会员体验
专利管家(专利管理)
工作空间(专利管理)
风险监控(情报监控)
数据分析(专利分析)
侵权分析(诉讼无效)
联系我们
交流群
官方交流:
QQ群: 891211   
微信请扫码    >>>
现在联系顾问~
首页 / 专利分类库 / 测量;测试 / 一种岩溶古河道多信息融合体的识别方法及装置

一种岩溶古河道多信息融合体的识别方法及装置

申请号 CN202211295813.9 申请日 2022-10-21 公开(公告)号 CN117917589A 公开(公告)日 2024-04-23
申请人 中国石油化工股份有限公司; 中石化石油物探技术研究院有限公司; 发明人 吕慧; 钟晗; 张如一; 李阳; 杨杰;
摘要 本 发明 公开了一种岩溶古河道多信息融合体的识别方法,包括:基于三维 地震 资料标定多个地震属性体;利用 局部线性嵌入 方法对多个所述地震属性体进行数据融合形成多信息融合体;基于所述多信息融合体,提取目标层段的所述多信息融合体的平面属性进行对所述多信息融合体的河道识别。本发明通过局部线性嵌入方法形成的河道识别多信息融合体在不损失岩溶河道地质要素的情况下实现多种尺度信息的统一,突出了河道在空间的展布信息。相比传统的多属性叠合技术,该技术提高了古河道走向及空间展布形态的识别 精度 ,更便于开发现场应用。
权利要求

1.一种岩溶古河道多信息融合体的识别方法,其特征在于,包括:
S1:基于三维地震资料标定多个地震属性体;
S2:利用局部线性嵌入方法对多个所述地震属性体进行数据融合形成多信息融合体;
S3:基于所述多信息融合体,提取目标层段的所述多信息融合体的平面属性进行对所述多信息融合体的河道识别。
2.根据权利要求1所述的识别方法,其特征在于,步骤S2具体包括:
S21:基于所述地震属性体,寻找每个样本数据的邻近点;
S22:通过每个样本数据的邻近点求解所述邻近点的重构矩阵;
S23:基于所述样本数据的重构矩阵和所述邻近点,计算输出所述多信息融合体。
3.根据权利要求2所述的识别方法,其特征在于,在所述步骤S22中,所述重构矩阵的误差函数为:
式中,ε(W)为误差函数,xij(j=1,2,…K)为xi的第j个邻近点,wij是xij的权重且满足:
(1)wij=0则表明数据点不是xi的邻近点;(2)
4.根据权利要求3所述的识别方法,其特征在于,获取所述重构矩阵的方法具体包括:
S221:构造中间矩阵Z,其中Z的表达式为:Z=xi‑xij;
i i
S222:获取所述中间矩阵Z的协方差矩阵Q ,其中Q 的表达式为:
S223:求解Q*W=I,获取所述重构矩阵,所述重构矩阵的表达式为:
i
式中,Q为奇异矩阵。
5.根据权利要求4所述的识别方法,其特征在于,获取所述重构矩阵的方法还包括:对单位矩阵I进行正则化处理,即:
i i
Q=Q+rI
式中,r为正则化参数。
6.根据权利要求5所述的识别方法,其特征在于,步骤S23中,输出所述多信息融合体需要满足:
式中,ε(Y)为损失函数,yij(j=1,2,…k)为yj的第K个邻近点,满足:
式中,若xj为xi的邻近点,则 否则wij=0,I为m×m的单位矩阵。
7.根据权利要求6所述的识别方法,其特征在于,输出所述多信息融合体需要满足:
T
M=(I‑W) (I‑W)
式中,M为稀疏半正定对称矩阵。
8.一种岩溶古河道多信息融合体的识别装置,其特征在于,包括:
获取地震属性体模,用于利用三维地震资料标定多个地震属性体;
构建模块,用于利用局部线性嵌入方法对多个所述地震属性体进行数据融合形成多信息融合体;
识别模块,用于基于所述多信息融合体,提取目标层段的所述多信息融合体的平面属性进行对所述多信息融合体的河道识别。
9.根据权利要求8所述的识别装置,其特征在于,形成所述多信息融合体的方法包括:
S21:基于所述地震属性体,寻找每个样本数据的邻近点;
S22:通过每个样本数据的邻近点求解所述邻近点的重构矩阵;
S23:基于所述样本数据的重构矩阵和所述邻近点,计算输出所述多信息融合体。
10.根据权利要求8所述的识别装置,其特征在于,基于两个或者多个所述地震属性体形成所述多信息融合体。

