典型文献
地震相智能识别研究进展
文献摘要：
地震相是沉积相在地震剖面上的反映,能为地下资源尤其是油气资源的勘探开发提供有效依据.近年来随着人工智能的快速发展和油气人工智能的有力推进,国内外学者提出了多种地震相智能识别的方法.对地震相智能识别方法进行了归纳总结,将其归纳为无监督学习、监督学习和半监督学习3类,并详细介绍了这3类方法的原理、应用现状及其优缺点.无监督学习利用没有标签的地震数据进行学习聚类,从而实现地震相的自动识别,具有简单易操作的特点.监督学习主要利用标签数据反馈学习,通过学习不断接近标签,从而使得该方法在地震相识别中具有更高的精度.半监督学习在地震数据标签不足的情况下,利用合成伪标签等方式进行学习,但伪标签中存在的误差会降低该方法的精度.最后以神经网络地震相识别为例,对地震相智能识别技术进行了展望.
文献关键词：
人工智能;无监督学习;监督学习;半监督学习;地震相识别
中图分类号：
作者姓名：
马江涛;刘洋;张浩然
作者机构：
中国石油大学(北京)人工智能学院,北京102249;中国石油大学(北京)克拉玛依校区石油学院,新疆克拉玛依834000;中国石油大学(北京)地球物理学院,北京102249
文献出处：
引用格式：
[1]马江涛;刘洋;张浩然-.地震相智能识别研究进展)[J].石油物探,2022(02):262-275
A类：
B类：
沉积相,地震剖面,地下资源,油气资源,勘探开发,气人,种地,智能识别方法,无监督学习,半监督学习,地震数据,自动识别,单易,标签数据,数据反馈,得该,地震相识别,数据标签,伪标签,智能识别技术
AB值：
0.196013
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。
