一种基于支持矢量机算法的地震相分析方法

摘要

本发明提供了一种支持矢量机算法进行地震波形分类的方法。该方法首先从目的层的叠后地震数据体中选择待分类的N道地震数据；然后获取已知的能够表征目的层一段区域内地震信号横向变化的K个类别的样本数据；其中K≤N；然后利用已知的样本数据训练支持矢量机，以确定用于将样本数据分成K个类别的K个分类函数；之后利用训练好的K个分类函数对待分类的N道地震数据进行分类，根据分类结果形成所选岩石物理参数或者沉积相平面分布规律图。

说明书

技术领域

本发明属于油气及煤层气地震勘探与开发，尤其是一种基于支持矢量机算法的地震相分析方法。

背景技术

在石油、煤炭等地下沉积矿产的勘探开发中，沉积相研究具有极为重要的意义。然而，由于目的层深埋于地下，因此所采用的研究手段和研究方法与露头区的沉积相研究相比有很大不同。

在地下相分析中只有通过岩石资料才能够观察到目的的沉积相标志，而钻井取心一般都不是连续进行的，并且一口探井的全井取心率往往只有百分之几到百分之十几，这给沉积相研究造成很大困难。利用电测井资料进行测井相分析虽可对全井做出连续的沉积相解释，但其多解性较强，因此除上述两种资料外，还迫切需要从其它资料中获取更多的信息以提高沉积相解释的准确性。

更重要的是，即使单井相分析的资料足够充分，但采用传统研究方法所得到的毕竟只是一部分信息，而如地层叠置模式、沉积体外形等重要信息并没有利用。进一步看，即使解释完全正确，但毕竟只是“一孔之见”。要想进一步掌握沉积相的平面展布特征就必须有大量的足够密集的钻孔，而这在勘探阶段恰恰难以满足。因此迫切需要一种仅用少量钻孔就能较好地掌握沉积相平面变化特征的新手段、新方法。

地震相分析正是为满足上述迫切需要而产生的。地震相就是在地震反射时间剖面上所表现出来的反射波的面貌。地震相分析则是根据地震相特征进行沉积相的解释推断。在石油勘探及某些煤田、盐矿勘探中，地震勘探资料是必不可少的重要基础资料。这些资料一般在勘探初期就可获得，且一般都能覆盖整个盆地，其中具有极为丰富的地层、构造和沉积相信息，因此是地下地质分析中极为宝贵的基础资料。地震相分析作为地震地层学的一个重要组成部分，诞生于1977年左右，并在世界上迅速传播。十几年来它在广泛的实践中不断发展完善，已成为地下相分析不可缺少的锐利武器。

地震相分析的方法就是识别每个层序内独特的地震反射波组特征及其形态组合，并将其赋予一定的地质含义，进而进行沉积相的解释，这一过程称为地震相分析。

地震相分析和识别有两种方法，第一种方法是通过人工观测地震反射特征，并与所建立的标准地震相特征进行比较，判别属于何种地震相。这种方法一般应用于局部地震资料解释和分析中，解释和识别精度比较低。另外一种方法则是应用地震数据处理技术和计算机技术以及一定的数学方法对地震数据体或者地震属性数据进行分析和计算，提取出能够反映沉积相变化的地震相，这是一种高效、先进、定量的地震相识别方法。

地震波形是地震数据的基本性质，它包含了所有的定性和定量信息，如反射模式、相位、频率和振幅等信息，是地震信息的总体特征，其动态变化蕴含了丰富的内在信息，能够真实地反映地下结构的特征。波形分类法是最常采用的地震相分析方法，通过对地震信号波形进行分类，可以实现对地震相的划分。

