三维地震数据体的波形分类方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景及意义 | 第15-17页 |
| 1.1.1 波形分类技术 | 第16页 |
| 1.1.2 三维地震数据体的波形分类 | 第16-17页 |
| 1.2 国内外研究现状 | 第17-19页 |
| 1.3 本文的主要工作与贡献 | 第19-20页 |
| 1.4 论文章节安排 | 第20-21页 |
| 第二章 波形分类技术的相关原理 | 第21-39页 |
| 2.1 数据预处理 | 第21-26页 |
| 2.1.1 各向异性扩散模型 | 第23页 |
| 2.1.2 基于张量扩散的各向异性模型 | 第23-24页 |
| 2.1.3 结构导向滤波法 | 第24-26页 |
| 2.2 波形分类技术中的特征选取 | 第26-33页 |
| 2.2.1 初始特征的获取 | 第27页 |
| 2.2.2 特征提取 | 第27-29页 |
| 2.2.3 特征选择 | 第29-33页 |
| 2.3 分类标识算法 | 第33-38页 |
| 2.3.1 无监督分类 | 第33-36页 |
| 2.3.2 有监督分类 | 第36-38页 |
| 2.4 本章小结 | 第38-39页 |
| 第三章 基于形态学的三维地震数据体波形分类方法 | 第39-66页 |
| 3.1 基于形态学的三维地震数据预处理方法 | 第39-47页 |
| 3.1.1 形态学波形整合基本原理 | 第39-45页 |
| 3.1.2 形态学波形整合算法 | 第45-46页 |
| 3.1.3 形态学波形整合实例 | 第46-47页 |
| 3.2 基于奇异性检测的层位解释误差校正方法 | 第47-52页 |
| 3.2.1 奇异性检测理论 | 第48-52页 |
| 3.2.2 层位解释误差校正算法 | 第52页 |
| 3.3 波形特征的选取 | 第52页 |
| 3.4 波形特征的无监督聚类 | 第52-56页 |
| 3.4.1 自组织神经网络SOM | 第53-55页 |
| 3.4.2 K均值聚类 | 第55-56页 |
| 3.4.3 分类标识具体流程 | 第56页 |
| 3.5 算法总体描述及其应用 | 第56-64页 |
| 3.5.1 算法总体描述 | 第56-57页 |
| 3.5.2 算法在F3工区中的应用 | 第57-61页 |
| 3.5.3 算法在GST工区中的应用 | 第61-63页 |
| 3.5.4 算法在HBC工区中的应用 | 第63-64页 |
| 3.6 本章小结 | 第64-66页 |
| 第四章 基于三维地震数据体的有监督波形分类方法 | 第66-89页 |
| 4.1 基于改进遗传算法的特征选择 | 第66-72页 |
| 4.1.1 遗传算法基本原理 | 第66-69页 |
| 4.1.2 基于GA的特征选择和参数最优化 | 第69-72页 |
| 4.2 波形特征的有监督分类 | 第72-80页 |
| 4.2.1 支持向量机 | 第72-76页 |
| 4.2.2 算法性能测试 | 第76-80页 |
| 4.3 算法总体描述及其应用 | 第80-88页 |
| 4.3.1 算法总体描述 | 第80-81页 |
| 4.3.2 算法在F3工区中的应用 | 第81-83页 |
| 4.3.3 算法在SLG工区中的应用 | 第83-84页 |
| 4.3.4 算法在AY工区中的应用 | 第84-88页 |
| 4.4 本章小结 | 第88-89页 |
| 第五章 总结与展望 | 第89-91页 |
| 5.1 工作总结 | 第89-90页 |
| 5.2 工作展望 | 第90-91页 |
| 致谢 | 第91-92页 |
| 参考文献 | 第92-95页 |
| 个人简历 | 第95-96页 |
| 攻读硕士学位期间取得的研究成果 | 第96页 |
| 攻读硕士学位期间参加的科研项目 | 第96-97页 |
