CN108828680A - 地层电阻率和极化率的确定方法和装置 - Google Patents
地层电阻率和极化率的确定方法和装置 Download PDFInfo
- Publication number
- CN108828680A CN108828680A CN201810824822.XA CN201810824822A CN108828680A CN 108828680 A CN108828680 A CN 108828680A CN 201810824822 A CN201810824822 A CN 201810824822A CN 108828680 A CN108828680 A CN 108828680A
- Authority
- CN
- China
- Prior art keywords
- sample data
- data set
- sample
- polarizability
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 134
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 132
- 230000006870 function Effects 0.000 claims description 128
- 238000007621 cluster analysis Methods 0.000 claims description 57
- 238000004458 analytical method Methods 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 10
- 230000002776 aggregation Effects 0.000 claims description 8
- 238000004220 aggregation Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 abstract description 38
- 230000000694 effects Effects 0.000 abstract description 16
- 238000004422 calculation algorithm Methods 0.000 description 16
- 238000005457 optimization Methods 0.000 description 16
- 230000008569 process Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 8
- 238000010276 construction Methods 0.000 description 6
- 229930195733 hydrocarbon Natural products 0.000 description 6
- 238000010606 normalization Methods 0.000 description 6
- 230000005684 electric field Effects 0.000 description 5
- 239000004215 Carbon black (E152) Substances 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 150000002430 hydrocarbons Chemical class 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000002068 genetic effect Effects 0.000 description 3
- 230000010287 polarization Effects 0.000 description 3
- 238000012163 sequencing technique Methods 0.000 description 3
- 238000002922 simulated annealing Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 125000001183 hydrocarbyl group Chemical group 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 238000000137 annealing Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000002939 conjugate gradient method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
- G01V3/38—Processing data, e.g. for analysis, for interpretation, for correction
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
- Developing Agents For Electrophotography (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
Abstract
本申请实施例提供了一种地层电阻率和极化率的确定方法和装置，其中，该方法包括：获取目标区域的时频电磁观测数据和地质背景资料；根据所述地质背景资料，利用均匀分布随机函数生成第一样本数据集；根据所述时频电磁观测数据，通过对所述第一样本数据集进行聚类分析，确定出目标区域的地层电阻率和极化率，由于该方案通过利用均匀分布随机函数生成随机样本数据以建立第一样本数据集，再通过聚类分析从第一样本数据集中确定出符合要求的目标区域的地层电阻率和极化率，从而解决了现有方法中存在的处理速度慢、准确度差的技术问题，达到了兼顾处理效率，精确确定目标区域的地层电阻率和极化率的技术效果。
Description
技术领域
本申请涉及油气勘探技术领域，特别涉及一种地层电阻率和极化率的确定方法和装置。
背景技术
在油气勘探领域中，常常需要先确定目标区域的地层电阻率和极化率，再根据目标区域中不同区域的地层电阻率和极化率的差异情况，从目标区域中寻找到可能存储有油气的区域。例如，通常存储有油气的区域与围岩的极化特性差异会明显小于存储有金属矿藏的区域与围岩的极化特性，因此可以依据上述差异寻找油气区域。
目前，为了确定目标区域的地层电阻率和极化率，大多会通过优化目标函数的方法对所采集的时频电磁观测数据进行优化求解，以得到符合精度要求的数据作为地层电阻率和极化率。但是受限于优化求解的机理，基于现有方法进行具体优化求解时，往往容易陷入到求解局部极小值，而无法搜寻确定全局最小值，导致最终得到的结果数据的准确度相对较差。此外，现有方法(例如退火反演法等)本身算法结构较为复杂，收敛速度较慢，在实现时，表现为处理速度相对较慢。综上可知，现有方法具体实施时往往存在处理速度慢、准确度差的技术问题。
针对上述问题，目前尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种地层电阻率和极化率的确定方法和装置，以解决现有方法中存在的处理速度慢、准确度差的技术问题，达到了兼顾处理效率，精确确定目标区域的地层电阻率和极化率的技术效果。
本申请实施例提供了一种地层电阻率和极化率的确定方法，包括：
获取目标区域的时频电磁观测数据和地质背景资料；
根据所述地质背景资料，利用均匀分布随机函数生成第一样本数据集；
根据所述时频电磁观测数据，对所述第一样本数据集进行聚类分析，确定出目标区域的地层电阻率和极化率。
在一个实施方式中，在获取目标区域的时频电磁观测数据后，所述方法还包括：
从所述时频电磁观测数据中提取指定频率范围的数据作为所述目标区域的时频电磁观测数据，其中，所述指定频率范围为大于等于0.01Hz，且小于等于100Hz。
在一个实施方式中，根据所述地质背景资料，利用均匀分布随机函数生成第一样本数据集，包括：
根据所述地质背景资料，确定第一样本数据集中的样本数据个数；
利用所述均匀分布随机函数生成多个样本数据，其中，所述多个样本数据的个数满足所述第一样本数据集中的样本数据个数；
根据所述多个样本数据，建立第一样本数据集。
在一个实施方式中，根据所述时频电磁观测数据，对所述第一样本数据集进行聚类分析，确定出目标区域的地层电阻率和极化率，包括：
对所述第一样本数据集进行归一化处理，得到第二样本数据集，其中，所述第二样本数据集中的样本数据的数值范围为大于等于-1，且小于等于1；
