基于无监督学习的地震速度谱自动拾取方法及装置制造方法及图纸

本发明专利技术公开了一种基于无监督学习的地震速度谱自动拾取方法及装置，其中该方法包括：采集得到地震叠加速度谱；根据预设速度扫描走廊的最大参考叠加速度和最小参考叠加速度，对采集得到的地震叠加速度谱进行切除处理；对切除处理后的地震叠加速度谱进行归一化和阈值滤波处理，得到散点化后的地震叠加速度谱；沿时间方向，逐个时间采样点，执行如下步骤对散点化后的地震叠加速度谱进行叠加速度自动拾取：在每个时间采样点的主时空窗内构建具有重叠关系的两个子时空窗；采用带加权的K

【技术实现步骤摘要】
基于无监督学习的地震速度谱自动拾取方法及装置


[0001]本专利技术涉及油气勘探
，尤其涉及一种基于无监督学习的地震速度谱自动拾取方法及装置。

技术介绍

[0002]本部分旨在为权利要求书中陈述的本专利技术实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
[0003]众所周知，地震速度谱拾取是地震数据处理工作中一个非常重要的环节，拾取结果直接影响到地震成像的质量。地震速度谱人工拾取方法，一方面受处理员水平或人为主观影响，另一方面越来越不能满足用户对海量数据和高密度速度谱拾取处理周期的要求，近年来已经逐渐被地震速度谱自动拾取方法所替代。尤其是随着人工智能技术的不断发展，基于人工智能的地震速度谱自动拾取方法，引起了研究人员的广泛关注和油气服务公司的激烈竞争。
[0004]从广义上划分，地震速度谱自动拾取方法可分为两类：一类是早期的基于非线性反演的地震速度谱拾取方法，通过建立目标函数和约束条件，全局寻优求解最佳的t-v对位置；另一类是现代的基于人工智能的地震速度谱拾取方法。其中，基于人工智能的地震速度谱自动拾取方法又可分为两类：一类是基于有监督的深度学习，通过构建神经网络拓扑结构，利用采集的样本数据和制作的标签数据来训练神经网络模型，然后利用训练好的神经网络模型对地震速度谱进行自动拾取，这类方法存在的问题是人工制作标签数据仍会导致劳动密集，且容易受人为主观因素影响；另一类是基于无监督学习的聚类分析，通过设定聚类中心数量来自动确定速度能量团中心，这类方法存在的问题是无法准确设定随着空间变化的聚类中心数量。
[0005]针对上述问题，目前尚未提出有效的解决方案。

