一种基于改进的K均值算法的地震相分析方法技术

本发明专利技术提供了一种基于改进的K均值算法的地震相分析方法、计算机存储介质及计算机设备，该方法包括以下步骤：在目的层的叠后地震数据体中选择待分成K个类的N道地震数据；根据每个数据点隶属于自身所在类的程度，利用迭代算法在所述N道地震数据中找出K个类的簇中心；分别计算N道地震数据中的每个待分类的数据点上的数据与K个类的簇中心的数据的距离，然后根据计算的距离，将每个待分类的数据点划分到与其距离最近的簇中心所在的类；基于分类结果分析目的层沉积相平面分布规律。该方法效果稳定，能逐道进行某一层内实际地震数据的对比，细致地刻画地震信号的横向变化，从而得到地震异常体的平面分布规律。异常体的平面分布规律。异常体的平面分布规律。

【技术实现步骤摘要】
一种基于改进的K均值算法的地震相分析方法


[0001]本专利技术属于油气及煤层气地震勘探与开发，尤其是一种基于改进的K均值算法的地震相分析方法、计算机存储介质及计算机设备。

技术介绍

[0002]在石油、煤炭等地下沉积矿产的勘探开发中，沉积相研究具有极为重要的意义。然而，由于目的层深埋于地下，因此所采用的研究手段和研究方法与露头区的沉积相研究相比有很大不同。
[0003]在地下相分析中只有通过岩石资料才能够观察到目的的沉积相标志，而钻井取心一般都不是连续进行的，并且一口探井的全井取心率往往只有百分之几到百分之十几，这给沉积相研究造成很大困难。利用电测井资料进行测井相分析虽可对全井做出连续的沉积相解释，但其多解性较强，因此除上述两种资料外，还迫切需要从其它资料中获取更多的信息以提高沉积相解释的准确性。
[0004]更重要的是，即使单井相分析的资料足够充分，但采用传统研究方法所得到的毕竟只是一部分信息，而如地层叠置模式、沉积体外形等重要信息并没有利用。进一步看，即使解释完全正确，但毕竟只是“一孔之见”。要想进一步掌握沉积相的平面展布特征就必须有大量的足够密集的钻孔，而这在勘探阶段恰恰难以满足。因此迫切需要一种仅用少量钻孔就能较好地掌握沉积相平面变化特征的新手段、新方法。
[0005]地震相分析正是为满足上述迫切需要而产生的。地震相就是在地震反射时间剖面上所表现出来的反射波的面貌。地震相分析则是根据地震相特征进行沉积相的解释推断。在石油勘探及某些煤田、盐矿勘探中，地震勘探资料是必不可少的重要基础资料。这些资料一般在勘探初期就可获得，且一般都能覆盖整个盆地，其中具有极为丰富的地层、构造和沉积相信息，因此是地下地质分析中极为宝贵的基础资料。地震相分析作为地震地层学的一个重要组成部分，诞生于1977年左右，并在世界上迅速传播。十几年来它在广泛的实践中不断发展完善，已成为地下相分析不可缺少的锐利武器。
[0006]地震相分析的方法就是识别每个层序内独特的地震反射波组特征及其形态组合，并将其赋予一定的地质含义，进而进行沉积相的解释，这一过程称为地震相分析。
[0007]地震相分析和识别有两种方法，第一种方法是通过人工观测地震反射特征，并与所建立的标准地震相特征进行比较，判别属于何种地震相。这种方法一般应用于局部地震资料解释和分析中，解释和识别精度比较低。另外一种方法则是应用地震数据处理技术和计算机技术以及一定的数学方法对地震数据体或者地震属性数据进行分析和计算，提取出能够反映沉积相变化的地震相，这是一种高效、先进、定量的地震相识别方法。
[0008]地震波形是地震数据的基本性质，它包含了所有的定性和定量信息，如反射模式、相位、频率和振幅等信息，是地震信息的总体特征，其动态变化蕴含了丰富的内在信息，能够真实地反映地下结构的特征。波形分类法是最常采用的地震相分析方法，通过对地震信号波形进行分类，可以实现对地震相的划分。
[0009]传统的波形分类方法有K均值和自组织神经网络方法。它们都采用无监督的学习方法，而且传统的K均值算法是硬分类方法，即严格地限定了某个数据点i上的数据X
i
只属于第k类，而与其它类绝不相干。实际上，这个数据或者样本与其他类也可能很像，但不是最像，那么这就是说该数据或者样本可能不仅仅属于一个类，它可能属于多个类，只是对不同的类，其隶属程度不同。
[0010]本专利技术以新的视角提出一种利用改进的K均值算法进行地震波形分类的方法，逐道进行某一层内实际地震数据的对比，细致地刻画地震信号的横向变化，从而得到地震异常体的平面分布规律，为之后油气储量的评估提供科学依据。

