基于薄板样条基函数的地震属性融合方法技术

本发明专利技术提供一种基于薄板样条基函数的地震属性融合方法，包括：步骤1，计算所有参与融合的地震属性的属性值集合

【技术实现步骤摘要】
基于薄板样条基函数的地震属性融合方法


[0001]本专利技术涉及油田开发
，特别是涉及到一种基于薄板样条基函数的地震属性融合方法
。

技术介绍

[0002]地震属性融合技术是在近年来兴起的属性分析手段，由于地下地质情况复杂，应用任何单一的地震属性都不能准确的进行地震解释，随着越来越多的地震属性被提出，地震属性的优化与多属性综合解释变得尤为重要
。
多属性融合技术是将表现储层的多个不同特征的属性经过一定的数学运算，进行融合处理，从而得到最优结果
。
地震属性融合技术不仅考虑到了不同属性对储层预测的影响，同时可以消除冗余的地质信息
。
在尽可能多保留有效信息的同时提高了储层预测的精度
。
如今常用的属性融合方法有聚类分析
、
多源线性回归融合技术
、
核主成分分析和基于颜色的融合技术
。
[0003]在申请号：
CN202010459269.1
的中国专利申请中，涉及到一种地震属性融合方法及装置，该地震属性融合方法包括：获取目标储层区域的样本集；提取样本集中每个目标储层样本块的多尺度地震属性集；将每个目标储层样本块的多尺度地震属性集输入至训练后的自适应函数神经网络，识别目标储层区域样本集的融合地震属性；通过循环迭代删除自适应函数神经网络输入层与隐单元层之间权重矩阵的权系数的方式更新网络参数
。
该专利技术通过循环迭代删除自适应函数神经网络权重矩阵的权系数的方式，不断更新训练自适应函数神经网络，使得通过训练后的自适应函数神经网络识别得到的融合地震属性包含的信息最大化，突出了目标储层区域的地质特征，能够提高地震解释的可靠性和地震解释的精度
。
[0004]在申请号：
CN201410427217.0
的中国专利申请中，涉及到一种多维地震属性融合方法及装置，其中，该方法包括：沿层位提取地质解释层位数据的多个沿层地震属性信息；将每个沿层地震属性信息划分为预设数目个区域块点集；通过算法选取一个沿层地震属性信息表征各个沿层地震属性信息公共区域块点集的地质目标特征；将选取出的全部沿层地震属性信息的地震属性平面信息点集，整合为一个地震属性平面信息点集，获得融合的沿层地震属性信息
。
该方案融合得到的沿层地震属性信息可以很好地反映整个地质体的不同地质特征
。
[0005]在申请号：
CN201810912109.0
的中国专利申请中，涉及到一种地震属性融合方法
、
装置及存储介质，属于地震资料解释

。
所述方法包括：对于目标油气区块的目标储层的每个位置点，获取相应位置点上多个地震属性中每个地震属性对应的属性值，确定多个地震属性中每个地震属性的融合权重，多个地震属性中每个地震属性的融合权重用于表征相应地震属性在地震属性融合过程中的重要程度，按照每个地震属性的融合权重对每个位置点上的多个属性值进行融合，得到目标储层的地震属性融合结果
。
该专利技术通过为多个地震属性中的每个地震属性设置不同的融合权重，进而根据每个地震属性的融合权重对多个地震属性进行融合，解决了相关技术中存在的油气储层的分布结果具有多种解的问题
。
[0006]以上现有技术均与本专利技术有较大区别，未能解决我们想要解决的技术问题，为此
我们专利技术了一种新的基于薄板样条基函数的地震属性融合方法
。

技术实现思路

[0007]本专利技术的目的是提供一种能够增强地震属性在储层预测中的精度的基于薄板样条基函数的地震属性融合方法
。
[0008]本专利技术的目的可通过如下技术措施来实现：基于薄板样条基函数的地震属性融合方法，该基于薄板样条基函数的地震属性融合方法包括：
[0009]步骤1，计算所有参与融合的地震属性的属性值集合
X
；
[0010]步骤2，定义薄板样条基函数；
[0011]步骤3，建立初始网络；
[0012]步骤4，计算样本数据到聚类中心的距离；
[0013]步骤5，计算第
k
个样本数据
x
k
的最近邻聚类；
[0014]步骤6，形成薄板样条基函数的激活函数；
[0015]步骤7，建立网络学习误差判断函数；
[0016]步骤8，修正训练权系数，根据训练后的权系数
w
i
，完成地震属性融合计算
。
[0017]本专利技术的目的还可通过如下技术措施来实现：
[0018]在步骤1，根据井坐标，在某一个地震属性数据
s
i
中提取所有井的属性值，组成集合记为
x
n
，利用同样方法计算所有参与融合的地震属性的
x
n
，组成数据集合
X。
[0019]在步骤1，根据集合
X
中属性数据
x
n
的个数，确定输入层节点数
n
，并将以上集合
X
作为输入层导入；
[0020]X
＝
{x1,x2...x
n
},x
i
∈R
n
ꢀꢀꢀ
式1[0021]其中，每个
x
n
都是由若干个地震属性数据对
(x1,y1)
组成
。
[0022]在步骤
2,
定薄板样条基函数的宽度
r
，定义一个矢量
A(l)
用于存放属于各类的输出矢量之和，定义一个计数器
B(l)
用于统计属于各类的样本个数，
l
为类别数，其中薄板样条基函数如下：
[0023]f
i
(x)
＝
||x
‑
c
i2
ln(||x
‑
c
i
||) i
＝
1,2,
…
,m
ꢀꢀꢀ
式2[0024]式中：
x
是
n
维输入向量即步骤1的
x
n
；
c
i
是第
i
个属性的薄板样条基函数的中心值，与
x
具有相同的维数的向量；
m
是感知单元的个数即隐含层节点数；
||x
‑
c
i
||
是向量
x
‑
c
i
的范数，它表示
x
与
c
i
之间的距离；式2中
f
i
(x)
在
c
i
处有一个唯一的最大值，随着...