说明书全文

一种岩溶古河道多信息融合体的识别方法及装置

技术领域

[0001] 本发明属于石油地球物理勘探技术领域,更具体地,涉及一种岩溶古河道多信息融合体的识别方法及装置。

背景技术

[0002] 国内对于岩溶古河道的主要研究成果集中在岩溶古河道的地球物理识别方法。综合运用地震相干属性、三维可视化地层切片、地震分频及RGB混频等技术手段对古河道识别和刻画。多以井点识别溶洞型储层为基础,通过井震标定建立古暗河储层与地震反射特4
征对应关系,构建以振幅属性提取技术、频率属性分析技术、三维可视化技术和T7沿层相干及相干切片、图像边缘检测技术进行暗河系统的识别并进行三维立体刻画,在此基础之上结合实钻资料对各河道系统主干、分支及储层发育状况进行精细描述。
[0003] 总体来说,前人对于岩溶古河道的识别主要基于地震属性分析及频谱分解等手段对主体河道形态、展布特征等进行研究,进一步针对古河道识别的不同地质目标——主干河道、分支河道及河道边界的识别分别优选出优势识别属性,并通过多属性的叠合、融合凸显河道整体的识别效果,形成了基于优势属性的平面属性叠合、融合技术;但平面多属性的叠合、融合是基于多个地震数据体,针对目标层段提取的多个平面属性的叠合或融合,不利于开发现场应用,生产上迫切需要将具有不同信息的多个地震属性体形成一个具有多信息的融合体,从而更经济高效的识别出河道空间整体展布信息。而如何构建形成一个包含多信息的地震融合体,在既不损失岩溶河道地质要素的相关信息,又能实现多种尺度信息的统一,是该方法的技术实现难点。

发明内容

[0004] 有鉴于此,本发明的目的提供一种岩溶古河道多信息融合体的识别方法及装置,实现输出的多信息融合体在不损失岩溶河道地质要素的情况下实现多种尺度信息的统一,突出河道在空间的展布信息。
[0005] 为实现上述目的,一方面,本发明提供一种岩溶古河道多信息融合体的识别方法,包括:
[0006] S1:基于三维地震资料标定多个地震属性体;
[0007] S2:利用局部线性嵌入方法对多个所述地震属性体进行数据融合形成多信息融合体;
[0008] S3:基于所述多信息融合体,提取目标层段的所述多信息融合体的平面属性进行对所述多信息融合体的河道识别。
[0009] 优选地,步骤S2具体包括:
[0010] S21:基于所述地震属性体,寻找每个样本数据的邻近点;
[0011] S22:通过每个样本数据的邻近点求解所述邻近点的重构矩阵;
[0012] S23:基于所述样本数据的重构矩阵和所述邻近点,计算输出所述多信息融合体。
[0013] 优选地,步在所述步骤S22中,所述重构矩阵的误差函数为:
[0014]
[0015] 式中,ε(w)为误差函数,xij(j=1,2,…K)为xi的第j个邻近点,wij是xij的权重且满足:(1)wij=0则表明数据点不是xi的邻近点;(2)
[0016] 优选地,获取所述重构矩阵的方法具体包括:
[0017] S221:构造中间矩阵Z,其中Z的表达式为:Z=xi‑xij;
[0018] S222:获取所述中间矩阵Z的协方差矩阵Qi,其中Qi的表达式为:
[0019] S223:求解Q*W=I,获取所述重构矩阵,所述重构矩阵的表达式为:
[0020]
[0021] 式中,Qi为奇异矩阵。
[0022] 优选地,获取所述重构矩阵的方法还包括:对单位矩阵I进行正则化处理,即:
[0023] Qi=Qi+rI
[0024] 式中,r为正则化参数。
[0025] 优选地,步骤S23中,输出所述多信息融合体需要满足:
[0026]
[0027] 式中,ε(Y)为损失函数,yij(j=1,2,…k)为yj的第K个邻近点,满足:
[0028]
[0029] 式中,若xj为xi的邻近点,则 否则wij=0,I为m×m的单位矩阵。
[0030] 优选地,输出所述多信息融合体需要满足:
[0031]
[0032] M=(I‑W)T(I‑W)
[0033] 式中,M为稀疏半正定对称矩阵。
[0034] 另一方面,本发明还提供一种岩溶古河道多信息融合体的识别装置,包括:
[0035] 获取地震属性体模,用于利用三维地震资料标定多个地震属性体;
[0036] 构建模块,用于利用局部线性嵌入方法对多个所述地震属性体进行数据融合形成多信息融合体;
[0037] 识别模块,用于基于所述多信息融合体,提取目标层段的所述多信息融合体的平面属性进行对所述多信息融合体的河道识别。
[0038] 优选地,形成所述多信息融合体的方法包括:
[0039] S21:基于所述地震属性体,寻找每个样本数据的邻近点;
[0040] S22:通过每个样本数据的邻近点求解所述邻近点的重构矩阵;
[0041] S23:基于所述样本数据的重构矩阵和所述邻近点,计算输出所述多信息融合体。
[0042] 优选地,基于两个或者多个所述地震属性体形成所述多信息融合体。
[0043] 本发明的有益效果在于:
[0044] 本发明通过根据三维地震资料标定多个地震属性体,利用局部线性嵌入方法对多个地震属性体进行数据融合形成多信息融合体,通过局部线性嵌入方法形成的河道识别多信息融合体在不损失岩溶河道地质要素的情况下实现多种尺度信息的统一,突出了河道在空间的展布信息。相比传统的多属性叠合技术,该技术提高了古河道走向及空间展布形态的识别精度,更便于开发现场应用。
[0045] 本发明的其它特征和优点将在随后具体实施方式部分予以详细说明。附图说明
[0046] 通过结合附图对本发明示例性实施方式进行更详细的描述,本发明的上述以及其它目的、特征和优势将变得更加明显,其中,在本发明示例性实施方式中,相同的参考标号通常代表相同部件。
[0047] 图1示出了本发明一种岩溶古河道多信息融合体的识别方法的步骤流程图
[0048] 图2示出了本发明一种岩溶古河道多信息融合体的识别方法的局部线性嵌入算法步骤示意图。
[0049] 图3示出了本发明一种岩溶古河道多信息融合体的识别方法的古河道多信息融合体方法的流程图。
[0050] 图4示出了本发明的多信息融合体目标层段平面属性图及剖面图与属性叠合图的对比示意图。
[0051] 图5示出了本发明的平面属性图与单一属性平面图对比示意图。

