利用分形技术和人工神经网络技术检测小断层.pdf

中国矿业大学学报990 315 中国矿业大学学报 JO U RNA L O F CH INA U NIVERSIT Y O F M I NING T ECH NO LO G Y 1999年 第3期 第2 8 卷 Vo l . 2 8 No . 3 1999 利用分形技术和人工神经网络技术检测小断层* 崔若飞 许 东 摘要 探讨了应用人工神经网络检测小断层的可能性，认为时间域关联维和频率域关联 维能够比较真实地反映地震记录的分维数；将分形技术和人工神经网络技术用于地震资 料的解释, 从地震记录中直接提取分形参数，在地质构造非常复杂及地震资料的信噪比较 低的涡北井田实际应用中基本查明了落差10 m 以上的断层，并能有效控制落差10 m 以 下的断层. 关键词 分形, 人工神经网络, 断层，时间域关联维，频率域关联维 中图分类号 P 6 31. 4 D e t e c t i o n o f M i n o r Fa u l t s U s i n g b o t h Fr a c t a l a n d A r t i f i c i a l Ne u r a l Ne t w o r k T e c h n i q u e s Cu i Ru o f e i Xu D o n g Co l l e g e o f M i n e r a l Re s o u r c e a n d En v i r o n m e n t Sc i e n c e s , CU M T , Xu z h o u , Ji a n g s u 2 2 10 0 8 A b s t r a c t T h e p o s s i b i l i t y o f u s i n g a r t i f i c i a l n e u r a l n e t w o r k t o d e t e c t m i n i -f a u l t i s a p p r o a c h e d . T h e r e l a t i o n d i m e n s i o n i n t i m e d o m a i n a n d t h e r e l a t i o n d i m e n s i o n i n f r e q u e n c y d o m a i n a r e t h o u g h t t o b e t h e f r a c t a l d i m e n s i o n p a r a m e t e r s w h i c h c a n t r u l y r e f l e c t t h e s e i s m i c r e c o r d s . W i t h t h e f r a c t a l a n d a r t i f i c i a l n e u r a l n e t w o r k b e i n g u s e d i n i n t e r p r e t i n g s e i s m i c d a t a , a n d t h e f r a c t a l p a r a m e t e r s b e i n g e x t r a c t e d d i r e c t f r o m s e i s m i c r e c o r d s , a f a u l t w i t h a t h r o w o f m o r e t h a n 10 m c a n b e a s c e r t a i n e d , a n d t h a t o f l e s s t h a n 10 m c a n b e c o n t r o l l e d i n G u o b e i m i n i n g a r e a w h e r e t h e g e o l o g i c a l s t r u c t u r e i s v e r y c o m p l i c a t e d a n d t h e S/ N i s v e r y l o w . K e y w o r d s f r a c t a l , a r t i f i c i a l n e u r a l n e t w o r k , f a u l t , r e l a t i o n d i m e n s i o n i n t i m e d o m a i n , r e l a t i o n d i m e n s i o n i n f r e q u e n c y d o m a i n 现行的地震资料解释方法主要是利用反射波至时间 运动学特征 来解决构造问题, 而 没有充分利用与地下构造及岩性均有关的动力学信息. 