一种地震波形聚类方法与装置制造方法及图纸

本发明专利技术涉及一种地震波形聚类方法与装置，属于地震勘探基础应用领域。本发明专利技术充分利用了同步挤压变换方法，在将地震数据分解为固有模态函数分量的过程中，针对不同地震数据、不同层段的频谱特征，自定义固有模态分量的个数和频带范围；对固有模态分量优化处理，对噪音多的高频分量不再直接遗弃，而是进行去噪处理。分解算法和分量处理思路的改进，有助于更好的保留或加强关键性信息，去除噪音和冗余信息。同时能提供有效的质量监控，重构过程中筛选/丢弃的分量和重构地震数据体均能成图进行质量监控，检查去除的分量是否都为噪音或冗余信息，主体频带信息是否保留，大幅提高了波形聚类的可靠性。

A clustering method and device for seismic waveform

【技术实现步骤摘要】
一种地震波形聚类方法与装置
本专利技术属于地震勘探基础应用领域，具体涉及一种地震波形聚类方法与装置。
技术介绍
地震波形是一种综合属性参数，包含了振幅、频率、相位、几何形状等信息，用于聚类分析可以更为可靠地反映真实的地下地质情况；但是同样地震波形也包含了很多噪音和冗余信息，导致聚类结果受噪音干扰严重，分辨率较低。无监督地震波形聚类是一种应用广泛的地震相分析方法，在地震沉积相分析和储层预测中发挥重要作用，常用的方法是将地震波形输入到自组织神经网络(Self-OrganizingMap，SOM)中进行学习(Learning)然后聚类。作者Matos等人提出了一种基于小波变换的无监督地震相分析方法(GEOPHYSICS，2007，VOL.72，NO.1，P：9-21)。该方法首次将时频技术应用到了模式识别系统中，利用了WTMMLA(WaveletTransformModulusMaximaLineAmplitudes)变换对地震信号的奇点进行了表征，再将整个WTMMLA曲线作为输入数据进行SOM波形聚类，以提高聚类结果的解释容错性。该方法在模型实验中展示了较高的容忍解释错误的能力，但由于用WTMMLA曲线替代了地震数据，大幅度减少了地震数据的原有信息，聚类结果可靠性差，在实际地震数据中的应用效果不明显。作者Saraswat和Sen提出了一种基于AIS的地震相分析方法(GEOPHYSICS，2012，VOL.77，NO.4，P：45–53)，该方法利用AIS(ArtificialImmuneSystem)对地震数据进行了大幅度的缩减，去除地震数据的噪音和冗余信息，再将缩减以后的地震数据用于聚类分析，聚类结果不容易受到噪音和冗余数据的影响。该方法在实际地震数据(荷兰F3区块)聚类中，表现出较好的抗噪性，但AIS缩减了地震数据50％的信息，在没有质控的情况下很难保证去除的都是噪音和冗余数据，也可能去除掉一些主体频带信息，可靠性差。作者杜浩坤等人提出了一种基于EMD的地震相分析方法(JournalofAppliedGeophysics，2015，NO.112，P：52-61)。该方法利用EMD技术将地震信号分解成有限的、频带范围不同的固有模态函数(IntrinsicModeFunction,IMF)，然后筛选出显示噪音较少、与原始地震信号相关性较高的分量进行重构，最后利用重构数据进行地震波形聚类。该方法具备较好的抗噪效果，但是该方法在对地震数据进行分解的过程中，分量的个数、频带范围由地震数据和算法的收敛条件决定，一般为7-10个分量，导致单个分量的频带范围太窄，与原始剖面存在较大差别，筛选和处理分量时缺乏有效的评判准则；另一方面，在对分量进行筛选时，对于噪音较多的分量都是直接丢弃，这些分量里面可能会包含一些有效信息。所以该方法在分解算法和分量处理思路上存在局限性，影响了聚类结果的可靠性。综上所述，如何在保证可靠性的同时，提高波形聚类的抗噪性和分辨率，是近年来聚类分析一直研究的课题；将时频分析方法应用到无监督地震波形聚类中是最有潜力的研究方向之一，但目前使用的时频分析方法存在各自的局限性，仍需针对地震信号的特性进行改善。
技术实现思路
本专利技术的目的是提供一种地震波形聚类方法与装置，在对地震数据进行预处理时，能够加强质量监控、优化分量筛选思路、去除噪声强点，保证聚类结果的抗噪性和可靠性，解决现有地震波形聚类方法无法同时保证聚类的可靠性和抗噪性的问题。为解决上述技术问题，本专利技术提出一种地震波形聚类方法，包括以下解决方案：方法方案一，包括如下步骤：1)获取目标层地震数据中地震道信号的频带范围，将频带范围划分，至少包括第一设定频带范围和第二设定频带范围；其中，第一设定频带范围为地震道信号的主体频带范围，主体频带范围为振幅能量强度降至最大值的一半时的频带范围；第二设定频带范围为除去第一设定频带范围外、所述目标层地震数据在剖面上保持层状展布特征的频带范围；2)将所述目标层地震数据分解，生成至少两个固有模态函数分量，包括第一固有模态分量和第二固有模态分量，其中，第一固有模态分量的频带范围为所述第一设定频带范围，第二固有模态分量的频带范围为所述第二设定频带范围；3)对第二固有模态分量进行去噪处理，处理后与第一固有模态分量叠加重构，得到重构地震数据体，并对该重构地震数据体进行学习和聚类，得到波形地震相图。方法方案二，在方法方案一的基础上，所述第一设定频带范围是对目标层地震数据进行频谱分析后，获取目标层的主体频带范围；所述第二设定频带范围的上限值为地震道信号的截止频率。方法方案三、四，分别在方法方案一、二的基础上，所述第一设定频带范围是对目标层地震数据进行同步挤压小波变换、获取地震道信号的时频图后，确定的地震道信号的主体频带范围。方法方案五，分别在方法方案一的基础上，采用同步挤压小波变换将所述目标层地震数据分解。方法方案六，在方法方案一的基础上，所述学习为自组织神经网络学习。为解决上述技术问题，本专利技术还提出一种地震波形聚类装置，包括以下解决方案：装置方案一，包括处理器，该处理器用于执行实现以下方法的指令：1)获取目标层地震数据中地震道信号的频带范围，将频带范围划分，至少包括第一设定频带范围和第二设定频带范围；其中，第一设定频带范围为地震道信号的主体频带范围，主体频带范围为振幅能量强度降至最大值的一半时的频带范围；第二设定频带范围为除去第一设定频带范围外、所述目标层地震数据在剖面上保持层状展布特征的频带范围；2)将所述目标层地震数据分解，生成至少两个固有模态函数分量，包括第一固有模态分量和第二固有模态分量，其中，第一固有模态分量的频带范围为所述第一设定频带范围，第二固有模态分量的频带范围为所述第二设定频带范围；3)对第二固有模态分量进行去噪处理，处理后与第一固有模态分量叠加重构，得到重构地震数据体，并对该重构地震数据体进行学习和聚类，得到波形地震相图。装置方案二，在装置方案一的基础上，所述第一设定频带范围是对目标层地震数据进行频谱分析后，获取目标层的主体频带范围；所述第二设定频带范围的上限值为地震道信号的截止频率。装置方案三、四，分别在装置方案一、二的基础上，所述第一设定频带范围是对目标层地震数据进行同步挤压小波变换、获取地震道信号的时频图后，确定的地震道信号的主体频带范围。装置方案五，分别在装置方案一的基础上，采用同步挤压小波变换将所述目标层地震数据分解。装置方案六，在装置方案一的基础上，所述学习为自组织神经网络学习。本专利技术的有益效果是：本专利技术将原始地震数据分解后重构得到至少包括第一模态函数分量和第二模态函数分量，将第二摸态函数分量去噪处理后与第一模态函数分量叠加重构，对重构后的数据体进行学习和聚类，获得地震相图。本专利技术可以自定义设置模态函数分量的个数和频带范围，将对应主体频带范围的第一模态函数分量保留，将对应第二设定频带范围内噪音较多、但仍然表现为层状展布特征的第二模态函数分量不再直接丢弃，而是进行去噪处理后，与第一模态函数分量叠加，得到重构地震数据体用于生成地震相图，能同时保证地震波形聚类的可靠性和抗噪性，并有效去除了噪音和冗余信息。进一步，为了得到精确的地震道的主体频带范围，本专利技术利用同步挤压小波变换，获取每一个地震道信号的本文档来自技高网...

