CN110059755A - 一种多特征评价准则融合的地震属性优选方法 - Google Patents
一种多特征评价准则融合的地震属性优选方法 Download PDFInfo
- Publication number
- CN110059755A CN110059755A CN201910324172.7A CN201910324172A CN110059755A CN 110059755 A CN110059755 A CN 110059755A CN 201910324172 A CN201910324172 A CN 201910324172A CN 110059755 A CN110059755 A CN 110059755A
- Authority
- CN
- China
- Prior art keywords
- seismic properties
- interpretational criteria
- reservoir
- seismic
- correlation
- 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
- 230000004927 fusion Effects 0.000 title claims abstract description 13
- 238000000034 method Methods 0.000 title claims abstract description 9
- 238000012706 support-vector machine Methods 0.000 claims abstract description 4
- 238000011156 evaluation Methods 0.000 abstract description 10
- 238000004364 calculation method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000155 melt Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007634 remodeling Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/30—Analysis
- G01V1/307—Analysis for determining seismic attributes, e.g. amplitude, instantaneous phase or frequency, reflection strength or polarity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/63—Seismic attributes, e.g. amplitude, polarity, instant phase
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Acoustics & Sound (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种多特征评价准则融合的地震属性优选方法,其特征在于通过匹配地震属性样本与储层类别标签,获得带有类别标签的地震属性集;针对单一特征评价准则难以准确评估地震属性重要性的问题,首先采用Fisher score、互信息、Person相关系数3种特征评价准则计算地震属性与储层类别的相关性大小,分别按照相关性大小对地震属性的重要性进行排序,其次以支持向量机为分类器,结合不同特征评价准则计算分类准确率,将各评价准则的准确率与三者的准确率之和的比作为权重,最后采用线性加权的方式对各评价准则得到的排序结果进行融合处理,进而实现地震属性优选。本发明通过综合考虑多种特征评价准则,筛选出对分类起关键作用的地震属性组合,从而提高储层预测的有效性。
Description
技术领域
本发明属于地球物理勘探领域和机器学习领域,具体涉及一种多特征评价准则融合的地震属性优选方法。
背景技术
在储层预测的过程中,通常会引入与储层相关的各类地震属性,但大量地震属性中存在与储层预测无关或者彼此冗余的属性,会对预测结果产生不利的影响。因此,须筛选最好的地震属性集,提高储层预测的精度,此即地震属性优化问题。随着计算机技术的发展,机器学习中有关特征优选的相关知识为地质人员在储层预测方面提供了多种思路,采用机器学习方法优选地震属性能够考虑到多种地震属性之间的隐含关系,从而使预测结果更加准确。然而,单一特征评价准则往往无法全面评价特征子集的好坏,容易造成特征选择的普适性差、分类精度低。
不同特征评价准则能够从不同的角度分析特征的好坏,具有一定的互补性,通过采用多种特征评价准则,综合评估地震属性对于储层预测的重要性,去除不相关及冗余的地震属性,筛选最优的地震属性组合,进而结合分类器实现储层预测,根据地震属性与储层的映射关系,辅助地质勘探人员快速圈定储层发育区。
发明内容
为了弥补单一特征评价准则难以准确评估地震属性重要性的不足,本发明提出了一种多特征评价准则融合的地震属性优选方法,通过采用多种特征评价方法分别计算地震属性的相关性大小,融合不同评价方法特征排序的结果,全面评价地震属性的重要性,实现地震属性的优选。
为实现上述目的,本发明技术方案主要包括如下步骤:
A.数据预处理:
从勘探数据库、地震数据体等数据源中提取全部地震属性以及储层种类数据,其中,地震属性的个数记为m,储层种类分为储层以及非储层两类,分别标记为1、-1。通过匹配地震属性样本与储层类别标签,得到带有类别标签的地震属性集合。
B.采用Fisher score评价准则评估地震属性的相关性:
Fisher score根据类间方差以及类内方差的比值大小评估某个地震属性的相关性,能够使得类间距离越大、类内距离越小的地震属性,其Fisher score的值越大,表明该地震属性与储层的相关性越大。计算每个地震属性的Fisher score值,根据值的大小对地震属性进行降序排列。
C.采用互信息评价准则评估地震属性的相关性:
互信息能够衡量地震属性与储层类别间的相互依赖强弱程度,评估地震属性与储层类别之间的相似度,互信息的值越大,代表相关度越大。计算每个地震属性与储层类别的互信息大小,并对地震属性进行降序排列。
