一种高维地震数据输入下去除沉积背景的方法及装置与流程

本发明涉及石油地球物理勘探领域，特别是一种高维地震数据输入下去除沉积背景的方法及装置。

背景技术：

岩性地层油气藏勘探潜力大，领域广，是我国油气勘探的主体，地震沉积分析技术在各油气田勘探开发中具有深入的应用。但是，煤系、火山岩等地层沉积，形成强反射层，往往会对上下储层造成屏蔽；另外，当岩性发生变化时，与其相应的地震反射波将随着地震反射参数的改变而变化，也会导致地震道之间的相似性变差，相关值变低，影响岩性储层的识别。因此，由于沉积因素的影响，现有地震沉积分析技术预测古河道、异常沉积体等难度较大。

针对煤层、火山岩等强反射地层去除问题，国内外做出了比较深入的研究，主要利用匹配追踪算法将地震信号中的强反射信息匹配出来，消除强反射对目的层有效反射信息的屏蔽作用，但是匹配追踪算法去强轴也存在不足之处，比如对断续的强轴去除效果较差，子波库容易冗余导致计算量较大等。此外，为了提高储层分析的精确度，通常需要对大量的数据进行分析，导致运算时输入的数据维度较高，从而进一步加大了计算量，影响数据处理的效率。

因此，有效去除沉积背景，提高精细地震沉积研究的精确度，成为亟待解决的技术问题。

技术实现要素：

本申请实施例的目的在于提供一种高维地震数据输入下去除沉积背景的方法及装置，可以精确高效的去除沉积背景，提高精细地震沉积研究的精确度。

本申请提供的一种高维地震数据输入下去除沉积背景的方法及装置是通过包括以下方式实现的：

一种高维地震数据输入下去除沉积背景的方法，包括：

将待测储层的高维度原始地震数据进行wheeler转换，获得高维wheeler域地震数据；

将所述高维wheeler域地震数据进行聚类分析处理，获得聚类结果；

在所述聚类结果中，分别计算单个聚类在相同采样点上的地震道数据的平均值，以所述平均值作为对应聚类在所述相同采样点上的地震数据，形成聚类地震道数据；

对所述聚类地震道数据进行线性叠加处理获得线性叠加向量，根据所述线性叠加向量确定沉积背景数据；

对所述高维wheeler域地震数据和沉积背景数据进行体运算，获得待测储层岩性地震数据。

本申请实施例的高维地震数据输入下去除沉积背景的方法，所述将所述高维wheeler域地震数据进行聚类分析处理，获得所述高维wheeler域地震数据中各地震道所属类别，包括：

