本发明属于工程勘探领域,具体涉及一种对地裂缝识别的有效方法。
背景技术:
“地裂缝”地面裂缝的简称。是地表岩层、土体在自然因素(地壳活动、水的作用等)或人为因素(抽水、灌溉、开挖等)作用下,产生开裂,并在地面形成一定长度和宽度的裂缝的一种宏观地表破坏现象。地裂缝作为一种表生的地质灾害现象,在世界许多国家普遍存在,地裂缝造成地面及地下建筑物开裂,破坏路面,错断地下供水、输气管道,危及文物古迹安全,造成巨大经济损失,给居民生活带来很多不便,因此采取有效探测方法查明地裂缝的展布特征具有重要意义。由于地裂缝发育的隐蔽性和不确定性,故其探测难度较大,如果单纯采用钻探方法,由于单个钻孔仅可了解一个点的地层,不仅勘查周期长、费用高,而且布置的钻孔数量和勘查范围都有限,很难满足查清地裂缝整体空间分布特征的目的。相比之下,本方法具有方便、经济、快捷和成果直观的特点,在解决地裂缝的空间分布特征上有不可替代的优越性,因此利用该方法技术开展地裂缝的精细探测是一个较好的选择。
技术实现要素:
在原始地震数据上做倾角滤波处理得到的地裂缝增强滤波倾角数据体。是用倾角控制对地震数据做倾角定向滤波,改善同相轴的横向连续性,减少处理时产生的随机扰动,应用包含有倾角和方位角信息的增强滤波倾角数据体能提高神经网络提取最佳地震属性的精确度。
对所述利用滤波倾角数据体计算和确定单地震道或多地震道的属性集,包括振幅、相位、相干、相似、能量、频率、曲率等,其中基准时间、能量时窗、倾角变化、相似性等是重要属性。
人为拾取气烟囱体和非气烟囱体训练样点集。是在增强滤波倾角数据体和相干、相似体上进行的,拾取过程中参考若干对地裂缝敏感的单属性体,以人为经验和区域地质情况为基 础,拾取气烟囱体和非气烟囱体两组训练样点集。
针对气烟囱区和非气烟囱区所提取的地震属性样点设计神经网络。它将随机分配属性数据到训练组和测试组,并且启动训练状态,对该网络结构进行反复的训练和调整,训练执行情况在训练期间可被追踪,并用两种指数来表示:正常均方根曲线和均方根错误率曲线,RMS错误率曲线表示训练组和测试组的总的错误,分别从1(最大错误)到0(最小错误),两个曲线在训练期间都应走低,当测试曲线再次走高表示网络过度适配,训练应在这发生之前适可而止;典型的一个RMS值在0.8范围被认为是合理,0.8~0.6是好,0.6~0.4是很好,低于0.4就极好了;此外,网络节点中各属性在当前训练中的权重予以不同颜色表示:当在训练组上的表现达到最小错误时(曲线最低位置),最优化结果的网络训练会停止,此时即可终止训练,该神经网络所预测的“气烟囱体”能够更清晰地反映地震数据体中的地裂缝展布。
将训练满意的神经网络推广到整个滤波倾角数据体得到气烟囱体并输出。是指将通过神经网络培训得到的最能反映地震异常体的最佳属性应用于整个地震数据体,得到气烟囱体。
显示和解释气烟囱体并识别地裂缝。是将气烟囱剖面与相干、相似性剖面对比可以看出,气烟囱剖面不仅突出了气烟囱体、断裂系统的垂向特征,同时又有效压制了主要由噪声和低波阻抗等引起的低相干但非气烟囱的特征,气烟囱剖面与地震剖面叠合显示,能够快速、准确地对陷落柱进行解释。
附图说明
图1:为本发明的工作流程图。
图2:为气烟囱体剖面与常规地震剖面叠合显示图。
图3:为地震剖面显示图。
具体实施方式
下面结合具体实施例对本发明的技术方案和技术效果进行详细地说明,但本发明的范围并不限制于以下具体实施例。
该工区位于山西祁县,首先对所得到的地震偏移数据做倾角滤波处理得到地裂缝增强滤 波倾角数据体,人为拾取气烟囱和非气烟囱体训练样点,然后在两组拾取点集处提取多种地震属性并设计训练神经网络,提取的属性有:振幅、频率、相位、能量、相干、相似性和曲率,将训练满意的神经网络应用于整个地震数据体得到气烟囱体。最终通过地震数据和气烟囱体的叠合显示的方法,实现对该研究区地裂缝进行解释的目的。图2为气烟囱体剖面与常规地震剖面叠合显示图,图中指示的位置即为地裂缝预测位置。图3为最终解释的地裂缝成果,通过与实际揭露地裂缝资料对比发现,预测结果与实际结果完全吻合。
上述实施例并非是对本发明的限制,本领域相关的普通技术人员应该清楚,在不脱离本发明的基本构思和范围的情况内还可以有多重变形或替代,所有等同的技术方案也应该包含在本发明的保护范围内。本发明的专利保护范围以权力要求的限定为准。