Emerge多属性分析理论培训课件

Emerge多属性分析理论培训Emerge多属性分析理论培训EMERGE程序的目标程序的目标: :nEMERGE 是一个分析测井曲线和地震资料的程序是一个分析测井曲线和地震资料的程序.n它能建立在井位处井与地震数据之间的关系它能建立在井位处井与地震数据之间的关系.n它可以运用这种关系去预测或者去估算整个地震体范围上这种井曲线属性它可以运用这种关系去预测或者去估算整个地震体范围上这种井曲线属性.EMERGE所用的数据所用的数据: :n地震体地震体( (通常是通常是3 3D).n在地震体范围内的一系列井资料在地震体范围内的一系列井资料. .n每口井都包含即将被预测的目标曲线，例如孔隙度每口井都包含即将被预测的目标曲线，例如孔隙度Por曲线曲线.n每口井包含深时转换信息，通常都是经过每口井包含深时转换信息，通常都是经过check-shot 校正后的声波测井曲线校正后的声波测井曲线.n(可选项可选项): 3): 3D地震体的一个或多个外在属性地震体的一个或多个外在属性.EMERGE简介简介Emerge多属性分析理论培训EMERGE简介简介从理论上讲从理论上讲, 任意类型的曲线都可以是任意类型的曲线都可以是EMERGE预测的目标预测的目标. 实际上实际上, 以下类型的测井曲线都已被成功地预测以下类型的测井曲线都已被成功地预测: P波速度 (P-wave velocity) 孔隙度 (Porosity) 密度 (Density 伽玛测井(Gamma-ray) 水饱和度*Water saturation) 岩性 (Lithology logs)因为EMERGE要将目标曲线与地震资料相关，所以正确的深时转换关系是很关键的。基于此，check-shot校正和手动校正是必须的。唯一的条件就是每口井都必须存在将要进行预测的测井曲线.因为EMERGE假设目标曲线是无噪声的，所以在用EMERGE之前,编辑目标井是非常重要的.Emerge多属性分析理论培训EMERGE简介简介EMERGE可以当作常规迭后反演的延伸可以当作常规迭后反演的延伸运用地震和测井资料运用地震和测井资料只能预测地震体的声阻抗预测地震体的任意井曲线的性质通过褶积模型建立地震与测井之间的关系不使用任何先验模型，而是利用统计的方法建立二者的关系。必须提取子波不需要提取子波。确切地说，子波只是所导出关系的一部分。针对叠后的地震数据进行针对地震数据进行，包括叠前和叠后的地震属性。可以用少数的井，甚至只有1口井必须有足够数目的井，至少需要6口井通过创建与真实资料相拟合的合成记录来校验反演结果通过预测所得到的井曲线与事先”隐藏”起来的井曲线相对比来校验结果。结果的分辨率受到地震资料带宽的限制可以通过神经网络分析来提高分辨率Emerge多属性分析理论培训地震属性通常是地震道的非线性转换。两种地震属性的类型两种地震属性的类型:基于采样的：calculated from the trace on a sample-by sample basis. 举例: 振幅包络基于层位的: 由两个层位的平均值计算出来 举例: 两层位置之间的孔隙度对EMERGE而言, 所有的属性都是基于采样的。地震属性地震属性Emerge多属性分析理论培训地震属性举例：Emerge多属性分析理论培训EMERGE 能够计算下列内部属性：能够计算下列内部属性：振幅包络振幅包络 Amplitude Envelope振幅振幅* *加权相位余弦加权相位余弦 Amplitude Weighted Cosine Phase振幅振幅* *加权频率加权频率 Amplitude Weighted Frequency振幅振幅* *加权相位加权相位 Amplitude Weighted Phase平均频率平均频率 Average Frequency视极性视极性 Apparent Polarity瞬时瞬时Cosine相位相位 Cosine Instantaneous Phase导数导数 Derivative瞬时振幅的导数瞬时振幅的导数 Derivative Instantaneous Amplitude主频主频 Dominant Frequency滤波切片滤波切片 Filter Slices瞬时频率瞬时频率 Instantaneous Frequency瞬时相位瞬时相位 Instantaneous Phase积分积分 Integrate绝对振幅积分绝对振幅积分 Integrated Absolute Amplitude二阶导数二阶导数 Second Derivative瞬时振幅的二阶导数瞬时振幅的二阶导数 Second Derivative Instantaneous Amplitude时间时间 Time地震属性地震属性Emerge多属性分析理论培训EMERGE可以输入外部属性。可以输入外部属性。 它们不能通过内部属性计算出来，它们不能通过内部属性计算出来， 因为：因为： 它们是独立的，比如相关属性。它们是独立的，比如相关属性。 太复杂，太复杂， 如地震反演，如地震反演， AVO属性，属性， 等等。等等。内部属性可以归为以下几类：内部属性可以归为以下几类：瞬时属性瞬时属性 Instantaneous attributes频率属性频率属性 Windowed frequency attributes滤波切片滤波切片 Filter slices导数属性导数属性 Derivative attributes积分属性积分属性 Integrated attributes时间（线性渐变）时间（线性渐变）Time (a linear ramp)以地震数据为例，现在来关注一下关于群属性的理论。以地震数据为例，现在来关注一下关于群属性的理论。