模糊模式识别在瞬变电磁测资料解释中的应用

本文研究了在横，纵向同时求模糊关系的高层次模糊模式识别方法，并且把这一方法应用到瞬变电磁测深资料的解释中。     

模糊模式识别在电磁测深资料解释中的应用

研究了在横,纵向同时求模糊关系的高层次模糊模式识别方法,并且把这一方法应用于ＥＨ－４电磁测深资料的解释。对于大地电磁测深方法,干扰比地震或其它可控源电磁法要强,利用单一参数解释就会不够准确。     

在巴布亚新几内亚地震盲区进行MT勘探

由于地表山峦重叠，赤道丛林和巨厚喀斯特化的中新统灰岩，使得在巴布亚褶皱带进行油气勘探非常困难，对于地表或近地表的高速喀斯特化灰岩，常使得地震技术对地下成像无能为力，在这样的地区，大地电磁（ＭＴ）具有很强的地一构造成图能力，由于强烈的电性差异，能用ＭＴ作图的主要构造界面是高阻的Ｄａｒａｉ灰岩下伏Ｉｅｒｕ组中的低阻沉积层之间的接触面，在一些区域，用１－Ｄ模型与所观测的ＭＴ数据相拟合即可相当准确地将Ｄ－     

有限元直接迭代算法在MT二维正演计算中的应用

本文将有限元直接迭代算法（ＤＩＦＥ）用于ＭＴ二维正演计算，充分利用了有限元直接迭代算法同时具有有限元和有限差分基本特征的优点。文中首先简要阐明了ＤＩＦＥ的基本原理，并以此为基础编制了ＭＴ二维正演计算的通用程序。在编程中，采用交叉对称三角形网格离散模型、交替方向线松弛算法求解有限元方程组、二次插值函数求解辅助场；在ＴＥ极化模式下，在空气中考虑了介电常数以及地形的影响。实例说明本文所采用的方法在适应性     

模糊模式识别在瞬变电磁测深资料解释中的应用

本文研究了在横、纵向同时求模糊关系的高层次模糊模式识别方法,并且把这一方法应用到瞬变电磁测深资料的解释中。暧变电磁测深方法的干扰相对于地震勘探要强,利用单一参数解释地电信息就显得不够准确。因此,同时利用多参数解释瞬变电磁测深资料就显得非常重要和有意义。利用本文研制的模糊模式识别方法,对提取的多个信息因子进行地电参数的综合解释,收到了较好的效果。     

支持向量机的发展与应用

基于统计学习理论的支持向量机（SVM）是一种新型的机器学习方法，描述了SVM在模式识别和回归估计中的基本思想。在大训练样本情况下，用传统的方法求解SVM问题计算复杂，针对该问题探讨了一系列的SVM训练算法，并对其进行了比较。SVM由于其良好的泛化能力和全局最优性能．在模式识别、数据挖掘、非线性系统建模和控制等领域中展现出广泛的应用前景。     

基于支持向量机的去噪在电法勘探中的应用

提出了一种基于支持向量机的去噪方法。借助支持向量机在小样本情况下良好的推广能力，利用支持向量机回归逼近数据去除噪声。使用该方法对大地电磁测深视电阻率进行了处理，应用效果良好。     

用灰色支持向量机进行储层油气、水模式识别

在石油天然气开发中,储层油气、水判别属于典型的模式识别问题。为了克服传统的学习方法存在的过于简单、对经验较强的依赖、涉及人为因素多、易陷入局部最小值、存在过学习问题等缺陷,同时也为了适应油气储层样本属性特征差异小,属性特征信号信噪比不够高的特点,在研究灰色关联和支持向量机原理的基础上提出灰色支持向量机模型,用于储层油气、水模式识别。与单纯的支持向量机识别方法相比较该模型判别油气、水属性的正确率高。研究结论可用于油气勘探储层精细评价和油气勘探二次开发。     

支持向量机方法在储层预测中的应用

传统储层预测学习方法大都基于经验风险最小化准则，预测效果不理想。而基于结构化风险最小化准则的支持向量机方法，通过对推广误差（风险）上界的最小化达到最大的泛化能力和全局最优，具有可靠的预测能力。对支持向量机法的方法原理，即非线性模式识别法和非线性函数估计法进行了讨论，并采用不同的样本数，将其与神经网络法作对比，结果表明，2种方法的训练结果精度都较高，但对sinc函数的估计结果，支持向量机法更可靠。在胜利油田某区块应用了向量机法，以地震波波形作为输入向量进行了砂体孔隙度和含油性预测，预测结果与已知结果吻合较好。     

二维MT多尺度反演中的自适应网格算法

针对ＭＴ二维反演中采用规则网格剖分时，网格过粗，分辨率低；网格过细，反演不稳定，反演结果易产生假象问题，本文提出一种自适应网格方法以克服传统的规则剖分方法之不足。数据例表明该算法精度高，稳定性好，值得做进一步的研究。     

应用支持向量机方法预测聚合物驱参数

根据矿场观测资料计算残余阻力系数是聚合物驱实施效果评价中的重要内容。影响残余阻力系数的因素很多，关系非常复杂，常规方法难以建立准确、适用的预测模型。针对预测聚合物驱参数中存在的问题，引入非线性函数拟合的支持向量机方法，采用正则化解法，解决了油藏工程中寻求残余阻力系数预测模型的问题。计算实例证明，该方法是求复杂非线性拟合函数的一种非常有效的技术。图1表1参8     

