地震倒谱特征参数谱聚类地震相分析方法

摘要

常用的地震相分析方法有随机模拟、神经网络、聚类算法和深度学习等.随机模拟结果易受随机模型影响,而且在地质结构复杂地区难以准确划分地震相.神经网络和深度学习具有较强的容错性和泛化能力,但需要海量训练样本数据,同时训练网络的计算量巨大.K均值聚类、C模糊聚类等经典聚类算法在简单数据集上均获得了理想的聚类结果,但对于非凸数据集并不能实现全局最优.为此,提出一种基于地震数据倒谱特征参数的谱聚类地震相分析方法.该方法以地震倒谱特征参数为谱聚类的输入变量,然后通过井标定,建立地震相与地质体间的对应关系.以图论为基础的谱聚类方法将数据的聚类转化为图的分割问题,通过图的最优分割实现数据的精确聚类.通过优化相似度矩阵计算方法,构建稀疏相似度矩阵,可以解决矩阵维度过大引起的存储和计算量大的问题,使谱聚类更适用于划分三维空间地震相.地震倒谱特征参数一方面能减少数据的维数,降低计算复杂度;另一方面能消除波形的影响,提高划分精度.模型试验和实际数据应用表明,与地震瞬时振幅、多地震属性地震相划分结果相比,所提方法划分的地震相带与古地貌吻合更好,边界更清晰,可解释性也更好,可为油气勘探和油藏评价提供数据支撑.