根据预置的分类数初始化类中心，根据初始类中心将所述高维wheeler域地震数据中的地震道基于第一预设规则进行初始分类；

执行如下迭代步骤：

更新步骤，根据上次的分类结果，基于第二预设规则更新各类别的类中心；

重新分配步骤，根据本次迭代的类中心将高维wheeler域地震数据中的地震道基于所述第一预设规则进行重新分配类别；

判断步骤，判断代价函数是否收敛；

直至所述代价函数收敛，结束上述迭代步骤，输出所述高维wheeler域地震数据中各地震道所属类别。

本申请实施例的高维地震数据输入下去除沉积背景的方法，所述对所述聚类地震道数据进行线性叠加处理获得线性叠加向量，包括：

对所述聚类地震道数据求取协方差数据，计算所述协方差数据的特征值以及特征向量，所述特征值与特征向量一一对应；

将所述特征值按从大到小进行排列，特征向量进行相应排列，获得特征向量数据；

利用所述特征向量数据作为系数，将所述聚类地震道数据进行叠加，获得线性叠加向量。

本申请实施例的高维地震数据输入下去除沉积背景的方法，所述根据所述线性叠加向量确定沉积背景数据，包括：

将所述线性叠加向量的第一分量确定为沉积背景数据。

本申请实施例的高维地震数据输入下去除沉积背景的方法，所述对所述高维wheeler域地震数据和所述沉积背景数据进行体运算，获得待测储层岩性地震数据，包括：

将高维wheeler域地震数据中的地震道数据与所述沉积背景数据作差，获得待测储层岩性地震数据。

本申请实施例的高维地震数据输入下去除沉积背景的方法，所述对所述聚类地震道数据进行线性组合获得线性叠加向量，根据所述线性叠加向量确定沉积背景数据之前，还包括：

对所述聚类地震道数据进行归一化处理，获得归一化地震数据，基于所述归一化地震数据获得线性叠加向量。

本申请实施例的高维地震数据输入下去除沉积背景的方法，所述将待测储层的高维度原始地震数据进行wheeler转换，获得高维wheeler域地震数据之后，还包括：

对所述高维wheeler域地震数据进行扩散滤波处理，获得去噪后的高维wheeler域地震数据，基于去噪后的高维wheeler域地震数据获得待测储层岩性地震数据。

另一方面，本申请实施例还提供一种高维地震数据输入下去除沉积背景的装置，包括：

转换模块，用于将待测储层的高维度原始地震数据进行wheeler转换，获得高维wheeler域地震数据；

聚类分析模块，用于将所述高维wheeler域地震数据进行聚类分析，获得聚类结果；

降维模块，用于在所述聚类结果中，分别计算单个聚类在相同采样点上的地震道数据的平均值，以所述平均值作为对应聚类在所述相同采样点上的地震数据，形成聚类地震道数据；

沉积数据确定模块，用于对所述聚类地震道数据进行线性叠加处理获得线性叠加向量，根据所述线性叠加向量确定沉积背景数据；

岩性数据确定模块，用于对所述高维wheeler域地震数据和沉积背景数据进行体运算，获得待测储层岩性地震数据。

本申请实施例的高维地震数据输入下去除沉积背景的装置，所述沉积数据确定模块，包括：

计算协方差单元，用于对所述聚类地震道数据求取协方差数据；

特征向量确定单元，用于计算所述协方差数据的特征值以及特征向量，所述特征值与特征向量一一对应，将所述特征值按从大到小进行排列，特征向量进行相应的排列，获得特征向量数据；

线性叠加向量确定单元，用于利用所述特征向量数据作为系数，将所述聚类地震道数据进行叠加，获得线性叠加向量。

本申请实施例的高维地震数据输入下去除沉积背景的装置，包括处理器及用于存储处理器可执行指令的存储器，所述指令被所述处理器执行时实现包括以下步骤：

将待测储层的高维度原始地震数据进行wheeler转换，获得高维wheeler域地震数据；

将所述高维wheeler域地震数据进行聚类分析处理，获得聚类结果；

在所述聚类结果中，分别计算单个聚类在相同采样点上的地震道数据的平均值，以所述平均值作为对应聚类在所述相同采样点上的地震数据，形成聚类地震道数据；

对所述聚类地震道数据进行线性叠加处理获得线性叠加向量，根据所述线性叠加向量确定沉积背景数据；

对所述高维wheeler域地震数据和沉积背景数据进行体运算，获得待测储层岩性地震数据。

本说明书一个或多个实施例提供的一种高维地震数据输入下去除沉积背景的方法及装置，可以通过先将所述高维度原始地震数据转换为高维wheeler域地震数据，然后对高维wheeler域地震数据进行聚类分析处理，根据聚类结果进一步获得聚类地震道数据，从而降低了数据维度；对所述聚类地震道数据进行线性叠加处理获得线性叠加向量，根据所述线性叠加向量确定沉积背景数据，然后，对所述高维wheeler域地震数据和所述沉积背景数据进行体运算，从而精确的去除沉积层地震数据，获得待测储层岩性地震数据。利用本申请各个实施例，可以精确高效的去除沉积背景，提高精细地震沉积研究的精确度。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。在附图中：

