基于半监督分类的二维地震数据全层位追踪方法技术

本发明专利技术公开了一种基于半监督分类的二维地震数据全层位追踪方法，包括如下步骤：步骤一、查找极值点进行波形拟合，并对种子点进行设定；步骤二、通过基于半监督分类算法的特征选择算法获得最优化特征参数，同时获得对应的聚类效果；步骤三、再用步骤一标示的种子点自动标示聚类团属于具体哪一个层位。本发明专利技术的积极效果是：通过将半监督分类引入到全层位追踪中，提高了追踪的精确性效果并且保证了效率；利用FSSCEM算法，对冗余特征进行了筛选，获得最优化特征参数。既能适应复杂地质环境又不需要人工干预，不需要像有监督分类一样需要标示大量训练样本，又通过少量种子点的预先设定，获得比聚类算法更高的分类精度和自动化程度。

【技术实现步骤摘要】

本专利技术涉及一种。
技术介绍
地震资料解释是地质勘探非常重要的一个环节，是了解地质构造的唯一路径，而层位追踪是地震资料解释的核心部分之一。长期以来地震层位的追踪与拾取依靠人工实现，耗费了大量的人力，是影响地震资料解释效率的关键问题；同时人工的追踪与拾取因为效率问题，只能对少数目地层位进行解释，无法实现对所有层位的追踪，通常难以为精细的 地震资料分析(如地震地层学解释)提供基础数据。依据地震层位的相似性，使用计算机进行自动层位拾取是一项非常具有挑战性的工作，近年来受到勘探地球物理学界的广泛关注与重视，获得了可喜的进步。但是，现有方法存在如下问题一、不能适应复杂地质环境比如说P. Alberts等(2002)提出了一种基于人工神经网络层位追踪算法，主要将跨断层等不连续地质结构的层位追踪问题视为模式识别的问题，然后采用神经网络进行模式识别。Reda Benbernou等(2007)年在P. Alberts的工作基础上，采用模糊手段进行判决，组成混合的层位自动追踪方法。M. Aurnhammer等(2002)提出了一种遗传算法层位追踪算法，其具体思路是采用基于模型的方法来处理跨越断层的问题，然后将问题转化为约束最优化的问题，然后使用遗传算法来求解。F. Admasu等(2004)采用了模拟退火的方法来解约束最优问题，F. Admasu等(2006)讨论了贝叶斯方法求解约束最优化问题。F. Admasu等(2006)将子波变换引入了层位追踪问题中，先将地震数据小波多尺度分解，然后再进行层位追踪，采用方法依然是贝叶斯方法。Yingwei Yu等(2011)使用定向矢量场获得层位极值信息，将目标层位建模为无向连通图，然后使用最小生成树获得目标层位，但这样思路并不能进行全层位追踪。P. Alberts和Reda Benbernou的神经网络方法跨越复杂地质环境能力与训练样本状况密切相关，如果训练样本包含这种复杂地质状况，则能很好追踪，否则不能。而且训练样本获得需要大量人工干预标示。MAurnhammer和F. Admasu的模型方法存在的问题一是对复杂地质状况的逼近程度；二是求解方法求解精度和次优解问题。二、需要人工干预比如说Hilde G. Borgos等(2005)引入基于有限混合高斯的全层位追踪算法，由于将层位追踪转化为分类问题，所以不存在跨断层问题，能适合复杂的地质环境。但是Hilde G. Borgos方法主要采用有监督和聚类算法进行分类。有监督分类算法存在的问题是需要大量人工标识的训练样本，聚类算法存在的问题是需要对聚类团进行手工标识以确定属于哪个层位。与本专利技术相关的现有技术包括I.有监督分类有监督分类器主要有最大似然和贝叶斯分类器。有监督分类器使用大量的手工标识的数据进行训练，然后用未标识的数据来测试其性能，分类器具有很高的分类精度。2.无监督分类在无监督分类方法中，主要采用软聚类(概率模型)、硬聚类方法(均值和最邻近)和树聚类。但是聚类算法有一个最大缺陷是对聚类团进行类的标识是非常困难的。 无监督分类方法比有监督分类方法具有以下优点I)能够产生新的聚类以适应新产生的应用；2)不需要标识样本数据。反之来看有监督分类方法与无监督分类方法相比也有其优点1)具有更高的分类精度；2)可以区分更多类型。
技术实现思路
