检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

3 篇 学位论文

馆藏范围

3 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

3 篇 工学
- 3 篇 地质资源与地质工...
- 2 篇 控制科学与工程
- 2 篇 计算机科学与技术...
- 2 篇 软件工程
2 篇 管理学
- 2 篇 管理科学与工程(可...

主题

3 篇 地震反射模式分析
2 篇 叠前地震数据
1 篇 无监督聚类方法
1 篇 解耦表征学习
1 篇 定量分析
1 篇 空间概率
1 篇 深度学习
1 篇 地震相分析
1 篇 多视图学习
1 篇 半监督学习

机构

3 篇 电子科技大学

作者

1 篇 杨军辉
1 篇 吴庆平
1 篇 邹修懿

语言

3 篇 中文

检索条件"主题词=地震反射模式分析"

共 3 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

无监督机器学习叠前地震反射模式分析

无监督机器学习叠前地震反射模式分析

引用

作者：邹修懿电子科技大学

学位级别：硕士

地震反射模式分析是一种利用地下不同地层的地震反射信号之间的差异性对地下不同反射元进行模式指派的分析方法,模式指派是通过对地层下不同信号进行类别的划分并结合对应的地震勘探资料,将不同类别赋予地质含义,从而能够判断目标地层... 详细信息

地震反射模式分析是一种利用地下不同地层的地震反射信号之间的差异性对地下不同反射元进行模式指派的分析方法,模式指派是通过对地层下不同信号进行类别的划分并结合对应的地震勘探资料,将不同类别赋予地质含义,从而能够判断目标地层的构造情况,为后续油气开发提供指导性意见。现有的地震反射模式分析利用了包含丰富地层信息的叠前地震数据,但是其维度高、数据量大等问题对高效率、更准确的地震反射模式分析提出了新的挑战。在实际的油气勘探工作中,钻井成本昂贵,测井数据资料非常稀少,并且已有的标签数据需要凭借专家经验划分,具有一定的主观性,因此研究无监督叠前数据的聚类手段具有重要的现实意义。目前叠前数据无监督研究焦点主要集中特征降维和聚类分析上。传统特征降维方法可能会丢失叠前数据振幅随方位角的变化信息,且难以适用于丰富特征的叠前数据。为解决上述问题,本文基于多视图学习分别从深度学习和稀疏子空间学习两个方面对叠前数据的聚类算法展开研究,主要研究工作与创新点如下所示:1.提出多视图无监督叠前数据深度嵌入对抗聚类算法:本文使用叠前数据计算地震属性来保留地层中的微量信息。为减小数据维度,采用无监督特征选择算法对众多属性特征计算重要性,保留分值高的属性特征。然后将不同属性视为多个视图数据,输入到多视图深度嵌入对抗聚类网络中。该网络通过卷积自编码器有效提取地震数据的深度特征;引入GAN损失使多视图表示生成器生成与真实样本更相似的假样本,从而使得深层表示尽可能多地包含原始特征信息;通过计算KL散度作为聚类误差提升聚类效果。基于此算法得到了合成测试数据和实际工区数据中效果良好、区域特征明显的地震反射模式识别结果。2.提出多视图稀疏子空间叠前数据聚类算法:叠前地震数据受噪声影响大,本文利用稀疏表示学习,通过多视图子空间聚类思想,用多个低维空间信息线性表示叠前地震数据的高维特征信息,有效减少了噪声的干扰。鉴于现有的子空间聚类计算效率低难以处理叠前数据,无法用于叠前数据聚类,本文采用ALM-ADM算法进行交替求解,极大地减少了运算时间复杂度。传统聚类手段总是先进行特征提取再聚类,特征提取和聚类的过程中可能会丢失重要的特征信息。本文利用非负矩阵分解,使用ALM-ADM算法进行交替迭代时,也会更新聚类结果。该方法在合成数据和实际工区数据中具有较好的鲁棒性和稳定性,提高了模式指派的正确性。

关键词：叠前地震数据地震反射模式分析多视图学习无监督聚类方法

来源：评论

学校读者我要写书评

暂无评论

半监督叠前地震信号反射模式分析

半监督叠前地震信号反射模式分析

引用

作者：吴庆平电子科技大学

学位级别：硕士

地震反射模式分析主要分析地层中不同反射元信号间的差异性,再将不同反射元划分到对应的反射模式中,从而获得目标区间的地质构造情况,为后续的油气开发提供指导意见。现有的地震反射模式分析大多是基于叠后数据的,与叠前数据相比,叠后... 详细信息