图1为本说明书提供的一种高维地震数据输入下去除沉积背景的方法实施例的流程示意图；

图2为本说明书提供的一个具体实例中line943线转换为wheeler域后，做扩散滤波去噪处理的剖面示意图；

图3为本说明书提供的一个具体实例中聚类地震道数据中的第1、2…35、36各个地震道示意图；

图4为本说明书提供的一个具体实例中提取的背景道示意图；

图5为本说明书提供的一个具体实例中岩性地震数据中第1、2…184528地震道示意图；

图6为本说明书提供的一个具体实例中高维wheeler域地震数据中第75张地震切片以及对应的剖面示意图；

图7为本说明书提供的另一个具体实例中岩性地震数据中第75张地震切片以及对应的剖面示意图；

图8为本说明书提供的一种高维地震数据输入下去除沉积背景的装置实施例的模块结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书一个或多个实施例中的附图，对本说明书一个或多个实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是说明书一部分实施例，而不是全部的实施例。基于说明书一个或多个实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书实施例方案保护的范围。

本说明书实施例提供一种高维度地震数据输入下去除沉积背景的方法，以去除沉积背景干扰，提高有效储层精细地震沉积分析的准确度。假设可以将真实地层视作准层状模型，地震反射可以包含年代地层反射(即沉积层地震数据)和岩性地层反射(即岩性地震数据)。然后获得地层切片，则相应的地层切片中包含了反应构造信息的沉积背景数据和反应隐蔽砂体信息的岩性地震数据。开展地震沉积分析的过程中需要把地层切片中反应构造信息的沉积背景数据去除，把反应隐蔽砂体信息的岩性地震数据提取出来，以提高有效储层精细地震沉积分析的精确度。

本说明书实施例中，可以首先将高维度原始地震数据转换为高维wheeler域地震数据，在wheeler域地震数据基础上进行沉积分析更为精确。然后，将高维wheeler域地震数据进行聚类分析，获得新的地震道样本集，从而在高度保持原高维wheeler域地震数据特征的基础上，降低输入数据维度，提高后续数据处理的效率。基于获得新的地震道样本集，根据沉积背景数据特征，利用线性方法准确高效的确定沉积层地震数据，从而精确的去除沉积背景，获得岩性地震数据。

图1是本说明书提供的所述一种高维地震数据输入下去除沉积背景的方法实施例流程示意图。虽然本说明书提供了如下述实施例或附图所示的方法操作步骤或装置结构，但基于常规或者无需创造性的劳动在所述方法或装置中可以包括更多或者部分合并后更少的操作步骤或模块单元。在逻辑性上不存在必要因果关系的步骤或结构中，这些步骤的执行顺序或装置的模块结构不限于本说明书实施例或附图所示的执行顺序或模块结构。所述的方法或模块结构的在实际中的装置、服务器或终端产品应用时，可以按照实施例或者附图所示的方法或模块结构进行顺序执行或者并行执行(例如并行处理器或者多线程处理的环境、甚至包括分布式处理、服务器集群的实施环境)。

具体的一个实施例如图1所示，本说明书提供的一种高维地震数据输入下去除沉积背景的方法的一个实施例中，所述方法可以包括：

s0、将待测储层的高维度原始地震数据进行wheeler转换，获得高维wheeler域地震数据；

s2、将所述高维wheeler域地震数据进行聚类分析处理，获得聚类结果；

s4、在所述聚类结果中，分别计算单个聚类在相同采样点上的地震道数据的平均值，以所述平均值作为对应聚类在所述相同采样点上的地震数据，形成聚类地震道数据；

s6、对所述聚类地震道数据进行线性叠加处理获得线性叠加向量，根据所述线性叠加向量确定沉积背景数据；

s8、对所述高维wheeler域地震数据和沉积背景数据进行体运算，获得待测储层岩性地震数据。

本实施例中，可以采用pauldegroot提出的三维wheeler变换的实现流程，将高维度原始地震数据转换为高维wheeler域地震数据。首先可以在层位约束下，利用层位追踪解释的方法确定层序边界，选取目的层上下连续的强反射轴作为控制层序边界；然后可以对层序边界内部地层进行等比例均分；之后进行层位拉平，从而完成wheeler变换，最终将高维度原始地震数据sorigin转换为高维wheeler域地震数据swheeler。常规地震数据进行层序分析、沉积相识别、沉积演化分析及储层预测，因受现今构造趋势的影响，具有较强的多解性，而wheeler域地震数据因具有等时性、地层旋回性清楚、展布范围明了，井震标定后便于层序及体系域划分，评价有利储层，减少多解性。本说明书上述实施例通过将高维度原始地震数据转换为wheeler域地震数据，在wheeler域地震数据基础上进行沉积分析更为精确。

