[发明专利]基于无监督分类的二维地震数据全层位自动追踪方法

说明书

技术领域

本发明属于地震勘探资料解释领域，具体地说，涉及一种二维地震数据的层位追踪方法。

背景技术

层位追踪（即，层位解释）是地质资料解释的重要环节。层位追踪就是通过地震勘探得到的地震数据来分析得到地底构造。长期以来地震层位追踪都是依靠人工提取的。但是人工提取存在较大的问题：首先，人工提取依赖于解释人员的长期以来的工作经验，主观因素影响很大；其次是人工解释存在很大的效率问题，只能对少数目地层位进行解释，无法实现对所有层的追踪，通常难以为精细的地震资料分析（如地震地层学解释）提供基础数据。随着层位追踪方法的不断研究和改进，依赖于计算机实现的层位追踪算法不断提出，追踪的效率和效果都有所改进。

现有的层位追踪方法包括：（1）P.Alberts等在2002年提出了一种基于人工神经网络层位追踪算法，主要将模式识别引入到跨断层等不连续地质结构的层位追踪，然后采用神经网络进行模式识别；（2）Reda Benbernou等在P.Alberts的工作基础上采用模糊手段进行判决，组成混合的层位自动追踪方法；（3）M.Aurnhammer等在2002年提出了一种遗传算法层位追踪算法，其具体思路是采用基于模型的方法来处理跨越断层的问题，然后将问题转化为约束最优化的问题，然后使用遗传算法来求解；（4）F.Admasu等在2004年采用了模拟退火的方法来解约束最优问题，在2006年讨论了贝叶斯方法求解约束最优化问题；（5）F.Admasu等在2006年将子波变换引入了层位追踪问题中，先将地震数据小波多尺度分解，然后再进行层位追踪，依然采用贝叶斯方法；（6）Yingwei Yu等在2011年使用定向矢量场获得层位极值信息，将目标层位建模为无向连通图，然后使用最小生成树获得目标层位，但这样思路并不能进行全层位追踪；（7）Hilde G.Borgos等在2005年引入基于有限混合高斯的全层位追踪算法，由于将层位追踪转化为分类（包括有监督分类和半监督分类）问题，所以不存在跨断层问题，能适合复杂的地质环境。

然而，现有的层位追踪方法存在以下问题：（1）P.Alberts和RedaBenbernou的神经网络方法跨越复杂地质环境能力与训练样本状况密切相关，如果训练样本包含这种复杂地质状况，则能很好追踪，否则不能，但对于多变的复杂地质环境，训练样本往往无法包含全部的状况，而且训练样本的获得需要大量人工干预标示；（2）M.Aurnhammer和F.Admasu的模型方法存在对复杂地质状况的逼近程度的问题以及求解方法的求解精度和次优解问题；（3）有监督分类主要有最大似然和贝叶斯分类，使用大量的手工标识的数据进行训练，然后用未标识的数据来测试其性能，分类器具有很高的分类精度，半监督分类相对于有监督分类需要标识的样本少了很多，但是相应的分类的精度会有所下降，但是基于有监督分类和半监督分类的分类方法需要人工进行干预，不能实现完全的自动全层位追踪。

因此，需要一种基于无监督分类的二维地震数据全层位自动追踪方法。

发明内容

根据本发明的一方面，提供了一种基于无监督分类的二维地震数据全层位自动追踪方法，所述方法使用无监督分类来实现二维地震数据的全层位自动追踪。

根据本发明的另一方面，提供了一种基于无监督分类的二维地震数据全层位自动追踪方法，所述方法使用相关查找或层位片断融合来实现层位补齐或消除重叠。

根据本发明的一方面，提供了一种基于无监督分类的二维地震数据全层位自动追踪方法，所述方法包括：读入二维地震数据以及控制层位数据；查找二维地震数据波形的极值点；基于查找的极值点，通过切比雪夫多项式来拟合地震波形，将拟合系数作为特征向量；对拟合的地震波形进行基于特征向量的无监督分类，从而得到二维地震数据的全层位自动追踪结果。

所述极值点可包括极大值或极小值或者可查找二维地震数据波形的过零点并基于查找的过零点通过切比雪夫多项式来拟合地震波形。

对拟合的地震波形进行基于特征向量的无监督分类的步骤可包括：根据特征向量的概率密度函数建立统计模型：