根据所述第二样本数据集，建立目标函数数据集，其中，所述目标函数数据集中的目标函数数据用于表征所述第二样本数据集中的样本数据与时频电磁观测数据的差异程度；
根据所述目标函数数据集，从所述第二样本数据集中提取多个样本数据作为第三样本数据集；
对所述第三样本数据集中的样本数据进行聚类分析，以确定所述目标区域的地层电阻率和极化率。
在一个实施方式中，对所述第一样本数据集进行归一化处理，包括：
按照以下公式对所述第一样本数据集中的样本数据进行归一化处理：
r′j＝2*rj-1
其中，rj为第一样本数据集中的样本数据内编号为j的元素，r′j为第二样本数据集中的样本数据内编号为j的元素，j为样本数据中元素的编号，其中，j的取值范围为[1,N]，N为样本数据的维数。
在一个实施方式中，根据所述第二样本数据集，建立目标函数数据集，包括：
按照以下公式确定所述目标函数数据集中的目标函数数据：
其中，F(xi)为目标函数数据集中编号为i的目标函数数据，i为第二样本数据集中样本数据的编号，r′j为第二样本数据集中的编号为i的样本数据内编号为j的元素，j为编号为i的样本数据内的元素的编号，dj为时频电磁观测数据中编号为j的元素，f(r′j)为第二样本数据集中的编号为i的样本数据内编号为j的元素的观测数据，N为样本数据的维数，std为观测数据的相对噪声系数。
在一个实施方式中，根据所述目标函数数据集，从所述第二样本数据集中提取多个样本数据作为第三样本数据集，包括：
从所述目标函数数据集中筛选出目标函数数据小于数据阈值的多个目标函数数据；
从所述第二样本数据集中，提取所述多个目标函数数据所对应的多个样本数据作为所述第三样本数据集。
在一个实施方式中，对所述第三样本数据集中的样本数据进行聚类分析，以确定所述目标区域的地层电阻率和极化率，包括：
通过最短距离法对所述第三样本数据集中的样本数据进行聚类分析，确定所述第三样本数据集中的样本数据的聚集度；
根据所述第三样本数据集中的样本数据的聚集度，通过拟牛顿梯度法从所述第三样本数据集中确定出样本数据作为所述目标区域的地层电阻率和极化率。
在一个实施方式中，在通过最短距离法对所述第三样本数据集中的样本数据进行聚类分析，以从所述第三样本数据集中的样本数据中筛选出数值最小的目标函数数据所对应的样本数据后，所述方法还包括：
对所述第三样本数据集中的样本数据进行多次聚类分析，以获取多个数值最小的目标函数数据所对应的样本数据作为候选样本数据；
从所述候选样本数据中确定出数值最小的目标函数数据所对应的样本数据作为所述目标区域的地层电阻率和极化率。
在一个实施方式中，在根据所述第一样本数据集，确定出目标区域的地层电阻率和极化率后，所述方法还包括：
根据所述目标区域的地层电阻率和极化率，确定出目标区域中地层电阻率和极化率的差异程度大于阈值程度的区域作为油气区域；
对所述油气区域进行油气勘探。
本申请实施例还提供了一种地层电阻率和极化率的确定装置，包括：
获取模块，用于获取目标区域的时频电磁观测数据和地质背景资料；
生成模块，用于根据所述地质背景资料，利用均匀分布随机函数生成第一样本数据集；
确定模块，用于根据所述时频电磁观测数据，对所述第一样本数据集进行聚类分析，确定出目标区域的地层电阻率和极化率。
本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机指令，所述指令被执行时实现获取目标区域的时频电磁观测数据和地质背景资料；根据所述地质背景资料，利用均匀分布随机函数生成第一样本数据集；根据所述时频电磁观测数据，对所述第一样本数据集进行聚类分析，确定出目标区域的地层电阻率和极化率。
本申请实施例还提供了一种电子设备，包括：输入设备、处理器和存储器，其中：
所述输入设备用于输入目标区域的时频电磁观测数据和地质背景资料；
所述处理器用于根据所述地质背景资料，利用均匀分布随机函数生成第一样本数据集；根据所述时频电磁观测数据，对所述第一样本数据集进行聚类分析，确定出目标区域的地层电阻率和极化率；
所述存储器用于存储程序指令。
在本申请实施例中，通过利用全局优化算法的机理，先通过均匀分布随机函数生成随机样本数据以建立第一样本数据集，再通过聚类分析从第一样本数据集中确定出符合要求的目标区域的地层电阻率和极化率，从而解决了现有方法中存在的处理速度慢、准确度差的技术问题，达到了兼顾处理效率，精确确定目标区域的地层电阻率和极化率的技术效果。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是根据本申请实施方式提供的地层电阻率和极化率的确定方法的处理流程图；
图2是根据本申请实施方式提供的地层电阻率和极化率的确定装置的组成结构图；
图3是基于本申请实施例提供的地层电阻率和极化率的确定方法的电子设备组成结构示意图；
图4是在一个场景示例中应用本申请实施例提供的地层电阻率和极化率的确定方法和装置获得的地层电阻率的剖面示意图；
图5是在一个场景示例中应用本申请实施例提供的地层电阻率和极化率的确定方法和装置获得的地层极化率的剖面示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
考虑到现有的地层电阻率和极化率的确定方法，往往是利用优化目标函数的方法通过求解线性方程组逐步迭代确定出一个最优解作为地层电阻率和极化率。但是受限于现有方法的实现机理，具体求解时，容易陷入求解局部极小值，而无法搜寻确定全局最小值，导致最终求解得到的结果数据的准确度往往相对较差。此外，现有方法由于本身所采用的算法结构较为复杂，收敛相对较慢，导致在实现时，处理速度相对较慢。针对产生上述技术问题的根本原因，本申请考虑可以对随机生成的样本数据进行聚类分析，以高效、快速地进行全局优化求解。具体的，可以通过利用均匀分布随机函数生成随机样本数据以建立第一样本数据集，再通过聚类分析从第一样本数据集中确定出符合要求的目标区域的地层电阻率和极化率，从而解决了现有方法中存在的处理速度慢、准确度差的技术问题，达到了兼顾处理效率，精确确定目标区域的地层电阻率和极化率的技术效果。
基于上述思考思路，本申请实施例提供了一种地层电阻率和极化率的确定方法。具体请参阅图1所示的根据本申请实施方式提供的地层电阻率和极化率的确定方法的处理流程图。本申请实施例提供的地层电阻率和极化率的确定方法，具体实施时，可以包括以下步骤。
在本实施方式中，考虑到现有的地层电阻率和极化率的确定方法在反演求解的过程中，由于反演本身就是一个欠定问题，造成得到的解往往是非唯一的，存在多解性问题。现有方法在具体反演求解时，通常会将反演近似为线性问题，进而采用线性优化算法进行反演求解，导致容易陷入局部最小，进而导致反演得到的解与真实数据差异相对较大。当然，现有方法也有采用非线性优化算法(例如线性化迭代、共轭梯度法、遗传算法、模拟退火算法等等)进行反演求解的，这样虽然区别于线性算法，能够进行全局寻优，但是由于反演过程中存在着一些不确定因素，例如随机因素等，会导致反演得到的解也存在不确定性，降低了求解的精确度。进一步的，在反演求解地层电阻率和极化率时，由于在利用所获取的目标区域的时频电磁观测数据反演有极化或电阻异常的参数以确定油气区域的过程中，现有的反演方法所存在的非唯一性和不确定性会更加显著，导致获取准确的地层电阻率和极化率的难度较大。为了降低上述利用时频电磁观测数据反演地层电阻率和极化率时存在的不确定性和唯一性，以提高反演精度，更好地反演得到时频电磁数据中的电阻率和极化率等特征信息，考虑可以借鉴模拟退火和遗传模反演方法等相关机理，提出基于全局优化算法的方法对时频电磁数据进行反演求解。
其中，上述全局优化算法的原理具体可以理解为将随机反演算法和梯度类线性搜索方法结合起来，以提高反演的速度和精度。具体的，可以是通过随机函数产生一个模型参数(或称参数解)样本集，即样本数据集；然后再选取模型参数集中一定比例的样本形成聚类分析和局部搜索的模型参数子集，再对这个模型参数循环进行聚类分析和局部搜索，以实现地层电阻率和极化率等参数的反演求解。
S11：获取目标区域的时频电磁观测数据和地质背景资料。
在本实施方式中，上述目标区域的时频电磁观测数据(也称实测数据)具体可以是理解为通过大功率时频电磁法采集得到的目标区域的实测的时频电场数据和/或时频磁场数据。
在一个实施方式中，通过大功率时频电磁法获取目标区域的时频电磁观测数据，具体实施时，可以包括以下内容：通过预先布设在目标区域的导线源在目标区域的地面上激发产生多种不同频率的方波；通过与上述导线源平行的测线上的测点采集基于上述方波形成的时频电场数据(记为Ex)和/或时频磁场数据(记为Hz)。其中，上述导线源具体可以是形状为水平长形的导线源。
在本实施方式中，需要说明的是，具体实施时可以将测线上的测点所采集的时频电场数据和时频磁场数据一起作为上述目标区域的时频电磁数据；也可以根据具体情况和需要将测线上的测点所采集的时频电场数据和时频磁场数据中的一种作为目标区域的时频电磁数据。对此，本申请不作限定。