本说明书的一个或者多个实施例中，在获得高维wheeler域地震数据之后，还可以利用扩散滤波技术对高维wheeler域地震数据swheeler进行去噪处理，获得去噪后的高维wheeler域地震数据sfilter，如可以利用相干增强各向异性扩散滤波技术对高维wheeler域地震数据swheeler进行去噪处理，进一步增强高维wheeler域地震数据反射同相轴的连续性和等时性。然后，基于去噪后的wheeler域地震数据进行沉积背景去除，获得岩性地震数据，从而进一步保证输入数据的精确度。

本说明书的一个实施例中，可以对高维wheeler域地震数据进行聚类分析，获得聚类结果。通过聚类分析将高维wheeler域地震数据中的各地震道聚类到不同的类别，使得同一个类别中的地震道具有较大的特征相似性，不同类别之间的地震道具有较大的特征相异性。然后，在所述聚类结果中，分别计算单个聚类在相同采样点上的地震道数据的平均值，以所述平均值作为对应聚类在所述相同采样点上的地震数据，形成聚类地震道数据。基于所述聚类地震道数据进行后续的去除沉积背景处理，从而可以降低后续沉积背景处理中数据的维度；且所述聚类地震道数据高度保持了原高维wheeler域地震数据的特征，从而进一步保证了后续数据处理的精确度。

本说明书的一个或者多个实施例中，可以在保证计算精确度及效率的基础上，根据实际需要预先设置分类数，假设预置的分类数为n。根据预置的分类数初始化类中心，可以从所述高维wheeler域地震数据中随机选取n个地震道作为初始类中心。并根据所述初始类中心将所述高维wheeler域地震数据中的地震道基于第一预设规则进行初始分类。然后，执行如下迭代步骤：

更新步骤，根据上次的分类结果，基于第二预设规则更新各类别的类中心；

重新分配步骤，根据本次迭代的类中心将高维wheeler域地震数据中的地震道基于所述第一预设规则进行重新分配类别；

判断步骤，判断代价函数是否收敛；

直至所述代价函数收敛，结束上述迭代步骤，输出所述高维wheeler域地震数据中各地震道所属类别。

本说明书的一个具体实施方式中，对高维wheeler域地震数据进行聚类分析可以包括：

s402、根据预置的分类数初始化类中心，基于预设规则将所述高维wheeler域地震数据中的地震道进行初始分类。

假设分n个类，每个地震道有m个采样点；随机生成n行m列的矩阵作为初始矩阵。从而选出n个类中心u1,u2…un，每个类中心包含m个采样点。

然后，基于预设规则将所述高维wheeler域地震数据中的地震道进行初始分类。本说明书的一个实施例中，所述预设规则可以包括：计算高维wheeler域地震数据中各地震道相对类中心的欧式距离，根据欧式距离的大小分配地震道所属类别，并满足高维wheeler域地震数据中各地震道到所属类别的类中心的欧式距离最小。当然，在本说明书的其他实施例中，也可以根据其他参数进行分配类别，这里不做限定。

s404、执行如下迭代步骤：

更新步骤，根据上次的分类结果，基于第二预设规则更新各类别的类中心。本说明书的一个实施例中，所述根据上次的分类结果，基于第二预设规则更新各类别的类中心，可以包括：根据上次的分类结果，获取某类别的地震道数据，计算该类别中各地震道在某个采样点处的地震数据平均值作为该采样点的新地震数据，依次获得其他m-1个采样点处地震数据平均值作为对应采样点的新地震数据；将获得的这m个新地震道数据作为该类别的类中心，从而更新该类的类中心。依次类推，更新所有类别的类中心。