地震属性地震属性Emerge多属性分析理论培训f(f(t) )SeismicTimeHilbertTransformh(t)s(t)A(t)瞬时属性瞬时属性)()(tan)( :and)()()( 1 :where)(sin)()(cos)()(exp()()()()(122tsthtthtstAittiAttAtitAtihtstCffffTaner, et al首先提出瞬时属性首先提出瞬时属性(Geophysics, June, 1979)。他们从复地震道。他们从复地震道C(t)算起。算起。C(t) 由地震道由地震道s(t)与其希尔伯特变换与其希尔伯特变换h(t)(希尔伯特变换即对地震道希尔伯特变换即对地震道作作90度相移度相移) )。如下所示。如下所示, , 将复数地震道写成极坐标形式，图中标示出了两个将复数地震道写成极坐标形式，图中标示出了两个基本属性：基本属性： 振幅包络振幅包络A(t) (也称为瞬时振幅也称为瞬时振幅) )和瞬时相位和瞬时相位f(t)。Emerge多属性分析理论培训第三个属性第三个属性, , 瞬时频率是瞬时相位对时间的导数瞬时频率是瞬时相位对时间的导数. . 方程式如下方程式如下: : ( )( )the instantaneous frequencydttdtf另一个瞬时属性则是前面三个基本属性的结合另一个瞬时属性则是前面三个基本属性的结合. .cos ( )cosine instantaneous phase,A(t)cos ( )amplitude weighted cos phase,A(t) ( )amplitude weighted phase,A(t) ( )amplitude weighted frequency.ttttfff视极性属性则是由振幅包络乘以该地震道的波峰的极性符号而得，应用视极性属性则是由振幅包络乘以该地震道的波峰的极性符号而得，应用于该波峰相邻的波谷之间的一段地震道于该波峰相邻的波谷之间的一段地震道. .瞬时属性瞬时属性Emerge多属性分析理论培训我们来看某三维体我们来看某三维体inline95处各个瞬时属性的图像处各个瞬时属性的图像. 08-08. 08-08井也标在其上井也标在其上. . 瞬时属性瞬时属性Emerge多属性分析理论培训瞬时相位瞬时相位 inline 95.振幅包络振幅包络 inline 95.Emerge多属性分析理论培训振幅振幅* *加权相位余弦加权相位余弦 inline 95.瞬时相位的余弦瞬时相位的余弦 inline 95.Emerge多属性分析理论培训振幅振幅* *加权相位加权相位 inline 95.视极性视极性 inline 95.Emerge多属性分析理论培训瞬时频率瞬时频率 inline 95.振幅振幅* *加权频率加权频率 inline 95.Emerge多属性分析理论培训时窗频率属性时窗频率属性EMERGE的另一类属是基于地震道的时窗频率分析。在此过程中，系统默认的另一类属是基于地震道的时窗频率分析。在此过程中，系统默认在在64倍采样间隔的时窗对每个地震道进行傅里叶变换。倍采样间隔的时窗对每个地震道进行傅里叶变换。在本窗口中，选择好平均频率振幅或主频振幅，并将该值赋予时窗中心点。在本窗口中，选择好平均频率振幅或主频振幅，并将该值赋予时窗中心点。随后，设置随后，设置32倍采样间隔的时窗，计算此时的频率振幅。注意：在属性参数倍采样间隔的时窗，计算此时的频率振幅。注意：在属性参数菜单中可以修改采样时窗的默认值，如下所示：菜单中可以修改采样时窗的默认值，如下所示：Emerge多属性分析理论培训inline 95 处的主频处的主频 Dominant frequencyinline 95 处的平均频率处的平均频率Average frequency时窗频率属性时窗频率属性Emerge多属性分析理论培训第三类属性为地震道的窄带滤波切片第三类属性为地震道的窄带滤波切片. 以下六种为通常所用以下六种为通常所用: 5/10 15 20 Hz15/20 25/30 Hz25/30 35/40 Hz35/40 45/50 Hz45/50 55/60 Hz55/60 65/70 Hz下面分别显示最低频和最高频切片下面分别显示最低频和最高频切片.滤波切片属性滤波切片属性Emerge多属性分析理论培训inline 95 处处5/10 15/20 5/10 15/20 Hz滤波切片滤波切片 inline 95 处处55/60 65/70 Hz滤波切片滤波切片滤波切片属性滤波切片属性Emerge多属性分析理论培训EMERGE 中第四类属性是基于地震道或相应的振幅包络中第四类属性是基于地震道或相应的振幅包络(亦称瞬时振亦称瞬时振幅幅)的一阶或二阶导数的一阶或二阶导数.通过以下的公式来计算导数通过以下的公式来计算导数: :.,2211121121tssstdddtssdiiiiiiiii其中其中, , si 是第是第i个地震道或振幅包络个地震道或振幅包络; ; d1i为一阶导数为一阶导数; ; d2i为二阶导数为二阶导数; ; t为采样间隔为采样间隔. .以以inline95处的地震道和振幅包络为例处的地震道和振幅包络为例: :导数属性导数属性Emerge多属性分析理论培训inline 95 处的地震道的导数处的地震道的导数inline 95 处的振幅包络的导数处的振幅包络的导数导数属性导数属性Emerge多属性分析理论培训地震道的二阶导数地震道的二阶导数振幅包络的二阶导数振幅包络的二阶导数导数属性导数属性Emerge多属性分析理论培训积分属性积分属性第五类属性基于地震道积分或相应的振幅包络第五类属性基于地震道积分或相应的振幅包络( (瞬时振幅瞬时振幅) )积分积分. . 通过以下方程计通过以下方程计算算: : 1iiiIsI其中，其中， si 代表第代表第i个地震道或振幅包络，个地震道或振幅包络，Ii代表相应的积分值代表相应的积分值. .最后，对默认的最后，对默认的5050个点进行平滑滤波以便去除反演结果的低频趋势，然后进行积个点进行平滑滤波以便去除反演结果的低频趋势，然后进行积分。将振幅包络除以最大最小采样数之差分。