基于隱含狄利克雷分布的三維地震信號分類方法
【專利摘要】本發(fā)明公開了一種基于隱含狄利克雷分布的三維地震信號分類方法，包括以下步驟：S1:輸入原始三維地震數(shù)據(jù)；S2:數(shù)據(jù)預(yù)處理：根據(jù)所要分析的層位，提取出所要進行波形分類分析的目的層段數(shù)據(jù)；S3:利用切比雪夫多項式擬合進行屬性提?。簩γ恳坏赖卣饠?shù)據(jù)進行切比雪夫多項式擬合，用得到的擬合系數(shù)來表示原來那一道地震道數(shù)據(jù)，經(jīng)過擬合后，得到了一個三維系數(shù)體■’S4:對步驟S3得到的三維系數(shù)體進行LDA分類和分類標(biāo)示。本發(fā)明主要運用切比雪夫多項式擬合、期望最大算法（EM)和隱含狄利克雷分布算法(LDA)，在無人工干預(yù)的情況下，實現(xiàn)了三維地震信號的快速分類。
【專利說明】基于隱含狄利克雷分布的三維地震信號分類方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及地震信號分析和分類，特別涉及一種基于隱含狄利克雷分布的三維地 震信號分類方法。

【背景技術(shù)】
[0002] 在油氣的地震勘探中，地震資料解釋的目的是為了從地震數(shù)據(jù)中提取更多的信息 進行地下構(gòu)造解釋以及地層和巖性特征的描述。從地震資料中獲取這些信息最有效的方法 之一就是地震屬性特征的提取分析及波形分類技術(shù)。而基于三維地震信號的波形分類問題 的難度由于地層環(huán)境的復(fù)雜度而相當(dāng)大。
[0003] 在地震信號的波形分類問題上，目前國內(nèi)外有較多的實現(xiàn)方案。主要有兩大類，一 類是無監(jiān)督分類，一類是有監(jiān)督分類：
[0004] (1)無監(jiān)督分類如S0M，要有很好的初始化條件；
[0005] (2)有監(jiān)督分類如SVM，花費大量的內(nèi)存，和需要很好的帶標(biāo)簽樣本；
[0006] 以上現(xiàn)有技術(shù)，在實際的地震資料分析中都得到了很大程度的應(yīng)用，各自也存在 很多缺陷，主要的缺陷有算法復(fù)雜度太大，耗時間又需要非常大的內(nèi)存，還需要非常好的初 始化條件，這些缺陷影響這些方法在實際應(yīng)用。
[0007] 油氣地震勘探面臨著復(fù)雜地表和復(fù)雜地質(zhì)構(gòu)造的難題，在這些地區(qū)，地震波場復(fù) 雜，地質(zhì)構(gòu)造變化劇烈，使得有效地識別弱信號，消除噪聲干擾并提高地震資料信噪比成為 勘探難點；在老油田，易于尋找的油氣藏越來越少，取而代之的是以巖性地層為主、一般技 術(shù)手段難以發(fā)現(xiàn)的隱蔽性特殊儲層油氣藏，采用常規(guī)的構(gòu)造勘探方法很難取得突破，需要 更好更加精細的勘探方法和技術(shù)，獲取油藏地震屬性信息，以進一步刻畫老的油氣藏和發(fā) 現(xiàn)新的油氣藏，地震信號分析方法和技術(shù)是一條重要的途徑。


【發(fā)明內(nèi)容】

[0008] 本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種提出了一種基于隱含狄利克雷 分布的波形分類方法，主要運用切比雪夫多項式擬合、期望最大算法（EM)和隱含狄利克雷 分布算法（LDA)，在無人工干預(yù)的情況下，實現(xiàn)三維地震信號分類的基于隱含狄利克雷分布 的三維地震信號分類方法。
[0009] 本發(fā)明的目的是通過以下技術(shù)方案來實現(xiàn)的：基于隱含狄利克雷分布的三維地震 信號分類方法，包括以下步驟：
[0010] S1:輸入原始三維地震數(shù)據(jù)；
[0011] S2 :數(shù)據(jù)預(yù)處理：根據(jù)所要分析的層位，提取出所要進行波形分類分析的目的層 段數(shù)據(jù)；
[0012] S3 :利用切比雪夫多項式擬合進行屬性提?。簩γ恳坏赖卣饠?shù)據(jù)進行切比雪夫多 項式擬合，用得到的擬合系數(shù)來表示原來那一道地震道數(shù)據(jù)，經(jīng)過擬合后，得到了一個三維 系數(shù)體；
