[发明专利]一种基于无监督神经网络的火山通道识别方法

说明书

本发明公开了一种基于无监督神经网络的火山通道识别方法,火山通道内部地震资料品质较差，横向变化非常快，通常表现为弱振幅的杂乱反射特征；因此火山通道空间展布特征的研究一直是地球物理研究的难点。随着石油勘探开发工作的持续推进，尤其是火成岩发育的中深层油田，火山通道的精细识别更为重要；对火山通道的刻画直接影响着后续开发井位的部署。为此，研发了一种基于无监督神经网络的火山通道识别技术：将该方法与对向传播神经网络进行深度融合，组合成无监督智能学习模型，利用该模型训练得到刻画火山通道的新属性，实现了火山通道的全三维自动解释。

技术领域

本发明属于石油勘探地震数据处理与解释技术领域，尤其涉及一种基于无监督神经网络的火山通道识别方法。

背景技术

由于受火山构造运动影响，火山通道内部地震资料品质较差，横向变化非常快；通常表现为弱振幅的杂乱反射特征；因此，火山通道空间展布特征的研究一直是地球物理研究的难点。随着石油勘探开发工作的持续推进，尤其是火成岩发育的中深层油田，火山通道的精细识别直接影响着后续开发井位的部署。

对火山通道展布特征的刻画方法有很多，主要有常规地震属性检测、地震相分析以及地震反演。常规地震属性检测主要运用方差、曲率等边缘检测技术刻画火山通道的分布范围，此类方法计算结果对地震资料品质依赖程度较高，由于火山通道周围地震资料品质较差，因此，该类属性容易带来很多解释假象。地震相分析技术是在地震地层学的基础上发展起来的，主要有波形分类以及地震结构属性等两种方法，主要通过区分地震道之间的反射特征差异来分析沉积相带的变化特征，该类方法可以有效刻画火成岩平面展布特征，但是很难对火山通道空间展布特征进行描述。地震反演是预测储层与异常地质体纵向展布与横向展布特征的重要手段，但是常规依赖于地质模型的反演方法有很大的局限性，需要精准的地质模型才能有较好的反演结果，但实际上很难提供，因此，反演结果达不到预期效果。

发明内容

本发明的目的在于提供一种基于无监督神经网络的火山通道识别方法，以解决背景技术的问题。

为实现上述目的，本发明的一种基于无监督神经网络的火山通道识别方法的具体技术方案如下：

一种基于无监督神经网络的火山通道识别方法，包括以下步骤：

地震属性处理步骤：提取对火山通道敏感的地震属性，并对各地震属性进行归一化处理；

提取样本点步骤：从原始地震剖面上优选出具有明显火山通道地震反射特征的区域，并选取该区域的点作为样点，提取样本点对应的归一化以后的地震属性；

获取最佳地震属性步骤：采用迭代自组织聚类方法对样本数据类型进行分类判别，优化样本训练数据；其次将该方法与对向传播神经网络进行融合，组合成无监督智能学习模型；并利用该模型得到刻画火山通道的最佳新属性。

火山通道识别步骤：把新生成的最佳地震属性应用于全区，进而刻画出整个区域火山通道的空间分布范围。

进一步的，所述地震属性包括曲率、方差、蚂蚁体、倾角、方位角、纹理属性。

进一步的，所述地震属性处理步骤中的处理方法公式为；

其中，x_i为各地震属性，x_i^*为归一化后的地震属性。

进一步的，所述提取样本点步骤为：从地震数据中优选出具有明显火山通道和非火山通道反射特征的区域；同时，选取该区域P个点作为样本点，并提取样本点对应的归一化以后的地震属性利用迭代自组织聚类方法进行数据分析。通过多次迭代，逐次更新后，得到样本数据的最佳聚类效果，实现了样本数据的无监督分类判别。

进一步的，所述获取最佳地震属性步骤中的处理方法为：