D.采用Person相关系数评价准则评估地震属性的相关性:
Person相关系数可以衡量地震属性与储层类别之间相关性大小,相关系数越大,表明地震属性与储层类别之间的相关性就越大,该地震属性就越重要。计算每个地震属性的Person相关系数,根据系数大小对地震属性进行降序排列。
E.基于多评价准则融合进行属性优选:
以支持向量机作为基分类器,分别结合Fisher score、互信息、Person相关系数3种特征评价准则计算分类准确率,将各个评价方法的准确率与三者的准确率之和的比作为权重,采用线性加权的方式对各评价方法得到的排序结果进行融合处理,得到综合的排序结果,进而选取最优的地震属性集。
本发明的有益效果是:针对单一特征评价方法无法全面评价特征子集的好坏,本发明综合考虑Fisher score、互信息、Person相关系数等准则,分别计算地震属性的相关性大小,同时将不同准则产生的准确率引入到权重计算,采用一种线性加权的方法进行排序融合以获得综合排序序号,解决采用单一特征评价方法产生的普适性较差的问题。
附图说明
图1是本发明的流程图
具体实施方式
下面结合图1对本发明作进一步详细的描述:
A.数据预处理:
从勘探数据库、地震数据体等数据源中提取全部地震属性以及储层种类数据,其中,地震属性的个数记为m,储层种类分为储层以及非储层两类,分别标记为1、-1。通过匹配地震属性样本与储层类别标签,得到带有类别标签的地震属性集合。
B.采用Fisher score评价准则评估地震属性的相关性:
Fisher score根据类间方差以及类内方差的比值大小评估某个地震属性相关性,能够使得类间距离越大、类内距离越小的地震属性,其Fisher score的值越大,表明该地震属性与储层的相关性越大,第i个地震属性的Fisher score值计算公式如下:
式中,n+表示样本集中标记为储层的样本数量,n-表示标记为非储层的样本数量,表示全部样本的第i个地震属性数值的平均值,分别表示标记为储层及非储层样本的第i个地震属性数值的平均值,分别表示标记为储层及非储层的第k个样本的第i个地震属性的取值。
根据Fisher score公式计算每个地震属性的相关性大小,根据相关性大小对地震属性进行降序排列,相关性越大的属性,排序序号就越小,排序结果如下所示:
Sort(Fisher score)=[Sf(1),Sf(2),…,Sf(i),…,Sf(m)]
其中,m表示地震属性的个数,Sf(i)表示第i个地震属性的排序序号。
C.采用互信息评价准则评估地震属性的相关性:
互信息能够衡量地震属性与储层类别间的相互依赖强弱程度,评估地震属性与储层类别之间的相似度,假设地震数据集为D=(X1,X2,…,Xm,Y),Xi为第i个地震属性,Y∈(1,-1)为储层的类别标签,则地震属性Xi与类别标签Y之间的互信息计算方式如下:
I(Xi,Y)=H(Xi)+H(Y)-H(Xi,Y)
其中,H(Xi),H(Y)分别表示地震属性Xi与储层类别Y的信息熵,H(Xi,Y)表示Xi与Y的联合分布信息熵。I(Xi,Y)反映了地震属性Xi和类别Y的相关性程度,其值越大,代表地震属性Xi的相关度越大。
根据互信息公式计算每个地震属性的相关性大小,根据相关性大小对地震属性进行降序排列,相关性越大的属性,排序序号就越小,排序结果如下所示:
Sort(互信息)=[Sh(1),Sh(2),…,Sh(i),…,Sh(m)]
其中,m表示地震属性的个数,Sh(i)表示第i个地震属性的排序序号。
D.采用Person相关系数评价准则评估地震属性的相关性:
Person相关系数可以衡量地震属性与储层类别之间相关性大小,相关系数越大,表明地震属性与储层类别之间的相关性就越大,该地震属性就越重要。Person相关系数的计算公式如下:
其中,Rj表示第j个地震属性与储层类别之间的相关性大小,N表示样本的总数量,Xij表示第i个样本的第j个地震属性、Yi分别表示第i个样本的类别标签,表示所有样本的第j个地震属性的平均值,表示所有样本的类别标签的平均值,Rj的绝对值越大表明相关性越强。
根据Person相关系数公式计算每个地震属性的相关性大小,根据相关性大小对地震属性进行降序排列,相关性越大的属性,排序序号就越小,排序结果如下所示:
Sort(Person)=[Sp(1),Sp(2),…,Sp(i),…,Sp(m)]
其中,m表示地震属性的个数,Sp(i)表示第i个地震属性的排序序号。
E.基于多评价准则融合进行属性优选:
以支持向量机作为基分类器,分别结合Fisher score、互信息、Person相关系数3种特征评价准则计算分类准确率,将各个评价方法的准确率与三者的准确率之和的比作为权重,采用线性加权的方式对各评价方法得到的排序结果进行融合处理,得到综合的排序结果,表示如下:
Sort(f,h,p)=[S(1),S(2),…,S(i),…,S(m)]
S(i)=ω1Sf(i)+ω2Sh(i)+ω3Sp(i)
其中,ω1,ω2和ω3分别表示Fisher score、互信息、Person相关系数3种特征评价准则的重要性权重,根据S(i)的大小选择地震属性,S(i)越小,对应的地震属性相关性越大,进而选取最优的地震属性集。
以上所述,仅是本发明的较佳实施例,任何熟悉本专业的技术人员可能利用上述阐述的技术方案加以改型或变更为等同变化的等同实例。凡未脱离本发明技术方案内容,依据发明的技术方案对上述实施例进行的任何简单修改、变更或改型,均属于发明技术方案的保护范围。
Claims (1)
1.一种多特征评价准则融合的地震属性优选方法,其特征在于,包括以下步骤:从勘探数据库、地震数据体等数据源中提取地震属性以及储层种类数据,通过匹配地震属性样本与储层类别标签,得到带有类别标签的地震属性集合;采用Fisher score、互信息、Person相关系数3种特征评价准则计算地震属性与储层类别的相关性大小,各准则分别按照相关性大小对地震属性的重要性进行排序;以支持向量机作为分类器,结合不同特征评价准则计算分类准确率,将各评价准则的准确率与三者的准确率之和的比作为权重,采用线性加权的方式对各评价准则得到的排序结果进行融合处理,进而选取最优地震属性子集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910324172.7A CN110059755B (zh) | 2019-04-22 | 2019-04-22 | 一种多特征评价准则融合的地震属性优选方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910324172.7A CN110059755B (zh) | 2019-04-22 | 2019-04-22 | 一种多特征评价准则融合的地震属性优选方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110059755A true CN110059755A (zh) | 2019-07-26 |