在一个实施方式中，在获取目标区域的时频电磁数据后，为了进一步提高后续处理的精确度，可以根据具体情况先对所获取的目标区域的时频电磁数据进行提取。具体的，在获取目标区域的时频电磁观测数据后，所述方法还可以包括以下内容：从所述时频电磁观测数据中提取指定频率范围的数据作为所述目标区域的时频电磁观测数据，其中，所述指定频率范围为大于等于0.01Hz，且小于等于100Hz。当然，需要说明的是，上述所列举逇指定频率范围只是为了更好地说明本申请实施方式。具体实施时，根据具体情况和施工要求也可以选择其他频率范围作为上述指定频率范围。对此，本申请不作限定。
在本实施方式中，上述地质背景资料具体可以理解为目标区域的地质数据记录、目标区域的测井数据、目标区域的地震数据等等。当然，上述所列举的目标区域的地质背景资料只是为了更好地说明本申请实施方式。对于地质背景资料的具体内容，本申请不作限定。
S12：根据所述地质背景资料，利用均匀分布随机函数生成第一样本数据集。
在本实施方式中，上述第一样本数据集具体可以理解为一种由多个初始的参数解组成的数据集合。其中，上述第一样本数据集中的任意一个样本数据对应于一个参数解，具体的，上述每一个样本数据又由多个元素组成，每一个样本数据中的元素对应于目标区域中的一个测点位置处的地层电阻率和极化率(参数)。
在一个实施方式中，上述根据所述地质背景资料，利用均匀分布随机函数生成第一样本数据集，具体实施时，可以包括以下内容：
S1：根据所述地质背景资料，确定第一样本数据集中的样本数据个数；
S2：利用所述均匀分布随机函数生成多个样本数据，其中，所述多个样本数据的个数满足所述第一样本数据集中的样本数据个数；
S3：根据所述多个样本数据，建立第一样本数据集。
在一个实施方式中，上述根据所述地质背景资料，确定第一样本数据集中的样本数据个数，具体可以包括：根据所述地质背景资料，确定目标区域中地层层数N；根据所述目标区域中地层层数确定第一样本数据集中的样本数据个数Ns。
在一个实施方式中，上述第一样本数据集中的样本数据个数具体可以按照以下公式确定：Ns＝100*N。其中，Ns具体可以表示为第一样本数据集中的样本数据个数，N具体可以表示为地层层数。
在一个实施方式中，上述第一样本数据集中的样本数据个数的取值范围具体可以设置为大于等20，且小于等10000。当然，需要说明的是，上述所列举的数值范围只是为了更好地说明本申请实施方式。具体实施时，还可以根据具体情况和施工要求，选择其他合适的数值范围作为上述第一样本数据集中的样本数据个数的取值范围。对此，本申请不作限定。
在一个实施方式中，上述利用所述均匀分布随机函数生成多个样本数据，具体可以理解为通过均匀分布随机函数随机生成多个样本数据，其中，上述多个样本数据的个数与第一样本数据集中的样本数据个数相等，多个样本数据中的各个样本数据对应于一个初始参数解；进而后续可以根据上述多个样本数据建立第一样本数据集(记为S)。
在一个实施方式中，根据所述地质背景资料，利用均匀分布随机函数生成第一样本数据集，具体实施时，所述方法还包括以下内容：根据地质背景资料确定其他求解参数。其中，所述其他求解参数具体可以包括以下至少之一：反演循环迭代次数Ni、第一次聚类分析和局部搜索的样本数据的个数Nsel、样本个体进行局部搜索时停止搜索的误差标准Errorlevel、模型参数的极大值Xmax、模型参数的极小值Xmin等等。当然，需要说明的是，上述所列举的其他求解参数只是一种示意性说明。具体实施时，还可以根据具体情况和要求引入其他类型的参数。对此，本申请不作限定。
在一个实施方式中，具体实施时，上述反演循环迭代次数Ni的取值范围具体可以设置为大于等于20，且小于等于30。上述第一次聚类分析和局部搜索的样本数据的个数Nsel的取值范围具体可以设置为大于等于2，且小于等于20。上述样本个体进行局部搜索时停止搜索的误差标准Errorlevel的取值范围具体可以设置为大于等于10-6，且小于等于10-4。当然，需要说明的是，上述所列举的数值范围只是一种示意性说明，不应构成对本申请的不当限定。
S13：根据所述时频电磁观测数据，对所述第一样本数据集进行聚类分析，确定出目标区域的地层电阻率和极化率。
在本实施方式中，所确定得到的上述目标区域的地层电阻率和极化率具体可以理解为目标区域中测点位置处的地层电阻率和极化率。
在一个实施方式中，上述根据所述时频电磁观测数据，对所述第一样本数据集进行聚类分析，确定出目标区域的地层电阻率和极化率，具体实施时，可以包括以下内容：
S1：对所述第一样本数据集(可以记为S)进行归一化处理，得到第二样本数据集(可以记为X)，其中，所述第二样本数据集中的样本数据的数值范围为大于等于-1，且小于等于1；
S2：根据所述第二样本数据集，建立目标函数数据集(可以记为F)，其中，所述目标函数数据集中的目标函数数据用于表征所述第二样本数据集中的样本数据与时频电磁观测数据的差异程度；
S3：根据所述目标函数数据集，从所述第二样本数据集中提取多个样本数据作为第三样本数据集(可以记为X10)；
S4：对所述第三样本数据集中的样本数据进行聚类分析，以确定所述目标区域的地层电阻率和极化率。
在本实施方式中，上述聚类分析具体可以理解为是一种多变量统计方法。具体考虑到样品或指标(变量)之间存在程度不同的相似性(例如亲疏关系等)，可以根据一批样品的多个观测指标，找出一些能够度量样品或指标之间相似程度的统计量，以这些统计量为划分类型的依据，进而可以把一些相似程度较大的样品(或指标)聚合为一类，把另外一些彼此之间相似程度较大的样品(或指标)又聚合为另一类，直到把所有的样品(或指标)聚合完毕。通常根据分类对象的不同，可以分为Q型聚类分析和R型聚类分析两大类。
在一个实施方式中，为了便于后续数据处理，减少后续数据处理过程中由于不同样本数据之间的数值差异过大而形成的误差，可以先对第一样本数据集中的样本数据分别进行归一化处理，以使得第一样本数据集中的各个样本数据处于同一数量级。
在一个实施方式中，上述对所述第一样本数据集进行归一化处理，具体实施时，可以包括：
按照以下公式对所述第一样本数据集中的样本数据进行归一化处理：
r′j＝2*rj-1
其中，rj具体可以表示为第一样本数据集中的样本数据内编号为j的元素，r′j具体可以表示为第二样本数据集中的样本数据内编号为j的元素，j具体可以表示为样本数据中元素的编号，其中，j的取值范围具体可以表示为[1,N]，N具体可以表示为样本数据的维数。
在本实施方式中，上述目标函数集中的各个目标函数数据与第二样本数据集中的一个样本数据对应，可以用于表征该样本数据与观测数据的差异程度。
在一个实施方式中，上述根据所述第二样本数据集，建立目标函数数据集，具体实施时，可以包括：
按照以下公式确定所述目标函数数据集中的目标函数数据：
其中，F(xi)具体可以表示为目标函数数据集中编号为i的目标函数数据，i具体可以表示为第二样本数据集中样本数据的编号，r′j具体可以表示为第二样本数据集中的编号为i的样本数据内编号为j的元素，j具体可以表示为编号为i的样本数据内的元素的编号，dj具体可以表示为时频电磁观测数据中编号为j的元素，f(r′j)具体可以表示为第二样本数据集中的编号为i的样本数据内编号为j的元素的观测数据，N具体可以表示为样本数据的维数，std具体可以表示为观测数据的相对噪声系数。
在一个实施方式中，为了进一步提高处理速度，减少差异程度相对较大的样本数据的干扰和影响，可以先对第二样本数据集中的样本数据进行筛选，以从第二样本数据集提取出多个差异程度相对较小的、效果相对较好的样本数据以组成第三样本数据集，进而可以对第三样本数据集进行具体的聚类分析。
在一个实施方式中，上述根据所述目标函数数据集，从所述第二样本数据集中提取多个样本数据作为第三样本数据集，具体实施时，可以包括以下内容：
S1：从所述目标函数数据集中筛选出目标函数数据小于数据阈值的多个目标函数数据；
S2：从所述第二样本数据集中，提取所述多个目标函数数据所对应的多个样本数据作为所述第三样本数据集。
在本实施方式中，上述数据阈值具体可以根据具体情况和精度要求确定。对此，本申请不作限定。
在一个实施方式中，除了可以按照上述方式根据所述目标函数数据集，从所述第二样本数据集中提取多个样本数据作为第三样本数据集外，还可以按照以下方式提取第二样本数据集中的多个样本数据，建立第三样本数据集：将目标函数数据集中的目标函数数据按照数值由小到大的顺序进行排序，提取排序靠前的预设比例的多个目标函数数据所对应的第二样本数据集中的样本数据，建立上述第三样本数据集。
在本实施方式中，上述预设比例具体可以按照以下公式计算：
Ncl＝((it-1)*Nsel/Ns)*100
其中，Ncl具体可以表示为预设比例，it具体可以表示为反演迭代次数，Nsel具体可以表示为聚类分析和局部搜索的样本个体数。
在一个实施方式中，上述对所述第三样本数据集中的样本数据进行聚类分析，以确定所述目标区域的地层电阻率和极化率，具体实施时，可以包括以下内容：