将振幅包络除以最大最小采样数之差, , 使之归一化使之归一化. . 同样同样, , 默认选项均可在默认选项均可在属性参数菜单中修改属性参数菜单中修改. .以以inline 95处的积分为例见下一页处的积分为例见下一页: :At the end of the running sum the integrated seismic trace is filtered by running a default 50 point smoother along it and removing the resulting low frequency trend. The integrated amplitude envelope is normalized by dividing by the difference between the minimum and maximum samples over the total number of samples. Note that the defaults can be changed in the Attribute / Attribute Parameters menu, shown earlier.Emerge多属性分析理论培训地震道积分地震道积分Integrated traces振幅包络积分振幅包络积分 Integrated amplitude envelope积分属性积分属性Emerge多属性分析理论培训时间属性时间属性Inline95处的时间属性处的时间属性( (对于该地震体的任一测线时间属性看起来似乎都是相同的对于该地震体的任一测线时间属性看起来似乎都是相同的).).最后谈谈最后谈谈时间属性时间属性. . 它只是求地震道的时间值，因此可以形成一个斜坡函数，它它只是求地震道的时间值，因此可以形成一个斜坡函数，它可以对生成的储层参数添加一个趋势。可以对生成的储层参数添加一个趋势。时间属性的图片如下时间属性的图片如下: :Emerge多属性分析理论培训EMERGE 力求找到目标曲线与地震道的各个属性之间的关系力求找到目标曲线与地震道的各个属性之间的关系. 单井的各种属性如下单井的各种属性如下:地震属性地震属性Emerge多属性分析理论培训目标曲线与任一地震属性的交汇图能够标识二者的相关性目标曲线与任一地震属性的交汇图能够标识二者的相关性.下图给出了目标曲线下图给出了目标曲线, 地震道以及一个外部属性地震道以及一个外部属性:交汇图交汇图Emerge多属性分析理论培训下面是纵轴的目标曲线下面是纵轴的目标曲线(P波波速波波速)与横轴的外部属性与横轴的外部属性(反演结果反演结果)的交汇图的交汇图.交汇图交汇图Emerge多属性分析理论培训回归分析方程如下回归分析方程如下:y = a + b*x该方程使得预测目标的误差达到最小该方程使得预测目标的误差达到最小:N1i2ii2)x*ba(yN1EN1iyixixy)m)(ym(xN1N1iixxN1mN1iiyyN1m交汇图交汇图其中其中, 平均值平均值:协方差定义如下协方差定义如下:Emerge多属性分析理论培训归一化的协方差定义如下归一化的协方差定义如下:xyxy交汇图交汇图预测误差为目标测井曲线的真实值与预测值之间的均方差预测误差为目标测井曲线的真实值与预测值之间的均方差.通过应用回归方程来预测目标属性通过应用回归方程来预测目标属性:Emerge多属性分析理论培训对目标变量或地震属性变量对目标变量或地震属性变量(同时或只对其一同时或只对其一)进行非线性变换运算进行非线性变换运算, 有时可以提有时可以提高其相关性高其相关性交汇图交汇图Emerge多属性分析理论培训练习练习2: : 单属性列表单属性列表本练习中本练习中, 我们将要针对练习我们将要针对练习1中加载的数据做交汇图中加载的数据做交汇图, 生成单属性列表生成单属性列表.交汇图绘制交汇图绘制: :首先首先, 点击点击Display/Well来看来看01-08井的内部属性井的内部属性.如上图所示选择属性类别如上图所示选择属性类别. 我们可以看到可利用的内部属性全部显示在我们可以看到可利用的内部属性全部显示在左列左列, 而我们所选择的属性显示在右边列表而我们所选择的属性显示在右边列表. Emerge多属性分析理论培训点击点击Ok得到下图，它显示了得到下图，它显示了01-08井旁地震道提取的振幅包络井旁地震道提取的振幅包络:Emerge多属性分析理论培训点击点击Display / Crossplot 查看该属性与目标曲线的相关程度查看该属性与目标曲线的相关程度.Emerge多属性分析理论培训这个菜单能够创建目标曲线与任一个其他的内部或外部属性的交汇图这个菜单能够创建目标曲线与任一个其他的内部或外部属性的交汇图. 我们我们可以用单井或所有的井可以用单井或所有的井. 另外另外, 还可以对目标曲线和所用的属性进行一系列非还可以对目标曲线和所用的属性进行一系列非线性变换线性变换. 填好上示菜单填好上示菜单, 点击点击Ok, 下面的交汇图显示出来下面的交汇图显示出来. 该交汇图用了分析时窗内所有井的全部点，纵坐标为目标声波测井曲线，横该交汇图用了分析时窗内所有井的全部点，纵坐标为目标声波测井曲线，横坐标为一外部地震属性，即反演结果。该图的上部分显示了回归方程的斜率坐标为一外部地震属性，即反演结果。该图的上部分显示了回归方程的斜率和截距以及归一化的相关系数。该相关系数是衡量用该地震属性去预测目标和截距以及归一化的相关系数。该相关系数是衡量用该地震属性去预测目标曲线的符合程度。曲线的符合程度。Emerge多属性分析理论培训点击点击Attribute / Create Single Attribute List , 计算所有地震属性的相关系数计算所有地震属性的相关系数, 并进并进行排序行排序.左上角显示出工区中的所有井，右左上角显示出工区中的所有井，右上角显示出分析中将要用的井，系上角显示出分析中将要用的井，系统默认使用所有的井。