[发明专利]基于蚁群优化算法的断层自动识别方法及系统

说明书

公开了一种基于蚁群优化算法的断层自动识别方法及系统。该方法可以包括：步骤1：输入相干属性数据体，设定蚂蚁数量与迭代阈值；步骤2：根据转移概率矩阵确定蚂蚁移动方向；步骤3：判断蚂蚁是否经过所有输入数据，若是，则进入步骤4，若否，则返回步骤2；步骤4：判断蚂蚁序号是否小于蚂蚁数量，若是，增加迭代次数与蚂蚁序号，返回步骤2，直至所有蚂蚁经过所有输入数据，进入步骤5；步骤5：计算信息素τ值；步骤6：判断迭代次数是否达到迭代阈值，若是，输出断层剖面，若否，则重复步骤2‑6，直至迭代次数达到迭代阈值。本发明通过断层蚁群优化算法对相干属性数据体进行追踪，获得清晰连续的断层剖面。

技术领域

本发明涉及石油勘探开发领域，更具体地，涉及一种基于蚁群优化算法的断层自动识别方法及系统。

背景技术

随着油气田复杂性的增加，油气勘探目标的精细化，准确判断断层的分布及其形态对准确识别和描述油气藏具有重要作用。

对三维数据进行常规资料解释可以获得地层和岩性信息，但是该过程工作量大且很难获得数据中有关断层和特殊岩性的直接信息，因此发展了一系列断层增强属性的算法来获得更为直接准确的断层图像。

目前提取断层特征主要有几种相干体算法，M.Bahorich和S.Farmer提出了第一代相干体算法，以相邻的三道地震道进行计算，词算法仅适用于无相干噪声且高分辨率的地震资料；Marfurt等(1998)提出了第二代相干体算法，他通过协方差矩阵计算整个数据体的倾角和方位角，克服了噪声干扰的影响，但横向分辨率仍较低；Gersztenkorn和Marfurt(1999)提出了第三代相干体算法，通过计算协方差矩阵中的特征值，使得存在相干噪声的数据具有较高的横向分辨率；Randen(2000)提出的基于GST的相干体方法，根据地质体的结构特征直观的提取相干属性。

最初较多采用数据驱动进行断层识别，约束其局部连续性来判断断层的位置。Randen(2001)提出用“人工蚂蚁”算法进行噪声压制；S.I.Pedersen(2003)通过“人工蚂蚁”对地震数据进行处理得到断层增强属性体来识别断层，其对噪声的压制效果较好；Dorm和James(2005)通过结合地质信息对地震信号进行处理实现了断层的自动提取，该方法增强了相干数据体的断层特性并很好的压制了噪声，但是对相干体的连续性并没有很好的改善，使得断层面很难组合。赵伟(2009)将相干数据体作为灰度数据通过蚁群算法进行聚类分析，但改方法不能很好的判断断层位置，且计算效率较低，只能应用于小数据。因此，有必要开发一种基于蚁群优化算法的断层自动识别方法及系统。

公开于本发明背景技术部分的信息仅仅旨在加深对本发明的一般背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。

发明内容

本发明提出了一种基于蚁群优化算法的断层自动识别方法及系统，其能够通过断层蚁群优化算法对相干属性数据体进行追踪，获得更为清晰连续的断层剖面，为后期的断层解释提供基础。

根据本发明的一方面，提出了一种基于蚁群优化算法的断层自动识别方法。所述方法可以包括：步骤1：以相干属性数据体作为蚁群优化算法的输入数据，设定蚂蚁数量与迭代阈值；步骤2：根据转移概率矩阵确定蚂蚁移动方向；步骤3：判断蚂蚁是否经过所有输入数据，若是，则进入步骤4，若否，则返回步骤2；步骤4：判断蚂蚁序号是否小于所述蚂蚁数量，若是，则迭代次数增加1，蚂蚁序号增加1，返回步骤2，直至所有蚂蚁经过所有输入数据，进入步骤5；步骤5：计算信息素τ值；步骤6：判断迭代次数是否达到所述迭代阈值，若是，输出断层剖面，若否，则重复步骤2-6，直至迭代次数达到所述迭代阈值。

优选地，还包括：根据三维地震数据，确定地震剖面与时间切片；根据所述地震剖面与所述时间切片，确定所述相干属性数据体。

优选地，所述转移概率矩阵为：