CN102066980A - 地震层位骨架化 - Google Patents

Abstract

通过产生表面或地质体并分析它们的烃指示来分析地下区域的烃可能性的方法。基于反射的表面可以以拓扑一致的方式自动产生，其中单个表面不自身重叠并且多个表面的组与地层学重叠原理一致。初始表面从地震数据中挑选(41)，然后破裂成拓扑一致占主导的小部分(“碎片”)(42)，在此基础上邻近碎片以拓扑一致的方式合并(43)以形成广阔并一致的表面组(“骨架”)。由此抽取的表面或地质体可以基于选定的量度(213)诸如一个或多个直接烃指示(“DHI”)例如AVO分类进行自动分析和评估(214)。一个或多个表面的拓扑一致性可被定义为没有自身重叠加上在多个表面中局部以及整体一致性(52)。

Description

地震层位骨架化

相关申请的交叉参考

本申请要求在2008年5月22日提交的美国临时申请61/128,547；在2008年6月9日提交的美国临时申请61/131,484；和在2009年4月14日提交的美国临时申请61/169,122的权益。

技术领域

本发明一般涉及地球物理和地质勘探领域，更具体地涉及地震数据的分析。具体地，本发明是为了突出可能包含烃的区域产生目标诸如表面和地质体(geobody)并且自动分析它们的方法。本发明一种具体的实施方式是从地震数据体(seismic data volume)中同时产生并分析许多地层学一致的表面。

背景技术

在地震数据处理和解释中将地震数据体减少至其基于内反射的表面或层位是有利的。这些表面共同形成地震体(seismic volume)的骨架(skeleton)。已经描述了许多通过地震数据体一次地抽取或跟踪一个层位或表面的方法。这些方法中的大多数都产生最终相互重叠的表面。因此，同一表面可具有与同一空间位置相关的多个深度(或反射时间)。一些方法通过放弃每个位置除了一个以外的所有值防止多值表面。一般地，它们只存储在执行该方法期间遇到的第一个值，只是不记录后面的值。而且，如果多个表面被跟踪，一个表面可能在一个位置处与另一表面相重叠，而在另一位置出现相反的关系。这些情况可总称为拓扑不一致。迄今为止公布的方法——其中一些在下面进行了概述——很大程度上忽视了拓扑一致性(topology consistency)。

在″The Binary Consistency Checking Scheme and Its Applications to Seismic Horizon Detection，″IEEE Transactions on Pattern Analysis and Machine Intelligence，11，439-447(1989)中，Cheng和Lu描述了从二维数据中抽取地震骨架的方法。第三维引入的问题既没讨论也没解决。该程序采用迭代方法，其中强的层位被首先跟踪，而较弱的层位在后面的迭代中进行跟踪。在任意迭代时，跟踪被局限于较早迭代中已经跟踪的层位所描绘的区域。通过将多个邻近的迹线同时关联进行跟踪。结合两种方法使得将地质组构(geologic fabric)合并成结果。该方法还被描述在″An Iterative Approach to Seismic Skeletonization，″Lu and Cheng，Geophysics 55，1312-1320(1990)中。

在″Seismic Skeletonization：A New Approach to Interpretation of Seismic Reflection Data，″Journal of Geophysical Research-Solid Earth 102，8427-8445(1997)中，Li、Vasudevan和Cook描述了利用地震骨架解释地震数据的应用。地震骨架是两维的，并且当层位裂开时，跟随哪一个分支的决定没有地质学根据。相反，该方法尝试以使倾角变化最小化的方式使三条邻近迹线的事件相关联。该方法仅包括层位的迭代生长。

此外，″Adaptation of Seismic Skeletonization for Other Geoscience Applications，″Vasudevan，Eaton，and Cook，Geophysical Journal International 162，975-993(2005)是早期工作的继续，实现了骨架化(剖面线条化，skeletonization)具有除地震处理和解释以外的地球科学应用。

在″Branch And Bound Search For Automatic Linking Process Of Seismic Horizons，″Huang，Pattern Recognition 23，657-667(1990)中，Huang公开了层位生长的两维方法，其允许层位相互交叉和穿透，这违反了地质地层不交叉的地层学范例。该方法只揭示了地层的产生，这是通过挑选事件例如峰，在这些事件之间建立所有可能连接的树，然后选择产生最线性层位的事件。对连接树的分支进行选择以使层位非线性的价格函数(cost function)最小化。

″How To Create And Use 3D Wheeler Transformed Seismic Volumes，″de Groot，de Bruin，and Hemstra，SEG 2006公开了一种解释方法，所述方法通过依照局部的倾角和走向用重采样分辨(二次抽样决定，sub-sample resolution)内插层位，将这些层位以连续的顺序组织，并且通过沿着层位将层位或属性体(attribute volume)整平使沉积域中这些层位或其上的属性可视。具体地，该算法要求输入需要用可选方法诸如手工挑选法挑选的主要层位。在主要层位包括(bracket)的层段内，次要层位或者与顶部层位或底部层位平行地内插，在其间线性地内插，或者沿着从地震属性估计的局部倾角和走向。通过构建，内插的次要层位没有相互交叉。

在为2008年6月9-12日意大利罗马举行的70^th EAGE(European Association of Geoscientists and Engineers)Conference and Exhibition提交的且从2008年5月26日开始可从www.earthdoc.org下载获得的名称为″An Approach of Seismic Interpretation Based on Cognitive Vision″的论文中，Verney等公开通过采用基于“认知视觉(cognitive vision)”的人工智能工具以地质学为基础解释地震数据的方法。利用地震数据中的体素连通性(voxel connectivity)检测第一顺序反射层连续性。然后，进行视觉表征步骤。例如，基于反射层位于彼此的上方或者下方建立地质年代顺序关系。最后，通过融合所有节点——(a)共享类似的视觉属性(振幅、厚度、倾角)，并且(b)位于与至少一个其它反射层相似的距离处，从反射层中确定地质层位。结果是一组按年代顺序排列的层位。

授予Dunn和Czernuszenko的美国专利号7,024,021，“Method for Performing Stratigraphically-Based Seed Detection in a 3-D Seismic Data Volume”公开了一种三维地质体挑选器和分析器。在该专利中，挑选几种精选的地质体，其可包括属性值在指定范围内的地质体或者邻近某属性值的地质体。在挑选期间，地质体采用图示标准(map view criteria)进行分析以检测和消除自身重叠地质体，并且代替地产生复合地质体(composite geobody)。复合地质体至少满足没有自身重叠的拓扑条件，但地质体之间的边界通过体素(voxel)被检测到的顺序进行确定。

在″System and Method for Displaying Seismic Horizons with Attributes″(PCT专利申请公布号WO 2007046107)中，James公开了一种地震自动挑选器，其产生单值层位并且当层位裂开时通常选取正确的分支。解释程序通过在地震数据体积内手工选择一个或多个种子点(seed point)将该方法初始化。该算法利用种子点从邻近迹线中挑选一组次要点——其然后被作为新的种子点进行处理，并且重复该程序。导致自身重叠的次要挑选被舍弃，但是没有显示与其它层位的拓扑一致性。该算法主要基于受控的前进式(marching)。

