CN100399052C - 处理海洋磁场梯度数据的方法和使用该数据的勘探方法 - Google Patents

Abstract

公开了一种处理海洋磁场数据的方法，所述方法包括在海船(10)后面牵引第一和第二磁力计M₁和M₂。从传感器获取原始磁场梯度数据，并且确定由传感器检测的海船偏差的梯度的趋势。所述方法包括从原始磁场梯度数据中减去所述趋势，以便获取校正的梯度数据，并且处理所校正的梯度数据，以便提供数据输出。

Description

处理海洋磁场梯度数据的方法和使用该数据的勘探方法

技术领域

本发明涉及一种处理海洋磁场梯度数据的方法，并且还涉及使用该数据的勘探方法。

背景技术

定位石油、矿物或其它贵重沉积物的地球勘探使用地震技术，以便提供有关地球地下结构的信息，从而可以对是否可能存在特殊沉积物进行估计。具体地，地震技术提供各种地下结构的表示，包括可能含有石油或其它贵重沉积物的多孔状砂岩或者断裂的碳酸盐。

虽然这一技术确实提供地下结构的表示，但是看起来引人兴趣的特定结构可能事实上表示钻井的重大冒险。例如，地下火山可能呈现出非常类似于可能包含石油的背斜层的特性。如果开始钻井操作并发现背斜层实际上是火山，则由于建立钻井平台的成本而导致相当大的金钱损失。尤其在海洋勘探的情况下更是如此，因为海洋勘探需要更高的钻井成本。

为了提供更多与地下结构的性质相关的信息，应当获取勘探区域的磁场数据。

磁场梯度测量能够获取与测量区域相关的磁场数据，并且该磁场数据可用于提供与地下结构的性质相关的信息。如果磁场测量与地震测量同时使用(overlay)，则从地震测量的观点看起来引人兴趣的结构可能在磁场数据方面作进一步考虑，从而可以形成关于下述内容的更清晰表示：所述结构是否是可能包含诸如石油矿物的感兴趣矿物的结构，或者所述结构是否呈现磁现象，这可能是火山。因此，从钻井操作的观点来看，可以更准确地确定钻井平台的位置，从而避免可能是危险的地下结构。然而，由于包括海船偏差的不期望的磁影响，上面提及的处理磁场梯度数据的传统技术包括相当大的失真和异常。

获取与陆上勘探相关的数据的传统方法是在飞行器后牵引磁力计，以便获取与测量范围相关的磁场数据。在海洋勘探中，磁力计被牵引在海船后。

以这种方式获取的海洋磁场数据的有用性受到所获取的数据的质量限制。海洋磁场数据获取的主要问题之一是干扰或者所谓的海船偏差，该海船偏差是由牵引磁力计的海船感应的磁场引起的。

在传统的海洋磁场数据获取中，通常称作拖鱼的两个磁场传感器被牵引在海船后。磁场计连接到拖绳，并且最接近海船的磁力计被牵引在海船后300-600米的距离，以便避免海船感应磁场的影响。而且，磁力计分离距离超过100米。拖绳长度和磁力计分离的原因是减少海船偏差，从而提供相对不受所述偏差影响的数据。

然而，因为拖绳很长并且分离距离很大，因此当磁力计被牵引在海船后时海洋中磁力计的漂移的角度是相当大的。而且，用于获取磁场梯度数据的处理技术假设在一段给定时间周期之后，尾随的磁力计将被牵引到与最接近海船的磁力计的先前位置一致的位置。这种假设是在处理磁场数据期间做出的。然而，因为拖绳非常长并且磁力计之间的分离距离相当大，因此由于海流等引起的磁力计的漂移意味着尾随的磁力计在给定的时间周期之后将不能实际地占据与第一磁力计相同的位置。

而且，在获取磁场数据中，需要海船沿着预定测量线行进，并且因为传感器的漂移，传感器实际上并没有沿着测量线行进。在南半球，如果磁力计漂移到测量线的北部，则与朝向测量线的南部的漂移相比，所记录的两个磁力计之间的梯度数据将具有更大的失真。

发明内容

本发明的目的是提供一种改进的处理方法，该方法考虑海船引起的偏差，从而能够使磁力计被两条线牵引，所述两条线比传统牵引线短得多并且也更接近地位于一起，以便减少漂移量，从而也增加尾随的磁力计将在给定时间周期之后占据先前由前面磁力计占据的相同位置的可能性。

本发明也涉及一种处理海洋磁场数据的方法，所述海洋磁场数据是通过牵引在海船后面隔开的第一和第二的传感器而获取的，所述方法包括：

从传感器获取原始磁场梯度数据；

确定由传感器检测的海船偏差的梯度的趋势；

从原始磁场梯度数据中减去所述趋势，以便获取校正的梯度数据；和

处理所校正的梯度数据，以便提供数据输出。

因为所述方法确定海船偏差的梯度的趋势，因此考虑与传感器的任何漂移相关的、由海船引起的实际梯度偏差的更准确的估计。通过从原始梯度数据减去梯度偏差的趋势，可以从所述数据消除由海船引起的偏差，因此获取更准确的数据。因为本方法消除了海船偏差的影响，因此传感器可以被牵引得更接近于海船并相距更接近的分离距离，从而减少了传感器的漂移量，因此导致传感器更可能跟随海船行进的实际测量线，并且后面传感器在后来的时间会占据先前由前面传感器占据的相同位置。因此，极大地提高了输出数据的质量，从而提供了测量区域的地下磁场特性的更准确表示的数据，所述数据随后结合地震数据被用来估计进一步勘探或钻井过程的可行性。

