專利名稱：基于d-s證據(jù)理論的地震屬性融合方法
技術(shù)領(lǐng)域：
本發(fā)明的示例性實施例通常涉及地球物理測井、油氣資源勘探領(lǐng)域，尤其涉及一種運用D-S證據(jù)理論來實現(xiàn)地震多屬性融合的方法。
背景技術(shù)：
近年來，地震屬性技術(shù)發(fā)展迅速，已廣泛應(yīng)用于地層分析、油藏特征描述以及油藏動態(tài)檢測等各個領(lǐng)域，成為了油藏地球物理的核心部分。地下任何地質(zhì)體及其性質(zhì)的變化都將引起地震屬性的變化，因此，利用地震屬性進行儲層預(yù)測，乃至流體識別仍然具有很大的應(yīng)用前景。地震屬性也從早期的振幅屬性發(fā)展到目前常用的數(shù)百種。由于單一的地震屬性往往受觀測條件、測量精度、地質(zhì)的復(fù)雜性、主觀因素、采集和處理過程中引起的多解性等因素的影響，因此可靠性有待提高，因此，需要尋找一種方法，來克服諸如多解性等因素 導(dǎo)致的問題，以為降低油氣勘探開發(fā)風(fēng)險做出科學(xué)合理的指導(dǎo)。地震屬性融合就是通過利用地震資料中的多種單一屬性，用相應(yīng)的、適合探區(qū)地震地質(zhì)條件的數(shù)學(xué)關(guān)系將它們組合起來，來形成能反映儲集層特性、反映油氣顯示為主的綜合信息的地震屬性。這樣的多屬性融合可以說是一種多屬性信息融合。信息融合是多傳感器系統(tǒng)的信息獲取、加工和綜合的主要手段，是智能信息處理系統(tǒng)的關(guān)鍵核心技術(shù)。它的基本任務(wù)是對來自不同傳感器的信息流進行綜合，以形成一個監(jiān)視和控制環(huán)境的較高特征的智能模型，它的研究水平直接決定了信息綜合系統(tǒng)的性能。較早而且也是比較簡單的地震多屬性融合方法是加權(quán)融合法。該方法特點在于實現(xiàn)簡單，適合實時處理，并因此被廣泛地應(yīng)用于工程項目中。該方法的基本原理是給要融合的η個地震屬性分別賦予一個權(quán)值％
(其中，i = 1、2、......、n)，這些權(quán)值還滿足0%〈1，且化+叱+......+α =1Ζα,_ 二I。，然后，
把與對應(yīng)權(quán)值相乘之后的所有屬性加和，得到一個融合的屬性。加權(quán)融合雖然能得到融合的屬性，但是由于融合的權(quán)重因子很難通過算法算出，往往需要先驗經(jīng)驗和人為干預(yù)，即需要預(yù)先確定優(yōu)勢屬性，而這樣會使融合結(jié)果比較粗糙，精度不高，因而影響儲層預(yù)測工作的開展。當原始圖像之間的灰度差異很大時，就會出現(xiàn)明顯的拼接痕跡，不利于人眼識別。地震多屬性融合的方法還有很多，除了加權(quán)融合外，還有主成分分析(PCA)法、小波多分辨分析法、人工神經(jīng)網(wǎng)絡(luò)法和RGBA彩色融合法等屬性融合的方法。盡管上述的有些融合方法應(yīng)用已經(jīng)較為成熟，但是在某些應(yīng)用中依然存在一些缺陷，例如上面針對加權(quán)融合所描述的。地震多屬性融合技術(shù)作為目前國內(nèi)外許多石油公司及科研機構(gòu)的研究熱點之一，尚需要不斷拓展新融合方法，以建立有效的融合方法模型和研究相應(yīng)的算法。

發(fā)明內(nèi)容
本發(fā)明的示例性實施例的目的在于克服現(xiàn)有技術(shù)中的上述的和/或其他的問題。因此，本發(fā)明的示例性實施例提供了一種基于D-S證據(jù)理論的地震屬性融合方法，通過將多種地震屬性融合，以達到在快速實現(xiàn)屬性融合的同時，有效提高地質(zhì)巖性信息的準確性、進而有效地提高對儲層空間展布形態(tài)、分布范圍和儲層巖石物理特征參數(shù)的描述與預(yù)測。根據(jù)本發(fā)明的示例性實施例，提供了一種基于D-S證據(jù)理論的地震屬性融合方法，所述方法包括下述步驟步驟A、導(dǎo)入待融合的地震屬性；步驟B、對導(dǎo)入的地震屬性的各幅值分別進行歸一化處理；步驟C、確定用于識別數(shù)據(jù)的識別框架；步驟D、利用確定的識別框架來描述每個屬性數(shù)據(jù)；步驟E、將每個屬性數(shù)據(jù)進行分塊，以對每個屬性數(shù)據(jù)的各個塊構(gòu)造證據(jù)體；步驟F、分別計算單證據(jù)體作用下識別框架中各命題的信度區(qū)間；步驟G、利用D-S合成規(guī)則計算所有證據(jù)體聯(lián)合作用下的基本概率賦值和信度區(qū)間；步驟H、將D-S融合后的概率值作為加權(quán)系數(shù)，與屬性相結(jié)合，從而實現(xiàn)地震屬性的融合。在步驟B，可以通過下式進行歸一化處理