S1：通过最短距离法对所述第三样本数据集中的样本数据进行聚类分析，确定所述第三样本数据集中的样本数据的聚集度；
S2：根据所述第三样本数据集中的样本数据的聚集度，通过拟牛顿梯度法从所述第三样本数据集中确定出样本数据作为所述目标区域的地层电阻率和极化率。
在本实施方式中，上述最短距离法，也可以称为最小距离分类，具体可以是指一种通过求出未知类别向量到要识别各类别代表向量中心点的距离，再将未知类别向量归属于距离最小一类的分类方法。
在本实施方式中，上述拟牛顿梯度法，也可以称为拟牛顿法(Quasi-NewtonMethods)，具体可以理解为是一种求解非线性优化问题的数学方法。该方法具体实现时，只要求每一步迭代时的目标函数的梯度，通过测量梯度的变化，构造一个目标函数的模型进行处理，便可以产生超线性收敛效果，从而提高收敛速度。
在本实施方式中，通过上述方法可以快速地从第三数据集中确定出符合要求的准确度较好的全局最优解作为目标区域的地层电阻率和极化率。
在本申请实施例中，相较于现有方法，通过利用均匀分布随机函数生成随机样本数据以建立第一样本数据集，再通过聚类分析从第一样本数据集中确定出符合要求的目标区域的地层电阻率和极化率，从而解决了现有方法中存在的处理速度慢、准确度差的技术问题，达到了兼顾处理效率，精确确定目标区域的地层电阻率和极化率的技术效果。
在一个实施方式中，为了进一步改善处理的准确度，在通过最短距离法对所述第三样本数据集中的样本数据进行聚类分析，以从所述第三样本数据集中的样本数据中筛选出数值最小的目标函数数据所对应的样本数据后，所述方法具体实施时还可以包括以下内容：
S1：对所述第三样本数据集中的样本数据进行多次聚类分析，以获取多个数值最小的目标函数数据所对应的样本数据作为候选样本数据；
S2：从所述候选样本数据中确定出数值最小的目标函数数据所对应的样本数据作为所述目标区域的地层电阻率和极化率。
在本实施方式中，需要说明的是，在按照上述方法通过聚类分析得到地层电阻率和极化率后，进一步的，还可以多次重复上述操作，得到多组地层电阻率和极化率；再计算多组地层电阻率和极化率所对应的目标函数数据，选择目标函数数据最小的一组地层电阻率和极化率作为最终的目标区域的地层电阻率和极化率。这样可以获取得到准确度相对更高的地层电阻率和极化率。
在一个实施方式中，为了能够对目标区域进行具体的油气勘探，在根据所述第一样本数据集，确定出目标区域的地层电阻率和极化率后，所述方法具体实施时，还可以包括以下内容：
S1：根据所述目标区域的地层电阻率和极化率，确定出目标区域中地层电阻率和极化率的差异程度大于阈值程度的区域作为油气区域；
S2：对所述油气区域进行油气勘探。
在本实施方式中，通常目标区域中的周边区域地层电阻率和极化率出现异常的地方即差异程度较大的区域往往是可能存储有油气的区域，因此，可以将上述区域确定为油气区域，以便后续进行进一步更加具体的油气勘探。
在本实施方式中，上述阈值程度可以根据具体工况和施工要求灵活设定。对此，本申请不作限定。
从以上的描述中，可以看出，本申请实施例提供的地层电阻率和极化率的确定方法，通过利用均匀分布随机函数生成随机样本数据以建立第一样本数据集，再通过聚类分析从第一样本数据集中确定出符合要求的目标区域的地层电阻率和极化率，从而解决了现有方法中存在的处理速度慢、准确度差的技术问题，达到了兼顾处理效率，精确确定目标区域的地层电阻率和极化率的技术效果；还通过对第一样本数据集中的数据进行筛选，得到效果较好的样本数据作为第三样本数据集，进而基于第三样本数据集进行聚类分析，以确定出目标区域的地层电阻率和极化率，进一步提高了处理速度，改善了准确度；又通过对第三样本数据集进行多次的聚类分析，以获得多个地层电阻率和极化率，进而对多个地层电阻率和极化率进行进一步的筛选以确定目标区域的地层电阻率和极化率，从而减少了误差，提高了所确定的地层电阻率和极化率的精确度。
基于同一发明构思，本发明实施例中还提供了一种地层电阻率和极化率的确定装置，如下面的实施例所述。由于地层电阻率和极化率的确定装置解决问题的原理与地层电阻率和极化率的确定方法相似，因此地层电阻率和极化率的确定装置的实施可以参见地层电阻率和极化率的确定方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。请参阅图2，是本申请实施例提供的地层电阻率和极化率的确定装置的一种组成结构图，该装置具体可以包括：获取模块201、生成模块202、确定模块203，下面对该结构进行具体说明。
获取模块201，具体可以用于获取目标区域的时频电磁观测数据和地质背景资料；
生成模块202，具体可以用于根据所述地质背景资料，利用均匀分布随机函数生成第一样本数据集；
确定模块203，具体可以用于根据所述时频电磁观测数据，对所述第一样本数据集进行聚类分析，确定出目标区域的地层电阻率和极化率。
在一个实施方式中，上述装置具体还可以包括提取模块，具体可以用于在获取目标区域的时频电磁观测数据后，从所述时频电磁观测数据中提取指定频率范围的数据作为所述目标区域的时频电磁观测数据，其中，所述指定频率范围为大于等于0.01Hz，且小于等于100Hz。当然，需要说明的是，上述所列举的指定频率范围只是为了更好地说明本申请实施方式。具体实施时，也可以根据具体情况和施工要求选择其他的频率范围作为上述指定频率范围。对此，本申请不作限定。
在一个实施方式中，为了能够利用均匀分布随机函数生成第一样本数据集，上述生成模块202具体可以包括以下结构单元：
第一确定单元，具体可以用于根据所述地质背景资料，确定第一样本数据集中的样本数据个数；
生成单元，具体可以用于利用所述均匀分布随机函数生成多个样本数据，其中，所述多个样本数据的个数满足所述第一样本数据集中的样本数据个数；
第一建立单元，具体可以用于根据所述多个样本数据，建立第一样本数据集。
在一个，为了能够对所述第一样本数据集进行聚类分析，确定出目标区域的地层电阻率和极化率，上述确定模块203具体实施时，可以包括以下结构单元：
归一化处理单元，具体可以用于对所述第一样本数据集进行归一化处理，得到第二样本数据集，其中，所述第二样本数据集中的样本数据的数值范围为大于等于-1，且小于等于1；
第二建立单元，具体可以用于根据所述第二样本数据集，建立目标函数数据集，其中，所述目标函数数据集中的目标函数数据用于表征所述第二样本数据集中的样本数据与时频电磁观测数据的差异程度；
第一提取单元，具体可以用于根据所述目标函数数据集，从所述第二样本数据集中提取多个样本数据作为第三样本数据集；
第一分析单元，具体可以用于对所述第三样本数据集中的样本数据进行聚类分析，以确定所述目标区域的地层电阻率和极化率。
在一个实施方式中，上述归一化处理单元具体实施时，可以按照以下公式对所述第一样本数据集中的样本数据进行归一化处理：
r′j＝2*rj-1
其中，rj具体可以表示为第一样本数据集中的样本数据内编号为j的元素，r′j具体可以表示为第二样本数据集中的样本数据内编号为j的元素，j具体可以表示为样本数据中元素的编号，其中，j的取值范围具体可以表示为[1,N]，N具体可以表示为样本数据的维数。
在一个实施方式中，上述第二建立单元具体实施时，可以按照以下公式确定所述目标函数数据集中的目标函数数据：
其中，F(xi)具体可以表示为目标函数数据集中编号为i的目标函数数据，i具体可以表示为第二样本数据集中样本数据的编号，r′j具体可以表示为第二样本数据集中的编号为i的样本数据内编号为j的元素，j具体可以表示为编号为i的样本数据内的元素的编号，dj具体可以表示为时频电磁观测数据中编号为j的元素，f(r′j)具体可以表示为第二样本数据集中的编号为i的样本数据内编号为j的元素的观测数据，N具体可以表示为样本数据的维数，std具体可以表示为观测数据的相对噪声系数。
在一个实施方式中，上述第一提取单元具体实施时，可以包括以下结构子单元：
筛选子单元，具体可以用于从所述目标函数数据集中筛选出目标函数数据小于数据阈值的多个目标函数数据；
提取子单元，具体可以用于从所述第二样本数据集中，提取所述多个目标函数数据所对应的多个样本数据作为所述第三样本数据集。
在一个实施方式中，为了能够对所述第三样本数据集中的样本数据进行聚类分析，以确定所述目标区域的地层电阻率和极化率，上述第一分析单元具体可以包括以下结构子单元：
分析子单元，具体可以用于通过最短距离法对所述第三样本数据集中的样本数据进行聚类分析，确定所述第三样本数据集中的样本数据的聚集度；
确定子单元，具体可以用于根据所述第三样本数据集中的样本数据的聚集度，通过拟牛顿梯度法从所述第三样本数据集中确定出样本数据作为所述目标区域的地层电阻率和极化率。
在一个实施方式中，为了提高所确定的地层电阻率和极化率的准确度，上述装置具体实施时还可以包括校正模块，具体可以用于对所述第三样本数据集中的样本数据进行多次聚类分析，以获取多个数值最小的目标函数数据所对应的样本数据作为候选样本数据；从所述候选样本数据中确定出数值最小的目标函数数据所对应的样本数据作为所述目标区域的地层电阻率和极化率。