最好是，所述方法包括步骤：根据通过传感器获取的原始磁场梯度数据来确定海船偏差的梯度的估计；和根据海船偏差的梯度的估计来确定海船偏差的梯度的趋势。

最好是，原始磁场梯度数据被计算为在前面传感器处测量的磁场信号减去在尾随的传感器处测量的磁场信号的差除以传感器之间的距离。

事实上可以简单从原始磁场梯度数据中得出海船偏差的梯度的估计，所述原始磁场梯度数据是从传感器获取的并且其可以包括与海船偏差的梯度相关的数据和与其他磁场效应相关的数据。

最好是，海船偏差的梯度的趋势是通过将海船偏差数据的梯度应用于具有平滑度0.8的B-样条(B-Spline)滤波器而确定的。

最好是，所述处理包括：在取样间隔上应用校正的梯度数据，将校正的梯度数据积分为总磁场强度数据，并且将低通滤波器应用于积分的总磁场强度数据，以便提供数据输出。

最好是，总磁场强度是通过根据下列等式对校正的梯度数据积分而获取的：

$\mathrm{TMI}=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\left[G_c\mathrm{\Δ}{x}_i\left(t\right)\right]+M_{\mathrm{stat}}$

其中G_c是在从原始梯度数据减去海船偏差梯度的趋势之后获取的校正梯度数据，和

M_stat是在表示测量开始的点处或者在测量线和连接线彼此交叉的位置处的总磁场强度值。

随后使用低通滤波器来平滑如此计算的TMI值，以便消除残留噪声。

最好是，海船偏差的梯度是根据下列等式来计算的：

$G_{\mathrm{bias}}=\frac{M_f\left(x\right)-M_r\left(x\right)}{\mathrm{\Δl}}=\frac{[D\left(t_1\right)-D\left(t_2\right)]+[M_b\left(t_1\right)-M_b\left(t_2\right)]}{\mathrm{\Δl}}$

其中：

M_f(x)＝M_e(x)+D(t₁)+M_b(t₁)

M_r(x)＝M_e(x)+D(t₂)+M_b(t₂)

其中M_f是由前面传感器测量的磁场，并且M_f由都在时刻t₁并沿着轨迹距离x的周围场M_e(x)、日变化(diurnal variation)D(t₁)、由于海船感应场、传感器漂移和传感器扰动引起的海船偏差M_b(t₁)组成，并且在稍后时刻t₂，Δ1是传感器之间的距离，D(t₂)是由后面传感器检测的日变化，以及

M_b(t₂)是在时刻t₂由后面传感器M_r检测的海船偏差。

在本发明的一个实施例中，被牵引在海船后的第一和第二传感器包含在一组三个或更多个被牵引的传感器中。

在这一实施例中，最好是，被牵引在海船后的传感器的数量包括三个传感器。

根据这一实施例，来自任意两个传感器的数据被用来提供原始磁场梯度数据。

然而，实施例可以从所有三个传感器获取原始梯度数据，并且确定由所有三个传感器检测的海船偏差的梯度的趋势。

本发明也涉及一种获取勘探过程的梯度数据的方法，其中所述方法包括：

沿预定测量线牵引海船后的第一和第二传感器；

从传感器获取原始磁场梯度数据；

确定由传感器检测的海船偏差的梯度的趋势；

从原始磁场梯度数据减去所述趋势，以便获取校正的梯度数据；和

处理所校正的梯度数据，以便提供数据输出。

最好是，所述方法包括步骤：根据通过传感器获取的原始磁场梯度数据来确定海船偏差的梯度的估计；和根据海船偏差的梯度的估计来确定海船偏差的梯度的趋势。

最好是，原始磁场梯度数据被计算为在前面传感器处测量的磁场信号减去在尾随的传感器处测量的磁场信号的差除以传感器之间的距离。

事实上可以简单从原始磁场梯度数据中得出海船偏差的梯度的估计，所述原始磁场梯度数据是从传感器获取的并且其可以包括与海船偏差的梯度相关的数据和与其他磁场效应相关的数据。

最好是，海船偏差的梯度的趋势是通过将海船偏差的梯度应用于具有平滑度0.8的B-样条滤波器而确定的。

最好是，进一步处理包括：在取样间隔上应用校正的梯度数据，将校正的梯度数据积分为总磁场强度数据，并且将低通滤波器应用于积分的总磁场强度数据，以便提供数据输出。

最好是，总磁场强度是通过根据下列等式对校正的梯度数据积分而获取的：

$\mathrm{TMI}=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\left[G_c\mathrm{\Δ}{x}_i\left(t\right)\right]+M_{\mathrm{stat}}$

