本发明专利技术公开了一种基于地震多属性参数非线性自动分类的地震相计算方法，找到了合适的初始权值，并依据自组织特征映射神经网络的基本原理，计算精确的地震相。本发明专利技术不仅将自组织特征映射神经网络与地震相的计算结合在一起，同时在选出初始权值的时候做出了重大改进，使学习效率大大提高，另外，由于对地震属性参数通过自组织特征映射神经网络自动分类，也使地震相值的计算精度得到大幅度提高。
【技术实现步骤摘要】
本专利技术涉及一种地震相计算方法，尤其涉及一种基于地震多属性参数非线性自动 分类的地震相计算方法。
技术介绍
地震相这一名词来源于沉积相，Sloss (1962)认为"相是一定岩层生成时的古地 理环境及其物质表现的总和"。因此，地震相可以理解为沉积相在地震剖面上表现的总和。 Mitchum(1977)认为"一个地震相单元是可以制图的单元，该单元的三维地震反射特征与其 相邻单元不同"。其常用的地震参数（如反射结构、振幅、连续性、频率和层速度）与相邻单 元不同，它代表产生其反射沉积物的一定岩性组合、层理和沉积特征。 根据Brown (1980)对地震相的认识可知地震相内的反射层代表地层层面、有地层 意义的不整合面或可能的流体接触面。总之，地震相是由特定地震反射参数所限定的三维 空间中的地震反射单元，它是特定沉积相或地质体的地震响应。因此，地震相是地下地质体 的一个综合反映。而地震相分析技术则是"根据地震资料解释环境背景和岩相"，其目的就 是进行区域地层解释，确定沉积体系，岩相特征和解释沉积发育史，最后预测有利生油区和 储集相带。 地震相分析是20世纪70年代末发展起来的一种利用地震资料进行地质解释的地 质方法。随着地震勘探技术的飞跃发展和地震相分析工作的不断深入，研究方法越来越多。 传统的地震相划分方法是通过肉眼观测来对其进行描述，俗称"相面法"，具有很大的主观 性和不确定性。随着地震资料采集技术的不断提高，使得地震剖面上包含的地震信息更加 丰富，而其中许多有用的地震信息光靠肉眼在剖面上观测是检测不出来的，必须借助地震 数据处理技术和计算机技术对其加以提取、分析。因此出现了地震多属参数分析法，根据采 用的核心运算不同，又的主成份分析、聚类分析法、神经网络分析法、遗传算法等等多个分 支。近年来国外比较流行的地震相分析方法主要有波形分类法、地震地貌学成像法、地震属 性特征映射法、时频分析法等方法。 (1)波形分类地震相分析 传统的地震相分析方法是利用地震反射振幅强弱、连续性好坏、频率高低、反射几 何外形和内部结构等属性编制地震相图，进行地震相向井间沉积相的转换。这种方法人为 性较大，具有一定的不确定性，其精度很难满足隐蔽油气藏勘探开发对沉积（微）相研究的 需要。而利用地震波形特点进行地震相分类能够消除利用单一地震属性参数分析带来的局 限性，可以满足勘探阶段对沉积微相和隐蔽油气藏研究的需求，是解决井间沉积（微）相的 一种先进的解释辅助工具，在三维工区具有良好的应用前景。 波形分类地震相分析由于应用地震属性计算、反演等传统地震属性技术往往丢失 两类基本信息：地震信号的总体变化及其变化的规律。波形分类地震相分析采用神经网络 和模式识别技术，对某一层段内的实际地震数据道逐道对比其波形特征和地震属性特征， 细致刻画其横向变化，从而得到地震异常平面分布规律，即地震波形分类图。 地震波形分类分析主要适用于平行结构、地层厚度变化较小、构造比较简单的地 区，因为在这些地方沿标准层往下或往上开时窗进行波形分类分析时，能保持在等时格架 内不穿越地震道，效果较好。而对于地层厚度变化较大的地区，如盆地边部的楔状地层，由 于不等厚，统一开时窗常常导致穿轴引起的穿时现象，造成研究精度下降。另外，在构造复 杂地区，因影响因素多，最好先进行目标保持振幅处理，以便取得较好的效果。有代表性的 地震相分析系统，即Stratimagic地震相划分软件进行地震相分析。 利用地震波形分类进行定量地震相分析有以下3个突出特点：一是无需井资料； 二是能够快速地对整个数据进行快速扫描，确定具有异常特征的目的区域后再进行更细的 研究工作；三是与传统地震相分析相比，增强了定量性与客观性。但是利用地震相研究和预 测砂体时存在多解性，必须结合钻井地质成果才能进行正确解释。 波形分类法是以波形变化来区分不同沉积相带，适合较大范围以及大的沉积相带 的划分，其主要影响因素是分类数的确定及地震资料的品质，缺乏一定的人机干预，会给解 释带来一定的困难。 (2)基于地貌学的自动化地震相分析 地震地貌学主要是利用地震资料恢复古沉积背景下的地貌特征的研究 (Posamentier，2001)。