基于各向异性的非平稳建模方法

摘要

本发明公开了一种基于各向异性的非平稳建模方法，利用不同方向变差函数变程组合的玫瑰花图定量表征训练图像的局部各向异性，结合经典多维尺度分析和K‑means聚类分析对非平稳训练图像进行自动分区，各子区域相互独立，分区内运用传统平稳性多点建模算法模拟，最终实现非平稳性建模。因此，相比SIMPAT算法，本发明可以很好利用非平稳性训练图像进行多点地质统计建模。

主权项

一种基于各向异性的非平稳建模方法，其特征在于：包括以下步骤：1)输入训练图像，定义局部区块的尺寸；2)使用局部区块扫描训练图像，计算所有的局部区块的玫瑰花图，构建玫瑰花图库；3)计算玫瑰花图库中两两间的曼哈顿距离，构建距离矩阵；4)采用经典多维尺度分析对距离矩阵进行降维，得到玫瑰花图库的二维感知图；5)对步骤4)中的二维感知图进行K均值聚类分析，将其分成多个类簇；6)创建与训练图像尺寸相同的分区网格，把多个类簇结果作为子区域标记赋给分区网格；7)结合分区网格，以数据样板扫描训练图像，创建分区样式数据库；8)针对训练图像创建随机访问路径；9)访问随机路径，若随机路径有未模拟过的节点，则进入下述步骤10)的路径，或，否则直接进入下述步骤14)的路径；10)用数据样板扫描模拟实现得到节点处的数据事件；11)结合分区网格和分区样式数据库，得到节点处的子区域样式数据库；12)比较数据事件与子区域样式数据库里曼哈顿距离最小的数据样式；13)用数据样式整体覆盖并冻结节点处的数据事件，返回上述步骤9)的路径；14)模拟结束，输入模拟实现。