地震屬性聚類方法及裝置制造方法
【專利摘要】本發(fā)明公開了一種地震屬性聚類方法及裝置，其中地震屬性聚類方法采用基于快速K-均值的地震屬性聚類，輸入為預先聚類別個數(shù)及待聚類的地震屬性數(shù)據，輸出為每個地震屬性數(shù)據所屬類別標號，處理時根據三角不等式的原理省去了原始K-均值方法每一次循環(huán)迭代都要計算每個地震屬性數(shù)據到類別中心的距離用來更新每一個地震屬性數(shù)據所屬類別標號中的一部分不必要的計算。并且還可以包括在輸入待聚類的地震屬性數(shù)據之前，對每一個地震屬性數(shù)據進行高斯歸一化處理，以及，在進行高斯歸一化處理之前，對地震屬性數(shù)據中記錄錯誤的原始時間序列信號異常數(shù)值進行剔除。本發(fā)明可以在短時間內完成大批量地震屬性數(shù)據聚類分析，為勘探家提供進一步詳細地質分析的基礎。
【專利說明】
【技術領域】
[0001] 本發(fā)明涉及地球物理勘探【技術領域】，尤其涉及地震屬性聚類方法及裝置。 地震屬性聚類方法及裝置

【背景技術】
[0002] 在油氣勘探中，只有對地下的地質情況有了充分的了解和熟悉后，才能對勘探區(qū) 域的油氣儲藏狀況做出判斷。獲取地質信息的一個重要手段就是分析地震數(shù)據經數(shù)學變換 后得到的各種地震屬性數(shù)據。地震屬性數(shù)據通常是疊前或疊后地震數(shù)據，有關地震波的幾 何形態(tài)、運動學特征、動力學特征等參數(shù)。通過對這些參數(shù)的研究，可以得到勘探區(qū)域地下 介質的結構、巖性、流體等的特征，進而推斷油氣的儲藏信息。從這些獲取的地震屬性數(shù)據 中經過一系列分析推斷出地下地質狀況的這一過程通常稱為地震屬性分析。其中最常用的 一種方法就是聚類。所謂聚類就是根據地下介質處獲取的地震屬性數(shù)據之間差異的大小， 將它們分為若干類別，每一類內的數(shù)據間相差較小而類別之間差別較大。通過對收集的地 震屬性進行聚類，可以將這些地震屬性數(shù)據可以分為幾大類別，進而可以對勘探區(qū)域的地 質情況進行進一步的分析。例如對目標區(qū)域進行地質相帶劃分：根據聚類結果和測井解釋 結果的對照分析，來確定每個類別所對應的相帶。尤其在儲層預測的過程中，地震屬性聚類 分析是一個非常必要的步驟，起著比較重要的作用。
[0003] 隨著數(shù)據采集技術的不斷發(fā)展和完善以及對地震屬性的認識不斷進步，可以得到 的屬性越來越多。隨著勘探的區(qū)域范圍以及目標地層深度不斷增加，所獲得的地震屬性數(shù) 據正在高速爆炸式地增長。如何對這些大批量的地震屬性數(shù)據進行快速聚類是一個很重要 的研究課題。通常這些數(shù)據的量級已經超出在一般計算機內存和處理器所能承受的范圍。 即使計算機的配置可以承受如此大量的數(shù)據，那么傳統(tǒng)聚類方法運行速度也會很慢，大大 超出了人們所能承受的時間范圍，對使用地震屬性數(shù)據進行地質分析如相帶劃分和儲層預 測都造成了很大的困難。
[0004] 地震數(shù)據本身具有不同于其它的數(shù)據集的特點：首先地震屬性數(shù)據通常數(shù)量會非 常龐大，有時是二維類平（曲)面屬性，也有時是從一個三維屬性體中切出的體數(shù)據。無論二 維還是三維范圍的數(shù)據，一般其數(shù)量都會非常大。另一個特點地震屬性數(shù)據的維數(shù)通常不 會太高，即地震屬性的個數(shù)會遠遠小于地震數(shù)據的個數(shù)。上面的舉例中已經列舉了三個最 常用的地震信號屬性了，雖然之前的文獻顯示目前可獲取的地震屬性達上百種，但通常情 況下用于聚類的地震屬性最多也只有幾十種的量級，相對于地震數(shù)據的數(shù)量非常小。這個 特性說明了對數(shù)量龐大但維數(shù)不高的地震數(shù)據進行聚類分析非常有必要。
[0005] 很早之前就已經有人運用模式識別中的聚類方法進行地震屬性分析了。曾經運用 過的聚類方法有K-均值、自組織特征映射神經網絡等方法。這些方法都已經取得了不錯的 效果。但是K-均值算法在進行海量地震數(shù)據聚類時的速度很慢。SOM (Self Organizing Feature Maps，自組織特征映射神經網絡）屬性聚類無需事先指定聚類個數(shù)，聚類個數(shù)和聚 類結果一起作為結果輸出，但其需要較高的存儲空間代價且給出結果速度也比較慢，通常 比原始K 一均值方法更慢，尤其對幾百萬或千萬個以上的地震屬性聚類是一般硬件配置的 計算機無法完成的。