[0013] S4 :對步驟S3得到的三維系數(shù)體進行LDA分類和分類標(biāo)示。
[0014] 進一步地，所述的步驟S2數(shù)據(jù)預(yù)處理具體方法為：
[0015] S21 :判斷原始數(shù)據(jù)是否為兩層位數(shù)據(jù)，若是則分析兩層位間，確定兩層位，并提取 沿層間數(shù)據(jù)，得到目標(biāo)層段數(shù)據(jù)；否則分析單層位，確定時窗及分析層位，并提取沿層時窗 數(shù)據(jù)，得到目標(biāo)層段數(shù)據(jù)；
[0016] S22:判斷目標(biāo)層段數(shù)據(jù)是否為正規(guī)的四方體，若不是則利用三次樣條插值對得到 的目標(biāo)層段數(shù)據(jù)進行處理，使得每一道數(shù)據(jù)的維度相等，三維地震數(shù)據(jù)成為一個規(guī)整的四 方體數(shù)據(jù)。
[0017] 進一步地，所述的步驟S3中利用切比雪夫多項式擬合包括以下子步驟：
[0018] S31 :指定切比雪夫多項式擬合階數(shù)N ;
[0019] S32 :選取N+1個切比雪夫點：
[0020]

【權(quán)利要求】
1. 基于隱含狄利克雷分布的三維地震信號分類方法，其特征在于，包括以下步驟： S1:輸入原始三維地震數(shù)據(jù)； 52 :數(shù)據(jù)預(yù)處理：根據(jù)所要分析的層位，提取出所要進行波形分類分析的目的層段數(shù) 據(jù)； 53 :利用切比雪夫多項式擬合進行屬性提?。簩γ恳坏赖卣饠?shù)據(jù)進行切比雪夫多項式 擬合，用得到的擬合系數(shù)來表示原來那一道地震道數(shù)據(jù)，經(jīng)過擬合后，得到了一個三維系數(shù) 體； 54 :對步驟S3得到的三維系數(shù)體進行LDA分類和分類標(biāo)示。
2. 根據(jù)權(quán)利要求1所述的三維地震信號分類方法，其特征在于，所述的步驟S2數(shù)據(jù)預(yù) 處理具體方法為： S21 :判斷原始數(shù)據(jù)是否為兩層位數(shù)據(jù)，若是則分析兩層位間，確定兩層位，并提取沿層 間數(shù)據(jù)，得到目標(biāo)層段數(shù)據(jù)；否則分析單層位，確定時窗及分析層位，并提取沿層時窗數(shù)據(jù)， 得到目標(biāo)層段數(shù)據(jù)； S22:判斷目標(biāo)層段數(shù)據(jù)是否為正規(guī)的四方體，若不是則利用三次樣條插值對得到的目 標(biāo)層段數(shù)據(jù)進行處理，使得每一道數(shù)據(jù)的維度相等，三維地震數(shù)據(jù)成為一個規(guī)整的四方體 數(shù)據(jù)。
3. 根據(jù)權(quán)利要求1所述的三維地震信號分類方法，其特征在于，所述的步驟S3中利用 切比雪夫多項式擬合包括以下子步驟： 531 :指定切比雪夫多項式擬合階數(shù)N ; 532 :選取N+1個切比雪夫點：
S33:計算切比雪夫點處的取值f(xk); S34:計算切比雪夫系數(shù)：
4. 根據(jù)權(quán)利要求1所述的三維地震信號分類方法，其特征在于，所述的步驟S4包括以 下步驟： S41 :建立LDA模型：假設(shè)整個三維地震數(shù)據(jù)是由K個類模型產(chǎn)生的，一道地震數(shù)據(jù)是 由K個類模型中的某一個類模型生成的，這些類模型服從參數(shù)為Θ的多項式分布，每個類 模型又與地震數(shù)據(jù)中的V個數(shù)據(jù)的一個多項分布相對應(yīng)，將這個分布記為Φ;對于地震數(shù)據(jù) 的任意一道數(shù)據(jù)，LDA定義了如下的生成過程： 5411 :對每一道數(shù)據(jù)，從類模型分布中抽出一個類模型； 5412 :從上述被抽到的類模型對對應(yīng)的數(shù)據(jù)分布中抽取處一個數(shù)據(jù)； 5413 :重復(fù)步驟S411和步驟S412,直至遍歷地震道中的每一個數(shù)據(jù)； S42:計算估計類模型參數(shù)Θ和每一個類模型的參數(shù)xp，具體包括以下子步驟： S421 :設(shè)計最大迭代次數(shù)和判斷參數(shù)穩(wěn)定的條件，用于在訓(xùn)練參數(shù)的時候確定訓(xùn)練什 么時候終止或者參數(shù)是否穩(wěn)定； S422:初始化K個類模型的概率分布，因為這些模型服從參數(shù)為Θ的多項式分布，所以 開始先設(shè)每個類模型出現(xiàn)的概率相等，均為1/k ; 5423 :初始化每一個類模型的概率分布，因為每個類模型的概率分布服從參數(shù)為φ的 多項式分布，開始先假設(shè)對于任意一個類模型生成每一個數(shù)據(jù)的概率都是相等的，先預(yù)處 理數(shù)據(jù)，使得所有數(shù)據(jù)的范圍是在1到1000的某一個整數(shù)，所有剛開始每一個類模型生成 每一個數(shù)據(jù)的概率為〇. 〇〇1，為了讓模型能進行下去，初始化每個數(shù)據(jù)的生成概率為〇. 〇〇1 加上一個隨機數(shù)，加上一個隨機數(shù)是為了讓每個類模型有些差別，這樣剛開始訓(xùn)練數(shù)據(jù)的 時候，對于一道數(shù)據(jù)每個類模型的概率不相同，方便選擇最優(yōu)結(jié)果； 5424 :訓(xùn)練模型：把所有的地震道數(shù)據(jù)輸入模型中，并且記錄每一道地震數(shù)據(jù)在該模 型的現(xiàn)有的參數(shù)下生成概率； 5425 :根據(jù)所有地震數(shù)據(jù)在現(xiàn)有模型下的概率，更新參數(shù)θ，φ參數(shù)，更新的準(zhǔn)則是根 據(jù)極大似然估計的原理的，更新參數(shù)使得模型生成所有地震道數(shù)據(jù)的概率最大； 5426 :重復(fù)上述步驟S423?S425,直到模型的參數(shù)穩(wěn)定或者迭代的次數(shù)超過我們預(yù)先 設(shè)定的大小，得到最后訓(xùn)練的參數(shù)θ , Φ，訓(xùn)練出LDA的模型； S43 :分類標(biāo)示：根據(jù)得到的LDA模型，把每一道數(shù)據(jù)重新再次輸入模型中，假設(shè)第i道 數(shù)據(jù)輸入了模型，比較這一道數(shù)據(jù)在各個類模型的生成概率，若這一道數(shù)據(jù)是由第j類模 型的生成概率最大，就把第i道數(shù)據(jù)的分類標(biāo)簽設(shè)為j，遍歷所有的地震道數(shù)據(jù)，最后得出 了所有地震道的分類標(biāo)簽，實現(xiàn)三維地震信號的分類。
5.根據(jù)權(quán)利要求4所述的三維地震信號分類方法，其特征在于，所述的步驟S425 中更新參數(shù)Θ，φ參數(shù)的具體方法為：假設(shè)數(shù)據(jù)大小1到1000,第i道數(shù)據(jù)由第K個類 模型生成的，φ?τ表示第κ個類模型的概率分布(pk = {q>ki，Φι<2，q>k3……9ki〇〇〇}，第 i道數(shù)據(jù)為{ni，n2，n3，n4，n 5……nm}，其中，m為每一道數(shù)據(jù)的維度，更新Vk對于的系數(shù) {φη1, φιι2, φη3……φηηι}，每個系數(shù)加上一個小步長，然后再對cpk做處理，使得q>k系數(shù) 都在0和1之間，并且求和為1;然后再更新Θ，其中Θ = {θρ θ2, θ3,……，θη}，其中， η為類模型個數(shù)，因為是第Κ個模型生成的，因此讓加上一個步長，然后再對Θ處理，使 得所有θ 1+ θ 2+ θ ......+ θ η = 1，且任意一個θ i大于〇。
【文檔編號】G01V1/30GK104216015SQ201410440066
【公開日】2014年12月17日 申請日期:2014年9月1日 優(yōu)先權(quán)日:2014年9月1日
【發(fā)明者】錢峰, 歐祥欽, 胡光岷, 杜曉菡 申請人:電子科技大學(xué)