我们利用地震特征参数及模式识别 方法综合解释小断层，建立了地震资料断层识别系统, 将计算机和模式识别技术应用到地 震资料解释中. 模式识别就是对所研究的对象根据其共同特征或属性进行识别和分类. 该方法的主要 特点是利用更多的地震信息, 并借助计算机的高分辨能力对地震特征参数定量化, 进行综合 分析与逻辑判断, 做出断层 也包括其它构造特征 解释, 避免了人为因素的影响. 为了提高涡北井田地震资料解释的精度及可信度, 为矿井开拓及生产提供更加可靠的 f i l e / / / E| / q k / z g k y d x x b / z g k y 99/ z g k y 990 3/ 990 315. h t m （第 1／6 页）2 0 10 -3-2 3 15 57 48 中国矿业大学学报990 315 地质依据, 在常规解释的同时, 利用模式识别技术对该区的叠后地震资料进行研究, 以便查 明井田一水平 -6 50 m 以上 中落差5m 左右的断点, 进一步搞清8 煤的构造形态. 1 用于检测小断层的分形参数 197 7 年, 法国数学家M a n d e l b r o t 首次提出分形几何学的设想, 并在十多年中得到较快的 发展. 长期以来, 人们习惯于在欧氏空间中研究问题, 而自然界中有很多问题是无法用传统 科学解决的. 分形几何学更准确地揭示了自然界的本来面貌, 用简单方法描述复杂现象, 用 规则的方法处理不规则的问题. 在越混乱、越无规则、越复杂的领域, 它就越有成效［1～ 3］. 煤田地震勘探的首要任务是查明采区内的构造形态, 特别是小断层的发育情况. 分形理 论已经证明地震记录具有分形特性, 于是可以提取煤层反射波的分维参数用于小断层的预 测. 利用煤田地震记录计算分维参数的方法是首先沿煤层反射波开一时窗, 在时窗内尽 可能只包含煤层反射波, 而将其它干扰波排除在外；然后提取时窗内地震数据的时间域关 联维, 再进行频谱分析求出振幅谱, 把振幅谱看作是频率的混沌序列, 可以求出频率域关联 维, 同时也可求出容量维. 1. 1 时间域关联维 在地震剖面上, 断层附近的煤层反射波发生了变化. 反射波同相轴发生错断、同相轴形 状突变、反射零乱、出现空白带；反射波能量减弱、振幅降低、噪声的影响突出. 反应到 波形上的变化是反射波幅值降低, 波形变得平缓且零乱. 波形的变化将会引起反射波序列分 维值的变化. 以12 1线为例, 图1是叠加剖面, 在CD P7 7 处为一落差10 m 的断层. 将原始剖面进行带通 滤波 0 ～8 0 H z , 产生有效信号剖面, 将两剖面相减得到噪声剖面. 在有效信号剖面上, 断点附 近反射波信号明显减弱, 波形变得平缓、零乱. 在噪声剖面上, 基本看不到反射波同相轴, 断 点附近呈现一片杂乱的噪声. 这说明记录中的高频成分基本上不反应地下的构造情况, 而代 表着干扰背景. 图1 12 1线叠加剖面 Fi g . 1 St a c k i n g s e c t i o n o f l i n e 12 1 由图2 可见, 实际地震记录和有效信号的时间域关联维在断点附近均呈现明显的低值, 而噪声序 列的时间域关联维对断层的响应无规律可循. 由此推论为在断点附近有效信号减弱, 噪声的影响相 对增强, 地震记录出现较低的振幅值和平缓、零乱的波形, 至使断点附近的时间域关联维呈现低值. f i l e / / / E| / q k / z g k y d x x b / z g k y 99/ z g k y 990 3/ 990 315. h t m （第 2 ／6 页）2 0 10 -3-2 3 15 57 48 中国矿业大学学报990 315 图2 12 1线的时间域关联维 Fi g . 2 Re l a t i o n d i m e n s i o n i n t h e t i m e d o m a i n o f l i n e 12 1 1. 2 频率域关联维 在频率域中计算关联维, 就是把煤层反射波的时间序列进行谱分析, 得到其振幅谱序列，然后把 振幅谱看作是频率的混沌序列, 并计算关联维. 由于断层的存在, 会引起地震信号振幅谱的变化, 从而 导致振幅谱序列的关联维的变化. 仍以12 1线为例进行讨论, 对CD P39 对应正常地层 、CD P7 7 对应断 层 处的煤层反射波进行频谱分析 图3 . 由图3发现, 正常情况下反射波序列的主频为6 0 H z 左右, 在 主频处出现明显的峰值, 能量主要集中在主频附近 图3a ；对于断层, 反射波主频向低频方向移动到 40 H z 左右, 幅值降低, 并出现二次峰值 图3b , 代表噪声的高频成分相对增强. 