一种基于多层感知器的地震相分析方法及存储介质技术

本发明专利技术公开了基于多层感知器的地震相分析方法及存储介质。基于多层感知器的地震相分析方法，包括：对于给定的叠后地震数据体，选择待分类地震数据；对所述待分类地震数据分类成K类分类地震数据，并对K类分类地震数据分别定义类别值；利用K类分类地震数据和其分别对应的类别值训练多层感知器；利用训练好的多层感知器对目标地震数据进行分类以进行地震相分析。本发明专利技术实施例的基于多层感知器的地震相分析方法及存储介质，可以有监督的学习对目标地震数据的波形进行分类，通过逐道对某一层目标地震数据进行分类，可以细致地刻画目标地震数据的横向变化，得到地震异常体的平面分布规律，从而进行沉积相的解释。从而进行沉积相的解释。从而进行沉积相的解释。

【技术实现步骤摘要】
一种基于多层感知器的地震相分析方法及存储介质


[0001]本专利技术属于油气及煤层气勘探地震数据处理
，特别涉及一种基于多层感知器的地震相分析方法及存储介质。

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。在地下相分析中通过岩石资料能够观察到目的层的沉积相标志，通过地震相分析仅用少量钻孔就能较好地掌握沉积相平面变化特征，是现在研究沉积相的一种重要手段。
[0003]地震相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。
[0004]地震信号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。
[0005]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，这种无监督的学习方法对地震信号波形进行分类时不够准确。
[0006]因此，需要提供一种准确的基于多层感知器的地震相分析方法及存储介质，其能够有监督的学习对地震信号波形进行分类。

