解释分配给N维解释空间中多个位置的多个M维属性向量制造技术

一种用于解释分配给n维解释空间(n≥1)中多个位置的多个m 维属性向量(m≥2)的方法，该方法包括：将至少一个属性向量子集 排列为m维属性空间中的点；通过为每个类识别属性空间中的至少一 个分类点，定义k类(k≥2)属性向量；为属性空间中的点假设分类 规则；利用分类点和获得被分类点的分类规则，确定属性空间中的点 的类成员资格属性；及向被分类点分配关于该类成员资格属性的显示 参数。在一种实施方式中，显示参数是得自概率成员资格值的混合显 示参数，其中每个概率成员资格值表示被分类点属于选定类的概率。 在另一种实施方式中，在属性空间中和解释空间中同时显示被分类点。 该方法可以用在从次表层地层产生碳氢化合物的方法中。还提供了相 应的计算机程序产品和计算机系统。

【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及用于解释分配给n维解释空间(n$l)中多个位置的 多个m维属性向量(m$2)的方法。解释空间尤其可以表示次表层地 层(subsurface formation )。本专利技术可以用在从次表层地层产生碳氢 化合物的方法中。
技术介绍
对所获得的用于解释空间的大量数据的解释可以是非常复杂的 任务。 一个特定的例子是针对次表层地层所获得的地震及有时候是其 它数据的分析，以便允许在特定属性的区域和层之间加以区别。在此 所使用的术语次表层地层指一定量的次表层。 一定量的次表层一 般包含多个层。次表层地层尤其可以包括一个或多个包含或者预计包 含诸如油或天然气的碳氢化合物的层，但是它也可以，甚至主要地， 包括其它层与地质结构。通常，两个或多个数据集是可以获得的，每个数据集提供贯穿该 解释空间不同位置的独特标量参数的值。期望联合起来解释这些数据 集，以便识别解释空间中特定类别的区域。在解释针对次表层地层所获得的数据的情况下，常常采用所谓的振幅随偏移距变化(AVO)技术。在2003年11月GSEG Recorder 上第5國11页由S.Chopra、 V.Alexeev和Y.Xu所写的文章Successful AVO and Cross-Plotting中，作为使得能够同时且有意义评估两个属 性的技术，讨论了交绘(Cross-Plotting)。在传统的交绘中，属于(次 表层地层中)解释空间中特定位置的两个独立标量参数(属性)的值 是作为独立二维空间中的点绘制的，其中该二维空间可以称为属性空 间。属性空间的二个维度表示所考虑的两个属性。6在Chopra文章的例子1中，解释空间是沿通过次表层地层的井 筒轨道的1维。沿着井筒，几个测井参数(属性)已经被测量出来或 者从测量结果中得到，例如P-速度Vp、S-速度Vs、Rho、Mu和Lambda (Lam^参数，分别表示容积密度、剪切模量和对弹性模数的压缩影 响)。给出了 Vp对Vs、 Lambda-Rho对Mu-Rho的2维交绘图，及 其中使用三维属性的两个交绘图。地质层是沿井筒识别的，在交绘图 中，表示来自特定类型地质层的数据的点是利用特定的颜色绘制的。 在交绘图中，可以看到主要或完全具有同一颜色的点群。相反，通过 围绕每个群画多边形，操作员可以标记沿这些数据点起源的钻井的测 井带。多边形方法的特定实施方式在2006年6月12日至15日于奥地 利维也纳举办的第68届EAGE Conference & Exhibition上P.Brenton 和O.D.Duplantier所写的论文When Geology meets Geophysics -optimised Lithoseismic Fades Cubes for Reservoir Needs中讨论。在 这篇论文中，利用岩石学数据来更新画成隔开测井数据交绘图中相类 群(fades group )的多边形。对特定相或相类群中诸如多孔性的特定 岩石学参数出现的概率进行统计分析，并将其用于通过交绘图中的多 边形边界精确定义相类群。在确定精确的多边形后，解释空间中的3D 可视结果就可以由地质学家进行。需要一种改进的解释方法。在复杂的情况下，例如当各个类的分 布采样不够或者重叠时，而且尤其是当没有或者只有很少岩石学数据 可用时，操作员就不能确信地画出区别几个数据类的多边形。而且， 当考虑具有三个或更多维度的属性空间时，多边形方法也是不够的。应当理解，向量数据可以被看作标量数据的集合，尤其是用于对 应的多个位置的标量数据集。特别地，属性向量总是可以被认为表示 共址(co-located)标量数据集的集合。
