（计算数学专业论文）isomap算法在地震属性参数降维中的应用.pdf

摘要 s o m a p 算法在地震属性参数降维处理中的应用 作者简介：倪艳，女。1 9 81 年0 7 月出生，2 0 0 4 年0 9 月师从于成都理工大学 龚灏副教授，于2 0 0 7 年0 6 月获硕士学位。 摘要 地震属性研究对油气储层状况进行预测直是重要的手段和方法。由于考虑 到地震属性的完整性和普适性，一般提取的地震参数比较多，因此造成了数据的 高维特性。高维数据虽然提供了有关客观现象极其丰富、详细的信息，但是高维 数据给随后的数据处理带来前所未有的困难。为了有效的应用地震属性分析技术 进行预测和解释，必须结合储层物性参数对高维地震属性数据进行降维处理。 线性降维算法在对高维地震属性参数进行处理时，如果参数本身是线性关 系或拟线性关系时，可以得出较好的结论。但如果参数本身为非线性或线性特征 很弱时，却无能为力，此时可采用非线性降维算法。i s o m a p 算法即为等距映射 算法，是一个利用非线性的局部度量信息学习数据集的全局几何结构算法。算法 最突出的特点是用测地距离来度量高维空间中样本点之间的距离，是对多维尺度 变换( m d s ) 改进的一种算法，它是t e n e b a u m 等人于2 0 0 0 年提出的，近年来 倍受关注的一种非线性降维方法，它效率高，参数少，是非迭代的全局优化算法， 具有揭示非线件数据流形内在特性的能力。 本文尝试采用l s o m a p ( 非线性降维) 算法对高维地震属性参数数据进行降 维处理，同时也用m d s ( 线性降维) 的算法对同一问题进行了降维处理，并通 过小波神经网络对降维之后和原有的属性分别进行了储层预测，从预测值和平均 误差结果验证了i s o m a p 算法在高维地震属性参数数据降维中具有很好的效果。 关键词：地震属性优化； i s o m a p 算法； 小波神经网络；m d s 算法 成都理工大学硕士学位论文 n o n l i n e a rd i m e n s i o n a l i t ) ，r e d u c t i o no fi s o m a pi nt h ea n a l y s i so f s e i s m i ca t t r i b u t ep a r a m e t e rd a t a a b s t r a c t i ti si m p o r t a n tt of o r e c 口tc o m b i n a t i o ng a sf o rs e i s m i ca t t r i b u t ep a r a m e t e r t h e r e a r em u c hm o r es e i s m i ca t t r i b u t ep a r a m e t e r sc o n s i d e r i n gh o l o n o m ya n da p p l i a n c e w h i c hr e s u l tt oh i 曲d i m e n s i o n a ls p a c e a l t h o u g hh i g hd i m e n s i o n a ls p a c ec o n t a i n s a b o u n di n f o r m a t i o n , i tb r i n g sm u c hm o r ed i f f i c u l t yi nc a l c u l a t i o i li no r d e rt og e ta b e t t e ri n t e r p r e t a t i o na n dp r e d i c t i o n , w es h o u l dt a k eu s eo fam e t h o do fr e d u c t i o no f d i m e n s i o n sa s s o c i a t i n gp r o p e r t i e so f m a r e r i fs e i s m i ca t t r i b u t ep a r a m e t e r st h e m s e l v e sa r el i n e a r , w ec a ng c tag o o d c o n c l u s i o nw i t h1 i n e a rd i m e n s i o n a l i t yr e d u c t i o n e l s ew es h o u l dt a k em e a s u r e so f n o n l i n e a rd i m e n s i o n a l i t yr e d u c t i o n i s o m a pi sg e o m e t r i ca l g o r i t h mw i t l ln o n l i n e a r s e c t i o n a lm e t r i ct r a n s f o r m a t i o n i t sf e a t u r ei sw i t l lg e o d e s i cd i s t a n c ei n s t e a do