在一个实施方式中，为了能够对目标区域进行具体的油气勘探，上述装置具体还可以包括施工模块，具体可以用于根据所述目标区域的地层电阻率和极化率，确定出目标区域中地层电阻率和极化率的差异程度大于阈值程度的区域作为油气区域；对所述油气区域进行油气勘探。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
需要说明的是，上述实施方式阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。为了描述的方便，在本说明书中，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
此外，在本说明书中，诸如第一和第二这样的形容词仅可以用于将一个元素或动作与另一元素或动作进行区分，而不必要求或暗示任何实际的这种关系或顺序。在环境允许的情况下，参照元素或部件或步骤(等)不应解释为局限于仅元素、部件、或步骤中的一个，而可以是元素、部件、或步骤中的一个或多个等。
从以上的描述中，可以看出，本申请实施例提供的地层电阻率和极化率的确定装置，通过生成模块利用均匀分布随机函数生成随机样本数据以建立第一样本数据集，再通过确定模块通过聚类分析从第一样本数据集中确定出符合要求的目标区域的地层电阻率和极化率，从而解决了现有方法中存在的处理速度慢、准确度差的技术问题，达到了兼顾处理效率，精确确定目标区域的地层电阻率和极化率的技术效果；还通过确定模块对第一样本数据集中的数据进行筛选，得到效果较好的样本数据作为第三样本数据集，进而基于第三样本数据集进行聚类分析，以确定出目标区域的地层电阻率和极化率，进一步提高了处理速度，改善了准确度；又通过校正模块对第三样本数据集进行多次的聚类分析，以获得多个地层电阻率和极化率，进而对多个地层电阻率和极化率进行进一步的筛选以确定目标区域的地层电阻率和极化率，从而减少了误差，提高了所确定的地层电阻率和极化率的精确度。
本申请实施方式还提供了一种电子设备，具体可以参阅图3所示的基于本申请实施例提供的地层电阻率和极化率的确定方法的电子设备组成结构示意图，所述电子设备具体可以包括输入设备31、处理器32、存储器33。其中，所述输入设备31具体可以用于输入目标区域的时频电磁观测数据和地质背景资料。所述处理器32具体可以用于根据所述地质背景资料，利用均匀分布随机函数生成第一样本数据集；根据所述时频电磁观测数据，对所述第一样本数据集进行聚类分析，确定出目标区域的地层电阻率和极化率。所述存储器33具体可以用于存储相关的程序指令、经输入设备输入的目标区域的时频电磁观测数据和地质背景资料，以及处理器32生成的中间数据。
在本实施方式中，所述输入设备具体可以是用户和计算机系统之间进行信息交换的主要装置之一。所述输入设备可以包括键盘、鼠标、摄像头、扫描仪、光笔、手写输入板、语音输入装置等；输入设备用于把原始数据和处理这些数的程序输入到计算机中。所述输入设备还可以获取接收其他模块、单元、设备传输过来的数据。所述处理器可以按任何适当的方式实现。例如，处理器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式等等。所述存储器具体可以是现代信息技术中用于保存信息的记忆设备。所述存储器可以包括多个层次，在数字系统中，只要能保存二进制数据的都可以是存储器；在集成电路中，一个没有实物形式的具有存储功能的电路也叫存储器，如RAM、FIFO等；在系统中，具有实物形式的存储设备也叫存储器，如内存条、TF卡等。
在本实施方式中，该电子设备具体实现的功能和效果，可以与其它实施方式对照解释，在此不再赘述。
本申请实施方式中还提供了一种基于地层电阻率和极化率的确定方法的计算机存储介质，所述计算机存储介质存储有计算机程序指令，在所述计算机程序指令被执行时实现：获取目标区域的时频电磁观测数据和地质背景资料；根据所述地质背景资料，利用均匀分布随机函数生成第一样本数据集；根据所述时频电磁观测数据，对所述第一样本数据集进行聚类分析，确定出目标区域的地层电阻率和极化率。
在本实施方式中，上述存储介质包括但不限于随机存取存储器(RandomAccessMemory,RAM)、只读存储器(Read-OnlyMemory,ROM)、缓存(Cache)、硬盘(Hard DiskDrive,HDD)或者存储卡(Memory Card)。所述存储器可以用于存储计算机程序指令。网络通信单元可以是依照通信协议规定的标准设置的，用于进行网络连接通信的接口。
在本实施方式中，该计算机存储介质存储的程序指令具体实现的功能和效果，可以与其它实施方式对照解释，在此不再赘述。
在一个具体实施场景示例中，应用本申请实施例的提供地层电阻率和极化率的确定方法和装置对某区域的地层电阻率和极化率进行确定，进而根据所确定的地层电阻率和极化率从该区域中搜索确定的可能存储有油气的油气区域。具体实施过程可以参阅以下内容。
S1：获取目标区域的时频电磁数据(或称实测时频电磁数据)，并依据实测时频电磁数据的发射频率的分布范围和分量类型，选择参加反演的时频电磁数据(即提取指定频率范围的时频电磁数据)。
在本实施方式中，所述的参加反演的时频电磁数据的发射频率的范围具体可以为0.01Hz-100Hz。所述的参加反演中时频电磁数据的分量具体可以包括：与场源平行的电场分量数据Ex和/或与场源垂直的磁场分量数据Hz。
S2：确定初始数据(包括第一样本数据集和其他求解参数)。
在本实施方式中，具体实施时，可以根据目标区域的反演的未知数(即待求解的地层电阻率和极化率)的个数为N。相应的，可以根据地质背景资料依次确定初始随机产生的样本(即第一样本数据集)的个体总数为Ns，确定反演循环迭代次数为Ni，确定进行第一次聚类分析和局部搜索的样本个体数为Nsel，确定样本个体进行局部搜索时停止搜索的误差标准为Errorlevel，确定模型参数的极大值为Xmax，确定模型参数的极小值为Xmin。其中，所述的反演未知数个数具体可以是指反演的层数N；反演的样本总数具体可以是指所有样本个体的总和，样本个体具体通过均匀分布的随机函数生成。
在本实施方式中，所述初始个体样本总和Ns的取值范围具体可以设置为20-10000，通常情况下可以按照以下算式确定：100*N；反演迭代次数Ni的取值范围具体可以设置为10-30；初始聚类分析和局部搜索的个体数Nsel取值范围具体可以设置为2-20；个体进行局部搜索停止的误差标准Errorlevel的取值范围具体可以设置为10-6至10-4。
S3：利用均匀分布函数随机产生Ns个的样本数据形成S集(即第一样本数据集)，再将S集中的样本个体(即样本数据)按照变换公式变换后形成样本集X(即第二样本数据集)。其中，样本数据集中每个样本个体的维数为N。计算样本集X中每个样本个体的目标函数值，形成目标函数样本集(即目标函数数据集)F。并按照升序对F集中的目标函数数据进行排序，同时将X中每个样本数据个体按照相同的顺序进行排序。
在本实施方式中，可以按照以下公式对所述第一样本数据集中的样本数据进行归一化处理：
r′j＝2*rj-1 (1)
其中，rj具体可以表示为第一样本数据集中的样本数据内编号为j的元素，r′j具体可以表示为第二样本数据集中的样本数据内编号为j的元素，j具体可以表示为样本数据中元素的编号，其中，j的取值范围具体可以表示为[1,N]，N具体可以表示为样本数据的维数。
在本实施方式中，目标函数数据的计算公式可以表示为如下形式：
其中，F(xi)具体可以表示为目标函数数据集中编号为i的目标函数数据，i具体可以表示为第二样本数据集中样本数据的编号，r′j具体可以表示为第二样本数据集中的编号为i的样本数据内编号为j的元素，j具体可以表示为编号为i的样本数据内的元素的编号，dj具体可以表示为时频电磁观测数据中编号为j的元素，f(r′j)具体可以表示为第二样本数据集中的编号为i的样本数据内编号为j的元素的观测数据，N具体可以表示为样本数据的维数，std具体可以表示为观测数据的相对噪声系数。
S3：按照某个百分比(即预设比例)提取样本集X中的目标函数数据所对应的第二样本数据集中的样本数据个体，以形成用于聚类分析和局部搜索的实际样本集X10(即第三样本数据集)。
在本实施方式中，实际样本集中的数据个数具体可以设置为it*Ncl*Ns。具体的，如果it为1，可以将X10赋值给X0，则X0为局部极小值样本集，直接跳转到S7。
在本实施方式中，所述百分比公式具体可以表示为如下形式：
Ncl＝((it-1)*Nsel/Ns)*100 (3)
其中，Ncl具体可以表示为预设比例，it具体可以表示为反演迭代次数，Nsel具体可以表示为聚类分析和局部搜索的样本个体数。
S4：对局部极小值样本集X0和实际样本集X10中个体循环进行it*Nsel次聚类分析。其中，上述聚类分析所采用的方法具体可以为最短距离法。