授予Cacas的美国专利号7,257,488(″Method of Sedimentologic Interpretation by Estimation of Various Chronological Scenarios of Sedimentary Layers Deposition″)公开了一种采用上/下关系将地震和地质层位组织成层次以便于其地层学解释的方法。该方法通过利用对沉积层沉积的实际地质年代情况的估计自动从地震数据中抽取沉积学解释有关的信息。该算法通过设定地震数据阈值并采用形态学细化以产生单个层位而开始。如果多个层位交叉，那么将最线性的一对组合而将其它的明确分离。该方法然后迭代地估计沉积层沉积的第一和第二地质年代情况，分别假定各个反射层沉淀在沉积层沉积过程期间的最早和最晚可能时刻。以参考层位开始，该算法基本上列举了之上和之下的层位以建立相对顺序。最终进行这两个地质年代情况的解释以便重建沉积层的沉积情况。

相对顺序上的差异被用于估计情况(scenario)不确定性。

授予Cacas的英国专利号2,444,167(″Method for Stratigraphic Interpretation of Seismic Images″)公开了一种地震图象的地质学解释以便确定地下的沉积历史的方法。该方法涉及自动跟踪产生至少一个层位的事件，选择具有在所述层位处或附近的窗口抽取的类似地震属性的层位，以及沿所选择的层位将地震体整平。

授予Borgos的美国专利号7,248,539(″Extrema Classification″)公开了一种通过波形簇和碎片特性中共同的成员(common membership)进行层位碎片(horizon patch)形成和合并的方法。该方法通过抽取例如所有的峰挑选层位，但是通过将波形簇集使它们相关联。属于同一簇的挑选被用于定义按照特性诸如簇指标、位置或地震属性合并成较大层位的层位碎片。具体地，方法通过3D地震输入体(input volume)的极值表示法用二次抽样精密度定义了地震层位的位置。对于各个极值，它得自表示极值位置附近地震波形的形状的系数，并且通过利用这些系数无人监督的或有监督的分类将极值位置分成具有相似波形的组。它然后抽取原始表面作为表面层段，其沿着地震体的极值空间上连续并且在分类体的分类指标中连续。通过对与每个碎片相连的特性诸如分类指标、位置、属性值等进行过滤，一组碎片可被组合成最终的层位解释。揭示了原始表面的三个基本应用：将原始表面组合成完整层位进行解释；将地震体内的闭合容积(closed volume)定义为垂直排列的原始表面的闭包(closure)；或者基于原始表面估计断层位移。

Monsen等(″Geologic-process-controlled interpretation based on 3D Wheeler diagram generation，″SEG 2007)通过抽取碎片的上/下关系将授予的Borgos美国专利号7,248,539进行了延伸，并且通过应用拓扑分类利用这些关系得出满足这些限制的碎片的相对顺序。整平的层位然后被以该相对顺序放置以允许在沉积Wheeler域中解释。SEG摘要是在2008年6月12日公布的美国专利申请公布号US 2008/0140319的基础。

授予Pedersen的英国专利号2,375,448(″Extracting Features from an Image by Automatic Selection of Pixels Associated with a Desired Feature，Pedersen″)公开了从几个精选种子点构造表面的方法，诸如层位和断层。该方法通过产生慢慢会聚成线(两维)或表面(三维)的许多路径在种子点之间内插或者从种子点进行外推。该方法基于蚂蚁离开群体搜寻食物的方式。最初，它们的路径几乎是任意的，但是每个蚂蚁都留下信息素痕迹。蚂蚁跟随各自的气味，并且随着时间的过去，出现了短的成功路径。该策略适于层位跟踪，其中成功由沿着路径地震数据的一致性限定。对于断层挑选，成功似乎由沿着该路径的不连贯限定。随着时间过去，单个区段生长，并且一些可以合并以形成更大的表面。在后续步骤中，片段根据其方向和预计轨道进行连接。

授予Viswanathan的美国专利号5,570,106(″Method and Apparatus for Creating Horizons from 3-D Seismic Data″)公开了一种计算机辅助的层位挑选方法，其通过允许用户删除部分层位并且用剩余的层位作为种子点进行自动挑选进行的。

授予Sitoh的美国专利号5,537,365(″Apparatus and Method for Evaluation of Picking Horizons in 3-D Seismic Data″)公开了一种评价层位挑选质量的方法，其通过应用不同的挑选策略和参数以允许结果的相互校验进行的。

授予Stark的美国专利号6,853,922(″System For Information Extraction From Geologic Time Volumes″)公开了将地震数据转化成沉积相对地质时间域的方法。该方法基于地震瞬间相数据的展开。

授予Keskes等的美国专利号6,771,800(″Method of Chrono-Stratigraphic Interpretation of A Seismic Cross Section Or Block″)公开了将地震数据转换成沉积或年代地层域的方法。它们构建虚拟反射层，使地震剖面或地震体离散，计算每个像素或体素中虚拟反射层的个数，并且重正化(renormalizing)柱状图。通过对每条迹线执行该程序，它们产生剖面或体，其中每个水平薄片近似为指示在一个时间沉积的地质层的层位。该剖面或体然后被用于将数据转换成沉积或年代地层域。然而，该参考文献没有公开表面的产生，也没有公开表面的破裂或合并，还没有公开拓扑学或拓扑一致性。

需要的是从地震(或属性)数据或任何地球物理学数据产生拓扑一致的反射层位(topologically consistent reflection horizon)的方法，优选的是同时产生多个层位的方法。本发明实现了该需要。

发明内容

在一种实施方式中，本发明可以是将地震或地震属性数据体(seismic attribute data volume)中确定的表面合并以形成表示地下地质结构或物质的地球物理状态的较大表面的方法，其包括以拓扑一致的方式合并邻近表面。在一些实施方式中，拓扑一致可被定义为验证表面满足下列中每一个：(i)没有自身重叠；(ii)局部一致性；和(iii)整体一致性。在更详细的实施方式中，方法可以是将地震测量中获得的地震数据体转换成相应的数据体的计算机执行的方法，所述相应的数据体当视觉显示时显示出地下反射层表面的图，反射层表面通过反射地震波产生数据，其中所述方法包括(a)从数据体中挑选地震反射，并从挑选中产生初始表面；(b)将表面破裂成拓扑一致占主导的较小部分(″碎片(patches)″)；(c)以拓扑一致的方式合并邻近碎片，由此从地震数据体中抽取基于拓扑一致反射的表面；和(d)显示抽取的表面(即骨架)以视觉检查或解释，或者将其数字表示保存到计算机存储器或数据存储器。任选地，将一次迭代的步骤(c)的表面用在下一次迭代的步骤(b)中，重复步骤(b)-(c)可以至少一次。

在上面的步骤(a)中，通过使地震数据体中邻近迹线之间的反射事件相关，可以挑选地震反射。相关可以用交叉事件相似系数或相关系数作为相关量度连接峰和谷，其中如果相关量度大于预先选择的阈值，则连接是接受的，但是如果小于该阈值，则连接被舍弃。在本发明的一些实施方式中，只有独特的相关性被接受。可选地，可被确定而且也被公认为多重相关连接，其特征在于从一个峰、谷或零交叉的两个或更多个相关，都超过所述阈值。在步骤(c)中将邻近碎片合并之前，碎片可针对拓扑一致性进行编辑并且拓扑不一致的碎片可被删除，或者引起不一致的数据体素可被删除。