技术实现思路
根据本专利技术，提供了一种用于解释分配给n维解释空间(n^l)量(rnS2)的方法，该方法包括步骤 将至少 一 个属性向量子集排列为m维属性空间中的点； 通过为每个类识别属性空间中的至少一个分类点，定义k类 (k22)属性向量；为属性空间中的点假设分类规则；利用分类点和获得被分类点的分类规则，确定属性空间中被分类 点的类成员资格属性，其中被分类点的类成员资格属性包括k个概率 成员资格值，每个值表示被分类点属于k类中所选定一类的概率；及向被分类点分配关于该类成员资格属性的显示参数，其中该显示 参数是得自概率成员资格值的混合显示参数。在本专利技术的方法中，k个类是通过属性空间中的分类点定义的。 在属性空间中识别每一类的一个或多个这种分类点。依赖于操作员可 用的信息，识别可以通过在属性空间中直接选择来进行，或者通过识 别解释空间中已知或者预期属于特定一类的位置来进行。在后一种情 况下，属于所选位置的属性向量由此被识别为定义特定类所需的分类 点。一旦完成了这种类的定义，就根据所识别出的分类点和已经为空 间中的点、通常是为所考虑的属性空间中的任何点假设的分类规则， 为每个被分类点确定类成员资格属性。在该方法的特定实施方式中，定义类包括为类分配概率密度函 数，使得被分类点的类成员资格属性可以从类的概率密度函数确定。 概率密度函数指示属性空间中的点属于给定类的概率。更特别地，被 分类点的类成员资格属性包括k个概率成员资格值，每个值表示被分 类点属于给出在该点的属性值的一个类的概率。一旦已经获得了属性空间中点的初始分类，操作员就可以在一次 或多次迭代中，特别是交互式地，更新(修改或微调)类的定义， 其中下一次迭代中的更新是响应从一次或多次前面迭代所获得的结果 进行的。更新可以通过修正前面的选择或者通过应用例如期望最大化 或K均值的算法来进行，例如在2004年Prentice-Hall出版社所出版8Biometric Authentication: A Machine Learning Approach 中由 M.W.Mak、 S.Y.Kung和S.H.Lin所写Expectation-Maximization Theory中所描述的。根据类成员资格属性，将显示参数分配给属性空间中的每个点。 混合的(掺和的)显示参数尤其可以是混合的颜色。适当地，k 维属性-颜色地图或表用于显示至少部分解释空间和/或属性空间。适当地，至少部分属性空间是与显示至少部分解释空间一起显示 的。利用混合显示参数在一个或多个计算机显示器上同时显示属性空 间和至少部分解释空间中的被分类点，以尤其允许响应显示而交互地 更新类的定义。在本专利技术的另 一方面，提供了 一种用于解释分配给n维解释空间 (n^l)中多个位置的多个m维属性向量(m^2)的方法，该方法包 括步骤将至少一个属性向量子集排列为m维属性空间中的点； 通过为每个类识别属性空间中的至少一个分类点，定义k类 (k^2)属性向量；为属性空间中的点假设分类规则；利用分类点和分类规则，确定属性空间中被分类点的类成员资格属性；向被分类点分配关于类成员资格属性的显示参数；及利用显示参数在一个或多个计算机显示器上同时在属性空间和 至少部分解释空间中显示被分类点。属性空间和至少部分解释空间的同时显示允许该方法的操作员 对分类进行有利的交互式更新。类及分类点的个数可以利用解释空间 和属性空间修改。分类规则也可以修改，且结果是立即可见的。在特定的实施方式中，定义类包括向类分配概率密度函数，使得 被分类点的类本文档来自技高网...

