聚类分析针对不同的数据特点采用不同的相似性度量,现实世界中数据分布复杂,存在分布无规律、密度不均匀等现象,单独考虑实例属性相似性或分布结构连通性会影响聚类效果。为此,提出了一种基于属性相似性和分布结构连通性的聚类算法(A Cl...聚类分析针对不同的数据特点采用不同的相似性度量,现实世界中数据分布复杂,存在分布无规律、密度不均匀等现象,单独考虑实例属性相似性或分布结构连通性会影响聚类效果。为此,提出了一种基于属性相似性和分布结构连通性的聚类算法(A Clustering Algorithm Based on Attribute Similarity and Distributed Structure Connectivity, ASDSC)。首先,利用待聚类数据集中的所有数据实例构建完全无向图,定义了一种兼顾属性相似和分布结构连通的新颖相似性度量方式,用于计算节点相似性,并构造邻接矩阵更新边的权重;其次,借助邻接矩阵执行递增步长的随机游走,依据顶点的连通中心性来识别簇中心并给定簇编号,同时获取其他顶点的连通性;然后,利用连通性计算顶点间的依赖关系,并据此进行簇编号的传播,直至完成聚类。最后,为了验证该方法的聚类性能,在16个合成数据集和10个真实数据集上与5种先进聚类算法进行了对比实验,ASDSC算法取得了优异性能。展开更多
为了提高断裂预测精度和分辨率,分析储层断裂连通性,提出基于高斯滤波拉普拉斯(the Laplacian of a Gaussian filter,LoG)算子的断层增强方法、基于特征向量的断层细化方法和基于三维稳态饱和流动方程的断层连通性方法相结合的储层断裂...为了提高断裂预测精度和分辨率,分析储层断裂连通性,提出基于高斯滤波拉普拉斯(the Laplacian of a Gaussian filter,LoG)算子的断层增强方法、基于特征向量的断层细化方法和基于三维稳态饱和流动方程的断层连通性方法相结合的储层断裂预测及连通性评价方法。将该方法应用于威远龙马溪组页岩储层断层增强和断层细化的处理,提高了地震资料的信噪比,改善了横向和垂向上的分辨率,突出了微、小断裂的细节特征,使目标储层的断裂特征刻画得更清楚、全面,增强和细化处理后的属性对断裂识别的分辨率和精度都明显优于相干属性;断层连通性评价方法的应用突出了目标储层段的连通断层,同时连接了小断层,并结合该储层段的孔隙度预测结果,将储层断裂连通性划分为3个区间,得到有效的评价认识,即:目标储层段断层、中小尺度断裂发育,储层断裂整体连通性较好,可以作为天然气的储集空间和运移通道。展开更多
文摘聚类分析针对不同的数据特点采用不同的相似性度量,现实世界中数据分布复杂,存在分布无规律、密度不均匀等现象,单独考虑实例属性相似性或分布结构连通性会影响聚类效果。为此,提出了一种基于属性相似性和分布结构连通性的聚类算法(A Clustering Algorithm Based on Attribute Similarity and Distributed Structure Connectivity, ASDSC)。首先,利用待聚类数据集中的所有数据实例构建完全无向图,定义了一种兼顾属性相似和分布结构连通的新颖相似性度量方式,用于计算节点相似性,并构造邻接矩阵更新边的权重;其次,借助邻接矩阵执行递增步长的随机游走,依据顶点的连通中心性来识别簇中心并给定簇编号,同时获取其他顶点的连通性;然后,利用连通性计算顶点间的依赖关系,并据此进行簇编号的传播,直至完成聚类。最后,为了验证该方法的聚类性能,在16个合成数据集和10个真实数据集上与5种先进聚类算法进行了对比实验,ASDSC算法取得了优异性能。
文摘为了提高断裂预测精度和分辨率,分析储层断裂连通性,提出基于高斯滤波拉普拉斯(the Laplacian of a Gaussian filter,LoG)算子的断层增强方法、基于特征向量的断层细化方法和基于三维稳态饱和流动方程的断层连通性方法相结合的储层断裂预测及连通性评价方法。将该方法应用于威远龙马溪组页岩储层断层增强和断层细化的处理,提高了地震资料的信噪比,改善了横向和垂向上的分辨率,突出了微、小断裂的细节特征,使目标储层的断裂特征刻画得更清楚、全面,增强和细化处理后的属性对断裂识别的分辨率和精度都明显优于相干属性;断层连通性评价方法的应用突出了目标储层段的连通断层,同时连接了小断层,并结合该储层段的孔隙度预测结果,将储层断裂连通性划分为3个区间,得到有效的评价认识,即:目标储层段断层、中小尺度断裂发育,储层断裂整体连通性较好,可以作为天然气的储集空间和运移通道。