CN110059755B CN110059755B (zh) | 2023-10-13 |
Family
ID=67320126
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910324172.7A Active CN110059755B (zh) | 2019-04-22 | 2019-04-22 | 一种多特征评价准则融合的地震属性优选方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110059755B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113033722A (zh) * | 2021-05-31 | 2021-06-25 | 中铁第一勘察设计院集团有限公司 | 传感器数据融合方法、装置、存储介质及计算设备 |
CN113160890A (zh) * | 2021-03-13 | 2021-07-23 | 安徽师范大学 | 一种自适应基因调控网格构建方法及装置 |
CN113679394A (zh) * | 2021-09-26 | 2021-11-23 | 华东理工大学 | 基于相关性的运动想象的导联选择方法及装置 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6052651A (en) * | 1997-09-22 | 2000-04-18 | Institute Francais Du Petrole | Statistical method of classifying events linked with the physical properties of a complex medium such as the subsoil |
US7206782B1 (en) * | 2003-01-29 | 2007-04-17 | Michael John Padgett | Method for deriving a GrAZ seismic attribute file |
CN103852787A (zh) * | 2014-02-24 | 2014-06-11 | 长江大学 | 一种砂岩储层成岩地震相表征方法 |
CN104281572A (zh) * | 2013-07-01 | 2015-01-14 | 中国科学院计算技术研究所 | 一种基于互信息的目标匹配方法及其系统 |
US20160146960A1 (en) * | 2014-11-21 | 2016-05-26 | Schlumberger Technology Corporation | Method of analysing a subsurface region |
CN106842317A (zh) * | 2016-12-22 | 2017-06-13 | 中国石油天然气集团公司 | 一种预测油砂体分布的方法及装置 |
US20170193647A1 (en) * | 2015-12-31 | 2017-07-06 | General Electric Company | System and method for seismic data interpretation |
CN109272029A (zh) * | 2018-08-31 | 2019-01-25 | 电子科技大学 | 井控稀疏表征大规模谱聚类地震相划分方法 |
CN109345007A (zh) * | 2018-09-13 | 2019-02-15 | 中国石油大学(华东) | 一种基于XGBoost特征选择的有利储层发育区预测方法 |
CN109447158A (zh) * | 2018-10-31 | 2019-03-08 | 中国石油大学(华东) | 一种基于不平衡数据的Adaboost有利储层发育区预测方法 |
CN109633748A (zh) * | 2018-11-12 | 2019-04-16 | 中国石油大学(华东) | 一种基于改进遗传算法的地震属性优选方法 |
-
2019
- 2019-04-22 CN CN201910324172.7A patent/CN110059755B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6052651A (en) * | 1997-09-22 | 2000-04-18 | Institute Francais Du Petrole | Statistical method of classifying events linked with the physical properties of a complex medium such as the subsoil |
US7206782B1 (en) * | 2003-01-29 | 2007-04-17 | Michael John Padgett | Method for deriving a GrAZ seismic attribute file |
CN104281572A (zh) * | 2013-07-01 | 2015-01-14 | 中国科学院计算技术研究所 | 一种基于互信息的目标匹配方法及其系统 |
CN103852787A (zh) * | 2014-02-24 | 2014-06-11 | 长江大学 | 一种砂岩储层成岩地震相表征方法 |
US20160146960A1 (en) * | 2014-11-21 | 2016-05-26 | Schlumberger Technology Corporation | Method of analysing a subsurface region |
