深度域地震資料PCA屬性融合技術(shù)在淮南DJ礦的應(yīng)用

韓必武 孫宇菲

摘 要：隨著煤礦安全生產(chǎn)的需求越來越高，識別3～5 m斷層成為煤礦安全高效生產(chǎn)的重要指標(biāo)之一。本文運用地震資料處理技術(shù)歸位相對準(zhǔn)確的疊前深度偏移處理方法得到深度域地震資料，并在該數(shù)據(jù)體上進行解釋。以淮南DJ礦的解釋為例，利用提取的深度域方差屬性、傾角屬性體、曲率屬性體及相干屬性體進行主成分分析，并將主成分分析后的成果與螞蟻體屬性融合，其斷層在數(shù)據(jù)體上的形態(tài)與邊界反映清晰。

關(guān)鍵詞：深度域;PCA屬性融合;小斷層

中圖分類號：TD163文獻標(biāo)識碼：A文章編號：1003-5168（2020）01-0079-03

Abstract： With the increasing demand of coal mine safety production， the identification of 3～5m faults has become one of the important indexes of safe and efficient production in coal mines. In this paper， the depth domain seismic data were obtained by using the method of prestack depth migration which was relatively accurate in location by seismic data processing technology. Taking the interpretation of DJ mine in Huainan as an example， principal component analysis was carried out by using the extracted depth domain variance attribute， dip attribute body， curvature attribute body and coherent attribute body， and the results of principal component analysis were integrated with the ant body attribute. The shape and boundary of the fault on the data body were clearly reflected.

Keywords： depth domain;PCA attribute fusion;small fault

隨著煤礦安全生產(chǎn)的需求越來越高，識別3～5 m斷層成為煤礦安全高效生產(chǎn)的重要指標(biāo)之一。疊后時間偏移地震資料在小斷層識別上受各種干擾因素影響，且解釋技術(shù)難以滿足生產(chǎn)需求。本文運用前地震資料處理技術(shù)歸位相對準(zhǔn)確的疊前深度偏移處理方法得到深度域地震資料，再利用PCA屬性融合分析技術(shù)，針對淮南DJ礦區(qū)的微小斷裂構(gòu)造發(fā)育進行屬性敏感分析與研究，獲得了良好的效果。

1 PCA屬性融合解釋方法原理

PCA（Principal Components Analysis，PCA）的主要目的就是要將原始數(shù)據(jù)降維，并提取出沒有線性關(guān)系的主成分。PCA是一種數(shù)學(xué)方法，其可以經(jīng)過一些線性變換，把數(shù)目較多的觀測變量轉(zhuǎn)換為少數(shù)幾個主要的綜合變量，即為主成分[1]。PCA的目的是要降低原始數(shù)據(jù)維數(shù)，去除冗余，提取有效能量。為實現(xiàn)這個目的，PCA中涉及兩個關(guān)鍵技術(shù)，即協(xié)方差矩陣及矩陣對角化。協(xié)方差矩陣是用來度量各維度之間關(guān)系的矩陣，其主對角線上的值代表各個維度的方差，其他非對角元素代表兩兩維度間的協(xié)方差，即相關(guān)性。應(yīng)用PCA降維就是要讓保留下來的不同維度之間的相關(guān)性盡可能小，即讓協(xié)方差中非對角線上的元素盡可能小，甚至基本為零，而這又可以通過矩陣對角化來實現(xiàn)。通過對協(xié)方差矩陣對角化后得到的對角矩陣，其對角線上的元素就是協(xié)方差矩陣的特征值，其代表的是各個維度本身應(yīng)該擁有的能量。由此可見，通過矩陣對角化，剩余維度間的相關(guān)性已經(jīng)減少到最小，即此時的噪聲減少了，擁有的能量增大了。此時，去除冗余就是去掉對角化后的協(xié)方差矩陣對角線上較少的方差，只取那些具有較大特征值的維度。將取得的特征值按大小排序，一般取累積能量超過85%的前幾個特征值對應(yīng)的特征向量，組成投影矩陣，即得到降維后的新樣本矩陣。

