基于核Fisher判别的复杂储层岩性识别

复杂储层中多种岩性均可作为储层,不同岩性的物性特征差异较大,分岩性解释复杂储层物性是求准物性较为有效的一种方法,但是不同岩性的测井特征相近,常规线性分类方法识别效果不理想,因为复杂储层的岩石识别中非线性分类特征占较大比例。针对这一问题,本文将Fisher判别分析(FDA)做核推广,形成核Fisher判别分析(KFDA),进一步利用Fisher判别中未提取的非线性信息,通过升维获得更多的非线性分类特征,然后再通过降维来提取利于岩性分类的特征。文章通过实验对核Fisher在数据预处理、关键参数的选取等方面进行了详细介绍,并将核Fisher方法与其它分类方法进行比较,验证了核Fisher方法的岩性识别能力,而对于不同岩性间的差异相似关系,造成岩性识别精度低的情况,提出了分级核Fisher判别分析的思路,研究证明利用分级核Fisher判别分析的思路可进一步提高岩性的识别精度。     

基于核Fisher判别分析的粮虫特征压缩方法

针对粮仓害虫种类多、类别之间相似度比较高的特点,提出基于核Fisher判别分析的粮虫特征压缩方法.利用高斯径向基核函数,对特征选择后的10维原始数字特征进行核Fisher判别分析,即通过非线性变换将样本数据从输入空间映射到高维特征空间,然后在高维特征空间进行特征提取.从粮虫分类效果方面,将KFDA法与FDA法、PCA法和KPCA法3种方法进行了比较分析.应用KFDA法提取的前4个特征,由最近邻分类器对粮仓中常见的9类粮虫进行分类,验证集的识别率为93.33%.结果表明:KFDA法对粮虫特征的非线性比较敏感,在有效降低特征维数的同时,还提高了类别之间的可分性.     

致密砂岩地震储层质量评价方法研究

以红岗油田某研究区扶余油层致密砂岩储层为例,探讨储层质量评价的新方法。首先根据研究区砂岩储层的特点,综合岩性、物性等参数构造储层质量综合评价参数RQCP,以此确定储层质量级别标准,解决储层分类问题;然后应用核Fisher判别分析建立地震属性与储层质量分类的识别模型,预测储层质量平面展布;最终在储层质量平面约束下建立3维储层质量评价模型。结果表明,应用提出的储层质量评价方法获得的3维质量评价模型可以实现对储层质量的有效评价,提出的致密砂岩储层质量评价方法可为其他地区致密砂岩储层质量评价提供借鉴。     

基于核Fisher鉴别分析的手指静脉识别

抽取最优鉴别特征是手指静脉识别中重要的一步,在提取小样本的高维手指静脉图像特征时,由于光照、温湿度、水平位移等因素的影响使得采集的静脉图像是非线性分布的,为此,提出了一种基于核Fisher鉴别分析（kernel Fisher discriminant analysis,KFDA）提取非线性特征的方法。该方法是利用一个核映射将原始输入空间变换到一个更低维的空间RN中,在此特征空间上用核类间散度阵和核类内散度阵作为Fisher线性判别准则(Fisher linear discriminant,FLD),来得到最佳非线性鉴别特征,根据此鉴别特征计算其相互间的欧式距离进行识别。实验结果表明,核Fisher方法与其他方法相比,具有较低的认假率(false accept rate,FAR)和较快的识别速度。     

基于核Fisher判别的致密碎屑岩岩性识别

致密碎屑岩储层具有致密、低孔隙和非均质性强等特点,岩性识别是储层预测中的难点之一。文章针对这一问题,提出将核Fisher判别方法用于致密碎屑岩储层的岩性识别,结果表明核Fisher判别方法能有效的识别川西XC地区致密碎屑岩中的砂岩和粉砂岩。     

核Fisher判别方法在CDMA通信技术中的应用

将机器学习领域新的研究成果应用到CDMA通信技术中,可以增强其抗干扰性。核Fisher判别方法是基于Fisher线性判别方法而提出的一种非线性分类方法,在这种方法中使用了基于核的算法中的"核技巧"。本文研究了核Fisher判别分析方法在CDMA通信技术中的应用,并用MATLAB进行了仿真,证明了核Fisher方法在CDMA通信技术中的有效性。     