支持向量机在多地质因素分析中的应用

将支持向量机、人工神经网络、多元回归分析及参数乘积判别法4种算法分别应用于鄂尔多斯盆地塔巴庙地区40个致密砂岩储层的含气性评价,其预测结果与试气结果的平均相对误差绝对值分别为:0,4.63%,29.71%,18.75%。该实例表明:前两种非线性算法远比后两种线性算法优越;非线性算法中,支持向量机比人工神经网络优越;线性算法中,参数乘积判别法比多元回归分析优越。其根本原因在于:含气性与其相关地质因素(孔隙度、渗透率、含气饱和度)之间存在着复杂的非线性关系。因此,当描述一个研究目标与多个相关地质因素的复杂关系时,应提倡采用非线性算法,特别是在耗时巨大、多次反复进行多地质因素分析的数据处理作业中,应提倡采用支持向量机。因为它与人工神经网络相比,具有计算速度快、计算结果精度高的特点。另外,参数乘积判别法也具有简明、快速的优点,其精度远高于多元回归分析;而多元回归分析不仅计算速度快,而且还具有能表达研究目标与其相关地质因素之间亲疏关系的优点,可作为辅助手段。     

支持向量机在裂缝预测及含气性评价应用中的优越性

为了对比多元回归分析（MRA）、人工神经网络（ANN）和支持向量机（SVM）三种算法的应用效果，分别将其应用于两个实例：对南襄盆地泌阳凹陷安棚油田安1井和安2井7种测井资料的34个样本进行裂缝预测；对鄂尔多斯盆地塔巴庙地区致密砂岩储集层孔隙度、渗透率和含气饱和度的40个样本进行含气性评价。两个实例分析表明：①非线性算法（SVM和ANN）远比线性算法（MRA）优越；②SVM表现绝对的优越性（计算误差均为零、计算速度快），是迄今最佳的机器学习方法；③在实例1中ANN与SVM相比几乎是同等优越，但在实例2中ANN的精度比SVM低得多；④MRA计算速度快、具有ANN和SVM所不具备的能表达研究目标与相关地质因素之间亲疏关系的优点。因此，当描述一个研究目标与多个相关地质因素的复杂关系时，应提倡采用SVM，而MRA可作为辅助应用。图4表3参27     

基于近似支持向量机的裂缝分类方法

对广泛存在于各类岩层中的裂缝带进行精细刻画与综合预测是裂缝型油气藏勘探的关键。为了避免多解性问题,学者们通常采用多属性对其进行综合预测,但如何有效地利用众多地震属性与裂缝带发育程度之间的非线性关系对裂缝带发育状况进行准确分类仍是一大难题。将近似支持向量机算法引入裂缝带的分类识别中,建立了3种刻画储层裂缝带的地震属性与井中裂缝发育信息之间的非线性模型,得出了反映裂缝带特征的最佳判别规则,利用该规则对多个属性进行综合判别,克服了单属性的多解性,提高了储层裂缝带的分类精度。实例应用表明,该算法削弱了依靠单一因素识别储层裂缝带的局限性,为储层内裂缝带发育状况的准确分类提供了新的研究思路。     

慈利-保靖断裂带大地电磁测深研究

慈利—保靖断裂带是雪峰山基底隆升带的西北缘边界。前人对断裂带及邻域的地质认识主要基于地面地质调查和少量地震勘探资料,区域构造研究中对断裂带的构造属性一直存有争议。本文通过多条横跨该断裂带的大地电磁测深反演电阻率剖面,结合重力资料和岩石物性测试结果进行了电性构造分布特征综合解释。结果表明：慈利—保靖断裂带由多条不同尺度且大致平行的正、逆断裂组成;主断裂北陡南缓,收敛于基底滑脱面,不是深切岩石圈的深大断裂;该断裂带作为雪峰山隆升带与扬子地台湘西北褶皱带的分界是合理的;在沅麻盆地的东缘,由于基底拆离上推,沅古坪—沅陵向斜中的寒武系以下地层被推覆构造掩覆深埋,可能成为常规油气或页岩气勘探的有利目标区。     

用傅氏变换实现三维MT数据的插值

MT法的迅速发展使得三维MT数据处理日趋重要。三维插值也是后续三维处理解释中的重要一环。本文应用傅氏变换进行三维MT数据内插，首先将原始数据处理成一系列周期性数据，然后通过傅氏变换、插值，再将插值后的数据经反傅氏变换，即得到插值后的数据。插值后的数据长度是原数据的两倍。三维插值分别沿x、y和深度方向进行。通过对比分析认为，三维插值充分利用了空间信息，对于信息加强和去噪有一定作用，实际应用表明，此方法是一种有发展远景的方法。     

基于支持向量机方法的烷烃辛烷值预测

基于定量结构-性质相关(QSPR)原理,研究化学物质的结构与性能之间的关系,应用支持向量机(SVM)回归方法,建立了根据分子结构预测烷烃马达法辛烷值的数学模型,分别采用内部和外部验证的方式对模型性能进行了验证。结果表明,模型具有较高的稳定性以及预测能力。该方法的提出为工程上提供了一种根据分子结构有效预测烷烃马达法辛烷值的新方法。     

矢量网络分析仪基本测试原理及其在地震电缆测试中的应用

矢量网络分析仪广泛应用于电子电路的设计与测试中,也应用于测试地震电缆。本文主要介绍了矢量网络分析仪的基本组成、测试地震电缆的原理、测试的基本传输参数的物理意义以及具体测试方法。