具体实施方式

[0052] 为具体说明该技术方案,本发明通过以下示例性实施方式进行更详细的描述。
[0053] 实施例
[0054] 参考图1,本发明提供一种岩溶古河道多信息融合体的识别方法,具体步骤包括:
[0055] S1:基于三维地震资料标定多个地震属性体;
[0056] S2:利用局部线性嵌入方法对多个地震属性体进行数据融合形成多信息融合体;
[0057] S3:基于多信息融合体,提取目标层段的多信息融合体的平面属性进行对多信息融合体的河道识别。
[0058] 以下对各步骤进行详细说明。
[0059] 执行步骤S1和S2,基于三维地震资料标定多个地震属性体;利用局部线性嵌入方法对多个地震属性体进行数据融合形成多信息融合体。
[0060] 本实施例中,基于三维地震资料优选出不同目标暗河识别的多个地震属性体,通过局部线性嵌入方法恢复地震数据全局非线性的结构特征,综合多个地震属性体形成多信息古河道综合识别融合体,突出不同发育特征的古河道空间展布形态。
[0061] 局部线性嵌入算法是一种针对非线性数据的降维方法,能够保持数据的邻近点空间关系,同时还具有平移、旋转不变性。该方法通过模拟局部线性来恢复全局非线性结构特征,采用每一个采样点周围的邻近点的线性组合来重构样本点,该方法具有保留原始数据拓扑关系结构的优点,目前应用领域已涉及聚类分析、特征模式识别图像处理人脸识别等各个方面。
[0062] 参考图2,利用局部线性嵌入方法对多个地震属性体进行数据融合形成多信息融合体的具体方法可按照以下三步实现:①寻找每个样本数据xi的K个最邻近点;②求解最小二乘问题,通过邻近点计算能最好线性重构xi的重构矩阵W;③由该样本点的重构矩阵W和其邻近点计算出相应的输出值Y。
[0063] 详细步骤如下:
[0064] (1)寻找每个样本数据xi的K个最邻近点。
[0065] 首先计算出每个样本数据xi与其它数据xj之间的距离,然后选择距离最近的K个点(K是预先给定的)为所求样本xi的邻近点。在Roweis和Saul算法中使用的是欧氏距离。
[0066] (2)通过每个样本数据的邻近点求解该点的局部重构矩阵W。
[0067] 误差函数定义为:
[0068]
[0069] 式中,xij(j=1,2,…K)为xi的第j个邻近点,wij是xij的权重且需满足:(a)wij=0则表明数据点不是xi的邻近点,(b) 则获取矩阵W的方法如下:
[0070] ①构造矩阵Z=xi‑xij;
[0071] ②获取Z的协方差矩阵Qi:
[0072]
[0073] ③求解Q*W=I,采用拉格朗日乘子法,并结合权重满足的两个条件,即可得到局部最优化重构矩阵:
[0074]
[0075] 通常Qi为奇异矩阵,为此,引入一个K×K单位矩阵I进行正则化处理,即:
[0076] Qi=Qi+rI   (1‑4)
[0077] 式中,r为正则化参数。
[0078] (3)根据该样本数据的局部重构矩阵W和其邻近点,计算相应输出值Y,Y需要满足如下映射条件:
[0079]
[0080] 式中,ε(Y)为损失函数,yij(j=1,2,…k)为yj的第K个邻近点,它满足:
[0081]
[0082] 式中,若xj为xi的邻近点,则 否则wij=0,I为m×m的单位矩阵,于是,公式(5)则以改写为:
[0083]
[0084] 式中,M=(I‑W)T(I‑W),它为稀疏半正定对称矩阵,为使损失函数值取得最小值,T T结合约束条件与拉格朗日乘子法,则有MY=λY ,在实际中,通常舍弃第一个几乎为零的特征值,因此,嵌入坐标Y为M最小的第2~m+1特征值对应的特征向量
[0085] 执行步骤S3,基于多信息融合体,提取目标层段的多信息融合体的平面属性进行对多信息融合体的河道识别。