技术实现思路

[0006]本专利技术实施例中提供了一种基于无监督学习的地震速度谱自动拾取方法，用以解决现有基于无监督学习的地震速度谱自动拾取方法，无法准确设定随着空间变化的聚类中心数量的技术问题，该方法包括：采集得到地震叠加速度谱；根据预设速度扫描走廊的最大参考叠加速度和最小参考叠加速度，对采集得到的地震叠加速度谱进行切除处理；对切除处理后的地震叠加速度谱进行归一化和阈值滤波处理，得到散点化后的地震叠加速度谱；沿时间方向，逐个时间采样点，执行如下步骤对散点化后的地震叠加速度谱进行叠加速度自动拾取：在每个时间采样点的主时空窗内构建具有重叠关系的第一子时空窗和第二子时空窗；采用带加权的K-mean算法，分别对第一子时空窗和第二子时空窗内的数据进行聚类，得到第一子时空窗和第二子时空窗的聚类中心；根据主时空窗内第一子时空窗和第二子时空窗的聚类中心，确定主时空窗的聚类中心。
[0007]本专利技术实施例中还提供了一种基于无监督学习的地震速度谱自动拾取装置，用以
解决现有基于无监督学习的地震速度谱自动拾取方法，无法准确设定随着空间变化的聚类中心数量的技术问题，该装置包括：叠加速度谱采集模块，用于采集得到地震叠加速度谱；数据切除处理模块，用于根据预设速度扫描走廊的最大参考叠加速度和最小参考叠加速度，对采集得到的地震叠加速度谱进行切除处理；数据散点化处理模块，用于对切除处理后的地震叠加速度谱进行归一化和阈值滤波处理，得到散点化后的地震叠加速度谱；叠加速度谱自动拾取模块，包括：子时空窗构建模块、子时空窗聚类中心确定模块和主时空窗聚类中心确定模块，用于沿时间方向，逐个时间采样点，执行子时空窗构建模块、子时空窗聚类中心确定模块和主时空窗聚类中心确定模块的功能，以对散点化后的地震叠加速度谱进行叠加速度自动拾取；其中，子时空窗构建模块，用于在每个时间采样点的主时空窗内构建具有重叠关系的第一子时空窗和第二子时空窗；子时空窗聚类中心确定模块，用于采用带加权的K-mean算法，分别对第一子时空窗和第二子时空窗内的数据进行聚类，得到第一子时空窗和第二子时空窗的聚类中心；主时空窗聚类中心确定模块，用于根据主时空窗内第一子时空窗和第二子时空窗的聚类中心，确定主时空窗的聚类中心。
[0008]本专利技术实施例中还提供了一种计算机设备，用以解决现有基于无监督学习的地震速度谱自动拾取方法，无法准确设定随着空间变化的聚类中心数量的技术问题，该计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于无监督学习的地震速度谱自动拾取方法。
[0009]本专利技术实施例中还提供了一种计算机可读存储介质，用以解决现有基于无监督学习的地震速度谱自动拾取方法，无法准确设定随着空间变化的聚类中心数量的技术问题，该计算机可读存储介质存储有执行上述基于无监督学习的地震速度谱自动拾取方法的计算机程序。
[0010]本专利技术实施例中，将整个速度谱为基本数据单位的聚类分析改为沿时间方向滑动的主时空窗内的数据的聚类分析，对于某一时刻没有能量团、存在反射波和多次波两个能量团以及存在弥散的有效波能量团的客观现实，在主时空窗内再沿空间(速度)方向划分为两个重叠的子时空窗并对窗内数据聚类分析，通过对对速度谱(能量或相似系数)进行归一化和阈值滤波，使得速度谱散点化，并采用带加权的K-mean算法，分别对两个子时空窗内的数据进行聚类，估算每个子时空窗内散点的聚类中心，进而根据两个子时空窗内散点的聚集中心确定每一时刻是否存在聚聚中心以及聚集中心位置。
[0011]本专利技术实施例，能够自适应确定速度谱能量团中心，采用局部散点聚类分析，无需设定全局的聚集中心数量，且遵守了某一时刻没有能量团、存在反射波和多次波两个能量团以及存在弥散的有效波能量团的客观现实；采用能量权重的k-mean算法，能够使得速度谱自动拾取结果更可靠。
附图说明
[0012]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
[0013]图1为本专利技术实施例中提供的一种基于无监督学习的地震速度谱自动拾取方法流
程图；
[0014]图2为本专利技术实施例中提供的速度扫描走廊、主时空窗和子时空窗示意图；
[0015]图3为本专利技术实施例中提供的切除前的叠加速度能量谱(左)和相似系数谱(右)示意图；
[0016]图4为本专利技术实施例中提供的切除后的叠加速度能量谱(左)和相似系数谱(右)示意图；
[0017]图5为本专利技术实施例中提供的归一化和阈值滤波后的叠加速度能量谱(左)和相似系数谱(右)示意图；
[0018]图6为本专利技术实施例中提供的第一子时空窗(左)和第二子时空窗(右)的叠加速度自动拾取结果示意图；
[0019]图7为本专利技术实施例中提供的将第一子时空窗和第二子时空窗的叠加速度自动拾取结果进行叠合显示的示意图；
[0020]图8为本专利技术实施例中提供的叠合显示的最终的叠加速度自动拾取结果与叠加速度谱示意图；
[0021]图9为本专利技术实施例中提供的按80个CMP间隔连续显示的4个CM本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于无监督学习的地震速度谱自动拾取方法，其特征在于，包括：采集得到地震叠加速度谱；根据预设速度扫描走廊的最大参考叠加速度和最小参考叠加速度，对采集得到的地震叠加速度谱进行切除处理；对切除处理后的地震叠加速度谱进行归一化和阈值滤波处理，得到散点化后的地震叠加速度谱；沿时间方向，逐个时间采样点，执行如下步骤对散点化后的地震叠加速度谱进行叠加速度自动拾取：在每个时间采样点的主时空窗内构建具有重叠关系的第一子时空窗和第二子时空窗；采用带加权的K-mean算法，分别对第一子时空窗和第二子时空窗内的数据进行聚类，得到第一子时空窗和第二子时空窗的聚类中心；根据主时空窗内第一子时空窗和第二子时空窗的聚类中心，确定主时空窗的聚类中心。2.如权利要求1所述的方法，其特征在于，通过如下公式，对采集得到的地震叠加速度谱进行切除处理：其中，q表示切除后的地震叠加速度谱；p表示切除前的地震叠加速度谱；t
i
和v
j
分别表示反射波在零炮检距时的双程履行时和叠加速度；j表示沿地震速度谱速度方向的采样点的序号；i表示沿地震速度谱时间方向的采样点的序号；v
max
表示速度扫描走廊的最大参考叠加速度；v
min
表示速度扫描走廊的最小参考叠加速度。3.如权利要求2所述的方法，其特征在于，通过如下公式，对切除处理后的地震叠加速度谱进行归一化处理：其中，其中，q
norm
表示归一化后的地震叠加速度谱；q
max
表示切除后的地震叠加速度的最大值；N和M分别表示沿时间方向和速度方向的总采样点数。4.如权利要求3所述的方法，其特征在于，通过如下公式，对归一化处理后的地震叠加速度谱进行阈值滤波处理：其中，其中，q
sc
表示阈值滤波后的地震叠加速度；q
av
表示归一化后地震叠加速度的均值；r
s
表示按均值百分比计量的阈值滤波的阈值点；K表示归一化后地震叠加速度的总采样点数。5.如权利要求4所述的方法，其特征在于，通过如下公式，在主时空窗Ω内构建具有重叠关系的第一子时空窗Ω1(v1,v2；t1,t2)和第二子时空窗Ω2(v3,v4；t1,t2)：v1＝v
min
(t
i
)；
v4＝v
max
(t
i
)；t1＝t
i-L
w
；t2＝t
i
+L
w
；；；其中，t
i
表示时间采样点；t1表示第一子时空窗或第二子时空窗沿时间方向的起始点；t2表示第一子时空窗或第二子时空窗沿时间方向的终止点；v1表示第一子时空窗沿速度方向的起始点；v2表示第一子时空窗沿速度方向的终止点；v3表示第二子时空窗沿速度方向的起始点；v4表示第二子时空窗沿速度方向的终止点；v
m
表示主时空窗内沿速度方向的中点；r
w
表示第一子时空窗和第二子时空窗沿速度方向的重叠比例；L
w
表示主时空窗沿时间方向的半个时窗长度。6.如权利要求5所述的方法，其特征在于，采用带加权的K-mean算法，分别对...

【专利技术属性】
技术研发人员：柯本喜，耿伟峰，杨平，杨志昱，边策，
申请(专利权)人：中国石油集团东方地球物理勘探有限责任公司，
类型：发明
国别省市：