地震属性的聚类方法技术

本发明专利技术的实施例涉及地震数据处理技术领域，具体公开了一种地震属性的聚类方法

【技术实现步骤摘要】
地震属性的聚类方法


[0001]本专利技术的实施例涉及地震数据处理
，具体涉及一种地震属性的聚类方法
。

技术介绍

[0002]地震属性是指由地震数据通过数学变换得出的，能够反映地质特征的具体参数
。
目前地震属性可以分为上百种，其中每种地震属性都是从不同的角度来反映地质特征，且同种地震属性在不同的区域
、
对不同的储层对象的敏感度也是不完全相同的
。
因此需要对地震属性进行聚类，优选出对所预测对象的敏感度最高的地震属性或地震属性组合，但常规的地震属性聚类方法依赖于初始值，容易导致聚类结果不稳定
。

技术实现思路

[0003]根据本专利技术实施例的一个方面，提供了一种地震属性的聚类方法
。
本实施例中的地震属性的聚类方法包括：获取待聚类的地震属性数据；设置聚类方案的数量以及每一个聚类方案的多个初始类别中心；根据地震属性数据以及聚类方案的多个初始类别中心，确定每一个聚类方案，得到地震属性数据的多个聚类方案；分别确定多个聚类方案的目标函数值，根据目标函数值，确定多个聚类方案中当前的最佳聚类方案；基于人工蜂群更新各个聚类方案的类别中心，并根据更新后的类别中心更新各个聚类方案；分别确定更新后各个聚类方案的目标函数值，根据更新后的目标函数值以及当前的最佳聚类方案的目标函数值，更新最佳聚类方案；重复更新各个聚类方案的类别中心以及更新最佳聚类方案的步骤，直至最佳聚类方案满足预设要求
。
[0004]本申请实施例中的地震属性的聚类方法，能够降低聚类方法对于初始值的依赖，保证地震属性聚类结果的稳定性和可靠性，从而得到对地质特征敏感度最高的地震属性，提高地震属性分析的效率，降低地震属性分析的多解性
。
附图说明
[0005]通过下文中参照附图对本专利技术的实施例所作的描述，本专利技术的其它目的和优点将显而易见，并可帮助对本专利技术有全面的理解
。
[0006]图1是本申请实施例提供的地震属性的聚类方法的流程图
。
[0007]图2是本申请实施例提供的更新各个聚类方案的流程图
。
[0008]图3是本申请实施例提供的更新最佳聚类方案的流程图
。
具体实施方式
[0009]为使本申请的目的
、
技术方案和优点更加清楚，下面将结合本申请实施例的附图，对本申请的技术方案进行清楚
、
完整地描述
。
显然，所描述的实施例是本申请的一个实施例，而不是全部的实施例
。
基于所描述的本申请的实施例，本领域普通技术人员在无需创造
性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围
。
[0010]需要说明的是，除非另外定义，本申请使用的技术术语或者科学术语应当为本申请所属领域内具有一般技能的人士所理解的通常意义
。
若全文中涉及“第一”、“第二”等描述，则该“第一”、“第二”等描述仅用于区别类似的对象，而不能理解为指示或暗示其相对重要性
、
先后次序或者隐含指明所指示的技术特征的数量，应该理解为“第一”、“第二”等描述的数据在适当情况下可以互换
。
若全文中出现“和
/
或”，其含义为包括三个并列方案，以“A
和
/
或
B”为例，包括
A
方案，或
B
方案，或
A
和
B
同时满足的方案
。
此外，为了便于描述，在这里可以使用空间相对术语，如“上方”、“下方”、“顶部”、“底部”等，仅用来描述如图中所示的一个器件或特征与其他器件或特征的空间位置关系，应当理解为也包含除了图中所示的方位之外的在使用或操作中的不同方位
。
[0011]本申请的专利技术人发现，常规的地震属性聚类方法对于初始值的依赖程度较高，容易导致聚类结果不稳定，从而难以对地质进行综合解释，影响储层的预测精度
。
[0012]为此，本申请的实施例提供一种地震属性的聚类方法，请参阅图1，该方法包括以下步骤
S10
至步骤
S70。
[0013]步骤
S10
：获取待聚类的地震属性数据
。
[0014]步骤
S20
：设置聚类方案的数量以及每一个聚类方案的多个初始类别中心
。
[0015]步骤
S30
：根据地震属性数据以及聚类方案的多个初始类别中心，确定每一个聚类方案，得到地震属性数据的多个聚类方案
。
[0016]步骤
S40
：分别确定多个聚类方案的目标函数值，根据目标函数值，确定多个聚类方案中当前的最佳聚类方案