[0086] 本发明通过基于三维地震资料标定多个地震属性体,利用局部线性嵌入方法对多个地震属性体进行数据融合形成多信息融合体,通过局部线性嵌入方法形成的河道识别多信息融合体在不损失岩溶河道地质要素的情况下实现多种尺度信息的统一,突出了河道在空间的展布信息。相比传统的多属性叠合技术,该技术提高了古河道走向及空间展布形态的识别精度,更便于开发现场应用。
[0087] 实施例二
[0088] 参考图2和图3,本发明提供一种岩溶古河道多信息融合体的识别方法,具体包括[0089] (1)不同目标古暗河属性识别及优选
[0090] 通过提取振幅、频率、分频及相干等属性,针对不同地质目标——主干河道、分支河道、河道边界的识别进行属性优选,确定均方根振幅属性、总能量及分频振幅‑中、低频对大规模主干河道的识别效果较好;而分频振幅‑高频、振幅平均曲率对小规模分支河道的识别效果较好;相干及多尺度相干属性对古河道边界的识别效果较好,因此基于均方根振幅与相干类属性叠合可以较好的识别河道展布,在河道识别不连续的地方,相干属性可以对河道走向进行约束。
[0091] (2)古河道多信息融合体的构建
[0092] 基于油田现场开发需求,开展针对不同地质目标古河道识别的多信息融合技术研究。前期是基于不同地质目标识别的多个属性的平面属性叠合、融合技术进行河道识别,而本方法发明的多信息融合体技术是将多个优势属性体基于局部线性嵌入算法形成一个融合体,有利于开发人员使用。图3是针对不同地质目标古河道识别的基于局部线性算法的多信息融合技术思路,针对主干河道、分支河道及河道边界识别的多个优势属性,通过局部线性嵌入算法,在井震标定的基础上,寻找邻近点,求解重建权重矩阵,计算嵌入输出含河道识别不同目标信息的多属性融合体,多信息融合体可以基于两个或者多个地震属性体形成。
[0093] ⑶古河道多信息融合体识别效果
[0094] 前面已经分析过,多尺度相干与均方根振幅的叠合可以有效识别河道边界及展布形态,基于局部线性嵌入方法将中尺度相干属性体与均方根振幅属性体形成一个地震融合体,提取目标层段融合体的平面属性,可以看出融合体既有河道边界识别信息,又有河道能量信息,同时由于压制了背景噪音,识别出的河道展布形态效果优于中尺度相干与均方根振幅叠合图的效果,如图4。从垂直河道井的融合体剖面上也可以看出,中尺度相干与均方根振幅形成的融合体纵向上既有振幅能量信息,又包含了边界信息,相比中尺度相干与均方根振幅的叠合剖面,压制了背景噪音,缝洞的形态更加清晰,如图5。
[0095] 前面分析过对于主干河道识别的优势属性有中频振幅、低频振幅、均方根振幅,由图5中可以看出,基于局部线性嵌入的低频振幅、中频振幅与均方根振幅形成的融合体对于主干河道的识别效果优于单一属性,椭圆框内对于主干河道展布形态的识别,融合体比中频振幅及均方根振幅单一属性,对于主干河道的整体展布形态及连续性识别效果要好很多。
[0096] 实施例三
[0097] 本发明还提供一种岩溶古河道多信息融合体的识别装置,包括:
[0098] 获取地震属性体模块,用于利用三维地震资料标定多个地震属性体;
[0099] 构建模块,用于利用局部线性嵌入方法对多个地震属性体进行数据融合形成多信息融合体;
[0100] 识别模块,用于基于多信息融合体,提取目标层段的多信息融合体的平面属性进行对多信息融合体的河道识别。
[0101] 本实施例中,形成多信息融合体的方法包括:
[0102] S21:基于地震属性体,寻找每个样本数据的邻近点;
[0103] S22:通过每个样本数据的邻近点求解邻近点的重构矩阵;
[0104] S23:基于样本数据的重构矩阵和邻近点,计算输出多信息融合体。
[0105] 本实施例中,基于两个或者多个地震属性体形成多信息融合体。
[0106] 以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。