典型文献
人工地震数据指纹特征点识别和自动标签化方法
文献摘要：
地震勘探是探测地下油气资源的重要方法之一,利用人工地震剖面数据多种特征识别储层结构、岩性、物性等是地球物理勘探的关键问题.随着数据量的增大,对地震数据进行降维和信号特征编码成为快速处理和分析地震资料的重要方向.由于手工标记拾取地震数据特征耗时费力、效率不高,而且不同人员往往会产生不同的解释结果,为此,基于地震剖面数据与人类指纹之间存在的相似性特征,提出了地震数据指纹特征点提取和自动标签化方法.该方法通过识别地震剖面数据间断、分叉等特征点,从海量地震剖面数据中提取存储量小、信息丰富的指纹特征点,并实现指纹特征点阵列(dactylogram minutiae array,DMA)编码算法.实际三维地震数据体处理结果表明,指纹特征点和DMA编码可以将数据存储量降低2个数量级,同时,编码本身包含特征点位置、方位角等信息,能够将编码从一维字符串恢复为二维特征点矩阵,并重构出地震剖面的特征点分布.勘探区域地下结构和含油气情况决定了地震数据指纹特征点的分布,因此特征点具有唯一性特点.利用指纹特征点匹配算法可以在三维数据体中自动实现相似特征的标签化,为深度学习提供大量训练数据集合.基于指纹特征点识别和自动标签化算法具有大规模数据降维和标准化编码能力,适合于快速生成人工智能算法的训练数据,能够进一步挖掘现有数据中的信息,为地震数据处理提供新的数据资料特征.
文献关键词：
地震数据;指纹特征点;自动标签化;数据降维;数据特征编码;图像处理;自动拾取
中图分类号：
作者姓名：
孙卫涛;曹宏;杨志芳;晏信飞
作者机构：
清华大学航天航空学院,北京100084;清华大学周培源应用数学研究中心,北京100084;中国石油集团勘探开发研究院,北京100083
文献出处：
引用格式：
[1]孙卫涛;曹宏;杨志芳;晏信飞-.人工地震数据指纹特征点识别和自动标签化方法)[J].石油物探,2022(02):213-223
A类：
指纹特征点,自动标签化,dactylogram,minutiae,编码本,数据特征编码
B类：
人工地震,特征点识别,地震勘探,测地,下油,油气资源,地震剖面,特征识别,储层结构,岩性,地球物理勘探,数据量,信号特征,快速处理,地震资料,费力,效率不高,类指,特征点提取,分叉,存储量,点阵,array,DMA,编码算法,三维地震,处理结果,数据存储,数量级,方位角,字符串,维特,地下结构,含油,唯一性,特征点匹配,匹配算法,三维数据,训练数据集,数据集合,大规模数据,数据降维,编码能力,快速生成,人工智能算法,地震数据处理,数据资料,自动拾取
AB值：
0.232007
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
