排序方式: 共有5条查询结果,搜索用时 62 毫秒
1
1.
东海盆地西湖凹陷N构造花港组主要的天然气储层为致密砂岩,寻找相对高孔、高渗的"甜点"是该区勘探的关键。分析岩石物理特征,优选孔隙度、渗透率等测井参数,利用加权融合方法计算每口井的"甜点"因子,提取不同角道集分频数据体的多种属性,与"甜点"因子进行相关分析,将相关性高的地震属性进行加权融合得到"甜点"预测值,从而建立"甜点"储层—井—地震之间的联系。研究表明,绝对振幅组合、弧长等属性与井"甜点"因子相关性高,属性融合得到的甜点预测值可以精确描述N构造"甜点"的空间展布,结合沉积相分析,"甜点"分布于N构造中南部的分流河道砂体内。该研究可有效地在致密砂岩中寻找"甜点",对西湖凹陷其他构造的"甜点"研究具有借鉴意义。 相似文献
2.
3.
机器学习与生物信息学 总被引:4,自引:0,他引:4
后基因时代,探索和解释隐藏在分子生物学数据库中的有用信息将是对生物信息学研究人员的巨大挑战!为了解决分子生物学中遇到的这些难题,有效及廉价的方法是非常必要的.机器学习是一种自动的、具有智能学习技术的方法,有助于达到上述目的。本文就知识发现、人工神经网络、决策树、贝叶斯网络、遗传算法、隐马尔科夫链、聚类、归纳逻辑编程、支持向量机等机器学习方法在生物信息学中的应用进行了系统地评述.这些方法有助于加速生物分子结构预测、基因发现、基因组学和蛋白组学等方面的研究进展. 相似文献
4.
周海廷 《模式识别与人工智能》2004,17(3)
回顾了人工智能在生物信息处理中的进展,重点介绍了神经网络、符号机器学习和遗传算法在处理生物信息中的应用情况.每种技术都列举了相应的例子,包括了蛋白质折叠预测、病毒蛋白酶分裂预测、分类、序列联配、微集阵列基因表达分析等.同时也介绍了其它一些人工智能技术在生物信息学中的应用动向. 相似文献
5.
1