[发明专利]一种对地裂缝进行有效识别的新方法

权利要求书

1.一种对地裂缝进行识别的新方法，其特征在于，包括：

对原始的地震数据做倾角滤波处理的步骤；

利用滤波倾角数据体计算和确定单地震道或多地震道的属性集的步骤；

人为拾取气烟囱体和非气烟囱体训练样点的步骤；

在人为拾取气烟囱体和非气烟囱体处提取属性并设计训练一个神经网络的步骤；

将训练满意的神经网络推广到整个滤波倾角数据体得到气烟囱体并输出的步骤；

显示和解释气烟囱体并以此识别地裂缝的步骤。

2.根据权利要求1所述的一种对地裂缝进行识别的新方法，其特征在于，对所述在原始地震数据上做倾角滤波处理得到的地裂缝增强滤波倾角数据体，是用倾角控制对地震数据做倾角定向滤波，改善同相轴的横向连续性，减少处理时产生的随机扰动，应用包含有倾角和方位角信息的增强滤波倾角数据体能提高神经网络提取最佳地震属性的精确度。

3.根据权利要求1所述的一种对地裂缝进行识别的新方法，其特征在于，对所述利用滤波倾角数据体计算和确定单地震道或多地震道的属性集，包括振幅、相位、相干、相似、能量、频率、曲率等，其中基准时间、能量时窗、倾角变化、相似性等是重要属性。

4.根据权利要求1所述的一种对地裂缝进行识别的新方法，其特征在于，对所述人为拾取气烟囱体和非气烟囱体训练样点集是在增强滤波倾角数据体和相干、相似体上进行的，拾取过程中参考若干对地裂缝敏感的单属性体，以人为经验和区域地质情况为基础，拾取气烟囱体和非气烟囱体两组训练样点集。

5.根据权利要求1所述的一种对地裂缝进行识别的新方法，其特征在于，对所述在人为拾取气烟囱体和非气烟囱体处提取属性并设计训练一个神经网络的步骤，针对气烟囱区和非气烟囱区所提取的地震属性样点设计神经网络,它将随机分配属性数据到训练组和测试组，并且启动训练状态，对该网络结构进行反复的训练和调整,训练执行情况在训练期间可被追踪，并用两种指数来表示：正常均方根曲线和均方根错误率曲线，RMS错误率曲线表示训练组和测试组的总的错误，分别从1(最大错误)到0(最小错误)，两个曲线在训练期间都应走低，当测试曲线再次走高表示网络过度适配，训练应在这发生之前适可而止；典型的一个RMS值在0.8范围被认为是合理，0.8～0.6是好，0.6～0.4是很好，低于0.4就极好了；此外，网络节点中各属性在当前训练中的权重予以不同颜色表示：当在训练组上的表现达到最小错误时(曲线最低位置)，最优化结果的网络训练会停止，此时即可终止训练，该神经网络所预测的“气烟囱体”能够更清晰地反映地震数据体中的地裂缝展布。

6.根据权利要求1所述的一种对地裂缝进行识别的新方法，其特征在于，对所述将训练满意的神经网络推广到整个滤波倾角数据体得到气烟囱体并输出的步骤，是指将通过神经网络培训得到的最能反映地震异常体的最佳属性应用于整个地震数据体，得到气烟囱体。

7.根据权利要求1所述的一种对地裂缝进行识别的新方法，其特征在于，对所述显示和解释气烟囱体并识别地裂缝的步骤，是将气烟囱剖面与相干、相似性剖面对比可以看出，气烟囱剖面不仅突出了气烟囱体、断裂系统的垂向特征，同时又有效压制了主要由噪声和低波阻抗等引起的低相干但非气烟囱的特征，气烟囱剖面与地震剖面叠合显示，能够快速、准确地对陷落柱进行解释。