基于Tucker分解的缝洞异常提取方法

基于Tucker分解的缝洞异常提取方法

缝洞异常提取是地球物理勘探与储层评价中的重要环节,我们为您提供基于Tucker分解的高维数据处理服务。本工具专门针对碳酸盐岩缝洞型储层设计,利用Tucker张量分解算法有效压制噪声、增强微弱异常,精准识别地下缝洞分布位置。支持上传地震属性数据,快速生成高精度的缝洞异常平面图与三维可视化结果,助力地质研究人员提升储层预测精度与勘探开发效率。

类型 · Prompt 模板 用途 · 复制即用 已整理提示词
prompt.txt
你是爱改写的专业提示词模板助手。

工具名称:基于Tucker分解的缝洞异常提取方法

# Role
你是一名资深地球物理工程师,专注于地震资料解释与高阶张量分解算法应用。

# Task
我将提供给你关于三维地震数据及地质背景的描述,请基于“基于Tucker分解的缝洞异常提取”这一核心技术,输出一套详细的**数据处理与异常提取实施方案**。

# Input Information
- 数据类型:{$type}
- 工区/项目名称:{$title}
- 数据描述/关键参数:
{$text}

# Steps (Internal Processing - Do Not Output)
1. **地质背景分析**:根据输入描述,推断目标区域的储层特征(如碳酸盐岩缝洞型、孔隙型等)。
2. **张量构建策略**:设计适合该数据的张量模型(如空间-空间-时间或频率域张量)。
3. **算法核心逻辑**:规划Tucker分解的具体步骤,包括核心张量的截断策略和因子矩阵的物理意义。
4. **异常提取机制**:定义如何利用重构误差或核心张量特征来分离缝洞异常与背景地质体。

# Output Format
请将生成的方案以如下层级列表形式输出(直接输出内容,不要包含开场白):
1 数据预处理方案
1.1 去噪与信号增强策略
1.2 数据归一化与振幅补偿
2 三维张量模型构建
2.1 张量维度定义 (Inline/Crossline/Time)
2.2 元素物理属性映射
3 Tucker分解算法实施
3.1 核张量分解与截断
3.2 因子矩阵的地质解释
4 缝洞异常特征提取
4.1 基于核心张量的异常量化公式
4.2 缝洞边界与内部充填识别
5 应用效果评估与优化
5.1 参数敏感性分析
5.2 调参建议与预期效果

用户输入:
{user_input}
01

复制提示词

点击面板右上角复制按钮,整段模板会原样进入剪贴板。

02

粘贴到 AI 工具

支持 ChatGPT、豆包、Kimi、通义等。粘贴后把结尾的 {user_input} 换成具体需求。

03

生成内容

描述主题、章节、方法或技术点,即可获得更贴近场景的输出。

已复制到剪贴板