本技術(shù)屬于石油天然氣勘探，特別是油氣勘探地震數(shù)據(jù)處理，具體涉及一種地震數(shù)據(jù)的地震相分類方法及裝置。

背景技術(shù)：

1、現(xiàn)有技術(shù)中，地震相分析的方法是識(shí)別每個(gè)層序內(nèi)獨(dú)特的地震反射波組特征及其形態(tài)組合，并將其賦予一定的地質(zhì)含義，進(jìn)而進(jìn)行沉積相的解釋，這一過(guò)程稱為地震相分析。

2、地震波形是地震數(shù)據(jù)的基本性質(zhì)，它包含了所有的定性和定量信息，如反射模式、相位、頻率和振幅等信息，是地震信息的總體特征，其動(dòng)態(tài)變化蘊(yùn)含了豐富的內(nèi)在信息，能夠真實(shí)地反映地下結(jié)構(gòu)的特征。波形分類法是最常采用的地震相分析方法，通過(guò)對(duì)地震信號(hào)波形進(jìn)行分類，可以實(shí)現(xiàn)對(duì)地震相的劃分。

3、在現(xiàn)有技術(shù)中，地震相分析一般是對(duì)地震波形進(jìn)行分類，相關(guān)的波形分類方法有k均值聚類算法和自組織神經(jīng)網(wǎng)絡(luò)聚類方法。

4、k均值(k-means)聚類算法用于將數(shù)據(jù)集中的樣本分為不同的類別或聚類。算法步驟如下：隨機(jī)選擇k個(gè)中心點(diǎn)作為初始聚類中心。對(duì)于每個(gè)樣本，計(jì)算其與各個(gè)聚類中心的距離，并將樣本分配到距離最近的聚類中心所屬的類別。對(duì)于每個(gè)類別，計(jì)算該類別中所有樣本的均值(即聚類中心的新位置)。重復(fù)上述步驟，直到聚類中心不再發(fā)生變化或達(dá)到預(yù)定的迭代次數(shù)。在k均值算法中，距離通常使用歐氏距離來(lái)度量，但也可以使用其他距離度量方法。

5、k均值算法的優(yōu)點(diǎn)是簡(jiǎn)單易實(shí)現(xiàn)，計(jì)算效率高。然而，它對(duì)初始聚類中心的選擇敏感，可能會(huì)收斂到局部最優(yōu)解。需要注意的是，k均值算法對(duì)于非球狀的聚類結(jié)構(gòu)或存在噪聲(例如地震數(shù)據(jù)集)的數(shù)據(jù)集不適用。

6、自組織神經(jīng)網(wǎng)絡(luò)(self-organizing?neural?network，sonn)是一種基于競(jìng)爭(zhēng)學(xué)習(xí)的無(wú)監(jiān)督學(xué)習(xí)算法，用于數(shù)據(jù)聚類和模式識(shí)別。一般包括以下步驟：初始化神經(jīng)元的連接權(quán)重，通常使用隨機(jī)數(shù)進(jìn)行初始化。將輸入數(shù)據(jù)提供給網(wǎng)絡(luò)。計(jì)算輸入數(shù)據(jù)與各個(gè)神經(jīng)元之間的距離，選取與輸入數(shù)據(jù)最接近的神經(jīng)元作為競(jìng)爭(zhēng)勝者。更新競(jìng)爭(zhēng)勝者的連接權(quán)重，使其更接近輸入數(shù)據(jù)。通常使用學(xué)習(xí)率來(lái)控制權(quán)重的更新幅度。更新與勝者神經(jīng)元相鄰的神經(jīng)元的權(quán)重，使其向勝者神經(jīng)元靠攏。鄰域范圍通常是根據(jù)距離函數(shù)來(lái)定義的，可以通過(guò)指數(shù)衰減函數(shù)來(lái)控制鄰域的大小和更新幅度。重復(fù)步驟上述步驟，直到網(wǎng)絡(luò)收斂或達(dá)到預(yù)定的迭代次數(shù)。

7、在自組織神經(jīng)網(wǎng)絡(luò)聚類中，神經(jīng)元之間的連接權(quán)重表示了數(shù)據(jù)空間的拓?fù)浣Y(jié)構(gòu)，網(wǎng)絡(luò)會(huì)自動(dòng)將相似的樣本聚集在相鄰的神經(jīng)元上。聚類結(jié)果可以通過(guò)神經(jīng)元的位置和權(quán)重來(lái)表示。自組織神經(jīng)網(wǎng)絡(luò)聚類方法的輸出結(jié)果通常是非確定性的，因此需要根據(jù)具體問(wèn)題進(jìn)行后續(xù)處理，如確定聚類數(shù)目、對(duì)聚類結(jié)果進(jìn)行解釋等。這一點(diǎn)顯然對(duì)于地震數(shù)據(jù)的地震相分類不合適。

