[发明专利]一种裂缝的地震属性判识系统及方法

权利要求书

1.一种裂缝的地震属性判识系统，其特征在于，所述系统包括：

I/O接口，用于输入待处理的地震数据以及输出数据的处理结果信息；

与所述I/O相连接的至少一个处理单元；

报警提示器，与I/O接口相连接，用于基于接收到的报警消息生成相应地震属性的报警提示信息；

所述处理单元被设置成执行，包括：

根据获取的成像测井资料、岩心分析资料识别和统计出单井裂缝密度的裂缝信息，根据所述裂缝信息生成单井裂缝模型；

从获取的地震数据中提取指定类型的地震属性数据，从所述地震属性数据中选出与储层相关性达到预设要求的优选地震属性；

将所述单井裂缝模型作为输入信号、所述优选地震属性作为输出信号建立训练模型；

利用人工智能非线性神经网络对所述训练模型进行训练；当所述训练模型中的优选地震属性符合设置的触发条件时，通过I/O接口发送符合所述触发条件的优选地震属性的报警消息；

其中，所述处理单元从所述地震属性数据中选出与储层相关性达到预设要求的优选地震属性包括：

采用下式计算地震属性数据与储层的测井特征的相关性：

上式中：erf(x)为选取的一种误差函数，其表达式为：

τ_k表示度量点的分散程度，其表达式为：

上式中：N表示为井的个数，N_t等于N(N-1)/2，表示为交会点的点对个数，N_p表示为斜率为正的点对个数，N_n表示为斜率为负的点对个数，N_z表示为斜率为零的点对个数，N_∞表示为斜率为无穷大的点对个数；

选取相关性达到预设阀值的地震属性作为优选地震属性。

2.如权利要求1所述的一种裂缝的地震属性判识系统，其特征在于，所述利用人工智能非线性神经网络对所述训练模型进行训练包括：

将输入模型训练的输入数据分为数目相等的训练数据、交叉数据、检验数据；

所述训练数据用于对训练模型的训练；

所述检验数据用于通过BP算法确定所述人工智能非线性神经网络隐含层的节点数；

所述交叉数据用于所述人工智能非线性神经网络的交叉检验。

3.如权利要求2所述的一种裂缝的地震属性判识系统，其特征在于，所述将所述单井裂缝模型作为输入信号、所述优选地震属性作为输出信号建立训练模型包括：

输入信号表达式为：

上式中，X_i表示为归一化的输入数据，W_ij表示为设置的权系数，m表示为输入节点数；输出信号表达式为：

上式中，W_jk表示为计算得到的从隐含节点(j)到输出节点(k)的权系数，l表示为输出层所有的节点数，f表示为输入信号转化得到的激活函数，n表示为所有的隐含节点数。

4.如权利要求1所述的一种裂缝的地震属性判识系统，其特征在于，从获取的地震数据中提取指定类型的地震属性数据之后，所述处理单元还执行；

利用下式计算地震属性数据中的异常值，删除不符合剩余异常标准差要求的地震属性数据：

上式中：n1表示为地震属性数据的地震道数，S_Δ表示为计算得到的地震属性数据的剩余异常标准差，ΔP_i表示为计算得到的地震属性数据的剩余异常值，若ΔP_i≥S_Δ，则ΔP_i为局部异常值，表示为剩余异常区域均值，表示为平滑后地震属性数据。

5.如权利要求4所述的一种裂缝的地震属性判识系统，其特征在于，所述处理单元还执行：

对删除异常值后的地震数属性据进行归一化变换处理，使每个地震属性数据的变量值范围在0～1之间；所述的归一化变换处理采用的公式为：

上式中：P`_ij表示为变换后的地震属性数据，P_ij表示为变换前的地震属性数据，n，m为地震数据中地震测线的道数。