基于流形学习的地震属性特征提取方法及应用

摘要

地震属性与地质特征的关系通常是非线性的，传统的基于线性变换的地震属性降维优化方法不能充分反映这种非线性关系，降低了储层预测的精度。流形学习通过保持数据局部结构的方式将高维数据投影到低维空间，挖掘和发现隐藏在数据中的内在特征与规律性，是地震属性优化研究的新领域。文中提出了基于流形学习的地震属性特征提取方法，把基于线性降维的主成分法(PCA)和基于非线性降维的局部线性嵌入法(LLE)提取地震属性特征的方法进行了对比。理论模型分析和实际应用均表明：在处理非线性问题上，流形学习具有更好的聚类分析能力和特征提取性能，LLE提取的地震属性比PCA提取的属性更加准确地刻画了有利储层的展布特征，说明流形学习在地震属性优化方面具有较好的应用前景。