其中G_c是在从原始梯度数据减去海船偏差趋势之后获取的校正梯度数据，和

M_stat是在表示测量开始的点处或者在测量线和连接线彼此交叉的位置处的总磁场强度值。

随后使用低通滤波器来平滑如此计算的TMI值，以便消除残留噪声。

最好是，海船偏差的梯度是根据下列等式来计算的：

$G_{\mathrm{bias}}=\frac{M_f\left(x\right)-M_r\left(x\right)}{\mathrm{\Δl}}=\frac{[D\left(t_1\right)-D\left(t_2\right)]+[M_b\left(t_1\right)-M_b\left(t_2\right)]}{\mathrm{\Δl}}$

其中：

M_f(x)＝M_e(x)+D(t₁)+M_b(t₁)

M_r(x)＝M_e(x)+D(t₂)+M_b(t₂)

其中M_f是由前面传感器测量的磁场，并且M_f由都在时刻t₁并沿着轨迹距离x的周围场M_e(x)、日变化D(t₁)、由于海船感应场、传感器漂移和传感器扰动引起的海船偏差M_b(t₁)组成，并且在稍后时刻t₂，Δ1是传感器之间的距离，D(t₂)是由后面传感器检测的日变化，以及

M_b(t₂)是在时刻t₂由后面传感器M_r检测的海船偏差。

在本发明的一个实施例中，被牵引在海船后的第一和第二传感器包含在一组三个或更多个被牵引的传感器中。

在这一实施例中，最好是，被牵引在海船后的传感器的数量包括三个传感器。

根据这一实施例，来自任意两个传感器的数据被用来提供原始磁场梯度数据。

然而，实施例可以从所有三个传感器获取原始梯度数据，并且确定由所有三个传感器检测的海船偏差的梯度的趋势。

本发明也可以涉及一种通过考虑与环境相关的磁场数据在海洋环境中确定钻井的可行性的地下勘探的方法，其中所述磁场数据是通过下列步骤获取的：

从传感器获取原始磁场梯度数据；

确定由传感器检测的海船偏差的梯度的趋势；

从原始磁场梯度数据减去所述趋势，以便获取校正的梯度数据；和

处理所校正的梯度数据，以便提供数据输出。

最好是，获取磁场数据包括步骤：根据通过传感器获取的数据来确定海船偏差的梯度；和根据海船偏差的梯度来确定海船偏差的梯度的趋势。

最好是，原始磁场梯度数据被计算为在前面传感器处测量的磁场信号减去在尾随的传感器处测量的磁场信号的差除以传感器之间的距离。

事实上可以简单从原始磁场梯度数据中得出海船偏差的梯度的估计，所述原始磁场梯度数据是从传感器获取的并且其可以包括与海船偏差的梯度相关的数据和与其他磁场效应相关的数据。

最好是，海船偏差的梯度的趋势是通过将海船偏差的梯度应用于具有平滑度0.8的B-样条滤波器而确定的。

最好是，所述处理包括：在取样间隔上应用校正的梯度数据，将校正的梯度数据积分为总磁场强度数据，并且将低通滤波器应用于积分的总磁场强度数据，以便提供数据输出。

最好是，总磁场强度是通过根据下列等式对校正的梯度数据积分而获取的：

$\mathrm{TMI}=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\left[G_c\mathrm{\Δ}{x}_i\left(t\right)\right]+M_{\mathrm{stat}}$

其中G_c是在从原始梯度数据减去海船偏差趋势之后获取的校正梯度数据，和

M_stat是在表示测量开始的点处或者在测量线和连接线彼此交叉的位置处的总磁场强度值。

随后使用低通滤波器来平滑如此计算的TMI值，以便消除残留噪声。

最好是，海船偏差的梯度是根据下列等式来计算的：

$G_{\mathrm{bias}}=\frac{M_f\left(x\right)-M_r\left(x\right)}{\mathrm{\Δl}}=\frac{[D\left(t_1\right)-D\left(t_2\right)]+[M_b\left(t_1\right)-M_b\left(t_2\right)]}{\mathrm{\Δl}}$

其中：

M_f(x)＝M_e(x)+D(t₁)+M_b(t₁)

M_r(x)＝M_e(x)+D(t₂)+M_b(t₂)

其中M_f是由前面传感器测量的磁场，并且M_f由都在时刻t₁并沿着轨迹距离x的周围场M_e(x)、日变化D(t₁)、由于海船感应场、传感器漂移和传感器扰动引起的海船偏差M_b(t₁)组成，并且在稍后时刻t₂，Δ1是传感器之间的距离，D(t₂)是由后面传感器检测的日变化，以及

