一種基于信號分類的地震圖像層位追蹤方法
【專利摘要】本發(fā)明公開了一種基于信號分類的地震圖像層位追蹤方法，在無需人工干預情況下，使用FSSCEM算法對得到的特征參數(shù)進行優(yōu)化選擇并聚類，并且將傾角紋理屬性結合相關查找方法應用于聚類后的后續(xù)處理，實現(xiàn)了二維剖面上的全層位追蹤，然后將半監(jiān)督分類方法、傾角指向和基于相關性的層位追蹤算法結合，實現(xiàn)了在三維地震圖像中層位曲面精確追蹤。本發(fā)明的方法無需大量人工干預；在降低聚類算法的計算量的同時保證了聚類的可靠性；增強了層位識別的連續(xù)性。
【專利說明】一種基于信號分類的地震圖像層位追蹤方法
【技術領域】
[0001]本發(fā)明涉及地震圖像處理領域，具體是一種基于信號分類的地震圖像層位追蹤方法。
【背景技術】
[0002]隨著經(jīng)濟的發(fā)展，社會對石油、天然氣等資源的需求不斷增大，然而要進行油氣的開采，首先必須清楚地下的地質構造，因此地震解釋在地質勘探過程中發(fā)揮了重要作用。地震層位追蹤在地震解釋工作中起到了非常重要的作用，通過地震層位追蹤的方法可以找到可能含有油氣的地層和油氣的儲存深度。
[0003]由于地震圖像中的同相軸是對勘探區(qū)域實際地質結構中的地質層位的映射，因此可以通過在地震圖像中進行的同相軸追蹤來實現(xiàn)地震層位追蹤。地震波在向下傳播過程中由于不同地層的組織構造不同、密度不同，會在地質界面上發(fā)生反射形成記錄，最終識別和追蹤該記錄的過程就是層位追蹤，即同相軸追蹤。
[0004]傳統(tǒng)的層位追蹤方法是通過解釋人員手工完成的，處理時間長，結果不可驗證。為了解決這些問題，近年來相關研究人員提出了很多關于層位自動追蹤算法，使得在這方面的研究得到了迅速發(fā)展和廣泛的關注。目前地震層位追蹤所使用的方法主要有:相關方法、人工神經(jīng)網(wǎng)絡、遺傳算法和基于有限混合高斯的全層位追蹤算法等。
[0005](I)相關方法:通過提取待識別波形的實域段向量、自相關變換向量、最小相位分解向量和K-L變換向量等特征向量，并計算各個特征向量和確定層位的相同特征向量的相關系數(shù)，接著計算這些相關系數(shù)的均值求得一個綜合相關系數(shù)作為相似性的判斷標準，最后綜合相關系數(shù)最大的實域段就是算法要追蹤的層位。該方法法總體上可以比較清楚地分辨層位的結構，但是該方法存在的一個缺陷就是最終層位的不完整性。
[0006](2)人工神經(jīng)網(wǎng)絡層位追蹤算法:主要將跨斷層等不連續(xù)地質結構的層位追蹤問題視為模式識別的問題，然后采用神經(jīng)網(wǎng)絡進行模式識別，但這種方法跨越復雜地質環(huán)境能力與訓練樣本狀況密切相關，如果訓練樣本包含這種復雜地質狀況，則能很好追蹤，否則不能。而且訓練樣本獲得需要大量人工干預標示。
[0007](3)遺傳算法層位追蹤算法:其具體思路是采用基于模型的方法來處理跨越斷層的問題，然后將問題轉化為約束最優(yōu)化的問題，然后使用遺傳算法來求解，這種方法存在兩個問題:一是對復雜地質狀況的逼近程度；二是求解精度和次優(yōu)解問題。
[0008](4)基于有限混合高斯的全層位追蹤算法，能適合復雜的地質環(huán)境，但需要人工干預，不能完全實現(xiàn)層位的自動提取和分離。

【發(fā)明內容】

[0009]本發(fā)明所要解決的技術問題是，針對上述現(xiàn)有技術的不足，提供一種基于信號分類的地震圖像層位追蹤方法，實現(xiàn)二維和三維地震圖像上的全層位自動精確追蹤。
[0010]為解決上述技術問題，本發(fā)明所采用的技術方案是:一種基于信號分類的地震圖像層位追蹤方法，該方法包括二維地震波形層位追蹤方法和三維地震圖像層位追蹤方法:[0011 ] 所述二維地震波形層位追蹤方法為:
[0012]I)尋找二維地震波形中的極值點:若二維地震波形中的某個點的值大于該點兩邊的點的值，且該點的值大于門限值，則該點為極大值點；若二維地震波形中的某個點的值小于該點兩邊的點的值，且該點的值小于門限值，則該點為極小值點；
[0013]2)以上述各極值點為中心分別提取出一段二維地震波形，將切比雪夫零點作為擬合樣本點計算二維地震波形擬合特征系數(shù)；
[0014]3)使用SFS方法刪選上述二維地震波形擬合特征系數(shù)，產生二維地震波形擬合特征系數(shù)的特征子集；
[0015]4)采用CEM方法對二維地震波形擬合特征系數(shù)的特征子集聚類，計算散步分離性策略值，通過該策略值來評價上述特征子集和聚類效果；
[0016]5)重復步驟4)，直到遍歷完所有特征子集，求得散步分離性策略值最大的特征子集，得到第i個極值點屬于第j個聚類的后驗概率P(c」Xa))，若P (C11 x(i)) >P (Cj.1X⑴)，V; #/，即第i個極值點屬于第I個聚類的后驗概率最大，則第i個極值點屬于第I個層位，從而將步驟I)中的極值點分為若干個聚類，所述若干個聚類組成一個類集合，類集合中的每一個聚類代表一個層位，實現(xiàn)二維地震波形的層位追蹤；其中:
[0017]
【權利要求】
1.一種基于信號分類的地震圖像層位追蹤方法，其特征在于，該方法包括二維地震波形層位追蹤方法和三維地震圖像層位追蹤方法: 所述二維地震波形層位追蹤方法為: 1)尋找二維地震波形中的極值點:若二維地震波形中的某個點的值大于該點兩邊的點的值，且該點的值大于門限值，則該點為極大值點；若二維地震波形中的某個點的值小于該點兩邊的點的值，且該點的值小于門限值，則該點為極小值點； 2)以上述各極值點為中心分別提取出一段二維地震波形，將切比雪夫零點作為擬合樣本點計算二維地震波形擬合特征系數(shù)； 3)使用SFS方法刪選上述二維地震波形擬合特征系數(shù)，產生二維地震波形擬合特征系數(shù)的特征子集； 4)采用CEM方法對二維地震波形擬合特征系數(shù)的特征子集聚類，計算散步分離性策略值； 5)重復步驟4)，直到遍歷完所有特征子集，求得散步分離性策略值最大的特征子集，得到第i個極值點屬于第j個聚類的后驗概率P (Cj IX⑴)，若P (C11 x(i)) >P (Cj I X(i))，VjV /，即第i個極值點屬于第I個聚類的后驗概率最大，則第i個極值點屬于第I個層位，從而將步驟I)中的極值點分為若干個聚類，所述若干個聚類組成一個類集合，類集合中的每一個聚類代表一個層位，實現(xiàn)二維地震波形的層位追蹤；其中:
2.根據(jù)權利要求1所述的基于信號分類的地震圖像層位追蹤方法，其特征在于，所述門限值為O。
3.根據(jù)權利要求1或2所述的基于信號分類的地震圖像層位追蹤方法，其特征在于，所述二維地震波形層位追蹤方法還包括以下步驟: 6)計算二維地震波形的梯度向量g:
4.根據(jù)權利要求1或2所述的基于信號分類的地震圖像層位追蹤方法，其特征在于，所述三維地震圖像層位追蹤方法還包括以下步驟: 9)對于每一個二維剖面，選擇相鄰的兩個種子點作為起點和終點，分別從前往后和從后往前兩個方向通過相關查找的方法進行層位補齊； 10)在提取出修正后的種子點所在層位在所有二維剖面上的位置后，將所得的二維剖面組合形成三維地震圖像中的三維層位曲面。
