人工神经网络方法在西藏羌塘盆地早期综合评价中的应用

doi:10.6046/gtzyyg.2000.01.03

全文: PDF(2084 KB)

HTML
输出: BibTeX | EndNote (RIS)

摘要

以人工神经网络方法为基础,以西藏羌塘盆地非地震资料油气地质早期综合评价为例,分析了物探、化探及遥感资料及其找油模式后,认为在盆地早期评价阶段,采用人工神经网络方法具有很大的优越性。

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	杨杭
	张霞
	和海霞
	张立福
	童庆禧
	张少武
	李春峰

关键词 ：高光谱图像, 边缘辐射校正, 矩匹配法, 直方图匹配法, 经验线性法

Abstract：

Based on the method of neural network ,the paper takes Tibet Qiangtang basin as an example, after analysing the data of geophysics, geochemistry and remote sensing as well as the model of oil prospecting, the author believes that there are obviously a lot of advantages of using the method of neural network to the early of basin appraising.

Key words： Hyperspectral images Calibration of edge radiation Moment matching Histogram matching Empirical line approach

收稿日期: 1999-11-30 出版日期: 2011-08-02

作者简介: 王京女硕士,1989年毕业于中国地质大学地球物理专业,目前在北京石油勘探开发科学研究院遥感地质所从事GIS、非地震信息综合等研究工作。

引用本文:

王京. 人工神经网络方法在西藏羌塘盆地早期综合评价中的应用[J]. 国土资源遥感, 2000, 12(1): 15-18，23.
Wang Jing . USING THE METHOD OF NEURAL NETWORK TO THE EARLY TIBET QIANGTANG BASIN APPRAISING. REMOTE SENSING FOR LAND & RESOURCES, 2000, 12(1): 15-18，23.

链接本文:

https://www.gtzyyg.com/CN/10.6046/gtzyyg.2000.01.03 或 https://www.gtzyyg.com/CN/Y2000/V12/I1/15

[1] Maren A J, Harston C T, Pap P M(1990). Handbook of neural computing applications. Academic Press inc,San Diego, 1990

[2] Benediktsson J A, Swain P H, Evsoy O K. Neural network approaches versus statistical methods in classification Of multisource remote sensing date. IEEE Transactions on Geoscience and Remote Sensing,1990,28(4)

[3] 史忠植.神经计算.北京:电子工业出版社

[4] 庄镇泉.神经网络与神经计算.北京:科学出版社

[5] 施继承.基于神经网络的油气预测系统.石油地球物理勘探,1996年10月

[1]	曲海成, 王雅萱, 申磊. 多感受野特征与空谱注意力结合的高光谱图像超分辨率算法[J]. 自然资源遥感, 2022, 34(1): 43-52.
[2]	韩彦岭, 崔鹏霞, 杨树瑚, 刘业锟, 王静, 张云. 基于残差网络特征融合的高光谱图像分类[J]. 国土资源遥感, 2021, 33(2): 11-19.
[3]	姚本佐, 何芳. 空谱特征分层融合的高光谱图像特征提取[J]. 国土资源遥感, 2019, 31(3): 59-64.
[4]	阿茹罕, 何芳, 王标标. 加权空-谱主成分分析的高光谱图像分类[J]. 国土资源遥感, 2019, 31(2): 17-23.
[5]	曲海成, 郭月, 王媛媛. 基于优势集聚类和马尔科夫随机场的高光谱图像分类算法[J]. 国土资源遥感, 2019, 31(2): 24-31.
[6]	涂兵, 张晓飞, 张国云, 王锦萍, 周瑶. 递归滤波与KNN的高光谱遥感图像分类方法[J]. 国土资源遥感, 2019, 31(1): 22-32.
[7]	刘万军, 李天慧, 曲海成. 基于Fisher准则和TrAdaboost的高光谱相似样本分类算法[J]. 国土资源遥感, 2018, 30(4): 41-48.
[8]	江帆, 张晨洁. 利用NSCT和空间聚类的高光谱图像全局异常检测[J]. 国土资源遥感, 2017, 29(2): 53-59.
[9]	龚绍琦, 张茜茹, 王少峰, 孙德勇, 鲁奕岑, 国文哲. 面向水体的HY-1B/COCTS图像条带噪声去除[J]. 国土资源遥感, 2015, 27(4): 41-46.
[10]	张媛, 张杰林, 赵学胜, 袁博. 基于峰值权重的岩心高光谱矿化蚀变信息提取[J]. 国土资源遥感, 2015, 27(2): 154-159.
[11]	张转, 马玉, 蔡伟. 基于模糊贴近度和改进Prim算法的高光谱图像波段分组排序[J]. 国土资源遥感, 2014, 26(4): 8-13.
[12]	成宝芝. 高光谱图像异常目标检测算法研究与进展[J]. 国土资源遥感, 2014, 26(3): 1-7.
[13]	吕凤华, 舒宁, 陶建斌, 付晶. 基于可变步长的光谱响应曲线分形维[J]. 国土资源遥感, 2011, 23(1): 37-41.
[14]	杨杭, 张霞, 和海霞, 张立福, 童庆禧. OMIS-II机载高光谱遥感图像边缘辐射畸变校正方法优选[J]. 国土资源遥感, 2010, 22(2): 17-21.
[15]	张艳, 王国宏, 王勇. 背景区域对统计匹配滤波探测器性能的影响[J]. 国土资源遥感, 2010, 22(2): 26-29.