最小二乘支持向量回归滤波系统性能分析

支持向量机(Support Vector Machine: SVM)一直作为机器学习方法在统计学习理论基础上被研究和发展,本文从信号与系统的角度出发,证明了平移不变核最小二乘支持向量机(Least Squares SVM: LS-SVM)是一个线性时不变系统.以Ricker子波核为例,探讨了不同参数对最小二乘支持向量回归(Least Squares Support Vector Regression: LS-SVR)滤波器频率响应特性的影响,这些参数的不同选择相应地控制着滤波器通带上升沿的陡峭性、通带的中心频率、通带带宽以及信号能量的衰减,即滤波器长度越长通带的上升沿越陡,核参数值越大通带的中心频率越高,且通带带宽越宽,正则化参数值越小,通带带宽越窄(但通带中心频率基本保持恒定),有效信号幅度衰减越严重.合成地震记录的仿真实验结果表明,Ricker子波核LS-SVR滤波器在处理地震勘探信号的应用中,滤波性能优于径向基函数(Radial Basic Function: RBF)核LS-SVR滤波器以及小波变换滤波和Wiener滤波方法.     

基于支持向量机和小波包的金属矿床地震数据去噪

针对深部找矿地震资料信噪比很低的问题,结合小波包和支持向量机的理论,提出了一种新的去噪算法.该算法首先从地震资料中找出噪声干扰极小的和噪声很强的数据,利用支持向量机进行训练学习,提取噪声和有效信号的样本特征.然后将地震资料实施小波包变换得到更加精细和不同频带的信号,利用支持向量机训练出的样本特征对小波包变换后的数据进行...     

基于分块字典学习理论的地震数据去噪

随着油气勘探观测环境愈发复杂,采集的地震数据常常掺杂各种噪声信号,导致勘探目标引起的有效微弱信号被覆盖,严重影响高精度的地震勘探数据解译,因而有效的压制地震勘探数据噪声显得越发重要。本文采用字典学习策略,将复杂地震数据进行分块,通过分块数据的字典学习获取字典原子,构建高精度的字典学习地震数据稀疏表示,通过两次迭代更新字典原子,进行数据去噪。将本文的字典学习算法应用于含随机噪声的模拟数据和实测地震勘探数据处理,验证该算法的可行性及有效性。结果表明,本文算法有效去除了随机噪声,保留了有效信号同相轴,提高了信噪比,可为复杂含噪地震数据的去噪处理提供新的技术手段。     

基于隐马尔可夫模型平滑估计的随机噪声压制方法

以地震勘探记录去噪为目标,本文提出了一种隐马尔可夫模型平滑估计方法.它是在基本隐马尔可夫模型滤波基础之上,运用信号检测环节将带噪信号段和无信号段加以区分,构建带噪地震记录的状态转移模型,在贝叶斯框架下,利用平滑密度函数进行状态估计,从而达到压制噪声的目的.数值模拟表明,无论对信噪比还是均方误差,隐马尔可夫模型平滑估计处理后的重构信号优于常规的维纳滤波所恢复信号.我们可以期待这种方法会成为实际地震记录噪声压制的有效手段.     

地震数据去噪中的小波方法

地震资料去噪是地震数据处理中是必不可少的步骤,随着地震勘探的进步和勘探目的层加深,对地震资料的信噪比和分辨率提出了越来越高的要求.小波分析作为一个新兴的数学方法在地震资料去噪中也有巨大的潜力.本文从小波去噪的特点出发,介绍了小波分频和小波域阈值去噪的特点,并详细总结了地震资料去噪中的小波方法,主要有面波的压制和随机噪声的衰减.最后简要叙述了地震资料小波去噪的一些问题和发展.     

