[發(fā)明專利]基于固有特征分析的三維體波形分類方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201610817856.7
• 申請(qǐng)日: 2016-09-13
• 公開(kāi)（公告）號(hào): CN106650766A
• 公開(kāi)（公告）日: 2017-05-10
• 發(fā)明（設(shè)計(jì)）人: 錢峰;孫小田;胡光岷
• 申請(qǐng)（專利權(quán)）人: 電子科技大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62
• 代理公司: 成都宏順專利代理事務(wù)所(普通合伙)51227
• 代理人: 周永宏,王偉

技術(shù)領(lǐng)域

本發(fā)明屬于三維體波形分類技術(shù)領(lǐng)域，特別涉及一種基于固有特征分析的三維體波形分類方法。

背景技術(shù)

三維體波形分類技術(shù)是以地震解釋層位為基準(zhǔn)，沿給定的上下時(shí)窗從三維地震數(shù)據(jù)中截取數(shù)據(jù)體，對(duì)該數(shù)據(jù)體對(duì)應(yīng)的波形進(jìn)行預(yù)處理及特征選擇來(lái)建立樣本集，并對(duì)該樣本集進(jìn)行訓(xùn)練以建立合適有效的分類器，將目的層段的地震道波形進(jìn)行分類，達(dá)到劃分地震相的目的。由于相同的波形對(duì)應(yīng)的是相同的地震相，不同的波形對(duì)應(yīng)的是不同的地震相，所以對(duì)波形進(jìn)行分類的過(guò)程也是進(jìn)行地震相劃分的過(guò)程。劃分的結(jié)果是屬于同一個(gè)簇中的波形相似度較高，而不同簇中的波形相似度較小，不同的簇對(duì)應(yīng)不同的波形類別，最終達(dá)到區(qū)分不同波形的目的。根據(jù)劃分結(jié)果可以識(shí)別地震相單元，分析和解釋得到的地震相圖，識(shí)別區(qū)域沉積相和沉積體系，并進(jìn)行儲(chǔ)層的預(yù)測(cè)。波形分類技術(shù)廣泛應(yīng)用于各個(gè)領(lǐng)域，對(duì)科技的發(fā)展和人們的日常生活都產(chǎn)生了很多積極的影響。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種通過(guò)對(duì)地震數(shù)據(jù)進(jìn)行IFA降維處理，能在降低特征之間的冗余度、減小數(shù)據(jù)量的同時(shí)，保留最具有區(qū)分性的特征，能更有效地區(qū)分出不同的波形，有效地提高波形分類結(jié)果的準(zhǔn)確率的基于固有特征分析的三維體波形分類方法。

本發(fā)明的目的是通過(guò)以下技術(shù)方案來(lái)實(shí)現(xiàn)的：基于固有特征分析的三維體波形分類方法，包括以下步驟：

S1、沿解釋層位截取數(shù)據(jù)體，獲得原始數(shù)據(jù)；

S2、對(duì)原始數(shù)據(jù)采用結(jié)構(gòu)導(dǎo)向?yàn)V波方法進(jìn)行去噪處理；

S3、對(duì)去噪處理后的數(shù)據(jù)進(jìn)行IFA特征降維處理；

S4、對(duì)降維后的數(shù)據(jù)進(jìn)行SOM聚類；

S5、利用SOM聚類數(shù)據(jù)生成波形分類相圖。

進(jìn)一步地，所述步驟S2包括以下子步驟：

S21、采用了梯度結(jié)構(gòu)張量來(lái)對(duì)原始三維體數(shù)據(jù)進(jìn)行特征提取，定義梯度結(jié)構(gòu)張量為：

其中，u(n)為原始三維體數(shù)據(jù)，x、y、z分別表示三維體數(shù)據(jù)三個(gè)維度上的坐標(biāo)；

S22、根據(jù)區(qū)域結(jié)構(gòu)性信息設(shè)計(jì)擴(kuò)散矩陣：

v₁、v₂、v₃分別表示當(dāng)下迭代時(shí)的梯度結(jié)構(gòu)張量的特征值對(duì)應(yīng)的特征向量；

S23、設(shè)立連續(xù)性因子：

ε的值域?yàn)閇0,1]，在平滑區(qū)域接近1，在圖像邊緣區(qū)域接近0；S⁰代表初始的(也就是進(jìn)行迭代濾波前的)梯度結(jié)構(gòu)張量矩陣；S_ρ代表當(dāng)下迭代時(shí)的梯度結(jié)構(gòu)張量；Tr(·)表求括號(hào)內(nèi)的矩陣的跡，即求主對(duì)角元素的和；

S24、根據(jù)擴(kuò)散方程進(jìn)行迭代濾波，得到濾波后的三維體數(shù)據(jù)u(n+1)：

G_σ為一個(gè)方差為σ的高斯濾波函數(shù)；表示梯度；Δt表示迭代步長(zhǎng)；表示求解的散度。

進(jìn)一步地，所述步驟S3具體實(shí)現(xiàn)方法為：將步驟S2濾波的到的三維體數(shù)據(jù)u(n+1)作為IFA特征降維的待分類樣本的原始高維特征集其中，i表示樣本序號(hào)，n表示樣本總數(shù)，d表示樣本的原始特征維度；設(shè)表示降維之后的特征集，其中，d'表示降維之后的特征維度，d＜＜d'；則IFA的問(wèn)題表述為：求解一組非線性函數(shù)將X映射到低維度空間X'；

具體包括以下子步驟：

S31、構(gòu)建一個(gè)k最近鄰圖，k最近鄰圖是一個(gè)無(wú)向有權(quán)圖，并計(jì)算k最近鄰圖的拉普拉斯矩陣L；

S32、求解下式中的廣義特征值問(wèn)題，得到最小的d'個(gè)特征值對(duì)應(yīng)的特征向量集

(I+εLK)α＝λKα；

其中，I∈R^n×n，是一個(gè)單位矩陣；K是定義在原始高維特征集X上的格拉姆矩陣，其元素K_i,j＝K(x_i,x_j)；

S33、將求得的特征向量集代入下式，求解非線性映射函數(shù)：

v表示出訓(xùn)練樣本外的新樣本；

S34、通過(guò)步驟S33求得的非線性映射函數(shù)將原始高維數(shù)據(jù)映射到低維空間R^d'中。

進(jìn)一步地，所述步驟S4實(shí)現(xiàn)方法為：實(shí)現(xiàn)SOM聚類的目標(biāo)函數(shù)如下所示：

其中，m是任何比1大的實(shí)數(shù)，x_i是第d維數(shù)據(jù)，U_ij是x_i在簇j中的度，C_j是簇的d維中心；

簇的中心點(diǎn)的計(jì)算公式如下：