US20170193647A1 (en) * | 2015-12-31 | 2017-07-06 | General Electric Company | System and method for seismic data interpretation |
CN106842317A (zh) * | 2016-12-22 | 2017-06-13 | 中国石油天然气集团公司 | 一种预测油砂体分布的方法及装置 |
CN109272029A (zh) * | 2018-08-31 | 2019-01-25 | 电子科技大学 | 井控稀疏表征大规模谱聚类地震相划分方法 |
CN109345007A (zh) * | 2018-09-13 | 2019-02-15 | 中国石油大学(华东) | 一种基于XGBoost特征选择的有利储层发育区预测方法 |
CN109447158A (zh) * | 2018-10-31 | 2019-03-08 | 中国石油大学(华东) | 一种基于不平衡数据的Adaboost有利储层发育区预测方法 |
CN109633748A (zh) * | 2018-11-12 | 2019-04-16 | 中国石油大学(华东) | 一种基于改进遗传算法的地震属性优选方法 |
Non-Patent Citations (3)
Title |
---|
唐耀华;张向君;高静怀;: "基于地震属性优选与支持向量机的油气预测方法", 石油地球物理勘探 * |
朱剑兵;谭明友;: "基于支持向量机的地震储层参数预测方法初探", 油气地球物理 * |
袁野;刘洋;: "地震属性优化与预测新进展", 勘探地球物理进展 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113160890A (zh) * | 2021-03-13 | 2021-07-23 | 安徽师范大学 | 一种自适应基因调控网格构建方法及装置 |
CN113033722A (zh) * | 2021-05-31 | 2021-06-25 | 中铁第一勘察设计院集团有限公司 | 传感器数据融合方法、装置、存储介质及计算设备 |
CN113033722B (zh) * | 2021-05-31 | 2021-08-17 | 中铁第一勘察设计院集团有限公司 | 传感器数据融合方法、装置、存储介质及计算设备 |
CN113679394A (zh) * | 2021-09-26 | 2021-11-23 | 华东理工大学 | 基于相关性的运动想象的导联选择方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110059755B (zh) | 2023-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Laffan et al. | Assessing endemism at multiple spatial scales, with an example from the Australian vascular flora | |
CN103810299B (zh) | 基于多特征融合的图像检索方法 | |
Orton | Sampling in archaeology | |
CN103020164B (zh) | 一种基于多语义分析和个性化排序的语义检索方法 | |
CN110059755A (zh) | 一种多特征评价准则融合的地震属性优选方法 | |
US7162463B1 (en) | Pattern recognition template construction applied to oil exploration and production | |
CN106021374A (zh) | 查询结果的底层召回方法和装置 | |
CN107957957A (zh) | 测试用例的获取方法和装置 | |
CN103324677B (zh) | 一种可分级的快速图像gps位置估计方法 | |
CN106339756A (zh) | 训练数据的生成方法、搜索方法以及装置 | |
Heer et al. | Mining the structure of user activity using cluster stability | |
CN102456016B (zh) | 一种对搜索结果进行排序的方法及装置 | |
CN104881689A (zh) | 一种多标签主动学习分类方法及系统 | |
CN109871479A (zh) | 一种基于用户项目类及评分可靠性的协同过滤方法 | |
CN104462143B (zh) | 连锁品牌词词库、类别词词库建立方法和装置 | |
CN107664778B (zh) | 地震数据质量的确定方法和装置 | |
CN105786810B (zh) | 类目映射关系的建立方法与装置 | |
Burghardt et al. | Usage of principal component analysis in the process of automated generalisation | |
CN111930957A (zh) | 实体间亲密度的分析方法、装置、电子设备以及存储介质 | |
CN103310205B (zh) | 一种手写体数字识别方法及装置 | |
Kmetty et al. | Mapping social milieus and cohesion patterns between 1997 and 2014. Exploiting the potential of the occupational position generator | |
CN110197200A (zh) | 一种基于机器视觉的服装电子标签生成方法 | |
CN109284409A (zh) | 基于大规模街景数据的图片组地理定位方法 | |
CN105160065B (zh) | 基于拓扑关系的遥感信息相似度评价方法 | |
CN109143355B (zh) | 基于som的半监督全局优化地震相定量分析方法 |
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 |