传统的波形分类方法有K均值和自组织神经网络方法。它们都采用无监督的学习方法。

本发明以新的视角提出一种基于支持矢量机算法的地震相分析方法,该方法属于一种有监督的学习方法，为之后油气储量的评估提供科学依据。

发明内容

针对上述问题，本发明提出了一种基于支持矢量机算法的地震相分析方法，以及相应的计算机存储介质和计算机设备。

根据本发明的第一个方面，本发明的一种基于支持矢量机算法的地震相分析方法，主要包括以下步骤：

S100，从目的层的叠后地震数据体中选择待分类的N道地震数据；

S200，获取已知的能够表征目的层一段区域内地震信号横向变化的K个类别的样本数据，其中K≤N；

S300，利用已知的样本数据训练支持矢量机，以确定用于将样本数据分成K个类别的K个分类函数；

S400，利用训练好的K个分类函数对待分类的N道地震数据进行分类，以将N道地震数据划分成K个分区；

S500，基于分类结果分析目的层沉积相平面分布规律。

根据本发明的实施例，上述步骤S100包括以下步骤：

根据给定的时窗中心和时窗长度，为目的层的时间域或者深度域的叠后地震数据体设置数据时窗；

将数据时窗中的N道数据作为待分类的N道地震数据。

根据本发明的另一实施例，上述步骤S100包括以下步骤：

解释目的层的构造层位，将解释层位作为时窗中心；

根据给定的时窗中心和时窗长度，为目的层的时间域或者深度域的叠后地震数据体设置数据时窗；

将数据时窗中的N道数据作为待分类的N道地震数据。

根据本发明的实施例，上述步骤S200包括以下步骤：

获取目的层的波形分类时窗中心的地震属性切片；

在波形分类时窗中心的地震属性切片上找出能够表征地震信号横向变化的K个类别的区域；

记录下该区域内的数据点信息，并为这些数据点赋予相应的类别标签k，k＝1,2,…,K，从而获得分为K个类别的样本数据。

根据本发明的实施例，上述步骤S300中，所述K个分类函数中的第k个分类函数定义为：

且

式中，y为支持矢量机算法的二元分类标记，W

根据本发明的实施例，上述步骤S300中，通过以下步骤确定用于将样本数据分成K个类别的K个分类函数中的第k个分类函数：

将样本数据中标签为k的数据与其他数据分开，并将标签为k的数据赋予标记y＝1以及将所有标签不为k的数据赋予标记y＝-1，以形成包含y＝1和y＝-1两种标记类型的数据的训练集；

基于支持矢量机算法，利用所述训练集训练第k个分类函数，以确定第k个分类函数的系数

根据本发明的实施例，上述步骤S400包括以下步骤：

对于N道地震数据中的第i个数据点，将其代入训练好的各个分类函数中，以计算各个分类函数的函数值；

确定各个分类函数的函数值中的最大值，与该最大值相对应的k值所代表的类别为第i个数据点所属的类别。

根据本发明的实施例，上述步骤S500包括以下步骤：

根据分类结果形成平面上离散的地震相，对地震相图进行岩石物理参数或沉积相标定，根据标定的地震相图形成目的层岩石物理参数或者沉积相空间变化的定量图。

根据本发明的另一方面，本发明还提供一种计算机存储介质，其中存储有用于实现上述方法的计算机程序。

根据本发明的另一方面，本发明还提供一种计算机设备，包括存储器和处理器，所述处理器用于执行所述存储器中存储的计算机程序，所述计算机程序用于实现上述方法。

与现有技术相比，本发明提供的基于支持矢量机算法的地震相分析方法具有如下优点或有益效果：

本发明提供一种基于支持矢量机算法进行地震波形分类，进而分析地震相的方法，通过逐道进行某一层内实际地震数据的对比，能够细致地刻画地震信号的横向变化，从而得到地震异常体的平面分布规律，为储量评价提供参考，同时对开发生产和增产方案具有重要意义。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

附图说明

从下面描述的实施例并参考附图，本发明的其它优点和细节将变得显而易见。以下是示意图并示出：

图1是本发明实施例的方法的流程图。

具体实施方式

实施例一

如图1所示，本发明提出了一种基于支持矢量机算法的地震相分析方法，主要包括以下步骤：

S100，从目的层的叠后地震数据体中选择待分类的N道地震数据；

S200，获取已知的能够表征目的层一段区域内地震信号横向变化的K个类别的样本数据；其中K≤N

S300，利用已知的样本数据训练支持矢量机，以确定用于将样本数据分成K个类别的K个分类函数；

S400，利用训练好的K个分类函数对待分类的N道地震数据进行分类，以将N道地震数据划分成K个分区；

S500，基于分类结果形成地震相，根据地震相分析N道地震数据所对应的岩石物理参数和沉积相的空间变化。

实施例二

下面结合实施例详细地说明上述基于支持矢量机算法的地震相分析方法的工作过程。

在此，本发明的目的是在给定N道地震数据集D以及要区分的地震相种类数K的条件下，把地震数据划分成K(K≤N)个分区，其中，S

首先，对于目的层的(时间域或者深度域)的叠后地震数据体，从中选择要用于分类的N道地震数据集D。具体地，选择方式可以有两种：第一种方式是给定中心点和时窗大小，选取以中心点为时窗中心，时窗大小为时窗长度的数据块作为分类数据。第二种方式是给定解释层位(需要事先解释好构造层位)和时窗大小，以解释层位为时窗中心，时窗大小为时窗长度的数据块为分类数据。

