本发明涉及地震数据处理和油气勘探，特别涉及一种基于属性聚类的低速泥岩识别方法和系统。
背景技术：
1、近年来，随着油气资源勘探的不断深入，亮点识别技术已成为识别含气储层的一项重要手段。然而，尽管这种技术在浅层储层的应用中取得了显著的成功，但在中深层储层的识别中却面临诸多挑战。特别是，勘探实践中屡次出现了亮点识别失误的情况，导致勘探精度下降，影响了储层的有效识别和开发。
2、深入分析表明，造成这些识别失误的主要原因之一是低速泥岩的广泛发育。低速泥岩是一种特殊的地层，通常在背景泥岩之下形成，其速度更低，在地震剖面上呈现出类似于含气储层的“亮点”特征。这种“亮点”容易与实际的含气砂岩混淆，形成所谓的低速泥岩“亮点陷阱”，严重干扰了对含气储层的正确识别。
3、低速泥岩的存在不仅使得传统的亮点识别技术在中深层储层中失效，还可能导致勘探工作中出现错误的储层预测，进而引发不必要的钻探风险和经济损失。因此，如何准确区分低速泥岩和含气储层，成为了勘探领域亟待解决的技术难题。
4、参考文献
5、[1]张明伟,高凌,谭建财,潘光超,李文拓.低速泥岩识别技术在莺歌海盆地区域勘探中的应用[j].中国矿业,2018,27(11):145-150；
6、[2]张卫卫，何敏，朱明等。应用avo技术识别深水区非亮点气藏，石油地球物理勘探，2015,50(1):123-128；
7、[3]裴健翔，潘光超，朱沛苑，刘峰.莺歌海盆地超压带低速泥岩陷阱的甄别及对勘探的启示.石油地球物理勘探，2016,51(2):361-370；
8、[4]李芳，邓勇，刘仕友，等.欠压实低速泥岩对地震反射及avo的影响[j].地质科技情报，2017,36(5):244-248。
技术实现思路
1、本发明针对现有技术的缺陷，提供了一种基于属性聚类的低速泥岩识别方法和系统。综合运用了地震数据分析、地质建模和机器学习技术，通过对地震响应特征的深度分析和属性优选，实现了对低速泥岩与含气砂岩的有效区分。该智能预测方案能够显著提高低速泥岩发育区的储层识别精度，减少亮点陷阱的干扰，从而为勘探决策提供更加可靠的技术支持。
2、为了实现以上发明目的，本发明采取的技术方案如下：
3、一种基于属性聚类的低速泥岩识别方法，包括以下步骤：
4、步骤一：低速泥岩模式研究：
5、根据工区探井的测井数据和地震数据，对低速泥岩的发育特征进行研究分析。
6、将低速泥岩划分为亮点型低速泥岩和非亮点型低速泥岩，并分析其在包括：测井曲线、交会图、地震剖面和avo特征方面的表现，得到井分析结果。
7、步骤二：模型构建及地震正演：
8、根据井分析结果，建立三层水平层状介质模型。
9、构建模型一，包含厚层低速泥岩加薄层含气砂岩，地震正演响应为低频中振幅。
10、构建模型二，包含薄层低速泥岩加薄层含气砂岩，地震正演响应为低频高振幅。
11、构建模型三和模型四，为亮点型低速泥岩，地震正演响应为低频高振幅。
12、构建模型五，为非亮点型低速泥岩模型，地震正演响应为低频低振幅。
13、步骤三：地震属性提取及优选：
14、提取多种地震属性，包括：振幅类、瞬时类和频谱类。
15、剔除不敏感属性，保留优选的地震属性，用于后续分析。
16、对优选的地震属性进行标准化处理，计算相关系数。
17、根据相关系数值，剔除冗余属性，保留相关性较低的属性用于聚类分析。
18、步骤四：属性聚类分析：
19、使用clara聚类算法对优选的地震属性进行属性聚类分析。
20、采用pam方法在选定样本集内找出k个最优的中心点，并将这些中心点应用于整个数据库，进行属性聚类。
21、通过多次循环，计算并优化聚类总代价，最终确定最佳的代表对象集合。
22、步骤五：识别结果分类：