權(quán)利要求
1.一種基于D-S證據(jù)理論的地震屬性融合方法，其特征在于，所述方法包括下述步驟 步驟A、導(dǎo)入待融合的地震屬性；步驟B、對導(dǎo)入的地震屬性的各幅值分別進行歸一化處理；步驟C、確定用于識別數(shù)據(jù)的識別框架；步驟D、利用確定的識別框架來描述每個屬性數(shù)據(jù)；步驟E、將每個屬性數(shù)據(jù)進行分塊，以對每個屬性數(shù)據(jù)的各個塊構(gòu)造證據(jù)體；步驟F、分別計算單證據(jù)體作用下的識別框架中各命題的信度區(qū)間；步驟G、利用D-S合成規(guī)則計算所有證據(jù)體聯(lián)合作用下的基本概率賦值和信度區(qū)間； 步驟H、將D-S融合后的概率值作為加權(quán)系數(shù)，與地震屬性數(shù)據(jù)相結(jié)合，從而實現(xiàn)地震屬性的融合。
2.如權(quán)利要求I所述的方法，其特征在于，在步驟B，通過下式進行歸一化處理 在式(I)中，Xi為第i種地震屬性的幅值，文f為第i種地震屬性歸一化處理后的幅值。
3.如權(quán)利要求I或權(quán)利要求2所述的方法，其特征在于，待融合的地震屬性為均方根振幅地震屬性和相干體切片地震屬性，在步驟C，確定識別框架，以利用熵、平均梯度、點銳度來識別屬性數(shù)據(jù)。
4.如權(quán)利要求3所述的方法，其特征在于，在步驟D，通過下述算法來描述每個屬性數(shù)據(jù)基于熵值的評價算法 (2)在式(2)中，Pi為灰度值等于i的像素數(shù)與圖像總像素數(shù)之比； 基于平均梯度的評價算法 在式(3)中，M和N為圖像的長度和寬度，g(i, j)為圖像在(i，j)點的像素值；基于點銳度的評價算法
5.如權(quán)利要求4所述的方法，其特征在于，在步驟E，將每個屬性數(shù)據(jù)等分成nXm塊， 將對每個屬性數(shù)據(jù)的各個塊用熵、平均梯度、點銳度來評價所得到三個評價因子作為一個證據(jù)體。
6.如權(quán)利要求5所述的方法，其特征在于，在步驟F，將每個屬性數(shù)據(jù)相同位置的塊的證據(jù)體的值分別排序，以最小的值作為標準，根據(jù)證據(jù)體評價因子的值分別賦予概率值。
7.如權(quán)利要求6所述的方法，其特征在于，在步驟F，將屬性數(shù)據(jù)評判為好，較好，一般這三檔，并對應(yīng)地賦予概率值O. 6、O. 4、O. 2。
8.如權(quán)利要求6所述的方法，其特征在于，在步驟F，對每種評價算法所得的基本概率值進行歸一化處理
9.如權(quán)利要求6所述的方法，其特征在于，在步驟G，通過三個評價算法聯(lián)合作用，將每個算法評價的概率融合成一個概率
10.如權(quán)利要求9所述的方法，其特征在于，在步驟H，通過下式得到融合后的系數(shù)
全文摘要
本發(fā)明提供一種基于D-S證據(jù)理論的地震屬性融合方法。根據(jù)本發(fā)明的示例性實施例的基于D-S證據(jù)理論的地震多屬性融合方法，通過對源屬性數(shù)據(jù)進行特征提取，構(gòu)造證據(jù)以獲得基本概率值，將基本概率值在D-S證據(jù)理論指導(dǎo)下進行融合得到融合后的概率值并將其作為加權(quán)系數(shù)，進而將屬性數(shù)據(jù)各部分小塊與加權(quán)數(shù)相結(jié)合從而實現(xiàn)多種地震屬性的融合。因此，解決了利用單一地震屬性信息解釋復(fù)雜地質(zhì)問題時單一地震屬性信息所帶來的多解性問題。
文檔編號G01V1/28GK102928877SQ20121045679
公開日2013年2月13日 申請日期2012年11月14日 優(yōu)先權(quán)日2012年11月14日
發(fā)明者周晶晶, 鄒文, 張洞君, 洪余剛, 彭真明, 黃振星, 劉璞 申請人:中國石油集團川慶鉆探工程有限公司地球物理勘探公司