基于灰色层次分析法与灰聚类相结合的农居抗震性能评价

利用灰色层分析与灰聚类相结合的方法,在建立农居抗震性能评价指标体系的基础上,构建了农居抗震性能评价模型,并用实例验证了该模型的可行性。     

基于震源聚类方法确定川滇交界东部地区微震的空间分布特征

断层空间分布是地震预测的基础数据,微震空间分布能够帮助探测断层.使用基于密度的聚类方法分析自动拾取技术获得的川滇地区微震目录,并进一步地利用空间位置信息分离出了不同地震活动带内的微震序列;对川滇交界东部地区一带不同地震活动带的微震目录,加入波形信息后,采用聚类方法进行二次分离,从中获得了部分属于不同断层的微震,一定程度...     

地震事件的多重时空聚类算法研究

地震序列是一组在一定的时间和空间范围内连续发生的地震事件,其发震机制具有某种内在联系,包含着地震孕育、发生、发展过程的丰富信息,是研究地震孕育、发震构造、区域应力特征及地震活动趋势的重要依据.实际的地震序列经常在时间和空间上重叠并淹没在海量的背景地震事件中,使得准确高效地识别地震序列仍然存在难度.本文基于ST-DBSCAN和DBSCAN两种聚类算法,采用先松后紧的参数设置策略,通过多次聚类逐渐寻找最佳的地震序列的方法构建了多重时空聚类算法,并同时获得每一个地震序列的展布方向、持续时间、序列类型等地震序列的特征参数.通过对理论合成地震目录和六盘山及其邻区内的实际地震目录的测试表明,该算法不需要预先设置地震序列的个数,可以有效的识别小震群;避免使用时空耦合距离参数,使参数的设置更具有实际意义;采用多次聚类策略,提高了聚类的有效性和准确性;计算效率高节约内存,能够对数量庞大的地震目录进行聚类;能够获得地震序列的相关统计参数,为进一步的定量分析提供依据;能够在含有噪点的数据集中有效识别具有复杂时空分布的地震序列,解决了因发震构造形状复杂所造导致的震群分布复杂无法识别的问题.     

基于波形聚类的沉积微相定量解释技术研究——以中东地区 X油田为例

本文提出一种基于地震沉积学原理沿层提取地震波形特征向量,并以谱聚类（spectral clustering）分析进行地震相划分的方法。谱聚类能够处理非线性的数据结构和高维数据的聚类问题,但其相似度矩阵的构建和谱分解的计算较为复杂,需要较高的计算资源和时间成本。为提高谱聚类算法的效率和可扩展性,本文提出将Mini-batch K-means算法与谱聚类算法结合起来的MKSC算法,在提高谱聚类算法精度的同时大大降低谱聚类空间的复杂度。经过对数值模拟、地球物理模型数据和实际地震资料的处理分析,证明该方法在沉积相划分、沉积相特征识别方面的效果明显,是一种具有良好应用前景的新型沉积特征分析工具。

     

利用谱聚类方法研究新丰江库区的震源机制解

为检验震源机制解谱聚类方法的实用性,选择新丰江库区为研究区域,利用FOCMEC方法反演了该区域2012年1月1日—2018年12月31日M_L2.0以上地震的震源机制解,并对其进行了谱聚类分析,最终获得该区域7种震源机制解类型;通过分析每种类型的震源机制解特征及其时空分布特征,探讨了震源机制解类型分布与区域构造的关系。结果表明:(1)新丰江库区地震破裂类型以正断型为主,兼有部分倾滑分量,其次为走滑型;(2)不同类型的震源机制解具有区域性的空间分布特征,主要受不同的构造背景影响,反映了新丰江库区地震活动和构造特征之间的关系;(3)不同类型震源机制解所描述的断裂分布反映了峡谷及大坝区库水渗透的构造条件,解释了区域地震频发的可能原因;(4)每种类型的震源机制解在研究时间范围内数量变化较为稳定。     

基于改进多分类孪生支持向量机的测井岩性识别方法研究与应用

岩性识别是认识地层及求解储层参数的基础,受地质环境复杂性和非均质性影响,测井曲线间存在着大量的信息冗余,数据集类间分布不平衡,常用的分类算法无法满足实际需求.针对常用分类算法容错性差,识别岩性单一和无法有效解决类间不平衡的问题,本文改进合成少数过采样技术(Synthetic Minority Over Sampling Technique,SMOTE)来处理数据集,可得到类间平衡的新数据集,并提出一种新的模糊隶属度函数改进模糊孪生支持向量机,在北美Hugoton油气田实际测井数据的基础上,用改进多分类孪生支持向量(Improve Multi Class Twin Support Vector Machine, IMCTSVM)综合自然伽马(GR)、电阻率(RL)、光电效应(PE)、中子密度孔隙度差异(DPHI)和平均中子密度孔隙度(PHIND)五种测井参数,以及相对位置(RELPOS)和非海洋/海洋指标(NM_M)两种地质约束变量,识别出9种岩性.将识别结果与传统支持向量机、深度神经网络等方法进行对比与分析,发现IMCTSVM算法优于上述两种分类算法,取得了较好的识...