反射法地震勘探噪声消除技术研究

噪声消除是地震勘探资料处理的基础,地震资料信噪比的高低将直接影响到后续处理的效果.因此,选取正确的噪声消除方法是整个资料处理的前提.本文从反射法地震勘探中噪声的特性出发,将常用的去噪方法分为四类,分析了它们的优点和局限性,并且对不同的处理方法进行了简单的比较,介绍了他们的应用领域.     

GNMF小波谱分离在地震勘探噪声压制中的应用

地震勘探资料噪声压制及信噪比提高是整个地震勘探信号处理过程中的重要任务,随着地震勘探深度的增加及其复杂性,人们对地震数据质量的要求越来越高.勘探环境的复杂化使得采集到的地震资料中有效信号被大量噪声淹没,无法清晰辨识,严重影响后续的数据处理与解释.小波去噪是地震勘探中常用且发展较成熟的一种方法,但是其涉及到的阈值函数选取问题一直令人困扰,虽然已有多种阈值函数被提出,但仍存在各自的缺陷.本文利用小波分解在时域及频域良好的信号细节体现特性,引入模式识别中的非负矩阵分解(NMF)谱分离思想,针对小波系数阈值优化问题,提出了一种小波域图非负矩阵分解(GNMF)消噪算法.该方法首先在小波分解基础上,利用GNMF算法实现小波分解系数谱中信号分量与噪声分量的谱分离,然后通过反变换重构各分离子谱对应的子信号,最后利用K均值聚类算法将得到的多个子信号划分为信号类及噪声类,最终得到重构信号及分离噪声.合成记录和实际地震资料的消噪结果验证了新方法在提高信号与噪声分离准确性和精度方面的有效性,同时新方法避免了阈值选取造成的噪声压制不理想或有效成分损失问题.与小波消噪结果的对比及数值分析也说明了新方法在噪声压制及有效成分保持方面的优势.     

基于广义S变换、经验模态分解叠前去噪方法的比较

高频噪声压制是高分辨率地震数据处理中的关键性问题.基于广义S变换、经验模态分解的时频域地震去噪技术具有时变、分频和高保真特性,可有效处理非平稳地震信号,但二者在去噪原理、去噪效果、保真度、计算效率等方面尚存差异.对比分析表明:两种算法在提高地震信号信噪比的同时,可保持地震信号的保真度,保护陡倾角反射界面能量;基于广义S...     

基于ε-SVR算法的大地电磁测深资料去噪

消除噪声干扰对大地电磁测深资料的影响是大地电磁(MT)工作中的首要问题.基于结构风险最小化原则的支持向量机能够解决小样本情况下非线性函数拟合的通用性和推广性问题,是求复杂的非线性拟合函数的一种有效技术.本文首先介绍了ε-SVR(ε不敏感损失函数—支持向量机回归)的原理及SVR相关参数的选择,在此基础上,利用该算法对大地电磁测深实测资料进行回归处理,并与当前常用的去噪方法(Robust变换结合人工筛选)进行对比,结果表明ε-SVR算法可以较好地消除MT测深曲线所受噪声影响,提高工作效率.同时给原始数据加入10%噪声,并利用该算法对加噪后的数据进行回归处理,加噪前后拟合结果的绝对误差的均方差为9.454,相对误差的均方差为1.61%,证明该模型具有良好的泛化能力和稳健性.     

模型约束下的在线字典学习地震弱信号去噪方法

本文针对噪声成分和噪声结构的复杂性及弱信号的特征,发展了最新的在线字典学习去噪方法.在线字典学习去噪方法是以数据驱动的方式,反复进行学习构建字典方式,求得信号的稀疏性解以实现对信号的去噪,在此基础上,提出了数据驱动与模型驱动联合的模型约束下的在线字典学习去噪方法,先通过模型驱动方式获得一个较优质的学习样本以构建字典再进行去噪处理.通过和传统小波变换进行理论地震合成记录的效果对比,在高噪声比例的弱信号情况下远远优于传统的时频域去噪方法.实际数据去噪处理表明,模型约束下的在线字典学习去噪方法是一种有效的去噪方法,这种联合去噪方式能在高噪声背景下有效地提取出弱信号,具有广阔的推广应用前景.     