统默认使用所有的井。中间左侧框显示了所有的属性（内中间左侧框显示了所有的属性（内部和外部属性）。中间右侧框显示部和外部属性）。中间右侧框显示选中的属性，默认选全部属性。注选中的属性，默认选全部属性。注意：我们也可以选择是否要对目标意：我们也可以选择是否要对目标曲线和地震属性做非线性变换以提曲线和地震属性做非线性变换以提高其相关程度。高其相关程度。单属性分析单属性分析Emerge多属性分析理论培训以上选好后，点击以上选好后，点击Ok, 结果显示如下结果显示如下: 从上表中我们看到使用外部属性，从上表中我们看到使用外部属性，“反演结果反演结果”的误差最小可达的误差最小可达298.76。有时有时, 应用目标曲线和地震道之间的剩余时移以及应用目标曲线和地震道之间的剩余时移以及check-shot校正都能校正都能够提高反演的相关程度，尽可能减小误差。够提高反演的相关程度，尽可能减小误差。Emerge多属性分析理论培训校正这个的一种方法是点击校正这个的一种方法是点击Wells / Shift Target Logs，如下图，如下图:该菜单允许输入每条目标曲线的时移。当该菜单允许输入每条目标曲线的时移。当然，我们并不知道输入多少合适，可以点然，我们并不知道输入多少合适，可以点击击Optimize按钮按钮, 出现左侧的窗口：出现左侧的窗口：Emerge多属性分析理论培训你可以在优化时移菜单中选择变换的类型，此处，我们选择单属性变换：你可以在优化时移菜单中选择变换的类型，此处，我们选择单属性变换：1/inversion result. 系统会对每口井实行一系列时移来找出最优化的时移系统会对每口井实行一系列时移来找出最优化的时移, 使得相关系数尽可能达使得相关系数尽可能达到最大到最大,此处选择的最大时移为此处选择的最大时移为10ms，选好之后，选好之后,点击点击Ok. 则下面的时移菜单则下面的时移菜单就会显示出建议时移。就会显示出建议时移。 默认这些结果默认这些结果, 点击点击Ok. EMERGE主窗口会更新这些经过时移的井。点击主窗口会更新这些经过时移的井。点击Attribute / Create Single Attribute List重新计算单属性变换重新计算单属性变换.Emerge多属性分析理论培训采用系统默认值采用系统默认值, 结果如下结果如下: 现在我们可以看到目标曲线的平方根与现在我们可以看到目标曲线的平方根与1/(Inversion Result)之间的之间的误差最小误差最小, 为为289.75。单属性列表显示出每个属性的交汇图结果，并且按。单属性列表显示出每个属性的交汇图结果，并且按照误差从小到大排序。照误差从小到大排序。 如果你选中某个属性比如如果你选中某个属性比如( (P-wave)的平方根的平方根 & 1/Inversion Result)然后点击然后点击Cross Plot按钮按钮,就会显示出两者相应的交汇图。就会显示出两者相应的交汇图。Emerge多属性分析理论培训当你选中某个属性如当你选中某个属性如1/1/Inversion Result, 然后点击然后点击Apply按钮按钮, 就会看到以就会看到以下所示的界面下所示的界面: 上图显示了用指定的属性上图显示了用指定的属性(1/inversion result)来预测得到的目标曲线和真实来预测得到的目标曲线和真实的目标曲线，还有回归方程的截距和斜率。点击窗口顶部的的目标曲线，还有回归方程的截距和斜率。点击窗口顶部的View / Zoom，用鼠标分别对三口井选取时窗附近一个区域，则会看到放大后的曲线。用鼠标分别对三口井选取时窗附近一个区域，则会看到放大后的曲线。Emerge多属性分析理论培训如图显示了实际目标曲线如图显示了实际目标曲线(黑色表示黑色表示)与由属性预测得到的曲线与由属性预测得到的曲线(红色表示红色表示)。上部。上部的的Average Error(平均误差平均误差)是真实的测井曲线值与所预测的值的均方根差。是真实的测井曲线值与所预测的值的均方根差。 注意到对注意到对Inversion Result应用回归方程会产生与真实的目标曲线相一致应用回归方程会产生与真实的目标曲线相一致的变化趋势的变化趋势, 但是不能够准确地预测它的细微的特征但是不能够准确地预测它的细微的特征. 这是由于这是由于 Inversion Result是由相对比较粗糙的块进行划分的，是由相对比较粗糙的块进行划分的，而而EMERGE可以通过应用别的一些地震属性来提高对细微特征的分辨能力。可以通过应用别的一些地震属性来提高对细微特征的分辨能力。结果如下结果如下:Emerge多属性分析理论培训两属性的交汇两属性的交汇 (最佳拟合是一个面最佳拟合是一个面)单属性交汇图单属性交汇图 (最佳拟合是一条线最佳拟合是一条线)多属性应用多属性是对常规交汇图的一种拓展Emerge多属性分析理论培训多属性的线性回归多属性的线性回归:对每个时窗而言对每个时窗而言, 目标曲线都被模拟成多个属性的线性组合目标曲线都被模拟成多个属性的线性组合. Emerge多属性分析理论培训用三个属性来预测孔隙度用三个属性来预测孔隙度f f(t) = w0 + w1I(t) + w2E(t) + w3F(t)其中其中 f f( (t) =孔隙度孔隙度 porosityI(t) = 声波阻抗声波阻抗 acoustic impedanceE(t) = 振幅包络振幅包络amplitude envelopeF(t) = 瞬时频率瞬时频率 instantaneous frequency上式可以分解为一系列线性方程上式可以分解为一系列线性方程: f f1 = w0 + w1I1 + w2E1 + w3F1f f2 = w0 + w1I2 + w2E2 + w3FN . . . . .f fN = w0 + w1IN + w2EN + w3FN用矩形表示如下用矩形表示如下:3210NNN222111N21wwwwFEI1FEI1FEI1或者或者P = AWEmerge多属性分析理论培训通过最小二乘平方法来解上式通过最小二乘平方法来解上式, 我们可以得到我们可以得到:W = ATA-1ATP详细计算如下详细计算如下:N1i2i3i2i10i2)F*wE*wI*ww(N1E这些系数满足预测误差最小化这个条件这些系数满足预测误差最小化这个条件.