SFA-GTM：基于生成式拓扑映射与RBF的地震相分析
计算工程、金融与科学
2018-06-04 v1 地球物理
摘要
地震相识别在储层表征中起着重要作用，有助于识别储层物性中的各种岩性和地层变化。随着地震数据规模或待分析属性数量的增加，人工识别相的过程变得复杂且耗时。尽管地震属性为数据增加了多个维度，但它们在储层表征中的作用非常关键。现有不同的线性变换方法利用地震属性进行地震相的识别、表征与可视化，这些线性变换方法已被广泛用于相表征。然而，这些方法存在一些局限性，如宽度参数、聚类数目、收敛速率等的确定。因此，本研究采用非线性变换方法，克服了线性方法的一些主要局限。所提出的基于生成式拓扑映射与径向基函数（Radial Basis Function, RBF）的地震相分析方法（SFA-GTM）通过计算一组四种基于灰度共生矩阵（Gray Level Co-occurrence Matrix, GLCM）纹理的属性，即能量、均匀性、对比度和相异性来工作。生成式拓扑映射（Generative Topographic Map, GTM）用于基于所计算的纹理属性集对地震相进行无监督分类。此外，本文使用径向基函数（RBF）对数据中的缺失值进行插值。
引用
@article{arxiv.1806.00193,
title = {SFA-GTM: Seismic Facies Analysis Based on Generative Topographic Map and RBF},
author = {Jatin Bedi and Durga Toshniwal},
journal= {arXiv preprint arXiv:1806.00193},
year = {2018}
}
备注
11 Pages, 4 figures, 2 Tables, Part of DMG2 2018 proceedings (arXiv:1805.04541)