【導讀】dGBEarthSciences.專注于地球物理和地學軟件解決方案。F3–荷蘭海上工區(qū)演示數(shù)據(jù)。海淀區(qū)花園東路32號

　　

【正文】 e 202011 32 5 神經(jīng)網(wǎng)絡(luò) 簡介 OpendTect神經(jīng)網(wǎng)絡(luò)插件支持有監(jiān)督神經(jīng)網(wǎng)絡(luò)方法和無監(jiān)督神經(jīng)網(wǎng)絡(luò)方法。 有監(jiān)督神經(jīng)網(wǎng)絡(luò)是一種具有一個 隱藏層 的全關(guān)聯(lián)多層感知器（ MLP），采用的學習算法是動量和加權(quán)衰減的向后傳播算法。動量在梯度下降算法中用于步長方向的濾波，對于訓練速度具有正面影響。加權(quán)衰減是避免訓練時過度匹配的方法。權(quán)系數(shù)與一個加權(quán)衰減因子相乘，來降低加權(quán)系數(shù)值，從而得到更平滑的函數(shù)且廣義特性得到改善。隱藏層中的節(jié)點數(shù)量由程序設(shè)定。 無監(jiān)督神經(jīng)網(wǎng)絡(luò)是無監(jiān)督的向量編碼器（ UVQ）。該網(wǎng)絡(luò)首先對輸入向量（不同位置處提取的屬性）的一個代表性子集進行訓練，以便找到聚類中心。然后將每個聚類中心表示為一個向量。在保存神經(jīng) 網(wǎng)絡(luò)之前，軟件按照相似度對聚類中心向量進行分類，這種做法的優(yōu)點在于應(yīng)用神經(jīng)網(wǎng)絡(luò)時，顏色值沿著聚類中心會分布得更光滑，從而使圖像更加光滑和易于解釋。在應(yīng)用神經(jīng)網(wǎng)絡(luò)時，將每個地震輸入向量與所有聚類中心向量進行對比，產(chǎn)生兩個可能得輸出結(jié)果： Segment和 Match。 Segment是成功聚類中心的索引， Match為 置信度 ，數(shù)值在 0（不可信）和 1（輸入向量和成功聚類向量是相同的）之間。 練習 UVQ網(wǎng)絡(luò)，對其中一個繪圖層位可視化顯示其地震模式。練習 MLP網(wǎng)絡(luò)。在練習 一個氣煙囪地震數(shù)據(jù)體，這個數(shù)據(jù)體突出了地震數(shù)據(jù)中的垂向擾動，可用于含油氣系統(tǒng)分析，例如用于評估油氣充注和封存的風險以及用于斷層封堵性分析。在練習 MLP網(wǎng)絡(luò)，利用訓練數(shù)據(jù)體的實測井信息，由地震數(shù)據(jù)和反演聲阻抗數(shù)據(jù)預(yù)測了孔隙度。 波形分類 數(shù)據(jù)的無監(jiān)督分類（聚類）可以兩種方式實現(xiàn)：基于層位和基于體。本節(jié)的練習采用了基于層位（或 2D）的方式。 3D分類方法非常相似。但是需要注意，在 3D分類時，只能使用那些不直接與樣點位置的相位相關(guān)的屬性。如果使用了振幅之類的相位敏感屬性，訓練結(jié)果會非常類似 原始地震數(shù)據(jù)。 工作流程 在本練習中，我們將采用基于層位的無監(jiān)督分類工作流程，目的是可視化顯示緊靠 FS4層位下方的層段的地震模式。為此我們將對相對于層位提取的地震波形（即給定時間間隔內(nèi)的地震振幅）進行聚類。用戶可以定義兩個輸入?yún)?shù)：提取時窗和輸出聚類數(shù)。時窗由地質(zhì)目的層段的厚度決定，同時取決于地震相位和帶寬（對于零相位數(shù)據(jù)，當層位解釋為層段頂界面時，起始時間應(yīng)設(shè)在層位以上）。通?？捎煤铣捎涗浐?/或測井曲線決定理想的時窗大小。一般將輸出聚類數(shù)設(shè)為202011 33 10。 10個聚類結(jié)果可以采用可視化方式，僅需簡單 調(diào)整色標（ Edit色標中的segmentize選項） ，即可將其重新組合為更少的聚類數(shù)。這個流程圖見圖 。 圖 . UVQ波形分類工作流程?