本發(fā)明屬于勘探地球物理領(lǐng)域，具體地說是涉及一種基于shearlet-fastica(shearlet-fastindependentcomponentanalysis，剪切波變換—快速獨立分量分析)的地震多屬性融合方法。

背景技術(shù)：

地震屬性可以有效地描述目標層的地質(zhì)特性，為儲層預(yù)測、流體識別、油藏描述、油藏流體動態(tài)檢測等提供有利的基礎(chǔ)數(shù)據(jù)。在地震屬性儲層預(yù)測時，若遇到復(fù)雜的地質(zhì)解釋問題，只運用單一的地震屬性進行分析，不僅會出現(xiàn)多解性及局限性問題，導(dǎo)致屬性分析的最終結(jié)果精確度不高且缺乏可信度，而且大量的地震屬性數(shù)據(jù)會使屬性集合的空間維數(shù)變高，數(shù)據(jù)中相關(guān)甚至重復(fù)的部分產(chǎn)生大量的冗余信息。因此，為了有目的性的改善運用單一屬性分析儲層時出現(xiàn)的多解性現(xiàn)象，使有益目標層的反射特征得到突出，對地震眾多屬性進行融合是十分必要的。目前有多種常用于地震屬性融合的方法，包括早期簡單的人工疊合及近期較多使用的多元線性回歸法，人工神經(jīng)網(wǎng)絡(luò)法，多分辨率融合方法，井屬性提取，和主成分分析法等。但是僅通過多屬性融合后的屬性集空間維數(shù)雖然得到了降低，但是屬性集中任然包含許多與預(yù)測儲層無關(guān)的不敏感屬性信息。因此，需要選擇出于目標層而言敏感程度最高的地震屬性進行融合，以便能夠減少屬性數(shù)據(jù)間具有的冗余程度，盡量滿足高精度儲層預(yù)測的目標。與常用的基于ica(independentcomponentanalysis，獨立分量分析)算法的屬性融合相比，本發(fā)明算法快速，性能高，綜合融合效果好，考慮了不同屬性數(shù)據(jù)的尺度信息，將原始的地震屬性數(shù)據(jù)經(jīng)shearlet變換分解成具有方向性的，不同尺度頻率，能夠分級的對屬性數(shù)據(jù)進行后續(xù)處理。同時能將多屬性間冗余信息的問題消除，避免構(gòu)造解釋的多解性問題，使融合后的數(shù)據(jù)基本包含了單一屬性暗含的全部地質(zhì)信息。而且該方法適用于多維數(shù)據(jù)，能夠精確地表達數(shù)據(jù)邊緣的方向?；谏鲜鰞?yōu)點，提供了一種基于shearlet-fastica算法的地震多屬性融合方法。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的就是針對現(xiàn)有技術(shù)不足，提出了一種基于shearlet-fastica的地震多屬性融合方法，能夠在綜合考慮不同屬性數(shù)據(jù)尺度信息的基礎(chǔ)上，對不同地震屬性數(shù)據(jù)進行有效融合。經(jīng)過融合后的屬性數(shù)據(jù)消除了彼此的冗余性，更加清晰、明顯的刻畫了地質(zhì)體的相關(guān)特征，為后續(xù)儲層預(yù)測和構(gòu)造解釋提供了強有力的技術(shù)支撐。

一種基于shearlet-fastica的地震多屬性融合方法，包括如下步驟：

步驟s1：將利用地震屬性可視化分析系統(tǒng)提取得到的地震屬性分別進行極差正規(guī)化預(yù)處理后進行shearlet變換，確定空間域中不同地震屬性數(shù)據(jù)的初始低頻子帶系數(shù)和初始高頻子帶系數(shù)；

步驟s2：根據(jù)地震屬性反映的目標情況，分別將所述初始低頻子帶系數(shù)和初始高頻子帶系數(shù)進行平滑分塊，并從中隨機的挑選出不少于1000的屬性塊作為fastica算法的輸入，利用計算得到的基函數(shù)完成從空間域至ica域的映射，確定所述ica域中不同地震屬性數(shù)據(jù)的目標低頻子帶系數(shù)和目標高頻子帶系數(shù)；

步驟s3：分別將不同地震屬性數(shù)據(jù)的目標低頻子帶系數(shù)進行ica域的融合以確定融合低頻子帶系數(shù)，并對目標高頻子帶系數(shù)進行ica域的融合以確定融合高頻子帶系數(shù)；