基于多层自动编码机的fisher判别分析

在常见的特征提取方法中,Fisher判别分析（Fisher Discriminant Analysis,FDA）只能提取线性特征,基于核的方法具有提取非线性特征的能力,但对核函数类型及其参数十分敏感. 文中研究如何有效提取数据特征,提出了一种基于多层自动编码机（Stacked AutoEncoders,SAE）和Fisher标准的特征提取算法,该算法中所使用的深度学习网络模型在训练过程中结合无监督特征提取SAE以及有监督的特征提取FDA. 通过与多层自动编码机、极限学习机（Extreme Learning Machine,ELM）等模型提取的特征进行对比,在数据集Pendigits、mnist、ORL和AR上利用支持向量机对数据特征进行分类,结果表明基于SAE的Fisher变换（FDA-SAE）在分类结果准确率以及分类时间上都有较好的效果. 特别是在小数据集AR上,当样本特征较少的情况下效果非常明显.     

准西车排子凸起石炭系岩性识别与储层特征

准噶尔盆地车排子凸起石炭系发育沉积岩及火成岩,岩性复杂且勘探程度低,其储层发育特征尚不明确。利用测井岩性识别图版、成像测井、Fisher 判别分析3 种方法对岩性进行了识别,其中岩性识别图版能对火山熔岩类和沉积岩进行区分,成像测井能直观地区分不同岩性的发育特征,Fisher 判别分析法能综合多种测井信息并可完成自动识别。将测井解释剖面与最终的地质录井剖面进行对比,验证了测井识别岩性的可行性。该类方法可有效降低岩性识别所需时间和成本。对石炭系火成岩储层的储集空间、物性特征、分布特征及岩相发育特征进行了分析,结果表明：石炭系储层的主要储集空间为裂缝和孔洞,以火山角砾岩储集物性最好;研究区东部火山角砾岩及火山熔岩更为发育,储集性能较好;石炭系主要发育火山沉积相、喷溢相、爆发相,其中爆发相储集性能最好,喷溢相次之,火山沉积相最差。     

基于局部特征的部分遮挡人耳识别

通过对人耳受到部分遮挡时识别的研究,提出了一种基于局部特征的部分遮挡人耳识别方法,即首先利用Gabor小波对人耳图像进行特征提取,由于该特征维数较高,再使用核Fisher判别分析(KFDA)方法进行有效降维后用于人耳识别.在逐步分析人耳各个子区域的鉴别能力的基础上,提出了基于分块图像和概率模型的识别方法.在北京科技大学(USTB)人耳图像库上的实验结果表明:基于Gabor滤波后图像所提取的特征比基于原始图像直接提取的特征具有更高的识别率,基于分块图像的识别率高于基于整体图像的识别率.     

“模拟阅读”脑-机接口信号的核Fisher分类

采用"模拟阅读"视觉诱发事件相关脑电位的实验模式进行了脑-机接口实验,记录受试者在靶标和非靶标刺激下的脑电信号并进行了模式分类.首先对原始的脑电信号进行预处理、提取最优特征,然后利用核Fisher准则对采集到的脑电信号进行分类.为了验证这种方法的有效性,同时还对信号进行了感知准则和Fisher准则的分类.对5名受试者测试的结果表明:核Fisher准则分类器的正确率分别为92.98%,88.85%,76.32%,78.33%和95.52%,分别高出Fisher准则、感知准则约20%、10%,表明核Fisher准则对含有非线性可分的脑电信号的分类效果比单纯的线性方法更为优越.     

塔南凹陷复杂岩性低渗透储层测井岩性识别

岩性识别是复杂岩性低渗透油藏高效开发中的关键地质难题,以塔南凹陷白垩系为例,探索了复杂岩性地层
的测井岩性识别方法。研究区白垩系正常陆源碎屑和火山碎屑物质同时沉积,铜钵庙组发育凝灰质砂砾岩、凝灰质砂
岩、沉凝灰岩、凝灰岩、砂岩、砾岩和泥岩7 种岩性类型,岩性复杂,储层物性差,岩性与电性对比度低。在不同岩性地
层测井响应特征研究的基础上,选择4 种测井曲线进行岩性综合解释,采用Fisher 判别方法达到减小同类岩性地层测
井响应差异,并增大不同岩性测井响应差异的目的,建立了研究区7 类岩性的判别函数,实现了非取芯井的测井岩性
识别,识别正确率达到98.1%,解决了复杂岩性低渗透储层中的测井岩性识别难题,为油藏开发提供了技术支持。     

核Foley-Sammon变换

在模式识别领域,基于Fisher判别准则的Foley-Sammon变换技术有很大的影响.但是线性判别并不总是最优的.文章提出了一种基于核技巧(Kernel tricks)的非线性的特征提取技术KFST(Foley-Sammon Transformwith Kernels)——通过引入核技巧,可以在特征空间中有效计算FST.特征空间中的线性特征提取对应于输入空间的非线性特征提取.试验表明,KFST比FST具有更好的特征提取能力.     