重新分配类别步骤，根据本次迭代的类中心将高维wheeler域地震数据中的地震道基于所述预设规则进行重新分配类别；

判断步骤，可以根据下述公式判断代价函数是否收敛：

其中，c^p表示地震道p所属的类别，uⁿ表示第n个类中心，表示第i个地震道sfilterⁱ所在的类对应的类中心，p表示高维wheeler域地震数据中的地震道个数。

直至所述代价函数收敛，则结束上述迭代步骤，输出所述高维wheeler域地震数据中各地震道所属类别。

本说明书的一些实施例中，还可以根据直接聚类法、相关性分析聚类、基于统计的聚类方法等方法对高维wheeler域地震数据进行聚类分析，获得高维wheeler域地震数据中地震道所属的类别。

本说明书的一个实施例中，经过上述聚类分析处理后，将高维wheeler域地震数据聚类成n类，获取每一聚类的地震道数据。对于聚类后的n类别中的任一类，计算该聚类某采样点上的地震道数据的平均值，以所述平均值作为该聚类在对应的采样点上的地震数据，以此类推，获得该类别在所有采样点上的地震数据，形成该聚类新的地震道。通过上述方法，分别获得这n个类别新的地震道，将上述n个新的地震道作为聚类地震道。则获得的聚类地震道数据包含n维地震道，每维地震道包含m个采样点。所述聚类地震道数据包含的地震道维数较低，因此，基于所述聚类地震道数据进行去除沉积背景分析，可以提高数据处理的效率。

本说明书的一个实施例中，在基于所述聚类地震道数据进行线性叠加处理确定沉积背景数据之前，可以先对聚类地震道数据进行归一化处理，例如，可以归一到[-11]之间。本说明书的一个或者多个实施例中，可以根据如下公式进行归一化处理：

snorm＝-1+(scluster-scluster^min)/(scluster^max-scluster)×(1-(-1))(2)

其中，snorm表示归一化地震数据；scluster表示聚类地震道数据；scluster^min表示聚类地震道数据中地震道数据最小值；scluster^max表示聚类地震道数据中地震道数据最大值。

本说明书的一个实施例中，对所述聚类地震道数据进行线性叠加处理获得线性叠加向量，可以包括：

可以对上述归一化地震数据求取协方差数据。本实施例中，可以通过矩阵的形式表述所述协方差数据，获得协方差矩阵。计算所述协方差矩阵的特征向量和特征值，所述特征值与所述特征向量一一对应。本说明书的一个或者多个实施例中，假设聚类地震道数据有n个地震道，每个地震道有m个采样点，归一化地震数据snorm可描述为：

计算得到的归一化地震数据snorm的协方差矩阵可以表示为：

其中，表示归一化地震数据的协方差矩阵；cov(snormⁱ¹,snormⁱ²)表示归一化地震数据中第1道和第2道之间的协方差，其他以此类推。

其中cov(snormⁱ¹,snormⁱ²)的具体计算公式如下，其他以此类推：

其中，snormⁱ¹表示归一化地震数据中第1地震道；snormⁱ²表示归一化地震数据中的第2地震道；表示归一化地震数据中第1地震道数据的均值；表示归一化地震数据中第2地震道数据的均值。

然后，可以利用雅克比法计算上述协方差矩阵的特征向量ev和特征值λ，对特征值按从大到小的顺序进行排列，对应的特征向量也重新排列，获得特征向量数据。最终得到：

λ＝(λ1,λ2…λk)(6)

其中，k为特征向量个数，并且k<n；λ1＞λ2＞…＞λk＞0。

相对应的特征向量为：

ev＝(ev1,ev2…evk)(7)