在上面的步骤(b)中，将表面破裂成碎片可通过下列步骤完成：将初始表面收缩成线，在线中去除接点以形成更多单个线，将单个线收缩成单体素点(特征点)，和通过添加邻近的体素沿着初始表面传播特征点以形成体素碎片。野火般的传播(wildfire propagation)可被用于沿着初始表面传播点，例如在每个特征点周围圆周添加一个体素厚的依次更大的层，每个传播被限于相应特征点从其收缩的表面。连续的圆周添加体素可在不同碎片相遇的地方停止，因此防止任何体素属于超过一个的碎片。传播可以受到限制，从而任何碎片中的所有体素在收缩之前可追踪回到相同的初始表面。可以不同方式进行收缩，例如通过形态学细化。线收缩成点可以通过同时从各端以相同的速度收缩所述线而实现。面收缩成线可以通过中间轴变换进行。如果在点传播期间，由于缺乏拓扑一致性，点被舍弃以添加到碎片，其可以被指定另外的特征点。

在更一般的实施方式中，本发明可以是探测烃的方法，包括：(a)从地震测量中获得产生的地震或地震属性数据的数据体；(b)将数据体细分成部分，称为目标(任选地，该步骤可通过前述段落的骨架化方法进行)；(c)形成一个或多个目标的区域；(d)开发或选择量度，以便按照表示地质体、界面或这些的交叉点，或其它物理地质结构或物质的地质物理状态——其指示烃沉积——的可能性将区域归类；和(e)利用该量度把区域区分优先次序，然后利用所述区分优先次序评定所述体的烃可能性。

在另一实施方式中，本发明可以是从地下区域生产烃的方法。方法包括(a)获得表示该地下区域的地震数据体；(b)至少部分基于通过上述骨架化方法从地震数据体中抽取的基于拓扑一致反射的表面获得烃在地下区域中积聚的可能性的预测；和(c)响应烃可能性的肯定预测，在该地下区域中钻井并且生产烃。

此外，方法的一种或多种实施方式可包括利用基于拓扑一致反射的表面预测或分析烃积聚的可能性；其中拓扑一致是指下列中至少一种：(i)没有自身重叠；(ii)局部一致性，例如一个表面不可能在一个位置在第二表面上方但在另一位置在其下面；和(iii)整体一致性，是指例如对于三个表面A、B和C，如果A在B上面并且B在C上面，则在任意位置C不可能在A上面；其中拓扑一致是指(i)、(ii)和(iii)所有三种情况；其中地震反射通过使地震数据体中邻近迹线之间的反射事件相关而进行挑选；其中相关可以用交叉事件相似系数或相关系数作为相关量度连接数据峰和谷，其中如果相关量度大于预先选择的阈值则连接是接受的，但是如果小于该阈值则连接被舍弃；其中利用计算机自动化挑选；并且其中在合并邻近的碎片之前，碎片针对拓扑一致性进行编辑，并且拓扑不一致的碎片被删除，或者引起不一致的数据体素被删除。

而且，该方法的一种或多种实施方式可包括其中将表面破裂成碎片，包括将初始表面收缩成线，在线中去除接点以形成更多单个线，将单个线收缩成单体素点(特征点)，通过添加邻近的体素沿着初始表面传播特征点以形成体素碎片；其中各个特征点用不同的标记进行标记，并且标记应用于在特征点周围形成的碎片，因此提供了当不同的碎片通过传播延伸时追踪不同的碎片的方法；其中野火般的传播被用于沿着初始表面传播点，其包括在每个特征点周围圆周添加一个体素厚的依次更大的层，每个传播被限于相应特征点从其收缩的表面；其中连续的圆周添加体素在不同碎片相遇的地方停止，因此防止任何体素属于超过一个的碎片；其中传播可以受到限制，从而任何碎片中的所有体素在收缩之前可追踪回到相同的初始表面；其中受控的前进式被用于沿着初始表面传播点；其中初始表面收缩成线包括从表面外围接连去除一个体素厚的层直至产生单个体素的连续线；进一步包括从线中删除接点体素以形成更多的线，然后将线收缩成点；其中线收缩成点通过同时从各端以相同的速度收缩所述线而实现；其中收缩通过形态学细化进行；其中表面收缩成线通过中间轴变换进行；其中在点传播期间要执行拓扑一致性；其中由于缺乏拓扑一致性被舍弃添加到碎片的点被指定另外的特征点。

另外，方法的一种或多种实施方式可包括其中以拓扑一致的方式合并邻近的碎片通过下列步骤进行：开发碎片的重叠和邻居列表(overlap and neighbor table)，通过将重叠和邻居列表分类产生合并对候选者的次序，利用重叠和邻居列表校验候选者合并的拓扑一致性，以及接受拓扑一致的合并；其中邻居列表的分类次序基于邻近碎片的几何形状或之间的几何形状差别，或者基于从分配有碎片的地震数据中抽取的一种或多种属性的统计学特性或之间的差别；其中只有独特的相关性被接受；确定并且也认可多重相关连接，特征在于从单个峰、谷或零交叉的两个或更多个相关，其都超过所述阈值；利用基于拓扑一致反射的表面将基于拓扑一致反射的表面空间整平成表示沉积顺序的次序，和利用整平的表面预测或分析烃积聚的可能性；整平其中存在基于拓扑一致反射表面的相关地震数据；其中地震数据整平通过地震数据的非线性伸长或者通过剪贴方法进行；其中利用计算机自动化进行每一步；将一次迭代的步骤(c)的表面用在下一次迭代的步骤(b)中，重复步骤(b)-(c)至少一次；产生视觉表示法(即树)，其显示基于拓扑一致反射的表面的沉积次序或层次；利用所述树选择一个或多个表面可视化；利用碎片将地震数据体分割成三维体或面间包(inter-surface packages)，其表示在共同层段内沉积的地质单元，利用它们分析烃可能性；分析基于拓扑一致反射的表面的边缘和终止点的位置和特征并且用其辅助预测或分析烃积聚的可能性；分析基于拓扑一致反射的表面的属性和几何特性和/或所述表面位置处相关地震数据以辅助预测或分析烃积聚的可能性，其利用碎片或基于拓扑一致反射的表面依次减少地震数据体中包含的信息量，从而减少地震数据后续数据处理的存储或计算效率要求；以及其中合并邻近碎片限于收缩前追踪回同一初始表面的碎片。

