基于多源数据融合的煤系地层速度场建模数据处理方法与流程

摘要: 本技术涉及速度场建模数据处理,具体涉及一种基于多源数据融合的煤系地层速度场建模数据处理方法。背景技术:1、随着煤炭资源勘探开发逐渐向深部化、复杂化方向发展,煤系...
基于多源数据融合的煤系地层速度场建模数据处理方法与流程

本技术涉及速度场建模数据处理,具体涉及一种基于多源数据融合的煤系地层速度场建模数据处理方法。

背景技术:

1、随着煤炭资源勘探开发逐渐向深部化、复杂化方向发展,煤系地层内部岩性变化、构造发育以及非均质性特征不断增强,对地震成像、地层解释以及储层预测等环节中的速度场建模精度提出了更高要求。速度场作为反映地下介质传播特征的重要参数,其准确性直接影响地震资料时间域与深度域转换、构造位置确定以及煤层空间展布预测等结果。目前,煤系地层速度场建模通常综合利用地震资料、测井资料、钻井资料以及地质解释成果等多源数据,通过数据校正、参数约束以及融合计算等方式构建地下速度模型。其中,地震资料具有较好的空间连续性,能够反映区域速度变化趋势;测井资料具有较高纵向分辨能力,可以提供井点位置的精细速度信息;钻井资料及地质解释成果能够提供局部地层结构和岩性约束。

2、现有煤系地层速度场建模方法在利用多源数据进行速度信息融合时,主要存在以下问题:首先,由于地震、测井、钻井以及地质解释数据在不同空间区域内的可靠程度存在差异,而现有方法通常采用固定融合比例或统一约束方式处理不同来源数据,无法反映不同位置处各类数据的真实有效性,导致部分区域中低可靠度数据对速度场结果产生较大干扰;其次,煤系地层内部存在明显的层状结构变化以及局部构造异常,不同尺度下速度变化规律存在差异,现有方法通常直接对多源数据进行整体融合,缺少针对区域趋势变化、层间速度变化以及局部异常特征的分层处理机制,容易造成速度场局部细节缺失或异常区域被过度平滑;再次,在断层、煤层变化以及地质条件突变区域,由于速度变化具有非连续性,传统基于插值或平滑约束的建模方法难以兼顾速度场连续性与地质真实性,导致构建得到的速度模型与实际地下介质分布存在偏差。

技术实现思路

1、为了解决上述技术问题,本技术的目的在于提供一种基于多源数据融合的煤系地层速度场建模数据处理方法,所采用的技术方案具体如下:

2、本技术一个实施例提供了一种基于多源数据融合的煤系地层速度场建模数据处理方法,该方法包括:

3、将待分析区域网格化并将采集的各种数据映射到各网格,数据的种类包括地震勘探数据、测井数据、钻井解释数据和地质解释数据;提取各网格各种数据的特征向量组成每种数据的空间特征矩阵;

4、对每种数据的空间特征矩阵进行多尺度分解获取每种数据的各尺度下的向量矩阵;对一种数据的各尺度下的向量矩阵分析获取该种数据各网格的综合稳定特征值;利用两种数据一个网格以及该网格邻域内网格的综合稳定特征值的关联性获取两种数据该网格的局部关联程度;对一种数据与其他种数据一个网格的局部关联程度进行融合得到综合关联程度;

5、对一种数据一个网格的综合稳定特征值和综合关联程度进行融合获取初始可信度;利用一种数据和其他种数据一个网格的初始可信度以及该种数据和其他种数据该网格的局部关联程度对该种数据该网格的初始可信度进行迭代更新获得截止可信度;

6、基于一种数据一个网格的初始可信度和截止可信度获取最终可信度;利用每种数据一个网格的最终可信度获取每种数据该网格的融合权重;利用每种数据每个网格的融合权重进行数据融合后构建速度场模型。

7、优选地,提取各网格各种数据的特征向量组成每种数据的空间特征矩阵,包括:

8、对于一个网格的一种数据利用卷积神经网络提取该种数据该网格的特征向量;将一种数据各网格的特征向量按照网格的空间位置组成排列形成该种数据的空间特征矩阵。

9、优选地,对每种数据的空间特征矩阵进行多尺度分解获取每种数据的各尺度下的向量矩阵,包括:

10、对于一种数据,设置每次平滑的高斯空间滤波核,利用第一次平滑的高斯空间滤波核对空间特征矩阵进行平滑获取第一次平滑空间特征向量矩阵;利用第二次平滑的高斯空间滤波核对第一次平滑空间特征向量矩阵进行平滑得到第二次平滑空间特征向量矩阵;将第二次平滑空间特征向量矩阵作为低频尺度的向量矩阵;将第一次平滑空间特征向量矩阵与第二次平滑空间特征向量矩阵的差作为中频尺度的向量矩阵;将空间特征矩阵与第一次平滑空间特征向量矩阵的差作为高频尺度的向量矩阵。

