用约束型自组织特征映射网络实现多井约束插值

提出了一种用神经网络实现多井约束插值的新方法。作为传统的自组织特征映射网络(Self Organizing Featuere Map，SOFM)的一种推广形式，提出的约束型自组织特征映射(Constraint Self Organizing Featuere Map，CSOFM)对某些特定的输出节点及输出节点的排列方式加以约束，从而既保留了SOFM的长处(如自组织和拓扑映射)，又克服其在处理多井的约束插值问题时存在的一些缺点(如网络规模过大，训练时间过长和归位问题)。对实际资料的处理表明，其方法能取得满意的结果。     

利用BP神经网络进行测井资料外推

针对在地震资料约束下资料外推的具体问题，修改了ＢＰ网络的能量函数，增加一项反演目标函数，使之作为一项新的能量约束，从而实现用ＢＰ网络自适应地外推测井资料，有机地将ＢＰ网络与地震反演结合起来，本文论述了其理论与算法，并给出了资料处理应用实例，对实际资料的测井速度外推结果表明，此方法处理速度快，稳定性好，可信度高，具有较好的应用前景。     

SVD分解提高地震资料的信噪比和分辨率

ＳＶＤ分解算法在处理地震数据时，利用地震数据存在较好的相关性这一特点，能有效地进行信号和噪声的分离。地震数据经ＳＶＤ分解后，按能量的大小分为若干个本征值，从理论上来说以信号为主的本征值的有效频宽相对于原始数据的有效频宽会得到不同程度的拓宽，因而根据能量分布对以信号为主的本征值进行相应的频率补偿，并剔除以噪声为主的本征值进行重建，重建后的地震数据的信噪比和分辨率均得到改善，将此法用于实际地震数据处理     

线阵相机场曲复原及在异纤检测中的应用

为了消除相机的场曲给成像带来的空变模糊,提高图像分辨率和检测精度,针对在工业检测中广泛使用的线阵相机,提出了一种消除场曲影响的一维图像复原方法。在分析了空变模糊矩阵结构的基础上,通过估算部分区域的点扩散函数,再由偏移和插值得到全像场范围内的模糊矩阵。由模糊矩阵利用约束最小二乘法得到与观测信号无关的复原矩阵。检测过程中,将采集到的图像信号与复原矩阵相乘,获得复原后的图像。采用检测棉流内异性纤维的异纤检测系统,用含有较细异纤的实际数据对方法进行验证。结果表明,本方法在提高图像边缘处分辨率的同时增强了异常点与背景的差异,异常比增加了10%以上,为进一步提高检测精度创造了条件。     

提高超大规模SVM训练计算速度的研究

近年来用支持向量机(Support Vector Machine)解决大样本问题的尝试日渐增多.限制SVM在大样本问题中应用的一个关键因素是SVM训练所引出的超大规模二次规划问题无法由标准的二次规划方法所解决.SMO算法(Sequential Minimal Optimization)是一种有发展前途的大规模SVM训练算法,我们用块算法的思想对其进行了改进,并称改进后的算法为分块SMO算法(CSMO).新算法对于带有小支持向量集的超大样本问题在速度方面具有明显的优势.     

基于支持向量机的属性优选和储层预测

本文采用基于支持向量机(SVM)的特征选择方法进行地震属性优选,根据油井的产油气情况将油井分为高产井和低产井,利用SVM对这些样本进行训练,然后根据每个属性对应的权值进行筛选,便可以选取对油气敏感的属性,进而更好地预测储层。具体过程为:①提取一定量的地震属性;②根据已知井的信息,获得训练样本,训练线性SVM;③计算各个特征的权值;④选取较大权值绝对值对应的多个属性;⑤将支持向量回归机(SVR)应用于优选出的属性,获得储层预测的结果。实际资料应用结果表明,文中方法不仅能筛选出有效的地震属性,还能够有效地预测储层。     

时频域零炮检距地震道拟合

如何提高地震资料的信噪比和分辨率。是地震资料处理中的关键。本文在分析地震共中心点道集的AVO特性。以及不同炮检距信号经过不同路径的地层吸收的基础上。发现对于某一时刻的不同炮检距地震信号的不同频率成分。可以用多项式描述其与炮检距aT的关系。进而提出了基于信号时频分析和多项式拟合的时频域零炮检距地震道拟合技术。司时。利用多道信号估算的信噪比来设计的时频域Wiener滤波器。克服了常规多项式拟合技术压制噪声能力不足的缺陷。     

利用SVD分解法对任意道距道内插

传统的道内插技术是采用扫描同相轴的倾角，再沿着若干倾角方向加权求和来实现的，本文提出了一种新方法－ＳＶＤ分解法插值，即先利用图象处理技术检测地震图象上的同相轴的走向，然后沿该方向进行ＳＶＤ分解，再对分解后的特征向量矩阵按要求进行插值重建，从而得到的内插结果的地震剖面，从理论记录和实际资料的处理结果来看，本方法具有速度快，精度高，内插效果好等特点，且可对任意道距剖面进行了内插。     

一种改进的SVD滤波器

在处理地震资料时，用常规的ＳＶＤ滤波器不能有效地提高非水平同相轴的信噪比，为此，本文利用量化后的地震图象的二级灰度统计特征，由共生矩阵得到的能量，差异值和一致性特征获取特处理区域中同相轴的几个主要走向，据此自动调整ＳＶＤ滤波器的输入矩阵，并利用这些特征与奇异值的分布曲线对待处理区域进行分类，决定ＳＶＤ滤波器选用奇异值的个数，从而改进了ＳＶＤ滤波器的性能，经对合成地震记录与实际地震资料处理，效果明显     

һ�ֻ���SVM����ѡ�������Ԥ�ⷽ��

支持向量机(SVM)是近年来发展起来的一种通用的机器学习方法，在许多分类问题和函数拟合问题上都已获得了很好的效果。对于少量样本的分类问题，SVM具有调节参数较少，运算速度快等优点。通过地震、测井等信息进行油气预测是一种典型的非线性分类器设计问题，它具有已知样本数较少、特征个数较少等特点,文章据此提出了一种基于特征扩展和特征选择的改进SVM方法。该方法将原始特征通过非线性变换到高维空间，然后应用线性SVM进行特征选择，并同时计算降维过程中各个特征子集对应的留一法错误率，最后选择错误率较小的特征子集来设计线性SVM分类器。在通用数据的实验中，这种方法仅仅用较为简单的多项式核函数就大大提高了分类器的泛化能力。与传统的模糊数学方法、神经网络方法和SVM方法相比，这种方法在四川观音场构造的碳酸岩盐储层数据的预测误差降低了50%，是一种有效的油气预测方法。