附图说明

通过参考下面的具体实施方式和附图将会更好地理解本发明及其优点，其中：

图1是准备用于例如三维地震层位跟踪的解释的地震振幅数据体的计算机显示；

图2显示了四百五十(450)个对应于峰和谷反射层位的表面，其通过本发明方法从图1的地震数据体抽取，所有表面都是拓扑一致的；

图3A-3C图解一个或多个层或表面之间的三种拓扑不一致；

图4是一个流程图，其显示用于地震数据体拓扑骨架化的本发明方法的一种实施方式；

图5A-D是图解图4中步骤的示意图；

图6显示通过跨过邻近迹线跟踪峰获得的地震反射表面；

图7显示利用通过本发明方法的一种实施方式产生的一致表面组建立其整体次序并且将地震数据(在数据体内)重新组织成该次序用于解释的方法步骤；

图8是一个流程图，其显示图4方法的具体实施方式中基本步骤；

图9A-9F图解将多值表面转化成一致的表面的图8流程图的示例性应用；

图10A-10C图解事件跟踪以及事件跟踪后通过填充表面中的间隙进行编辑；

图11图解通过收缩(细化)从图示中示意性的原始的、潜在多值的表面到线然后到特征点；接着点标记并且将标记传播回到表面上的进程；

图12A是一个流程图，其显示在本发明方法的一种实施方式中邻近碎片的拓扑合并成对的基本步骤；

图12B是一个流程图，其显示在本发明方法的另一种实施方式中邻近碎片的拓扑合并成对的基本步骤；

图13图解由事件之间低的相关性或者多个好的但不明确的连接的存在所引起的孔，两者都可在编辑步骤中进行修整；

图14是将地震数据体的时间/深度垂直刻度转换成推断的地层学布置和沉积的水平次序的基本步骤的流程图；

图15显示基于图13的表面的拓扑次序和水平的实例；

图16A显示图2数据体的四百五十个表面的表面水平树，图16B显示所述树的四个水平部分的放大图，以及图16C显示与四个连续水平相关的图2的所有表面；

图17是图16A的表面水平树中表面的拓扑不确定性的图示；

图18显示通过本发明方法确定其表面然后从地球物理时间域转化成(拓扑)水平域之后图2的数据体；

图19图解将地震体转换成水平或次序域的方法；

图20显示图1的水平转换的地震数据；

图21是一个流程图，其显示用于高级化(high-grading)地质目标的本发明方法的一种实施方式中的基本步骤；以及

图22A-B显示沿着表面抽取的地震振幅上的两个表面的深度等高线。

本发明将结合实例实施方式进行描述。对于下列具体实施方式针对本发明的特定实施方式或特定应用来说明确的程度，这仅仅意欲是例证性的，不解释为限定本发明的范围。相反，它意欲覆盖可能包括在如所附权利要求所限定的本发明范围内的所有改变、修饰或等价形式。

具体实施方式

为了寻找地球中的烃积聚，地球学家正采用遥感方法以查看地球表面以下。常规使用的技术是地震反射方法，其中人造声波在所述表面附近产生。声音传播到地球中，并且无论何时声音从一个岩石层传到另一岩石层，一小部分声音被反射回到记录它的表面。一般地，采用数百个至数千个记录器械。声波在许多不同位置被相继激发。从所有这些记录中，两维(2D)或三维(3D)的地下图像可以在数据处理后获得。地震解释经常涉及挑选表面以表征地下以便描绘与烃的探测、鉴定和生产相关的地下特征。本发明描述了同时挑选多个表面的方法。也就是说，本发明方法的实施方式可被用于同时挑选这些表面中的多个或所有表面。

同时挑选多个表面的能力(即，骨架化地震数据的能力)能使图像识别或机器学习方法(machine learning method)搜寻直接表明烃或烃系统的要素诸如储层、封闭层、源、熟化和迁移的地质或地球物理数据以测定和描绘可能的烃积聚。

在地球物理或地质解释的应用中，在术语“层位”和“表面”之间经常进行区分。如本文所用，表面和层位可以互换使用。本发明是同时产生多个表面，同时使单个表面为单值的和使所有表面拓扑一致的方法。采用传统方法的为多值的或者拓扑不一致的表面用一组较小碎片代替，其中每一碎片是单值的并且与所有其它表面是拓扑一致的。该方法产生表示地震数据体中包含的多个或所有反射表面的表面。它产生地震数据的骨架化表示，其大大减少了数据量。有利地，它以地质学直观的方式组织和呈现地震数据，其促进地震解释和地下表征以及因此描绘与烃的探测和生产相关的地下特征。

图1呈现了地震振幅体(振幅体积，amplitude volume)的实例。使从一条迹线至下一条的峰(亮的)或谷(暗的)相关联允许限定表面。采用本发明方法的一种实施方式，对于图1的这个实例体可抽取图2中显示的四百五十个表面。图1和2和其它类似图上显示的数字网格表示地震测量的离散坐标，其由源和接受器位置确定。

许多地震表面对应于地下岩层之间的界面。各个层是在大约同一时间沉积的一堆岩石。假定两个并列的层，较深的层产生得较早，并且较浅的层较晚。地层学，即岩石层顺序的科学，表明这种关系空间上持续。如果在一个位置一层覆盖在另一层上，那么它在其存在的各个地方都覆盖这一层。主要的例外是由结构复杂性诸如掩冲断层、逆断层或倒转褶皱引起的。在本发明的至少一种实施方式中，拓扑一致是指关于岩层的几何学排列满足下列三个条件。

1.岩石层不可以自身重叠。如果一个层自身重叠，则它同时比自身和夹在之间的岩石更晚和更早(更年轻和更老)。这种表述可被称为图3A中所图解的没有自身重叠的条件。

2.两个层不可以颠倒它们的沉积关系。一个层不可以在一个位置处位于另一层的上方并且在另一位置处位于它的下方。否则，一个层既比另一层更早又更晚。这种表述可被称为图3B中所图解的局部一致性的条件。

3.层系列必须保持传递性。上/下或更晚/更早是传递性关系的实例。如果层一在层二上方，并且层二在层三上方，那么层三必须在层一之下。否则，层一既比层三更早又比层三更晚。这种表述可被称为图3C中所图解的整体一致性的条件。

可以注意，没有自身重叠条件是局部一致性条件的特殊情形，并且局部一致性条件是整体一致性条件的特殊情形。然而，第一条件核对起来比另两个条件更容易，并且第二条件核对起来比第三条件更容易。出于计算效率，分开处理所有三个条件是有用的，即使第三条件实际上合并了其它条件。可选地，可以限定没有自身重叠条件以便它适用于一个表面，可以限定局部一致性条件以便它仅适用于涉及两个不同表面的时候，并且可以限定整体一致性条件＝＝以便从而它仅适用于涉及至少三个不同表面的时候，其中三个条件是相斥的。

如果地震反射事件是由声波从一个层传到另一层引起的，并且因此通常与岩层之间的界面相关，那么地震反射表面也需要满足这三个条件。对地震数据的任何相旋转形式(phase rotated version)来说也是如此，尽管在这种数据中的反射事件不必需与逻辑学界面相关。对于一组具有关联的上/下关系的表面，三个上述条件可用于检查这些表面的整体一致性。违反所述条件的表面或者不是由岩层引起的，或者被不正确地跟踪。与层不相关的表面包括断层、流体接触、或者薄层反射混合的事件。跟踪错误可涉及噪声、地震采集和处理人为因素或薄层调整。

