文档介绍：西安科技大学
硕士学位论文
DBSCAN算法在地震相划分中的应用
姓名:杨瑞超
申请学位级别:硕士
专业:应用数学
指导教师:刘叶玲
2011
论文题目:DBSCAN 算法在地震相划分中的应用
专业:应用数学
硕士生:杨瑞超(签名)
指导教师:刘叶玲(签名)
摘要
随着油气勘勘探开发复杂杂程度的增加加和和地震解释技术术的日趋成熟,地震油气预测技术术
正朝着精细和和实用的方向发展,这就要求人们不断地提高认识水平,用科学的方法来来了
解和和掌握油气存在的未知状况,从现有的地球物理、地质、油藏开发等地震资料中提取
和和挖掘出更多新的信息来来进行油气的预测研究。目前前最有效的地震资料解释方法之一就
是地震相分析析。
随着地震采集技术术的不断发展,地震剖剖面上包包含的地震信息更加加丰富,传统的“相面
法”已经检测不出来来的,必须借助助地震数据处理技术术和和计算机机技术术加加以提取分析析。目前前常
见的地震数据处理技术术有 K-均值(K-means)算法、模糊聚类算法(Fuzzy Clustering
Methods,FCM)和和自组织神经网络算法(anizing Feature work,SOM)。这
些算法存在一些不足:需要人为确定聚类数目;难以建立准确合理的隶属度函数;数据
量大、维数高时运算时间长,有时难以实现等。
针对上述问题,本本文探索基于密度的带有噪声的空间聚类(Density-Based Spatial
Clustering of Applications with Noise,DBSCAN)算法在地震相划分中的应用。DBSCAN
算法不需要人为确定聚类数目,聚类速度较快,且能够有效地处理噪声点和和发现任意形
状的空间聚类。本本文首先根据地震数据的特点生成实验数据,从算法对输入参数的要求、
海量数据处理能力力、发现任意形状聚类、噪声数据处理能力力和和高维数据处理能力力这五个
方面比较分析析了 DBSCAN 算法与 K-means 算法、FCM 算法、SOM 算法的聚类分析析能
力力,然后把它应用于实际地震振幅属性数据集,结果果表明 DBSCAN 算法能够很好好地划
分地震相,划分结果果令人满意。但该算法存在运行时间较长的不足,本本文采取了稀释地
震数据的措施进行弥补,在保证划分效果果的同时,时间明显减少。

关键词:地震相划分;聚类分析析;密度聚类;波形分析析
研究类型:应用研究
Subject : Application of DBSCAN Algorithm in Seismic Facies
Classification
Specialty : Applied Mathematics
Name : Yang Ruichao (Signature)
Instructor : Liu Yeling (Signature)
ABSTRACT
Along plex degree of oil-gas exploratory development increasing and seismic
interpretation technology being more and more mature day by day, seismic oil-gas forecasting
technology develops toward fine and the practical direction. It requires people to continuously
improve the level of awareness, use scientific methods to understand and master the unknown
status of existing oil and gas, and explore more new seismic information to predict oil and gas
from existing geophysical, geological, extract information such as reservoir development and
to. Currently one of the most effective methods to interpretation of seismic data is seismic
facies analysis.
With the continuous development of seismic acquisition, seismic pro