在基于地貌学的自动化地震相分析中，地震相被定义为在一个正常 地震采样率（如4ms)条件下，被局限在地震薄层中沉积相的地震描述，这使得地震相分析 不同于传统更厚层沉积层序的地震相分析。基于地貌学的地震相分析实际上是在地震切片 (岩层切片）上进行。通常是利用神经网络的方法，将地貌特征属性作为输入节点，每个地 震相为输出。其关键是找到能够分别表述不同形态的属性（如大小、方向、线形、曲率等）， 输出的地震相可以利用简单的数字标识。 基于地貌的自动化地震相分析的一个优点是它具有在三维地震体中很快、很详细 追踪沉积（地层）特征的能力，它主要是通过监督性学习来实现。监督性学习包括把实验 沉积相（地质学家根据肉眼观察识别出来的）变成用随意数字（1，2,3等）所标记的相类， 如果结果是满意的，通过实验学到（获得）的准则能够适用于整个地震数据组，实现自动化 的沉积相制图。 基于地貌学的地震相划分法，对于地震反射特征相近的沉积相能够较好的区分。 地震地貌法实际上是在地震切片（岩层切片）上利用神经网络的方法，将地貌特 征属性（如大小、方向、线形、曲率等）作为输入节点，每个地震相为输出。基于地貌学的地 震相划分法，对于地震反射特征相近的沉积相能够较好的区分。 (3)地震结构属性映射法地震相分析 地震结构属性最早由Love和Simaan(1984)提出，其主要假设层段的地震信号特 征反映了该段的地质环境，另外还需要具有较高的信噪比和标准化的地层模式。地震反射 是地质特征通过子波反射的声波表达，是在三维空间中一个小的区域里所有子波反射的综 合反映。地震结构属性（seismic texture)就是对相邻道间振幅、厚度和地层结构等空间 变化的指示，它同样通过地震反射表征沉积相带。地震结构属性的空间变化需要通过一定 的时窗来实现，时窗大小可以根据主频及研究目的层的大小来选择。 地震结构属性法是通过描述一个小空间内的振幅、频率和连续性的地震反射特征 来识别不同的沉积相带，具有较高的岩石物理基础，通过给定的模式可以得到一个三维的 地震相分布。 利用地震结构属性划相要优于单一的地震属性分析，因为它可以综合多种的地震 反射特征，比如一个弱振幅低频反射具有平滑（均一性）高的特征；高频低连反射具有差异 性较高的特征；低相干弱振幅和杂乱反射的熵特征要比强振幅高连高相干反射。该方法通 过振幅和波形特征来提取属性，具有较高的物理基础，同时需要解释人员提供一定的地质 模型，比波形分类具有较好的人机交互性。 (4)采用时频分析技术的地震相分析 早期应用于傅氏变换后获得的"三瞬剖面"来进行地震相的描述。由于时-频时窗 的固定不变，不能适应不同地质环境造成地震频率变化，因此又出现了短时窗傅里叶变换、 Gabor变换、Cohen类时频分析等，但这些变换又受所取时窗类型的影响。为此出现了小波 变换。小波变换解决了时-频时窗的固定性，可在低频时选用大时窗，而高频时选用小时窗 进行分析。具有"时频放大镜"的作用，同时又具有多分辨率特征本文档来自技高网...
【技术保护点】
一种基于地震多属性参数非线性自动分类的地震相计算方法，其特征在于：包括以下步骤，(1)根据地质资料，建立沉积相种类；(2)沿地震道的目的层时窗内提取多种地震属性参数Xij，其中j为地震道号,j＝1,2,…N，i为属性号；所述地震属性参数包括：峰度系数、偏度系数、标准差、均方根振幅、平均能量、总能量、平均振幅、方差、偏度、峰度、平均反射强度、平均瞬时频率、平均瞬时相位、反射强度斜率和瞬时频率斜率；(3)根据以下公式将提取的地震属性参数标准化以消除量纲差异；其中，其中j为地震道号,i为属性号，Xij*为标准化后的地震属性参数，Xij为原始属性值，Xi min为属性最小值，Xi max为属性最大值；(4)将标准化后的地震属性参数，通过K‑L变换进行降维处理，得到降维后的参数；(5)根据降维后的参数个数，采用与标准化后的地震属性参数Xij*对应的贡献值Pm做为初始权值Wj；(6)计算地震相，具体方法为：第一步：建立地震相分类计算公式：式中：j＝1,2,…N，代表沉积相种类，Xij为输入后的压缩参数，Wj为自组织神经网络自动训练分类后最终权值；第二步：根据自组织特征映射竞争学习算法，获取地震属性参数的最终权值Wj*；第三步，将第二步中最终权值Wj*，带入第一步公式中，最终得到地震相值Yj。...
【技术特征摘要】
【专利技术属性】
技术研发人员：何建军，李琼，谢日华，杨垚婷，刘阳，王莉，胡娟，
申请(专利权)人：成都理工大学，何建军，
类型：发明
国别省市：四川;51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。