；隗w的分類流程與此相似，不同點在于不與網(wǎng)格形式輸出，而是以體的形式輸出，聚類中心不能向地震波形那樣顯示。 all traces 所有地震道 Seismic Data +mapped horizon 地震數(shù)據(jù)＋層位 Apply 應(yīng)用 Segmentation and match grid 屬性聚類和匹配網(wǎng)格 Trained UVQ work 訓練的 UVQ網(wǎng)絡(luò)結(jié)果 View class centres 查看聚類中心 Train UVQ work 訓練 UVQ網(wǎng)絡(luò) Create random pick set 產(chǎn)生隨機的代表性子集 Define attribute set定義屬性集 Attributes at random positions 任意位置的屬性 練習時： ? 單擊 Edit attributes圖標，打開缺省屬性集 “ Unsupervised Segmentation 2D”。選擇地震體“ All lines”（原始地震數(shù)據(jù)）作為屬性的輸入。 ? 右鍵單擊樹形結(jié)構(gòu)中的 Horizon圖標，打開層位 FS4。 ? 右鍵單擊 OpendTect Tree中的 PickSet。創(chuàng)建一個 new拾取自己，沿層位隨機（ random）拾取 1000個點。結(jié)果如圖 。在繼續(xù)下面操作之前，將拾取點store為一個新文件，例如命名為 My_random1000_FS4。 ? 單擊圖標 啟動神經(jīng)網(wǎng)絡(luò)插件。選擇 Pattern Recognition [Picksets]，指定Unsupervised Analysis方法，從所有屬性中選擇一個子集，如從 12ms到 +24ms。選擇 My_random1000_FS4作為使用的子集。注意缺省的類別（分類）數(shù)為 10，使用這個缺省設(shè)置即可。點 OK隨機提取 1000個位置處的指定波形。在下一個窗口中你可以交會顯示數(shù)據(jù)，在使用無監(jiān)督方法時交會圖意義不大（在練習 202011 34 監(jiān)督網(wǎng)絡(luò)中，我們將使用交會圖）。單擊 OK重新啟動神經(jīng)網(wǎng)絡(luò)。當平均匹配程度達到 90%（圖 ）時，神經(jīng)網(wǎng)絡(luò)已經(jīng)得到了完全訓練。將網(wǎng)絡(luò)結(jié)果保存為一個意義明確的名稱，如 UVQ_10_[12,+24]_FS4。 ? 右鍵單擊樹形結(jié)構(gòu)中的層位選項，將神經(jīng)網(wǎng)絡(luò)訓練結(jié)果應(yīng)用到 FS4層位 。選擇Select attribute菜單中的 Neural Network選項 Segment。這要花費一些處理時間；因此最好 Save結(jié)果。你以后可以通過 Select Attribute Surface data恢復(fù)保存的結(jié)果。 ? 創(chuàng)建一個顏色數(shù)目與分類數(shù)相同的色標，使得每個類別都有自己的顏色。你的結(jié)果應(yīng)該類似圖 .（除了顏色不同以外）。注意在這張圖中，聚類中心顯示在右上角。聚類中心按照如下操作進行可視化顯示：單擊 Neural Networks圖標，按Info按鈕。在神經(jīng)網(wǎng)絡(luò)信息窗口中按 Display。 ? 你還可以選擇創(chuàng)建一個 Match輸出結(jié)果，方法是再次對層位數(shù)據(jù)應(yīng)用神經(jīng)網(wǎng)絡(luò)結(jié)果。 Match會顯示何處分類結(jié)果是可靠的，何處是不可靠的。 無監(jiān)督波形分類方法揭示了具有相似地震響應(yīng)的區(qū)域，作為一種易于使用的快速解釋工具得到了廣泛應(yīng)用。為了成功應(yīng)用該方法，你需要一個很好的參考層位，而且地質(zhì)上最好是連續(xù)地層。