小波变换在智能厚度划分系统中的应用

小波变换在智能厚度划分系统中的应用

曹旭光¹, 翟慧杰¹, 刘传平²

1. 吉林大学计算机科学与技术学院, 长春 130012; 2. 大庆油田研究院, 黑龙江省大庆 163413

收稿日期:2006-05-06 修回日期:1900-01-01 出版日期:2006-08-26 发布日期:2006-08-26
通讯作者: 翟慧杰

Application of Wavelet Transform inIntelligent Thickness Partition System

CAO Xuguang¹, ZHAI Huijie¹, LIU Chuanping²

1. College of Computer Science and Technology, Jilin University, Changchun 130012, China； 2. Research Institute, Daqing Oil Field Company Ltd, Daqing 163413, Heilongjiang Province, China

Received:2006-05-06 Revised:1900-01-01 Online:2006-08-26 Published:2006-08-26
Contact: ZHAI Huijie

摘要/Abstract

摘要： 在研究小波变换表征信号突变特征的基础上, 提出一种用小波变换划分地层厚度的方法. 采用高斯一阶导数作为基小波对测井曲线进行一维连续小波变换, 并用得到的系数曲线更精确地识别各个“波形”的形态特征, 根据曲线的特点对精度要求不同的曲线采取了不同尺度的变换, 有效解决了厚度划分中的地层分层和合层问题, 提高了厚度划分精度. 结合实际应用, 验证了该方法处理测井信号的有效性.

关键词: 厚度划分, 小波变换, 测井曲线

Abstract: A new method of intelligent thickness partition was developed based on the extreme point properties of wavelet transform via exploring the wavelet transform algorithm. The author chose the one dimensional continuous wavelet transform algorithm to more accurately recognize the curve’s shape. On applying the wavelet transform to the logging curves, the scale was set to different values according to the different precision needs of different logging curves, which effectively resolved the division and combination of layers problem and improved the thickness partition result a lot. Efficiency of this methodin processing well signal was examined.

Key words: thickness partition, wavelet transform, log curve

中图分类号:

TP182

曹旭光, 翟慧杰, 刘传平. 小波变换在智能厚度划分系统中的应用[J]. J4, 2006, 44(06): 213-216.

CAO Xuguang, ZHAI Huijie, LIU Chuanping. Application of Wavelet Transform inIntelligent Thickness Partition System[J]. J4, 2006, 44(06): 213-216.

[1]	杨健, 杨超宇, 李慧宗. 基于二维离散小波的生成图像鉴别方法[J]. 吉林大学学报(理学版), 2019, 57(3): 619-626.
[2]	郭昕刚, 梁锦明, 张培栋, 王帅, 宫鸿. 基于分数阶变换的彩色图像自适应重构水印算法[J]. 吉林大学学报(理学版), 2019, 57(1): 121-128.
[3]	杨琦. 融合Morlet小波与GA优化多模态核的轴承故障检测算法[J]. 吉林大学学报(理学版), 2018, 56(1): 101-108.
[4]	张岩, 任伟建, 唐国维, 赵璨. 基于WBCT的地震数据感兴趣区域编码算法[J]. 吉林大学学报(理学版), 2017, 55(06): 1499-1503.
[5]	李景富, 周鹏. 基于多尺度变换和支持向量回归机的数字图像水印算法[J]. 吉林大学学报(理学版), 2017, 55(04): 927-932.
[6]	管飚. 基于小波变换的多聚焦图像融合方法[J]. 吉林大学学报(理学版), 2017, 55(04): 915-920.
[7]	陈海鹏, 图晓航, 王玉, 郑金宇. 基于小波-ELM神经网络的短期停车泊位预测[J]. 吉林大学学报(理学版), 2017, 55(02): 388-392.
[8]	阮文惠, 薛亚娣. 基于Android平台的图像增强算法[J]. 吉林大学学报(理学版), 2015, 53(05): 1006-1013.
[9]	刘磊, 张子佳, 刘雷, 张睿. 一种基于GPU的二维离散多分辨率小波变换加速方法[J]. 吉林大学学报(理学版), 2015, 53(02): 267-272.
[10]	秦喜文, 刘文博, 董小刚, 王纯杰, 李纯净. 基于极大重叠离散小波变换的金融高频数据波动率估计[J]. 吉林大学学报(理学版), 2014, 52(06): 1222-1226.
[11]	朱建忠, 姚志强. 基于DWT-SVD和Turbo码的彩色图像盲水印算法[J]. 吉林大学学报(理学版), 2014, 52(04): 773-778.
[12]	李文辉, 肖林厂, 王莹, 傅博, 刘培勋. 一种基于块的视频烟雾检测算法[J]. J4, 2012, 50(05): 979-986.
[13]	王宏志, 刘媛媛, 孙琦. 基于小波变换矩阵的改进脊波变换图像去噪[J]. J4, 2010, 48(1): 99-103.
[14]	张震, 马驷良, 谭琨. 基于方向小波变换的高斯噪声图像恢复方法[J]. J4, 2010, 48(06): 987-994.
[15]	郑骁鹏, 田小建, 单江东. 基于掺铒光纤激光器混沌系统的彩色图像水印方法[J]. J4, 2010, 48(02): 307-312.