M_b(t₂)是在时刻t₂由后面传感器M_r检测的海船偏差。

在本发明的一个实施例中，被牵引在海船后的第一和第二传感器被包含在一组三个或更多个被牵引的传感器中。

在这一实施例中，最好是，被牵引在海船后的传感器的数量包括三个传感器。

根据这一实施例，来自任意两个传感器的数据被用来提供原始磁场梯度数据。

然而，实施例可以从所有三个传感器获取原始梯度数据，并且确定由所有三个传感器检测的海船偏差的梯度的趋势。

本发明可以还涉及一种用于在海洋环境中钻取沉积物的方法，包括：

根据已获取并表示可能存在沉积物的数据确定钻取的位置；和

还通过牵引在海船后的磁场传感器获取的磁场数据来确定所述位置，所述磁场数据被下列步骤处理：

从传感器获取原始磁场梯度数据；

确定由传感器检测的海船偏差的梯度的趋势；

从原始磁场梯度数据减去所述趋势，以便获取校正的梯度数据；和

处理所校正的梯度数据，以便提供数据输出。

最好是，所述方法包括步骤：根据通过传感器获取的原始磁场梯度数据来确定海船偏差的梯度的估计；和根据海船偏差的梯度的所述估计来确定海船偏差的梯度的趋势。

最好是，原始磁场梯度数据被计算为在前面传感器处测量的磁场信号减去在尾随的传感器处测量的磁场信号的差除以传感器之间的距离。

事实上可以简单从原始磁场梯度数据中得出海船偏差的梯度的估计，所述原始磁场梯度数据是从传感器获取的并且其可以包括与海船偏差的梯度相关的数据和与其他磁场效应相关的数据。

最好是，海船偏差的梯度的趋势是通过将海船偏差的梯度应用于具有平滑度0.8的B-样条滤波器而确定的。

最好是，校正的梯度数据的处理包括：在取样间隔上应用校正的梯度数据，将校正的梯度数据积分为总磁场强度数据，并且将低通滤波器应用于积分的总磁场强度数据，以便提供数据输出。

最好是，总磁场强度是通过根据下列等式对校正的梯度数据积分而获取的：

$\mathrm{TMI}=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\left[G_c\mathrm{\Δ}{x}_i\left(t\right)\right]+M_{\mathrm{stat}}$

其中G_c是在从原始梯度数据减去海船偏差趋势之后获取的校正梯度数据，和

M_stat是在表示测量开始的点处或者在测量线和连接线彼此交叉的位置处的总磁场强度值。

随后使用低通滤波器来平滑如此计算的TMI值，以便消除残留噪声。

最好是，海船偏差的梯度是根据下列等式来计算的：

$G_{\mathrm{bias}}=\frac{M_f\left(x\right)-M_r\left(x\right)}{\mathrm{\Δl}}=\frac{[D\left(t_1\right)-D\left(t_2\right)]+[M_b\left(t_1\right)-M_b\left(t_2\right)]}{\mathrm{\Δl}}$

其中：

M_f(x)＝M_e(x)+D(t₁)+M_b(t₁)

M_r(x)＝M_e(x)+D(t₂)+M_b(t₂)

其中M_f是由前面传感器测量的磁场，并且M_f由都在时刻t₁并沿着轨迹距离x的周围场M_e(x)、日变化D(t₁)、由于海船感应场、传感器漂移和传感器扰动引起的海船偏差M_b(t₁)组成，并且在稍后时刻t₂，Δ1是传感器之间的距离，D(t₂)是由后面传感器检测的日变化，以及

M_b(t₂)是在时刻t₂由后面传感器M_r检测的海船偏差。

在本发明的一个实施例中，被牵引在海船后的第一和第二传感器被包含在一组三个或更多个被牵引的传感器中。

在这一实施例中，最好是，被牵引在海船后的传感器的数量包括三个传感器。

根据这一实施例，来自任意两个传感器的数据被用来提供原始磁场梯度数据。

然而，实施例可以从所有三个传感器获取原始梯度数据，并且确定由所有三个传感器检测的海船偏差的梯度的趋势。

附图说明

将参考附图通过举例来描述本发明的优选实施例，其中：

图1是示出海洋磁场数据测量的视图；

图2是示出根据本发明优选实施例的处理海洋磁场梯度数据的优选方法的流程图；

图2A是示出在优选实施例中使用的低通滤波器的功能的曲线图；

图3A和图3B是示出根据本发明优选实施例的、按照测量获取并被处理的数据的曲线图；

图4是使用根据现有技术生成的数据的测量的表示；

图5是类似于图4的图，但是使用了根据本发明优选实施例获取的数据；和

图6是本发明又一实施例的视图。

具体实施方式

参考图1，图解说明了获取磁场数据的海洋测量。海船10通过拖绳12牵引第一磁力计M₁和第二磁力计M₂。海船沿着测量线14行进，并且虚线线16表示海船感应的磁场。

在图1中，假设海船处于南半球并正朝向北-西北，并且传感器朝向东北漂移。在该情况下，所记录的传感器M₁和M₂之间的梯度数据将具有比如果传感器朝向西南漂移的更大的失真。

