桑凯恒 张繁昌* 李传辉

(①中国石油大学(华东)地球科学与技术学院，山东青岛 266580；②中国地质大学(北京)地球物理与信息技术学院，北京 100083)

0 引言

“相”是一定岩层生成时的古地理环境及其物质表现的总和[1]，而地震相是沉积相的地震响应。由于沉积环境对油气形成具有重要影响，所以准确分析地震相对油气勘探和油藏评价具有指导意义[2-4]。传统的地震相划分主要由人工直接在地震剖面上解释，俗称“相面法”，人为因素较多，具有极大的主观性和不确定性，同时受限于地震资料分辨率，无法满足精细勘探的精度需求[5]。

随着地震数字处理技术和计算机技术的发展，地震相分析进入数据分析时代，目前常用的地震相分析方法有随机模拟、神经网络[6-7]、聚类算法[8-10]和深度学习[11-12]等。随机模拟以地质统计学为基础，以已知信息为约束条件，通过随机函数产生等概率地震相模型[13-14]。但随机模拟结果易受随机模型影响，而且在地质结构复杂地区难以准确划分地震相。神经网络和深度学习具有较强的容错性和泛化能力，但需要海量训练样本数据，同时训练网络的计算开销巨大。聚类算法作为最常用的无监督学习方法之一，通过对无标记样本的学习揭示数据的内在性质和规律[15-16]。K均值聚类、C模糊聚类等经典聚类算法在简单数据集上均获得了理想的聚类结果，但对于非凸数据集并不能实现全局最优。以图论为基础的谱聚类方法能够在任意形状的数据空间实现全局最优划分[17-18]。……