[发明专利]一种地震波形聚类方法与装置

说明书

本发明涉及一种地震波形聚类方法与装置，属于地震勘探基础应用领域。本发明充分利用了同步挤压变换方法，在将地震数据分解为固有模态函数分量的过程中，针对不同地震数据、不同层段的频谱特征，自定义固有模态分量的个数和频带范围；对固有模态分量优化处理，对噪音多的高频分量不再直接遗弃，而是进行去噪处理。分解算法和分量处理思路的改进，有助于更好的保留或加强关键性信息，去除噪音和冗余信息。同时能提供有效的质量监控，重构过程中筛选/丢弃的分量和重构地震数据体均能成图进行质量监控，检查去除的分量是否都为噪音或冗余信息，主体频带信息是否保留，大幅提高了波形聚类的可靠性。

技术领域

本发明属于地震勘探基础应用领域，具体涉及一种地震波形聚类方法与装置。

背景技术

地震波形是一种综合属性参数，包含了振幅、频率、相位、几何形状等信息，用于聚类分析可以更为可靠地反映真实的地下地质情况；但是同样地震波形也包含了很多噪音和冗余信息，导致聚类结果受噪音干扰严重，分辨率较低。

无监督地震波形聚类是一种应用广泛的地震相分析方法，在地震沉积相分析和储层预测中发挥重要作用，常用的方法是将地震波形输入到自组织神经网络(Self-Organizing Map，SOM)中进行学习(Learning)然后聚类。

作者Matos等人提出了一种基于小波变换的无监督地震相分析方法(GEOPHYSICS，2007，VOL.72，NO.1，P：9-21)。该方法首次将时频技术应用到了模式识别系统中，利用了WTMMLA(Wavelet Transform Modulus Maxima Line Amplitudes)变换对地震信号的奇点进行了表征，再将整个WTMMLA曲线作为输入数据进行SOM波形聚类，以提高聚类结果的解释容错性。该方法在模型实验中展示了较高的容忍解释错误的能力，但由于用WTMMLA曲线替代了地震数据，大幅度减少了地震数据的原有信息，聚类结果可靠性差，在实际地震数据中的应用效果不明显。

作者Saraswat和Sen提出了一种基于AIS的地震相分析方法(GEOPHYSICS，2012，VOL.77，NO.4，P：45–53)，该方法利用AIS(Artificial Immune System)对地震数据进行了大幅度的缩减，去除地震数据的噪音和冗余信息，再将缩减以后的地震数据用于聚类分析，聚类结果不容易受到噪音和冗余数据的影响。该方法在实际地震数据(荷兰F3区块)聚类中，表现出较好的抗噪性，但AIS缩减了地震数据50％的信息，在没有质控的情况下很难保证去除的都是噪音和冗余数据，也可能去除掉一些主体频带信息，可靠性差。

作者杜浩坤等人提出了一种基于EMD的地震相分析方法(Journal of AppliedGeophysics，2015，NO.112，P：52-61)。该方法利用EMD技术将地震信号分解成有限的、频带范围不同的固有模态函数(Intrinsic Mode Function,IMF)，然后筛选出显示噪音较少、与原始地震信号相关性较高的分量进行重构，最后利用重构数据进行地震波形聚类。该方法具备较好的抗噪效果，但是该方法在对地震数据进行分解的过程中，分量的个数、频带范围由地震数据和算法的收敛条件决定，一般为7-10个分量，导致单个分量的频带范围太窄，与原始剖面存在较大差别，筛选和处理分量时缺乏有效的评判准则；另一方面，在对分量进行筛选时，对于噪音较多的分量都是直接丢弃，这些分量里面可能会包含一些有效信息。所以该方法在分解算法和分量处理思路上存在局限性，影响了聚类结果的可靠性。

综上所述，如何在保证可靠性的同时，提高波形聚类的抗噪性和分辨率，是近年来聚类分析一直研究的课题；将时频分析方法应用到无监督地震波形聚类中是最有潜力的研究方向之一，但目前使用的时频分析方法存在各自的局限性，仍需针对地震信号的特性进行改善。

发明内容