文献

J-GLOBAL ID：202002218062160516   整理番号：20A2589439

適応カーネル密度に基づくベイズ確率モデル岩質認識手法の検討【JST・京大機械翻訳】

Lithology identification based on Bayesian probability using adaptive kernel density

著者 (4件)： Cai Zeyuan (長安大学重磁方法技術研究所,陜西西安710054;長安大学地質工程与測絵学院,陜西西安710054;長安大学西部鉱産資源地質工程教育部重点実験室,陜西西安 710054) ,  Lu Baoliang (長安大学重磁方法技術研究所,陜西西安710054;長安大学地質工程与測絵学院,陜西西安710054;長安大学西部鉱産資源地質工程教育部重点実験室,陜西西安 710054) ,  Xiong Shengqing (中国自然資源航空物探遥感中心,北京 100083) ,  Wang Wanyin (長安大学重磁方法技術研究所,陜西西安710054;長安大学地質工程与測絵学院,陜西西安710054;長安大学西部鉱産資源地質工程教育部重点実験室,陜西西安 710054)
資料名： Wutan Yu Huatan  (Wutan Yu Huatan)
巻： 44  号： 4  ページ： 919-927  発行年： 2020年 
JST資料番号： C2732A  ISSN： 1000-8918  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 正確に岩石タイプとその構造関係を描写することは、エネルギー鉱物探査、深部構造と構造などの研究に重要な情報を提供できる。現在、地球物理学技術を利用し、異なる岩石の対応する物性パラメータ(例えば密度、磁化率、電気抵抗率、速度など)の違いによって岩性識別を行うことができるが、異なる岩石の物性はある程度重なるが、単一物性を利用して岩性識別を行う結果は正確ではない。そのため、多源データを利用して岩性識別は重要な意義がある。ベイズ法は統計的分類法であり,確率密度の計算はサンプル属性間の相関関係に依存する。これに基づいて,適応カーネル密度推定に基づくBayes確率モデルを岩質認識に導入した。この方法は,異なる物理的性質パラメータに対して良好な適応能力を持ち,予測岩質分類結果が確率パラメータを持ち,ファジィ区間が存在し,多くの岩質分類結果を提供できる。この方法は,強い拡張性を持ち,パラメータと非パラメータ情報を同時に処理でき,既知の地質情報と物性パラメータを最大化する。実験結果は,この方法の岩質認識結果が良好であり,従来のGaussアルゴリズムと固定帯域幅カーネル密度推定と比較して,適応帯域幅のカーネル密度推定が,より安定で,より正確であることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  鉱物 ,  磁化率 ,  電気抵抗率 ,  物理的性質 ,  岩石 ,  確率密度 ,  地球物理学 ,  帯域幅 ,  *確率モデル ,  曖昧さ ,  *岩質 ,  深部構造
準シソーラス用語： *カーネル密度 ,  *ベイズ確率 , 【Automatic Indexing@JST】

分類 (1件)： 油層工学  (UA10030G)

タイトルに関連する用語 (5件)： 適応 ,  カーネル密度 ,  確率モデル ,  岩質 ,  手法