stratimagic属性合成及多属性地震相划分技术

属性合成及多属性地震相划分技术宋长青帕拉代姆北京办事处

地震属性是指那些由叠前或叠后地震数据，经过数学变换而导出的有关地震波的几何形态、运动学特征、动力学特征和统计学特征的特殊测量值。它们是地下岩性、物性和含油气性以及相关性质的物理表怔——《储层地震预测理论与实践》地震属性定义地震属性的分类一〕物理属性1.由解析地震道计算的属性包络振幅及其一阶二阶倒数、瞬时相位、瞬时频率、频谱属性、相关系数……2.由叠前资料计算出来属性纵横波属性、泊松比、流体因子、拉枚常数、剪切模量……二〕几何属性相干属性、倾角、方位角……

——Taner属性合成多属性地震相划分帕拉代姆属性合成——3DCanvas属性合成——Stratimagic属性合成——StratimagicLinear属性合成——StratimagicSymmetrical属性合成——SeismicAtrribute属性合成——SeismicAtrribute属性合成——SeismicAtrributeStratimagic多属性地震相划分多个三维地震属性体作为输入，单个地震相分类体输出。三维地震相数据体振幅/P&S阻抗,

流体因子、梯度降维处理多属性地震相分类

PCA主组分分析技术数据降维分带压缩技术

降维处理关键技术主分量2在原始数据寻找最大分布趋势主分量1沿C1正交方向最大趋势PCA数据投影关键技术－主组分分析技术多域的统计分析技术，找出多属性数据的共同趋势，从而减少参与相划分的数据量以及用最具有代表性的数据参与划分。技术原理在所有属性体上进行PCA主组份分析地震振幅数据体孔隙度倾角波阻抗方位角相干体PCA分析主分1主分3主分2主分4主分6主分5选取哪些属性体进行分类？选取奉献量最大的组分：经验之谈：SM中通常选择本征值接近或者大于1的组分进行投影和地震相的划分。PCA主组份分析结果表PCA主组份分析结果地震振幅数据体孔隙度倾角波阻抗方位角相干体PCA分析主分2主分1主分3降维处理后从原来的6个数据体中只选取3个组分参与最终的分类利用Zonation进行数据压缩层段厚度比较大时，可以利用Zonation将其分成很多的小层，由用户指定的唯一数值〔例如小层内的最大值、最小值、绝对值的最大值、平均值等〕来代替小层内的多个数值，这样大大简化了进行分类的数据，分类过程中小层分层数据被保存，同时一个小层只有一个数值代表了这个小层参与计算。关键技术－Zonation数据压缩技术NOPCAPCA

1.如何选取适宜的分类方法？神经网络？分级分类？种子点输入？手工方法？地震相分类面临的几个问题：SignalFlow:InputOutputSynapseINPUTSEISMICINTERVALOUTPUTTRACESSynapsesDendritesCellBodyAxon通过自组织的神经网络计算，首先得到模型道，这些模型道代表了在地震层段中整个区域内的地震信号形状的多样性。Stratimagic关键技术－：神经网络技术分类方法神经网络方法一般用来划分基于波形的地震相图和基于多属性map的地震相图。分级分类实际上利用的是聚类算法。通常只利用分级分类方法生成地震相体．

分类方法的选择2.到底分多少类适宜？地震相分类面临的几个问题：神经网络分类中，对分类结果影响较大的是分类数以及迭代次数。经验的分类次数一般为7－15类，可以先选择一个分类数，然后分别以这个数的50％和150％的分类数再进行两次分类。经验的分析，绝大多数情况下，迭代20次就根本能到达80％的收敛程度，所以一般迭代次数选择为25－35次就可以了。分类数和迭代次数选取得到的结果是否合理，可