假设需要把N个数据点上的P维数据X分成K类，那么数据可以表示成X

如前所述，本发明的目的是根据目的层某一段内地震信号的可变性对地震道波形形状进行分类，根据分类结果形成离散的“地震相”，从而来刻画和认识地震信号横向变化情况。由于地震信号的这种横向变化实际上在一些地震属性切片中会有体现，因此在计算机上将波形分类时窗中心的地震属性切片展示给用户时，用户是可以看出来地震信号横向变化情况。

在这种情况下，用户可以根据其所掌握的其它信息，例如沉积相类别数，结合或者仅仅根据这些地震属性切片的观察得出地震属性切片上所能表现出的比较明显的K个类，并将能够代表这些K个类的数据点以人机交互的方式挑选出来，但是这并不要求用户将每个类的所有数据点全部圈出来。相反，对用户的唯一要求是，要将所有可能的类都圈出来，即如果用户期望的类别数是K，则需要圈出能够代表这K个类的区域。然后，由计算机记录下该区域内的数据点信息，并给这些数据点赋予相应的类别值或者类别标签。如此就能够得到被标以标签的K个类及其相应的样本数据。

接着，利用上述K个类别的样本数据训练支持矢量机(SVM)。

通常，基本的SVM只能处理两个种类的问题,即二元分类的问题。

SVM算法的思想是，针对给定的N个数据点上的数据

通常，这种分类函数具有如下特性：当训练数据中的标记y

训练的目的就是找到这样一个分类函数。

当找到这样的分类函数以后，就可以利用这种分类函数对未知数据进行分类：即输入数据

该分类函数的一般的表达形式为：

因此，训练的目的就是利用训练数据

上述过程仅仅涉及二元分类。对于多于二次的多次分类问题，实际是通过多次应用基本SVM来进行分类来实现。

假定已经存在基本的SVM，即存在能够区分两个种类的数据的SVM。假定训练数据里有K个类(K>2)，类标签依次为k＝1,2,…,K。

应用基本的SVM将训练集中标签为k＝1的数据与其他所有数据分开。此时，可以将训练集中所有标签k＝1的数据标记为y＝1，同时将数据集中所有标签k≠1的数据标记为y＝-1，从而能够应用训练集对基本SVM进行训练，训练后获得分类函数的参数为W

接着按照上述过程，利用训练集对基本SVM进行训练，即将训练集中标签为k＝2的数据与其他所有数据分开。此时，可以将训练集中所有标签k＝2的数据标记为y＝1，同时将数据集中所有标签k≠2的数据标记为y＝-1，从而能够再次应用训练集对基本SVM进行训练，训练后获得分类函数的参数为W

依次类推下去，分别获得其他相应分类函数的参数：W

最后，对于所有待分类的N道地震数据，应用上述训练好的K个分类函数对N道地震数据中每一个未知类型的数据

由于每一类的类标签在产生时都具有沉积相或者岩石物理参数的意义，因此这时得到的分类结果能够代表所选岩石物理参数或者沉积相空间变化的定量图。因此，可以利用波形分类结果进行目的层沉积相分析。具体地，波形分类结果形成了平面上离散的“地震相”，对地震相图进行岩石物理参数或沉积相标定，在解释结果中加入数值，根据标定的地震相图形成目的层岩石物理参数或者沉积相空间变化的定量图。

实施三

此外，本发明还提供一种计算机存储介质，其中存储有用于实现上述方法的计算机程序。

实施四

此外，本发明还提供一种计算机设备，其包括存储器和处理器，所述处理器用于执行所述存储器中存储的计算机程序，其中所述计算机程序用于实现上述方法。

应该理解的是，上述实施例不限于这里所公开的特定处理步骤或材料，而应当延伸到相关领域的普通技术人员所理解的这些特征的等同替代。还应当理解的是，在此使用的术语仅用于描述特定实施例的目的，而并不意味着限制。

说明书中提到的“实施例”意指结合实施例描述的特定特征、或特性包括在本发明的至少一个实施例中。因此，说明书通篇各个地方出现的短语“实施例”并不一定均指同一个实施例。

本领域的技术人员应该明白，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。本领域的技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储介质(RAM)、内存、只读存储介质(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM或技术领域内所公知的任意其它形式的存储介质中。

虽然本发明所公开的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所公开的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的保护范围，仍须以所附的权利要求书所界定的范围为准。