或或: :Emerge多属性分析理论培训Emerge多属性分析理论培训属性组合的选择给定所有的内部属性和外部属性, 我们怎样能够发现哪些属性组合在一起能够得到最好的预测效果呢?EMERGE 用step-wise regression来达到最好的属性组合. 第一步: 用试错法找到最好的属性： nAmplitude Weighted PhasenAverage FrequencynApparent Polarity 对列表中的每个属性(振幅权重相位, 平均频率, 和视极性等), 计算预测误差. 误差最小的那个属性便是最好的属性, 命名为属性1.第二步: 找到最好属性对：假设第一个属性为属性1, 用它与列表中的别的属性形成属性对,如下:n(attribute1, Amplitude Weighted Phase)n(attribute1, Average Frequency), etc.最好的属性对便是预测误差最小的对. 这样, 第二个属性就选出来了,命名为属性2. Emerge多属性分析理论培训第三步第三步: 找到最好的第三个属性：找到最好的第三个属性：假设前两个最好的属性分别为属性假设前两个最好的属性分别为属性1 和属性和属性2，用它们和属性列表中的成员，用它们和属性列表中的成员分别组成三个属性的组分别组成三个属性的组, 如下如下:(attribute1, attribute2, Amplitude Weighted Phase),(attribute1, attribute2, Average Frequency), etc.最小误差的便是第三个最好的属性最小误差的便是第三个最好的属性, 称为属性称为属性3.不断地这样优选出你需要的属性不断地这样优选出你需要的属性.减小预测误差减小预测误差:N个属性的预测误差个属性的预测误差EN总是总是 小于或等于小于或等于N-1个属性的预测误差。个属性的预测误差。Emerge多属性分析理论培训如何知道选取多少个属性为最佳呢如何知道选取多少个属性为最佳呢?增加属性就相当于用高次的多项式来拟合曲线增加属性就相当于用高次的多项式来拟合曲线.属性的有效性属性的有效性Emerge多属性分析理论培训我们能够计算出每个多项式的预测误差, 它等于真实的y值与预测得到的y值之间的均方根差.随着多项式的阶数增加, 预测误差趋于减小.问题在于, 当用过高阶多项式拟合时，对已有数据范围内可能拟合的好，但是内插或外推时超过边界的数据会拟合的很糟糕，如下所示, 这就是“过训练”的问题。Emerge多属性分析理论培训EMERGE用以下的步骤来验证地震属性的有效性用以下的步骤来验证地震属性的有效性: (1) 将数据体分为两个集合将数据体分为两个集合:n n 训练数据集合训练数据集合 Training data setn n 验证数据集合验证数据集合 Validation data set(2) 用用训练训练数据集合通过回归确定相关系数。数据集合通过回归确定相关系数。(3) 用验证数据集合来计算预测误差。用验证数据集合来计算预测误差。如上图所示如上图所示, 用高阶的多项式对学习数据集合拟合，效果较好，但对验证数据用高阶的多项式对学习数据集合拟合，效果较好，但对验证数据集合拟合的较差。这表明多项式的阶数太高了。集合拟合的较差。这表明多项式的阶数太高了。Emerge多属性分析理论培训EMERGE 可以系统地保留一些井以验证地震属性的有效性。假设有5口井和3个属性：Well1, Well2, Well3, Well4, Well5假定有三个属性：Impedance, Envelope, Frequency通过以下的步骤来验证属性的有效性:保留井1. 用来自井2, 井3, 井4, 井5 的数据体来求回归系数。即解下面的方程组，井1的系数为0.f1 = w0 + w1I1 + w2E1 + w3F1f2 = w0 + w1I2 + w2E2 + w3FN. . . . . . . . . . . . . . . . .fN = w0 + w1IN + w2EN + w3FNEmerge多属性分析理论培训(2) 用求得的系数来计算井用求得的系数来计算井1的预测误差，用下式来计算的预测误差，用下式来计算: N1i2i3i2i10i2)F*wE*wI*ww(N1E只用井只用井1的数据来算的数据来算, 这样得到井这样得到井1的校验误差的校验误差E1.(3) 分别保留井分别保留井2, 井井3, 井井4, 井井5, 依上述分别计算回归系数和验证误差依上述分别计算回归系数和验证误差.(4) 计算所有井的平均验证误差计算所有井的平均验证误差:EA = (E1+E2+E3+E4+E5) / 5Emerge多属性分析理论培训横坐标表示用于预测的属性的个数横坐标表示用于预测的属性的个数, 纵坐标表示相应个数的属性的均方根误差纵坐标表示相应个数的属性的均方根误差.黑色曲线表示用学习数据计算的误差黑色曲线表示用学习数据计算的误差, 红色曲线红色曲线表示用验证数据计算的误差表示用验证数据计算的误差. 从上图我们得知从上图我们得知, 当属性个数多于当属性个数多于5时时, 验证误差增加验证误差增加, 说明属性太多说明属性太多, 过拟合了。过拟合了。下面是下面是Emerge分析的有效性分布图：分析的有效性分布图：Emerge多属性分析理论培训练习练习3: 多属性分析多属性分析本练习中, 我们要对前两个练习中的数据体进行多属性分析.多属性分析:点击Attribute / Create Multi Attribute List进行多属性分析, 以下菜单显示出来.