5.根據(jù)權利要求3所述的基于信號分類的地震圖像層位追蹤方法，其特征在于，所述步驟9)中，二維地震波形層位補齊的具體步驟如下: 1)設定r=l； 2)判斷r是否小于等于類集合中的聚類的總數(shù)，若是，則進入3);否則，進入8)； 3)判斷第r類對應的層位中是否存在缺口，若是，進入4);否則，r的值加1，返回2); 4)查找層位中缺口處的層位點； 5)根據(jù)所述傾角dip的指向查找與步驟4)中層位相鄰的二維地震波形上的極值點； 6)以上述步驟4)缺口處層位點和上述步驟5)中各極值點為中心，上下各取15個點提取地震波形片段，分別計算以各極值點為中心的地震波形片段與以所述缺口處層位點為中心的地震波形片段的相關系數(shù)，將該相關系數(shù)作為各極值點與所述缺口處層位點的相關系數(shù)；所述相關系數(shù)取值范圍為O~I ; 7)判斷是否存在大于門限值的相關系數(shù)，若是，則選擇距離所述缺口處層位點最近的極值點添加到第r類對應的層位中，并將距離所述缺口處層位點最近的極值點作為新的缺口處的層位點，返回4);否則，將未能補齊的層位劃分出來單獨作為一個層位，并將聚類的總數(shù)加1，返回3); 8)結束。
6.根據(jù)權利要求5所述的基于信號分類的地震圖像層位追蹤方法，其特征在于，所述相關系數(shù)取0.3。
7.根據(jù)權利要求3所述的基于信號分類的地震圖像層位追蹤方法，其特征在于，所述步驟10)中，消除每一個聚類中不同層位上的極值點的具體步驟為: 1)設定S=I； 2)判斷s是否小于等于類集合中的聚類的總數(shù)，若是，則進入3);否則，進入7)； 3)判斷第s類對應的層位是否有重疊，若有，則進入4);否則，s的值加1，返回2); 4)選取第s類對應的層位上第一個二維地震波形上的點S作為原點； 5)根據(jù)所述原點搜索所述起始道的相鄰道上半徑為W的窗口內的所有極值點集合D；所述半徑W取值范圍為5~30 ; 6)判斷D中是否含有與S同類的極值點S'，若是，則將S'作為原點，返回5);否則，將第s類中的剩余點作為新的類，并將該新的類作為類集合的最后一個類，將聚類的總數(shù)加1，返回3)； 7)結束。
8.根據(jù)權利要求7所述的基于信號分類的地震圖像層位追蹤方法，其特征在于，所述半徑W取15。
9.根據(jù)權利要求3所述的基于信號分類的地震圖像層位追蹤方法，其特征在于，所述步驟11)中，對層位進行片段融合的具體步驟如下: 1)設定h=l； 2)判斷h是否小于等于類集合中的聚類的總數(shù)，若是，則進入3);否則，進入6); 3)判斷第h類最后一個點的搜索窗口內是否存在其他類，若是，則進入4);否則，h的值加I，返回2);所述搜索窗口大小為第h類最后一個點上下各15個點； 4)合并第h類和第t類中的極值點,作為新的類r; 5)在類集合中刪除第t類，聚類的總數(shù)減1，返回3); 6)結束。
10.根據(jù)權利要求4所述的基于信號分類的地震圖像層位追蹤方法，其特征在于，對每一個二維剖面進行層位補齊的具體步驟如下: 1)設定P=I; 2)判斷p是否小于種子點數(shù)目，若是，則進入3);否則，進入9); 3)以第p個種子點和第p+1個種子點為兩端點； 4)由兩個端點同時向中間查找是否存在缺口；若存在缺口，則進入5);否則，將p的值加1，返回2)； 5)將缺口處層位點平移到與所述缺口處層位點所在的二維剖面地震道相鄰的二維剖面地震道上，在相鄰的二維剖面地震道上，查找平移后的層位點上下各15個點范圍內的極值點； 6)以缺口處層位點和上述步驟5)中各極值點為中心，上下各取15個點提取地震波形片段，分別計算以各極值點為中心的地震波形片段與以所述缺口處層位點為中心的地震波形片段的相關系數(shù)，將該相關系數(shù)作為各極值點與所述缺口處層位點的相關系數(shù)；所述相關系數(shù)取值范圍為O~I ; 7)判斷是否存在大于門限值的相關系數(shù)，若是，選擇與缺口處層位點相關系數(shù)最大的極值點，將該點作為新的缺口處層位點和新的端點，返回4);否則，將p的值加1，返回2)； 8)結束?！?br> 【文檔編號】G01V1/28GK103592681SQ201310421365
【公開日】2014年2月19日 申請日期:2013年9月16日 優(yōu)先權日:2013年9月16日
【發(fā)明者】錢峰, 胡佳, 胡光岷 申請人:電子科技大學