张量判别字典叠前地震反射模式分类方法（英文）

作者：蔡涵鹏; 敬鹏; 杨军辉

来源：Applied Geophysics, 2022, 19(02): 197-208+307.

• 叠前地震数据
• 地震反射模式分析
• 张量
• 判别字典学习

现有地震反射模式分类方法需将多维叠前地震数据转化为一维向量进行处理，丢失了叠前地震数据中振幅随偏移距/方位角变化的特征。本文提出了一种张量判别字典学习(TDDL)叠前地震反射模式分类方法。该方法首先基于张量Tucker分解算法，采用张量形式对具有多维特征的叠前地震数据进行表征，然后采用张量判别字典学习减小噪声对样本特征的影响，最后利用Pearson相关系数度量不同类型张量的稀疏表征系数的相关程度。新方法优势有：(1)能够保留叠前数据中不同维度上更丰富的结构特征；(2)调节Pearson相关系数的阈值能优化分类效果；(3)充分利用钻井信息以及专家知识经验标定训练样本标签。数值模型测试证实，相比于传统的支持向量机(Support Vector Machine, SVM)、K最邻近法(K-Nearest Neighbor, KNN)分类算法，新方法的准确度更高、鲁棒性更强。实际数据的应用进一步证实新方法的分类结果更加符合地质规律，更适用于沉积相的分析与解释。

• 单位
  电子科技大学