f c o n l m o nd i s t a n c e i ti sai m p r o v e m e n to fm d sa n ds u b m i t t e db yt e n e b a u mi n2 0 0 0 i t c a nt v e a li m e r n a l i t yo fn o n l i n e a rm a n i f o l d w h i c hc o n t a i n sf e w e rp 9 - r a m e t e ra n dh i g h e f f i c i e n c y t h en e wm e t h o dn a m e di s o m a pw a sa p p l i e di nt h et e x ta n dm a t c h e dw i t hm d s b yw n n w e e v a l u a t e dt h et w om e t h o do f d i m e o s i o n a l i t yr e d u c t i o nf r o mt w oa s p e c t s o n ei sp r a d i a i o na n dt h eo t h e ri se r r o la tt h es a m et i m e ，w ea l s op r e d i c t e dw i t h p r e n a ls e i s m i ca t t r i b u t ep a r a m e t e ra n dm a t c h e di t w i t ht h er e s u l to fl s o m a p i n c o n c l u s i o n ，i s o m a pp r o v e dag o o de f f e c ti nt h ea n a l y s i so f s e i s m i ca t t r i b u t ep a r a m e t e r d a t a k e yw o r d s ：s e i s m i ca t t r i b u t e so p t i m i z a t i o n ；i s o m a pa l g o r i t h m ；w a v e l e tn e u r a l n e t w o r k s ；m d sa l g o r i t h m 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的 研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其 他人已经发表或撰写过的研究成果，也不包含为获得虞型堡王太堂或其他教 育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何 贡献均己在论文中作了明确的说明并表示谢意。 学位论文作者导师签名 学位论文作者签名： & 啊年主月a 3 日 学位论文版权使用授权书 本学位论文作者完全了解成都理王太堂有关保留、使用学位论文的规定， 有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和 借阅。本人授权盛叠理王盔堂可以将学位论文的全部或部分内容编入有关数 据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。 ( 保密的学位论文在解密后适用本授权书) 学位论文作者签名：顿挺l 文唧年j月& 岁 日 豸托爱 第1 章引言 1 1 选题的依据及意义 第1 章引言 在油田勘探开发过程中，地下地质情况复杂、常规地震方法纵向分辨率低， 如何利用地震属性准确预测储层参数一直是困扰油田工程技术人员的难题，国内 外的许多研究人员对此进行了深入的研究，并在油田勘探开发中应用，取得了一 定的效果。由于各个油田情况的差异，有些方法在不同地区的实际应用中并不能 取得较为满意的效果叶叽 近二十年来，随着计算机技术地震勘探技术的发展，三维地震数据自动化解 释的需要，油气储层预测和油藏描述的需要，特别是油田开发阶段的需要，地震 属性的提取分析技术已从计算单道瞬时同相轴属性过渡到提取更复杂的多道分 时窗的地震同相轴属性，从地震层位属性提取发展到生成地震属性体，从叠后属 性提取发展到叠前属性提取，从单一地震属性分析发展到地震多属性的综合评判 分析，地震属性的应用也从简单检测振幅异常发展剑监测流体前缘随时间的变 化。随着地震属性在油气勘探与开发中发挥的作用越来越大，地震资料的属性解 释分析逐渐形成了一项专门的地震属性技术，并且也初步形成了一门新兴学科： 地震属性学( s e i s m i ca t t r i b u t o l o g y ) 【1 3 l 。 地震属性技术的应用研究是一个不断深化的过程。目前，可以从地震资料中 提取的地震属性可达2 0 0 ，3 0 0 种，虽然它们都具有明确的物理意义，但不一定就 对应着明确的地质意义。每一种属性它们对不同地区油藏特征变化的敏感性也是 不一样的，可以说所有这些属性它们之间也并不完全是相互独立的，某些属性之 问也可能存在着一定的相关性。