【發(fā)明內容】

[0006] 本發(fā)明實施例提供一種地震屬性聚類方法，用以在短時間內完成大批量地震屬性 數(shù)據聚類分析，為勘探家提供進一步詳細地質分析的基礎，該方法包括：
[0007] 輸入預先聚類別個數(shù)k及待聚類的地震屬性數(shù)據{Xi，i=l，. . .，N}共N個；
[0008] 在N個地震屬性數(shù)據中隨機選取其中k個，作為k個類別中心的初始點 imp) Ρ=1> · · · , k}；
[0009] 為每一個地震屬性數(shù)據到k個類別中心的距離d (Xi，mp)估計下界1 (Xi，mp)， 初始化均為〇 ;對每一個地震屬性數(shù)據計算d(Xi，mp)，選取距離最近的類別中心 代表的類別作為該地震屬性數(shù)據的所屬類別，并設置地震屬性數(shù)據所屬類別中心 d,v,) = argmin;,, ，/〃.)；對每一個地震屬性數(shù)據設置到所屬類別中心的距離估計值 變量 u(Xi)=minp=1，…，;
[0010] 循環(huán)執(zhí)行如下步驟直至類別中心收斂或循環(huán)迭代至設定次數(shù)，輸出每個地震屬性 數(shù)據所屬類別標號：
[0011] 對所有類別中心計算d(mq，mp)，q=l, · · ·，k，并設

【權利要求】
1. 一種地震屬性聚類方法，其特征在于，包括： 輸入預先聚類別個數(shù)k及待聚類的地震屬性數(shù)據{Xi，i=l，...，N}共N個； 在N個地震屬性數(shù)據中隨機選取其中k個，作為k個類別中心的初始點 imp) Ρ=1> · · · , k}； 為每一個地震屬性數(shù)據到k個類別中心的距離d(Xi，mp)估計下界1 (Xi，mp)，初始化均 為0 ;對每一個地震屬性數(shù)據計算d (Xi，mp)，選取距離最近的類別中心代表的類別作為該地 震屬性數(shù)據的所屬類別，并設置地震屬性數(shù)據所屬類別中心cU.J = argmin,,, : 對每一個地震屬性數(shù)據設置到所屬類別中心的距離估計值變量u (Xi) imirvi...，kd (Xi，mp); 循環(huán)執(zhí)行如下步驟直至類別中心收斂或循環(huán)迭代至設定次數(shù)，輸出每個地震屬性數(shù)據 所屬類別標號： 對所有類別中心計算d(mq，mp)，q=l, . . .，k，并設
確認所有地震屬性數(shù)據u(Xi)彡s(c(Xi)); 對于所有同時滿足條件 mp 關 class (xj、u (xj >1 (xi; nip)及 的地震屬性數(shù)據\和類別中心mp:如果標志r(Xi)為真，計算d(Xi，c( Xi))并置r(Xi) 為假，否則賦值 d (Xi, c (xD) =u (χ);如果 d (Xi, c (xj) >1 (Xi, mr)，mr 尹 c (xD 或者 <^(；?：!.，<7(>：,))>^^(%,傘,.)），計算(1^1]11)) ;如果(1^1]11))〈(14，(^1))，賦值(^1)=1]1 1); 求取每個類別所屬地震屬性數(shù)據的平均值mean (mp); 更新每個地震屬性數(shù)據到所屬類別中心的距離下界：1〇^，(3〇〇)=1^1{0，1〇^(3〇〇-d(c(xi),mean(c(x i)))}； 更新每個地震屬性數(shù)據相關的上下界估計值：u (Xi) =u (Xi) +d (c (Xi)，mean (c (Xi)))，置 r(Xi)為真； 對k個類別中心進行更新mp=mean (mp)，使用每個類別所占有的地震屬性數(shù)據的均值作 為新的類別中心。
2. 如權利要求1所述的地震屬性聚類方法，其特征在于，輸入待聚類的地震屬性數(shù)據 之前，還包括對每一個地震屬性數(shù)據進行高斯歸一化處理。
3. 如權利要求2所述的地震屬性聚類方法，其特征在于，所述高斯歸一化處理按如下 公式進行：