在本实施方式中，具体进行聚类分析时，第i次循环从X10样本集中选取一个样本个体xi，从局部极小值样本集X0中选取一个样本个体xj，如果样本个体满足式(4)的条件，将该样本个体放入到局部极小值样本集X0中。当所有的样本都聚类成一个种群后，跳转到最后一步。
在本实施方式中，所述实际样本个体满足式(4)条件公式具体可以表示为以下形式：
Max(abs(xj-xi))＜b,i＝1,(it-1)*Nsel,j＝1,Ncl (4)
其中，式(4)和(5)中it是迭代次数，Nsel为聚类分析和局部搜索的样本个体数，Ns为初始样本个体总数，Ncl是局部极小值样本集的样本数。
S5：对局部搜索和聚类分析种子样本X1与实际样本集X10中样本数据个体循环进行it*Nsel次聚类分析。其中，聚类分析所采用的方法为最短距离法。
在本实施方式中，具体进行聚类分析时，第i次循环时从X10样本集中选取一个样本数据个体xi，从局部极小值样本集X1中选取一个样本数据个体xj，如果样本数据个体满足式(4)的条件，将该样本个体放入到局部搜索和聚类分析种子样本集X1中。当所有的样本都聚类成一个种群后，跳转到最后一步。
S6：对局部极小值样本集X0和实际样本集X10中样本数据个体循环进行it*Nsel次局部直接搜索。其中，上述搜索方法具体可以采用拟牛顿梯度法。
在本实施方式中，具体实施时，在第i次循环中对X10样本集中样本数据个体xi进行局部搜索得到新样本数据个体yi，从X0局部最小值样本集中任意选取一个样本数据个体xj，如果满足公式(6)条件，就将这个样本个体yi加入到局部极小值样本集X0，并将这个样本数据个体xi加入到局部搜索和聚类分析本集X1，跳转到S8。否则认为样本yi是一个新局部最小点，将该样本添加到样本子集X0中。
在本实施方式中，上述所述实际样本个体满足式(6)条件公式具体可以表示为以下形式：
Max(abs(xj-yi))＜bb,i＝1,(it-1)*Nsel,j＝1,Ncl(6)
式(6)和(7)中it是迭代次数，Nsel为聚类分析和局部搜索的样本个体数，Ns为初始样本个体总数，Ncl是局部极小值样本集的样本数。
S7：对上一步的新种子样本数据个体xi与实际样本集X10中的样本数据个体循环进行it*Nsel次聚类分析。
在本实施方式中，具体进行聚类分析时，第i次循环从X10样本集中选取一个样本数据个体xi，从局部极小值样本集X0中选取一个样本数据个体xj，如果样本数据个体满足式(4)的条件，则将该样本个体放入到局部极小值样本集X0中；如果it＝Ni，跳转到S9；否则循环次数迭代参数增加1，即it＝it+1，跳转到S3。
S8：计算样局部最小值样本子集X0中目标函数数据最小的那个样本数据，该样本数据集为所要求解的全局最小值，对应的，即是要求解的最优解(即目标区域的地层电阻率和极化率)。这时优化过程停止，完成对目标区域的地层电阻率和/或极化率的反演求解。
在本实施方式中，可以重复上述S3、S4、S5、S6、S7、S8等步骤，当迭代次数达到种群聚类条件时，这样就实现基于全局优化算法的时频电磁法反演技术。
根据所求解得到的目标区域的地层电阻率和极化率，可以分别建立电阻率剖面示意图和极化率剖面示意图，进而可以根据上述电阻率剖面示意图和极化率剖面示意图锁定目标区域中的油气区域，以进行具体的油气勘探。
具体的，可以参阅图4所示的在一个场景示例中应用本申请实施例提供的地层电阻率和极化率的确定方法和装置获得的地层电阻率的剖面示意图(图中Distance表示距离、Depth表示深度、Res表示电阻率)，以及图5所示的在一个场景示例中应用本申请实施例提供的地层电阻率和极化率的确定方法和装置获得的地层极化率的剖面示意图(图中Distance表示距离、Depth表示深度、Polarization表示极化率)。其中，图1、2中可以看出在1500-1600m深度，水平距离6-10km区域范围内，呈现的是低电阻率、低极化率特征，预测为非有利油气目标，钻井结果显示，在该深度上出水，与预测结果吻合，说明该处理技术的处理效果非常好。
与现有方法比较可知：本申请实施例提供的地层电阻率和极化率的确定方法是一种依据全局优化算法的时频电磁反演技术，通过对实测电磁数据(时频电磁数据)进行处理，获得了多次迭代后的测线下方地下介质电阻率和极化率分布，满足了构造、断层、圈闭的解释需要，同时还满足油气圈闭含油气性评价的需要。同时，全局优化算法的时频电磁反演技术克服了模拟退火反演技术的计算时间慢的缺点，同时克服了遗传算法陷入局部极小的缺点，因此全局优化算法的时频电磁反演技术具有全局寻找极小值和计算速度快的特点。本发明成功地应用于实测电磁数据的数据处理中，推动了时频电磁勘探技术的处理技术的进步，为时频电磁法实测数据提取电阻率和极化率信息提供了新的手段和方法，而且该方法还可以用在大地电磁、音频大地电磁等方法的反演问题研究之中。
通过上述场景示例，验证了本申请实施例提供的地层电阻率和极化率的确定方法和装置，通过利用均匀分布随机函数生成随机样本数据以建立第一样本数据集，再通过聚类分析从第一样本数据集中确定出符合要求的目标区域的地层电阻率和极化率，确实解决了现有方法中存在的处理速度慢、准确度差的技术问题，达到了兼顾处理效率，精确确定目标区域的地层电阻率和极化率的技术效果。
尽管本申请内容中提到不同的具体实施例，但是，本申请并不局限于必须是行业标准或实施例所描述的情况等，某些行业标准或者使用自定义方式或实施例描述的实施基础上略加修改后的实施方案也可以实现上述实施例相同、等同或相近、或变形后可预料的实施效果。应用这些修改或变形后的数据获取、处理、输出、判断方式等的实施例，仍然可以属于本申请的可选实施方案范围之内。
虽然本申请提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的手段可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的装置或客户端产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境，甚至为分布式数据处理环境)。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、产品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、产品或者设备所固有的要素。在没有更多限制的情况下，并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。
上述实施例阐明的装置或模块等，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本申请时可以把各模块的功能在同一个或多个软件和/或硬件中实现，也可以将实现同一功能的模块由多个子模块的组合实现等。以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。
本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构、类等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，移动终端，服务器，或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例采用递进的方式描述，各个实施例之间相同或相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。本申请可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
虽然通过实施例描绘了本申请，本领域普通技术人员知道，本申请有许多变形和变化而不脱离本申请的精神，希望所附的实施方式包括这些变形和变化而不脱离本申请。
Claims (13)
1.一种地层电阻率和极化率的确定方法，其特征在于，包括：
获取目标区域的时频电磁观测数据和地质背景资料；
根据所述地质背景资料，利用均匀分布随机函数生成第一样本数据集；
根据所述时频电磁观测数据，对所述第一样本数据集进行聚类分析，确定出目标区域的地层电阻率和极化率。
2.根据权利要求1所述的方法，其特征在于，在获取目标区域的时频电磁观测数据后，所述方法还包括：
从所述时频电磁观测数据中提取指定频率范围的数据作为所述目标区域的时频电磁观测数据，其中，所述指定频率范围为大于等于0.01Hz，且小于等于100Hz。
3.根据权利要求1所述的方法，其特征在于，根据所述地质背景资料，利用均匀分布随机函数生成第一样本数据集，包括：
根据所述地质背景资料，确定第一样本数据集中的样本数据个数；
利用所述均匀分布随机函数生成多个样本数据，其中，所述多个样本数据的个数满足所述第一样本数据集中的样本数据个数；
根据所述多个样本数据，建立第一样本数据集。