为了克服现有技术的上述缺点，本专利技术提供了一种，既能适应复杂地质环境又不需要人工干预，不需要像有监督分类一样需要标示大量训练样本，又通过少量种子点的预先设定，获得比聚类算法更高的分类精度和自动化程度。 本专利技术解决其技术问题所采用的技术方案是一种，包括如下步骤步骤一、查找极值点进行波形拟合，并对种子点进行设定；步骤二、通过基于半监督分类算法的特征选择算法获得最优化特征参数，同时获得对应的聚类效果；步骤三、再用步骤一标示的种子点自动标示聚类团属于具体哪一个层位。与现有技术相比，本专利技术的积极效果是通过将半监督分类引入到全层位追踪中，提高了追踪的精确性效果并且保证了效率；利用FSSCEM算法，对冗余特征进行了筛选，获得最优化特征参数。具体实施例方式一种，包括如下步骤步骤一、查找极值点进行波形拟合，并对种子点进行设定I)极值查找我们使用S={S(x，t)}表示地震剖面，其中X为⑶P号或者线号，t为双程旅行时或者深度，s(x0, t)表示单道地震道。由于层位线主要位于极大值、极小值或者过零点这些地方，因此我们层位追踪的第一步需要找到这些极大值、极小值或者过零点。称地震的极大值和极小值为地震极值，我们主要用地震极值作为层位自动追踪的基础。地震极值可以定义为 <χ) = [^=θ}⑴极大值和极小值可以分开进行半监督分类，因为极大值和极小值不可能属于同一层位。2)牛顿多项式拟合根据式(I)获得地震极值之后，我们需要提取极值位置上波形的特征，以用来进行分类。主要通过牛顿多项式拟合的方法重建道，得到拟合系数，用这些拟合系数特征化波形。那么地震道的牛顿重建可以表示为S (x0, t) = a0T0 (t) +B1T1 (t) +... +anTn(t) (2)其中Tdt)为阶数为i的牛顿多项式，X={a0, a1；…，an}为拟合系数，是从以极值点h为中心，固定长度的窗口 内的数据求解获得(b为窗口大小)。在系统里面，牛顿的阶数是影响较大的因素。牛顿的阶数主要体现的是极值所在波形的范围，如果阶数过小，得不到层位完整的波形，如果阶数过大，则包含太大的波形。因此需要预先对层位所在的地震数据波形进行观测，以确定合理的阶数。3)种子点设定标示已知样本方式是对重要的地质现象进行标示。标识数量需要在性能和标示样本的开销之间寻找一个较好的折中。标示过多，则趋近于有监督分类，标示过少则会影响类的标示，有些聚类团可能没有标示数据，无法自动识别。在本专利技术中采用对断层等地质复杂区域进行手工标定种子点的方法进行种子点设定。解释人员凭借经验识别断层两侧的同一层位，并对该层位在断层两侧进行标示，将标示点作为种子点并用于半监督分类，这样在分类后便可以将断层两侧的同一层位连接起来，形成完整的层位。步骤二、通过基于半监督分类算法的特征选择算法(FSSCEM)获得最优化特征参数，同时获得对应的聚类效果I)层位特征参数的建模假设Χ( ) = ，<,...，<}为第i个极值点的拟合特征系数，其中N为拟合的阶数。假设H=Ihz^h1J为待识别的层位集合，其中Iii表示第i个层位，N表示总层位数目，总层位数目一般作为先验知识可以获得。属于同一层位的拟合系数服从正态分布，其定义如下权利要求1.一种，其特征在于包括如下步骤 步骤一、查找极值点进行波形拟合，并对种子点进行设定； 步骤二、通过基于半监督分类算法的特征选择算法获得最优化特征参数，同时获得对应的聚类效果； 步骤三、再用步骤一标示的种子点自动标示聚类团属于具体哪一个层位。2.根据权利要求I所述的，其特征在于所述特征选择算法的输入是所有极值的拟合特征的集合，输出是选择的极值的拟合特征和在极值的拟合特征空间进行的聚类，具体的流程为搜寻极值的拟合特征空间，评估每个候选拟合特征子集；使用聚类算法聚类，用选择的评价策略对选择特征和聚类效果进行评估；重复整个过程直到发现最优化的拟合特征子集本文档来自技高网...

【技术保护点】
一种基于半监督分类的二维地震数据全层位追踪方法，其特征在于：包括如下步骤：步骤一、查找极值点进行波形拟合，并对种子点进行设定；步骤二、通过基于半监督分类算法的特征选择算法获得最优化特征参数，同时获得对应的聚类效果；步骤三、再用步骤一标示的种子点自动标示聚类团属于具体哪一个层位。

【技术特征摘要】

【专利技术属性】
技术研发人员：钱峰，涂先见，姚兴苗，胡光岷，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：