基于自适应阈值约束的无监督聚类智能速度拾取
Intelligent velocity picking based on unsupervised clustering with the adaptive threshold constraint作者机构：中国石油大学(北京)油气资源与探测国家重点实验室北京102249 中国石油天然气股份有限公司勘探开发研究院西北分院兰州730000
出 版 物：《地球物理学报》 (Chinese Journal of Geophysics)
年 卷 期：2021年第64卷第3期
页 面：1048-1060页
核心收录：
学科分类：081801[工学-矿产普查与勘探] 081802[工学-地球探测与信息技术] 0709[理学-地质学] 0819[工学-矿业工程] 0707[理学-海洋科学] 08[工学] 0708[理学-地球物理学] 0818[工学-地质资源与地质工程] 0825[工学-航空宇航科学与技术] 0704[理学-天文学]
基 金：国家重点研发计划(2018YFA0702504) 国家自然科学基金(41974140) 中央高校基本科研业务费专项资金(462019QNXZ03) 中国石油天然气集团有限公司-中国石油大学(北京)战略合作科技专项(ZLZX2020-03) 中国石油大学(北京)科研基金(2462020YXZZ008和2462020QZDX003)联合资助
摘 要：目前叠加速度的获取主要是通过人工拾取速度谱,存在着效率低、耗时长且易受人为因素影响的缺点.本文提出了一种基于自适应阈值约束的无监督聚类智能速度拾取方法,实现叠加速度的自动拾取,在保证速度拾取精度的同时提高拾取效率.利用时窗方法在速度谱中计算自适应阈值,从而识别出一次反射波速度能量团作为速度拾取的候选区域.然后,根据K均值方法将不同的速度能量团聚类,并将最终的聚类中心作为拾取的叠加速度.最后,依据人工拾取速度的经验,加入了离群速度点的后处理工作,以获得更光滑的速度场.模型和实际地震数据测试结果表明,本文提出的方法总体上与人工拾取叠加速度的精度相当,但明显提升了速度拾取效率,极大缓解了人工拾取负担.
维普期刊数据库
同方期刊数据库