基于SOM和PSO的非监督地震相分析技术

作     者：张 郑晓东 李劲松 路交通 曹成寅 隋京坤 ZHANG Yan;ZHENG Xiao-Dong;LI Jin-Song;LU Jiao-Tong;CAO Cheng-Yin;SUI Jing-Kun

作者机构：中国石油勘探开发研究院北京100083 中石化石油工程地球物理有限公司北京100029 

出 版 物：《地球物理学报》 (Chinese Journal of Geophysics)

年 卷 期：2015年第58卷第9期

页      面：3412-3423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：国家重大专项(2011ZX05004-003) 国家自然科学基金(40504110)联合资助 

主　　题：自组织神经网络 粒子群算法 非监督地震相分析 聚类 

摘      要：地震相分析技术是储层预测的一种重要方法,可以用来描述有利沉积相带的分布规律.传统的地震相聚类分析方法对大数据的处理运算速度较慢,且容易陷入局部极小值,造成聚类分析的结构不准确.本文提出基于自组织神经网络(SOM)和粒子群优化方法(PSO)相结合的地震相分析技术,利用自组织神经网络能够保持原始地震数据的拓扑结构特性的特点,将大量冗余样本压缩为小样本数据,再通过粒子群的全局寻优能力改善K均值聚类的效果.理论模型和实际应用表明该方法能既有效实现数据压缩,又能提供较为准确的全局解,在地震相预测中兼顾计算效率和计算精度.