理想的条件假设为：在测量线上传感器M₁和M₂直接被牵引在海船之后，因此，在给定的时间周期之后，传感器M₂将占据先前由传感器M₁占据的相同位置。然而，由于因海流等引起的传感器的漂移，通常不能实现这种理想情形。然而，被用来处理磁场数据的处理方法确实假设：在后来的时间，传感器M₂将占据先前由传感器M₁占据的相同位置。根据优选实施例的处理方法能够比任何现有技术更准确地考虑海船偏差，从而使传感器更接近海船被牵引并相隔更小的距离。因此这在测量上更准确，因为由于拖绳更短而漂移量并不大，也因为传感器之间的分离更小，因此极大地增加了在后来的周期中后面传感器占据前面传感器的相同位置的可能性。

在任意实际t₁和沿轨迹距离x，前面传感器测量磁场-M_f，其由环境场M_e(x)、日变化D(t₁)、由于海船感应场、传感器漂移和传感器扰动引起的海船偏差M_b(t₁)组成。

M_f(x)＝M_e(x)+D(t₁)+M_b(t₁)

在一段后来的时间t₂，后面传感器在相同的空间点进行测量。

M_r(x)＝M_e(x)+D(t₂)+M_b(t₂)

在相同位置两次测量之间的差是：

M_f(x)-M_r(x)＝[D(t₁)-D(t₂)]+[M_b(t₁)-M_b(t₂)]

海船偏差梯度(步骤2，图2)可以表示为：

$G_{\mathrm{bias}}=\frac{M_f\left(x\right)-M_r\left(x\right)}{\mathrm{\Δl}}=\frac{[D\left(t_1\right)-D\left(t_2\right)]+[M_b\left(t_1\right)-M_b\left(t_2\right)]}{\mathrm{\Δl}}$

应当注意，所计算的海船偏差梯度仍受日变化的影响。实际上，我们观察到，海流漂移是一种长波长变化，因此海船偏差应当与这种海流漂移一致。图2中的步骤2是计算海船偏差的梯度，该步骤2实际上是估算从由传感器M₁和M₂收集的原始数据获取的海船偏差的梯度的估计。由传感器收集的数据将包括：包含许多包括环境磁场信号、日信号和海船偏差、以及仪器偏差和漂移的信号的原始磁场梯度数据。海船偏差的梯度的趋势是通过将海船偏差的梯度的估计应用到B-样条滤波器而从所述估计中获取的，将在下文更详细地描述。因此海船偏差的梯度的趋势(G_trend)(步骤3，图2)被用来沿轨迹线进行校正。

海船偏差(G_c)的梯度校正可表示如下：

G_c＝G-G_trend(步骤4，图2)

在该等式中，G是原始磁场梯度数据。

如前所述，这种漂移可以导致大的偏差效果。因此，当传感器偏移和扰动同时发生时，z字形偏差将在其平均值周围。沿着测量线的偏差的可变平均值被认为是偏差趋势，因为传感器的高频扰动仅产生了偏差趋势周围的随机噪声，并且在积分之后可以从原始梯度数据中消除它的影响。

在消除海船偏差影响之后，可以通过对磁场梯度数据的积分来计算TMI(总磁场强度)：

$\mathrm{TMI}=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\left[G_c\mathrm{\Δ}{x}_i\left(t\right)\right]+M_{\mathrm{stat}}$

此处，Δx_i(t)是沿着测量线的取样距离。M_stat是在测量开始点处或者在测量线和拖绳彼此交叉的位置处的TMI值。

随后使用低通滤波器对在步骤6计算的TMI值进行平滑(步骤7)，以便消除在特定测量区域中具有比期望的、TMI变化与距离的比率更大的比率的任何特征。在图2A中提供了这一滤波器的动作示例，其中轨迹50是平滑的TMI曲线，轨迹51是平滑之前的TMI数据。

在步骤7获取的数据输出可以包括呈水平的线和数据栅格，以便提供最终数据输出。图3A和3B表示本发明优选实施例的实际示例，其涉及从已知区域获取的原始数据。

在图3A中，轨迹20表示总海船偏差。线21表示偏差趋势，并且从轨迹20的左手边到轨迹20的右手边可以看出，在图3A的图中，偏差趋势21非均匀地改变大约-0.08的值。因此可以获取各种间隔的偏差趋势的特定值，并且可以将该值从原始数据中减去，以便提供校正的数据。最好通过计算偏差数据20的梯度来确定海船偏差的梯度的趋势，并且随后将该梯度数据应用于具有平滑度0.8的B-样条滤波器，以便提供海船偏差21的表示。

在本发明的优选实施例中，使用从传感器获取的原始磁场梯度数据简单计算偏差数据20的梯度，因为当所述数据被应用于B-样条滤波器时，剩下的所有都是海船偏差分量的梯度。随后可以从所计算的原始梯度中减去海船偏差21。

