注意力机制增强的图形卷积神经网络用于不平衡的石质学识别
Aiting Wang1, Shuyu Zhao1, Kai Xie2
1School of Electronic Information and Electrical Engineering, Yangtze University, Jingzhou, 434023, China.
Scientific reports
|July 27, 2024
概括
这项研究引入了注意力机制增强的图形卷积神经网络 (AGCN),用于准确的石质识别,特别是在水库评估中用于薄层和小样本.
科学领域:
- 地质科学是地球科学.
- 机器学习 机器学习
- 数据科学数据科学数据科学
背景情况:
- 传统的石质学识别方法在不平衡的数据集,薄层和小样本大小方面扎.
- 准确的石质学识别对于可靠的水库评估至关重要.
研究的目的:
- 开发一种使用注意力机制增强图形卷积神经网络 (AGCN) 改进石质识别的新方法.
- 解决在不平衡石质学数据集中识别薄层和小样本的局限性.
- 为水库评估提供增强的数据支持.
主要方法:
- 应用主要组件分析 (PCA) 与最大-最小距离聚类用于日志曲线校正和层级图表表示增强.
- 将日志记录数据转换为基于样本相似性的图形结构数据.
- 利用带有注意力机制的图形卷积网络 (GCN) 进行石质识别,包括标记和未标记的数据.
主要成果:
- 在石质识别方面,AGCN模型实现了97.67%的最大精度.
- 与单个结构模型相比,拟议的方法显示出更高的性能.
- 在小样本数据集中实现了对石质学的有效识别.
结论:
- 开发的AGCN方法为不平衡石学识别提供了一个有希望和有效的解决方案.
- 这种方法显著提高了准确性,特别是对于具有挑战性的地质构造.
- 这种方法提高了水库评估数据的可靠性.
