[发明专利]基于半监督算法的快速地震波形分类方法

说明书

本发明公开了一种基于半监督算法的快速地震波形分类方法，包括以下步骤：S1、沿层位获得地震波形数据，并采用基于线性变换的SSDR算法为地震波形数据降维；S2、利用地震波形数据中的标签数据训练一个距离衡量矩阵；S3、采用半监督Kmeans分类算法对地震波形数据进行分类，生成地震相图。本发明利用半监督的降维方法处理原始地震波形数据，消除了冗余数据的同时增加了同类波形数据的相似性，并增强了不同类的差异性，使得分类结果更加准确；利用已有的测井数据训练出一种合适的距离衡量矩阵，并将该距离衡量方法引入后来的分类方法中，然后提出了一种带权重的半监督Kmeans分类方法，充分地利用了测井数据，提高了分类的准确性，并且加快了分类速率。

技术领域

本发明属于地震数据分析技术领域，特别涉及一种基于半监督算法的快速地震波形分类方法。

背景技术

能源是经济发展和社会进步不可或缺的物质基础和重要保障。近些年，经济对能源的依赖程度越来越高，对能源的需求不断增长，为了保持能源的稳定供给，油气工业界需要不断提高油气藏勘探的技术。在隐蔽油气藏勘探过程中，利用地震数据中包含的丰富信息对沉积相带识别，对隐蔽油气藏预测至关重要。石油工业界将利用地震数据进行沉积相识别采用的手段称为地震相识别。传统地震相识别方法是通过对地震剖面上反射特征的观察和描述来进行，不仅十分耗时和费力，还具有非常强的解释人员主观性。地震相的特征可用地震相参数来表达，所谓地震相参数是指地震相内部那些对地震剖面的面貌有重要影响，并且具有重要沉积相意义的地震反射参数。在传统地震相分析中地震相参数有三种类型，即物理参数、地震反射构型和地震相单元边界反射结构，着眼于定性描述。随着地震资料采集技术的不断进步和提高，使得地震剖面上包含的反应地质、沉积、油藏等信息更加丰富。现有的地震属性分析方法采用数学变换处理后，原有信息的保真度降低，难以有效揭示地震信号中包含与沉积、地质、油藏等密切相关的信息。地震波形包含反射模式、相位、频率、振幅等丰富信息，能够真实、充分地反映地层结构、岩性信息，间接地揭示沉积物的生成环境、生成条件和其特征，近年来利用地震波形特征在地震相、沉积相研究和储层预测中效果明显。

地震波形分类是地质学家对地震波形特征进行有效分析的一种手段。波形分类方法主要是根据一系列地震反射参数，按照一定的流程和算法对地震波形进行分类划分，划分的结果是属于同一个簇中的波形相似度较高，而不同簇之间的波形相似度较小，不同簇对应不同的波形类别，最终达到区分不同波形的目的。根据划分结果可以识别地震相单元，分析和解释得到地震相图，然后结合测井、地质、钻井、前人的研究成果等先验知识，识别区域沉积相和沉积体系，并进行储层预测和描述。

现今三维地震勘探，尤其是高密度地震勘探，采集获得的地震波形数据不仅数据量庞大，并有许多冗余信息和噪声干扰。在进行地震波形分类时，数据量大和冗余信息严重影响分类速度，包含的非地质信息会增加分类结果的不准确性。为了加快地震波形分类的运算速率，往往会对数据进行降维处理，降低地震波形数据中的冗余信息，同时压制包含的噪声。常用的降维算法PCA和LLE都是无监督的降维，降低冗余地震波形数据的同时，也能压制地震波形中的一些噪声，但是通常也会使得不同地震相的地震波形也变得十分相似，最终在分类过程中被划分到同一类，导致分类结果的不准确。

现有的地震波形分类方法中均是采用的无监督分类方法，这些方法都是基于数据本身驱动的，未虑及钻井、测井、地质等先验知识，不能和实际的测井结果相结合。

发明内容

本发明的目的在于克服现有技术的不足，提供一种利用半监督的降维方法处理原始地震波形数据，然后提出了一种带权重的半监督Kmeans分类方法，消除了冗余数据的同时增加了同类波形数据的相似性，充分地利用了测井数据，提高了分类的准确性的基于半监督算法的快速地震波形分类方法。

本发明的目的是通过以下技术方案来实现的：基于半监督算法的快速地震波形分类方法，包括以下步骤：

S1、沿层位获得地震波形数据，并采用基于线性变换的SSDR算法为地震波形数据降维；