基于BP-Adaboost方法的天然地震和人工爆炸事件波形信号分类识别研究

BP神经网络和支持向量机(SVM)是两种主流的分类识别方法,用于天然地震和人工爆炸事件波形信号分类识别时取得了较好的效果。但BP神经网络存在易陷入局部最优及隐层数和隐层节点数与训练样本数据密切相关而无法有效预先确定;而支持向量机(SVM)方法则缺乏有效手段来选取合适的核函数,从中不能很好地扩展到多分类。针对天然地震和人工爆炸事件波形信号的分类识别问题,文中将上述两种方法和集成学习——BP-Adaboost方法进行了对比实验研究。据对所选用的地震、爆炸事件波形信号数据集的分类识别结果表明,BP-Adaboost方法得到了98%以上的正确识别率,并且具有较好的泛化能力。相较于BP神经网络和PCA-SVM方法,BP-Adaboost方法对于数据集的划分和识别结果具有更好的鲁棒性,应用于天然地震和人工爆炸事件波形信号分类识别时,可取得更好的识别效果。同时,结合Adaboost方法的原理,阐述了BP-Adaboost方法拥有更好分类结果和泛化能力的原因。     

基于MFCC样本熵和灰狼算法优化支持向量机的天然地震与人工爆破自动识别

针对天然地震与人工爆破波形特征相似、难以区分的情况,结合灰狼优化算法和支持向量机,提出一种地震事件性质辨识新方法。通过梅尔频率倒谱系数法对2013年四川芦山地震地震事件信号和人工爆破信号进行分析,进过预加重、FFT、梅尔滤波及离散余弦变换等步骤,提取静态系数样本熵、一阶差分系数样本熵和二阶差分系数样本熵等作为样本特征集。使用灰狼算法优化支持向量机径向基核函数RBF中的惩罚系数和核函数半径形成新的GWO-SVM分类器,然后对事件进行辨识。结果表明：GWO-SVM分类器辨识效果明显优于SVM、RobustBoost集成学习、LDA、PLDA等分类器,其在1 000次循环识别实验下的准确率均值相对SVM提高了9.2个百分点,标准差降低了3.2以上;t检验证明MFCC样本熵各特征具有可靠的地震事件分类效果;GWO-SVM与MFCC样本熵可作为天然地震事件与人工爆破事件的辨识方法与分类判据。     

地震勘探信号时频分析方法对比与应用分析

针对地震勘探信号,对非平稳信号时频分析几种适效方法:短时Fourier变换、小波变换、S变换、Wigner分布、平滑伪Wigner分布、锥形核时频分布、AOK(adaptive optimum kernel,自适应最优核函数)分布等进行对比与应用研究.在阐明各种方法基本原理的基础上,进行数值分析与应用研究.首先对非平稳地震勘探模拟信号进行试算及时频属性提取,结合各类方法的信号表示理论,在时频局部化的精度和交叉项抑制等方面对计算结果进行对比分析;进一步应用于实际二维地震数据,提取瞬时频率和瞬时带宽等时频属性,进行比较研究.研究表明:对于地震勘探信号,就本文涉及的几种时频分析方法而言,AOK分布是时频局部化精度最高、交叉项抑制最好、时频匹配最优的方法,值得在地震勘探信号分析和地震属性提取、频谱分解等应用中深入研究和应用.     