其中，ev1^t＝(ev¹¹，ev²¹......evⁿ¹)，

ev2^t＝(ev¹²，ev²²......evⁿ²)，

……

evk^t＝(ev^1k，ev^2k......ev^nk)。

利用所述特征向量数据为系数，将所述归一化地震数据进行线性叠加，获得线性叠加向量。本说明书的一个或者多个实施例中，线性叠加向量z可以表示为：

z＝snorm×ev1+snorm×ev2+…+snorm×evk(8)

其中，snorm×ev1为线性叠加向量中的第一分量，即z¹＝snorm×ev1；snorm×ev2为线性叠加向量中的第二分量，即z²＝snorm×ev2，以此类推。

本说明书一些实施例中，还可以根据其他的线性叠加方法获得线性叠加向量，这里不做限定。

本说明书的一个实施例中，可以选取所述线性叠加向量中前i分量确定为沉积背景数据，其中i小于k；即将保留线性叠加向量中的前i分量、其他分量赋零的数据作为沉积背景数据。通常，沉积层在地震上表现为强振幅特征，而岩性层地震道间相似性较差，振幅值较小，沉积层地震数据相对岩性地震数据特征相异性较为明显。本说明书上述实施例提供的方案确定的沉积背景数据，可以较为准确的反映出待测储层反射地震数据特征，从而精确的确定沉积层地震数据。

本说明书的一个或者多个实施例中，优选的，可以将线性叠加向量中的第一分量确定为沉积背景数据，进一步提高沉积层地震数据确定的精确度。沉积背景数据sbackground的计算公式可以表达为：

sbackground＝z¹(9)

本说明书的一个实施例中，获得沉积背景数据之后，可以对所述高维wheeler域地震数据和所述沉积背景数据进行体运算获得待测储层岩性地震数据。本说明书的一个实施例中，可以将高维wheeler域地震数据中的地震道数据与所述沉积背景数据作差，获得待测储层岩性地震数据。本说明书的其他一些实施例中，当然也可以通过其他的运算方式，根据所述高维wheeler域地震数据与所述沉积背景数据之间的数据特征，将高纬度wheeler域地震数据中的沉积层地震数据剔除，获得待测储层岩性地震数据。本说明书的一个或者多个实施例中，待测储层岩性地震数据slith的求取公式可以为：

slith＝snorm-sbackground(10)

为了使得本说明书提供的实施例中的方案更加清楚，本说明书还提供了应用上述方案的实际待测区域的具体实例，如图2至图7所示。

鄂尔多斯盆地slg地区为典型的低孔、低渗致密气田，主力气层为上古生界二叠系的盒8、山1、山2砂岩层，为强非均质性的薄储层，但该区山2和太原组普遍发育煤层，在地震上表现为强振幅特征，对盒8、山1、山2砂岩层有强烈的屏蔽作用，同时均一沉积作用也掩盖了储层的部分特征。将本说明书实施例提供的方案应用于鄂尔多斯盆地slg地区s19*工区，为3d工区，共计有184528道，其主要的步骤：

1、将原始地震数据转换为wheeler域并做去噪处理。

如图2所示为工区内line943线转换为wheeler域后，做扩散滤波去噪处理的剖面。图中可见，由于太原组煤层强反射的影响，山2储层位于波谷内，其储层特征被掩盖，同时由于均一沉积的影响，山1储层过于连续，与实际沉积特征不符合。这种原始wheeler域剖面不能直接做地震沉积分析。

2、将去噪后的wheeler体做聚类分析处理。

分类数为36，通过本说明书实施例提供的方案进行聚类分析处理后，最终得到36道聚类地震道数据，如图3所示，分别为聚类地震道数据中的第1、2…35、36地震道。

3、通过线性方法提取沉积背景数据。

对聚类地震道数据进行归一化处理，求取协方差矩阵，按大小重新排列求得的特征值和特征向量，利用重新排列的特征向量数据作为系数，将归一化后的地震数据向量进行线性叠加，获得线性叠加向量，将线性叠加向量中的第一分量抽取出来，获得沉积背景数据。如图4所示为求得的背景道。通过背景道得知，采样点50处煤层被提取出来。

