基于区分字典学习监督地震相分析方法研究.pdfVIP

table{边框‑合并:塌陷;}table,th,td{边框:1px实线#000;}

使用区分字典的监督相分析

鸿1*，佘斌1，1，1，2，1大学信息地学；2

勘探开发西北分院，兰州，

析是表征储层的一种有用且重要的技术。它可以通过使用监督分类方法对地

震波形进行分类来实现。叠前数据携带丰富的地层和沉积信息，但其信噪比（SNR）

较低。传统的监督分类方法高度依赖于训练数据，并且在低信噪比训练数据下效果较差。

字典学习算法避免了对数据形态的任何假设，并减轻了噪声对训练数据的影响。

在本文中，我们提出了一种基于区分字典学习算法的替代监督相分析方案。与支持向

量机（SVM）和K近邻（KNN）相比，所方法在合成叠前数据和实际叠前数据上的

应用表现更好。

引言

相分析是一种非常高效且简单的方法，用于储层表征，通常通过分类