技术实现思路

[0011]针对上述问题，本专利技术提出了一种基于改进的K均值算法的地震相分析方法，以及计算机存储介质和计算机设备。
[0012]根据本专利技术的第一个方面，本专利技术的一种基于改进的K均值算法的地震相分析方法，包括以下步骤：
[0013]S100，在目的层的叠后地震数据体中选择待分成K个类的N道地震数据；
[0014]S200，根据簇类指示因子，利用迭代算法在所述N道地震数据中找出K个类的簇中心；其中，所述簇类指示因子表示一个数据点上的数据隶属于一个类的程度；
[0015]S300，分别计算N道地震数据中的每个待分类的数据点上的数据与K个类的簇中心的数据的距离，然后根据计算的距离，将每个待分类的数据点划分到与其距离最近的簇中心所在的类；
[0016]S400，基于分类结果分析目的层沉积相平面分布规律。
[0017]根据本专利技术的实施例，上述步骤S100中，目的层的叠后地震数据体为时间域或者深度域的叠后地震数据体。
[0018]根据本专利技术的实施例，上述步骤S100包括以下步骤：
[0019]根据给定的时窗中心和时窗长度，为目的层的叠后地震数据体设置数据时窗；
[0020]取数据时窗中的N道数据作为待分成K类的N道地震数据。
[0021]根据本专利技术的实施例，上述步骤S100包括以下步骤：
[0022]解释目的层的构造层位，将解释层位作为时窗中心；
[0023]根据给定的时窗中心和时窗长度，为目的层的叠后地震数据体设置数据时窗；
[0024]取数据时窗中的N道数据作为待分成K类的N道地震数据。
[0025]根据本专利技术的实施例，上述步骤S200包括以下步骤：
[0026]S210，在所述N道地震数据中随机选取K个数据点作为K个类的初始的簇中心；
[0027]S220，计算所述N道地震数据中除所选K个数据点外的每个待分类的数据点上的数据与K个类的簇中心的数据的距离d
i,k
，i＝1,2,
…
,N，k＝1,2,
…
,K；
[0028]S230，对于每个待分类的数据点，根据距离d
i,k
，i＝1,2,
…
,N，k＝1,2,
…
,K，将待分类的数据点划分到与其距离最近的簇中心所在的类，并计算分类后的数据点的簇类指示因子r
i,k
；其中，所述簇类指示因子r
i,k
表示第i个数据点的数据隶属于第k类的程度；
[0029]S240，对于每个类，分别基于类中的各个数据点的簇类指示因子重新确定该类的新的簇中心；
[0030]S250，对于每个类，分别判断类的新的簇中心是否满足预设条件，若不满足预设条件，则重复步骤S220至S240，直至类的新的簇中心满足预设条件。
[0031]根据本专利技术的实施例，上述步骤S200中，所述距离为欧氏距离或曼哈顿距离或闵可夫斯基距离。
[0032]根据本专利技术的实施例，上述簇类指示因子r
i,k
定义为：
[0033][0034]式中，d
i,k
和d
i,j
分别为||X
i-m
k
||2和||X
i-本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进的K均值算法的地震相分析方法，其特征在于，包括以下步骤：S100，在目的层的叠后地震数据体中选择待分成K个类的N道地震数据；S200，根据簇类指示因子，利用迭代算法在所述N道地震数据中找出K个类的簇中心；其中，所述簇类指示因子表示一个数据点上的数据隶属于一个类的程度；S300，分别计算N道地震数据中的每个待分类的数据点上的数据与K个类的簇中心的数据的距离，然后根据计算的距离，将每个待分类的数据点划分到与其距离最近的簇中心所在的类；S400，基于分类结果分析目的层沉积相平面分布规律。2.根据权利要求1所述的方法，其特征在于，所述步骤S100中，目的层的叠后地震数据体为时间域或者深度域的叠后地震数据体。3.根据权利要求1或2所述的方法，其特征在于，所述步骤S100包括以下步骤：根据给定的时窗中心和时窗长度，为目的层的叠后地震数据体设置数据时窗；取数据时窗中的N道数据作为待分成K类的N道地震数据。4.根据权利要求1或2所述的方法，其特征在于，所述步骤S100包括以下步骤：解释目的层的构造层位，将解释层位作为时窗中心；根据给定的时窗中心和时窗长度，为目的层的叠后地震数据体设置数据时窗；取数据时窗中的N道数据作为待分成K类的N道地震数据。5.根据权利要求1或2所述的方法，其特征在于，步骤S200包括以下步骤：S210，在所述N道地震数据中随机选取K个数据点作为K个类的初始的簇中心；S220，计算所述N道地震数据中除所选K个数据点外的每个待分类的数据点上的数据与K个类的簇中心的数据的距离d
i,k
，i＝1,2,
…
,N，k＝1,2,
…
,K；S230，对于每个待分类的数据点，根据距离d
i,k
，i＝1,2,
…
,N，k＝1,2,
…
,K，将待分类的数据点划分到与其距离最近的簇中心所在的类，并计算分类后的数据点的簇类指示因子r
i,k
；其中，所述簇类指示因子r
i,k
表示第i个数据点的数据隶属于第k类的程度；S240，对于每个类，分别基于类中的各个数据点的簇...

【专利技术属性】
技术研发人员：郑四连，刘百红，陈金焕，段文超，
申请(专利权)人：中国石油化工股份有限公司石油物探技术研究院，
类型：发明
国别省市：