导读:本文包含了多属性识别论文开题报告文献综述及选题提纲参考文献，主要关键词:地震属性,断裂识别,文昌凹陷,多属性融合
多属性识别论文文献综述
张豪,栾锡武,冉伟民,李振春,Mohammad,Saiful,Islam[1]（2019）在《多属性融合在复杂断裂带上的识别表征-以南海文昌凹陷为例》一文中研究指出文昌凹陷地处南海北部大陆边缘,是一个典型的断陷型含油气盆地,断裂十分复杂。而断裂构造的精细刻画对于不仅对油气勘探开发有着十分显着的影响,各种构造属性常常被用来描述断裂的几何属性,能够有效的反映断裂的几何学特征。本文以文昌凹陷区块为例,应用各种常规地震属性与最近几年新型的似然度属性相互对比,从各属性的基本原理出发结合相应的断裂图形对比,反映各属性的优劣特征,从而有效的避免各属性的缺点,提高断裂识别的能力,初步确定能有效识别断裂地震属性。然而单个的地震属性也会由于自身的局限性无法有效确认断裂以及地质的不连续特征,因此通过对多个地震属性加以结合,以断裂为地震目标进行有监督的人工神经网络识别能有效的改善单个地震属性的局限性。结果表明:多个地震属性对比结果表明似然度属性较其他地震属性上有较强的识别能力,更易突出断裂以及地质的不连续特征。多种属性通过人工神经网络加以识别后能增强断裂的连续性以及提高微小断裂的识别能力。(本文来源于《2019年油气地球物理学术年会论文集》期刊2019-11-27）
张玉玺,刘洋,张浩然,吕文杰,薛浩[2]（2019）在《基于深度学习的多属性盐丘自动识别方法》一文中研究指出盐丘边界的准确圈定是叁维地震解释的重要任务之一。本文以深度学习技术为基础,利用不同地震属性实现盐丘的自动识别。流程主要包括叁部分:首先,基于盐丘在地震数据上的特征提取多种属性,每种属性分别选取少量主测线和时间切片数据进行预处理,并利用数据增强方法自动生成大量数据作为网络的训练样本;然后,搭建基于编码-解码器结构的卷积神经网络并分别输入不同属性的两类样本进行模型训练和测试;最后,为了综合考虑各属性,得到更全面、准确的预测结果,利用集成学习方法融合多个模型并得到优化后的分类结果。结果表明,该方法能够快速准确实现叁维数据体的盐丘自动分割。(本文来源于《中国石油学会2019年物探技术研讨会论文集》期刊2019-09-09）
仇念广[3]（2019）在《迭后地震多属性分析在煤层裂缝识别中的应用》一文中研究指出针对山西新元矿煤层中的裂缝发育问题,以地震属性分析理论为指导,研究了相干、曲率、蚂蚁体等单一地震属性、多属性迭合、多属性神经网络运算裂缝概率等在裂缝识别中的应用效果,地震属性的走向确定了裂缝的方位信息,多属性分析圈定了裂缝发育区域。结合邻区已采掘区域揭露的断裂发育情况,表明以相干、曲率和蚂蚁体等迭后多属性对于裂缝的应用识别效果较好。地震多属性分析对于煤层裂缝的识别有着较好的应用价值,可推广至其他煤矿应用。(本文来源于《能源与环保》期刊2019年07期）
梁正中,李宁[4]（2019）在《地震多属性体融合识别混合岩相火山机构》一文中研究指出不同火山岩相在地震上表现为不同的地震反射特征,而火山多期喷发及后期构造改造使其地震反射特征更为复杂化,运用单一地震属性同时刻画两种或多种混合岩相火山岩较为困难,因此,在无井区准确部署火山岩探井难度很大。针对松辽盆地松南断陷火山岩储层,结合火山机构的不同特点,优选出瞬时振幅一阶导与低频振幅两种分别针对爆发相和溢流相较为敏感的地震单属性,与反映机构内部裂缝发育的蚂蚁体进行数据体融合,较好地解决了火山岩相快速清晰识别和火山机构边界及内幕裂缝发育情况准确刻画的问题。经松南断陷S地区多口井实钻验证,储层预测结果与实钻情况相符。因此,该方法可以为类似无井区火山岩勘探部署提供可靠依据。(本文来源于《天然气与石油》期刊2019年03期）
