[发明专利]基于固有特征分析的三维体波形分类方法

说明书

技术领域

本发明属于三维体波形分类技术领域，特别涉及一种基于固有特征分析的三维体波形分类方法。

背景技术

三维体波形分类技术是以地震解释层位为基准，沿给定的上下时窗从三维地震数据中截取数据体，对该数据体对应的波形进行预处理及特征选择来建立样本集，并对该样本集进行训练以建立合适有效的分类器，将目的层段的地震道波形进行分类，达到划分地震相的目的。由于相同的波形对应的是相同的地震相，不同的波形对应的是不同的地震相，所以对波形进行分类的过程也是进行地震相划分的过程。划分的结果是属于同一个簇中的波形相似度较高，而不同簇中的波形相似度较小，不同的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，分析和解释得到的地震相图，识别区域沉积相和沉积体系，并进行储层的预测。波形分类技术广泛应用于各个领域，对科技的发展和人们的日常生活都产生了很多积极的影响。

发明内容

本发明的目的在于克服现有技术的不足，提供一种通过对地震数据进行IFA降维处理，能在降低特征之间的冗余度、减小数据量的同时，保留最具有区分性的特征，能更有效地区分出不同的波形，有效地提高波形分类结果的准确率的基于固有特征分析的三维体波形分类方法。

本发明的目的是通过以下技术方案来实现的：基于固有特征分析的三维体波形分类方法，包括以下步骤：

S1、沿解释层位截取数据体，获得原始数据；

S2、对原始数据采用结构导向滤波方法进行去噪处理；

S3、对去噪处理后的数据进行IFA特征降维处理；

S4、对降维后的数据进行SOM聚类；

S5、利用SOM聚类数据生成波形分类相图。

进一步地，所述步骤S2包括以下子步骤：

S21、采用了梯度结构张量来对原始三维体数据进行特征提取，定义梯度结构张量为：

其中，u(n)为原始三维体数据，x、y、z分别表示三维体数据三个维度上的坐标；

S22、根据区域结构性信息设计扩散矩阵：

v₁、v₂、v₃分别表示当下迭代时的梯度结构张量的特征值对应的特征向量；

S23、设立连续性因子：

ε的值域为[0,1]，在平滑区域接近1，在图像边缘区域接近0；S⁰代表初始的(也就是进行迭代滤波前的)梯度结构张量矩阵；S_ρ代表当下迭代时的梯度结构张量；Tr(·)表求括号内的矩阵的迹，即求主对角元素的和；

S24、根据扩散方程进行迭代滤波，得到滤波后的三维体数据u(n+1)：

G_σ为一个方差为σ的高斯滤波函数；表示梯度；Δt表示迭代步长；表示求解的散度。

进一步地，所述步骤S3具体实现方法为：将步骤S2滤波的到的三维体数据u(n+1)作为IFA特征降维的待分类样本的原始高维特征集其中，i表示样本序号，n表示样本总数，d表示样本的原始特征维度；设表示降维之后的特征集，其中，d'表示降维之后的特征维度，d＜＜d'；则IFA的问题表述为：求解一组非线性函数将X映射到低维度空间X'；

具体包括以下子步骤：

S31、构建一个k最近邻图，k最近邻图是一个无向有权图，并计算k最近邻图的拉普拉斯矩阵L；

S32、求解下式中的广义特征值问题，得到最小的d'个特征值对应的特征向量集

(I+εLK)α＝λKα；

其中，I∈R^n×n，是一个单位矩阵；K是定义在原始高维特征集X上的格拉姆矩阵，其元素K_i,j＝K(x_i,x_j)；

S33、将求得的特征向量集代入下式，求解非线性映射函数：

v表示出训练样本外的新样本；

S34、通过步骤S33求得的非线性映射函数将原始高维数据映射到低维空间R^d'中。

进一步地，所述步骤S4实现方法为：实现SOM聚类的目标函数如下所示：

其中，m是任何比1大的实数，x_i是第d维数据，U_ij是x_i在簇j中的度，C_j是簇的d维中心；

簇的中心点的计算公式如下：