对于给定系列的层(或表面)，上/下(或更晚/更早)关系的集成限定了它们的拓扑结构。满足三个条件的至少一个，优选满足所有三个条件的一系列层被称为拓扑一致。在下面给出的实例实施方式的讨论中，其中在它有关的上下文中，拓扑一致是指满足了所有的三个条件。对于拓扑一致的层系列，不同事件的整体次序可通过针对这些关系进行拓扑分类进行限定(例如，Skiena，The Algorithm Design Manual，Springer，273-274(1998))。一般地，不应用本发明方法的实施方式，由于层(或表面)之间冲突的关系，所以建立表面次序是有问题的和/或不可能的。这些拓扑不一致一般引起拓扑分类失败。这个论点可以被反过来测试拓扑一致性：如果并且只有如果拓扑分类成功，表面才是一致的。本发明的目标之一是建立表面之间的一致性。如果拓扑分类成功，那么表面是拓扑一致的。如果拓扑分类失败，那么表面是拓扑不一致的。此外，拓扑分类算法鉴定引起不一致的表面。一致性不暗示着所得到的表面次序是唯一的。例如，两个小的、邻近的但不重叠的表面是拓扑一致的并且导致成功的拓扑分类。然而，所得的线性分类次序是不唯一的，即任意表面可以首先列出而不违背任何的上/下限制或条件。

许多小表面比几个大的表面更有可能是拓扑一致的。在小尺寸限制下，每个表面在垂向和横向上仅延伸一个点，并且因此，通过构造，这些单点表面是拓扑一致的。本发明方法的实施方式部分基于该观察。图4是流程图，其显示在地震数据体骨架化的本发明方法的一种实施方式中的基本步骤。一般地，地震体是全叠加振幅体，但是可以使用任何地震或地震属性体。

在步骤41，跟踪地震反射表面穿过地震体以找到原始的、潜在多值的表面。在该背景下，地震事件是峰(属性最大值)、谷(属性最小值)、从峰到谷交叉的零、或者从谷到峰交叉的零。一种或多种的所有事件被挑选并且与邻近地震迹线上的事件相关。在本实例中，峰和谷都被挑选。因此，这个步骤涉及从数据体中挑选地震反射，并且从挑选中产生初始表面。

在步骤42中，通过步骤41产生的表面被破裂成一组小的碎片。这些碎片优选地足够小，以致于它们相互拓扑一致占主导，并且拓扑不一致的那些碎片可通过擦去几个单个点(即数据体素或像素)或者甚至删除整个小碎片——其产生拓扑不一致——而容易地制备。因此，该步骤涉及将表面破裂成拓扑一致占主导的较小部分(“碎片”)。

在步骤43，由多个小碎片通过合并邻近的碎片产生较大的表面。如步骤42中所提供的，所有碎片是拓扑一致的。在本实例实施方式中，对于每一碎片测定它重叠哪些碎片以及它是在这些碎片中每一个的上方还是下方。此外，对于每一碎片，其邻居(即，相似水平上的碎片，其包含与正在分析的碎片邻近的迹线)被鉴定。如果所得组合没有引起拓扑不一致，那么邻近碎片可能属于相同的表面并且被合并。该步骤可被称为拓扑合并程序。因此，该步骤涉及以拓扑一致的方式合并邻近碎片，因此从地震数据体中抽取基于拓扑一致反射的表面。

在一个、多个或所有邻近碎片被拓扑合并后，结果是构建一组拓扑一致的表面。它们被储存在计算机存储器中以用于解释和表征地下。

在地震数据体的一些区域中，跟踪程序(优选地自动的)可能使迹线之间的事件误相关(miscorrelate)。在其它区域，差的数据质量可防止地震事件跟踪器关联某些事件。最后，一些关联可能如此不明确的以致于它们不可能归属于单个表面。在这些情况的每一种情况中，由周围一致表面所提供的局部构造可有助于解决这些问题。误相关可被纠正，噪音区域中差的关联可变得可接受，或者可使多重关联消除歧义。来自步骤43的一致性表面组可允许改进地震事件跟踪并且，如果期望，进一步通过工作流程(图4中由虚线迭代箭头所指示的)可以进行以填充孔并产生较少的更广阔的表面(即，改良的骨架)。

图5A-5D是图解图4的步骤的示意图。在图5A中，地震数据体中的峰事件被跟踪，并且(图5B)发现形成多值表面。图5C显示破裂成十六个相互拓扑一致的小碎片51的表面。在图5D中，邻近碎片被合并成较大的碎片，除非这引起拓扑不一致。最后的结果52是一组四个拓扑一致的表面，每个由不同的交叉影线显示。

图6显示通过跨过邻近迹线跟踪峰获得的地震反射表面的实例。在左侧，表面是单值的，但是在右侧，表面明显是多值的并且自身重叠至少两次。许多现有的地震自动跟踪器或者产生这种多值表面，或者仅仅返回每个位置的不同可能性之一，一般是首先找到的可能性，并且因此不一定是地质相关的可能性。

图7呈现了本发明方法的一种实施方式的应用，其中采用一组拓扑一致的表面，诸如本发明方法所产生的，重新组织地震属性体。因为表面是一致的，所以至少有一种遵从(honor)单个上/下关系的次序。如果表面对应于地质地层之间的边界，那么这种次序表示它们沉积的顺序。一般地，次序不是唯一的，因为小的特征可能横向上不连接而没有重叠，并且因此它们精确的次序不可能被建立。以这样的方式垂直地扭曲地震数据(例如，整平地震表面)，以致于相应的地震表面以这样的次序排列以允许分析器以地质地层可能已经沉积的次序分析地震数据，这有利于烃的探测和生产。

接下来，本发明方法被更详细地解释，如图4方法的特定实施方式所图解的，其被图解在图8的流程图和图9中该流程图的示例性应用中。在图8中，“阶段1”是指图4的步骤41，“阶段2”是指步骤42，以及“阶段3”是指步骤43。图9A-9F图解图8中流程图的实例应用并且可通过同时观察图8更好地理解。在图9A中，多值表面通过跟踪地震事件构建(阶段1)。在阶段2(步骤42)中，表面被简化成线(图9B中显示)，线接点被去除(图9C中显示)，并且线被简化成特征点(图9D中显示)。剩余的点被标记并且标记被传播回到表面上以构建碎片(图9E中显示)。所得碎片在图8的阶段3(步骤43)中被拓扑合并，产生一致的表面(图9F中显示)。

阶段1(步骤41)

