应用数据挖掘技术进行地质储层预测,在石油开发中是一项重要的技术。由于大多数地震数据并不具有监督信息,故而聚类技术成为了地质结构分析的首选方法。每个工区的一个地震属性可以看作是一个图像,而且地震数据来源于地质空间方位信息:在同一区域内部数据具有较大的相似性,而在不同区域里的数据的差异性则较大。根据上面两点,文中提出一种基于多相水平集图像分割的地震数据聚类分析算法,这个算法包括2个步骤:数据初始化,数据分割及聚类。数据初始化能大大约减数据量,使得后面的图像分割步骤更加的快速,在数据分割及聚类中将Li[1]提出的基于局部灰度聚类的多相水平集的图像分割算法应用扩展到七个目标区域的地震属性数据分割上,而且由于原始地震属性数据信息量大,即使经过数据降维处理,数据的维数仍然不止一维,图像分割算法是在平面上进行图像分割,所以考虑把基于局部灰度聚类的图像分割算法扩展到多维数据分割,使其能够处理高维不均匀地震数据,最后简单的通过每个数据点分割后的三个水平集的正负组合对数据点归类。最后对聚类的结果进行了聚类有效性评价。把基于多相水平集图像分割的地震数据聚类分析算法和在实际地质储层预测中得到良好效果的k均值算法通过三个相对指标进行比较:对于I指标和SD指标来说,基于多相水平集图像分割的地震数据聚类分析算法要优于k均值算法,对于Dunn指标,由于奇异点的影响导致基于多相水平集图像分割的地震数据聚类分析算法不如k均值算法。综上,可以得到基于多相水平集图像分割的地震数据聚类分析算法在聚类效果上要优于k均值算法。