图3 12 1线的频谱分析图 Fi g . 3 Fr e q u e n c y a n a l y s i s o f l i n e 12 1 由图4可以看出，在断点处实际地震记录和有效信号的频率域关联维呈现明显的低值, 而噪声信 号的频率域关联维与其时间域关联维类似, 仍然是无规律可循. 这是由于在断点附近, 反射信号能量分 散, 高频噪声成分相对有效信号增强, 导致频率域关联维呈现低值. f i l e / / / E| / q k / z g k y d x x b / z g k y 99/ z g k y 990 3/ 990 315. h t m （第 3／6 页）2 0 10 -3-2 3 15 57 48 中国矿业大学学报990 315 图4 12 1线的频率域关联维 Fi g . 4 Re l a t i o n d i m e n s i o n i n f r e q u e n c y d o m a i n o f l i n e 12 1 1. 3 容量维 由于地震记录在高频段才具有分形特性, 而其高频端往往是以噪声为主, 所以利用l g A f ～l g f 散点 图拟合出来的斜率值 容量维 主要为高频噪声所控制. 由图3可见, 正常地层与断层上的振幅谱分布差 异很大, 故拟合出来的斜率值也不同. 正常地层振幅谱的斜率值大, 即容量维为高值；而断层振幅谱的 斜率值小, 即容量维为低值. 在计算容量维时要特别注意拟合区间的选择, 即地震记录无标度区的确定. 如果拟合区间确定的 不好, 得到的容量维不能真实反映地质构造. 图5是选用不同拟合区间计算的12 1线容量维. 可以发现 图5a 与5b 的拟合区间选择比较合适, 容量维在CD P7 7 附近呈现明显的低值, 能够反映出地下的构造情 况, 而图5c 的拟合区间选择不好, 容量维在断点处无明显的反应. 图5 12 1线的不同拟合区间的容量维 Fi g . 5 Vo l u m e d i m e n s i o n o f l i n e 12 1 i n d i f f e r e n t f i t t i n g r a n g e s 2 检测断层的BP网络训练 人工神经网络检测断层的流程可概括为1 沿煤层反射波开时窗, 提取地震特征参数；2 选取 合适类别的地震特征参数作为已知样本；3 由已知样本对网络进行训练, 获取分类知识；4 将训练 好的网络对未知样本进行预测, 判断其归属类别［4］. 采用3层BP网络对涡北井田的地震资料进行解释. 选取振幅、平均频率、相似系数、主频带能量 比、容量维五个参数做为人工神经网络的输入层节点, 共选择了11个样本进行训练；中间层为3个节 f i l e / / / E| / q k / z g k y d x x b / z g k y 99/ z g k y 990 3/ 990 315. h t m （第 4／6 页）2 0 10 -3-2 3 15 57 48 中国矿业大学学报990 315 点, 输出层为1个节点, 训练成两种模式正常模式期望输出为0 , 断层模式期望输出为1, 训练结果见表 1. 训练样本的最大误差为0 . 0 0 0 949, 平均绝对误差为0 . 0 0 0 32 3, 由此可见其效果是满意的. 表1 网络的训练结果 T a b l e 1 T r a i n e d r e s u l t s o f t h e a r t i f i c i a l n e u r a l n e t w o r k 样本 振幅 平均频率/ H z相似系数 主频带能量比容量维预输出 实际输出 16 0 46 90 . 96 9 8 381. 6 7 7 7 490 . 2 0 7 35600 . 0 0 0 357 25397 20 . 96 4 0 8 11. 6 2 9 8 2 00 . 190 6 1100 . 0 0 0 42 4 357 26 50 . 955 18 31. 6 59 0 6 00 . 194 13100 . 0 0 0 354 45176 90 . 96 9 4111. 6 0 0 8 2 00 . 193 0 2 700 . 0 0 0 398 548 77 40 . 92 5 98 71. 539 7 7 00 . 16 5 7 3700 . 0 0 0 949 68 0910 . 8 2 4 0 6 91. 32 0 96 80 . 10 9 55810 . 999 945 72 988 60 . 8 8 7 5941. 419 42 80 . 0 8 8 18 71 0 . 