[发明专利]地震波形聚类方法和装置

权利要求书

1.一种地震波形聚类方法，其特征在于，包括：

根据钻测井资料，确定地震波形数据和地震波形数据的地震相标签；

在目标工区中圈定设定区域，提取设定区域的无标签地震相波形数据；

根据地震波形数据和无标签地震相波形数据，确定有标签地震相数据；

对有标签地震相数据进行多尺度离散化处理，确定多尺度有标签波形数据；

根据多尺度有标签波形数据和地震波形数据的地震相标签，对循环神经网络模型进行训练，确定训练后的循环神经网络模型；

将目标工区的地震道输入到训练后的循环神经网络模型，确定目标工区地震相分类结果。

2.如权利要求1所述的方法，其特征在于，

所述钻测井资料，至少包括：储层厚度，物性特征，区域沉积背景，测井曲线形态，岩性组合特征，地震波形分类图；

根据钻测井资料，确定地震波形数据，包括：

针对储层厚度、物性特征，结合区域沉积背景，根据测井曲线形态、岩性组合特征，划分出储层分类模式；

将储层分类模式和地震波形分类图进行标定，确定出不同地震波形分类对应的不同储层模式；

将储层模式对应的地震波形确定为地震波形数据。

3.如权利要求1所述的方法，其特征在于，

根据地震波形数据和无标签地震相波形数据，确定有标签地震相数据，包括：

以地震波形数据作为初始向量，对无标签地震相波形数据进行聚类分析；

根据聚类分析结果，对无标签地震相波形数据进行标定，确定有标签地震相数据。

4.如权利要求1所述的方法，其特征在于，

对有标签地震相数据进行多尺度离散化，确定多尺度有标签波形数据，包括：

定义多个尺度的窗口，在每个窗口中选取最大值，对有标签地震相数据进行分解；

对分解的结果进行补0延拓处理，确定多尺度有标签波形数据。

5.如权利要求1所述的方法，其特征在于，

根据多尺度有标签波形数据和地震波形数据的地震相标签，对循环神经网络模型进行训练，确定训练后的循环神经网络模型，包括：

将多尺度有标签波形数据作为循环神经网络模型的输入层，将地震波形数据的地震相标签作为循环神经网络模型的输出层，进行训练；

记录每一步循环迭代的误差和当前更新参数；

在循环迭代误差小于设定值时，停止训练，保存当前更新参数，确定训练后的循环神经网络模型。

6.如权利要求1所述的方法，其特征在于，

将目标工区的地震道输入到训练后的循环神经网络模型，确定目标工区地震相分类结果，包括：

提取目标工区的地震道的多尺度波形特征，输入到训练后的循环神经网络模型，得到地震道对应的地震相标签；

根据地震相标签对地震道进行标定，确地目标工区地震相分类结果。

7.一种地震波形聚类装置，其特征在于包括：

地震波形数据及其地震相标签确定模块，用于根据钻测井资料，确定地震波形数据和地震波形数据的地震相标签；

无标签地震相波形数据提取模块，用于在目标工区中圈定设定区域，提取设定区域的无标签地震相波形数据；

有标签地震相数据确定模块，用于根据地震波形数据和无标签地震相波形数据，确定有标签地震相数据；

多尺度离散化处理模块，用于对有标签地震相数据进行多尺度离散化处理，确定多尺度有标签波形数据；

循环神经网络模型训练模块，用于根据多尺度有标签波形数据和地震波形数据的地震相标签，对循环神经网络模型进行训练，确定训练后的循环神经网络模型；

目标工区地震相分类模块，用于将目标工区的地震道输入到训练后的循环神经网络模型，确定目标工区地震相分类结果。