步骤81的第一部分是事件跟踪。在本发明的这种实施方式中，所有事件的跟踪涉及相关邻近事件并且编辑空隙和误相关。相关通过跨过所有迹线抽取所有期望的地震事件或反射表面开始。期望的事件可包括峰、谷、任一种零交叉(+/-或-/+)。经验已经表明抽取峰和谷(但不是零交叉)可能是使事件总数最小化(即，使计算效率最大化)和使所得表面质量最大化之间良好的折衷。使用超过一种的事件减少了事件相关和拓扑合并中的不确定性，因为峰、谷和零交叉散布在整个地震数据体中。图10A图解在本发明的这种实施方式中进行的事件跟踪。如图的左边所显示，对于每条地震迹线，局部最小值被抽取以限定谷(虚线箭头)，而局部最大值限定峰(实线箭头)。由括号指示的地震迹线窗口101在各个事件中间，并且被用于不同迹线之间的事件相关。附图的右手边部分图解不同迹线之间的事件窗口相关，并且因此构建原始表面。一维的(导向的(pilot))数据信息包102A(例如，峰的中心)与邻近迹线中的其它信息包进行比较。一些事件呈现大的类似性并且是独特相关的(实线箭头)。其它事件可与邻近迹线上的超过一个的事件很好地相关(103箭头)并且将被称为多重相关。例如，在拓扑合并后或者在第二次经过工作流程时为了消除模凌两可情况储存两种相关的位置和特性之后显示两种相关(在本发明的这种实施方式中)，而不是相比另一种选择一种有效的相关。一些相关可能是差的(104箭头)。通过考虑它们的背景和周围的局部地震构造在拓扑合并后，仅仅具有差的相关的事件可被分配到表面。

迹线间相关可采用许多方法诸如交叉相关或相似性分析数学上进行测量。好的相关优选地被定义为超过预先确定的阈值的相关，而差的相关是没有超过预先确定的阈值的相关。另外的标准，诸如邻近事件之间的垂直距离(滞后)，也可被用在相关过程期间。如果这种滞后超过预先确定的阈值，那么这两个事件最有可能属于不同的表面，并且没有进行连接(即，它们的相关被排除)。有利地，这可被用于防止周波跳跃。

更一般地，迹线间相关可被计算为迹线间公制的结果。这可由限定计算多维向量空间中的距离的函数组成。例如，挑选在两条迹线中每一条上居中的两个窗口限定由那个窗口内的值组成的多维向量。这些值可以是在各个体素上记录的振幅或者从那些振幅计算的多个特征(例如，统计，诸如平均、方差和更高的矩；通过傅里叶变换的频率分解；等)。比较两个向量的函数可以是欧几里得距离函数、1-范数、豪斯多夫距离等。

实际上，两个信息包通常不直接连接，这是因为它们的相关性差或者它们的垂直差别超过一定的阈值。然而，它们可如图10B-10C中所图解以间接方式进行明确的连接。图10B显示具有几个缺少的连接的表面。如果不考虑的话，这种缺少的连接引起许多不必要的碎片，其增加拓扑合并的计算成本。然而，空隙可进行修整，在那里已经暗含连接。在本发明的一种实施方式中，当事件可被唯一连接时，尽管以间接方式(即，没有满足先前讨论的相关标准)，可以明确进行直接连接以关闭空隙并且因此防止不必要的碎片的产生。该编辑步骤(步骤82)依赖于这样的事实：以一个方向包围空隙在邻近迹线上导致与另一方向包围空隙相同的点，这表明表面局部上是简单的并且既没裂开也没螺旋。例如，考虑连接路径105和106，其每个经过绕图10A中空隙的相反路线。路径105在同一位置结束，其暗示着那一点和路径中的点之间唯一的连接。那些缺少的连接通过图10C中添加的两个新单元边界线(较粗的线)显示。相反，路径106显示这些缺少的连接是不明确的，并且因此在图10C中的位置没有进行改变。

阶段2(步骤42)

第二阶段是产生拓扑一致的碎片。通过跟踪由峰、谷和/或零交叉限定的反射事件在阶段1中获得的原始表面一般不是拓扑一致的。它们通常1)自身重叠，2)在一个位置处存在于另一表面上方，但在不同位置处在同一表面下方(局部不一致)，或者3)是在它们的上/下关系中包含回路的一组表面的一部分(整体不一致)。与几个大的碎片相比，许多较小的碎片更有可能是拓扑一致的。事实上，如果所有碎片仅仅是面积延伸中的一个样品，那么通过构建，它们是拓扑一致的。因此，该阶段的目标是将原始的、潜在多值的表面破裂成较小的、拓扑一致的碎片。这通过应用中间轴变换或形态学细化首先简化(收缩)表面成拓扑类似的线而进行(步骤83)(例如参见Haralick and Shapiro，Computer and Robot Vision，Vol.1，Chapter 5，Addison-Wesley(1992))。因为以4-连接指向(4-connected sense)应用细化，线段之间的接点的特征在于具有至少三个直接的邻居。去除接点，接着第二次应用形态学细化，简化(收缩)原始表面成几个离散的特征点，其容易被给予独特的标识符或标记。在步骤84，分配的标记然后被传播回到原始表面——该过程可更加描述性地称为后向传播，但是也可简单地称为传播。

图11显示通过形态学细化从图示(111)中示意性的多值的表面到线(112)并且去除线接点(113)，通过形态学细化从线到点(114)，点标记(115)，并且将标记传播回表面(116)的行程。这组具有相同标记的事件定义碎片。图11中的结果是步骤116中一组八个小碎片，其对应于步骤115中八个特征点。通过构建，碎片等于或小于它们的母体表面，因为每个特征点与附近的特征点竞争连接成员。标记的后向传播可例如采用简单的野火算法(wildfire algorithm)或者采用受控前进式算法(controlled marching algorithm)——其受例如事件相关性、滞后(事件的垂直接近程度)或者表面的局部曲率指导——进行。与简单的野火算法相比，受控前进式的优点是它能更快地传播标记跨过较平的区域而较慢地移动跨过复杂区域，由此产生更均质的碎片。可以想象其他传播方法，其在本发明方法的范围内。

传播标记后，所得碎片尽管大体一致但不保证拓扑一致。为了更好地进行阶段3中的拓扑合并，这些碎片优选地被调整成拓扑一致的。鉴定拓扑不一致的优选方式是通过构建重叠表格(步骤85)开始的，以记录哪些碎片重叠其它碎片以及它们重叠的方式。在步骤86时，鉴定不一致。在表格构建或随后的检查期间，自身重叠的表面是很明显的。从表中，鉴定出具有冲突的上-下关系(即局部不一致)的碎片对。最后，通过尝试将重叠表格中剩余条目拓扑分类，技术人员可发现上下关系是圆形(整体不一致)的三个或更多个碎片的组。如果没有圆形关系存在，那么拓扑分类成功。如果这种整体不一致存在，那么拓扑分类是不可能的并且代替地返回具有不一致关系的碎片列表。

步骤86的最后部分是编辑鉴定的拓扑不一致的碎片。最简单的编辑方法是删除不一致的碎片。另外的切除方法是通过仅仅去除冲突重叠来源来剪除这些碎片。该方法需要一些勤奋，因为一些碎片通过该过程可能变得不连接，并且可能需要重新标记所得片。另一编辑方法可以是反复将不一致的碎片裂开成更小的碎片直到消除了所有的不一致。实际上，简单地删除不一致的碎片似乎很奏效，这是因为一致的碎片远多于不一致的碎片，并且不一致的碎片一般小很多并且经常位于边缘区域。编辑不一致的表面碎片后，优选的是重新构建重叠表格以说明这些编辑变化。

阶段3(步骤43)

