基于Richer子波神经网络的入侵事件识别方法

针对入侵事件中的挖掘事件和人步行事件的识别,文章设计了一种Richer子波神经网络模型,用来识别由挖掘和人步行事件引起的震动信号的种类。实验中一共采用200个样本,其中120个作训练,80个作测试,通过分析网络训练输出数据的降维可视化散点分布,可以得到该模型训练输出的数据具有不同类间间隔大,同类间间隔小的特点,且该模型网络分类识别准确率最高可达96.25%,平均识别准确率约为95%。

基于Ricker子波匹配追踪算法在薄互层砂体储层预测中的应用

我国东部大多数中、新生代陆相含油盆地大都以薄层砂、泥岩沉积为主,地层岩性和厚度横向变化均较大,而这些地层的厚度远低于常规地震勘探的垂向分辨率。为解决薄互层储层预测问题,笔者综合分析了短时傅里叶变换、连续小波变换和匹配追踪算法的优缺点,通过实验模型及实际资料分析,得到以下结论:与短时傅氏变换与连续小波变换相比,基于Ricker子波匹配追踪算法的频谱分解技术在分析薄互层储层时具有更高的时频分辨率,能够更客观地刻画地质体;从平湖油气田地震、测井数据分析,基于Ric-ker子波匹配追踪算法更有效地刻画出储层的空间形态,并且与实钻数据储层的分布吻合效果好。