因此，这就必然存在一个属性的优化选择问题。 一般来说，地震属性与地下地质目标之间并不存在一一对应的关系，也就 是说影响地震属性的因素很多。实际上，多数地震属性是构造，地层，岩性和油 气等综合因素的反映，这还不包括由地震属性计算以及地震资料本身等因素引起 的误差与干扰。因此，应用地震属性研究油减特征有很大的不确定性，这也属于 地球物理反演中所存在的多解性问题。克服地震属性的不确定性涉及到岩石物性 的综合标定和地震多属性的综合评判研究。深入理解地震属性的不确定性和非唯 一性与地震数据质量的关系也是地震属性技术需要重点研究的问题。 随着信号处理领域新方法新理论的不断涌现，人们希望从地震数据中提取 出更多的、新的地震属性参数，以期获得更可靠的既具有明确物理意义又具有明 确地质含义的地震属性，以期进一步减少地震属性分析的不确定性。如何利用目 前的非线性理论( 分形、混沌、突变论等) ，小波变换理论，高阶统计量方法等信 号处理的新方法研究提取新的地震属性参数也是人们追求的目标。 成都理工大学硕士学位论文 从油气藏勘探、开发和生产的角度来说，人们越来越强调对油气藏特征的定 量化分析，如何将地震属性参数转换为定量的油藏特征参数( t l 隙度、渗透率、 饱和度以及地层压力等) ，也是人们目前重点研究的内容和方向。随着地球物理 方法向油藏开发和生产阶段的渗透，各种类型地震数据的出现( 转换波、横波、 v s p 、井间地震以及时移地震资料等1 ，研究这些类型数据的地震属性提取以及 地震属性的灵敏性分析就显得越来越重要了。 由于考虑到地震属性的完整性和普适性，提取的地震属性参数较多，造成了 数据的高维特性。高维数据提供了有关客观现象的极其丰富、详细的信息。另一 方面，数据维数的大幅度提高也给随后的数据处理工作带来了前所未有的困难。 数据的原始表示常常包含大量冗余。有些变量的变化比测量引入的噪声还要 小，因此可以看作是无关的。有些变量和其他的变量有很强的相关性( 例如是其 他变量的线性组合或是其他函数依赖关系) ，可以找到一组新的不相关的变量在许 多情形下可以从一定程度上剔除这些冗余信息，获得更加经济的表示方式。 为了有效地应用地震属性分析技术进行预测与解释，我们结合储层物性参数 对地震属性进行降维技术处理。作为一类普遍存在的规律，在多数情况下我们观 察的现象，表面上看是高维的、复杂的，实际上可以用很少的简单的变量来支配。 本文以北京某一工区储层的地震属性为研究对象，根据地质目标，对地震属 性分别采用i s o m a p 算法和m d s 算法进行优化，采用小波神经网络对两种降维的 结果和原有属性分别进行预测，根据工区的实际背景，比较两种降维方法的效果， 从而验证i s o m a p 算法降维的有效性。 本论文是石油大学课题储层物理性质综合方法研究的子课题中的一部分。 1 2 国内外研究现状 1 2 1 地震属- 陛的发展概述 地震信号记录的数字化、新数学方法的不断出现和计算机技术的发展为地震 属性研究提供了客观基础。地震信号的数字化记录使数学方法和计算机技术得到 有机的结合，使研究地震资料包含的丰富信息的方法更加有效。计算机对地震数 字信号的强大运算能力、海量的存储能力、直观的可视化技术大大促进了地震属 性技术的发展。 国外这方面的专业期刊很多，例如叻el e a d i n ge d g e ) ) ， g e o p h y s i e s ) ) ， g e o p h y s i c a lp r o s p e c t i n g 以及近几届s e g 年会论文集等。 从地震信号本身而言，国外最先研究的地震届性是反射振幅类，它有着各种 各样的表现形式。其巾六、七十年代的亮点、暗点、平点是这类属性的代表，主 第1 章引言 要用于油气性直接预测。此外还利用薄层调谐厚度的概念解释薄层进行储层物性 预测。随着研究的深入，认识到地震信号通过含油气储层时会出现频率的异常衰 减，因而频率类属性也得到重视。在这个时期美国的墨西哥湾是a v o 地震属性 研究的主要地区。 八十年代，在提出的地震属性的数量迅速增加同时，地震属性研究也遇到难 题。大部分地震属性在数学上有严格的定义( 比如，主频或k l 信号复杂度) ，但 相当一部分地震属性的地质意义却是含糊不清。地震属性地质含义的不确定性导 致对它预测储层特征的困惑，影响了地震属性技术本身的发展。地球物理学家 l i n d s e t h ( 1 9 8 2 ) 篚j 看法具有代表性：“除了振幅，它们( 地震属性) 既不能变得很普 遍，也不能在解释中得到广泛应用。这方面的理由看来是基于这一事实：它们中 的大多数不能够直接与地质情况相联系”。 九十年代以来，地震属性体技术随着真三维解释技术和计算机可视化技术发 展而广泛应用。地震属性研究已由振幅、频率、相位、能量、波形和比率等点面 信息扩展到速度、阻抗、a v o 及相干等三维信息。值得一提的是相干属性体， 已成为一个研究的热点。地震属性体得到重视与应用，得益于其清楚、明确的地 质含义，也就是说它能反映具体的地质特征。 国内对地震属性的研究相对于国外要滞后一些主要是吸收消化国外的技 术，同时开发了适合我国油气勘探开发的地震属性方法。油田和研究单位的物探 研究人员对地震属性的提取和应用做了很多工作。