一种基于Bayes统计决策的智能速度谱解释与建模方法技术

本发明专利技术公开了一种基于Bayes统计决策的智能速度谱解释与建模方法，利用从速度谱及叠加剖面提取的层位信息及统计信息，根据层位属性聚类形成的类簇，借助处理人员的先验认识以及基本的地质规律缩小可拾取的范围，关键是基于道集拉平程度判断在参数约束范围内进行参数搜索，并根据参数统计结果进行质量控制，最后插值、平滑形成合理的速度场。本发明专利技术的智能背景速度建模的自动化程度高，只需设置先验参数即可工作，为后续精细建模提供可靠的初始速度场，效率较高，即可节省数据处理人员的体力劳动。动。动。

【技术实现步骤摘要】
一种基于Bayes统计决策的智能速度谱解释与建模方法


[0001]本专利技术属于地球勘探
，具体涉及一种基于Bayes统计决策的智能速度谱解释与建模方法。

技术介绍

[0002]速度分析和速度建模是地震处理成像的关键步骤，基于CMP道集的背景速度估计是稳健的。目前拾取与建模仍然要依靠人工完成，存在耗时多，工作量大，出现人为偶然误差的情况。在当前数据规模已十分巨大的情况下，研究自动化智能化的初始背景速度估计方法是很有必要的，也对拾取效率和精度提出更高的要求，但是很多自动化估计方法没有充分利用数据信息或形成一套合理的拾取决策框架。
[0003]因为道集的偏移和叠加都需要提供可靠的速度信息，而反过来可以利用叠加或偏移的像域数据可以作为一种速度分析的手段。早在1967年Garotta等提出了基于共反射点双曲时距曲线的速度分析方法。Taner等(1969)给出了借助速度谱的叠加速度分析方法。一般的叠加速度分析方法是利用速度谱做的，拾取位置可以参考能量团极大处。Toldi(1989)较早的探索了自动拾取的方法，初始模型经过扰动，自动寻找叠加能本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于Bayes统计决策的智能速度谱解释与建模方法，其特征在于，包括以下步骤：步骤1：基于CMP道集形成速度谱数据体和类叠加剖面，基于类叠加剖面提取层位结构；步骤2：利用提取的层位形成以层位属性为核心的K均值聚类算法，对局部窗内的速度谱数据体预处理后进行聚类获得属于不同层位的类簇；步骤3：利用统计信息和先验信息约束拾取点的拾取范围，以两拾取点间时窗内的道集拉平效果最优为拾取目标，拾取点在约束范围内小范围扰动获得最优拾取结果；步骤4：在所有CMP道集拾取完成后统计邻域同层拾取情况，在结构约束下对拾取点质量控制，经过插值和平滑，得到最后的模型。2.根据权利要求1所述的基于Bayes统计决策的智能速度谱解释与建模方法，其特征在于，步骤1包含如下具体步骤：A11：CMP数据分块读取，获取道头信息，包含CDP号、偏移距、线号；A12：设定速度扫描的上下限以及间隔，计算相似谱数据、排列形成谱数据体，基于不同速度扫描的结果自动校正叠加，再将所有结果加权叠加形成类叠加剖面；A13：基于图像特征提取层位结构。3.根据权利要求1所述的基于Bayes统计决策的智能速度谱解释与建模方法，其特征在于，对分块数据进行步骤2的处理，步骤2包含如下具体步骤：A21：聚类前对速度谱数据体的预处理，包括阈值滤波，基于提取层位结构位置的筛选，以及基于邻近拾取结果统计特征的筛选；A22：根据提取层位位置计算预处理后的数据样本的层位属性，用其衡量样...

【专利技术属性】
技术研发人员：王华忠，吴成梁，伍国富，冯波，
申请(专利权)人：同济大学，
类型：发明
国别省市：