该菜单包括两页：第一页选择用于多属性分析的井。此处采用默认选项， 点击NextEmerge多属性分析理论培训第二页如下所示第二页如下所示, 用来创建多属性列表用来创建多属性列表: 第一项确定创建一系列变换还是单个变换. 通常, 我们创建一系列变换, 用step-wise regression来验证多属性。 最大属性个数是个很重要的参数。在此分析中，EMERGE 通过step-wise regression搜索到预测目标体的属性集合。最大属性个数控制着何时停止搜索. 这个搜索过程影响着运行时间。Emerge多属性分析理论培训因子长度是另一个很关键的参数因子长度是另一个很关键的参数, 后面详细介绍后面详细介绍. 现在现在, 默认选择默认选择1ms的采样率的采样率.与单属性分析一样与单属性分析一样, 我们将对目标体和外部属性进行非线性变换的检验。我们将对目标体和外部属性进行非线性变换的检验。不断地点击不断地点击Next, 直到该菜单的最后一页直到该菜单的最后一页, 验证所选的选项。验证所选的选项。 之后之后, 点击点击Ok. 几分钟后几分钟后, 你会看到以下列表你会看到以下列表: Emerge多属性分析理论培训 多属性相关结果给出了计算结果，每一行对应于一个多属性变换，包括实行变换的属性对。 比如：第一行1/Inversion Result表示单独使用时的最好属性为Inversion Result。 第二行，Time指的是1/Inversion Result 和Time是最好的属性对。用于同时进行变换时。Emerge多属性分析理论培训 依此依此, 我们得到了最好的三个属性组合和四个属性组合我们得到了最好的三个属性组合和四个属性组合, 等等等等. 训练误差的训练误差的减小说明随着属性个数的增加减小说明随着属性个数的增加, 预测误差降低。预测误差降低。 也可看到预测误差的显示也可看到预测误差的显示Error Plot / Versus Attribute Number，如下：，如下：下面的曲线下面的曲线(黑色黑色)表示纵轴上的学习误差和横轴上属性个数之间的关系表示纵轴上的学习误差和横轴上属性个数之间的关系.上面的曲线上面的曲线(红色红色)是验证误差是验证误差, 显示出显示出7个属性效果最好个属性效果最好.Emerge多属性分析理论培训 要看多属性因子与最小验证误差的交汇图，可以点中第7行，然后点击Cross Plot按钮，显示如下窗口： 这个交汇图不同于前面所述。它显示了预测的目标体预测的目标体和真实的目标体真实的目标体之间的关系。红色曲线不是回归曲线，而是斜率为1截距为0的直线，这是最好的相关。 实际的相关系数和误差显示在图的上部分。我们可以看到用7个属性得到的相关系数几乎达到62%。Emerge多属性分析理论培训 确定多属性列表中第7个属性变换已选中并且点击Apply / Training Result，程序窗口会显示对目标曲线进行多属性变换后得到的预测曲线，点击View / Zoom选项，放大显示如下图：Emerge多属性分析理论培训该表列出了该表列出了8个属性的权重以及常量值（练习个属性的权重以及常量值（练习3完毕完毕)。 点击点击Attribute / Display Single Attribute List , 选择第一个单属性选择第一个单属性, 1/1/Inversion Result , 点击点击Apply, 对比上示结果。从数学角度上讲对比上示结果。从数学角度上讲, 相关系数从相关系数从51%提高到提高到62%. 回到多属性列表，点亮回到多属性列表，点亮Dominant Frequency，然后，然后点击点击List按钮按钮, 显示下表：显示下表：Emerge多属性分析理论培训目前为止目前为止, 多属性分析只是使每个目标和相应的地震属性二者相关。多属性分析只是使每个目标和相应的地震属性二者相关。 这种方法存在一定的局限性，因为井和地震属性之间在频率方面存在很大这种方法存在一定的局限性，因为井和地震属性之间在频率方面存在很大差异差异(如下所示如下所示)。褶积因子褶积因子Emerge多属性分析理论培训Emerge多属性分析理论培训222102EwIwwf所有点用同一权值，因此对第二个样点：所有点用同一权值，因此对第二个样点：之前的公式之前的公式:P = w0 + w1A1 + w2A2 +.+ wNAN改为改为:P = w0 + w1*A1 + w2*A2 +.+ wN*AN其中其中 * * 表示褶积表示褶积. 由两个属性预测孔隙度为例说明由两个属性预测孔隙度为例说明: 432124321104321EEEEwIIIIwwEmerge多属性分析理论培训432122222222224321111111111104321EEEE(0)w1)(w001)(w(0)w1)(w001)(w(0)w1)(w001)(w(0)wIIII(0)w1)(w001)(w(0)w1)(w001)(w(0)w1)(w001)(w(0)ww) 1(w)0(w) 1(wII0IIIIII0II11134234123124321此时此时, 权权wi 变为三个点的褶积因子变为三个点的褶积因子: wi = wi(-1), wi(0), wi(1)上面的矩阵方程变为上面的矩阵方程变为:这是一个新的线性方程，此处权重wi, 换成了三个值，wi(-1), wi(0), wi(1)。这个可以通过最小平方回归求得。唯一的差别是对两个属性来说，我们现在有3+3+1 = 7 个参数。