张应波根据b l o t 双相介质理 论，从微观角度研究开发出一套储层物性参数处理新技术；刘企英、朱广生、陈 遵德、杜世通等学者致力于地震属性的研究，并有相关的专著发表；这几年石 油地球物理勘探、地球物理学报等一批专业期刊都有不少有关地震属性研究 的文章发表。现阶段国内地震属性研究的重点是地震属性的优选和储层预测识别 方法问题。很多文献比较细致地介绍了属性优选应该采取的思路及方法。 近几十年，地震属性技术发展迅速，国内外许多学者( 如曹辉等) 【“o 目 对地震属性的发展作了许多系统的总结。 从2 0 世纪6 0 年代末的亮点分析开始，1 2 l 地震属性研究大致经历了3 个 发展阶段： 第一例，从6 0 年代末到7 0 年代末的定性描述阶段。这一阶段的地震属性 研究基本限于直观、定性地分析研究地震剖面上的反射相应的强、弱变化，断裂 发育程度，是对地震剖面特征的一种定性描述与分析。 第二，从8 0 年代初到9 0 年代中期的定量分析阶段。这段时间人们开始根 据地震波场的运动学、动力学特点，从地震波场中计算各种地震信息，哺目如能 量、振幅、反射强度、频率、相位、极性、连续性及它们的衍生属性等。这一阶 成都理工大学硕士学位论文 段地震属性的研究得到迅速发展，有多达几十种的地震信息被提取出来。但是， 由于其中很多属性没有明确的含义，解释起来难度极大。 第三，9 0 年代中期以后的约束性定量分析阶段。这一阶段人们开始对前期 提取的大量属性进行优化与约束，并开发出针对具体地质目标、具有明确地质含 义的地震属性，如相干体、倾角、倾向等，使地震属性的研究趋于完善。 i i 前地震属性分析技术已广泛应用于地震构造解释、地层分析、岩性特征描 述及油藏监测等各个领域， 6 0 1 在油气勘探与开发中的作用已被越来越多的人所 认识。在储层预测实践中被广泛应用，取得了一定的效果，但在不少方面还需进 一步发展和完善，比如重视地震属性的优化和应用研究，对属性的提取考虑较少； 重视叠后地震资料储层预测，忽视了叠前地震信息的应用研究等。 1 2 2 储层参数预测方法研究现状 近1 0 年来国内储层预测方法研究空前活跃，有关统计模式识别、模糊模式 识别、神经网络、函数逼近与地质统计学方法，以及它们的不同组合的方法的论 文层出不穷。 储层参数的求取是油藏描述的重要环节，在岩性勘探和油气开发评价中起着 举足轻重的作用 1 q 。目前，储层参数预测方法可分为二大类：( 1 ) 利用地震资料进 行地震属性的地质统计分析方法；( 2 ) 地球物理反演方法1 1 1j 。 地震属性技术的发展促进了储层预测技术研究的发展。近十年内国内储层预 测研究方法很多，有关统计模式识别、神经稠络、函数逼近与地质统计学方法， 以及它们的不同组合方法层出不穷达到了空前的活跃，但是随着油田勘探开发的 不断深入，仍然有很多需要逐步完善的地方。【1 l j 纵观已发表的储层预测方面的论 文，其研究主要侧重的是储层预测识别方法，论文中很少给出属性的计算机程序 可实现的计算公式，有些研究对属性不进行必要的预处理和有效分析与优选，因 而不能取得满意的效果。 目前，国内各油田主要利用一些价格昂贵的商业性软件用于储层预测。由于 很难知道其内部源程序的核心方法以及程序实现过程，因而不易从理论上评估其 预测结果的合理性所以找到一种准确可行的利用地震属性进行预测的方法，并 通过编程来实现该方法将具有实际意义。 1 2 3i s o m a p 降维算法的研究现状 经典维数约减方法如p c a 和c m d s 实现简单可以确保发现处于高维向量空 间的线性子空间上的数据集的真实几何结构但是这类算法的线性本质使其无法 揭示复杂的非线性流形结构，为此t e n e n h a u m 等人和r o w e l s 等人提出了各自的 4 第1 章引言 非线性维数约减算法： s o m a p 和l l e 。这两个算法受到广泛的关注，引发了一系 列后续研究。其中较为重要的是l a p l a c i a ne i g e n m a p ，l i s o m a p 和h e s s i a n e i g e n m a p 等。虽然取得了令人印象深刻的成功，但是这类算法仍而临一些共同 的问题：首先上述算法具有大致类似的框架都需要求解大尺度特征值问题或特征 值问题的变形。而直接方法求解特征值问题的时间复杂性是o ( r n n 2 ) 。这里n 是 样本点数目，m 是所求的特征向量个数。由于至少一次的计算复杂性，它们在大 样本集情形下的应用较受限制。其次，上述算法的优化机制是全局，不利于分布 式计算的实现。在某些情形下对于噪声极为敏感，且需要考虑“病态矩阵”的计 算精度问题。 i s o m a p 算法的假设前提是：数据在观测空间中的距离关系仅在局部可使用 欧氏度量。特别的，l s o m a p 认为全局度量需通过测地线来描述。同时也假定了由 少数独立因素产生的数据集在高维空间形成了非线性流形。 i s o m a p 算法即为等距映射算法，是一个利用非线性的局部度量信息学习数据 集的全局几何结构算法。算法最突出的特点是用测地距离来度量高维空问中样本 点之间的距离，是对多维尺度变换( m d s ) 改进的一种算法，它是t e n e b a u m 等人 于2 0 0 0 年提出的，近年来倍受关注的一种非线性降维方法，它效率高，参数少， 是非迭代的全局优化算法，具有揭示非线性数据流形内在特性的能力。