[發明專利]一種基于無監督神經網絡的火山通道識別方法

有效

• 申請號: 202010816088.X
• 申請日: 2020-08-14
• 公開（公告）號: CN112034515B
• 公開（公告）日: 2023-02-24
• 發明（設計）人: 李福強;明君;夏同星;李久;趙海峰;陳華靖;白清云;甄宗玉;劉豪杰;周建科
• 申請（專利權）人: 中國海洋石油集團有限公司;中海石油（中國）有限公司天津分公司
• 主分類號: G01V1/30
• 分類號: G01V1/30;G06N3/04;G06N3/08
• 代理公司: 天津三元專利商標代理有限責任公司 12203
• 代理人: 孫兵

1.一種基于無監督神經網絡的火山通道識別方法，其特征在于,包括以下步驟：

地震屬性處理步驟：提取對火山通道敏感的地震屬性，并對各地震屬性進行歸一化處理；

提取樣本點步驟：從原始地震剖面上選出具有明顯火山通道和非火山通道地震反射特征的區域，并選取區域內的點作為樣本點，提取樣本點對應的歸一化處理以后的地震屬性；

獲取最佳地震屬性步驟：采用迭代自組織聚類方法對樣本數據類型進行分類判別，優化樣本訓練數據；將迭代自組織聚類方法與對向傳播神經網絡進行融合，組合成無監督智能學習模型；并利用該無監督智能學習模型得到刻畫火山通道的最佳地震屬性；

火山通道識別步驟：把新生成的最佳地震屬性應用于全區，進而刻畫出整個區域火山通道的縱向剖面分布范圍；

所述地震屬性包括曲率、方差、螞蟻體、傾角、方位角、紋理屬性；

所述地震屬性處理步驟中的歸一化處理公式為；

其中，x_i*為各地震屬性，x_i*^*為歸一化后的地震屬性，i*表示地震屬性樣本序號，n表示總樣本數；

還包括：從原始地震剖面上選出具有明顯火山通道和非火山通道地震反射特征的區域；同時，選取區域內P個點作為樣本點，并提取樣本點對應的歸一化處理以后的地震屬性利用迭代自組織聚類方法進行數據分析；通過多次迭代，逐次更新后，得到樣本數據的最佳聚類效果，實現樣本數據的無監督分類判別；還包括：把無監督分類判別的樣本數據作為對向傳播神經網絡的輸入數據；此時，假定輸入層有N個神經元，競爭層有Q個神經元，輸出層有M個神經元；則樣本點的輸入模式為對應的競爭層輸出向量為輸出層輸出向量為目標輸出向量為其中k＝1,2,...P；輸入層與競爭層之間的連接權值為W_j＝(w_j1,w_j2,...w_jN)，j＝1,2,...Q；競爭層與輸出層之間的連接權值為V_l＝(v_l1,v_l2,...v_lQ,)，l＝1,2,...M；該方法如下：

(1)把第k個樣本點輸入模式提供給網絡輸入層；

(2)把連接權值W_j進行歸一化處理：

(3)競爭層中各神經元加權輸入和為：

(4)計算連接權值W_j與A_k距離最近的向量W_g：

此時，神經元g為獲勝神經元，其輸出設定為1，其余競爭神經元輸出為0：

(5)修正向量W_g如下：

(6)把向量W_g重新歸一化處理；

(7)修正競爭層到輸出層的連接權值V_l，公式如下：

v_li(t+1)＝v_li(t)+βb_j(c_l-c'_l)，l＝1,2,...,M，0＜β＜1，j＝1,2,...Q(7)

由步驟(4)，公式(7)可以簡化為：

v_lg(t+1)＝v_lg(t)+βb_j(c_l-c'_l)，l＝1,2,...,M，0＜β＜1，β為學習速率(8)

此時，調整了獲勝神經元g到輸出層神經元連接權重V_g；

(8)輸出神經元的實際輸出值為：

(9)返回步驟(1)，直到把P個樣本點的輸入模式A_k全部輸入；

(10)置t＝t+1，把A_k重新提供給網絡學習，直到t＝T,神經網絡訓練的結果收斂為止，T＞5000效果較好；此時，獲得了能夠反映火山通道空間展布特征的最佳地震屬性。