11、优选地,对一种数据的各尺度下的向量矩阵分析获取该种数据各网格的综合稳定特征值,包括:

12、分别获取一种数据一个尺度下的向量矩阵中一个网格的特征向量与该网格的邻域内其他网格的特征向量的余弦相似度并求均值得到该种数据该尺度下该网格的局部稳定特征值;将该种数据各尺度下该网格的局部稳定特征值进行加权求和得到该种数据该网格的综合稳定特征值。

13、优选地,利用两种数据一个网格以及该网格邻域内网格的综合稳定特征值的关联性获取两种数据该网格的局部关联程度,包括:

14、将一种数据一个网格以及该网格的邻域内各网格的综合稳定特征值组成该种数据该网格的综合稳定特征矩阵;求取两种数据该网格的综合稳定特征矩阵的斯皮尔曼秩相关系数的绝对值作为两种数据该网格的局部关联程度。

15、优选地,对一种数据与其他种数据一个网格的局部关联程度进行融合得到综合关联程度,包括:

16、求取一种数据与其他种数据一个网格的局部关联程度的均值得到该种数据该网格的综合关联程度。

17、优选地,利用一种数据和其他种数据一个网格的初始可信度以及该种数据和其他种数据该网格的局部关联程度对该种数据该网格的初始可信度进行迭代更新获得截止可信度,包括:

18、构建可信度传播迭代模型,具体为:

19、,

20、其中,为第k种数据在第t+1次传播后网格i处的可信度;表示第k种数据在第t次传播后网格i处的可信度;t表示传播迭代次数;μ表示自身可信度保持比例系数;k为数据的种类的数量;表示第k种数据与其他种类的数据中第j种数据之间在网格i处的局部关联程度;表示其他种类的数据中第j种数据在第t次传播后网格i处的可信度;

21、按照可信度传播迭代模型从第k种数据网格i处的初始可信度开始传播迭代,当第k种数据网格i处的相邻两次传播迭代的可信度的中后一次传播迭代对应的可信度与前一次传播迭代对应的可信度的差值绝对值小于截止阈值,停止传播迭代得到第k种数据网格i的截止可信度。

22、优选地,基于一种数据一个网格的初始可信度和截止可信度获取最终可信度,包括:

23、利用一种数据一个网格的截止可信度和初始可信度之间的差值绝对值比上该种数据该网格的截止可信度和初始可信度之间中的最大值得到对应比值,利用第一预设值减去所述对应比值得到该种数据该网格的可信度稳定性;将该种数据该网格的截止可信度与可信度稳定性相乘得到该种数据该网格的最终可信度。

24、优选地,利用每种数据一个网格的最终可信度获取每种数据该网格的融合权重,包括:

25、将一种数据一个网格的最终可信度比上各种数据该网格的最终可信度得到该种数据该网格的融合权重。

26、本技术实施例至少具有如下有益效果:本技术首先将待分析区域网格化并将采集的地震勘探数据、测井数据、钻井解释数据和地质解释数据映射到各网格,并提取各网格各种数据的特征向量组成每种数据的空间特征矩阵,完成多源数据的空间配准、特征提取,构建统一空间特征表达形式;进一步的,对每种数据的空间特征矩阵进行多尺度分解获取每种数据的各尺度下的向量矩阵,对一种数据的各尺度下的向量矩阵分析获取该种数据各网格的综合稳定特征值,通过多尺度空间分解方法获取不同尺度下的数据变化特征,并结合邻域空间相似性分析得到各类数据源在不同空间位置处的综合稳定特征,然后对一种数据与其他种数据一个网格的局部关联程度进行融合得到综合关联程度,进而融合数据自身稳定性与多源关联信息获得初始可信度;利用一种数据和其他种数据一个网格的初始可信度以及该种数据和其他种数据该网格的局部关联程度对该种数据该网格的初始可信度进行迭代更新获得截止可信度,得到经过多源一致性修正后的稳定可信度结果;随后,基于一种数据一个网格的初始可信度和截止可信度获取最终可信度;利用每种数据一个网格的最终可信度获取每种数据该网格的融合权重,并利用该权重对多源速度信息进行动态融合建模,通过上述方法,能够根据不同空间位置处数据源自身可靠程度以及多源信息一致性关系动态调整数据贡献比例,降低噪声、异常数据以及局部不一致信息对速度场构建的影响,提高复杂煤系地层条件下速度场建模的准确性、稳定性以及对多源数据质量变化的适应能力。