【技术保护点】
1.一种地震波形聚类方法，其特征在于，包括以下步骤：1)获取目标层地震数据中地震道信号的频带范围，将频带范围划分，至少包括第一设定频带范围和第二设定频带范围；其中，第一设定频带范围为地震道信号的主体频带范围，主体频带范围为振幅能量强度降至最大值的一半时的频带范围；第二设定频带范围为除去第一设定频带范围外、所述目标层地震数据在剖面上保持层状展布特征的频带范围；2)将所述目标层地震数据分解，生成至少两个固有模态函数分量，包括第一固有模态分量和第二固有模态分量，其中，第一固有模态分量的频带范围为所述第一设定频带范围，第二固有模态分量的频带范围为所述第二设定频带范围；3)对第二固有模态分量进行去噪处理，处理后与第一固有模态分量叠加重构，得到重构地震数据体，并对该重构地震数据体进行学习和聚类，得到波形地震相图。

【技术特征摘要】
1.一种地震波形聚类方法，其特征在于，包括以下步骤：1)获取目标层地震数据中地震道信号的频带范围，将频带范围划分，至少包括第一设定频带范围和第二设定频带范围；其中，第一设定频带范围为地震道信号的主体频带范围，主体频带范围为振幅能量强度降至最大值的一半时的频带范围；第二设定频带范围为除去第一设定频带范围外、所述目标层地震数据在剖面上保持层状展布特征的频带范围；2)将所述目标层地震数据分解，生成至少两个固有模态函数分量，包括第一固有模态分量和第二固有模态分量，其中，第一固有模态分量的频带范围为所述第一设定频带范围，第二固有模态分量的频带范围为所述第二设定频带范围；3)对第二固有模态分量进行去噪处理，处理后与第一固有模态分量叠加重构，得到重构地震数据体，并对该重构地震数据体进行学习和聚类，得到波形地震相图。2.根据权利要求1所述的地震波形聚类方法，其特征在于，所述第一设定频带范围是对目标层地震数据进行频谱分析后，获取目标层的主体频带范围；所述第二设定频带范围的上限值为地震道信号的截止频率。3.根据权利要求1或2所述的地震波形聚类方法，其特征在于，所述第一设定频带范围是对目标层地震数据进行同步挤压小波变换、获取地震道信号的时频图后，确定的地震道信号的主体频带范围。4.根据权利要求1所述的地震波形聚类方法，其特征在于，采用同步挤压小波变换将所述目标层地震数据分解。5.根据权利要求1所述的地震波形聚类方法，其特征在于，所述学习为自组织神经网络学习。6.一种地震波形聚...

【专利技术属性】
技术研发人员：杜浩坤，蔡其新，汪功怀，万龙，郑玲，晋达，汪露露，付东阳，
申请(专利权)人：中国石油化工股份有限公司，中国石油化工股份有限公司中原油田分公司物探研究院，
类型：发明
国别省市：北京,11