基于支持向量机的地震序列分类

介绍了人工智能领域最新的基于结构风险最小化原理的数据挖掘算法——支持向量机算法。根据支持向量机线性分类和可以具有不同核函数的非线性分类两种算法,建立了地震序列分类模型。通过试算和分析比较得到了地震序列最佳分类模型,最佳模型的分类结果与实际地震序列分类基本一致。综合分析认为支持向量机算法无论在学习或者预测精度方面都具有很大的优越性,其获得的地震序列分类知识库可以较为准确地实现地震序列类型的分类,因此基于支持向量机理论建立的地震序列分类模型应该是可行的。     

SVM方法在扇体砂岩厚度预测中的应用

基于小样本学习理论的支持向量机(SVM)方法可用于建立非线性函数预测模型。利用支持向量机方法,根据样本数据采用自动拟合的方法构造核函数,使得建立的关系不仅具有较高的拟合精度,而且具有较好的推广性。地震波的频谱与其波形的关系是互为正、反傅立叶变换的关系,所以地震波的波形及其频谱是同一物理现象的两种不同的表达形式。波形特征沿纵横方向上的变化反映了地层介质在纵横方向上的差异;反射波频谱上的差异则反映了岩性和流体成分的不同以及地层厚度的变化等。直接由地震波波形预测扇体砂岩厚度,不仅充分利用了地震波信息,而且极大地提高了预测模型的准确性。模型及实例验证了该方法的适用性。     

基于结构自适应中值滤波器的随机噪声衰减方法

本文提出一种保护断层、裂缝等地层边缘特征的结构自适应中值滤波器,用于衰减地震资料中的随机噪声.基于地震反射同相轴局部呈线型结构的假设,采用梯度结构张量估计地层倾向,分析地层结构的规则程度,在此基础上引入地震剖面中线型和横向不连续性两种结构特征的置信度量.结构自适应中值滤波器根据这两种置信度量调整滤波器窗函数的尺度和形状,根据地层倾角调整滤波器窗函数的方向,从而使得滤波操作窗能够最佳匹配信号的局部结构特征.将本文方法用于合成和实际数据的处理,并与两种常用中值滤波方法进行对比,结果表明,该方法能够更好地解决地震剖面的随机噪声衰减和有效信号保真的问题,在增强反射同相轴的横向一致性的同时有效保持了剖面内的地层边缘和细节特征,显著改善了地震资料的品质.     

工程地震勘探综述

本文对工程地震勘探作为一门年轻的、独立的学科，其诞生和发展的历史进行了评述。文中对工程地震勘探涉及的研究内容。与地震勘探的关系，所取得的成果进行了论述。对应用超声地震模型技术模拟解决工程地震勘探实际问题发表了见解，并对工程地震勘探未来的发展进行了展望。     

高速铁路客站房桥合一结构层间隔震优化策略研究

作为当前高速铁路建造中出现的一种新型客站形式———房桥合一结构体系已经开始应用于实际工程,其抗震设防研究有着迫切需求和重要意义。基于此,本文对房桥合一结构中设置层间隔震来实现减震控制开展研究工作,并重点探讨此类控制方法的参数优化策略。首先建立了房桥合一结构数值模型,通过引入虚拟激励法推导了高效准确的随机计算式,继而指出采用参数域方法进行优化更为合理,它可实现隔震层参数有效配置。最后,通过数值研究对随机地震激励下房桥合一结构层间隔震优化策略进行了验证分析,分别基于单桥模型和多桥模型研究了其减震机理和减震效果,提出可提高减震效果的参数优化策略。本文研究结果表明:设置经过参数合理优化的层间隔震装置对房桥合一结构减震是可行且有效的。     

惠民凹陷沙三段岩性油藏勘探中地震技术的应用

针对惠民凹陷岩性油藏勘探存在的难题,开展了岩性油藏勘探技术研究。以地震、地质资料为基础,采用井震联合及小波变换技术,完善了层序地层等时格架建立方法,确定了各三角洲的时空展布规律。应用多元综合标定、地震相划分、正演模拟和测井约束反演一系列技术,实现了不同沉积类型有利砂体的描述。形成了适合惠民凹陷沙三段岩性油藏勘探的技术系列,可以指导惠民凹陷沙三段岩性油藏的勘探。