基于半监督的叠前地震波形分类方法研究

目录

第一个书签之前

摘 要

ABSTRACT

图目录

表目录

简略字表

第一章 绪 论

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 无监督学习

1.2.2 有监督学习

1.3 本文的主要工作与贡献

1.4 论文章节安排

第二章 叠前地震波形分类技术的相关原理

2.1 叠前地震波形的分析优势

2.1.1 四类含气砂岩AVO分析

2.1.2 各向异性分析

2.2 数据降维处理

2.2.1 无监督降维算法

2.2.2 有监督降维算法

2.3 半监督学习算法

2.3.1 基于生成式半监督

2.3.2 基于图的半监督

2.3.3 基于分歧半监督

2.3.4 半监督聚类

2.4 波形相似性度量

2.4.1 传统的相似性度量方法

2.4.2 训练相似性度量方法

2.5 本章小结

第三章 基于半监督降维的叠前地震波形分类

3.1 叠前地震波形的半监督降维

3.1.1 半监督降维算法

3.1.2 基于SSDR的叠前地震波形降维

3.1.3 SSDR的参数选择

3.1.4 算法性能测试

3.2 地震数据的邻域信息

3.2.1 多窗口提取最优邻域

3.2.2 窗口大小动态选择

3.3 基于邻域信息的叠前地震波形分类

3.3.1 K-means算法

3.3.2 基于邻域信息的K-means算法

3.3.3 算法性能测试

3.4 算法总体描述及其应用

3.4.1 算法总体描述

3.4.2 算法在实际工区的应用

3.5 本章小结

第四章 基于集成学习的半监督FCM叠前地震波形分类

4.1 基于半监督FCM-S叠前地震波形分类

4.1.1 FCM算法

4.1.2 基于空间约束的FCM算法

4.1.3 半监督FCM-S算法

4.1.4 算法性能测试

4.2 基于集成学习的SFCM-S算法框架

4.2.1 集成学习

4.2.2 基于集成学习的SFCM-S模型

4.3 算法总体描述及其应用

4.3.1 算法总体描述

4.3.2 算法在物理模型工区的应用

4.4 本章小结

第五章 总结与展望

5.1 工作总结

5.2 工作展望

致 谢

参考文献

攻读硕士学位期间取得的研究成果

攻读硕士学位期间参加的科研项目