基于核主成分分析的地震属性优化方法及应用  

Seismic attributes optimization based on kernel principal component analysis (KPCA) and application

作　　者：印兴耀[1] 孔国英[2] 张广智[2] 

机构地区：[1]山东省东营市中国石油大学地球资源与信息学院地球物理系,257061 [2]中国石油大学(华东)地球资源与信息学院地球物理系

出　　处：《石油地球物理勘探》2008年第2期179-183,124-125+246,共8页Oil Geophysical Prospecting

摘　　要：传统的基于线性变换的主成分分析法(PCA)是一种有效的地震属性降维优化方法。但是,当原始数据中存在非线性属性时,用主成分分析法提取的主成分就不能反映这种非线性属性。而核主成分分析(KPCA)则是一种基于原始数据的非线性变换,它可以提取出数据之间的非线性关系。本文从方法原理概述入手,分析了一般主成分分析在处理非线性问题上存在的不足,阐述了基于核函数的主成分分析方法,并将其首次应用于地震属性的降维优化中。应用结果表明:基于核函数的主成分分析方法具有优秀的特征提取性能。Traditional principal analysis method(PCA)based on linear transform is effective method of seismic attribute dimension-reducing optimization.However,the principle component detected by PCA method can t reflect the non-linear attributes if there exists non-linear attribute in raw data.The KPCA is non-linear transform based on the raw data,which can detect the non-linear relationship between the data.Starting from the principle description of the method,the paper analyzed the shortcomings existing in handling...

关 键 词：属性降维优化 主成分分析(PCA) 核函数 核主成分分析(KPCA) 

分 类 号：P631.4[天文地球—地质矿产勘探]