8、另外，上述方法都采用無(wú)監(jiān)督的學(xué)習(xí)方法，且均屬于“硬”分類方法，即嚴(yán)格地限定了某個(gè)數(shù)據(jù)點(diǎn)上的數(shù)據(jù)只屬于特定的類別，而與其它類絕不相干。但在地震相中，這個(gè)數(shù)據(jù)或者樣本與其他類也可能很像，但不是最像，那么這就是說(shuō)該數(shù)據(jù)或者樣本可能不僅僅屬于一個(gè)類，它可能屬于多個(gè)類，只是對(duì)不同的類，其隸屬程度不同而，故傳統(tǒng)的波形分類方法都存在某些技術(shù)缺點(diǎn)。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明屬于地震數(shù)據(jù)處理技術(shù)領(lǐng)域，本發(fā)明的一個(gè)目的在于提供一種更智能的自動(dòng)的地震數(shù)據(jù)的地震相分類分類方法，該方法首先根據(jù)在某一目的層段內(nèi)地震信號(hào)的橫向可變性，利用馬爾可夫隨機(jī)場(chǎng)模型對(duì)地震道形狀進(jìn)行分類，分類結(jié)果形成離散的“地震相”。然后對(duì)地震相進(jìn)行巖石物理參數(shù)或者沉積相的對(duì)比標(biāo)定，從而實(shí)現(xiàn)利用地震資料來(lái)刻畫巖石物理參數(shù)或者沉積相平面分布規(guī)律。

2、本發(fā)明的另一個(gè)目的在于提供一種地震數(shù)據(jù)的地震相分類裝置。本發(fā)明的還一個(gè)目的在于提供一種電子設(shè)備，該電子設(shè)備包括存儲(chǔ)器和處理器，存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，處理器執(zhí)行計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)上述地震數(shù)據(jù)的地震相分類方法的步驟。本發(fā)明的還一個(gè)目的在于提供一種可讀介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述地震數(shù)據(jù)的地震相分類方法的步驟。

3、為解決本技術(shù)背景技術(shù)中的技術(shù)問(wèn)題，本發(fā)明提供以下技術(shù)方案：

4、第一方面，本發(fā)明提供一種地震數(shù)據(jù)的地震相分類方法，包括：

5、將目標(biāo)工區(qū)內(nèi)的地震數(shù)據(jù)集劃分為k類，所述k等于所述目標(biāo)工區(qū)內(nèi)的地震相種類的數(shù)量；

6、根據(jù)所述目標(biāo)工區(qū)內(nèi)的解釋層位確定初始分類樣本數(shù)據(jù)；其中，所述初始分類樣本數(shù)據(jù)用于作為對(duì)所述地震數(shù)據(jù)集進(jìn)行地震相分類的初始數(shù)據(jù)；

7、根據(jù)所述初始分類樣本數(shù)據(jù)以及預(yù)先生成的馬爾科夫隨機(jī)場(chǎng)模型對(duì)所述地震數(shù)據(jù)集進(jìn)行地震相分類。

8、在本發(fā)明的一實(shí)施例中，所述k不大于所述地震數(shù)據(jù)集的地震道數(shù)量。

9、在本發(fā)明的一實(shí)施例中，根據(jù)所述目標(biāo)工區(qū)內(nèi)的解釋層位確定初始分類樣本數(shù)據(jù)，包括：

10、根據(jù)所述解釋層位確定時(shí)窗中心；

11、根據(jù)所述時(shí)窗中心以及預(yù)設(shè)的時(shí)窗長(zhǎng)度確定所述初始分類樣本數(shù)據(jù)。

12、在本發(fā)明的一實(shí)施例中，生成所述馬爾科夫隨機(jī)場(chǎng)模型的步驟包括：

13、確定地震數(shù)據(jù)集中多個(gè)數(shù)據(jù)之間的連接矩陣；

14、根據(jù)所述連接矩陣確定所述多個(gè)數(shù)據(jù)之間的勢(shì)函數(shù)；

15、根據(jù)所述勢(shì)函數(shù)確定所述馬爾科夫隨機(jī)場(chǎng)模型的能量函數(shù)；

16、根據(jù)所述連接矩陣、勢(shì)函數(shù)以及能量函數(shù)生成所述馬爾科夫隨機(jī)場(chǎng)模型。

17、在本發(fā)明的一實(shí)施例中，地震數(shù)據(jù)的地震相分類方法還包括：

18、分別計(jì)算所述k類地震數(shù)據(jù)集中每一類地震數(shù)據(jù)集的均值以及方差。

19、在本發(fā)明的一實(shí)施例中，根據(jù)所述初始分類樣本數(shù)據(jù)以及預(yù)先生成的馬爾科夫隨機(jī)場(chǎng)模型對(duì)所述地震數(shù)據(jù)集進(jìn)行地震相分類，包括：