目前在医 学数据处理、模式识别等领域取得了很好的效果。 1 2 4m d s 算法的研究现状 多维尺度法( m u l t i d i m e n s i o n a ls c a l i n g ，简称m d s ) ，又叫做多维标度法，是 多元分析的一个新分支，是主成分分析和因素分析的一个自然延伸，由t o r g e r s o n 最早提出。t o r g e r s o n 使用单维尺度技术将人们对事物差异的评价转换成目标距 离，并在图中画出一些点，使得它们之间的距离能够最大程度地拟合目标距离。 s h e p a r d 在t o r g e r s o n 的基础上提出m d s 的目标应该是寻求各点距离之间的单调 顺序，而非具体的数值大小。这种新的技术被称为非计量( n o n - m e t r i c ) m d s 技术， 而t o r g e r s o n 早期的方法被称为计量( m e t r i c ) m d s 。非计量的m d s 方法对于处理 有未知评价偏差的数据非常有效，但是对某些数据，因为包含关系紧密的类群 ( c l u s t e r ) ，可能会丢失一些信息。因此，虽然对于大多数的数据，最好使用非计 量的m d s 方法，而对于某些类型的数据则用计量m d s 方法更好。后来，k r u s k a l 给出了具体的计算方法。他提出了压力fs t r e s s ) i 甬数来描述观察数据与m d s 模型 之间拟合的关系，并用叠代的方法来逐步减小压力值。s h e p a r d 和k r u s k a l d e 技 术成为后来m d s 的应用基础，不断得到改进，使算法越来越精确、方便，计算 的速度越来越快。 成都理t 大学硕土学位论文 1 2 5 小波神经网络的研究现状 小波分析理论的研究虽时间不长，但其蓬勃发展之势已成为人们所关注，这 必将为小波神经网络的研究应用提供更坚实的理论基础。另一方面，小波神经网 络与常规的神经网络相比，可以借助小波分析的有关理论便于确定网络的初始结 构，并且由于其输出与权值是线性关系，可直接利用l s 等方法进行权值修正， 便于实时、在线应用，应该说小波神经网络较神经网络更具有广阔的发展潜力。 s z u 等提出了基于连续小波变换的两种自适应小波神经网络模型，并分别应 用于函数逼近和特征提取。y c p a t i 和p s k r i s h n a p r a s a d 将离散仿射小波变换引 入w n n ，并成功地实现了一维信号的逼近。接着，b d e l y o n 和d o n o h o d 等人 指出了用符合框架性条件的小波函数对非线性高维函数进行估计是一致收敛的， 并在理论上证明了小波估计的准确性，指出了小波估计的误差界。j u nz h a n g ( 1 9 9 5 ) 用正交尺度函数代替w n n 的径向基函数，理论分析和实验均表明这种 网络在函数学习中是有效的，并且具有l 2 逼近和一致估计特性，但是正交基构 造复杂、网络抗干扰能力差。张邦礼讨论了确定小波基函数和隐层神经元个数的 一般方法，并且分析了其学习算法的收敛性和鲁棒性。h es h i c h u 等在数宁通信 通道盲均衡中采用回归小波神经网络，其小规模和高性能明显优于线性常系数算 法和回归径向基函数网络。徐晓霞利用最小二乘算法进行小波神经元函数的选择 和网络训练，但是该方法的缺陷是随着网络输入维数的增加，网络训练所需样本 数量呈指数上升，并且极易导致网络发散。何振亚提出时延小波神经网络对同一 类存在不同时延的多个信号用同一个超小波进行逼近，井估计各样本信号的时 延。k w o k w ow o n g 提出了w n n 在线信号合成技术，用递归最小平方准则训练 网络实现在线合成，并在训练中用b a y e s i a n 准则确定最优小波数，仿真表明， 该方法能够适应系统参数的变化，并能逼近未知的系统函数。钱俊、邵惠鹤为小 波神经网络结构设计新算法。何正友、钱清泉提出了一种改进的小波神经网络结 构，建立了非显示小波网络的学习算法。2 0 0 2 年李换琴、万百五等人提出一种 适合高维输入的小波神经网络建模方法。2 0 0 4 年他们又提出了将输入变量分层 输入的办法，能有效的处理高维问题同年他们还提出了基于模块小波神经网络的 建模方法，将复杂问题分而治之。 1 3 主要研究内容及技术路线 1 3 1 研究的主要内容 本文主要研究地震属性技术的分析与优化，针对i s o m a p 算法的原理和参数 的优化取值问题，同时结合提取的某一工区的井剖面属性数据来开展研究工作， 第1 章引言 概括起来主要有以下5 个方面的研究内容： l 、对i s o m a p 算法中的二个参数的取值进行了深入细致的分析，结合l s o m a p 算 法分别提出了参数邻近点个数、低维嵌入空间维数各自的优化算法。并编写程序。 2 、对沿层提取的多种地震属性运用非线性降维方法即等距映射( i s o m a p ) 算法 进行优化，去掉属性的相关性，找出对储层敏感的地震属性参数。 3 、采用线性降维算法m d s 对同一剖面属性数据进行处理，并与i s o m a p 的降 维结果作比较。 