2 PCA屬性融合解釋方法計算步驟

具體步驟如下：①通過對原始數(shù)據(jù)標(biāo)準(zhǔn)化來排除數(shù)量級和量綱不同帶來的影響，記為[X];②建立變量的相關(guān)系數(shù)陣：[R=rijm×m];③計算[R]的特征值和貢獻率;④確定主成分個數(shù)及表達式。

3 PCA融合方法流程

由于地震屬性不是真正相互獨立的，斷層信息存在于任何一組地震屬性中，對于多個不同類型、相互關(guān)聯(lián)的地震屬性，要想從中選取3～4個理想的地震屬性進行PCA屬性融合，分析方法通常采用協(xié)方差矩陣法。圖1是地震多屬性PCA融合綜合解釋工作流程圖。

4 實際地震數(shù)據(jù)的應(yīng)用分析

淮南DJ煤礦處于黃淮平原，除煤田南北兩翼邊緣的低山殘丘，大部分被第四系覆蓋，地層出露主要是前震旦系變質(zhì)巖及震旦、寒武、奧陶系等古老地層。煤田構(gòu)造為復(fù)向斜形態(tài)，向斜軸向北西西～東西。研究區(qū)地層傾角為5°～20°，主要由一系列寬緩褶曲組成，研究區(qū)內(nèi)是以謝橋古溝向斜、陳橋背斜、潘集背斜為主要構(gòu)造單元總體構(gòu)成一組向西傾斜的階梯式構(gòu)造[3]。

本文利用疊前深度偏移數(shù)據(jù)體提取傾角、相干、方差、曲率體等屬性，對提取后的沿層屬性進行主成分分析，得出圖2。

圖3為PCA屬性融合圖及螞蟻體屬性圖。其中，融合圖基本能揭示本區(qū)地質(zhì)信息，區(qū)內(nèi)四條以東西向發(fā)育的斷層把測區(qū)劃分成上下兩個條帶。從圖中可以看出，融合后的主成分分析圖包含了傾角屬性、曲率屬性、方差屬性、相干屬性的斷層信息，并在4種屬性的基礎(chǔ)上將斷層刻畫得更加精細清晰，剔除一些非異常響應(yīng)，大大提高了斷層解釋的準(zhǔn)確性。

綜合分析，根據(jù)PCA主成分分析圖融合出來的屬性蘊藏著方差屬性、傾角屬性、曲率屬性以及相干屬性的異常響應(yīng)信息，并在此基礎(chǔ)上將斷層刻畫得更加精確清晰，而且能分析解釋更多的小斷層，有效提高了區(qū)內(nèi)斷層解釋的準(zhǔn)確性。區(qū)內(nèi)利用深度域螞蟻+PCA融合的成果圖（見圖4），融合前后斷層解釋成果對比圖如圖5所示。圖5中，紅色細線表示常規(guī)解釋斷層以及巷道采掘揭露斷層，共52條;綠色細線代表應(yīng)用螞蟻+PCA融合成果新解釋的斷層，共72條，全區(qū)共解釋斷層124條。

5 結(jié)論

本文通過PCA方法對地震多屬性進行主成分分析，得到單個主分量，單個主分量相對單一，對區(qū)內(nèi)大斷層反應(yīng)比較好。然后將PCA分析的成果與螞蟻體屬性融合，融合后的屬性對研究區(qū)的大小斷裂均有反應(yīng)，提高地震解釋的效率和可靠性，為煤礦安全生產(chǎn)提供了可靠的依據(jù)。

參考文獻：

[1]張代波.丁集礦煤質(zhì)變化特征[D].淮南：安徽理工大學(xué)，2015.

[2]周賞，汪關(guān)妹，張萬福，等.深度域地震資料解釋技術(shù)應(yīng)用及效果[J].石油地球物理勘探，2017（A01）：92-98.

[3]王真，張宏，許崇寶.疊前深度偏移技術(shù)在煤田地震勘探中的應(yīng)用[C]//煤礦物探學(xué)術(shù).2007.

[4]邱梅，施龍青，滕超，等.礦井小斷層延伸長度的多元線性回歸預(yù)測模型[J].煤田地質(zhì)與勘探，2013（6）：7-10.