另外應(yīng)當認識到由于褶積效應(yīng)，結(jié)果會受到上覆地層和下伏地層變化的影響。波形分類存在變化是可能。例如近道疊加、中道疊加和遠道疊加的波形聚類中就包含了 AVO效應(yīng)。除了波形聚類以外，還可以對多道屬性如相干性 和曲率進行聚類，以期拾取出斷裂－密度特征。 利用（隨機）模擬的偽井（ de Groot， 1999）可以對 UVQ結(jié)果做更多定量化分析。 圖 . 1000個隨機位置拾取的 FS4層位，用于 UVQ網(wǎng)絡(luò)訓練。 202011 35 圖 . UVQ網(wǎng)絡(luò)訓練。當平均匹配程度達到 90%時訓練停止。 圖 UVQ分類結(jié)果。時窗為 FS4 12ms到 FS4+24ms。可以直觀看到地震響應(yīng)特征相似（波形相似）的區(qū)域。仍然需要進一步根據(jù)地質(zhì)和地球物理變化解釋這些模式的含義。 生成氣煙囪數(shù)據(jù)體 下面的練習會指導你通過流 程創(chuàng)建一個地震目標概率體。在這個特定的例子中，我們旨在獲得一個（氣）煙囪概率體，但這個工作流程可用于任何一個你希望從背景中識別出的地震目標，如鹽丘、斷層、異常等。除了二進制目標檢測外，還可以按照同樣的原則進行聚類檢測。聚類檢測一般用于地震相分類。注意這種方法與前面練習的 UVQ分類方法相似。這兩種方法都輸出地震相圖（或體），但是 UVQ方法顯示的具有相似地震響應(yīng)的區(qū)域（體）需要進一步解釋，而有監(jiān)督訓練結(jié)果揭示的區(qū)域（體）具有地質(zhì)含義。有監(jiān)督檢測的工作流程見圖 。 202011 36 圖 。這個流程 可用于生成目標“概率”體，如氣煙囪數(shù)據(jù)體和斷層數(shù)據(jù)體，也可用于產(chǎn)生聚類輸出結(jié)果，如地震相體。 all traces 所有地震道 Seismic Data 地震數(shù)據(jù) Apply應(yīng)用 Object ?probability? or Class + Match 目標“概率”或類別＋匹配 Trained MLP work 訓練的 MLP網(wǎng)絡(luò)結(jié)果 Train MLP work 訓練 MLP網(wǎng)絡(luò) Pick examples 拾取樣本 Define attribute set 定義屬性集 Attributes at example positions 樣本位置的屬性 練習時需要定義一個屬性集，拾取氣煙囪和非氣煙囪（即背景響應(yīng)）樣本，訓練神經(jīng)網(wǎng)絡(luò)，然后將其應(yīng)用于數(shù)據(jù)體。每個過程將在下面詳細敘述。 定義屬性集 單擊圖標欄中的屬性圖標 打開屬性窗口。 打開缺省屬性集進行 NN氣煙囪 檢測： ? File – Open Default set 或還可以按下 “green cabi”圖標。會彈出幾個窗口，為各種屬性計算選擇輸入地震數(shù)據(jù)集，以及控制數(shù) 據(jù)集。當系統(tǒng)詢問“ Select Seismic input”，單擊窗口右下角的 Select，并從列在上方的屬性中選擇 Median Dip Filtered Seismic作為輸入地震數(shù)據(jù)。用戶 不 需要選亮這些屬性，因為列出的這些屬性只是用于提醒用戶，將從地震數(shù)據(jù)體中計算哪些屬性。用相同方式選擇下一個窗口中的 “Select Steering input”，現(xiàn)在選擇 Steering Cube BG Detailed。 Exercise 202011 37 ? 在屬性集中的屬性應(yīng)該能夠區(qū)分出氣 煙囪 和背景的特征差異。視覺觀察認為在主測線 120 和聯(lián)絡(luò)測線 690 位置附近，氣 煙囪 響應(yīng)明顯。這樣的氣 煙囪 響應(yīng)表現(xiàn)為地震剖面上的縱向噪音條帶。 氣煙囪的地震響應(yīng)雜亂，能量偏低，道與道之間的相似性差，因此在屬性集中應(yīng)包含諸如相似性、曲率、能量和傾角方差（一種 混沌 程度的量度）之類的屬性。 