目錄
“新一代人工智能理論、技術及應用叢書”序
前言
第1章 物探領域發(fā)展現狀 1
1.1 物探技術簡介 1
1.2 發(fā)展歷史 2
1.3 研究現狀 4
1.4 相關研究機構介紹 6
1.5 物理方法相關技術介紹 9
1.6 結合人工智能領域的物探技術 11
1.7 本章小結 11
第2章 石油勘探數據簡介與應用分析 12
2.1 數據類型 12
2.1.1 石油勘探數據 12
2.1.2 測井數據 15
2.1.3 生產數據 19
2.2 石油勘探數據集 20
2.2.1 F3區(qū)塊 20
2.2.2 Volve 22
2.2.3 模擬數據 23
2.3 地震資料處理的三個基本階段 25
2.4 地震反演 26
2.4.1 簡介 26
2.4.2 地震反演技術的發(fā)展歷程 28
2.4.3 基于人工智能的地震反演技術的研究現狀 29
2.5 地震相分類 30
2.5.1 地震相參數 30
2.5.2 機器學習地震相分類 31
2.5.3 圖像分割地震相分類 31
2.6 生產預測和井連通性 32
2.6.1 生產預測 32
2.6.2 連通性概念 33
2.6.3 連通性靜態(tài)分析方法 33
2.6.4 連通性動態(tài)分析方法 34
2.6.5 連通性分析模型研究 35
2.6.6 井間連通通路的研究 38
2.7 本章小結 39
第3章 特征工程算法原理與分析 40
3.1 數據預處理 40
3.1.1 空值處理 40
3.1.2 野值處理 41
3.1.3 Z-Score標準化 42
3.1.4 Min-Max歸一化 43
3.2 特征選擇 43
3.2.1 Filter方法 43
3.2.2 拉普拉斯算子方法 44
3.2.3 Lasso算法 45
3.2.4 方差過濾 46
3.2.5 譜特征選擇 47
3.2.6 多簇特征選擇 48
3.3 特征抽取 48
3.3.1 主分量分析 48
3.3.2 獨立成分分析 50
3.3.3 局部保持投影算法 51
3.3.4 局部線性嵌入 52
3.3.5 奇異值分解 53
3.3.6 t-SNE 54
3.3.7 非負矩陣分解 55
3.3.8 領域保持嵌入算法 56
3.4 特征工程在H6上的應用 58
3.4.1 H6地震屬性數據 58
3.4.2 降維屬性可視化 59
3.5 本章小結 65
第4章 典型無監(jiān)督機器學習算法原理與應用 66
4.1 K均值 66
4.1.1 算法簡介 66
4.1.2 算法流程 66
4.1.3 算法優(yōu)缺點 67
4.2 譜聚類 67
4.2.1 算法簡介 67
4.2.2 算法流程 68
4.2.3 算法優(yōu)缺點 68
4.3 模糊 C 均值聚類算法 68
4.3.1 算法簡介 68
4.3.2 算法流程 69
4.3.3 算法優(yōu)缺點 69
4.4 密度聚類算法 69
4.4.1 算法簡介 69
4.4.2 算法流程 70
4.4.3 算法優(yōu)缺點 71
4.5 高斯混合模型 71
4.5.1 算法簡介 71
4.5.2 算法流程 72
4.5.3 算法優(yōu)缺點 72
4.6 BIRCH聚類 72
4.6.1 算法簡介 72
4.6.2 算法流程 72
4.6.3 算法優(yōu)缺點 73
4.7 分層聚類 73
4.7.1 算法簡介 73
4.7.2 算法流程 74
4.7.3 算法優(yōu)缺點 74
4.8 近鄰傳播聚類 74
4.8.1 算法簡介 74
4.8.2 算法流程 75
4.8.3 算法優(yōu)缺點 75
4.9 均值漂移聚類 75
4.9.1 算法簡介 75
4.9.2 算法流程 76
4.9.3 算法優(yōu)缺點 76
4.10 在H6數據地震相分類上的對比分析 76
4.11 本章小結 81
第5章 典型有監(jiān)督機器學習算法原理與應用 82
5.1 線性回歸 82
5.2 邏輯回歸 84
5.3 決策樹 85
5.4 支持向量機 88
5.5 貝葉斯算法 93
5.6 K 近鄰算法 95
5.7 高斯過程 97
5.8 集成學習 98
5.8.1 隨機森林 99
5.8.2 XGBoost 100
5.8.3 糾錯輸出編碼 101
5.9 算法在油藏屬性預測上的對比分析 102
5.10 算法在H6數據地震相分類上的對比分析 110
5.11 本章小結 115
第6章 深度學習算法原理與應用 116
6.1 深度學習基礎概念 116
6.1.1 深度學習發(fā)展歷史 116
6.1.2 BP神經網絡 117
6.1.3 卷積神經網絡 118
6.1.4 循環(huán)神經網絡 119
6.2 神經網絡預測方法 120
6.2.1 基于CNN的波阻抗反演模型 120
6.2.2 基于LSTM的波阻抗反演模型 121
6.2.3 CNN-LSTM融合結構的波阻抗反演模型 121
6.3 算法在油藏屬性預測上的對比分析 123
6.4 本章小結 129
第7章 時間序列算法原理與應用 130
7.1 時間序列算法 130
7.1.1 平穩(wěn)的時間序列模型 130
7.1.2 非平穩(wěn)的時間序列模型 131
7.2 數據驅動的建模：人工神經網絡 132
7.3 基于XGBoost的井間動態(tài)連通性模型研究 133
7.3.1 模型分析 133
7.3.2 模型驗證 134
7.4 算法對比分析 135
7.4.1 生產預測 135
7.4.2 井間連通 139
7.5 本章小結 139
第8章 SeisAI平臺 140
8.1 平臺體系架構 140
8.1.1 Spring Cloud簡介 141
8.1.2 Seismic微服務簡介 141
8.1.3 File-Service微服務介紹 142
8.1.4 前臺架構 143
8.1.5 SeisAI算法中臺介紹 143
8.2 主要功能展示 144
8.2.1 文件上傳 144
8.2.2 文件分塊上傳 144
8.2.3 文件下載 144
8.2.4 導入SEGY文件 144
8.2.5 Horizon數據導入 147
8.2.6 SEGY數據導出 148
8.2.7 數據挖掘 149
8.2.8 3D數據可視化 152
8.2.9 數據挖掘可視化 155
8.3 本章小結 156
參考文獻 157
附錄 161