一种用于地震相分析的鲁棒K-means算法制造技术

本发明专利技术涉及一种用于地震相分析的鲁棒K

【技术实现步骤摘要】
一种用于地震相分析的鲁棒K
‑
means算法


[0001]本专利技术涉及地震资料技术，特别涉及一种用于地震相分析的鲁棒K
‑
means算法。

技术介绍

[0002]地震相分析旨在描述和解释提取的地震反射参数，包括几何形状、连续性、振幅、频率、速度和相干性。由于三维地震数据覆盖面积很大，人工解释地震相需要花费大量的时间和精力，即使是在对用户友好的软件帮助下，也会依赖解释人员的经验产生主观结果，因此，地震相自动分析技术在近几十年不断发展，该技术利用一些模式识别方法，将相似的地震反射信号划分为一类，代表一个沉积特征，也可以定义为地震相。
[0003]一般来说，用于地震相分析的机器学习方法可以分为监督方法和非监督方法。监督技术需要标记数据来训练分类模型来识别未标记的地震数据，然而新勘探地区的井资料或地震解释有限，同时标签的不完全和不平衡问题的出现给监督学习带来了挑战；相反，无监督地震相分析使用聚类算法生成地震相图，是一种数据驱动的方法，在无需专业的解释人员的帮助下就能很好地进行储层预测。常用的无监督方法包括K
‑
means算法、自组织映射、神经网络、生成拓扑映射(GTM)、深度学习等。
[0004]从聚类方法的输入来看，无监督地震相分析主要有两个研究分支:地震波形分类和多属性聚类。从原始地震波形数据中提取的地震属性对地震噪声具有鲁棒性，可以揭示隐藏的储层信息，然而，如何从众多冗余属性中选择合适的属性是多属性分析的主要挑战；采用诸如主成分分析(PCA)和深度学习等多特征融合技术优化后的属性可能会失去原始地震属性的物理意义，难以解释；因此，波形分类方法因其简单有效，常用于地震相分析。此外，从最终的地震相分析结果的模型地震道中，可以很容易地识别出强振幅反射、弱振幅反射、连续反射和不连续反射等地震反射形态，但是，为了提高分析的有效性，波形分类中还存在时窗选择、地震数据噪声等问题需要解决。Xie等基于底部和顶部层位提取了梅尔频率倒谱系数(MFCCs)，避免了使用固定大小的时窗。Song et al.提出了一种新的相似度量方法，可以直接计算不等长波形之间的距离。Saraswat和Sen为无监督地震相分析引入了一种人工免疫系统和自组织映射(AI
‑
SOM)，这种方法在地震数据中存在噪声的情况下是稳健的。此外，Song et al.(2017a)和Song et al.(2017b)考虑了地层连续性，以克服噪声的影响。
[0005]地震波形中的另一个重要问题是层位解释噪声。Gao(2008,2011)提出了纹理模型回归(TMR)来进行地震相分析，利用变相位模型来区分地震相特征，然而，当面对稀疏且标注准确的数据时，模型的选择和训练很困难；因此，Song等提出了自适应相位K
‑
means算法(Ap
‑
K
‑
means)用于无监督波形分类，以减少层位解释噪声。Ap
‑
K
‑
means算法提出了沿目标层位采用滑动窗口提取波形的方法，利用与模型地震道(即聚类质心)最匹配的波形来表示反射点的特征。这种方法实际上是通过算法的迭代优化过程对解释层位进行了微调。
[0006]然而，层位解释的难度因地质构造的不同而不同，在地震资料覆盖范围更大的情况下，在不同的反射时间会产生不一致的层位噪声。因此，当使用较大的滑动窗口最大偏移
量来容忍不同的层位噪声时，可能会出现“层位穿越”的问题，从而产生不可靠的地震相图。

