【技术实现步骤摘要】
本公开涉及地震相结构的预测，尤其涉及地震相结构的预测方法及装置。
技术介绍
1、随着地球物理勘探开发力度的不断加大，对油藏模型的要求越来越高，利用地震数据更好地约束油藏模型已经成为地震解释的重要目标。给定适当的地震属性组合，地震相分析技术就可以识别储层的横向变化，然后结合井信息对其进行校正。利用地震资料和模式识别技术寻找合适的油藏模型表示方法一直是研究的主题。
2、叠前地震波是地表不同方位角检波器接收到来自地下同一反射点的原始反射信号，说明检波点可以利用多个角度的反射波来描述地下的结构信息。叠后地震信号是由叠前地震信号通过速度模型叠加获得，因此叠后数据量变少，同时也损失了地震反射波形的各向异性。由于叠前地震道信号维度较高，不仅会使模型的计算复杂度变高，也会使得数据样本相较叠后地震数据变得稀疏，故以往的地震波形分类方法受限于算法复杂度和硬件配置只能用于叠后地震数据，且分类效果不尽人意。如今随着计算机硬件和深度学习技术的不断发展，人们已经开始关注叠前地震道信号的波形分类处理方法。
3、地震相分析中常用的参数主要有反射构型，几何形态，反射连续性，地震反射物理参数以及与其它地震相单元的关系。其主要的研究手段为振幅法、正演模型法、反演法和模式识别法。目前的模式识别法大部分还是通过测井资料进行约束，结合深度学习算法将已知的地层参数资料通过神经网络与多种地震属性建立联系，再据此预测全部工区的地层参数。但由于实际工作中测井数据对于整个地震数据而言是非常稀疏的且自身存在许多干扰和误差,导致地震属性应用中不确定性和多解性较高
技术实现思路
1、有鉴于此，本公开实施例提供了地震相结构的预测方法及装置，以解决现有技术中的问题。
2、本公开实施例的第一方面，提供了一种地震相结构的预测方法，包括：
3、获取目标层位中第一预设数量叠前地震道信号；
4、将所述叠前地震道信号导入训练好的深度特征提取模型，提取出所述叠前地震道信号中的至少三个深层特征数据；
5、从所述至少三个深层特征数据中筛选出至少两个符合要求的深层特征数据进行合并，得到合并后的深层特征数据；
6、对合并后的深层特征数据进行聚类分析，得到目标层位的地震相结构预测结果。
7、在一些实施例中，所述获取目标层位中第一预设数量叠前地震道信号，包括：
8、获取所述目标层位中针对第二预设数量方位角中每个方位角的针对第三预设数量地震道的原始叠前地震道信号；
9、对所述原始叠前地震道信号进行预处理，得到预处理后的针对每个方位角的第三预设数量原始叠前地震道信号，并构成所述第一预设数量叠前地震道信号，其中，所述第二预设数量与所述第三预设数量的乘积等于所述第一预设数量。
10、在一些实施例中，所述预处理的方式包括以下至少一项：
11、降噪处理、标准化处理、归一化处理、去重处理和消除极值处理。
12、在一些实施例中，所述深度特征提取模型包括基于卷积神经网络的自编码器模型；
13、所述深度特征提取模型的训练步骤包括：
14、复制多份所述叠前地震道信号，并添加噪声数据，构成添加噪声后的叠前地震道信号；
15、基于针对所述目标层位中第四预设数量不同深度的采样点，从所述添加噪声后的叠前地震道信号中提取第五预设数量维度的样本数据集，其中，所述第一预设数量与所述第四预设数量的乘积等于所述第五预设数量；
16、将所述样本数据集导入预设的基于卷积神经网络的自编码器模型进行训练，并生成预测样本集；
17、当所述预测样本集与所述样本数据集的误差满足预设要求时，得到所述训练好的深度特征提取模型。
18、在一些实施例中，所述提取出所述叠前地震道信号中的至少三个深层特征数据，包括：
19、提取所述深度特征提取模型中池化层的输出，得到所述叠前地震道信号中的第六数量维度的深层特征数据，其中，所述第六数量维度等于所述第五预设数量与所述特征提取模型的池化步长数量的商。
20、在一些实施例中，所述从所述至少三个深层特征数据中筛选出至少两个符合要求的深层特征数据进行合并，得到合并后的深层特征数据，包括：
21、基于所述至少三个深层特征数据中的每个深层特征数据生成深层特征图像，得到至少三个深层特征图像，其中，每个深层特征图像用于展示针对所述第三预设数量地震道中每个地震道的图像；