其中，{Xi，i=l，2,. . .，N}為地震屬性數(shù)據，{yi，i=l，2,. . .，N}為高斯歸一化后的地震
4. 如權利要求2所述的地震屬性聚類方法，其特征在于，進行所述高斯歸一化處理之 前，還包括：對地震屬性數(shù)據中記錄錯誤的原始時間序列信號異常數(shù)值進行剔除。
5. 如權利要求1至4任一項所述的地震屬性聚類方法，其特征在于，所述待聚類的地震 屬性數(shù)據包括：瞬時振幅、瞬時頻率、瞬時相位、疊后瞬時振幅、反演縱波速度、反演縱橫波 速度比、振幅隨偏移距的變化AVO截距屬性、AVO梯度屬性其中之一或任意組合。
6. -種地震屬性聚類裝置，其特征在于，包括： 輸入模塊，用于輸入預先聚類別個數(shù)k及待聚類的地震屬性數(shù)據{Xi，i=l，. . .，N}共N 個； 類別中心初始點選取模塊，用于在N個地震屬性數(shù)據中隨機選取其中k個，作為k個類 別中心的初始點{mp, p=l,…，k}; 地震屬性數(shù)據至類別中心距離處理模塊，用于為每一個地震屬性數(shù)據到k個類別中心 的距離d (Xi, mp)估計下界1 (Xi, mp)，初始化均為0 ;對每一個地震屬性數(shù)據計算d (Xi, mp)，選 取距離最近的類別中心代表的類別作為該地震屬性數(shù)據的所屬類別，并設置地震屬性數(shù)據 所屬類別中心☆-,) =?。粚γ恳粋€地震屬性數(shù)據設置到所屬類別中心 的距離估計值變量mp);
循環(huán)迭代處理及輸出模塊，用于循環(huán)執(zhí)行如下步驟直至類別中心收斂或循環(huán)迭代至設 定次數(shù)，輸出每個地震屬性數(shù)據所屬類別標號： 對所有類別中心計算d(mq，mp)，q=l, · · ·，k，并設*s(/wp) 確認所有地震屬性數(shù)據u(Xi)彡s(c(Xi)); 對于所有同時滿足條件mp關class (xj、u (xj >1 (xi; nip)及M(xf):
的地震屬性數(shù)據\和類別中心mp:如果標志r(Xi)為真，計算d(Xi，c( Xi))并置r(Xi) 為假，否則賦值 d (Xi, c (xD) =u (χ);如果 d (Xi, c (xj) >1 (Xi, mr)，mr 尹 c (xD 或者 求取每個類別所屬地震屬性數(shù)據的平均值mean (mp); 更新每個地震屬性數(shù)據到所屬類別中心的距離下界：1〇^，(3〇〇)=1^1{0，1〇^(3〇〇-d(c(xi),mean(c(x i)))}； 更新每個地震屬性數(shù)據相關的上下界估計值：u (Xi) =u (Xi) +d (c (Xi)，mean (c (Xi)))，置 r(Xi)為真； 對k個類別中心進行更新mp=mean (mp)，使用每個類別所占有的地震屬性數(shù)據的均值作 為新的類別中心。
7. 如權利要求6所述的地震屬性聚類裝置，其特征在于，還包括： 高斯歸一化處理模塊，用于在輸入待聚類的地震屬性數(shù)據之前，對每一個地震屬性數(shù) 據進行高斯歸一化處理。
8. 如權利要求7所述的地震屬性聚類裝置，其特征在于，所述高斯歸一化處理模塊具 體用于按如下公式進行所述高斯歸一化處理： 兄.=了； 其中，{Xi，i=l，2,. . .，N}為地震屬性數(shù)據，{yi，i=l，2,. . .，N}為高斯歸一化后的地震 屬性數(shù)據，# =
9. 如權利要求7所述的地震屬性聚類裝置，其特征在于，還包括： 異常數(shù)值剔除模塊，用于在進行所述高斯歸一化處理之前，對地震屬性數(shù)據中記錄錯 誤的原始時間序列信號異常數(shù)值進行剔除。
10. 如權利要求6至9任一項所述的地震屬性聚類裝置，其特征在于，所述輸入模塊具 體用于輸入包括瞬時振幅、瞬時頻率、瞬時相位、疊后瞬時振幅、反演縱波速度、反演縱橫波 速度比、AVO截距屬性、AVO梯度屬性其中之一或任意組合的待聚類的地震屬性數(shù)據。
【文檔編號】G01V1/28GK104101902SQ201310122410
【公開日】2014年10月15日 申請日期:2013年4月10日 優(yōu)先權日:2013年4月10日
【發(fā)明者】張長水, 張研, 王志崗, 曹成寅, 李艷東 申請人:中國石油天然氣股份有限公司