999 2 40 812 38 70 . 7 6 2 10 81. 2 7 4 10 00 . 135 31710 . 999 92 5 917 1910 . 7 6 5 0 6 41. 2 0 3 92 30 . 12 1 11710 . 999 951 10998 30 . 8 6 5 0 441. 2 2 8 9960 . 0 6 3 6 9210 . 999 92 9 11310930 . 7 48 8 471. 358 7 960 . 117 12 510 . 999 932 3 应用实例 本次研究工作使用的基础资料是D M O 叠加资料, 利用断层识别系统对采区内59条测 线进行了处理和解释. 在提取的18 个地震特征参数中, 包括8 个时间域参数、7 个频率域参数 和3个分形参数. 通过相关分析方法筛选出相关的参数组, 每组中只利用特征最为明显的一 个. 最后, 选出波峰波谷振幅、平均频率、相似系数、主频通能量百分比和频率域关联维等 5种地震参数进行断层识别. 图6 是12 1线的断层隶属度曲线, 解释结果为CD P7 7 对应F14断层, 落差10 m ；CD P145对 应F2断层, 落差31m ；CD P18 4对应F5断层, 落差3m . 图6 12 1线断层隶属度曲线 f i l e / / / E| / q k / z g k y d x x b / z g k y 99/ z g k y 990 3/ 990 315. h t m （第 5／6 页）2 0 10 -3-2 3 15 57 48 中国矿业大学学报990 315 Fi g . 6 Fa u l t p r o b a b i l i t y c u r v e o f l i n e 12 1 本次解释过程中, 利用分形和神经网络两种新技术准确地确定了小断层的断点位置, 而 对于落差较大的断层, 则主要是依靠偏移剖面上的断点显示. 在综合二者的基础上, 对所有 断点进行了组合, 组合成断层51条, 另有40 个孤立断点. 经过综合解释, 基本控制了8 煤的构造 变化规律. 对区内10 m 以上的断层已经基本查明, 对10 m 以下的断层进行了有效的控制. 4 结 论 1 地质构造上的微小变化可能引起地震记录的波形和频谱特征的变化, 而这些变化是 解释人员无法量化的. 借助分形技术这一强有力的工具, 对地震道时间序列和频率序列的结 构特征进行研究, 计算其分维参数值, 便能够揭示引起地震记录的变化的地质构造或岩性因 素. 总之, 分维参数为地震资料解释提供了一类新的特征参数, 有助于提高解释精度. 2 地震记录只有在高频段才具有的分形性质, 而煤层反射波频率较高、频带较宽, 基本 满足这一条件. 利用煤田地震记录可以计算3个分维参数时间域关联维、频率域关联维 和容量维. 3 时间域关联维和频率域关联维能够比较真实地反映地震记录的分维数. 由于容量维 受所选取的拟合区间的影响较大, 容量维反映真实分维数的能力稍差一些. 但是即便如此, 容量维的变化趋势仍然能够反映出地下的构造情况. 因此, 这三个分维参数均可用来进行断 层的识别工作, 在断点附近, 参与贡献的主要是干扰背景；在非断点处, 起主要作用的才是 有效信号. 4 通过与其它的模式识别方法对比, 发现利用神经网络方法进行地震资料解释是一种 行之有效的方法, 它具有较强的抗干扰能力和较高的灵敏度, 预测成功率明显地高于其它模 式识别方法. 5 利用地震特征参数及模式识别方法对涡北井田一水平的地震资料进行解释, 基本控 制了全区8 煤的构造变化规律, 对落差10 m 以上的断层已经基本查明, 对落差10 m 以下的断层 进行了有效的控制. *煤炭科学基金资助项目 96 地10 10 4 作者简介 崔若飞, 男, 1954年生, 工学博士, 教授 作者单位中国矿业大学资源与环境科学学院 江苏徐州 2 2 10 0 8 参考文献 1 何光明, 高如增. 分形理论在裂缝预测中的尝试. 石油物探, 1993, 32 2 1～13 2 蒋加钰, 段玉顺. 分形理论在油气检测中的应用. 石油物探, 1995, 34 1 47 ～51 3 李庆忠. 怎样正确对待分形、分维技术. 石油地球物理勘探, 1996 , 31 1 136 ～16 0 4 殷勤业, 杨宗凯, 谈 正等. 模式识别与人工神经网络. 北京机械工业出版社, 1992 . 113 ～16 4 收稿日期 1998 -12 -30 f i l e / / / E| / q k / z g k y d x x b / z g k y 99/ z g k y 990 3/ 990 315. h t m （第 6 ／6 页）2 0 10 -3-2 3 15 57 48