基于波形特征向量的谱聚类地震相分析
秦德文
张岩
于杰
中海石油(中国)有限公司上海分公司, 上海 200335
摘要：本文提出一种基于地震沉积学原理沿层提取地震波形特征向量,并以谱聚类(spectral clustering)分析进行地震相划分的方法.谱聚类能够处理非线性的数据结构和高维数据的聚类问题,但其相似度矩阵的构建和谱分解的计算较为复杂,需要较高的计算资源和时间成本.为提高谱聚类算法的效率和可扩展性,本文提出将Mini-batch K-means算法与谱聚类算法结合起来的MKSC算法,在提高谱聚类算法精度的同时大大降低谱聚类空间的复杂度.经过对数值模拟、地球物理模型数据和实际地震资料的处理分析,证明该方法在沉积相划分、沉积相特征识别方面的效果明显,是一种具有良好应用前景的新型沉积特征分析工具.
关键词：机器学习谱聚类波形聚类地震相地震沉积学
分类号：O242(计算数学)P631.4(天文学、地球科学)P315(大地（岩石界）物理学（固体地球物理学）)
资助基金：十四五科技重大项目(KJGG2022-0304)
论文发表日期：2024-01-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：11( 13-23 )
英文信息