[發明專利]井控稀疏表征大規模譜聚類地震相劃分方法

有效

• 申請號: 201811010363.8
• 申請日: 2018-08-31
• 公開（公告）號: CN109272029B
• 公開（公告）日: 2022-02-22
• 發明（設計）人: 王峣鈞;李昊陽;胡光岷
• 申請（專利權）人: 電子科技大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F17/16
• 代理公司: 成都虹盛匯泉專利代理有限公司 51268
• 代理人: 王偉

本發明公開了一種井控稀疏表征大規模譜聚類地震相劃分方法，包括以下步驟：S1、輸入測井數據和測井數據所對應的巖相標簽；S2、輸入地震數據所得屬性體，對該數據按照地震數據采樣方式進行網格化，將網格化坐標進行隨機采樣，得到k個采樣點及其對應的屬性曲線；S3、以測井數據作為標簽數據，采用支持向量機或神經網絡方法訓練分類器；S4、以隨機選擇點和測井數據點作為地標點，進行基于地標點的譜聚類操作，可得到井控譜聚類地震相劃分結果。本發明在基于地標點的大規模數據譜聚類方法中，通過加入測井(鉆井)數據作為地標點，可以明確譜聚類方法應用于地震相劃分的地質含義，提高地震相劃分精度。

技術領域

本發明屬于石油勘探技術領域，特別涉及一種井控稀疏表征大規模譜聚類地震相劃分方法。

背景技術

油藏描述的核心技術是隨機建模。隨機建模就是利用計算機，以地質統計學為基礎，結合三維可視化技術，將儲層的空間結構真實的展示出來。由于測井數據、地震資料等原始數據的局限性，使得對地下的復雜結構的認知具有一定程度的不確定性。

傳統的地質建模技術以測井數據為核心，輔以地震資料、層位解釋數據等，在建立合適的變差函數之后使用序貫模擬、指示模擬等方法建立隨機模型。若在此過程中運用地震相分析技術提前對區域進行分類，在不同地震相區域上單獨建模，并且充分利用測井數據和地震資料，就可以更好的反映真實的地質情況。

譜聚類方法是近年來一種流行的機器學習聚類方法，對數據可以進行有效的聚類。譜聚類方法應用于對地震相的分類，可以取得與實際地震資料吻合的結果。因此有足夠理由相信，譜聚類方法將成為地震相劃分技術中一種重要、有效的方法。但是地震相劃分中如果直接采用譜聚類方法不具有直觀的地質意義，難以解釋。

發明內容

本發明的目的在于克服現有技術的不足，提供一種在基于地標點的大規模數據譜聚類方法中，通過加入測井(鉆井)數據作為地標點，可以明確譜聚類方法應用于地震相劃分的地質含義，提高地震相劃分精度的井控稀疏表征大規模譜聚類地震相劃分方法。

本發明的目的是通過以下技術方案來實現的：井控稀疏表征大規模譜聚類地震相劃分方法，包括以下步驟：

S1、輸入測井數據和測井數據所對應的巖相標簽；

S2、輸入地震數據所得屬性體，對該數據按照地震數據采樣方式進行網格化，將網格化坐標進行隨機采樣，得到k個采樣點及其對應的屬性曲線，隨機采樣點不包含井點所在位置；

S3、以測井數據作為標簽數據，采用支持向量機或神經網絡方法訓練分類器，并將該分類器用于對前述步驟隨機選擇點位置提取出的曲線進行分類操作；

S4、以隨機選擇點和測井數據點作為地標點，進行基于地標點的譜聚類操作，可得到井控譜聚類地震相劃分結果。

進一步地，所述步驟S4具體實現方法為：選擇一定數量代表性數據點作為地標，并將原始數據點表示為這些地標的稀疏線性組合；然后利用基于地標的稀疏表示來高效地計算譜聚類中的特征向量從而加速譜聚類；具體包括以下子步驟：

S41、設計具有如下屬性的鄰接矩陣：W＝Z^TZ，其中Z∈R^p×n是稀疏的且p遠小于n；

S42、導出Z，在O(p³+p²n)中計算圖拉普拉斯矩陣的特征向量；Z的每一列都是原始輸入相對于新基向量組U的p維表示；因此，W＝Z^TZ是用新的表示法表示的數據X＝UZ的相似矩陣；

S43、對于任一數據點,近似表示成

其中u_j是U矩陣的第j個列向量，z_ji是矩陣Z的第j行i列的元素；用下式計算z_ji,