论文部分内容阅读
通过有效的波形分类技术,能够建立起地震相图与实际地质体之间的对应关系,估计地下的岩石性质和岩性变化,进行局部地层解释,确定沉积体系,推测有利生油区,明确后期的开采目标,从而提高能源稳定供给的能力。本文陈述了三维体波形分类的研究背景及现实意义,深入分析了波形分类相关技术的研究现状及优缺点。针对现有技术中存在的问题,从特征降维、聚类算法、地震道波形之间相似性度量、簇中心更新方法等方面出发,提出了两种不同的三维体波形分类方法。具体工作包含以下几个内容:1.针对原始地震数据包含干扰分类标识的冗余信息、传统的降维方法无法保留数据中的非线性结构这一问题,本文提出了一种基于固有特征分析的三维体波形分类方法。该方法将地震波形样本当作高维空间中的点,并用拉普拉斯矩阵来表征邻近点之间的关系;基于这些近邻关系,以最小化流形的光滑性为目标求得一组非线性基函数;并用这组非线性基函数将原始高维空间中的点映射到低维空间,得到隐藏在高维空间中的低维流形结构;最后将该低维表示利用自组织神经网络作聚类分析,得到最终的分类相图。固有特征分析在降维的同时很好地保留了原始地震数据的固有特征,提高了地震波形之间的区分度;结合自组织神经网络算法,加强了不同类别的辨识能力,可以更真实地反映地下储集层的分布规律。2.传统的衡量样本之间相似性的方法一般只能处理等长的样本序列,而且当存在层位解释误差时,不能准确地表征样本之间的相似程度,从而影响分类结果。针对这一问题,结合原始地震波形是时间序列这一特点,本文提出了一种基于动态时间规整的三维体波形分类方法。通过将动态时间规整距离引入三维体波形分类中,以此作为截取的存在层位解释误差的地震波形之间的相似性的度量;同时结合聚类算法中最基本的划分方法和基于动态时间规整的簇中心更新算法来对地震波形进行聚类。该方法克服了传统相似性度量方法的局限,对原始数据的结构及质量要求更低,可以更准确地描述波形之间的相似程度,提高分类划分的准确性;同时克服层位解释误差带来的影响,加强了三维体波形分类的可靠性。最后将上述波形分类方法在多个实际工区的三维地震数据体中进行了实验验证,并与传统的方法进行了对比,分析发现本文方法的实际效果与传统方法相比具有一定的优势,可以更真实地反映地下结构的分布和变化。