[發明專利]基于半監督分類的二維地震數據全層位追蹤方法無效

申請號：	201210311613.8	申請日：	2012-08-29
公開（公告）號：	CN102819688A	公開（公告）日：	2012-12-12
發明（設計）人：	錢峰;涂先見;姚興苗;胡光岷	申請（專利權）人：	電子科技大學
主分類號：	G06F19/00	分類號：	G06F19/00
代理公司：	成都行之專利代理事務所(普通合伙) 51220	代理人：	溫利平
地址：	611731 四川省成***	國省代碼：	四川;51
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	基于監督分類二維地震數據層位追蹤方法
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

技術領域

本發明涉及一種基于半監督分類的二維地震數據全層位追蹤方法。

背景技術

地震資料解釋是地質勘探非常重要的一個環節，是了解地質構造的唯一路徑，而層位追蹤是地震資料解釋的核心部分之一。長期以來地震層位的追蹤與拾取依靠人工實現，耗費了大量的人力，是影響地震資料解釋效率的關鍵問題；同時人工的追蹤與拾取因為效率問題，只能對少數目地層位進行解釋，無法實現對所有層位的追蹤，通常難以為精細的地震資料分析（如地震地層學解釋）提供基礎數據。依據地震層位的相似性，使用計算機進行自動層位拾取是一項非常具有挑戰性的工作，近年來受到勘探地球物理學界的廣泛關注與重視，獲得了可喜的進步。

但是，現有方法存在如下問題：

一、不能適應復雜地質環境：比如說P.Alberts等（2002）提出了一種基于人工神經網絡層位追蹤算法，主要將跨斷層等不連續地質結構的層位追蹤問題視為模式識別的問題，然后采用神經網絡進行模式識別。Reda?Benbernou等(2007)年在P.Alberts的工作基礎上，采用模糊手段進行判決，組成混合的層位自動追蹤方法。M.Aurnhammer等（2002）提出了一種遺傳算法層位追蹤算法，其具體思路是采用基于模型的方法來處理跨越斷層的問題，然后將問題轉化為約束最優化的問題，然后使用遺傳算法來求解。F.Admasu等（2004）采用了模擬退火的方法來解約束最優問題，F.Admasu等（2006）討論了貝葉斯方法求解約束最優化問題。F.Admasu等（2006）將子波變換引入了層位追蹤問題中，先將地震數據小波多尺度分解，然后再進行層位追蹤，采用方法依然是貝葉斯方法。Yingwei?Yu等（2011）使用定向矢量場獲得層位極值信息，將目標層位建模為無向連通圖，然后使用最小生成樹獲得目標層位，但這樣思路并不能進行全層位追蹤。P.Alberts和Reda?Benbernou的神經網絡方法跨越復雜地質環境能力與訓練樣本狀況密切相關，如果訓練樣本包含這種復雜地質狀況，則能很好追蹤，否則不能。而且訓練樣本獲得需要大量人工干預標示。M.Aurnhammer和F.Admasu的模型方法存在的問題：一是對復雜地質狀況的逼近程度；二是求解方法求解精度和次優解問題。

二、需要人工干預：比如說Hilde?G.Borgos等（2005）引入基于有限混合高斯的全層位追蹤算法，由于將層位追蹤轉化為分類問題，所以不存在跨斷層問題，能適合復雜的地質環境。但是Hilde?G.Borgos方法主要采用有監督和聚類算法進行分類。有監督分類算法存在的問題是需要大量人工標識的訓練樣本，聚類算法存在的問題是需要對聚類團進行手工標識以確定屬于哪個層位。

與本發明相關的現有技術包括：

1.有監督分類

有監督分類器主要有最大似然和貝葉斯分類器。有監督分類器使用大量的手工標識的數據進行訓練，然后用未標識的數據來測試其性能，分類器具有很高的分類精度。

2.無監督分類

在無監督分類方法中，主要采用軟聚類（概率模型）、硬聚類方法（均值和最鄰近）和樹聚類。但是聚類算法有一個最大缺陷是對聚類團進行類的標識是非常困難的。

無監督分類方法比有監督分類方法具有以下優點：1）能夠產生新的聚類以適應新產生的應用；2）不需要標識樣本數據。反之來看有監督分類方法與無監督分類方法相比也有其優點：1）具有更高的分類精度；2）可以區分更多類型。

發明內容

為了克服現有技術的上述缺點，本發明提供了一種基于半監督分類的二維地震數據全層位追蹤方法，既能適應復雜地質環境又不需要人工干預，不需要像有監督分類一樣需要標示大量訓練樣本，又通過少量種子點的預先設定，獲得比聚類算法更高的分類精度和自動化程度。

本發明解決其技術問題所采用的技術方案是：一種基于半監督分類的二維地震數據全層位追蹤方法，包括如下步驟：

步驟一、查找極值點進行波形擬合，并對種子點進行設定；

步驟二、通過基于半監督分類算法的特征選擇算法獲得最優化特征參數，同時獲得對應的聚類效果；

步驟三、再用步驟一標示的種子點自動標示聚類團屬于具體哪一個層位。