技术实现思路

[0007]本专利技术所要解决的技术问题之一是如何提供一种准确的基于多层感知器的地震相分析方法及存储介质，其能够有监督的学习对地震信号波形进行分类。
[0008]为了解决上述技术问题，本申请的实施例首先提供了一种基于多层感知器的地震相分析方法，其包括：
[0009]对于给定的叠后地震数据体，选择待分类地震数据；
[0010]对所述待分类地震数据分类成K类分类地震数据，并对K类分类地震数据分别定义类别值；
[0011]利用K类分类地震数据和其分别对应的类别值训练多层感知器；
[0012]利用训练好的多层感知器对目标地震数据进行分类以进行地震相分析。
[0013]优选地，所述给定的叠后地震数据体包括时间域的地震数据和深度域的地震数据。
[0014]优选地，对于给定的叠后地震数据体，选择待分类地震数据，包括：
[0015]对于给定的叠后地震数据体，根据给定中心点和时窗大小选择待分类地震数据，或
[0016]对于给定的叠后地震数据体，根据给定解释层位和时窗大小选择待分类地震数
据。
[0017]优选地，利用K类分类地震数据和其分别对应的类别值训练多层感知器，包括：
[0018]将输入单元和隐含单元通过第一权重连接，将隐含单元和输出单元通过第二权重连接，从而建立多层感知器模型；
[0019]对第一权重和第二权重进行初始化得到第一权重初始值和第二权重初始值；
[0020]确定误差函数和学习速率；
[0021]基于用K类分类地震数据和其分别对应的类别值，根据第一权重初始值、第二权重初始值、误差函数和学习速率计算第二权重的调整量，得到调整后的第二权重调整值；
[0022]基于用K类分类地震数据和其分别对应的类别值，根据第一权重初始值、第二权重调整值、误差函数和学习速率计算第一权重的调整量，得到调整后的第一权重调整值；
[0023]将调整后的权重调整值对应替换之前的权重值，并重复上述两个步骤，直到满足停止条件。
[0024]优选地，停止条件包括：输出单元的输出值与目标值之间的误差满足设定阈值，或
[0025]调整权重的步骤的次数满足设定次数。
[0026]优选地，隐含层包括1-10层。
[0027]优选地，学习速率选自(0,1]。
[0028]优选地，利用训练好的多层感知器对目标地震数据进行分类以进行地震相分析，包括：
[0029]目标地震数据输入训练好的多层感知器后，多层感知器的输出层的最大输出值对应的类别为目标地震数据所属的类别。
[0030]优选地，利用训练好的多层感知器对目标地震数据进行分类以进行地震相分析，包括：
[0031]利用训练好的多层感知器对目标地震数据进行分类，并且根据分类结果形成岩石物理参数或者沉积相平面分布规律图。
[0032]本专利技术实施例还公开了一种存储介质，其存储有执行上述任意一项所述方法的程序。
[0033]与现有技术相比，上述方案中的一个或多个实施例可以具有如下优点或有益效果：
[0034]基于多层感知器的地震相分析方法，包括：对于给定的叠后地震数据体，选择待分类地震数据；对所述待分类地震数据分类成K类分类地震数据，并对K类分类地震数据分别定义类别值；利用K类分类地震数据和其分别对应的类别值训练多层感知器；利用训练好的多层感知器对目标地震数据进行分类以进行地震相分析。可以有监督的学习对目标地震数据的波形进行分类，通过逐道对某一层目标地震数据进行分类，每种类别体现了地下结构的一种特征即“地震相”，分类结果体现了地下结构的特征分布，可以细致地刻画目标地震数据的横向变化，得到地震异常体的平面分布规律，从而进行沉积相的解释。
[0035]本专利技术的其他优点、目标，和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本专利技术的实践中得到教导。本专利技术的目标和其他优点可以通过下面的说明书，权利要求书，以及附图中所特别指出的结构来实现和获得。
附图说明
[0036]附图用来提供对本申请的技术方案或现有技术的进一步理解，并且构成说明书的一部分。其中，表达本申请实施例的附图与本申请的实施例一起用于解释本申请的技术方案，但并不构成对本申请技术方案的限制。
[0037]图1是根据本专利技术实施例一的基于多层感知器的地震相分析方法的流程示意图；
[0038]图2是根据本专利技术实施例一的基于多层感知器的地震相分析方法的步骤S3的流程示意图。
具体实施方式
[0039]以下将结合附图及实施例来详细说明本专利技术的实施方式，借此对本专利技术如何应用技术手段来解决技术问题，并达成相应技术效果的实现过程能充分理解并据以实施。本申请实施例以及实施例中的各个特征，在不相冲突前提下可以相互结合，所形成的技术方案均在本专利技术的保护范围之内。
[0040]一种基于多层感知器的地震相分析方法，其包括：对于给定的叠后地震数据体，选择待分类地震数据；对待分类地震数据分类成K类分类地震数据，并对K类分类地震数据分别定义类别值，K类分类地震数据分别对应类别值；利用K类分类地震数据和其分别对应的类别值训练多层感知器；利用训练好的多层感知器对目标地震数据进行分类，目标地震数据输入多层感知器后可以得到对应的分类结果，利用分类结果可以进行地震相分析。本申请的基于多层感知器的地震相分析方法，可以有监督的学习对目标地震数据的波形进行分类，通过逐道对某一层目标地震数据进行分类，每种类别体现了本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多层感知器的地震相分析方法，其特征在于，包括：对于给定的叠后地震数据体，选择待分类地震数据；对所述待分类地震数据分类成K类分类地震数据，并对K类分类地震数据分别定义类别值；利用K类分类地震数据和其分别对应的类别值训练多层感知器；利用训练好的多层感知器对目标地震数据进行分类以进行地震相分析。2.根据权利要求1所述的基于多层感知器的地震相分析方法，其特征在于，所述给定的叠后地震数据体包括时间域的地震数据和深度域的地震数据。3.根据权利要求2所述的基于多层感知器的地震相分析方法，其特征在于，对于给定的叠后地震数据体，选择待分类地震数据，包括：对于给定的叠后地震数据体，根据给定中心点和时窗大小选择待分类地震数据，或对于给定的叠后地震数据体，根据给定解释层位和时窗大小选择待分类地震数据。4.根据权利要求1所述的基于多层感知器的地震相分析方法，其特征在于，利用K类分类地震数据和其分别对应的类别值训练多层感知器，包括：将输入单元和隐含单元通过第一权重连接，将隐含单元和输出单元通过第二权重连接，从而建立多层感知器模型；对第一权重和第二权重进行初始化得到第一权重初始值和第二权重初始值；确定误差函数和学习速率；基于用K类分类地震数据和其分别对应的类别值，根据第一权重初始值、第二权重初始值、误差函数和学习速率计算第二权重的调整量，得到调整后的第二权重调整值...

【专利技术属性】
技术研发人员：刘百红，郑四连，亢永敢，许自龙，
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：