第三阶段涉及在合并的表面保持拓扑一致的条件下合并邻近碎片成较大的碎片。第一任务是测定哪些片段被连接(即，在数据体中以某些方式相互邻接，但被不同标记)。这些碎片被称为邻居，并且可被记录(步骤87)在邻居列表中作为拓扑合并成较大碎片的候选者，最终产生一个表面。例如，单独的碎片通过细化(例如简化、收缩)产生并且简化成不同的特征点。如果表面是完美的长方形，其中在长方形内所有方向上具有完美的连接，那么细化很可能产生五个特征点，并且传播后由此产生五个碎片。仅仅因为它们是不同的碎片，并不暗示着它们没有很好相关性地相互连接。正要合并的大部分碎片是良好相关的表面的一部分。一般地，有许多碎片和许多对邻居。所得的拓扑一致的表面的数量、形状和质量取决于合并候选者被评价的次序。以重叠的两个碎片以及与两者都相邻的第三碎片为例。第三碎片不可能与两者都合并，这是因为所得合并的表面自身重叠。因此，它仅仅与一个合并。特定的选择指示随后合并的成功或失败。继续步骤87，邻居列表中的邻居对被优选排列成进行合并尝试的次序。普通的次序是仅仅数字渐增的标记的次序(即，遇到邻居的次序)。更成熟的排序可以合并碎片特性，诸如邻近碎片中事件之间的相关系数和碎片方位间的相似性。后者是建立合并次序的优选方法。方位类似的邻近碎片首先被合并，这是因为它们更有可能表现共同的地质地层，而方位很不同的邻近碎片最后被合并，因为它们可能与噪声假象或非地层学事件诸如断层或流体接触相关。甚至更高级的排序可基于在碎片位置处或其附近抽取的次要地震属性之间的统计学相似性。

在合并次序通过一种方法或另一种方法建立的情况下，可以采取拓扑合并(步骤88)。本发明一种实施方式的方法被详细描绘在图12A的流程图中，并且接下来被描述；第二种实施方式被描述在图12B中并且在下面被进一步描述。在步骤121，一对邻近碎片被选为合并候选者，并且被假定构成或者是一个表面的一部分，这是指一个碎片的重叠关系适用于另一个(反之亦然)。如果该行为产生拓扑不一致，那么该合并必须被舍弃。否则，合并被接受，并且重叠和邻居列表通过用另一碎片的标记替换一个碎片的标记而进行调整。

假定的合并后评估三种一致性条件的计算成本很不同。自身重叠校验起来快且容易。这在图12A中显示为步骤122。局部一致性检查需要检查整个重叠列表(步骤123)。然而，整体一致性检查需要拓扑分类(步骤124)，其是计算上昂贵的。在图12A的实施方式中，三种一致性检查以数字成本增加的次序级联。更昂贵的检查只对经过较少成本检查的合并候选者进行。

如果拓扑分类成功(步骤125)，那么合并的碎片整体一致，并且因此拓扑一致。然后，接受该假定，并且因此修改列表(步骤126)。然后，对下一对合并候选者重复这个程序(步骤121)。如果分类或任何其它测试失败，那么(步骤128)假定被舍弃，并且所述程序应用于下一对(步骤121)。

甚至级联三种一致性检查计算成本高，这是因为拓扑分类需要被执行许多次。不对每一对邻近碎片都执行拓扑分类，拓扑碎片合并算法可被显著加速。该算法的一个修正是引入队列。经过第一和第二测试的邻居对(步骤122和123)被置于一队列中，而不立刻通过第三测试(步骤124)进行评价。一旦队列达到用户指定的大小，例如四对，该重叠列表被复制，所有建议的合并被应用于该副本，并且进行拓扑分类。如果分类成功，那么所有四种建议的合并是整体一致的并且可接受的。如果分类失败，那么在建议的合并中一定有至少一个不一致。为了找到该不一致，原始重叠列表被再次复制，但只有前两个合并被应用到该副本中。剩余对只是被储存在保持队列(holding queue)中。如果分类成功，那么前两对的合并是可接受的，并且知道在后两对中存在不一致。如果分类失败，就知道在前两对中存在不一致。对包含不一致的那一组再次重复所述程序，但这次只评价一对。拓扑分类后，就立刻知道可能哪一对导致不一致并且应当被舍弃。此时，再次进行分类之前通过再充填队列重复该循环。

换句话说，在队列中积聚的建议合并中发现不一致后，队列被切成两份，并对每一份进行分类直到发现不一致，同时接受成功的合并。一般地，队列应当不限于四对，而是几百对或几千对。而且，队列大小可允许动态变化。如果分类失败，则队列大小被减少，但是如果它成功了，那么队列大小被增加用于接下来拓扑分类的评价。在N对之间寻找一个不一致可以进行log₂N次分类而不是N次分类。对于具有一千零二十四个要素的队列，一个不一致可以在至多十次分类中找到，其导致计算成本大大降低。

拓扑合并的第二种实施方式被显示在图12B中，其中细节被呈现在表1中。本发明的这种可选实施方式在不一致检查进行的方式上不同于前面的实施方式。第一种方法检查在合并两个表面碎片后是否引入了有向循环(directed cycle)。相比之下，可选实施方式预测合并是否产生有向循环而不是检查循环。这是计算量较不密集的多的任务，其不但执行相同的功能，而且是也更有效。图12B的方法输入的是初始碎片、它们的排序(非循环有向图)以及合并次序列表(邻近碎片对)。输出的是较大的碎片，并且最终是表面。

只要一个碎片在另一个上方，合并两个表面碎片后就产生循环(即拓扑不一致)。因此，为了避免引入不一致，它有能力检查一个碎片是否在另一个碎片上方。提供这种关系方便表示的数据结构是一种有向图：所述体内表面碎片通过节点描绘，并且如果一个碎片在另一个上方，则节点之间的定向连接或边缘就存在。因此，问题简化成具体的图遍历问题(graph traversal problem)，其中所述问题是两个节点(表面碎片)之间的路径是否存在。

图遍历问题可采用标准深度优先搜寻(depth-first search，DFS)算法(例如，参见Introduction to Algorithms，Cormen，Leiserson and Riverst，MIT Press and McGraw Hill，477-485(section 23.3，″Depth-first search″)(1990))进行解决。对这种一般算法执行下列修正达到实际上更好的计算效率。首先，增加数据结构、有向图，其中在每个节点的另外属性，u，表示为DEPTHATT(u)，其跟踪碎片的绝对深度。第二，引入几何深度特性(Geometric Depth Property，GDP)并且改进遍历算法以便确保GDP在所有时间被保持和使用(图12B中的步骤1201以及表1中的程序1)。该特性(GDP)要求当沿图中的定向边缘时深度属性单调增加。换句话说，如果在体中碎片a重叠碎片b，那么碎片a的深度属性必须小于或等于碎片b的深度属性。然后，在步骤1202中，从合并列表中选择一对碎片，并且在步骤1203中，两个所选的碎片的合并采用GDP检查拓扑一致性以增加效率(表1中程序2)。如果检查是肯定的，那么在步骤1204中两个碎片按照表1的程序3进行合并。该方法是有效的，因为两个节点之间路径的搜寻被限于图的一小部分而不是整个结构：待合并的表面碎片具有在有限数值范围内的深度属性值，并且搜寻只探测深度属性在那范围内的节点。GDP保证这是充分的。

