[发明专利]一种叠后地震信号波形分类方法

说明书

本发明提供一种叠后地震信号波形分类方法，包括如下步骤：(1)提取待分析的地震数据，并进行预处理；(2)使用稀疏编码方法提取地震数据中的特征数据x，并对特征数据x进行降维；(3)将步骤(2)中得到的特征数据x利用聚类算法进行分类。本发明通过稀疏编码降维较好地解决因数据维度变大而影响分类结果本发明引入的新聚类方法，相对于传统自组织神经网络方法能自动确定合适的分类数目，而且对于任意类型和特征的数据，都能获得较好的分类结果。

技术领域

本发明属于油气储层预测和勘探技术领域，具体涉及一种叠后地震信号波形分类方法。

背景技术

地震波形分类技术在油气储层预测和勘探中发挥了举足轻重的作用，成为石油勘探领域中的重要技术之一。波形分类在地质研究中也发挥着很重要的作用，特别在识别沉积相结构方面。波形分类算法的最终效果取决于在进行分类的时候是否已经拥有当地的实际地质信号以及该地质信号含有的准确地震相个数。在波形分类未引入到石油勘探之前，人们对储层发育有利相带、油气分布的预测主要是通过有经验的地质工作者按照已有的经验及知识来进行分析，采取这样的分析手段需要大量的人力、物力，并且由于人为的主观干预过多，得出的结果不够有说服力，并且实际应用也往往出现问题。

在地震学引入到石油勘探的过程中，人们慢慢发现自采集的地震数据中获取的特征信息能够在石油勘探和开采过程中起到很大的作用，并且在降低人力、物力、成本投入的同时加快了勘探开发速度。三维地震信号波形分类作为地震学的一个重要分支，在沉积相描述、储层预测、油气识别等方面起到了关键作用。三维波形分类通过分析地下信号(这些信号是通过放炮，然后通过传感器采集返回的信号振幅)，然后通过对这些信号进行特征提取，用提取出来的特征来表征原来的信号，再根据这些特征的相似度，利用分类方法把信号分成预先设定类中的某一类，根据它们在平面上的位置信息生成地震相图，地球物理学家和地质学家可以根据地震相的分布规律，揭示出地下的沉积相分布、储层和油气分布等。

传统的信号分类方法在数据维度变大或数据类型复杂时，往往不能得到正确的分类结果。

目前在无监督的波形分类算法中自组织神经网络能够获得较好的结果，基于自组织神经网络的无监督波形分类算法已经成为地震相分析的一种主流算法，其主要是通过不断训练来调节神经元的大小，调节的方向是使得获胜神经元在下一次训练获胜的概率更大，且使得获胜神经元周围的神经元也能在下次训练中优势突出，该算法分类效果较好，且收敛速度快。

稀疏编码的研究起源于人类视觉感知的研究，研究者发现人类视觉神经元对于外界的颜色、尺度、方向、纹理等不同的刺激有着不同的反应，且某些刺激只会导致少数的神经元活动，其他大部分则没有响应，这表现为人脑的稀疏性与简约性。在对语音信号的研究实践中，科学家发现一段信号总是可以分解为一系列子信号的加权，同时这些子信号的系数满足稀疏的特性，即大部分系数为零，信号只由少数几个子信号构成，这与人类视觉机理是一种的，促进了人们对稀疏编码的进一步研究。如果能从信号集合上提取到一组过完备的字典，利用字典中的少数原子信号来表述一个复杂信号，则能实现对信号的稀疏表达，基于稀疏表达的方法实质上省去了传统方法的复杂信号的特征提取过程，却能获得较好的效果。

从数学的角度，稀疏编码用来寻找一组“超完备”的基向量来高效的表示样本数据，假定输入数据X＝(x₁,x₂,…，x_n)^T为n维向量，通过找到这样一组基向量{φ_i}使得：

因{φ_i}是一组超完备的基向量，因而系数a_i可以满足一定的稀疏性要求，即其中大部分为零。超完备基的好处是能够方便地找到数据集中隐含的内部结构与模式，但是带来的问题是系数并不唯一。稀疏性要求的另一个解释是在实际的信号中，图像可以是少量“基本”元素的叠加。m个输入向量的稀疏编码代价函数定义为：