CN110059755A - 一种多特征评价准则融合的地震属性优选方法 - Google Patents

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

一种多特征评价准则融合的地震属性优选方法

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)＝[S_f(1),S_f(2),…,S_f(i),…,S_f(m)]

其中，m表示地震属性的个数，S_f(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,…,X_m,Y)，X_i为第i个地震属性，Y∈(1,-1)为储层的类别标签，则地震属性X_i与类别标签Y之间的互信息计算方式如下：

I(X_i,Y)＝H(X_i)+H(Y)-H(X_i,Y)

其中，H(X_i)，H(Y)分别表示地震属性X_i与储层类别Y的信息熵，H(X_i,Y)表示X_i与Y的联合分布信息熵。I(X_i,Y)反映了地震属性X_i和类别Y的相关性程度，其值越大，代表地震属性X_i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)＝[S_h(1),S_h(2),…,S_h(i),…,S_h(m)]

其中，m表示地震属性的个数，S_h(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，R_j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，X_ij表示第i个样本的第j个地震属性、Y_i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，R_j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)＝[S_p(1),S_p(2),…,S_p(i),…,S_p(m)]

其中，m表示地震属性的个数，S_p(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)＝ω₁S_f(i)+ω₂S_h(i)+ω₃S_p(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。