海船偏差的梯度趋势是非线性函数，该函数由图3A中的线21表示。所述线是当传感器在海船后被牵引时偏差随时间变化的测量。如从线21清晰看出，所述趋势不是恒定的或者仅仅是平均值，而表示偏差梯度的波动，并且在某些时刻，所述趋势在值0.08以上，某些时刻在该值以下。如上所示，所述趋势是通过将海船偏差的梯度应用到具有平滑度0.8的B-样条滤波器而确定的。然而，在其他实施例中，根据从其中收集数据的区域和所收集的数据的性质，滤波器具有不同的平滑度。通常，滤波器的功能是平滑轨迹20，从而可以获取在特定时间周期的偏差趋势的某一有意义的值。因此，滤波器有效地确定轨迹20的峰值和波谷，并且在这些峰值和波谷之间拟合一条曲线，其给出了当传感器在海船之后被牵引时海船偏差的梯度是如何随时间变化的测量。

在从已知区域获取的数据的示例中，虚线30表示根据现有处理技术提供的总磁场强度数据。线32表示根据本发明优选实施例的、来自偏差校正的梯度数据的积分的总磁场强度数据。线34表示距测量区域大约500km的位置处的日变化，而线36是观察到的包括日效果的场数据。

从传统处理技术可以看出，如线30所示，提供了错误(false)异常，然而在根据本发明所产生的线32上未示出所述错误异常。

通常，以颜色图来产生磁场测量的结果。图4示出了关于从已知区域获取数据的传统处理的、颜色图的黑和白表示，而图5示出了通过根据本发明优选实施例的处理方法的、颜色图的黑和白表示。

已知区域的火成基岩的特性是众所周知的，并且可以看出，根据本发明处理的数据产生了比现有技术更清晰表示的实际磁场结构，其中现有技术包括相当多的干扰和数据，所述干扰和数据可能误导分析者认为实际不存在的磁场结构存在、或者当实际存在磁场结构时而认为磁场结构不存在。

因此，本发明的优选实施例提供更准确反映磁场结构的可能性的数据，所述磁场结构随后可被用作在勘探或再生过程中确定钻井操作的可行性的基础。

图6示出了本发明的第二实施例，其中相同的附图标记表示类似于参考图1描述的那些组件。在该实施例中，三个磁力计M₁、M₂和M₃在拖绳12上由海船10牵引。因此，该实施例在系统的组成部分中引入一些冗余部分，其中一个传感器可能出现故障，则两个传感器仍可用，以便提供所需的梯度数据，因此，仅发现一个磁力计不能正常操作而海船完整、从而不能进行测量这种现象存在非常小的可能性。在该实施例中，磁力计M₁和M₂之间的距离、以及磁力计M₂和M₃之间的距离最好是大约15米。海船10与第一磁力计M₁之间的牵引距离最好大约为150米或更少。

该实施例提供另一优点是：可以使用任意的两个传感器组来提供梯度数据，因此可通过磁力计M₁和M₂、磁力计M₂和M₃、或者磁力计M₁和M₃来提供梯度数据。这一实施例提供又一优点是：可以使用所有的三个磁力计来提供数据，以便能够计算海船的原始梯度和海船偏差的梯度。三个磁力计的使用可提高精度，因为收集的数据量增加了。

显而易见，如果期望的话，可以使用多于三个磁力计，从而增加了所收集的数据量并且减少了因至少两个磁力计被不正常地操作而无法进行测量的可能性。

尽管本领域内的普通技术人员可以容易地进行本发明的精神和范畴之内的修改，但是应当理解，本发明不限于在上文举例描述的特定实施例。

Claims (32)

1.一种处理海洋磁场数据的方法，所述海洋磁场数据是通过牵引海船后隔开的第一和第二传感器而获取的，所述方法包括：

从传感器获取原始磁场梯度数据；

根据从传感器获取的原始磁场梯度数据而确定海船偏差的梯度的估计，并且从所述海船偏差的梯度的估计来确定海船偏差的梯度的趋势；

从原始磁场梯度数据中减去所述趋势，以便获取所校正的梯度数据；和

处理所校正的梯度数据，以便提供数据输出。

2.如权利要求1所述的方法，其中原始磁场梯度数据被计算为在前面传感器处测量的磁场信号减去在尾随的传感器处测量的磁场信号的差除以传感器之间的距离。

3.如权利要求1所述的方法，其中海船偏差的梯度的趋势是通过将海船偏差的梯度应用于具有平滑度0.8的B-样条滤波器而确定的。

4.如权利要求1所述的方法，其中处理包括：在取样间隔上应用校正的梯度数据，将校正的梯度数据积分为总磁场强度数据，并且将低通滤波器应用于积分的总磁场强度数据，以便提供数据输出。

5.如权利要求4所述的方法，其中总磁场强度是根据下列等式对校正的梯度数据进行积分而获取的：

$\mathrm{TMI}=\underset{l=1}{\overset{N}{\mathrm{\Σ}}}[G_c{\mathrm{\Δx}}_l\left(t\right)]+M_{\mathrm{stat}}$

其中G_e是在从原始梯度数据减去海船偏差梯度趋势之后获取的校正梯度数据，和

M_stat是在表示测量开始的点处或者在测量线和连接线彼此交叉的位置处的总磁场强度值。

6.如权利要求1所述的方法，其中海船偏差的梯度是根据下列等式来计算的：

$G_{\mathrm{bias}}=\frac{M_f\left(x\right)-M_r\left(x\right)}{\mathrm{\Δl}}=\frac{[D\left(t_1\right)-D\left(t_2\right)]+[M_b\left(t_1\right)-M_b\left(t_2\right)]}{\mathrm{\Δl}}$

