《深度域地震资料PCA属性融合技术在淮南DJ矿的应用》
该文是地震和pca有关论文范文集和融合相关毕业论文开题报告范文.
摘 要：随着煤矿安全生产的需求越来越高,识别3～5 m断层成为煤矿安全高效生产的重要指标之一.本文运用地震资料处理技术归位相对准确的叠前深度偏移处理方法得到深度域地震资料,并在该数据体上进行解释.以淮南DJ矿的解释为例,利用提取的深度域方差属性、倾角属性体、曲率属性体及相干属性体进行主成分分析,并将主成分分析后的成果与蚂蚁体属性融合,其断层在数据体上的形态与边界反映清晰.
关键词：深度域;PCA属性融合;小断层
中图分类号：TD163文献标识码：A文章编号：1003-5168（2020）01-0079-03
Abstract： With the increasing demand of coal mine safety production, the identification of 3～5m faults has become one of the important indexes of safe and efficient production in coal mines. In this paper, the depth domain seiic data were obtained by using the method of prestack depth migration which was relatively accurate in location by seiic data processing technology. Taking the interpretation of DJ mine in Huainan as an example, principal component analysis was carried out by using the extracted depth domain variance attribute, dip attribute body, curvature attribute body and coherent attribute body, and the results of principal component analysis were integrated with the ant body attribute. The shape and boundary of the fault on the data body were clearly reflected.
Keywords： depth domain;PCA attribute fusion;all fault
隨着煤矿安全生产的需求越来越高,识别3～5 m断层成为煤矿安全高效生产的重要指标之一.叠后时间偏移地震资料在小断层识别上受各种干扰因素影响,且解释技术难以满足生产需求.本文运用前地震资料处理技术归位相对准确的叠前深度偏移处理方法得到深度域地震资料,再利用PCA属性融合分析技术,针对淮南DJ矿区的微小断裂构造发育进行属性敏感分析与研究,获得了良好的效果.
1 PCA属性融合解释方法原理
PCA（Principal Components Analysis,PCA）的主要目的就是要将原始数据降维,并提取出没有线性关系的主成分.PCA是一种数学方法,其可以经过一些线性变换,把数目较多的观测变量转换为少数几个主要的综合变量,即为主成分[1].PCA的目的是要降低原始数据维数,去除冗余,提取有效能量.为实现这个目的,PCA中涉及两个关键技术,即协方差矩阵及矩阵对角化.协方差矩阵是用来度量各维度之间关系的矩阵,其主对角线上的值代表各个维度的方差,其他非对角元素代表两两维度间的协方差,即相关性.应用PCA降维就是要让保留下来的不同维度之间的相关性尽可能小,即让协方差中非对角线上的元素尽可能小,甚至基本为零,而这又可以通过矩阵对角化来实现.通过对协方差矩阵对角化后得到的对角矩阵,其对角线上的元素就是协方差矩阵的特征值,其代表的是各个维度本身应该拥有的能量.由此可见,通过矩阵对角化,剩余维度间的相关性已经减少到最小,即此时的噪声减少了,拥有的能量增大了.此时,去除冗余就是去掉对角化后的协方差矩阵对角线上较少的方差,只取那些具有较大特征值的维度.将取得的特征值按大小排序,一般取累积能量超过85%的前几个特征值对应的特征向量,组成投影矩阵,即得到降维后的新样本矩阵.
2 PCA属性融合解释方法计算步骤
具体步骤如下：①通过对原始数据标准化来排除数量级和量纲不同带来的影响,记为[X];②建立变量的相关系数阵：[R等于rijm×m];③计算[R]的特征值和贡献率;④确定主成分个数及表达式.
3 PCA融合方法流程
由于地震属性不是真正相互独立的,断层信息存在于任何一组地震属性中,对于多个不同类型、相互关联的地震属性,要想从中选取3～4个理想的地震属性进行PCA属性融合,分析方法通常采用协方差矩阵法.图1是地震多属性PCA融合综合解释工作流程图.
4 实际地震数据的应用分析
淮南DJ煤矿处于黄淮平原,除煤田南北两翼边缘的低山残丘,大部分被第四系覆盖,地层出露主要是前震旦系变质岩及震旦、寒武、奥陶系等古老地层.煤田构造为复向斜形态,向斜轴向北西西～东西.研究区地层倾角为5°～20°,主要由一系列宽缓褶曲组成,研究区内是以谢桥古沟向斜、陈桥背斜、潘集背斜为主要构造单元总体构成一组向西倾斜的阶梯式构造[3].
本文利用叠前深度偏移数据体提取倾角、相干、方差、曲率体等属性,对提取后的沿层属性进行主成分分析,得出图2.
图3为PCA属性融合图及蚂蚁体属性图.其中,融合图基本能揭示本区地质信息,区内四条以东西向发育的断层把测区划分成上下两个条带.从图中可以看出,融合后的主成分分析图包含了倾角属性、曲率属性、方差属性、相干属性的断层信息,并在4种属性的基础上将断层刻画得更加精细清晰,剔除一些非异常响应,大大提高了断层解释的准确性.
综合分析,根据PCA主成分分析图融合出来的属性蕴藏着方差属性、倾角属性、曲率属性以及相干属性的异常响应信息,并在此基础上将断层刻画得更加精确清晰,而且能分析解释更多的小断层,有效提高了区内断层解释的准确性.区内利用深度域蚂蚁+PCA融合的成果图（见图4）,融合前后断层解释成果对比图如图5所示.图5中,红色细线表示常规解释断层以及巷道采掘揭露断层,共52条;绿色细线代表应用蚂蚁+PCA融合成果新解释的断层,共72条,全区共解释断层124条.
5 结论
本文通过PCA方法对地震多属性进行主成分分析,得到单个主分量,单个主分量相对单一,对区内大断层反应比较好.然后将PCA分析的成果与蚂蚁体属性融合,融合后的属性对研究区的大小断裂均有反应,提高地震解释的效率和可靠性,为煤矿安全生产提供了可靠的依据.
参考文献：
[1]张代波.丁集矿煤质变化特征[D].淮南：安徽理工大学,2015.
[2]周赏,汪关妹,张万福,等.深度域地震资料解释技术应用及效果[J].石油地球物理勘探,2017（A01）：92-98.
[3]王真,张宏,许崇宝.叠前深度偏移技术在煤田地震勘探中的应用[C]//煤矿物探学术.2007.
[4]邱梅,施龙青,滕超,等.矿井小断层延伸长度的多元线性回归预测模型[J].煤田地质与勘探,2013（6）：7-10.
上文评论,上述文章是关于融合方面的地震和pca论文题目、论文提纲、地震和pca论文开题报告、文献综述、参考文献的相关大学硕士和本科毕业论文.
地震和pca引用文献:
[1] 地震和pca论文范例 地震和pca相关论文参考文献范文2万字
[2] 热门地质灾害与地震论文题目 地质灾害与地震论文标题怎样定
[3] 地质灾害与地震外文文献 地质灾害与地震参考文献有哪些
