>其中，ΔΤ表示滑动时间窗， tstep表示采样步长，t。表示层位上样本点所在的波段中距样本点最近的波谷或波峰与样本 点之间的采样时间间隔。
[0067] 波段聚类方式可以包括：基于均值的波段聚类方式、基于属性拼合的波段聚类方 式或者基于差值和的波段聚类方式。
[0068] 下面分别对上述几种波段聚类方式进行说明。
[0069] (1)基于均值的波段聚类方式
[0070] 聚类单元22可以包括：
[0071] 第一确定模块，用于根据当前层位上的样本点e所在的波段，按照以下公式确定 样本点e的属性向量：
[0072]
[0073] 其中，样本点e的原始属性向量为（alyaSg，…a。，…ar〇，aiA_j表示样本点e的 滑动时间窗AT内的点集合A中第j个点的第i个属性值，表示滑动时间窗 为ΔΤ的情况下样本点e的第i个属性的平均属性值，i= 1，2，…，η;
[0074] 第一计算模块，用于按照上述公式对当前层位上的其他样本点进行计算，得到当 前层位上各样本点的属性向量；
[0075] 第一聚类模块，用于依次沿着点集合Α中各样本点所在层位，对各样本点的属性 向量进行聚类。
[0076] (2)基于属性拼合的波段聚类方式
[0077] 聚类单元22可以包括：
[0078] 拼合模块，用于将当前层位上的样本点e的滑动时间窗ΔΤ内的点集合A中的各 样本点的所有属性进行拼合，得到样本点e的波段属性向量：(A1全属性，A2全属性，…，Aj 全属性，…），其中，j=l，2，…，ΔΤ，点集合A中样本点的全属性为（al，a2，…ai，… an)；
[0079] 第二计算模块，用于按照上述步骤对当前层位上的其他样本点进行计算，得到当 前层位上各样本点的波段属性向量；
[0080] 第二聚类模块，用于对当前层位上的所有样本点的波段属性向量进行聚类。
[0081] (3)基于差值和的波段聚类方式
[0082] 聚类单元22可以包括：
[0083] 第三计算模块，用于按照以下公式分别计算当前层位上的样本点e的属性向量与 预先存储的多个聚类中心的距离D
g中，aiA]表示样本点e的 滑动时间窗AT内的点集合A中第j个点的第i个属性值，aiej表示聚类中心的滑动时间 窗AT内的点集合C中第j个点的第i个属性值，聚类中心与类别一一对应；
[0084] 第二确定模块，用于确定与样本点e距离最近的聚类中心对应的类别为样本点e 的类别。
[0085] 在一个实施例中，调整单元23包括：标签模块，用于将起始层位的各样本点按照 所属类别进行分类，并按预设顺序进行标签；区域确定模块，用于按照相邻层位的空间相似 度，在与上层层位相邻的下层层位中，确定与上层层位的对应区域；调整模块，用于根据上 层层位的标签，将下层层位区域内的样本点的标签调整为上层层位中对应区域的标签。重 复利用区域确定模块和调整模块完成各自的功能，直到完成待研究层段的所有层位的聚类 结果调整。
[0086] 在一个实施例中，上述装置还可以包括：预处理单元，用于在利用滑动时间窗对待 研究层段的地震属性数据进行聚类之前，对待研究层段的地震属性数据进行以下预处理： 对地震属性数据中的异常数据进行过滤处理；以及对过滤后的地震属性数据进行归一化处 理。
[0087] 当然，上述模块划分只是一种示意划分，本发明并不局限于此。只要能实现本发明 的目的的模块划分，均应属于本发明的保护范围。
[0088] 为了对上述地震属性聚类装置及装置进行更为清楚的解释，下面结合具体的实施 例来进行说明，然而值得注意的是该实施例仅是为了更好地说明本发明，并不构成对本发 明不当的限定。
[0089] 以K-means聚类算法为例，进行如下假设：
[0090] 选择η种地震属性，属性名分别为al，a2，…，ai，…，其中i= 1，2，…，η。