邹本涛,王曰芬,曹嘉君,余厚强[5]（2019）在《人工智能研究前沿识别与分析:基于高产作者多属性综合研究视角》一文中研究指出[目的/意义]从作者出发探测微观层面上人工智能领域研究前沿,并结合相关信息对前沿进行深入解读,以把握作者在整体中的研究态势、所处位置与特色,并发现基于不同属性识别出的研究前沿的类型与状态。[方法/过程]利用CiteSpace中的突变检测算法实现对高产作者突变术语的检测,再根据突变术语的原始来源论文抽取出对应突变术语的多种属性特征,进而依据属性从突变术语中提炼出研究前沿。[结果/结论]依据突变术语所属论文的题录属性,界定出作者层面的50个热点研究前沿、14个新兴研究前沿、34个成长研究前沿。高产作者的热点研究前沿代表领域内的研究热点与研究趋势,新兴研究前沿反映最近几年领域内比较新颖的研究技术或研究方法,成长研究前沿反映从新兴研究前沿到热点研究前沿的过渡状态。[局限]实验所涉及的高产作者数量受限,实验结论的普适性有待进一步验证;CiteSpace中突变检测的参数设置范围受软件本身所限制,无法灵活调整模型参数。(本文来源于《情报理论与实践》期刊2019年09期）
杨俊钦,张雨楠,林实锋,徐伟臻[6]（2019）在《基于深度学习的人脸多属性识别系统》一文中研究指出针对现有人脸属性识别方法只支持单一或者少量属性的问题,设计并实现支持多属性识别的系统。其中多属性识别算法基于PyTorch深度学习框架构建,图形用户界面采用Python语言编写。该系统支持离线部署,通过摄像头获取人脸图像,进行图像识别分析。为了提高算法准确率,采用两个级联的深度卷积神经网络进行图像预处理和人脸属性识别。在公开数据集CelebA上的实验表明,该系统在人脸多属性识别上有较高的准确率(90.02%),具有一定应用价值。(本文来源于《现代计算机(专业版)》期刊2019年05期）
苏洲,张慧芳,李斌,罗海宁,孙琦[7]（2018）在《利用多属性断裂分析技术识别断层——以牙哈断块潜山为例》一文中研究指出利用GeoEast软件重新处理叁维地震资料,通过分析叁维地震、地质与钻井资料,开展牙哈富油气区带深层寒武系潜山内幕油藏整体再评价。利用相干、曲率等多属性分析定量识别断裂,在此基础上,精细刻画了牙哈逆冲及走滑断裂活动特征,分段剖析了潜山断裂控储机理。得到以下认识:①牙哈大断裂的强烈逆冲与多期构造演化是控制寒武系岩相展布、改善白云岩储集性能、形成牙哈白云岩断块潜山的主控因素。②不同地震属性仅仅反映了不同尺度的断裂,因此在研究过程中要综合利用多属性分析。③受构造演化控制,寒武系储层发育叁期裂缝:第一期形成于加里东—早海西期,处于埋藏成岩作用的早期;第二期形成于晚海西期—印支期,处于牙哈构造带整体抬升阶段;第叁期形成于燕山中晚期—喜马拉雅早中期。(本文来源于《石油地球物理勘探》期刊2018年S1期）
徐培超,陈雯柏,陈祥凤,韩琥[8]（2018）在《多任务及Resnet网络在人脸多属性识别中的应用》一文中研究指出为了改善人脸多属性分类的精度和泛化能力,利用多任务学习方法训练基于ResNet网络结构的人脸多属性分类器.首先采用卷积神经网络——ResNet进行特征提取,然后利用多任务并行学习能力和多个属性间的关联性,直接对输入的人脸图片,判断人脸的多个属性状态.在MORPH Ⅱ、CelebA和LFWA数据集的实验结果表明,这种基于多任务ResNet方法在人脸属性识别任务中准确率可达89%,相对于传统的人脸多属性检测方法提高了模型的泛化能力和识别的准确率.(本文来源于《小型微型计算机系统》期刊2018年12期）