22、从所述至少三个深层特征图像中筛选出至少两个目标深层特征图像，所述目标深层特征图像中无数据地震道在所述第三预设数量地震道中的占比小于第一阈值，或者，相似地震道在所述第三预设数量地震道中的占比小于第二阈值；
23、将所述至少两个目标深层特征图像对应的至少两个深层特征数据进行合并，得到所述合并后的深层特征数据。
24、在一些实施例中，所述聚类分析的方法为凝聚层次聚类分析方法。
25、本公开实施例的第二方面，提供了一种地震相结构的预测装置，包括：
26、获取模块，用于获取目标层位中第一预设数量叠前地震道信号；
27、提取模块，用于将所述叠前地震道信号导入训练好的深度特征提取模型，提取出至少三个深层特征数据；
28、筛选模块，用于从所述至少三个深层特征数据中筛选出至少两个符合要求的深层特征数据进行合并，得到合并后的深层特征数据；
29、聚类分析模块，用于对合并后的深层特征数据进行聚类分析，得到目标层位的地震相结构预测结果。
30、在一些实施例中，所述获取目标层位中第一预设数量叠前地震道信号，包括：
31、获取所述目标层位中针对第二预设数量方位角中每个方位角的第三预设数量地震道的原始叠前地震道信号；
32、对所述原始叠前地震道信号进行预处理，得到预处理后的针对每个方位角的第三预设数量原始叠前地震道信号，并构成所述第一预设数量叠前地震道信号，其中，所述第二预设数量与所述第三预设数量的乘积等于所述第一预设数量。
33、在一些实施例中，所述预处理的方式包括以下至少一项：
34、降噪处理、标准化处理、归一化处理、去重处理和消除极值处理。
35、在一些实施例中，所述深度特征提取模型包括基于卷积神经网络的自编码器模型；
36、所述深度特征提取模型的训练步骤包括：
37、复制多份所述叠前地震道信号，并添加噪声数据，构成添加噪声后的叠前地震道信号；
38、基于针对所述目标层位中第四预设数量不同深度的采样点，从所述添加噪声后的叠前地震道信号中提取第五预设数量维度的样本数据集，其中，所述第一预设数量与所述第四预设数量的乘积等于所述第五预设数量；
39、将所述样本数据集导入预设的基于卷积神经网络的自编码器模型进行训练，并生成预测样本集；
40、当所述预测样本集与所述样本数据集的误差满足预设要求时本文档来自技高网...
【技术保护点】
1.一种地震相结构的预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述获取目标层位中第一预设数量叠前地震道信号，包括：
3.根据权利要求2所述的方法，其特征在于，所述预处理的方式包括以下至少一项：
4.根据权利要求1所述的方法，其特征在于，所述深度特征提取模型包括基于卷积神经网络的自编码器模型；
5.根据权利要求4所述的方法，其特征在于，所述提取出所述叠前地震道信号中的至少三个深层特征数据，包括：
6.根据权利要求2所述的方法，其特征在于，所述从所述至少三个深层特征数据中筛选出至少两个符合要求的深层特征数据进行合并，得到合并后的深层特征数据，包括：
7.根据权利要求1至6任一项所述的方法，其特征在于，所述聚类分析的方法为凝聚层次聚类分析方法。
8.一种地震相结构的预测装置，其特征在于，包括：
9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并且可以在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
...【技术特征摘要】
1.一种地震相结构的预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述获取目标层位中第一预设数量叠前地震道信号，包括：
3.根据权利要求2所述的方法，其特征在于，所述预处理的方式包括以下至少一项：
4.根据权利要求1所述的方法，其特征在于，所述深度特征提取模型包括基于卷积神经网络的自编码器模型；
5.根据权利要求4所述的方法，其特征在于，所述提取出所述叠前地震道信号中的至少三个深层特征数据，包括：
6.根据权利要求2所述的方法，其特征在于，所述从所述至少三个深层特征数据中筛选出至少两个符合要求的...
【专利技术属性】
技术研发人员：高宇航，王志纬，宋辉，马方正，
申请(专利权)人：中国石油化工股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。