[0091] 如图3所示，假设TimeSlice方向的采样步长为tstep，选取层位线hl，hi向下 增加At得到层位线h2。在hi上取点e，体聚类是沿着层位向下进行波段聚类，这里引入 滑动窗口ΔΤ，它等于波段中所含采样点的个数，如e点，ΔΤ由e上下最邻近的波谷决定， 这里基于e点上下波形是对称的，若e上下波谷距e的时间不同，取较小值，设此较小值为 t0。e点的波段内共有ΔΤ个采样点，将它们按TimeSlice升序排列，组成集合Α。ΔΤ的 计算公式：
[0092]
[0093] 其中：t0表示e点上下最邻近波谷距e点的采样时间间隔，tstep表示采样步长。 AT表不滑动窗口。
[0094] 波段聚类一般有三种处理方式，分别是基于均值的波段聚类、基于属性拼合的波 段聚类、基于差值和的波段聚类，如图4所示。
[0095] (1)基于均值的波段聚类：
[0096] e的原始属性向量：(ale，a2e，·ι?β，·ιι〇。考虑e点的波段，取属性均值作为 e的属性向量：
[0097]
[0098] 其中：aiAj表示e点的滑动时窗ΔT内的点集合A中第j个点的第i个属性值， ^^1/〃'4//471表示当滑动时窗为六1'时4点的第1个属性的平均属性值，1 = 1，2，···，!!。
[0099] 对e点所在层位上其他点进行上述处理，依次沿着集合A中采样点所在层位进行 聚类。
[0100] (2)基于属性拼合的波段聚类：
[0101] 将e点对应的集合A中的采样点的所有属性拼合，形成波段属性向量；
[0102] e的原始属性向量：(ale，a2e，…aie，…ane)。
[0103] e的波段属性向量：(A1全属性，A2全属性，…，Aj全属性，…），其中j= 1，2,…， ΔΤ〇
[0104] (3)基于差值和的波段聚类
[0105] 类似于K-means聚类，先在层位面产生预先设置的k个聚类中心，而距离计算不同 于普通的K-means聚类。设C为层位面hi初始化聚类中心时产生的一个聚类中心（参见 图5):
[0106] e到C的距离计算如下：
[0107]
[0108] 其中：aiAj表示e点的滑动时窗△T内的点集合A中第j个点的第i个属性值， aiCj表示e点所在的聚类中心的滑动时窗△T内的点集合C中第j个点的第i个属性值，D 为距离度量，根据D来判断e的类别归属。
[0109] 聚类标签统一是基于相邻层位面的聚类结果类似这个假设，利用空间对应相似度 来统一相邻层位面的标签。例如，可以将起始层位的各样本点按照所属类别进行分类，并按 降序重新标签，记为1，2，···，根据上层标签顺序，分别找出下层层位中空间区域中最多的标 签，将下层所有该标签转换为上层该区域的标签，再将下层中对应的上层标签转换为已被 上层标签替换的标签，执行完所有层位，完成调整。
[0110] 参见图6A至6C，图6A示出了层位面Η的聚类结果，图6B中实线为层位面H1聚类 结果，虚线为层位面Η的聚类结果（假定层位面Η1与Η相邻，Η1位于Η的下方），图6C示 出了应用聚类标签统一算法后，层位面Η1聚类标签的更新结果。
[0111] 具体地，首先，对地震体属性数据进行预处理，本实施例中选择极大极小值法进行 预处理。然后，设定程序界面输入参数，确定起始层位（TopHorizon)、层位偏移量（Add TimeSlice)、聚类算法参数、半时间窗（HalfTime)。本实施例中波段聚类方式以基于属性 拼合的方式为例。执行完体聚类算法后，要进行不同层位聚类结果的统一。从起始层位的 下一个层位开始，每个层位根据其上一个层位的聚类结果来调整其聚类结果。图7是本发 明实施例的体聚类结果统一示意图，图7中，类别号为0~7。图8是本发明实施例的地震 属性聚类方法的具体实例的实施流程图，即输入参数，进行聚类，聚类结果（标签）统一，存 储统一后的标签，然后进行可视化，方便用户查看。