项目一：基于机器学习的井震联合字典学习方法研究（2019.06-2020.06）

一、项目背景/介绍

介绍要点

what：你做了什么工作？
why：这个工作的目的是什么？
when：这个工作发生在什么时候？
who：由谁参与了这个工作？
where：在哪里开展的工作？你在什么情境下做的工作？
How：你如何做这个工作？结果怎么样？

为了提高地下储层参数的预测识别准确率（why），在2019年6月到2020年6月一年时间（when），在与团队博士和东方地球物理公司物探技术研究中心的合作下，我(who)作为核心开发人员（where），(how)研究基于机器学习的井震联合字典学习方法的算法框架与实现细节。该方法认为整个工区的地下地层参数具有相同的稀疏字典，从而可以使用测井先验信息来建立稀疏字典来约束反问题以获得稳定的解，从而提高储层识别准确率。(how)测试结果表明，单道反演结果能达到平均75%的吻合度，剖面反演结果能够以较高分辨率显示地下储层结构。目前，已经完成需求分析报告、软件设计与测试报告，最终将研究成果转化为C++程序模块并移植到东方地球物理公司的软件。但该方法还存在分辨率不够高的问题，我们又提出高分辨率处理的解决方案，即采用联合字典去进行高分辨率反演，分辨率效果提升显著，目前正在c++模块正在移植中。

二、主要技术

(1)稀疏字典学习方法研究及算法实现；
(2)基于井数据和叠后数据的稀疏表征和字典模型建立及应用；
(3)基于井数据和叠前数据的稀疏表征和字典模型建立及应用。

三、取得成果

主要有三方面

• 方法成果

1. 稀疏字典学习方法研究及算法实现；
2. 基于井数据和叠后数据的稀疏表征和叠后字典模型建立及应用；
3. 基于井数据和叠前数据的稀疏表征和叠前字典模型建立及应用；
4. 使用实际数据对叠后模型进行方法效果、运算效率和稳定性测试；
5. 使用实际数据对叠前模型进行方法效果、运算效率和稳定
   性测试。

• 软件成果

1. 叠后、 叠前反演程序的源代码；
2. 可移植程序模块；
3. 井震联合字典学习方法研究与模块开发手册；
4. 软件使用说明书。

• 其他成果

1. 研究报告及多媒体展示汇报；
2. 需求分析报告、软件设计报告、软件测试报告。

四、项目问题总结

- 是否有做得不足的地方，怎么改进？
但该方法还存在分辨率不够高的问题，我们又提出高分辨率处理的解决方案，即采用联合字典去进行高分辨率反演，分辨率效果提升显著，目前正在c++模块正在移植中。（配合讲解高分辨率处理的内容）

- 收获有哪些？
（1）收获大型软件设计的经验，包括软件需求分析，资料收集，进度安排，方法研究，编写代码，集成，测试，移植一整个流程。
（2）实际编写代码过程中，代码整体逻辑的把控，掌握模块设计思维。
（3）与甲方对接与沟通的能力，团队协作能力得到锻炼与提升

- 项目中最难的地方？
主要有三方面：一是理解反演原理；二是所有程序核心模块完全自主研发，没有调用任何商用软件库；三是提高性能与优化效果。

简历

 1. 以项目核心开发人员负责基于机器学习的井震联合字典学习方法代码的框架与实现细节；2. 完成需求分析报告与测试报告，最终提交代码符合东方地球物理勘探公司软件开发规范；3. 与甲方全程对接，将研究的成果移植成东方GeoEast模块；4. 协助优化代码逻辑，使得计算速度提升50%。

对于第四点：
代码使用统一的数据结构传参；
变量定义和分配空间分开；
字典训练（1线程）+反演（多线程），避免重复训练字典
找一个更快的svd版本；
去掉外部库opencv；