技术实现思路

[0007]针对现有技术存在的上述问题，本专利技术要解决的技术问题是：由于地质层位解释的难度因地质构造的不同而不同，从而使得层位解释不精确，需要提高对层位调整的能力。
[0008]为解决上述技术问题，本专利技术采用如下技术方案：一种用于地震相分析的鲁棒K
‑
means算法，包括如下步骤：
[0009]S100：选取地震勘探获得的数据，该数据为原始振幅数据；
[0010]S200:设置最大相位调整参数p
max
,选择待分析的目的层位，根据目的层段的地震勘探信号的主频率选择时间窗口，针对原始振幅数据通过相位调整参数p
l
得到波形样本集，该波形样本集包含N个样本，利用加权的自适应相位距离对样本进行分类，具体步骤如下：
[0011]S210：从N个样本中随机选取K个样本作为该数据集的初始质心μ
i
，即有K个初始质心，每个初始质心对应一个簇中心；
[0012]S220：选定第j个样本，令i＝1,2,
…
,K，计算第j个样本与第i个初始质心μ
i
之间的加权距离，加权距离的计算表达式如下：
[0013][0014]其中，D
w
表示融合权重的自适应相位距离，即加权距离；μ
i
表示第i个初始质心，即第i个簇的簇中心；x
j
表示第j个样本数据，j＝1,2,
…
,N；p表示相位调整参数，W(p)表示相位权重；
[0015]S230：依据步骤S220所得结果，选出与第j个样本加权距离值最小的初始质心，作为第j个样本的所属簇中心，此时第j个样本的聚类结果表示为z
kj
；
[0016][0017]S240：重复步骤S220和S230，对N个样本进行聚类划分，得到聚类后的数据集；
[0018]S300：建立目标函数，具体表达式如下：
[0019][0020]其中，R表示所有类别的样本点到其类别中心的距离的总和最小值，z
ij
表示聚类结果；
[0021]S400：更新第i个初始质心，即令μ
i
＝μ
i
′
，所述μ
i
′
利用公式(4
‑
1)计算:
[0022][0023]S500：更新相位调整参数p，即令p
l
＝p，所述p利用公式(5
‑
1)计算；
[0024][0025]S600：预设最大迭代次数和预设R的阈值，当训练至R小于阈值或者训练次数达到最大迭代次数时，参数训练完成；否则执行下一步；
[0026]S700：针对地质波形通过相位调整参数p
l
得到新的波形样本集，该新的波形样本集包含N个样本，用该新的波形样本集更新波形样本集,并返回步骤S220。
[0027]作为优选，所述S220中得到加权距离计算表达式得具体步骤如下：
[0028]S221：利用高斯算法计算相位的权重，具体表达式如下：
[0029][0030]其中，σ表示高斯函数的标准差；
[0031]S222：利用W(p)计算自适应相位距离，得到融合权重的自适应相位距离D
w
。
[0032]在提取波形样本时采用滑动的可偏移的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于地震相分析的鲁棒K
‑
means算法，其特征在于：包括如下步骤：S100：选取地震勘探获得的数据，该数据为原始振幅数据；S200:设置最大相位调整参数p
max
,选择待分析的目的层位，根据目的层段的地震勘探信号的主频率选择时间窗口，针对原始振幅数据通过相位调整参数p
l
得到波形样本集，该波形样本集包含N个样本，利用加权的自适应相位距离对样本进行分类，具体步骤如下：S210：从N个样本中随机选取K个样本作为该数据集的初始质心μ
i
，即有K个初始质心，每个初始质心对应一个簇中心；S220：选定第j个样本，令i＝1,2,
…
,K，计算第j个样本与第i个初始质心μ
i
之间的加权距离，加权距离的计算表达式如下：其中，D
w
表示融合权重的自适应相位距离，即加权距离；μ
i
表示第i个初始质心，即第i个簇的簇中心；x
j
表示第j个样本数据，j＝1,2,
…
,N；p表示相位调整参数，W(p)表示相位权重；S230：依据步骤S220所得结果，选出与第j个样本加权距离值最小的初始质心，作为第j个样本的所属簇中心，此时第j个样本的聚类结果表示为z
kj
；S240：重复步骤S220和S230，对N个样本进行聚类划分，得到聚类后的数据集；S300：建立目标函数，具体表达式如下：其中，R表示所有类别的样本点到其类别中心的距离的总和最小值，z
ij
表示聚类结果；S4...

【专利技术属性】
技术研发人员：宋承云，李凌轩，李琳，
申请(专利权)人：重庆理工大学，
类型：发明
国别省市：