例如，对第二个样点，我们有如下7项的方程，而不是3项：32221231211102) 1() 0 () 1() 1() 0 () 1(EwEwEwIwIwIwwfW(0)*I1+ w(-1)*I2W(1)*I1+ w(0)*I2+ w(-1)*I3 W(1)*I2+ w(0)*I3+ w(-1)*I4 W(1)*I3+ W(0)I4Emerge多属性分析理论培训1 2 3 4 5 6 7 8 9 w(1) *w(0) *w(-1) *+w(1) *+w(0) *+w(-1) *w(1) *w(0) *w(-1) *+w(1) *+w(0) *+w(-1) *w(1) *w(0) *w(-1) *+w(1) *+w(0) *+w(-1) *Emerge多属性分析理论培训重新写一下上式：重新写一下上式： 32311211222102) 1() 1() 1() 1()0()0(EwIwEwIwEwIwwf 在以上方程式中，第一项与非褶积情况一致（只含有第二个样点）。同时它包含在以上方程式中，第一项与非褶积情况一致（只含有第二个样点）。同时它包含0权重。权重。 第二项包含第二项包含+1权重与第一个样点。权重与第一个样点。 第三项包含第三项包含-1权重与第三个样点。权重与第三个样点。 建议有效解决权重问题的方式是创建多个新的属性，这些属性是原始属性的时移的建议有效解决权重问题的方式是创建多个新的属性，这些属性是原始属性的时移的结果。结果。 求求 +1 权重，将属性前移一个样点，同样的方式适用于权重，将属性前移一个样点，同样的方式适用于0权重。权重。 求求 -1 权重，将属性回移一个样点，同样的方式适用于权重，将属性回移一个样点，同样的方式适用于0权重。权重。Emerge多属性分析理论培训应用褶积因子就如同增加更多的属性：它会改善预测误差，但是验证误差可能不会得到改善 过训练的危险性会增强。 上面的例子说明随着褶积因子长度的增加，训练误差总是降低。而随着褶积因子长度的增加，校验误差降低到最低点，之后会增加。Emerge多属性分析理论培训在这个练习中，我们延用之前的练习，在应用多属性分析时应用褶积因子。初始化多属性变换，点击初始化多属性变换，点击 Attribute / Create Multi Attribute List。创建一系列。创建一系列属性，应用所有的井，点击属性，应用所有的井，点击Next 在第二页，设置在第二页，设置Maximum number of attributes to use 为为7。练习练习4: 褶积因子褶积因子Emerge多属性分析理论培训第三页，定义褶积因子测试的范围第三页，定义褶积因子测试的范围。设置从设置从 1 到到 9，每，每2个换一个。个换一个。Click OK.在提示菜单跳出来后选择在提示菜单跳出来后选择 Yes 。This will take a little while to complete, so nows a good time to take a break.Emerge多属性分析理论培训返回的多属性列表返回的多属性列表list2有有5个不同的版本，每个不同的版本，每一个对应不同的褶积因一个对应不同的褶积因子长度。子长度。List 1 (先前练习得到的先前练习得到的)也是可用的。也是可用的。选择不同的多属性列表，最终属性的相关会随之变化：选择不同的多属性列表，最终属性的相关会随之变化：点击点击 Error Plot / Versus Operator Length.Emerge多属性分析理论培训可以显示可以显示5种不同的褶积因子种不同的褶积因子对应的验证误差。对应的验证误差。最小验证误差发生在最小验证误差发生在7point褶褶积因子积因子6种属性的时候。其它种属性的时候。其它的组合验证误差都比这个大。的组合验证误差都比这个大。Emerge多属性分析理论培训选择多属性列表选择多属性列表 List2_7pt, 点击点击 Error Plot / Versus Attribute Number:这个图显示了这个图显示了7point褶积因子的情况下褶积因子的情况下对应的训练误差和验证误差。对应的训练误差和验证误差。Emerge多属性分析理论培训要查看任一个多属性褶积因子的交汇要查看任一个多属性褶积因子的交汇图，点亮图，点亮Amplitude Weighted Frequency（选择第（选择第6个属性）个属性） 点击点击 Cross Plot 按钮，显示如图：按钮，显示如图：注意：应用褶积因子的作用是将相关系数从注意：应用褶积因子的作用是将相关系数从62%很大地提高到了接近很大地提高到了接近71%Emerge多属性分析理论培训再次选择第再次选择第6个属性，点击个属性，点击Apply / Training Result。如图，显示了应用多属性变。如图，显示了应用多属性变换后生成的曲线及目标曲线。换后生成的曲线及目标曲线。应用应用 View / Zoom 放放大后，看到如图：大后，看到如图：Emerge多属性分析理论培训与之前的显示类似，象注释中与之前的显示类似，象注释中指出的那样，每一条预测曲线指出的那样，每一条预测曲线是通过应用其它井运算得到的是通过应用其它井运算得到的褶积因子运算得到的。它更有褶积因子运算得到的。它更有效的显示了这个程序在一口即效的显示了这个程序在一口即将钻的新井处用得好不好。将钻的新井处用得好不好。如果选择多属性变换列表的第如果选择多属性变换列表的第6行，还有一个有用的显示，可以点击行，还有一个有用的显示，可以点击Apply / Validation Result.(练习练习4结束结束)Emerge多属性分析理论培训练习练习5: 3D数据体的处理数据体的处理 本练习中，我们将把多属性变换应用于三维地震体中，用以创建一个本练习中，我们将把多属性变换应用于三维地震体中，用以创建一个新的新的P波速度体。波速度体。三维地震体多属性分析三维地震体多属性分析我们已经导出了地震道和目标井曲线的多属性关系，现在点击我们已经导出了地震道和目标井曲线的多属性关系，现在点击Display / Seismic，将该结果运用到整个三维数据体中，将该结果运用到整个三维数据体中. 地震分析窗口出现。地震分析窗口出现。这包含三步：(1) 保存权重系数，它由EMERGE自动运算得到；(2) 对每个地震道，在列表中所有属性都会创建一个属性值。 