其中M_f(x)＝M_e(x)+D(t₁)+M_b(t₁)

    M_r(x)＝M_e(x)+D(t₂)+M_b(t₂)

其中M_f是由前面传感器测量的磁场，并且M_f由都在时刻t₁并沿着轨迹距离x的周围场M_e(x)、日变化D(t₁)、由于海船感应场、传感器漂移和传感器扰动引起的海船偏差M_b(t₁)组成，并且在稍后时刻t₂，Δ1是传感器之间的距离，D(t₂)是由后面传感器检测的日变化，以及

M_b(t₂)是在时刻t₂由后面传感器M_r检测的海船偏差。

7.如权利要求1所述的方法，其中被牵引在海船后的第一和第二传感器包含在一组三个或更多个被牵引的传感器中。

8.如权利要求7所述的方法，其中被牵引在海船后的传感器数量包括三个传感器。

9.一种获取勘探过程的梯度数据的方法，其中所述方法包括：

沿预定测量线，将第一和第二传感器牵引在海船后面；

从传感器获取原始磁场梯度数据；

根据通过传感器获取的原始磁场数据来确定海船偏差的梯度的估计；

根据海船偏差的梯度的估计来确定海船偏差的梯度的趋势；

从原始磁场梯度数据减去所述趋势，以便获取校正的梯度数据；和

处理所校正的梯度数据，以便提供数据输出。

10.如权利要求9所述的方法，其中原始磁场梯度数据被计算为在前面传感器处测量的磁场信号减去在尾随的传感器处测量的磁场信号的差除以传感器之间的距离。

11.如权利要求9所述的方法，其中海船偏差的梯度的趋势是通过将海船偏差数据的梯度应用于具有平滑度0.8的B-样条滤波器而确定的。

12.如权利要求9所述的方法，其中进一步的处理包括：在取样间隔上应用校正的梯度数据，将校正的梯度数据积分为总磁场强度数据，并且将低通滤波器应用于积分的总磁场强度数据，以便提供数据输出。

13.如权利要求12所述的方法，其中总磁场强度是通过根据下列等式对校正的梯度数据积分而获取的：

$\mathrm{TMI}=\underset{l=1}{\overset{N}{\mathrm{\Σ}}}[G_c{\mathrm{\Δx}}_l\left(t\right)]+M_{\mathrm{stat}}$

其中G_c是在从原始梯度数据减去海船偏差趋势之后获取的校正梯度数据，和

M_stat是在表示测量开始的点处或者在测量线和连接线彼此交叉的位置处的总磁场强度值。

14.如权利要求9所述的方法，其中海船偏差的梯度是根据下列等式来计算的：

$G_{\mathrm{bias}}=\frac{M_f\left(x\right)-M_r\left(x\right)}{\mathrm{\Δl}}=\frac{[D\left(t_1\right)-D\left(t_2\right)]+[M_b\left(t_1\right)-M_b\left(t_2\right)]}{\mathrm{\Δl}}$

其中M_f(x)＝M_e(x)+D(t₁)+M_b(t₁)

    M_r(x)＝M_e(x)+D(t₂)+M_b(t₂)

其中M_f是由前面传感器测量的磁场，并且M_f由都在时刻t₁并沿着轨迹距离x的周围场M_e(x)、日变化D(t₁)、由于海船感应场、传感器漂移和传感器扰动引起的海船偏差M_b(t₁)组成，并且在稍后时刻t₂，Δ1是传感器之间的距离，D(t₂)是由后面传感器检测的日变化，以及

M_b(t₂)是在时刻t₂由后面传感器M_r检测的海船偏差。

15.如权利要求9所述的方法，其中被牵引在海船后的第一和第二传感器包含在一组三个或更多个被牵引的传感器中。

16.如权利要求15所述的方法，其中被牵引在海船后的传感器的数量包括三个传感器。

17.一种通过考虑与环境相关的磁场数据在海洋环境中确定钻井的可行性的地下勘探的方法，其中所述磁场数据是通过下列步骤获取的：

从多个传感器获取原始磁场梯度数据；

根据通过传感器获取的数据来确定海船偏差的梯度；

根据海船偏差的梯度来确定海船偏差的梯度的趋势；

从原始磁场梯度数据减去所述趋势，以便获取校正的梯度数据；和

处理所校正的梯度数据，以便提供数据输出。

18.如权利要求17所述的方法，其中原始磁场梯度数据被计算为在前面传感器处测量的磁场信号减去在尾随的传感器处测量的磁场信号的差除以传感器之间的距离。

19.如权利要求17所述的方法，其中海船偏差的梯度的趋势是通过将海船偏差数据的梯度应用于具有平滑度0.8的B-样条滤波器而确定的。

20.如权利要求17所述的方法，其中所述处理包括：在取样间隔上应用校正的梯度数据，将校正的梯度数据积分为总磁场强度数据，并且将低通滤波器应用于积分的总磁场强度数据，以便提供数据输出。

