[发明专利]基于无监督学习的地震速度谱自动拾取方法及装置

说明书

本发明公开了一种基于无监督学习的地震速度谱自动拾取方法及装置，其中该方法包括：采集得到地震叠加速度谱；根据预设速度扫描走廊的最大参考叠加速度和最小参考叠加速度，对采集得到的地震叠加速度谱进行切除处理；对切除处理后的地震叠加速度谱进行归一化和阈值滤波处理，得到散点化后的地震叠加速度谱；沿时间方向，逐个时间采样点，执行如下步骤对散点化后的地震叠加速度谱进行叠加速度自动拾取：在每个时间采样点的主时空窗内构建具有重叠关系的两个子时空窗；采用带加权的K‑mean算法，分别对两个子时空窗内的数据进行聚类；根据主时空窗内两个子时空窗的聚类中心，确定主时空窗的聚类中心。本发明能够自适应确定速度谱能量团中心。

技术领域

本发明涉及油气勘探技术领域，尤其涉及一种基于无监督学习的地震速度谱自动拾取方法及装置。

背景技术

本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

众所周知，地震速度谱拾取是地震数据处理工作中一个非常重要的环节，拾取结果直接影响到地震成像的质量。地震速度谱人工拾取方法，一方面受处理员水平或人为主观影响，另一方面越来越不能满足用户对海量数据和高密度速度谱拾取处理周期的要求，近年来已经逐渐被地震速度谱自动拾取方法所替代。尤其是随着人工智能技术的不断发展，基于人工智能的地震速度谱自动拾取方法，引起了研究人员的广泛关注和油气服务公司的激烈竞争。

从广义上划分，地震速度谱自动拾取方法可分为两类：一类是早期的基于非线性反演的地震速度谱拾取方法，通过建立目标函数和约束条件，全局寻优求解最佳的t-v对位置；另一类是现代的基于人工智能的地震速度谱拾取方法。其中，基于人工智能的地震速度谱自动拾取方法又可分为两类：一类是基于有监督的深度学习，通过构建神经网络拓扑结构，利用采集的样本数据和制作的标签数据来训练神经网络模型，然后利用训练好的神经网络模型对地震速度谱进行自动拾取，这类方法存在的问题是人工制作标签数据仍会导致劳动密集，且容易受人为主观因素影响；另一类是基于无监督学习的聚类分析，通过设定聚类中心数量来自动确定速度能量团中心，这类方法存在的问题是无法准确设定随着空间变化的聚类中心数量。

针对上述问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例中提供了一种基于无监督学习的地震速度谱自动拾取方法，用以解决现有基于无监督学习的地震速度谱自动拾取方法，无法准确设定随着空间变化的聚类中心数量的技术问题，该方法包括：采集得到地震叠加速度谱；根据预设速度扫描走廊的最大参考叠加速度和最小参考叠加速度，对采集得到的地震叠加速度谱进行切除处理；对切除处理后的地震叠加速度谱进行归一化和阈值滤波处理，得到散点化后的地震叠加速度谱；沿时间方向，逐个时间采样点，执行如下步骤对散点化后的地震叠加速度谱进行叠加速度自动拾取：在每个时间采样点的主时空窗内构建具有重叠关系的第一子时空窗和第二子时空窗；采用带加权的K-mean算法，分别对第一子时空窗和第二子时空窗内的数据进行聚类，得到第一子时空窗和第二子时空窗的聚类中心；根据主时空窗内第一子时空窗和第二子时空窗的聚类中心，确定主时空窗的聚类中心。