23、根据属性聚类结果，将识别结果划分为五类：正常压实泥岩、亮点型低速泥岩、非亮点型低速泥岩和两类地震响应不同的含气砂岩。
24、将属性聚类结果与井上数据进行对比分析，确认低速泥岩及含气砂岩的识别准确性。
25、最终依据聚类结果，对储层与低速泥岩进行识别和区分，指导勘探和井位部署。
26、进一步地，步骤三的子步骤如下：
27、步骤3.1：提取地震属性；
28、收集正演结果数据：获取通过地震正演模拟得到的地震数据。
29、选择属性类型，包括：振幅类属性、瞬时类属性和频谱类属性；
30、振幅类属性包括：峰值振幅、均方根振幅、振幅比率。
31、瞬时类属性包括：瞬时相位、瞬时频率、瞬时振幅。
32、频谱类属性包括：功率谱密度、频率峰值、频带宽度。
33、计算地震属性，对每种属性进行计算。从正演数据中提取所选的振幅类、瞬时类和频谱类属性的具体数值。
34、步骤3.2：属性敏感性分析；
35、筛选敏感属性：根据对低速泥岩和含气砂岩的地震响应特征进行分析，筛选出敏感属性。敏感属性能够有效区分不同类型的储层。
36、剔除对目标识别无显著贡献的属性，留下对低速泥岩和含气砂岩具有识别作用的属性。
37、保留优选属性：从原始提取的属性中，保留对低速泥岩和含气砂岩辨别有用的地震属性。
38、步骤3.3：对保留的地震属性进行标准化处理，使其具有相同的尺度和均值。
39、步骤3.4：计算所有地震属性之间的相关系数。相关系数用于衡量属性之间的线性关系，范围从-1到1。
40、对计算出的相关系数进行统计分析，生成相关系数矩阵。
41、确定相关系数值高于0.8的属性对，认为它们之间存在较强相关性，并考虑去除冗余属性。
42、确定相关系数值低于0.2的属性对，认为它们之间的相关性很弱，不适用于属性聚类。
43、步骤3.5：根据相关系数分析结果，选择相关系数在0.25到0.75之间的属性用于后续的属性聚类分析。
44、将筛选后的地震属性整理成适合进行聚类分析的数据格式，确保数据集完整且符合聚类分析的要求。
45、进一步地，步骤四的子步骤如下：
46、步骤4.1：选择步骤三中优选出的地震属性作为分析对象，整理数据确保格式和结构符合clara聚类算法的要求。
47、步骤4.2：设定clara聚类算法的参数，包括样本大小和选样次数，随机从整个数据库中抽取一个子样本集，样本大小由参数设定决定。
48、步骤4.3：初始化，在选定的样本集中，使用pam方法选择k个初始中心点；分配步骤：将样本集中的每个数据点分配给距离最近的中心点，形成k个簇；更新，对每个簇计算簇内点的总成本，查找并更新每个簇的中心点，以降低簇内的总成本；迭代，重复分配和更新步骤，直到中心点不再显著变化，或达到迭代次数上限。
49、步骤4.4：扩展中心点，将pam方法得到的k个中心点应用到整个数据库，将每个数据点分配给距离最近的中心点，形成最终的k个簇。
50、步骤4.5：计算最终的聚类成本，包括簇内点的总距离和中心点的总距离；调整k值或其他参数，重新执行clara算法以优化聚类结果；使用聚类评价指标(如轮廓系数、聚类有效性指数等)评估聚类结果的质量，比较聚类结果与实际数据的一致性，验证聚类的有效性。
51、步骤4.6：结果输出，记录最终的属性聚类结果，包括每个簇的中心点和簇内数据点；生成报告，编制属性聚类分析报告，包含聚类结果的详细描述和分析。
52、本发明还公开了一种基于属性聚类的低速泥岩识别系统，该系统能够用于实施上述的基于属性聚类的低速泥岩识别方法，所述系统包括：
53、数据采集模块：负责收集和整理勘探井的测井数据和地震数据，包括数据采集仪器、数据存储设备和数据传输接口。