【技术保护点】
一种用于解释分配给ｎ维解释空间（ｎ≥１）中多个位置的多个ｍ维属性向量（ｍ≥２）的方法，该方法包括以下步骤：　将至少一个属性向量子集排列为ｍ维属性空间中的点；　通过为每个类识别属性空间中的至少一个分类点，定义ｋ类（ｋ≥２）属性向量 ；　为属性空间中的点假设分类规则；　利用分类点和获得被分类点的分类规则，确定属性空间中的点的类成员资格属性，其中被分类点的类成员资格属性包括ｋ个概率成员资格值，每个值表示被分类点属于ｋ类中所选定一类的概率；及　向被分类点分 配关于该类成员资格属性的显示参数，其中显示参数是得自概率成员资格值的混合显示参数。

【技术特征摘要】
【国外来华专利技术】2006.8.31 EP 06119911.31、一种用于解释分配给n维解释空间(n≥1)中多个位置的多个m维属性向量(m≥2)的方法，该方法包括以下步骤将至少一个属性向量子集排列为m维属性空间中的点；通过为每个类识别属性空间中的至少一个分类点，定义k类(k≥2)属性向量；为属性空间中的点假设分类规则；利用分类点和获得被分类点的分类规则，确定属性空间中的点的类成员资格属性，其中被分类点的类成员资格属性包括k个概率成员资格值，每个值表示被分类点属于k类中所选定一类的概率；及向被分类点分配关于该类成员资格属性的显示参数，其中显示参数是得自概率成员资格值的混合显示参数。2、 如权利要求1所述的方法，其中定义类包括给类分配概率密 度函数，该函数在分类规则中用于确定被分类点的类成员资格属性。3、 如权利要求1-2中任何一项所述的方法，其中至少一个分类 点是通过选择或识别n维解释空间中的位置来识别的。4、 如权利要求1-3中任何一项所述的方法，其中更新类的定义， 特别地，其中更新是通过诸如期望最大化算法或K均值的算法来进行 的。5、 如权利要求1-4中任何一项所述的方法，其中定义k类属性 向量的步骤包括给每个类分配颜色，而且其中，混合显示参数是得自 概率成员资格值和类的颜色的混合颜色。6、 如权利要求1-5中任何一项所述的方法，其中利用k维属性-颜色地图或表来显示至少部分解释空间和/或属性空间。7、 如权利要求1-6中任何一项所述的方法，其中该方法还包括 与显示至少部分解释空间一起显示至少部分属性空间的步骤。8、 如权利要求7所述的方法，其中响应于与至少部分解释空间 一起显示至少部分属性空间而更新类的定义。9、 如权利要求1-8中任何一项所述的方法，其中，定义类包括 定义属于该类的颜色。10、 如权利要求1-9中任何一项所述的方法，其中解释空间的维 度是空间维度，而且任选地可以有时间，特别地，其中n维解释空间 表示次表层地层。11、 如权利要求1-10中任何一项所述的方法，还包括利用混合 显示参数在一个或多个计算机显示器上同时在属性空间中和至少部分 解释空间中显示被分类点。12、 一种用于解释分配给n维解释空间(n21)中多个位置的多 个m维属性向量(m^2 )的方法，该方法包括以下步骤将至少一个属性向量子集排列为m维属性空间中的点； 通过为每个类识别属性空间中的至少一个分类点，定义k类 (kS)属性向量；为属性空间中的点假设分类规则；利用分类点和分类规则，确定属性空间中被分类点的类成员资格属性；向被分类点分配关于...

【专利技术属性】
技术研发人员：金昌忠，S·格斯博特，A·R·马斯特斯，徐春保，
申请(专利权)人：国际壳牌研究有限公司，
类型：发明
国别省市：NL