The Use of 3D Convolutional Autoencoder in Fault and Fracture Network Characterization

Conventional pattern recognition methods directly use 1D poststack data or 2D prestack data for the statistical pattern recognition of fault and fracture network, thereby ignoring the spatial structure information in 3D seismic data. As a result, the generated fault and fracture network is not disti...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	Geofluids Jg. 2021; S. 1 - 11
Hauptverfasser:	Xu, Feng, Li, Zhiyong, Wen, Bo, Huang, Youhui, Wang, Yaojun
Format:	Journal Article
Sprache:	Englisch
Veröffentlicht:	Chichester Hindawi 2021 John Wiley & Sons, Inc Wiley
Schlagworte:	Cluster analysis Clustering Coders Convolution Deep learning Dimensions Fault lines Feature extraction Feature selection Fractured reservoirs Geology Neural networks Pattern recognition Principal components analysis Seismic activity Seismic data Seismic simulators Seismological data Teaching methods Training Wavelet transforms China
ISSN:	1468-8115, 1468-8123
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Schreiben Sie den ersten Kommentar!