4、在提取的沉积背景数据基础上，获取待测储层岩性地震数据道。

对去噪后的高维wheeler域地震体和得到的沉积背景数据进行体运算，获得待测储层岩性地震数据。如图5所示为获得的待测储层岩性地震数据的第1、2…184528地震道。对比图3可以得知，采样点50附近的煤层等被去除。

5、在待测储层岩性地震数据上开展精细地震沉积学研究。

图6(a)表示高维wheeler域地震道第75张地震切片的示意图，图6(b)表示高维wheeler域地震道对应的剖面示意图，图7(a)表示待测储层岩性地震数据第75张地震切片示意图，图7(b)表示待测储层岩性地震数据对应的剖面示意图。图6(b)中对应的剖面位置为山2储层位置，但是由于煤层强反射的屏蔽作用，导致储层位于波谷，对应的切片图6(a)的整体特征较为模糊，无法进行地震沉积学研究。而经过本发明提供的上述方案处理后的图7(b)所示的山2储层位置有地震反射，对应到切片上整体比较自然。y31、y34以及b7分别表示钻井，通过钻井b7井，进行标定可以获知，利用本发明处理得到的待测储层岩性地震数据剖面，井点处山1、山2砂体与伽马吻合度非常高，而且横向连续且变化自然，符合实际的地质沉积情况。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。具体的可以参照前述相关处理相关实施例的描述，在此不做一一赘述。

上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书一个或多个实施例提供的一种高维地震数据输入下去除沉积背景的方法，可以通过先将所述高维度原始地震数据转换为高维wheeler域地震数据，然后对高维wheeler域地震数据进行聚类分析处理，根据聚类结果进一步获得聚类地震道数据，从而降低了数据维度；对所述聚类地震道数据进行线性叠加处理获得线性叠加向量，根据所述线性叠加向量确定沉积背景数据，然后，对所述高维wheeler域地震数据和所述沉积背景数据进行体运算，从而精确的去除沉积层地震数据，获得待测储层岩性地震数据。利用本申请各个实施例，可以精确高效的去除沉积背景，提高精细地震沉积研究的精确度。

基于上述所述的高维地震数据输入下去除沉积背景的方法，本说明书一个或多个实施例还提供一种高维地震数据输入下去除沉积背景的装置。所述的装置可以包括使用了本说明书实施例所述方法的系统、软件(应用)、模块、组件、服务器等并结合必要的实施硬件的装置。基于同一创新构思，本说明书实施例提供的一个或多个实施例中的装置如下面的实施例所述。由于装置解决问题的实现方案与方法相似，因此本说明书实施例具体的装置的实施可以参见前述方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。具体的，图8是本说明书提供的一种高维地震数据输入下去除沉积背景的装置实施例的模块结构示意图，如图8所示，所述装置可以包括：

转换模块102，可以用于将待测储层的高维度原始地震数据进行wheeler转换，获得高维wheeler域地震数据；

聚类分析模块104，可以用于将所述高维wheeler域地震数据进行聚类分析处理，获得聚类结果；

降维模块106，可以用于在所述聚类结果中，分别计算单个聚类在相同采样点上的地震道数据的平均值，以所述平均值作为对应聚类在所述相同采样点上的地震数据，形成聚类地震道数据；

沉积数据确定模块108，可以用于对所述聚类地震道数据进行线性叠加处理获得线性叠加向量，根据所述线性叠加向量确定沉积背景数据；

岩性数据确定模块110，可以用于对所述高维wheeler域地震数据和沉积背景数据进行体运算，获得待测储层岩性地震数据。

当然，参照前述方法实施例描述，所述装置的其他实施例中，所述沉积数据确定模块108可以包括：

计算协方差单元，用于对所述聚类地震道数据求取协方差数据；

特征向量确定单元，用于计算所述协方差数据的特征值以及特征向量，所述特征值与特征向量一一对应，将所述特征值按从大到小进行排列，特征向量进行相应的排列，获得特征向量数据；

