[发明专利]一种基于Shearlet‑fastICA的地震多属性融合方法

说明书

技术领域

本发明属于勘探地球物理领域，具体地说是涉及一种基于Shearlet-fastICA(shearlet-fast independent component analysis，剪切波变换—快速独立分量分析)的地震多属性融合方法。

背景技术

地震属性可以有效地描述目标层的地质特性，为储层预测、流体识别、油藏描述、油藏流体动态检测等提供有利的基础数据。在地震属性储层预测时，若遇到复杂的地质解释问题，只运用单一的地震属性进行分析，不仅会出现多解性及局限性问题，导致属性分析的最终结果精确度不高且缺乏可信度，而且大量的地震属性数据会使属性集合的空间维数变高，数据中相关甚至重复的部分产生大量的冗余信息。因此，为了有目的性的改善运用单一属性分析储层时出现的多解性现象，使有益目标层的反射特征得到突出，对地震众多属性进行融合是十分必要的。目前有多种常用于地震属性融合的方法，包括早期简单的人工叠合及近期较多使用的多元线性回归法，人工神经网络法，多分辨率融合方法，井属性提取，和主成分分析法等。但是仅通过多属性融合后的属性集空间维数虽然得到了降低，但是属性集中任然包含许多与预测储层无关的不敏感属性信息。因此，需要选择出于目标层而言敏感程度最高的地震属性进行融合，以便能够减少属性数据间具有的冗余程度，尽量满足高精度储层预测的目标。与常用的基于ICA(independent component analysis，独立分量分析)算法的属性融合相比，本发明算法快速，性能高，综合融合效果好，考虑了不同属性数据的尺度信息，将原始的地震属性数据经Shearlet变换分解成具有方向性的，不同尺度频率，能够分级的对属性数据进行后续处理。同时能将多属性间冗余信息的问题消除，避免构造解释的多解性问题，使融合后的数据基本包含了单一属性暗含的全部地质信息。而且该方法适用于多维数据，能够精确地表达数据边缘的方向。基于上述优点，提供了一种基于Shearlet-fastICA算法的地震多属性融合方法。

发明内容

本发明的目的就是针对现有技术不足，提出了一种基于Shearlet-fastICA的地震多属性融合方法，能够在综合考虑不同属性数据尺度信息的基础上，对不同地震属性数据进行有效融合。经过融合后的属性数据消除了彼此的冗余性，更加清晰、明显的刻画了地质体的相关特征，为后续储层预测和构造解释提供了强有力的技术支撑。

一种基于Shearlet-fastICA的地震多属性融合方法，包括如下步骤：

步骤S1：将利用地震属性可视化分析系统提取得到的地震属性分别进行极差正规化预处理后进行Shearlet变换，确定空间域中不同地震属性数据的初始低频子带系数和初始高频子带系数；

步骤S2：根据地震属性反映的目标情况，分别将所述初始低频子带系数和初始高频子带系数进行平滑分块，并从中随机的挑选出不少于1000的属性块作为FastICA算法的输入，利用计算得到的基函数完成从空间域至ICA域的映射，确定所述ICA域中不同地震属性数据的目标低频子带系数和目标高频子带系数；

步骤S3：分别将不同地震属性数据的目标低频子带系数进行ICA域的融合以确定融合低频子带系数，并对目标高频子带系数进行ICA域的融合以确定融合高频子带系数；

步骤S4：将所述融合低频子带系数和所述融合高频子带系数从ICA域映射回空间域，并进行Shearlet重构以得到地震属性融合结果。

附图说明

图1为本发明的流程图；

图2为总能量属性；

图3为相干体属性；

图4为图2和图3中数据的融合处理结果。

具体实施方式

结合附图1-4，对本发明作进一步的描述：一种基于Shearlet-fastICA的地震多属性融合方法，具体实施方案包括如下步骤：

步骤S1：经地震属性可视化分析系统软件提取得到总能量属性，如图2所示，经地震属性可视化分析系统软件提取得到相干体属性，如图3所示。对待融合的不同地震属性分别进行标准化预处理，以消除不同量纲，不同变化范围，不同数值大小带来的影响。若地震属性之后进行Shearlet变换，变换时先用Haar小波对数据进行分解，分解后可得低频子带系数和不同尺度下的高频子带系数。然后对各个尺度下的高频子带系数采用带方向和尺度变化的窗函数进行剖分得到不同方向下的高频系数。在本次研究中采用极差正规化的方法进行标准化。即：