EMERGE做这个是临时性的（即体属性值并不会创建并保存，这样会占太大磁盘空间）。(3) 对每一个属性应用权重系数并求和。现在要将之前练习的结果应用到整个体。Emerge多属性分析理论培训创建切片也是观察该结果的一个有用的方法创建切片也是观察该结果的一个有用的方法. 点击显示点击显示computed_P-wave result的地震窗的地震窗口中的口中的Process / Slicing / Create Data Slice后后, 上面菜单出现，应用默认，点击上面菜单出现，应用默认，点击Next .填好上面的菜单后填好上面的菜单后, 我们就创建了一我们就创建了一个以个以1065ms为中心的为中心的, 平均时窗为平均时窗为10ms的切片的切片. 点击点击Next 直至点击直至点击 OK, 显示出该切片显示出该切片: Emerge多属性分析理论培训注意几何平均值显示如下：注意几何平均值显示如下： 该切片显示出低速河道该切片显示出低速河道穿过多口井的测线沿水平方穿过多口井的测线沿水平方向延伸的特征向延伸的特征. 分析完毕分析完毕, 点击点击EMERGE 主窗口中的主窗口中的File / Exit退出程退出程序序. 系统会提示是否存储该工系统会提示是否存储该工区区, 点击点击Yes.Emerge多属性分析理论培训练习练习6: 预测孔隙度预测孔隙度本练习中本练习中, 我们将利用我们将利用EMERGE从地震属性方面来预测孔隙度井从地震属性方面来预测孔隙度井.数据为数据为7口井的资料口井的资料, 包括其孔隙度测井曲线包括其孔隙度测井曲线seismic.sgy和相应的地震道文和相应的地震道文件件inversion.sgy.点击点击Database / Open, 加载一个新的数据库到加载一个新的数据库到GEOVIEW, 菜单如下：菜单如下：选中数据库选中数据库porosity.wdb 后后, 点击点击OK.Emerge多属性分析理论培训Well Explorer 窗口：窗口：如图，加载了如图，加载了7口井。检查第一口口井。检查第一口井曲线，点击井名井曲线，点击井名01-08，然后点，然后点击击Display Well 显示如图：显示如图：Emerge多属性分析理论培训EMERGE 主窗口显主窗口显示出来，点击示出来，点击OK.这口井包含孔隙度曲线及其它曲线。重新启动这口井包含孔隙度曲线及其它曲线。重新启动EMERGE选择选择Start New Project。 工区名为工区名为 porosity 如图如图:Emerge多属性分析理论培训加载数据的过程与前面的练习相同加载数据的过程与前面的练习相同, 此处不再赘述此处不再赘述. 点击点击Wells / Read From Database, 如下所示填好前三页如下所示填好前三页:Emerge多属性分析理论培训即便我们将孔隙度测井曲线作为目标即便我们将孔隙度测井曲线作为目标曲线曲线, P波测井曲线也仍需要进行深时波测井曲线也仍需要进行深时转换转换. 点击点击OK, 激活激活P波测井曲线波测井曲线.现在点击现在点击OK，因为数据库中不止一条，因为数据库中不止一条P波测井曲线，所以下面的菜单出现了波测井曲线，所以下面的菜单出现了Emerge多属性分析理论培训EMERGE的主窗口内显的主窗口内显示出目标测井曲线示出目标测井曲线(孔隙孔隙度曲线度曲线): 点击点击Seismic / Add Seismic Input / From File, 选中所有的文件选中所有的文件, 加加载地震数据载地震数据, 如下所示如下所示: Emerge多属性分析理论培训加载数据作为两个独立的加载数据作为两个独立的3D体：体：道头不含有道头不含有 Inline & Xline 数或数或 X & Y 坐标坐标Emerge多属性分析理论培训设置属性类型和两个文件的名字：设置属性类型和两个文件的名字：设置文件格式设置文件格式 (默认的是默认的是正确的正确的):Emerge多属性分析理论培训设置几何结构（默认的设置几何结构（默认的是正确的）：是正确的）：点击点击OKEmerge多属性分析理论培训设置井在地震上的设置井在地震上的位置位置 (默认是正确默认是正确的的):提取井旁道（默认提取井旁道（默认是正确的）：是正确的）：Emerge多属性分析理论培训Last updated: February 2007EMERGE主窗口现在显示出所提取的地震道和来自于外部属性主窗口现在显示出所提取的地震道和来自于外部属性(反演结果反演结果)的的合成波阻抗地震道合成波阻抗地震道:Emerge多属性分析理论培训将目标曲线在地震道带宽范围内进行过滤，这个选项经常能够提高结果质量。将目标曲线在地震道带宽范围内进行过滤，这个选项经常能够提高结果质量。之所以做这个是因为基于这么个事实：目标曲线要比地震或者属性体多好多高频成分。我们希望通过过滤目标曲线，使问题简单化，在练习中会做这个工作。首先，我们需要决定输入数据的频带，要做这个，需要到包含地震体的窗口，点击Process / Utility / Amplitude Spectrum:Emerge多属性分析理论培训设置菜单分析第一条主测线（应用从设置菜单分析第一条主测线（应用从800ms开始的一个时窗）开始的一个时窗）结果频谱显示如下：最大的有用结果频谱显示如下：最大的有用频率在频率在75到到90HZ之间：之间：Emerge多属性分析理论培训现在过滤目标曲线与上述带宽一致，点击现在过滤目标曲线与上述带宽一致，点击Wells / Filter Logs：Set the maximum frequencies as shown and click on Ok.Emerge多属性分析理论培训一个新的窗口出现：显示对原始曲线过滤后的曲线。放大后可以看到高频细节部一个新的窗口出现：显示对原始曲线过滤后的曲线。放大后可以看到高频细节部分被切除了：分被切除了：Emerge多属性分析理论培训数据被加载