[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

技術領域

本發明總體來說涉及地震資料解釋領域。更具體地講，涉及一種獲取地震相最佳分類數目的方法。

背景技術

基于地震信號的波形分類處理是地震解釋人員進行地下儲層和地層結構分析的重要手段。合理且準確的地震信號波形分類結果能夠真實地反映地下儲層和地層結構構造，從而有利于地震解釋人員對地下構造進行準確的構造解釋。通常，波形分類處理的常用方式是基于地震道的形狀變換將地震數據的樣點值的變化轉換成地震道形狀的變化，由于地層的任何物性參數的變化總是反映在地震道波形形狀的變化上，因此，這些變化可指示目標區域內的地震信號形狀的多樣性，如果將波形相似的地震道歸為一類，波形不同的歸為不同的類，那么可通過圖上顏色的分布來真實地反映地下儲層和地層結構構造。

“相”(facies)的本意指“面貌”或“特征”，而“地震相”反映的是地震反射的面貌或特征，通常以地震反射的振幅、頻率、連續性及反射結構等參數作為地震相的定義依據。地震相分析即是對這些反射參數的進行識別、描述和地質解釋。地震相分析的目的是，以層序或體系域為單位，確定地震層序或體系域內部地震反射參數的變化，以便確定沉積相或流體性質的橫向變化。

傳統的地震相分析大多采用定性的人工識別方法，對地震相進行分類和填圖，稱之為“相面法”。近年來，隨著地震屬性分析、神經網絡等方法的引入，地震相分析向定量化方向發展。現有的基于神經網絡的地震相識別方法通常采用的是自組織映射的神經網絡(SOM)、曼哈頓距離等聚類分析方法，算法中模擬人腦思維，識別不同目標的特征，并且使得有可能與其它相似的種類保持關系。因此，能夠對地震波形自行自動識別與劃分，并且能較好地解決了地震相識別問題，而在地震資料解釋過程中，不僅要實現地震相的自動分類還要提供地震相的分類數目，但是，現有的聚類算法無法確定地震相的最佳分類數目。

發明內容

本發明示例性實施例的目的在于提供一種獲取地震相最佳分類數目的方法，根據所述方法，能夠克服現有的聚類算法無法確定地震相的最佳分類數目的缺陷。

根據本發明的示例性實施例，提供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。

可選地，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。

可選地，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。

可選地，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。

可選地，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，學習率函數和鄰域函數隨著迭代次數衰減；(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。

可選地，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。