莫泓铭[9]（2018）在《基于多属性的复杂网络节点重要度识别方法》一文中研究指出复杂网络中的重要节点识别是一个开放的话题,其研究具有非常重要的现实意义.不同的节点重要度算法从不同的角度反映了节点的重要性,有所侧重也有所不足.基于多属性信息融合的思想,提出了一种节点多属性的复杂网络重要节点识别方法.为节点的度、自然连通度和紧密度等属性在证据理论的框架下,建立相应的基本概率指派转化模型,并将其转化为相应的基本概率指派函数,然后运用证据理论的融合规则对它们进行有效融合,得到节点综合属性的基本概率指派函数,采用相应的算法将其转化为单一值,并依此对节点的重要程度进行排序.实例验证表明该方法是有效的,同时该方法提供了一种通用的思路,可结合网络实际灵活应用并可进一步推广.(本文来源于《兰州文理学院学报(自然科学版)》期刊2018年05期）
徐浩,贾晓静,张云峰[10]（2018）在《地震多属性分析在混积环境砂体识别中的应用——以桑塔木南地区石炭系Ⅳ砂组油为例》一文中研究指出地震多属性分析是储层预测的重要手段之一。以塔河油田桑塔木南地区石炭系Ⅳ砂组油为例,在单井沉积相分析的基础上,优选振幅属性信息,进行AVF分频反演,建立振幅属性与砂体之间的耦合关系及砂体识别模式,刻画沉积相平面分布。将地震反射结构类型细分为4种类型;以Ⅳ砂组油层顶面为基准,上下浮动10ms进行平均波峰振幅属性提取,对灰质含量重的西南地区进行AVF分频反演;振幅属性与砂体之间总体存在正相关关系,砂含量越高,振幅值越大。水下分流河道主要分布在S1072井区及研究区西北缘;砂坪主要分布在AT10及S111井区,呈片状展布;潮砂脊主要分布在南部,可作为研究区岩性圈闭的重点目标区。(本文来源于《煤田地质与勘探》期刊2018年06期）
多属性识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
盐丘边界的准确圈定是叁维地震解释的重要任务之一。本文以深度学习技术为基础,利用不同地震属性实现盐丘的自动识别。流程主要包括叁部分:首先,基于盐丘在地震数据上的特征提取多种属性,每种属性分别选取少量主测线和时间切片数据进行预处理,并利用数据增强方法自动生成大量数据作为网络的训练样本;然后,搭建基于编码-解码器结构的卷积神经网络并分别输入不同属性的两类样本进行模型训练和测试;最后,为了综合考虑各属性,得到更全面、准确的预测结果,利用集成学习方法融合多个模型并得到优化后的分类结果。结果表明,该方法能够快速准确实现叁维数据体的盐丘自动分割。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
多属性识别论文参考文献
[1].张豪,栾锡武,冉伟民,李振春,Mohammad,Saiful,Islam.多属性融合在复杂断裂带上的识别表征-以南海文昌凹陷为例[C].2019年油气地球物理学术年会论文集.2019
[2].张玉玺,刘洋,张浩然,吕文杰,薛浩.基于深度学习的多属性盐丘自动识别方法[C].中国石油学会2019年物探技术研讨会论文集.2019
[3].仇念广.迭后地震多属性分析在煤层裂缝识别中的应用[J].能源与环保.2019
[4].梁正中,李宁.地震多属性体融合识别混合岩相火山机构[J].天然气与石油.2019
[5].邹本涛,王曰芬,曹嘉君,余厚强.人工智能研究前沿识别与分析:基于高产作者多属性综合研究视角[J].情报理论与实践.2019
[6].杨俊钦,张雨楠,林实锋,徐伟臻.基于深度学习的人脸多属性识别系统[J].现代计算机(专业版).2019
[7].苏洲,张慧芳,李斌,罗海宁,孙琦.利用多属性断裂分析技术识别断层——以牙哈断块潜山为例[J].石油地球物理勘探.2018
[8].徐培超,陈雯柏,陈祥凤,韩琥.多任务及Resnet网络在人脸多属性识别中的应用[J].小型微型计算机系统.2018
[9].莫泓铭.基于多属性的复杂网络节点重要度识别方法[J].兰州文理学院学报(自然科学版).2018
[10].徐浩,贾晓静,张云峰.地震多属性分析在混积环境砂体识别中的应用——以桑塔木南地区石炭系Ⅳ砂组油为例[J].煤田地质与勘探.2018