排序方式： 共有1条查询结果，搜索用时 31 毫秒
1
1.
高斯混合模型(Gaussian Mixture Model, GMM)可以用来描述储层性质的多峰分布特性,多峰特性主要是由于它们在不同离散变量内的变化而引起的.在高斯混合模型中,高斯分量的权值代表离散变量的概率.然而,基于高斯混合模型的贝叶斯线性反演可能会对某些点的离散变量错误地分类,进而影响连续变量的反演结果,尤其存在强噪声的时候.在本文中,我们考虑了离散变量的空间变化性,并将高斯混合模型与序贯指示模拟(Sequential Indicator Simulation, SIS)相结合来确定离散变量的后验条件权值,形成了结合序贯指示模拟的贝叶斯高斯混合线性反演方法.该方法能够准确地对离散变量进行归类,且具有良好的抗噪性.通过模型试算,我们证明了这种方法的可行性,并在实际资料中取得了较好的结果. 相似文献
1