Einsatz von Clustering Algorithmen zur Interpretation von 3D seismischen Daten

Publikationen: KonferenzbeitragPosterForschung(peer-reviewed)

Standard

Einsatz von Clustering Algorithmen zur Interpretation von 3D seismischen Daten. / Amtmann, Johannes; Eichkitz, Christoph.

2016. Postersitzung präsentiert bei PanGeo Austria 2016, Innsbruck, Österreich.

Publikationen: KonferenzbeitragPosterForschung(peer-reviewed)

Harvard

Amtmann, J & Eichkitz, C 2016, 'Einsatz von Clustering Algorithmen zur Interpretation von 3D seismischen Daten', PanGeo Austria 2016, Innsbruck, Österreich, 25/09/16 - 28/09/16.

APA

Amtmann, J., & Eichkitz, C. (2016). Einsatz von Clustering Algorithmen zur Interpretation von 3D seismischen Daten. Postersitzung präsentiert bei PanGeo Austria 2016, Innsbruck, Österreich.

Vancouver

Amtmann J, Eichkitz C. Einsatz von Clustering Algorithmen zur Interpretation von 3D seismischen Daten. 2016. Postersitzung präsentiert bei PanGeo Austria 2016, Innsbruck, Österreich.

Author

Amtmann, Johannes ; Eichkitz, Christoph. / Einsatz von Clustering Algorithmen zur Interpretation von 3D seismischen Daten. Postersitzung präsentiert bei PanGeo Austria 2016, Innsbruck, Österreich.

Bibtex - Download

@conference{257e8bc5880b450b994fe747ec10d7f9,
title = "Einsatz von Clustering Algorithmen zur Interpretation von 3D seismischen Daten",
abstract = "Es gibt viele unterschiedliche Werkzeuge um 3D seismische Daten zu interpretieren. Die konventionelle Variante ist die manuelle Interpretation von seismischen Daten. DIes wird anhand von Horizonten und St{\"o}rungen in Inline und Crossline Richtungen bzw. mit Unterst{\"u}tzung von seismischen Attributen in Z – Ebenen bzw. Horizontebenen durchgef{\"u}hrt.Eine alternative Variante wird in dieser Arbeit betrachtet. Basierend auf Erfahrungen in derGeophysik und von anderen Naturwissenschaften, wie Medizin bzw. Fernerkundung, werden Clustering Algorithmen untersucht, die die M{\"o}glichkeit bieten, gesamte seismische Fazien zu extrahieren. F{\"u}r diese Extraktion werden unterschiedliche seismische Attribute ben{\"o}tigt, die eine Unterscheidung der einzelnen seismischen Fazien erm{\"o}glicht. Des Weiteren m{\"u}ssen Algorithmen eingesetzt werden die diese Fazien segmentieren. WelcheArten von Clustering Algorithmen einsetzbar sind, bzw. welche Vorteile und Nachteile damit verbunden sind, wird betrachtet.",
keywords = "Clustering, Seismische Attribute, Automatische Interpretation",
author = "Johannes Amtmann and Christoph Eichkitz",
year = "2016",
month = sep,
day = "26",
language = "Deutsch",
note = "PanGeo Austria 2016 ; Conference date: 25-09-2016 Through 28-09-2016",

}

RIS (suitable for import to EndNote) - Download

TY - CONF

T1 - Einsatz von Clustering Algorithmen zur Interpretation von 3D seismischen Daten

AU - Amtmann, Johannes

AU - Eichkitz, Christoph

PY - 2016/9/26

Y1 - 2016/9/26

N2 - Es gibt viele unterschiedliche Werkzeuge um 3D seismische Daten zu interpretieren. Die konventionelle Variante ist die manuelle Interpretation von seismischen Daten. DIes wird anhand von Horizonten und Störungen in Inline und Crossline Richtungen bzw. mit Unterstützung von seismischen Attributen in Z – Ebenen bzw. Horizontebenen durchgeführt.Eine alternative Variante wird in dieser Arbeit betrachtet. Basierend auf Erfahrungen in derGeophysik und von anderen Naturwissenschaften, wie Medizin bzw. Fernerkundung, werden Clustering Algorithmen untersucht, die die Möglichkeit bieten, gesamte seismische Fazien zu extrahieren. Für diese Extraktion werden unterschiedliche seismische Attribute benötigt, die eine Unterscheidung der einzelnen seismischen Fazien ermöglicht. Des Weiteren müssen Algorithmen eingesetzt werden die diese Fazien segmentieren. WelcheArten von Clustering Algorithmen einsetzbar sind, bzw. welche Vorteile und Nachteile damit verbunden sind, wird betrachtet.

AB - Es gibt viele unterschiedliche Werkzeuge um 3D seismische Daten zu interpretieren. Die konventionelle Variante ist die manuelle Interpretation von seismischen Daten. DIes wird anhand von Horizonten und Störungen in Inline und Crossline Richtungen bzw. mit Unterstützung von seismischen Attributen in Z – Ebenen bzw. Horizontebenen durchgeführt.Eine alternative Variante wird in dieser Arbeit betrachtet. Basierend auf Erfahrungen in derGeophysik und von anderen Naturwissenschaften, wie Medizin bzw. Fernerkundung, werden Clustering Algorithmen untersucht, die die Möglichkeit bieten, gesamte seismische Fazien zu extrahieren. Für diese Extraktion werden unterschiedliche seismische Attribute benötigt, die eine Unterscheidung der einzelnen seismischen Fazien ermöglicht. Des Weiteren müssen Algorithmen eingesetzt werden die diese Fazien segmentieren. WelcheArten von Clustering Algorithmen einsetzbar sind, bzw. welche Vorteile und Nachteile damit verbunden sind, wird betrachtet.

KW - Clustering

KW - Seismische Attribute

KW - Automatische Interpretation

M3 - Poster

T2 - PanGeo Austria 2016

Y2 - 25 September 2016 through 28 September 2016

ER -