线性叠加向量确定单元，用于将所述特征向量数据与所述聚类地震道数据进行叠加，获得线性叠加向量。

需要说明的，上述所述的装置根据方法实施例的描述还可以包括其他的实施方式。具体的实现方式可以参照相关方法实施例的描述，在此不作一一赘述。

本说明书一个或多个实施例提供的一种高维地震数据输入下去除沉积背景的装置，可以通过先将所述高维度原始地震数据转换为高维wheeler域地震数据，然后对高维wheeler域地震数据进行聚类分析处理，根据聚类结果进一步获得聚类地震道数据，从而降低了数据维度；对所述聚类地震道数据进行线性叠加处理获得线性叠加向量，根据所述线性叠加向量确定沉积背景数据，然后，对所述高维wheeler域地震数据和所述沉积背景数据进行体运算，从而精确的去除沉积层地震数据，获得待测储层岩性地震数据。利用本申请各个实施例，可以精确高效的去除沉积背景，提高精细地震沉积研究的精确度。

本说明书提供的上述实施例所述的方法或装置可以通过计算机程序实现业务逻辑并记录在存储介质上，所述的存储介质可以计算机读取并执行，实现本说明书实施例所描述方案的效果。因此，本说明书还提供一种高维地震数据输入下去除沉积背景的装置，包括处理器及存储处理器可执行指令的存储器，所述指令被所述处理器执行时实现包括以下步骤：

将待测储层的高维度原始地震数据进行wheeler转换，获得高维wheeler域地震数据；

将所述高维wheeler域地震数据进行聚类分析处理，获得聚类结果；

在所述聚类结果中，分别计算单个聚类在相同采样点上的地震道数据的平均值，以所述平均值作为对应聚类在所述相同采样点上的地震数据，形成聚类地震道数据；

对所述聚类地震道数据进行线性叠加处理获得线性叠加向量，根据所述线性叠加向量确定沉积背景数据；

对所述高维wheeler域地震数据和沉积背景数据进行体运算，获得待测储层岩性地震数据。

需要说明的，上述所述的装置根据方法实施例的描述还可以包括其他的实施方式。具体的实现方式可以参照相关方法实施例的描述，在此不作一一赘述。

所述存储介质可以包括用于存储信息的物理装置，通常是将信息数字化后再以利用电、磁或者光学等方式的媒体加以存储。所述存储介质有可以包括：利用电能方式存储信息的装置如，各式存储器，如ram、rom等；利用磁能方式存储信息的装置如，硬盘、软盘、磁带、磁芯存储器、磁泡存储器、u盘；利用光学方式存储信息的装置如，cd或dvd。当然，还有其他方式的可读存储介质，例如量子存储器、石墨烯存储器等等。

上述实施例所述的高维地震数据输入下去除沉积背景的装置，可以通过先将所述高维度原始地震数据转换为高维wheeler域地震数据，然后对高维wheeler域地震数据进行聚类分析处理，根据聚类结果进一步获得聚类地震道数据，从而降低了数据维度；对所述聚类地震道数据进行线性叠加处理获得线性叠加向量，根据所述线性叠加向量确定沉积背景数据，然后，对所述高维wheeler域地震数据和所述沉积背景数据进行体运算，从而精确的去除沉积层地震数据，获得待测储层岩性地震数据。利用本申请各个实施例，可以精确高效的去除沉积背景，提高精细地震沉积研究的精确度。

需要说明的是，本说明书上述所述的装置或者系统根据相关方法实施例的描述还可以包括其他的实施方式，具体的实现方式可以参照方法实施例的描述，在此不作一一赘述。本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于硬件+程序类、存储介质+程序实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、车载人机交互设备、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本说明书一个或多个时可以把各模块的功能在同一个或多个软件和/或硬件中实现，也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法或者设备中还存在另外的相同要素。

本领域技术人员应明白，本说明书一个或多个实施例可提供为方法、系统或计算机程序产品。因此，本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书一个或多个实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本本说明书一个或多个实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述并不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。