。
[0017]步骤
S50
：基于人工蜂群更新各个聚类方案的类别中心，并根据更新后的类别中心更新各个聚类方案
。
[0018]步骤
S60
：分别确定更新后各个聚类方案的目标函数值，根据更新后的目标函数值以及当前的最佳聚类方案的目标函数值，更新最佳聚类方案
。
[0019]步骤
S70
：重复更新各个聚类方案的类别中心以及更新最佳聚类方案的步骤，直至最佳聚类方案满足预设要求
。
[0020]本实施例的聚类方法，通过将人工蜂群优化算法与地震属性聚类方法结合运用，采用全局优化算法，搜索全局最优的聚类中心，提取出最佳的聚类方案，以降低聚类方法对于初始值的依赖，减少冗余信息，从而提高聚类结果的稳定性和可靠性，提高地震属性的分析效率，为有效预测储层提供技术支撑
。
[0021]聚类是根据数据之间的相似度，将数据集划分为多个类别，使得同一类别内的数据相似度较大而不同类别间的数据相似度较小
。
在本实施例中，通过对地震属性数据进行聚类获得多个聚类方案，并结合人工蜂群算法，以提取出最佳聚类方案，从而得到对地质特征敏感度最高的地震属性或地震属性组合
。
[0022]在一些实施例中，在步骤
S10
中，在获取待聚类的地震属性数据时，可以从原始地震属性数据中提取大量地震属性，提取的地震属性需要能够反映出地质特征等信息，以作为聚类时输入的地震属性样本数据
。
[0023]需要说明的是，因为通过观察和分析原始地震属性数据，只能得到地震波的到时
、
振幅和持续时间等信息，直接使用原始地震属性数据无法满足聚类条件，故需要以预定标
准对原始地震属性数据进行人工筛选，得到能够反映出地质特征等信息的
、
能够满足聚类条件的地震属性数据，以作为聚类时输入的样本数据
。
[0024]在一些实施例中，在步骤
S20
中，在设置聚类方案的数量以及每一个聚类方案的多本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种地震属性的聚类方法，其特征在于，包括以下步骤：获取待聚类的地震属性数据；设置聚类方案的数量以及每一个聚类方案的多个初始类别中心；根据所述地震属性数据以及所述聚类方案的多个所述初始类别中心，确定每一个所述聚类方案，得到所述地震属性数据的多个聚类方案；分别确定所述多个聚类方案的目标函数值，根据所述目标函数值，确定当前的所述多个聚类方案中的最佳聚类方案；基于人工蜂群更新各个聚类方案的类别中心，并根据更新后的类别中心更新各个聚类方案；分别确定更新后各个聚类方案的所述目标函数值，根据更新后的所述目标函数值以及当前的最佳聚类方案的目标函数值，更新所述最佳聚类方案；重复更新各个聚类方案的类别中心以及更新最佳聚类方案的步骤，直至所述最佳聚类方案满足预设要求
。2.
根据权利要求1所述的方法，其特征在于，所述基于人工蜂群更新各个聚类方案的类别中心，并根据更新后的类别中心更新各个聚类方案，包括以下步骤：依次用引领蜂和跟随蜂更新各个聚类方案的类别中心，并根据更新后的类别中心更新各个聚类方案；判断各个聚类方案是否为局部最优方案；响应于所述聚类方案为局部最优方案，用侦查蜂随机搜索新的聚类方案，以替代该所述聚类方案
。3.
根据权利要求2所述的方法，其特征在于，所述依次用引领蜂和跟随蜂更新各个聚类方案的类别中心，并根据更新后的类别中心更新各个聚类方案，包括：用引领蜂更新各个聚类方案的类别中心；对于每一个聚类方案，根据所述地震属性数据和更新后的所述类别中心，确定新的聚类方案及其目标函数值；根据所述新的聚类方案的目标函数值大于当前聚类方案的目标函数值，更新所述聚类方案；根据所述新的聚类方案的目标函数值小于或等于当前聚类方案的目标函数值，保留当前的聚类方案
。4.
根据权利要求3所述的方法，其特征在于，用引领蜂更新各个聚类方案的类别中心时，采用以下表达式确定更新后的类别中心：其中，和分别为第
i
个和第
j
个聚类方案的类别中心；是更新后的类别中心；是范围在
‑
1~1
之间的随机数
。5.
根据权利要求2所述的方法，其特征在于，所述依次用引领蜂和跟随蜂更新各个聚类方案的类别中心，并根据更新后的类别中心更新各个聚类方案，还包括：确定各个跟随蜂待更新的...

【专利技术属性】
技术研发人员：曹成寅，赵丹，秦明宽，李子伟，黄昱丞，何中波，刘章月，
申请(专利权)人：核工业北京地质研究院，
类型：发明
国别省市：