[发明专利]一种基于信号分类的地震图像层位追踪方法

说明书

技术领域

本发明涉及地震图像处理领域，具体是一种基于信号分类的地震图像层位追踪方法。 

背景技术

随着经济的发展，社会对石油、天然气等资源的需求不断增大，然而要进行油气的开采，首先必须清楚地下的地质构造，因此地震解释在地质勘探过程中发挥了重要作用。地震层位追踪在地震解释工作中起到了非常重要的作用，通过地震层位追踪的方法可以找到可能含有油气的地层和油气的储存深度。 

由于地震图像中的同相轴是对勘探区域实际地质结构中的地质层位的映射，因此可以通过在地震图像中进行的同相轴追踪来实现地震层位追踪。地震波在向下传播过程中由于不同地层的组织构造不同、密度不同，会在地质界面上发生反射形成记录，最终识别和追踪该记录的过程就是层位追踪，即同相轴追踪。 

传统的层位追踪方法是通过解释人员手工完成的，处理时间长，结果不可验证。为了解决这些问题，近年来相关研究人员提出了很多关于层位自动追踪算法，使得在这方面的研究得到了迅速发展和广泛的关注。目前地震层位追踪所使用的方法主要有：相关方法、人工神经网络、遗传算法和基于有限混合高斯的全层位追踪算法等。 

（1）相关方法：通过提取待识别波形的实域段向量、自相关变换向量、最小相位分解向量和K-L变换向量等特征向量，并计算各个特征向量和确定层位的相同特征向量的相关系数，接着计算这些相关系数的均值求得一个综合相关系数作为相似性的判断标准，最后综合相关系数最大的实域段就是算法要追踪的层位。该方法法总体上可以比较清楚地分辨层位的结构，但是该方法存在的一个缺陷就是最终层位的不完整性。 

（2）人工神经网络层位追踪算法：主要将跨断层等不连续地质结构的层位追踪问题视为模式识别的问题，然后采用神经网络进行模式识别，但这种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。而且训练样本获得需要大量人工干预标示。 

（3）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，这种方法存在两个问题：一是对复杂地质状况的逼近程度；二是求解精度和次优解问题。 

（4）基于有限混合高斯的全层位追踪算法，能适合复杂的地质环境，但需要人工干预，不能完全实现层位的自动提取和分离。 

发明内容

本发明所要解决的技术问题是，针对上述现有技术的不足，提供一种基于信号分类的地震图像层位追踪方法，实现二维和三维地震图像上的全层位自动精确追踪。 

为解决上述技术问题，本发明所采用的技术方案是：一种基于信号分类的地震图像层位追踪方法，该方法包括二维地震波形层位追踪方法和三维地震图像层位追踪方法： 

所述二维地震波形层位追踪方法为： 

1)寻找二维地震波形中的极值点：若二维地震波形中的某个点的值大于该点两边的点的值，且该点的值大于门限值，则该点为极大值点；若二维地震波形中的某个点的值小于该点两边的点的值，且该点的值小于门限值，则该点为极小值点； 

2)以上述各极值点为中心分别提取出一段二维地震波形，将切比雪夫零点作为拟合样本点计算二维地震波形拟合特征系数； 

3)使用SFS方法删选上述二维地震波形拟合特征系数，产生二维地震波形拟合特征系数的特征子集； 

4)采用CEM方法对二维地震波形拟合特征系数的特征子集聚类，计算散步分离性策略值，通过该策略值来评价上述特征子集和聚类效果； 

5)重复步骤4），直到遍历完所有特征子集，求得散步分离性策略值最大的特征子集，得到第i个极值点属于第j个聚类的后验概率P(c_j|X⁽ⁱ⁾)，若P(c_l|x⁽ⁱ⁾)>P(c_j|X⁽ⁱ⁾),即第i个极值点属于第l个聚类的后验概率最大，则第i个极值点属于第l个层位，从而将步骤1）中的极值点分为若干个聚类，所述若干个聚类组成一个类集合，类集合中的每一个聚类代表一个层位，实现二维地震波形的层位追踪；其中：