54、数据预处理模块：对采集的数据进行清洗、去噪和格式转换，包括数据清洗算法、去噪滤波器和格式转换工具。
55、低速泥岩模式研究模块：基于探井数据分析低速泥岩的模式，包括低速泥岩分类分析、特征提取和模式研究工具，将低速泥岩划分为亮点型和非亮点型，并分析其在测井曲线、交会图、地震剖面和avo特征方面的表现。
56、模型构建及地震正演模块：根据井分析结果，建立三层水平层状介质模型并进行地震正演模拟，包括模型构建工具、正演模拟软件和模型验证功能，构建多个模型(如模型一至模型五)以模拟不同的地震响应特征。
57、地震属性提取模块：从正演结果中提取多种地震属性，包括振幅类、瞬时类和频谱类，进行属性提取、筛选和分析。
58、属性优选模块：对提取的地震属性进行标准化处理和相关系数统计，剔除不敏感属性，保留优选的属性用于后续的属性聚类分析，包括标准化工具、相关系数计算工具和冗余属性剔除功能。
59、属性聚类分析模块：使用clara聚类算法和pam方法对优选的地震属性进行属性聚类分析，包括clara聚类算法工具、pam方法实现模块和聚类结果优化功能。
60、识别结果分类模块：将属性聚类结果进行分类和分析，包括识别结果分类工具、数据对比分析功能和结果验证模块，根据属性聚类结果对储层和低速泥岩进行识别和区分。
61、本发明还公开了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述基于属性聚类的低速泥岩识别方法。
62、本发明还公开了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述基于属性聚类的低速泥岩识别方法。
63、与现有技术相比，本发明的优点在于：
64、1.提高识别精度：通过基于属性聚类的方法，本发明能够有效区分亮点型和非亮点型低速泥岩，从而提高对低速泥岩的识别精度，减少识别误差。
65、2.优化属性选择：通过地震属性的提取和优选，本发明剔除了不敏感或冗余的属性，保留了对低速泥岩识别最有价值的属性，从而提升了聚类分析的效果和效率。
66、3.增强模型适应性：利用不同的地震模型(如含气砂岩和低速泥岩模型)进行正演模拟，本发明可以适应各种地质条件下的低速泥岩识别需求，具有较强的适应性和通用性。
67、4.减少人工干预：通过自动化的数据处理、模型构建、属性提取和聚类分析，本发明显著减少了人工干预的需求，提高了工作效率和一致性。
68、5.提高勘探准确性：本发明通过对储层和低速泥岩的精准识别，为勘探和开发提供了可靠的技术支持，帮助减少勘探风险，提高勘探成功率。
69、6.支持决策优化：本发明生成的识别结果可以为油气田的开发决策提供科学依据，优化井位部署和储层开发策略，提升资源利用效率。
1.一种基于属性聚类的低速泥岩识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于属性聚类的低速泥岩识别方法，其特征在于：步骤三的子步骤如下：
3.根据权利要求1所述的基于属性聚类的低速泥岩识别方法，其特征在于：步骤四的子步骤如下：
4.一种基于属性聚类的低速泥岩识别系统，其特征在于：该系统能够用于实施权利要求1至3其中一项所述的基于属性聚类的低速泥岩识别方法，所述系统包括：
5.一种计算机设备，其特征在于：包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现权利要求1至3其中一项所述的基于属性聚类的低速泥岩识别方法。
6.一种计算机可读存储介质，其特征在于：其上存储有计算机程序，该程序被处理器执行时实现权利要求1至3其中一项所述的基于属性聚类的低速泥岩识别方法。