4.根据权利要求1所述的方法，其特征在于，根据所述时频电磁观测数据，对所述第一样本数据集进行聚类分析，确定出目标区域的地层电阻率和极化率，包括：
对所述第一样本数据集进行归一化处理，得到第二样本数据集，其中，所述第二样本数据集中的样本数据的数值范围为大于等于-1，且小于等于1；
根据所述第二样本数据集，建立目标函数数据集，其中，所述目标函数数据集中的目标函数数据用于表征所述第二样本数据集中的样本数据与时频电磁观测数据的差异程度；
根据所述目标函数数据集，从所述第二样本数据集中提取多个样本数据作为第三样本数据集；
对所述第三样本数据集中的样本数据进行聚类分析，以确定所述目标区域的地层电阻率和极化率。
5.根据权利要求4所述的方法，其特征在于，对所述第一样本数据集进行归一化处理，包括：
按照以下公式对所述第一样本数据集中的样本数据进行归一化处理：
r′j＝2*rj-1
其中，rj为第一样本数据集中的样本数据内编号为j的元素，r′j为第二样本数据集中的样本数据内编号为j的元素，j为样本数据中元素的编号，其中，j的取值范围为[1,N]，N为样本数据的维数。
6.根据权利要求4所述的方法，其特征在于，根据所述第二样本数据集，建立目标函数数据集，包括：
按照以下公式确定所述目标函数数据集中的目标函数数据：
其中，F(xi)为目标函数数据集中编号为i的目标函数数据，i为第二样本数据集中样本数据的编号，r′j为第二样本数据集中的编号为i的样本数据内编号为j的元素，j为编号为i的样本数据内的元素的编号，dj为时频电磁观测数据中编号为j的元素，f(r′j)为第二样本数据集中的编号为i的样本数据内编号为j的元素的观测数据，N为样本数据的维数，std为观测数据的相对噪声系数。
7.根据权利要求4所述的方法，其特征在于，根据所述目标函数数据集，从所述第二样本数据集中提取多个样本数据作为第三样本数据集，包括：
从所述目标函数数据集中筛选出目标函数数据小于数据阈值的多个目标函数数据；
从所述第二样本数据集中，提取所述多个目标函数数据所对应的多个样本数据作为所述第三样本数据集。
8.根据权利要求4所述的方法，其特征在于，对所述第三样本数据集中的样本数据进行聚类分析，以确定所述目标区域的地层电阻率和极化率，包括：
通过最短距离法对所述第三样本数据集中的样本数据进行聚类分析，确定所述第三样本数据集中的样本数据的聚集度；
根据所述第三样本数据集中的样本数据的聚集度，通过拟牛顿梯度法从所述第三样本数据集中确定出样本数据作为所述目标区域的地层电阻率和极化率。
9.根据权利要求8所述的方法，其特征在于，在通过最短距离法对所述第三样本数据集中的样本数据进行聚类分析，以从所述第三样本数据集中的样本数据中筛选出数值最小的目标函数数据所对应的样本数据后，所述方法还包括：
对所述第三样本数据集中的样本数据进行多次聚类分析，以获取多个数值最小的目标函数数据所对应的样本数据作为候选样本数据；
从所述候选样本数据中确定出数值最小的目标函数数据所对应的样本数据作为所述目标区域的地层电阻率和极化率。
10.根据权利要求1所述的方法，其特征在于，在根据所述第一样本数据集，确定出目标区域的地层电阻率和极化率后，所述方法还包括：
根据所述目标区域的地层电阻率和极化率，确定出目标区域中地层电阻率和极化率的差异程度大于阈值程度的区域作为油气区域；
对所述油气区域进行油气勘探。
11.一种地层电阻率和极化率的确定装置，其特征在于，包括：
获取模块，用于获取目标区域的时频电磁观测数据和地质背景资料；
生成模块，用于根据所述地质背景资料，利用均匀分布随机函数生成第一样本数据集；
确定模块，用于根据所述时频电磁观测数据，对所述第一样本数据集进行聚类分析，确定出目标区域的地层电阻率和极化率。
12.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，所述指令被执行时实现权利要求1至10中任一项所述方法的步骤。
13.一种电子设备，其特征在于，包括：输入设备、处理器和存储器，其中：
所述输入设备用于输入目标区域的时频电磁观测数据和地质背景资料；
所述处理器用于根据所述地质背景资料，利用均匀分布随机函数生成第一样本数据集；根据所述时频电磁观测数据，对所述第一样本数据集进行聚类分析，确定出目标区域的地层电阻率和极化率；
所述存储器用于存储程序指令。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810824822.XA CN108828680B (zh) | 2018-07-25 | 2018-07-25 | 地层电阻率和极化率的确定方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810824822.XA CN108828680B (zh) | 2018-07-25 | 2018-07-25 | 地层电阻率和极化率的确定方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108828680A true CN108828680A (zh) | 2018-11-16 |
| CN108828680B CN108828680B (zh) | 2020-02-14 |
Family
ID=64140424
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810824822.XA Active CN108828680B (zh) | 2018-07-25 | 2018-07-25 | 地层电阻率和极化率的确定方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108828680B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112379449A (zh) * | 2020-10-30 | 2021-02-19 | 中国石油天然气集团有限公司 | 可控源电磁数据的处理方法及装置 |
| CN113466951A (zh) * | 2021-06-24 | 2021-10-01 | 中煤科工集团西安研究院有限公司 | 矿井电法监测电阻率异常响应快速判识方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101520518B (zh) * | 2008-02-25 | 2011-01-12 | 中国石油集团东方地球物理勘探有限责任公司 | 一种利用重磁电异常的组合特征识别火成岩岩性的方法 |
| WO2012166228A1 (en) * | 2011-06-02 | 2012-12-06 | Exxonmobil Upstream Research Company | Joint inversion with unknown lithology |
| WO2013052035A1 (en) * | 2011-10-04 | 2013-04-11 | Westerngeco, L.L.C. | Methods and systems for multiple-domain inversion of collected data |
| CN103149589A (zh) * | 2013-02-22 | 2013-06-12 | 中国石油天然气股份有限公司 | 火成岩油气勘探方法及装置 |
| WO2014123672A1 (en) * | 2013-02-05 | 2014-08-14 | Board Of Regents, The University Of Texas System | Hydrophobic paramagnetic nanoparticles as intelligent crude oil tracers |
| CN104122590A (zh) * | 2014-07-31 | 2014-10-29 | 中国石油天然气集团公司 | 一种基于电磁勘探的油气检测方法及系统 |
| CN105116452A (zh) * | 2015-08-24 | 2015-12-02 | 中国石油天然气集团公司 | 一种确定地质异常体电阻率和极化率的方法和装置 |
| CN105137495A (zh) * | 2015-08-14 | 2015-12-09 | 中国石油天然气集团公司 | 一种油气检测的方法及系统 |
| CN107807396A (zh) * | 2017-09-15 | 2018-03-16 | 中国石油天然气股份有限公司 | 地层基质电阻率的确定方法和装置 |
-
2018
- 2018-07-25 CN CN201810824822.XA patent/CN108828680B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101520518B (zh) * | 2008-02-25 | 2011-01-12 | 中国石油集团东方地球物理勘探有限责任公司 | 一种利用重磁电异常的组合特征识别火成岩岩性的方法 |