4 、构建小波神经网络模型，利用两种降维方法优化后的地震属性，预测储层的 物性参数。 5 、以某一工区实际的井剖面地震属性数据资料为例，进行算法的验证、分析和 总结。 1 3 2 研究的技术路线 本文的研究思路：首先介绍了地震属性优化在国内外的研究现状以及地震 属性优化和降维方法的基本理论，重点研究了非线性降维即i s o m a p 降维技术的 理论和应用范围，并推广到地质领域方面，以某一工区实际的井剖面属性数据 为例进行验证；并采用线性降维算法即m d s 对同一剖面属性数据进行处理， 运用小波神经网络对两种降维方法优化后的属性结合储层参数进行预测，并和 降维之前的原始属性的预测结果进行对比，分别从预测的精度和平均误差方面 验证了i s o m a p 算法的有效性。 具体的研究路线如图1 - 1 ，首先提取地震属性参数将地震属性参数分别 采用i s o m a p 和m d s 两种降维方法进行处理，小波神经网络分别对两种降维的 结果进行预测，并和原始属性的预测结果进行对比，得出结论，验证了l s o m a p 算法的有效性。 成都理工大学硕士学位论文 小波神经网络分别预测两 种降维结果 l 将原有的属性采用小波 神经网络进行预测 比较预测的结果并得出结论 1 ，4 论文的主要创新点 图1 1 技术路线图 1 、i s o m a p 算法是对m d s 算法的改进，它采用f l o y d 迭代算法代替欧氏距 离算法，是一种新方法。 2 、首次将i s o m a p 应用于地质方面，实现了地震属性的非线性降维映射， 去除了属性间的相关性，最大限度的保留了多种属性的信息，对i s o m a p 算法的 应用是一个有益的推广。 3 、i s o m a p 算法与小波神经网络方法结合在储层参数预测方面的综合运用， 在实际区块的储层预测中应用效果较好。 4 、研究具有非常重要的现实意义，它给我们提供了一个解决地震数据处理 问题的新视角。 第2 章地震属性优化方法 第2 章地震属性优化方法 2 1 地震属性的概念 地震属性是根据地震记录测量或计算出的一些参数，如振幅、速度、时间、 a v o 、波阻抗、频率等等，是从地震数据中产生的几何学的、运动学的、动力学 或统计特征的具体测量。地震属性是地震资料的可描述和能量化的特性，代表着 包括在原始地震资料中全部信息的子集。 地震属性技术包括单道瞬时同相轴属性、多道的不同时窗的地震属性并可生 成地震属性数据体及地震属性的应用。 2 2 地震属性分类 t a r t e r 等对地震属性作了归纳整理，并将其划分为物理属性和几何属性两大 类，几何属性容易被人们的感观所接受，便于人们直观的识别对象；物理属性用 于岩性及储层特性解释，本身又可分为两类： n ) 由解析地震道计算获得的属性。这是最常用的一些属性，包括：道包络 振幅及其一阶二阶导数、瞬时相位、瞬时频率、瞬时加速度、瞬时q 值以及它 们沿反射界面在一个时窗中的统计量。在地震道包络极大值处计算的瞬时属性称 为主属性，也有人称为“响应属性”。另外还有地震道的频谱属性、相关系数以 及由他们派生出来的属性。 ( 2 ) 由叠前资料计算所得到的属性，如正常时差、纵横波层速度、地震波的 到达时差等。几何属性或反射结构，用于地震地层学、层序地层学及断层与构造 解释，如旅行时、同相轴倾角、横向相干性( 同相性) 等。 这些属性提供了地震同相轴的几何特征，确定了反射层的中断、连续性、曲 率、整一，杂乱、小整和、斜交、平行、发散、收敛以及断层的各种特征，用于 确定地震相和体系域等。 a i l b r o w n 将地震属性分为四类：即时间属性、振幅属性、频率属性和吸收 衰减属性。源于时间的属性提供的构造信息；源于振幅属性提供的地层和储层信 息：源于频率的属性提供其他有用的储层信息；吸收衰减属性将可能提供渗透率 信息。目前大多数地震属性源于水平叠加偏移后数据，而叠前地震属性的典型例 子是a v o 。 生产科研中，常常按照振幅统计类、瞬时类参数、频谱统计类、层序统计类、 相关统计类进行地震属性与地质意义的相关分析。 振幅统计类包括均方根振幅、平均绝对振幅、最大峰值振幅、最大谷值振幅、 绝对振幅能量、振幅总量、平均能量、能量总体、平均振幅、平均反射强度、平 成都理工大学硕士学位论文 均瞬时频率、平均瞬时相位等。这些地震属性可以反映岩性、地层层序变化、不 整合、断层、流体变化、储层孔隙度变化等。 瞬时类参数包括瞬时相位、瞬时频率、瞬时振幅等，反映岩性、地层层序变 化、不整合、断层、流体变化、储层孔隙度变化、河流和三角洲砂体。 频谱统计类主要有带宽、主频序列、主频峰值等，放映裂缝发育带、含气吸 收区、调协效应或吸收引起的子波变化等。 层序统计类有能量半衰时、波峰数、波谷数等，可以用于识别岩性地层的变 化和含气性划分地层层序特征。 相关统计类有平均信噪比，相关分量等，有助于识别断层、尖灭、杂乱反射 等。 2 3 地震属性参数的提取 地震属性技术即通过在地震剖面或三维数据体中沿层或层间提取各种地震 信息，并结合己知井的地层结构、岩石物性、储层的含油气特征等信息，通过不 同的数学变换手段，将多种可利用的地震信息赋予更加明确的地质意义。解释人 员则应用不同的观点，从不同的角度分析各种地震信息在纵向和横向上的变化， 进行细致的解释、推断，得出有关沉积环境、岩性、油气藏在纵、横向上变化的 定性或定量的结论，以揭示出原始地震剖面中不易被发现的地质异常现象及含油 气情况。 