20、根據(jù)所述馬爾科夫隨機(jī)場(chǎng)模型進(jìn)行以下循環(huán)操作：

21、根據(jù)所述初始分類樣本數(shù)據(jù)的均值以及方差計(jì)算所述初始分類樣本數(shù)據(jù)中的每一個(gè)數(shù)據(jù)在k類地震數(shù)據(jù)集中出現(xiàn)的第一概率；

22、根據(jù)所述第一概率對(duì)每一個(gè)數(shù)據(jù)進(jìn)行地震相分類，直至所述地震數(shù)據(jù)集中的所有數(shù)據(jù)均被遍歷。

23、在本發(fā)明的一實(shí)施例中，地震數(shù)據(jù)的地震相分類方法還包括：

24、根據(jù)所述初始分類樣本數(shù)據(jù)的均值以及方差計(jì)算每一個(gè)數(shù)據(jù)在k類地震數(shù)據(jù)集中數(shù)據(jù)維度上出現(xiàn)的第二概率；

25、根據(jù)所述第一概率以及所述第二概率對(duì)每一個(gè)數(shù)據(jù)進(jìn)行地震相分類，直至所述地震數(shù)據(jù)集中的所有數(shù)據(jù)均被遍歷。

26、第二方面，本發(fā)明提供一種地震數(shù)據(jù)的地震相分類裝置，該裝置包括：

27、地震數(shù)據(jù)集劃分模塊，用于將目標(biāo)工區(qū)內(nèi)的地震數(shù)據(jù)集劃分為k類，所述k等于所述目標(biāo)工區(qū)內(nèi)的地震相種類的數(shù)量；

28、初始分類樣本數(shù)據(jù)確定模塊，用于根據(jù)所述目標(biāo)工區(qū)內(nèi)的解釋層位確定初始分類樣本數(shù)據(jù)；其中，所述初始分類樣本數(shù)據(jù)用于作為對(duì)所述地震數(shù)據(jù)集進(jìn)行地震相分類的初始數(shù)據(jù)；

29、地震相分類模塊，用于根據(jù)所述初始分類樣本數(shù)據(jù)以及預(yù)先生成的馬爾科夫隨機(jī)場(chǎng)模型對(duì)所述地震數(shù)據(jù)集進(jìn)行地震相分類。

30、在本發(fā)明的一實(shí)施例中，所述k不大于所述地震數(shù)據(jù)集的地震道數(shù)量。

31、在本發(fā)明的一實(shí)施例中，初始分類樣本數(shù)據(jù)確定模塊包括：

32、時(shí)窗中心確定單元，用于根據(jù)所述解釋層位確定時(shí)窗中心；

33、初始分類樣本數(shù)據(jù)確定單元，用于根據(jù)所述時(shí)窗中心以及預(yù)設(shè)的時(shí)窗長(zhǎng)度確定所述初始分類樣本數(shù)據(jù)。

34、在本發(fā)明的一實(shí)施例中，地震數(shù)據(jù)的地震相分類裝置還包括：

35、馬爾科夫隨機(jī)場(chǎng)模型生成模塊，用于生成所述馬爾科夫隨機(jī)場(chǎng)模型；

36、馬爾科夫隨機(jī)場(chǎng)模型生成模塊包括：

37、連接軍陣確定單元，用于確定地震數(shù)據(jù)集中多個(gè)數(shù)據(jù)之間的連接矩陣；

38、勢(shì)函數(shù)確定單元，用于根據(jù)所述連接矩陣確定所述多個(gè)數(shù)據(jù)之間的勢(shì)函數(shù)；

39、能量函數(shù)確定單元，用于根據(jù)所述勢(shì)函數(shù)確定所述馬爾科夫隨機(jī)場(chǎng)模型的能量函數(shù)；

40、馬爾科夫隨機(jī)場(chǎng)模型生成單元，用于根據(jù)所述連接矩陣、勢(shì)函數(shù)以及能量函數(shù)生成所述馬爾科夫隨機(jī)場(chǎng)模型。