基于核主成分分析和支持向量机的飞机舱音信号识别

为了提高飞机事故原因的调查准确性与实时性,提出了一种基于核主成分分析和支持向量机的舱音背景声识别方法.首先提取和分析了飞机驾驶舱话音记录器中所记录背景声信号的特征参数,然后分别以多项式核函数、sigmoid核函数和高斯核函数3种核函数作为内积,对3种核函数的降维特性进行了对比分析,最后将核方法与支持向量机结合,实现对舱音背景声的分类识别.实验结果表明:通过基于不同核函数的主成分分析方法与支持向量机的结合比较,确定以高斯核函数为内积的SVM分类方法具有较好的分类效果.     

准噶尔盆地西北缘二叠系佳木河组火山岩有效储层特征与定量评价

通过地质、测井及生产动态资料综合分析,对准噶尔盆地西北缘金龙2井区二叠系佳木河组火山岩储层特征进行研究。结果表明:佳木河组火山岩有效储层岩性主要为安山质(熔结)角砾岩、安山质/玄武质角砾熔岩及安山岩等,储集空间类型以气孔、溶蚀孔为主,其次为晶间孔及砾间孔,总体表现为中低孔、低渗特低渗特征;火山岩有效储层微观孔喉特征主要表现为单峰粗态、偏粗态及双峰偏粗态的细孔喉型;应用聚类分析方法与典型Fisher判别方法将火山岩有效储层进一步定量细分为3类;依据火山岩有效储层定量评价方法,优选试验部署区域,现场实际应用效果显著,为火山岩油藏高效开发部署提供了有力的技术支撑。     

基于广义判别分析的高光谱影像特征提取

为提高高光谱影像地物识别的精度与速度,采用基于核方法的广义判别分析进行高光谱影像的非线性特征提取.研究了广义判别分析的数学模型、模型求解方法及特征提取过程,并进行了高光谱影像特征提取与分类实验.结果表明:样本点在特征空间中,同类目标大体聚集成团,异类彼此分离,具有良好的紧致性,特征提取结果优于线性判别分析结果.     

基于Debseg-Net的岩屑图像语义分割

岩屑的岩性识别是地质工作中的一项重要内容。为解决传统人工鉴别岩性的低效问题和通用机器学习模型在岩屑岩性识别上的不适用性：包括准确率欠佳、网络参数冗杂、网络效率低下,针对岩屑图像的特征设计了一种岩屑图像的语义分割网络Debseg-Net,该网络采用编解码结构,卷积与转置卷积结合实现对岩屑图像特征的提取与像素级分类,采用深度可分离卷积减少参数量从而可进一步加深网络,使用跳级连接避免迭代过程中的信息丢失。同时提出了一种高效的岩屑图像自标记方法。经多次实验,Debseg-Net在以10口探井收集的640张共计5类岩屑图像数据集上,识别准确率达到98.43%,平均交并比达到90.01%,领先同类型分割网络2.59至7.04个百分点,在实现数字化岩屑录井进程中提供了方法。     

X区块低孔渗气藏储层特征及分类评价研究

在岩心实验、物性实验、压汞实验、核磁共振实验等资料综合分析的基础上,结合测井资料、试采资料,对X区块主要目的层H2~H6层位储层特征及分类评价方法进行研究。研究表明,储层岩性以细砂岩为主,岩石成分以石英含量居多;储层以低孔低渗、特低孔低渗地层为主;孔隙结构中岩石孔隙喉道对储层渗流能力具有明显的控制作用,可动流体饱和度、可动流体孔隙度受储层物性的影响较大。根据储层特征,提出了孔渗关系图谱,用于描述地层流体分布特征与地层孔渗关系。应用K-means聚类分析的方法建立了储层分类评价标准,利用Fisher线性判别方法建立了储层类型判别函数,应用效果与测井资料符合程度高。储层分类方法可为寻找研究区相对优质的储层位置提供依据,为其他区块勘探提供指导。