利用地震属性进行储层预测和油藏描述的基本工作程序般包括： 1 、地震属性的提取； 2 、地震属性参数的预处理； 3 、地震属性的优选； 4 、地震属性的分析评价。 地震属性的提取方式很多，根据研究区域的勘探程度、研究对象咀及所要解 决的地质问题采用合适的方式，可以获得较好的效果。下面主要针对地震属性的 目标分类按线、面、体介绍地震属性提取的基本方式及其适用性。 l 、剖面属性提取 剖面属性提取就是直接将地震剖面数据通过一些数学变换或方法转换为与 地震反射波或岩石物性有关的新的地震信息，如复数道分析、时频分析、波阻抗 反演等方法获得的地震属性剖面。这类属性剖面在过去2 0 年的油气检测中，它 们已得到了广泛应用。 2 、层位属性提取 层位属性也称为基于同相轴的属性，它是指从地震数据中提取的并与一个界 第2 章地震属性优化方法 面有关的属性，它提供了有关界面上或界面之问属性怎样变化的信息。层位属性 提取又可分为单层位地震属性提取和层问属性提取，如图2 1 和2 - 2 所示。对于 这种界面上或界面之间的层位属性，实际上它是对一个层位上地震波信息的一种 平均响应，因此，层位属性的提取又可分为瞬时属性提取、单道分时窗提取和多 道分时窗提取。 圉2 - 1 单层位地震属性提取方式 ， - _ - _ _ 一 图2 - 2 层位间地震属性提取方式 瞬时属性提取是根据复地震道分析，在地震波到达的界面位置上拾取的属 性。单道分时窗提取是沿着一个可变的时窗提取的，提取过程中时窗在道问滑动 时，其位置和长度都是可变的，可变的时窗的上下界，由解释的地震层位确定。 也可以使地震属性提取时窗沿一个解释层位滑动，在层位的上下方、上方或下方 取一个固定的时窗长度。多道时窗提取除了要求个上下界定义以形成时窗外， 成都理工大学硕士学位论文 还要求定义一个道数和道模式界限，将提取的地震属性结果赋予指定道模式的中 间道的同相轴位置上，对每个中问道位置重复上述提取过程，就可以获得一个新 的属性平面。 3 、三维体属性提取 三维体属性其实质是基于三维地震数据体产生一个完整的三维属性体，它是 地震数据的另一类图像。这种图像可以用作揭示其它剖面图像难以识别的地震特 征，如河道砂体、礁块、各类地层学沉积单元的沉积特征等，它具有重要的使用 价值。 体积属性的提取方法与上述层位属性的提取方法一样，即分为瞬时属性提 取、单道时窗属性提取和多道时窗属性提取。对于分时窗提取时，体积属性的时 窗一般为两个时间切片，且时窗的位置和长度是固定的。重复使用固定时窗做属 性提取，并按一定步长在时间上重叠，即可产生一个完整的地震属性体。对于多 道时窗提取的体积属性可以用来研究储层的各向异性特征，以识别储层的裂隙或 断层的分布模式，目前被广泛使用的相干数据体就是一种多道时窗属性提取的体 积属性数据体。 2 4 地震属性优化 随着计算机硬件和软件技术的发展，地震属性提取技术的改进，各种商业 软件所能提供的地震属性多达上百种，属性数量的不断增加为我们提供了更多 可能与储层参数有关的属性，同时也对储层预测带来不利的影响。这是因为： l 、有些地震属性可能与目的层本身无关，而反映了浅层干扰变化，若对输 入属性不加鉴别，有些属性只会引起混乱。 2 、属性的增加会给计算带来困难，因为过多的数据要占用大量的存储空间 和计算时间。 3 、大量的属性中肯定会包含着许多彼此相关的因素，从而造成信息的重复 和浪费。 4 、属性数是与训练样本数有关的。就模式识别而言，当样本数固定时，属 性数过多会造成分类效果的恶化。不妨设想一下，如果把3 0 个样本放在3 维属 性空间中，虽然难免会出现混淆和重复，它们总还能分别形成些类：而如果 把它放到l o o o 维的空间中，就极可能出现样本点十分分散无法找出规律的现 象。 因此，对具体问题，从地震属性集中挑选最好的地震属性子集是必要的， 此即地震属性优化问题。地震属性优化就是利用人的经验或数学方法，优选出 对所求解问题最敏感、最有效和最有代表性的属性个数的地震属性组合，从而 第2 章地震属性优化方法 改善与地震属性有关的处理及解释方法的效果。 地震属性优化方法可分为地震属性降维映射与地震属性选择两大类。 2 4 ，1 地震属性降维映射 地震属性降维映射是通过映射或变换的方法，把属性空自j 的高维( d ) 属性变 为低维( d ) 属性，称为属性降维映射。一般情况下d d 。属性降维映射可实现 维数压缩，但是应该保证样本属性不变，并且更具有代表性，更能反映本质。 为此，属性降维映射要有某些约束条件。在广义上，属性降维映射就是给定约 束条件下的某种变换t ，实现由高维属性空间e d 到低维属性空间e d 的映射， 即 t ： e d - - e a 其中新地震属性是从大量原有地震属性出发，经过对原有属性的某种变换 而构造的。这种经过构造得到的属性可能其物理意义不明显。 图2 - 2 地震属性优化方法 地震属性降维映射的方法可分为线性和非线性两类。线性降维的方法是通 过属性的线性的组合来降维，如经典的线性降维方法：k l 变换和多重判别分 析( m d a ) 。这种方法的本质是把数据投影到低维空间，具有简单和容易计算 的优点。