步驟s4：將所述融合低頻子帶系數(shù)和所述融合高頻子帶系數(shù)從ica域映射回空間域，并進行shearlet重構(gòu)以得到地震屬性融合結(jié)果。

附圖說明

圖1為本發(fā)明的流程圖；

圖2為總能量屬性；

圖3為相干體屬性；

圖4為圖2和圖3中數(shù)據(jù)的融合處理結(jié)果。

具體實施方式

結(jié)合附圖1-4，對本發(fā)明作進一步的描述：一種基于shearlet-fastica的地震多屬性融合方法，具體實施方案包括如下步驟：

步驟s1：經(jīng)地震屬性可視化分析系統(tǒng)軟件提取得到總能量屬性，如圖2所示，經(jīng)地震屬性可視化分析系統(tǒng)軟件提取得到相干體屬性，如圖3所示。對待融合的不同地震屬性分別進行標準化預(yù)處理，以消除不同量綱，不同變化范圍，不同數(shù)值大小帶來的影響。若地震屬性之后進行shearlet變換，變換時先用haar小波對數(shù)據(jù)進行分解，分解后可得低頻子帶系數(shù)和不同尺度下的高頻子帶系數(shù)。然后對各個尺度下的高頻子帶系數(shù)采用帶方向和尺度變化的窗函數(shù)進行剖分得到不同方向下的高頻系數(shù)。在本次研究中采用極差正規(guī)化的方法進行標準化。即：

上式中代表原始數(shù)據(jù)的是xij，而經(jīng)過標準化之后的數(shù)據(jù)用表示，代表的是在所有待融合數(shù)據(jù)中第i個屬性的所有觀測數(shù)據(jù)中的最小值，代表第i個地震屬性的所有觀測數(shù)據(jù)中的最大值。

步驟s2：將各種屬性的低頻子帶系數(shù)和高頻子帶系數(shù)分別應(yīng)用fastica算法進行變換，使屬性數(shù)據(jù)從空間域映射至ica域。

步驟s21：選取尺寸大小為n0×n0的窗對經(jīng)過處理后步驟s1中的數(shù)據(jù)進行平滑分塊。分塊時按照從上至下，從左至右的原則進行。將每個地震屬性劃分出的屬性塊按列存儲成n0²×1形式的向量，標記成那么所有經(jīng)過標準化的待融合地震屬性塊就組成了一個集合并從中根據(jù)每一屬性塊的均值和集合的維數(shù)隨機的選出不少于1000個的屬性塊p。窗函數(shù)的表達式為：

步驟s22：將步驟s21中選出的p個屬性塊作為fastica算法的輸入，利用牛頓迭代公式計算出分離矩陣w和混合矩陣a。在求分離矩陣w的時候是逐個進行求解的。當求出前n-1個向量后，第n個向量的w求解如下：

步驟s23：實現(xiàn)屬性數(shù)據(jù)從空間域到ica域的映射，現(xiàn)以集合中第i個屬性塊數(shù)據(jù)作為范例加以說明：

①對分別求出其均值，其中t為對一個地震屬性進行分塊處理后的總塊數(shù)，并將它們的均值記為m1i,m2i,…mni。

②將各減去其均值m1i,m2i,…mni，得到去均值后的

③利用求出獨立屬性塊，只要按照這三步就能求出所有獨立的屬性塊，完成到ica域的映射。

上述ica基函數(shù)的目標函數(shù)選用介于峰度和負熵這兩個典型非高斯性度量之間的較好折中函數(shù)——負熵的近似。具有概念簡單、計算快捷、統(tǒng)計特性明確、魯棒性的優(yōu)點。而目標函數(shù)的優(yōu)化方法選用基于固定點迭代理論的fastica算法，通過快速尋優(yōu)迭代找出非高斯性最大值。采用牛頓迭代的方式對采樣得到的大量與觀測變量相關(guān)的數(shù)據(jù)點實行批處理操作，并從觀測數(shù)據(jù)中逐一地將獨立分量挨個分離出來。避開了常規(guī)ica梯度算法中需要選取參數(shù)和步長的步驟，而且適用于任何非線性函數(shù)，能夠通過選取不同的線性函數(shù)改變和提高整個算法的性能。

