[發明專利]獲取地震相最佳分類數目的方法

有效

• 申請號: 201610059117.6
• 申請日: 2016-01-28
• 公開（公告）號: CN105510970B
• 公開（公告）日: 2017-10-03
• 發明（設計）人: 陳小二;何光明;范昆;何曉勇;徐敏;唐浩;羅晶;徐姣;夏銘
• 申請（專利權）人: 中國石油集團川慶鉆探工程有限公司地球物理勘探公司
• 主分類號: G01V1/30
• 分類號: G01V1/30
• 代理公司: 北京銘碩知識產權代理有限公司11286
• 代理人: 韓明星,蘇銀虹

1.一種獲取地震相最佳分類數目的方法，包括：

(A)提取地震信號的波形特征值；

(B)根據地震信號的波形特征值確定地震信號的多尺度奇異性特征；

(C)將多個預設地震相聚類組數目中的每個預設地震相聚類組數目作為無監督聚類的聚類數目，針對每個預設地震相聚類組數目，分別對所述地震信號的多尺度奇異性特征進行無監督聚類，以獲取在每個預設地震相聚類組數目下的地震相聚類結果；

(D)基于所述地震相聚類結果，通過K均值聚類算法對所述地震相聚類結果進行處理，以得到地震相的最佳分類數目。

2.如權利要求1所述的方法，其中，所述地震信號的波形特征值指示反映地震波波形形狀的特征值。

3.如權利要求1所述的方法，其中，步驟(B)包括：對所述地震信號的波形特征值進行離散小波變換，將變換后得到的地震信號的模極大值連線的幅值作為地震信號的多尺度奇異性特征。

4.如權利要求1所述的方法，其中，步驟(C)包括：將多個預設地震相聚類組數目中的每個預設地震相聚類組數目作為無監督聚類的聚類數目，針對每個預設地震相聚類組數目，分別利用自組織神經網絡算法對所述地震信號的多尺度奇異性特征進行無監督聚類，以獲取每個預設地震相聚類組數目下的所述地震信號的多尺度奇異性特征的聚類組，其中，每個聚類組包括多個成員。

5.如權利要求4所述的方法，在步驟(C)中，通過以下步驟獲取任意一個預設地震相聚類組數目下的所述地震信號的多尺度奇異性特征的聚類組：

(C1)初始化自組織神經網絡，其中，所述自組織神經網絡包括多個神經元，對每個神經元隨機初始化參考權值向量，給定學習率函數的初值和初始鄰域尺寸；

(C2)提供輸入樣本中的一個時間點的地震信號的多尺度奇異性特征以確定獲勝神經元，其中，所述輸入樣本為地震信號的多尺度奇異向特征，輸入樣本中與所有神經元所對應的參考權值向量的歐式距離最小的神經元為獲勝神經元；

(C3)更新獲勝神經元和其鄰域內其他神經元的權值向量，其中，學習率函數和鄰域尺寸隨著迭代次數衰減；

(C4)重復步驟(C2)至(C3)進行迭代，當滿足最大迭代次數時，無監督聚類過程結束，輸出所述任意一個預設地震相聚類組數目下的所述地震信號的多尺度奇異性特征的聚類組。

6.如權利要求4所述的方法，其中，步驟(D)包括：

(D1)利用所述獲取的每個預設地震相聚類組數目下的所述地震信號的多尺度奇異性特征的聚類組來確定每個預設地震相聚類數目下的K均值聚類評估指標；

(D2)將多個預設地震相聚類組數目下的K均值聚類評估指標中的最小K均值聚類評估指標所對應的地震相預設聚類數目作為地震相最佳分類數目。

7.如權利要求6所述的方法，其中，在步驟(D1)中，通過下面的等式確定一個預設地震相聚類組數目下的K均值聚類評估指標：

DBIK=1KΣp=1Kmaxl≠p(Sp+Sldpl),]]> 1

其中，DBI_K表示在預設地震相聚類組數目為K時的K均值聚類評估指標，S_p表示第p聚類組中的每個成員與第p聚類組的聚類中心的平均距離，S_l表示第l聚類組中的每個成員與第l聚類組的聚類中心的平均距離，d_pl表示第p聚類組的聚類中心與第l聚類組的聚類中心之間的距離。