地震反射模式分析主要分析地层中不同反射元信号间的差异性,再将不同反射元划分到对应的反射模式中,从而获得目标区间的地质构造情况,为后续的油气开发提供指导意见。现有的地震反射模式分析大多是基于叠后数据的,与叠前数据相比,叠后数据在提升信噪比的前提下减少了数据量,但同时也模糊了地层中许多微小的信息,无法满足精细化解释的需求。本文直接从高维的叠前地震数据出发,通过对其进行纹理属性分析和提取,以保存地层中的微量信息。在实际的油气勘探过程中,通过测井和钻进等资料获取的有标签数据是极其稀少的,过少的有标签数据无法支持有效的监督学习;其次,传统的分析结果只能进行定性的分析,无法对其进行定量化的评估,定量分析是现阶段亟需解决的问题;叠前数据相比于叠后数据,受到噪声的影响更为明显。针对这些问题,本文围绕半监督学习、定量化评估以及空间信息等进行研究,提出相应的解决方法,文章的具体工作与创新总结如下:1.针对地震勘探中先验知识过少,无法进行有监督学习的问题,本文提出了一种具有全局优化的半监督学习方法,该方法在自组织映射神经网络的训练过程中引入了标签信息,利用它们辅助无标签数据来提升学习器的训练效果,该方法同时优化了网络神经元到地震反射模式间的映射关系,解决了自组织映射神经网络的局限性,降低了模式指派的混淆。2.传统的地震反射模式分析方法无法对结果进行定量化的评估,而定量分析是结果是否可靠一个重要依据,基于这一现状,本文利用概率神经网络,分别计算了各地震反射元对反射模式的隶属度,基于这一结果定义了三个用于进行定量评估的度量指标,从不同角度提供了对结果的判断依据。3.为解决噪声对叠前地震数据的影响,本文通过分析地层的连续性,引入了先验的空间信息,以约束反射元的模式指派过程,这一方法通过分析先验信息在空间上的传递方式,以概率的形式修正了基于数据驱动的结果,降低了噪声对叠前数据的影响,使得最终的模式分析结果与实际地层情况更加吻合。本文将所提出的一系列方法和传统的方法应用于人工合成数据和实际工区数据,通过对比证明了所提出方法的优越性。

关键词：地震反射模式分析叠前地震数据半监督学习定量分析空间概率

来源：评论

学校读者我要写书评

暂无评论

解耦表征学习地震相分析方法

解耦表征学习地震相分析方法

引用

作者：杨军辉电子科技大学

学位级别：硕士

地震相分析是油气地震勘探中的关键地震信号分析技术。这种技术基于对地震反射数据的分析,提供对油气储层分布和沉积相的有意义的解释。随着计算机软硬件水平的提高,一系列有监督和无监督地震相分析方法应运而生。同时,包含更为丰富的... 详细信息

地震相分析是油气地震勘探中的关键地震信号分析技术。这种技术基于对地震反射数据的分析,提供对油气储层分布和沉积相的有意义的解释。随着计算机软硬件水平的提高,一系列有监督和无监督地震相分析方法应运而生。同时,包含更为丰富的岩性、孔隙度及各向异性等信息的叠前地震数据也逐渐开始成为地震相分析数据的主流。目前的主流地震相分析方法主要聚焦于地震数据的全特征提取与特征聚类上,但是这些分析方法普遍存在提取的特征缺乏明确的物理意义、缺乏深度属性可解释性及受地震数据复杂耦合的物理属性影响导致的分析结果准确性、可靠性不足的问题。为解决上述现有地震相分析技术存在的问题,本文基于解耦表征学习,从叠前地震数据解耦深度属性提取与先验知识引导的深度域约束属性解耦两个方面展开研究,主要研究工作与创新点如下: 1.提出地震数据解耦深度属性提取算法——交换组解耦自编码网络(Swap group disentangled network,SGD)。为实现复杂地震数据中物理属性的解耦与分离,本文将解耦表征学习思想引入地震数据的属性提取过程中,利用组监督思想,通过输入一组存在不同物理属性耦合关系的地震数据以实现在模型的深度域的属性解耦。同时,本文将解耦表征学习算法与深度特征提取算法结合,使深度域提取到的深度属性具有表征实际物理含义的能力。通过合成数据与实际工区数据的无监督聚类验证,本算法实现了预期目标,提高了地震相分析的可解释性与准确性。 2.提出先验知识引导的深度域约束解耦地震相分析算法——深度域回归约束解耦网络(Deep domain regression constrained disentangling network,DRD)。为充分利用地震数据中蕴含的大量先验信息,实现更为精确复杂的地震数据属性的解耦,本文将地震先验知识、地震相分析方法与解耦表征学习相结合,利用地震数据中的数据知识先验,实现了在深度域复杂的地震数据序列信息表征。同时,考虑到地震数据的数据特点,本文使用动态时间扭曲损失作为深度域的损失计算函数,实现了先验信息形态特征与能量特征的可靠约束。通过合成数据与实际工区数据的实验,本算法实现了预期目标,为复杂地层地震相分析提供了新的思路与方法。

关键词：地震相分析地震反射模式分析解耦表征学习深度学习

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：