步驟s3：在ica域完成屬性融合操作。不同融合規(guī)則對融合的數(shù)據(jù)做出了不同的取舍，決定了對所需融合結(jié)果有利的那些數(shù)據(jù)。最大絕對值融合規(guī)則取數(shù)據(jù)中的最大絕對值做為融合結(jié)果，該方法下的多屬性融合結(jié)果側(cè)重于保持邊界信息，忽略了常值背景中的信息，使得融合后的地震資料中出現(xiàn)毛糙的現(xiàn)象。均值融合規(guī)則即取數(shù)據(jù)的均值作為融合結(jié)果，結(jié)果中略微缺少了一些細節(jié)信息，保留了常值背景中的信息，總體來說融合后的地震資料比較平滑。針對具體目標要求，采取基于區(qū)域的融合規(guī)則。該方法靈活、便捷，有針對性的對不同區(qū)域的數(shù)據(jù)采用各異的融合方法，綜合了取均值和最大值融合兩種規(guī)則下的融合效果，不僅保留了常值背景下的信息還反映了地質(zhì)體的邊界信息。同樣以第i個屬性塊為例：

①均值融合規(guī)則：

②最大絕對值融合規(guī)則：

ri(j)＝max(|ss1i(j)|,|ss2i(j)|,|ss3i(j)|,…|ssni(j)|)

③基于區(qū)域的融合規(guī)則：對于第i個屬性塊數(shù)據(jù)來說，取其在ica域中的均值作為指示因子：

利用上述計算的ei(j)推測相應(yīng)結(jié)構(gòu)中的邊界。因為fastica傾向于關(guān)注邊界信息，所以大值的ei(j)對應(yīng)于結(jié)構(gòu)中的主要活動區(qū)域，即邊界。相反，小值的ei(j)對應(yīng)于結(jié)構(gòu)中的幾乎恒定的背景。利用這一觀點，將整個數(shù)據(jù)分割成兩個部分，分別為：包含詳情的活動區(qū)域和包含背景信息的非活動區(qū)域。用來描述一個區(qū)域是“有效”或“無效”的閾值可以嘗試設(shè)置成2meant{ek(t)}。ei(j)大于2meant{ek(t)}的部分采取保持邊界特征的最大絕對值融合規(guī)則，ei(j)小于2meant{ek(t)}的部分采取均值融合規(guī)則。利用上述步驟求取的是第i個屬性塊的融合結(jié)果，按此方法類推，便能求出所有屬性塊在ica域的融合結(jié)果。

步驟s4：利用求出的混合矩陣a將ica域的融合結(jié)果映射回到空間域：

上式中ri為ica域中的融合結(jié)果，i是單位矩陣。將shearlet變換分解得到的shearlet高頻子帶系數(shù)進行方向局部化的反變換后相加，得到不同尺度下的重構(gòu)高頻系數(shù)。對分解后的低頻系數(shù)和重構(gòu)后的高頻系數(shù)按位置進行合成，從而得到最后的屬性融合結(jié)果。經(jīng)上述s1-s4步驟處理后得到總能量屬性和相干體屬性融合圖像，如圖4所示。

通過以上流程，能夠使各融合數(shù)據(jù)間互不相關(guān)，消除了數(shù)據(jù)間的冗余，有效地融合地震多屬性，并且與單一地震屬性相比融合結(jié)果中包含了更多的地質(zhì)信息，使原始的單一屬性中的信息在融合結(jié)果中得到綜合。圖2為總能量屬性，圖3為相干體屬性，圖4為選用基于區(qū)域的規(guī)則對圖2和圖3融合處理得到的結(jié)果，從圖中可以看出，經(jīng)過融合后的屬性結(jié)果能夠全面地揭示數(shù)據(jù)間的本質(zhì)結(jié)構(gòu)，不僅反映出了總能量屬性包含的砂巖空間分布情況，相干體屬性包含的斷層分布情況，而且在融合結(jié)果中能夠清晰的看出研究區(qū)域中砂巖與斷層的相互切割關(guān)系，這無疑有利于反映儲層的真實情況及后續(xù)的進一步處理。

本發(fā)明的有益效果是：充分考慮不同屬性數(shù)據(jù)的尺度信息，同時考慮消除多屬性間的冗余，采用基于shearlet-fastica的地震多屬性融合方法，通過實際數(shù)據(jù)的處理結(jié)果表明該方法相比傳統(tǒng)方法而言具有更好的針對性,可以有效地融合地震多屬性數(shù)據(jù)。

本發(fā)明不局限于上述具體實施方式，根據(jù)上述內(nèi)容，按照本領(lǐng)域的普通技術(shù)知識和慣用手段，在不脫離本發(fā)明上述基本技術(shù)思想前提下，本發(fā)明還可以做出其它多種形式的等效修改、替換或變更，均屬于本發(fā)明的保護范圍。