核聚类法地震相自动识别研究

发布时间：2023-12-09 19:38

　　地震相识别是根据地震数据的内蕴结构,将之划分为不同的地震结构单元。地震相识别是一个典型的模式识别问题,首先从地震数据中提取多个特征(属性),然后借助聚类等模式识别算法划分地震相。本文采用核聚类识别地震相,研究内容如下:(1)基于近似核K均值聚类的地震相识别研究考虑到核K均值聚类在计算核矩阵时需要所有样本参与,时间和空间复杂度高而不适用于地震相识别。本文采用近似核K均值聚类(简称AKK均值聚类)对地震相进行识别。首先从全部样本中抽取小部分样本构成一个核子空间,然后在此子空间中采用小部分样本的线性组合去逼近聚类中心,从而规避了计算全部样本的核矩阵问题,在不降低聚类准确度的前提下大幅降低了时间和空间复杂度。实验表明此算法不仅可以快速准确识别地震反射结构单元,而且识别效果比K均值聚类、谱聚类和Nystrom聚类要好。(2)基于多视角加权近似核K均值聚类的地震相识别研究构建了一种基于多视角加权近似核K均值聚类(简称MV-AKK均值聚类)算法并将其用于地震相识别。首先从多个地震属性中依次选取少量抽样样本,计算每个属性的抽样核矩阵;其次根据每个属性的抽样核矩阵最小化迭代约束条件,自动确定各属性的权重...

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状及发展趋势
        1.2.1 国内外研究现状
        1.2.2 发展趋势
    1.3 本文主要研究内容及结构安排
        1.3.1 主要研究内容
        1.3.2 全文结构安排
第二章 核聚类原理与地震属性提取问题
    2.1 核K均值聚类算法
        2.1.1 K均值聚类算法
        2.1.2 核K均值聚类算法
    2.2 核均值漂移聚类算法
        2.2.1 均值漂移聚类算法
        2.2.2 核均值漂移聚类算法
    2.3 地震属性提取问题
        2.3.1 提取地震属性与归一化
        2.3.2 地震属性优选
    2.4 本章小结
第三章 基于近似核K均值聚类的地震相识别研究
    3.1 AKK均值聚类算法研究意义
    3.2 AKK均值聚类算法原理
        3.2.1 AKK均值聚类算法简述
        3.2.2 应用AKK均值聚类法进行地震相识别流程
    3.3 实验结果分析
        3.3.1 理论数据模型实验
        3.3.2 实际地震数据实验
    3.4 本章小结
第四章 基于多视角加权近似核K均值聚类的地震相识别研究
    4.1 MV-AKK均值聚类算法研究背景与意义
        4.1.1 MV-AKK均值聚类算法研究背景
        4.1.2 MV-AKK均值聚类算法研究意义
    4.2 MV-AKK均值聚类算法原理
        4.2.1 定义目标函数
        4.2.2 权重更新规则
    4.3 实验结果分析
        4.3.1 应用MV-AKK均值聚类识别地震相的流程及步骤
        4.3.2 实验结果分析
    4.4 本章小结
第五章 基于半监督核均值漂移聚类的地震相识别研究
    5.1 SKMS聚类算法研究意义
    5.2 SKMS聚类算法原理
        5.2.1 通过更新核函数实现线性变换
        5.2.2 通过logdet布雷格曼散度实现核函数更新
    5.3 实验结果分析
        5.3.1 应用SKMS聚类进行地震相识别的步骤
        5.3.2 理论数据模型实验
        5.3.3 实际地震数据实验
    5.4 本章小结
第六章 结论
    6.1 总结
    6.2 展望
参考文献
攻读学位期间所取得的相关科研成果
致谢



本文编号：3872026