| WO2012166228A1 (en) * | 2011-06-02 | 2012-12-06 | Exxonmobil Upstream Research Company | Joint inversion with unknown lithology |
| WO2013052035A1 (en) * | 2011-10-04 | 2013-04-11 | Westerngeco, L.L.C. | Methods and systems for multiple-domain inversion of collected data |
| WO2014123672A1 (en) * | 2013-02-05 | 2014-08-14 | Board Of Regents, The University Of Texas System | Hydrophobic paramagnetic nanoparticles as intelligent crude oil tracers |
| CN103149589A (zh) * | 2013-02-22 | 2013-06-12 | 中国石油天然气股份有限公司 | 火成岩油气勘探方法及装置 |
| CN104122590A (zh) * | 2014-07-31 | 2014-10-29 | 中国石油天然气集团公司 | 一种基于电磁勘探的油气检测方法及系统 |
| CN105137495A (zh) * | 2015-08-14 | 2015-12-09 | 中国石油天然气集团公司 | 一种油气检测的方法及系统 |
| CN105116452A (zh) * | 2015-08-24 | 2015-12-02 | 中国石油天然气集团公司 | 一种确定地质异常体电阻率和极化率的方法和装置 |
| CN107807396A (zh) * | 2017-09-15 | 2018-03-16 | 中国石油天然气股份有限公司 | 地层基质电阻率的确定方法和装置 |
Non-Patent Citations (3)
| Title |
|---|
| AUDEBERT M.等: ""Time-lapse ERT Interpretation for leachate injection monitoring based on multiple inversion and a clustering strategy（MICS）"", 《JOURNAL OF APPLIED GEOPHYSICS》 * |
| 张宝一 等: ""顾及梯度矢量的高斯混合模型在三维属性场空间聚类中的应用"", 《中国地球物理学会会议论文集（2017）》 * |
| 陶德强 等: ""重磁电多属性综合建模正反演技术在火成岩发育区的作用"", 《中国地球物理学会会议论文集（2017）》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112379449A (zh) * | 2020-10-30 | 2021-02-19 | 中国石油天然气集团有限公司 | 可控源电磁数据的处理方法及装置 |
| CN113466951A (zh) * | 2021-06-24 | 2021-10-01 | 中煤科工集团西安研究院有限公司 | 矿井电法监测电阻率异常响应快速判识方法 |
| CN113466951B (zh) * | 2021-06-24 | 2023-05-12 | 中煤科工集团西安研究院有限公司 | 矿井电法监测电阻率异常响应快速判识方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108828680B (zh) | 2020-02-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Campbell et al. | Assessing colour-dependent occupation statistics inferred from galaxy group catalogues | |
| CN110019074B (zh) | 访问路径的分析方法、装置、设备及介质 | |
| CN108122066B (zh) | 储层岩性的确定方法和装置 | |
| Mohamed et al. | Population MCMC methods for history matching and uncertainty quantification | |
| CN108828680B (zh) | 地层电阻率和极化率的确定方法和装置 | |
| CN108828681B (zh) | 地层电阻率和极化率的确定方法和装置 | |
| CN104903753B (zh) | 自动匹配群体新成员与类似成员的系统及程序产品 | |
| WO2023221491A1 (zh) | 一种氦气资源规模序列的确定方法、装置和设备 | |
| Carvalho et al. | Soil classification system from cone penetration test data applying distance-based machine learning algorithms | |
| Mazel et al. | Improving phylogenetic regression under complex evolutionary models | |
| Oh et al. | Bayesian uncertainty estimation for deep learning inversion of electromagnetic data | |
| CN109100803B (zh) | 微断裂的确定方法和装置 | |
| Aulia et al. | A new history matching sensitivity analysis framework with random forests and Plackett-Burman design | |
| Ding et al. | Multi‐Parameter Dominant Grouping of Discontinuities in Rock Mass Using Improved ISODATA Algorithm | |
| Ma et al. | Practical data mining and artificial neural network modeling for SAGD production analysis | |
| Roberts et al. | Joint stochastic constraint of a large data set from a salt dome | |
| Yang et al. | Effects of stochastic simulations on multiobjective optimization of groundwater remediation design under uncertainty | |
| Fathipour-Azar | Hybrid data-driven polyaxial rock strength meta model | |
| RU2530324C2 (ru) | Способ определения положения координат глубин маркера при построении геологической модели месторождения | |
| Shafiee et al. | Model Selection for Correlating VS 30 with Average Shear‐Wave Velocities at Lower Depths Based on the Iranian Data | |
| CN108375791B (zh) | 流体活动因子属性体的确定方法和装置 | |
| CN108646305B (zh) | 一种界面的倾角获取方法、装置、电子设备及存储介质 | |
| US11762114B2 (en) | Method for constructing a geological model | |
| CN112130215A (zh) | 电磁法勘探数据处理方法及装置 | |
| CN107871028B (zh) | 一种层序地层的级别划分方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |