基于LLE-IPSO聚类和ABC-SVM的微地震初至拾取研究

论文摘要

随着不可再生油气资源的大量消耗,非常规油气藏开发的研究成为国际勘探地球物理研究热点。微地震监测技术作为提高非常规油气藏开发成效的有效方法,对开采压裂效果的判断有检测和指导的重要作用。微地震直达波首次到达时间对事件识别和震源反演具有重要影响,因此初至拾取是微地震技术的重要组成部分。由于微地震记录的很低,有效地实现微地震信号的初始拾取对于处理大量微震数据处理具有重要意义。微地震初至拾取的目的是寻找微地震有用信号的第一个起跳点。在噪声背景较大情况下,微地震的初至点被湮没。经典的初至拾取方法不能满足低信噪比微地震记录的要求,而传统基于分类的方法,初始聚类中心的选取是随机的,选取结果很容易收敛到非全局最优的局部最优解。本文提出了一种基于局部线性嵌入（LLE）与改进的粒子群（IPSO）优化算法（LLE-IPSO）相结合的微地震数据初至拾取方法。首先将地震信号看成高维空间数据,采用局部线性嵌入的降维方法,通过计算地震样本点之间的距离以及重构权值,在保证其拓扑条件不变的情况下降至低维。其次,将低维数据利用IPSO优化算法,通过全局迭代搜索来选择最适于分类的聚类初始中心,再利用K-means算法将原始微地震信号划分成信号与噪声两类。将分类结果的稳定跳变位置作为微地震信号的初至点。局部线性嵌入与改进粒子群优化算法在无监督领域实现了微地震信号和噪声的分离。本文在有监督分类算法领域中着重研究了基于人工蜂群优化支持向量机（ABC-SVM）的微地震初始时刻拾取方法。该方法首先根据信号和噪声在相关性和能量上的较大差异作为分类特征。然后利用人工蜂群（ABC）优化支持向量机（SVM）的c和g两个重要参数,得到SVM最优分类超平面。接着对信号和噪声的相关性和能量进行训练并形成具有最优分类面的ABC-SVM分类结构体。最后利用训练得到的结构体把信号和噪声分成两类,找到初至点。经过低信噪比的模拟微地震记录和实际地震记录的实验结果表明,本文所提出的两种方法均适用微地震初至拾取。基于局部线性嵌入与改进粒子群优化算法可以在-10dB的信噪比下保持接近90%的准确度。人工峰群优化支持向量机算法可以在-13dB信噪比下保持92%以上的准确度。并且两种方法与传统方法相比均具有更高的准确性和稳定性。

论文目录

• 摘要
• abstract
• 第1章 绪论
•   1.1 论文选题背景及意义
•   1.2 微地震初至拾取国内外研究现状
•   1.3 本文主要工作及章节安排
•   1.4 本章小结
• 第2章 经典初至拾取方法
•   2.1 AIC算法
•     2.1.1 AIC算法原理
•     2.1.2 AIC算法局限性
•   2.2 STA/LTA算法
•     2.2.1 STA/LTA算法原理
•     2.2.2 STA/LTA算法局限性
•   2.3 本章小结
• 第3章 局部线性嵌入与改进粒子群聚类算法的研究
•   3.1 局部线性嵌入基本原理
•   3.2 改进的粒子群算法K-means算法
•     3.2.1 改进粒子群算法原理
•     3.2.2 改进K均值算法
•   3.3 局部线性嵌入与改进粒子群聚类算法的微地震初至拾取
•     3.3.1 局部线性嵌入与改进粒子群聚类算法的描述
•     3.3.2 人工合成微地震模拟记录处理实验
•     3.3.3 实际微地震记录处理实验
•   3.4 本章小结
• 第4章 基于人工蜂群优化支持向量机算法的研究
•   4.1 支持向量机（SVM）原理
•   4.2 人工蜂群优化算法
•   4.3 利用人工蜂群优化支持向量机的微地震初至拾取
•     4.3.1 人工蜂群优化支持向量机的算法描述
•     4.3.2 人工合成微地震记录处理实验
•     4.3.3 实际微地震记录处理实验
•   4.4 本章小结
• 第5章 总结与展望
•   5.1 总结
•   5.2 展望
• 参考文献
• 作者简介及在攻读硕士期间取得的科研成果
• 致谢

文章来源

类型: 硕士论文

作者: 王腾

导师: 马海涛

关键词: 局部线性嵌入,粒子群,支持向量机,微地震,初至拾取

来源: 吉林大学

年度: 2019

分类: 基础科学,工程科技Ⅰ辑,信息科技

专业: 地质学,地球物理学,矿业工程,计算机软件及计算机应用

单位: 吉林大学

分类号: TP311.13;P631.4

总页数: 67

文件大小: 11841K

下载量: 83