它的缺点是对很多数据不能处理，并且现实中有用的特性往往不是特 征的线性组合。非线性降维方法正好可以克服线性方法的不足，但相对计算要 复杂。非线性的方法如：等距映射( i s o m a p ) ，局部线性嵌入( l l e ) 等。 2 4 2 地震属性选择 从一个属性集中挑选出最有利于地震储层预测的属性子集的过程称为属性 选择。经过属性选择后，属性空间的维数也被压缩了。为了选择出最有影响的 属性，最简单的方法是利用专家的知识和经验，最严格的方法是在给定约束条 件下通过数学方法进行筛选。 成都理工大学硕士学位论文 地震属性选择可优化地震属性。在做优化运算时，必须设计好目标函数。 地震属性优化中的目标函数根据储层预测方法和地震属性选择方法去灵活确 定，不同的方法可有不同的目标函数。 最简单的地震属性选择方法是根据专家知识挑选那些对储层预测最有影响 的属性。另一种可能则是用数学的方法进行筛选比铰，找出带有最多储层信息 的属性。以下是几种常见的优化方法。 1 专家优化 一般说来，油田专家对某个地区带有最多储层信息的地震属性是比较了解的， 可凭经验进行地震属性选择：有时专家能提出几组较优的属性或属性组合，但哪 一组最优难下结论，这可通过计算误差率( 模式识别法) 或预测误差( 函数逼进法) 进行比较，选取误识率或预测误差最小者为最优的地震属性或地震属性组合。 2 ，自动优化 由于所解问题与地震属性间关系复杂，难于凭经验直观地选取。为了取得 储层预测的最优效果，需优选地震属性组合。衡量“最优”的标准就是使误识 率或预测误差最小。要想得到最优属性组合，只有采用枚举法，将各种属性组 合( 共有2 d 1 个) 的误识率或预测误差进行比较，选出最优属性组合，此即组合 优化问题。若d 较大，2 d 1 很大，不宜用枚举法求解，因此，只好寻找计算量 较小的次优解法，常用的有属性比较法、顺序前进法、顺序后退法、增1 减r 法等，最近出现的遗传算法与r s 理论决策分析方法是优化地震属性的新方法。 3 ，专家与自动优化结合 为了克服专家知识与经验的局限性，减少自动优化的计算工作量，可将专 家优化与自动优化结合起来进行地震属性优化。较常用方法是专家优化与最优 搜索算法结合，求取该组合优化问题的最优解。一般情况下，我们是无法确定 最好的地震属性子集，但根据经验，一个简单的选择方法，也可能提供一个较 之随机选择为好的结果。例如我们可以利用一元线性回归方法判断各种属性与 储层参数的线性相关性根据相关系数的大小来优选属性。 2 4 3 地震属性优化的基本程序： 1 、根据研究区隐蔽油气藏的地质特征，建立地震地质模型，结合模型理论 分析与先验知识对地震属性进行初选。 2 、井旁道或连井剖面地震偶性计算，并利用交绘图等方法，了解所提取属 性的总体异常特征分布规律，对与储层特征或含油气性有明显对应关系的属性 1 4 第2 章地震属性优化方法 进行必要的预处理，形成初选地震属性集。 3 、运用先进的数学方法，结合实钻井资料，进一步分析地震属性与储层特 征或含油气性的对应关系，对初选地震属性集进行优选，达到最优特征组合。 2 , 5 地震属性数据的预处理 目前，多信息储层预测可用的地震属性数据量大，属性之间量纲不一，数值 量级差别大局部异常往往淹没在区域背景上，以及存在一些离群的异常数值等 问题，在作储层预测运算之前，必须对地震属性参数进行规格化、平滑及压缩等 预处理。 l 、提取剩余异常 提取剩余异常的目的在于去掉区域性背景，突出局部异常。设某一属性为 ， 区域均值为： 互。专弘i 式中n 为地震道数。剩余异常值鲥则为 山t = 爿l 一- 4 1 2 、数据归一化 由于各种地震属性数据的量纲不同或数值量级的差异，为了便于多种信息的 统计分析，必须对各种属性数据进行归一化处理，一般常用的有极差变化法和标 准化法两种。 极差变化法：只= 五a e a - - 瓦l j , b 标准化法：只。吾毒器丽 3 、平滑处理 地震数据受相干噪声和随机干扰的影响很大，虽然常规处理的每一个环节都 在设法消除或降低这种影响，但在提取有效信息的过程中，相干和随机噪声数据 也被同时提取了，从而使得属性数据出现一些“毛刺”或“野值”。这些“毛刺” 或“野值”的出现，对地震属性参数的地质标定和利用属性参数进行模式识别十 分不利，容易造成解释中出现非地质因素引起的“假异常”。因此，在对提取的 地震属性进行分离剩余异常及归一化处理后还应作平滑处理，其平滑处理的算式 为： 成都理工大学硕七学位论文 只。矾 芦；旦= l 百一 ( 卅嚣1 ，2 ，m ，k = m 2 + 1 ) m - l 式中，降_ 为第m 个平滑因子，肘为平滑因子的长度。地震属性的储层预测 一般采用3 点或5 点平滑因子。 3 点平滑因子为： 5 点平滑因子为： 2 6 地震属性与储层物性的关系 地震属性技术作为一个不断发展的研究内容，在实际应用中的核心问题是选 择适合研究对象的属性及建立地震属性与储层问的关系。地震信息不仅含有地层 界面信息，还含有地层物性方面的信息，地震属性参数不仅与岩性、深度有关， 而且与物性仃l 隙度、渗透率、泥质含量、含油饱和度等) 有密切关系。把测井、 地质和地震资料结合起来进行综合解释，可以全面、深入地研究储层参数的空间 分布规律。 2 6 1 地震属性标定 要进行构造解释，第一步就得对层位进行标定。同理，应用地