21.如权利要求20所述的方法，其中总磁场强度是通过根据下列等式对校正的梯度数据积分而获取的：

$\mathrm{TMI}=\underset{l=1}{\overset{N}{\mathrm{\Σ}}}[G_c{\mathrm{\Δx}}_l\left(t\right)]+M_{\mathrm{stat}}$

其中G_c是在从原始梯度数据减去海船偏差趋势之后获取的校正梯度数据，和

M_stat是在表示测量开始的点处或者在测量线和连接线彼此交叉的位置处的总磁场强度值。

22.如权利要求17所述的方法，其中海船偏差的梯度是根据下列等式来计算的：

$G_{\mathrm{bias}}=\frac{M_f\left(x\right)-M_r\left(x\right)}{\mathrm{\Δl}}=\frac{[D\left(t_1\right)-D\left(t_2\right)]+[M_b\left(t_1\right)-M_b\left(t_2\right)]}{\mathrm{\Δl}}$

其中M_f(x)＝M_e(x)+D(t₁)+M_b(t₁)

    M_r(x)＝M_e(x)+D(t₂)+M_b(t₂)

其中M_f是由前面传感器测量的磁场，并且M_f由都在时刻t₁并沿着轨迹距离x的周围场M_e(x)、日变化D(t₁)、由于海船感应场、传感器漂移和传感器扰动引起的海船偏差M_b(t₁)组成，并且在稍后时刻t₂，Δ1是传感器之间的距离，D(t₂)是由后面传感器检测的日变化，以及

M_b(t₂)是在时刻t₂由后面传感器M_r检测的海船偏差。

23.如权利要求17所述的方法，其中被牵引在海船后的传感器的数量包括三个传感器。

24.一种用于在海洋环境中钻取沉积物的方法，包括：

根据已获取并表示可能存在沉积物的数据确定钻取的位置；和

还通过牵引在海船后的磁场传感器而获取磁场数据来确定所述位置，所述磁场数据被下列步骤处理：

从传感器获取原始磁场梯度数据；

根据通过传感器获取的原始磁场梯度数据来确定海船偏差的梯度的估计；

根据海船偏差的梯度的所述估计来确定海船偏差的梯度的趋势；

从原始磁场梯度数据减去所述趋势，以便获取校正的梯度数据；和

处理所校正的梯度数据，以便提供数据输出。

25.如权利要求24所述的方法，其中原始磁场梯度数据被计算为在前面传感器处测量的磁场信号减去在尾随的传感器处测量的磁场信号的差除以传感器之间的距离。

26.如权利要求24所述的方法，其中海船偏差的梯度的趋势是通过将海船偏差数据的梯度应用于具有平滑度0.8的B-样条滤波器而确定的。

27.如权利要求24所述的方法，其中校正的梯度数据的处理包括：在取样间隔上应用校正的梯度数据，将校正的梯度数据积分为总磁场强度数据，以及将低通滤波器应用于积分的总磁场强度数据，以便提供数据输出。

28.如权利要求27所述的方法，其中总磁场强度是通过根据下列等式对校正的梯度数据积分而获取的：

$\mathrm{TMI}=\underset{l=1}{\overset{N}{\mathrm{\Σ}}}[G_c{\mathrm{\Δx}}_l\left(t\right)]+M_{\mathrm{stat}}$

其中G_c是在从原始梯度数据减去海船偏差趋势之后获取的校正梯度数据，和

M_stat是在表示测量开始的点处或者在测量线和连接线彼此交叉的位置处的总磁场强度值。

29.如权利要求24所述的方法，其中海船偏差的梯度是根据下列等式来计算的：

$G_{\mathrm{bias}}=\frac{M_f\left(x\right)-M_r\left(x\right)}{\mathrm{\Δl}}=\frac{[D\left(t_1\right)-D\left(t_2\right)]+[M_b\left(t_1\right)-M_b\left(t_2\right)]}{\mathrm{\Δl}}$

其中M_f(x)＝M_e(x)+D(t₁)+M_b(t₁)

    M_r(x)＝M_e(x)+D(t₂)+M_b(t₂)

其中M_f是由前面传感器测量的磁场，并且M_f由都在时刻t₁并沿着轨迹距离x的周围场M_e(x)、日变化D(t₁)、由于海船感应场、传感器漂移和传感器扰动引起的海船偏差M_b(t₁)组成，并且在稍后时刻t₂，Δ1是传感器之间的距离，D(t₂)是由后面传感器检测的日变化，以及

M_b(t₂)是在时刻t₂由后面传感器M_r检测的海船偏差。

30.如权利要求24所述的方法，其中被牵引在海船后面的第一和第二传感器包含在一组三个或更多个被牵引的传感器中。

31.如权利要求30所述的方法，其中被牵引在海船后面的传感器的数量包括三个传感器。

32.如权利要求31所述的方法，其中来自任意两个传感器的数据被用来提供原始磁场梯度数据。

Images