【技术保护点】

【技术特征摘要】
1.
基于薄板样条基函数的地震属性融合方法，其特征在于，该基于薄板样条基函数的地震属性融合方法包括：步骤1，计算所有参与融合的地震属性的属性值集合
X
；步骤2，定义薄板样条基函数；步骤3，建立初始网络；步骤4，计算样本数据到聚类中心的距离；步骤5，计算第
k
个样本数据
x
k
的最近邻聚类；步骤6，形成薄板样条基函数的激活函数；步骤7，建立网络学习误差判断函数；步骤8，修正训练权系数，根据训练后的权系数
w
i
，完成地震属性融合计算
。2.
根据权利要求1所述的基于薄板样条基函数的地震属性融合方法，其特征在于，在步骤1，根据井坐标，在某一个地震属性数据
s
i
中提取所有井的属性值，组成集合记为
x
n
，利用同样方法计算所有参与融合的地震属性的
x
n
，组成数据集合
X。3.
根据权利要求2所述的基于薄板样条基函数的地震属性融合方法，其特征在于，在步骤1，根据集合
X
中属性数据
x
n
的个数，确定输入层节点数
n
，并将以上集合
X
作为输入层导入；
X
＝
{x1,x2...x
n
},x
i
∈R
n
ꢀꢀꢀꢀꢀꢀꢀꢀ
式1其中，每个
x
n
都是由若干个地震属性数据对
(x1,y1)
组成
。4.
根据权利要求1所述的基于薄板样条基函数的地震属性融合方法，其特征在于，在步骤
2,
定薄板样条基函数的宽度
r
，定义一个矢量
A(l)
用于存放属于各类的输出矢量之和，定义一个计数器
B(l)
用于统计属于各类的样本个数，
l
为类别数，其中薄板样条基函数如下：
f
i
(x)
＝
||x
‑
c
i
||2ln(||x
‑
c
i
||) i
＝
1,2,
…
,m
ꢀꢀꢀ
式2式中：
x
是
n
维输入向量即步骤1的
x
n
；
c
i
是第
i
个属性的薄板样条基函数的中心值，与
x
具有相同的维数的向量；
m
是感知单元的个数即隐含层节点数；
||x
‑
c
i
||
是向量
x
‑
c
i
的范数，它表示
x
与
c
i
之间的距离；式2中
f
i
(x)
在
c
i
处有一个唯一的最大值，随着
||x
‑
c
i
||
的增大，
f
i
(x)
迅速衰减到零；对于给定的输入
x∈R
n
，只有一小部分靠近
x
的中心被激活
。5.
根据权利要求1所述的基于薄板样条基函数的地震属性融合方法，其特征在于，在步骤
3,
从集合
X
中任意选择一个地震属性数据
x
n
，从
x
n
的第一个数据对
(x1,y1)
开始，在
x1上建立一个聚类中心，令
c1＝
x1,A(1)
＝
y1，
B(1)
＝1；建立初始网络，此时只有一个隐单元，该隐单元的中心为
c1，该隐单元到输出层的权矢量为
w1＝
A(1)/B(1)。6.
根据权利要求5所述的基于薄板样条基函数的地震属性融合方法，其特征在于，在步骤
4,
计算
x
n
的第二个样本数据对
(x2,y2)
，求出
x2到
c1这个聚类中心的距离
|x2‑
c1|。7.
根据权利要求6所述的基于薄板样条基函数的地震属性融合方法，其特征在于，在步骤
4,
如果
|x2‑
c1|≤r
，
r
为步骤2定义的薄板样条基函数的宽度，则
c1为
x2的最近邻聚类，且令
A(1)
＝
y1+y2，
B(1)
＝2，
w1＝
A(1)/B(1)。8.
根据权利要求7所述的基于薄板样条基函数的地震属性融合方法，其特征在于，在步骤
4,
如果
|x2‑
c1|
＞
r
，则将
x2作为一个新聚类中心，并令
c2＝
x2，
A(2)
＝
y2，
B(2)
＝1；在步骤3建立的网络中再添加一个隐单元，该隐单元到输出层的权矢量为
w2＝...

【专利技术属性】
技术研发人员：刘浩杰，韩宏伟，魏国华，钱志，王奇韵，罗平平，刘佳琦，兰丽丽，
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物探研究院，
类型：发明
国别省市：