41、在本發(fā)明的一實(shí)施例中，地震數(shù)據(jù)的地震相分類裝置還包括：

42、均值、方差計(jì)算模塊，用于分別計(jì)算所述k類地震數(shù)據(jù)集中每一類地震數(shù)據(jù)集的均值以及方差。

43、在本發(fā)明的一實(shí)施例中，地震相分類模塊包括：

44、循環(huán)操作單元，用于根據(jù)所述馬爾科夫隨機(jī)場(chǎng)模型進(jìn)行以下循環(huán)操作：

45、第一概率計(jì)算單元，用于根據(jù)所述初始分類樣本數(shù)據(jù)的均值以及方差計(jì)算所述初始分類樣本數(shù)據(jù)中的每一個(gè)數(shù)據(jù)在k類地震數(shù)據(jù)集中出現(xiàn)的第一概率；

46、地震相分類第一單元，用于根據(jù)所述第一概率對(duì)每一個(gè)數(shù)據(jù)進(jìn)行地震相分類，直至所述地震數(shù)據(jù)集中的所有數(shù)據(jù)均被遍歷。

47、在本發(fā)明的一實(shí)施例中，地震數(shù)據(jù)的地震相分類裝置還包括：

48、第二概率計(jì)算模塊，用于根據(jù)所述初始分類樣本數(shù)據(jù)的均值以及方差計(jì)算每一個(gè)數(shù)據(jù)在k類地震數(shù)據(jù)集中數(shù)據(jù)維度上出現(xiàn)的第二概率；

49、地震相分類第二單元，用于根據(jù)所述第一概率以及所述第二概率對(duì)每一個(gè)數(shù)據(jù)進(jìn)行地震相分類，直至所述地震數(shù)據(jù)集中的所有數(shù)據(jù)均被遍歷。

50、第三方面，本發(fā)明提供一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序/指令，該計(jì)算機(jī)程序/指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)一種地震數(shù)據(jù)的地震相分類方法的步驟。

51、第四方面，本發(fā)明提供一種電子設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，處理器執(zhí)行程序時(shí)實(shí)現(xiàn)地震數(shù)據(jù)的地震相分類方法的步驟。

52、第五方面，本發(fā)明提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)地震數(shù)據(jù)的地震相分類方法的步驟。

53、從上述描述可知，本發(fā)明實(shí)施例提供一種地震數(shù)據(jù)的地震相分類方法及裝置，對(duì)應(yīng)的地震數(shù)據(jù)的地震相分類方法包括：首先，將目標(biāo)工區(qū)內(nèi)的地震數(shù)據(jù)集劃分為k類，k等于目標(biāo)工區(qū)內(nèi)的地震相種類的數(shù)量；接著，根據(jù)目標(biāo)工區(qū)內(nèi)的解釋層位確定初始分類樣本數(shù)據(jù)；其中，初始分類樣本數(shù)據(jù)用于作為對(duì)地震數(shù)據(jù)集進(jìn)行地震相分類的初始數(shù)據(jù)；最后根據(jù)初始分類樣本數(shù)據(jù)以及預(yù)先生成的馬爾科夫隨機(jī)場(chǎng)模型對(duì)地震數(shù)據(jù)集進(jìn)行地震相分類。

54、對(duì)應(yīng)的地震數(shù)據(jù)的地震相分類裝置包括：地震數(shù)據(jù)集劃分模塊，用于將目標(biāo)工區(qū)內(nèi)的地震數(shù)據(jù)集劃分為k類，k等于目標(biāo)工區(qū)內(nèi)的地震相種類的數(shù)量；初始分類樣本數(shù)據(jù)確定模塊，用于根據(jù)目標(biāo)工區(qū)內(nèi)的解釋層位確定初始分類樣本數(shù)據(jù)；其中，初始分類樣本數(shù)據(jù)用于作為對(duì)地震數(shù)據(jù)集進(jìn)行地震相分類的初始數(shù)據(jù)；地震相分類模塊，用于根據(jù)初始分類樣本數(shù)據(jù)以及預(yù)先生成的馬爾科夫隨機(jī)場(chǎng)模型對(duì)地震數(shù)據(jù)集進(jìn)行地震相分類。

55、本發(fā)明實(shí)施例所提供的地震數(shù)據(jù)的地震相分類方法及裝置，逐道進(jìn)行某一層內(nèi)實(shí)際地震數(shù)據(jù)的對(duì)比，細(xì)致地刻畫地震信號(hào)的橫向變化，從而得到地震異常體的平面分布規(guī)律。