一种基于频相特征的智能岩性识别方法技术

本发明专利技术属于石油勘探技术领域，具体涉及一种基于频相特征的智能岩性识别方法。所述方法包括：对地震数据进行基于反演的时频分析，提取其频相特征；制作数据

【技术实现步骤摘要】
一种基于频相特征的智能岩性识别方法


[0001]本专利技术属于石油勘探
，具体涉及一种基于频相特征的智能岩性识别方法。

技术介绍

[0002]时频分析在地球物理勘探中的应用十分广泛。目前比较常用的时频分析方法主要有短时傅立叶变换、小波变换、S变换、希尔伯特
‑
黄变换和二次型时频分布、匹配追踪分解等。短时傅立叶变换相当于地震道在移动时间窗上与正弦基的互相关，小波变换则是地震道与小波字典的互相关，这两种方法通常需要在时间和频率分辨率之间进行权衡，这使得它们在很多情况下应用效果不尽人意；S变换是短时傅里叶变换和小波变换的继承和发展，S变换免去了窗函数的选择和改善了窗宽固定的缺陷，在时频分辨率上有所改进；希尔伯特
‑
黄变换把信号可以分解为有限的几个固有模态函数，进而得到信号的时频谱，其不足是对噪声比较敏感；二次型时频分布在时频平面存在非常严重的交叉项，导致其在地震勘探中的应用并不广泛；匹配追踪分解是将地震信号拆解成由许多被称作为原子信号的加权总和，将每个原子信号的频谱进行叠加就可以得到地震道的时频谱。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于频相特征的智能岩性识别方法，其特征在于，包括以下步骤：对地震数据进行基于反演的时频分析，提取其频相特征；制作数据
‑
标签对；开展深度网络算法设计与优选，选择适用于频相智能岩性识别的网络；用频相特征数据和岩性标签对优选的网络进行训练；将三维的地震数据进行时频分析，提取地震数据的频相特征，输入到训练好后的深度网络，得到输出的三维岩性信息，最终实现岩性的智能识别。2.根据权利要求1所述的方法，其特征在于，基于反演的时频分析，提取其频相特征方法为：把三角函数作为基函数，建立了描述频谱、三角函数与地震信号关系的正演方程，基于最小二乘原理将频谱分析转化为反问题，通过迭代求解矩阵方程可以得到信号的频谱，对地震频谱信号进行逐点分析，得到地震道的最小二乘时频分析结果。3.根据权利要求2所述的方法，其特征在于，基于反演的时频分析，提取其频相特征具体包括以下步骤：定义如下由待求的时频谱和不同频率的三角函数计算信号的正演过程：S＝E
·
f
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)其中，S表示待分析的信号，E表示不同频率的三角函数构成的矩阵，f表示待求的频谱向量；通过L2范数正则化约束最小二乘法求解式(1)，为了提高求解的稳定性和唯一性，需要对求解过程加约束，最终可以得到时频分析结果：f
e
＝E'(E E'+aΩ)
‑1S
ꢀꢀꢀ
(2)其中，f
e
即为基于反演的高分辨率时频分析结果，Ω表示约束对角矩阵，a为一个权重系数，用于调节约束的大小；采用以下公式提取地震数据的频相特征：其中，A...

【专利技术属性】
技术研发人员：杨培杰，郑文召，罗红梅，王学军，屈冰，董立生，王庆华，韦欣法，初春光，周伟，
申请(专利权)人：中国石油化工股份有限公司胜利油田分公司勘探开发研究院，
类型：发明
国别省市：