氣煙囪在縱向上的顯示特征，可以通過從三個窗口中提取相同屬性刻畫出來：這三個窗口分別是在評價點上方、在評價位置上、和評價點下方。這樣的計算方式可以區(qū)分垂向干擾和局部干擾。 Chimney Cube缺省屬性集，或者自己創(chuàng)建一個檢測氣煙囪的數(shù)據(jù)集。你設(shè)置的屬性應(yīng)用能夠捕捉到氣煙囪和背景響 應(yīng)之間的差異。數(shù)據(jù)的可視化檢查顯示氣煙囪在 inline120和 crossline690（圖 ）上可見，在垂向上表現(xiàn)為一串噪聲。 在 3個垂向提取窗口－即評價點之上、評價點和評價點之下－中相同屬性，可以發(fā)現(xiàn)氣煙囪的垂向特征。注意在缺省設(shè)置中， 3個窗口的窗口長度均為 80ms，這使得神經(jīng)網(wǎng)絡(luò)有可能從局部擾動中分離垂向擾動。如欲產(chǎn)生你自己的屬性集或調(diào)整缺省設(shè)置，參照第 2章敘述的交互屬性評估流程，將你的檢測窗口放置在inline690的氣煙囪附近，計算各種屬性，檢查它們是否能夠提取到氣煙囪的響應(yīng)，從而將其用于神經(jīng) 網(wǎng)絡(luò)分析。 拾取樣本位置 為了拾取氣煙囪，首先必須對其進行識別。除了表現(xiàn)出垂向噪聲和不規(guī)則噪聲的特征外，氣煙囪在相干類型時間切片的截面上通常表現(xiàn)為圓形。另外，氣煙囪還常常與 滲漏 有關(guān)的特征相聯(lián)系，如泥火山和（古）海底凹痕，或與相鄰的強振幅同相軸相聯(lián)系。因此尋找氣煙囪就是搜索數(shù)據(jù)集，在其中你可以使用可視化工具和交互屬性分析方法去分辨可以拾取的氣煙囪。這當然是一個解釋過程。就像所有的解釋過程那樣，存在偏差將影響最終結(jié)果。 202011 38 拾取的樣本在 PickSets中進行組織。現(xiàn)在我們創(chuàng)建兩個數(shù)據(jù)集，一個是氣 煙囪處的樣本，一個是未擾動地震數(shù)據(jù)處的樣本。 ? 彈出 inline 690（可以選擇將 Resolution設(shè)為 High）。 ? 右鍵單擊 OpendTect單元樹中的 Pickset， ? 選擇 New/Load，標記為 New，為你將要創(chuàng)建的樣本集命名，如Chimney Yes。就像屬性名那樣，給樣本集完整的命名，這樣有助于以后組織你的樣本集。不要在樣本集中充滿不規(guī)則樣本。 ? 點擊 OK。當在單元樹中選擇樣本集并假定處于交互模式（紅色箭頭圖標）時，可對所有可見元素拾取樣本。在屏幕和單元樹底部，可以看到活動樣本 集中拾取的樣本數(shù)。 ? ? 為保存樣本集，右鍵單擊單元樹中的樣本集，然后選擇 Store。在你可以保存樣本集的位置出現(xiàn)一個新窗口。作為選擇，可以將幾個樣本集合并為一個。為了在一個樣本集中保存多個樣本集，右鍵單擊單元樹上部的 Pickset而不是單個樣本集，選擇 store。 ? 在拾取模式下，在屏幕上單擊左鍵拾取新的樣本。拾取點產(chǎn)生并繪制在最靠近觀察點的平面上。如果希望旋轉(zhuǎn)視圖，使用屏幕邊上的滾動按鈕。要刪除一個拾取點，選擇樣本集，然后按住 Control鍵，選擇拾取。 ? 現(xiàn)在產(chǎn)生一個名為 Chimney No的新樣本集，在 未擾動地震數(shù)據(jù)中大概拾取相同數(shù)量的樣本。分別保存這兩個樣本集。 ? 重復(fù)這個過程，在其它測線上拾取氣煙囪和非氣煙囪樣本。使用Position選項（右鍵單擊樹單元），將 inline690移動到拾取數(shù)據(jù)的新位置。建議拾?。ㄓ益I單擊樣本集）時不要使用 Show All選項。缺省狀態(tài)下，這個選項是打開的。關(guān)閉該選項，只顯示圖形區(qū)域內(nèi)顯示單元上的拾取點而將其余點隱藏。如果不這樣做，你的屏幕會被所有拾取點弄得很亂。 為了提高拾取質(zhì)量，有時要改變顯示的屬性。