表.1

另外的效率增加可以通过对合并列表适当排序获得。例如，如果合并次序首先优先选择具有高深度值的那些碎片对，算法倾向于更有效地起作用。以这种方式对合并列表重新排序可提高效率。此外，根据基于区域的方案分解碎片合并的次序可具有重大的影响。例如，所述体可被分成不重叠但合起来覆盖整个空间的空间区域。将这些区域从1标记到n，并且根据n个标记的排列以一些次序列出它们。现在进行落在所列的第一区域中的合并，然后所列第二区域中的那些等等。选择区域的方式以及其列表的排列可大大减少计算时间。例如，将所述体沿着一个轴分成n个板层并且将这些区域列出，以便任何随后的区域与先前所列的区域最远，可显著减少计算时间。该方案也适于平行进行——可通过不同处理器或计算机同时进行计算，只要该区域没有被连接到前面的区域。该方案的极端情形以大小为单个体素的表面碎片开始。

上述以及图12B和表1中描述的算法可容易地平行进行，并且另外的要素可进一步增强这种努力。具体地，如果外部结构追踪有向图的连接部分，那么可提高可平行计算的结果和执行的速度。例如，假定要合并的表面碎片对是这样的，以致于一个碎片在部分A中并且另一碎片在部分B中。因为两个部分是不同的并且在它们之间不存在连接，所以在两个碎片之间不可能有路径。因此，合并是可接受的，并且不需要对该图进一步检查。然而，如果两个部分被连接，那么该图可能不得不象之前那样进行探查。是否检查该图的决定可取决于这两个部分如何连接。如果两个部分仅仅在两个表面碎片最低深度水平以下的深度水平上连接，那么在它们之间不可能存在路径并且不需要进一步探查。如果不是这种情况，那么该图必须进行探查。因此，保持另外的结构——其追踪该图的连接部分——以及任一对部分之间有连接的最高深度可进一步增加该算法的计算效率。所有这种效率提高都在本发明的范围内。

阶段3中最后的步骤是步骤89，其是解决(fix)事件之间的低相关性或多个好但不明确连接的存在所引起的孔的任选步骤。一些表面包含通过用周围表面类推可以解决的明显孔。另外的碎片可通过试验和误差进行合并。包括拓扑学的可测假设的一个实例涉及表面之间未分配的事件或空隙。首先，该空隙被分配给新的碎片。邻近迹线中相似空隙被分配相同的碎片水平，即使它们的相关性弱或不明确。该新的碎片被认为是可接受的碎片，如果它由于既不自身重叠也不引起局部或整体不一致而被核实为拓扑一致的。然后尝试拓扑合并以将该新的碎片与其邻居中一个或多个融合，其潜在地将没有直接连接的邻近碎片连接起来并且因此通过用一个较大的表面替换多个小的表面来减少骨架。图13的上部显示夹在两个表面(表面131和133)之间的一些不相关的表面(例如表面139)的实例。这些事件或因为它们交叉的相关在相关标准之下或者因为它们的相关性不明确而不相关。从骨架化所揭示的整体结构来看，下列似乎是可能的：(1)所有这些不相关的事件形成一致的碎片，和(2)该碎片可与表面之一的任一侧(132和136)合并或者甚至与它们连接。

使用地震骨架的另一方法是解决两个分裂表面诸如表面137和138哪一个继续原始表面134。在这种先前未解决的表面分裂处，一个策略是尝试任一方式地合并表面。如果只有一个合并成功，它被暂时接受，并且因此找到该方案。然而，如果没有一个合并成功或者两个合并都成功，那么该策略不能解决这两个表面哪一个继续原始表面。图13的底部显示分裂成两个表面137和138的一个表面134的实例。拓扑碎片合并可用的三维信息没有解决这两个表面哪一个是单一表面的继续的问题。如果它已经解决，碎片被合并，因为有唯一的连接碎片的相关性路径通过第三维。这里，重叠表格和拓扑分类可用于测试这些假设中的一些，并且如果有效，用它们修整并进一步简化骨架。

在表面中保留小孔可能是后面地震解释步骤的讨厌的事，并且经常通过内插进行解决。这些内插的有效性可通过检查改进的表面是否保持拓扑一致进行测试。

图14是可任选地加入到图8的方法中的阶段4中基本步骤的流程图。在任选的阶段4中，如果需要，重新获得或重新产生选择的一组一致表面的重叠表格。在步骤142中，进行拓扑分类以找到表面可以被排列的次序，同时遵从在重叠表格中编码的上/下关系。因为许多表面具有有限的面积延伸，以及由此有限的重叠，所以没有足够的关系执行唯一的排列。反之，有多个都满足重叠关系的排列。此外，拓扑分类算法可采用多种策略进行，包括上拉、下压或平衡策略。采用上拉策略表面被向上放置得尽可能高，其暗示着该次序标志着给定地层相比周围地层可能放置的最迟可能的时刻。采用下拉策略，表面被向下放置得尽可能低，其暗示着该次序标志着给定地层相比周围地层可能放置得最早可能的时刻。平衡策略试着将表面放置在它们的范围中间。这些策略决定着拓扑分类算法内选择和更新重叠关系的顺序。在各个策略中，结果是可用于排列表面、地震反射或整个地震数据体的次序或层次。

因为小表面限制起来尤其困难，所以当应用不同的策略时它们倾向于具有更高的可变性。在变换中包含所有小的表面也在重新组织的地震数据体上引入扭曲假象。相反，在该变换基础上计算另一量度是优选的。该量度是拓扑层次内的表面水平。也就是说，测定特定表面位于从顶部向下多远。(步骤143)具体地，它的一种测量是根据当从顶部向下遍历到表面时遇到的重叠对数找到最长可能的路径。因为表面是一致的，不可能有任何回路并且保证最长路径的存在。寻找这些最长路径的优选方法是Bellman-Ford(BF)算法(R.Bellman，″On routing problems，″Quarterly of Applied Mathematics 16，87-90(1958))，其中在重叠表格上运行负单位权重(negative unit weight)。否定所得距离产生层次内各个表面的水平。注意，次序和水平都允许限定使地震数据和相应表面的垂直轴变形的变换。结果是以地层学布置和沉积的次序组织的地震数据集，其可被分析用于烃的探测、描绘和生产。

水平可被定义为根据当从顶部向下遍历时遇到的最大的重叠对数量的最长路径。可选地，它可被定义为从底部向上走时的最长路径。比较这些可选方案允许估计单个表面的水平多么受限，或者反过来，该水平多么不确定。(步骤144)为了比较这两个结果，需要补偿不同的方向并且以这样的方式线性地重调底部-向上测量，以致于顶部表面具有零水平并且底部表面具有与顶部-向下测量相同的水平。对于给定表面，这两种水平之间的差别是关于拓扑次序其不确定性的量度。良好限制的表面无论分类策略如何都在相似的水平上。这种表面关于其在拓扑结构内的位置具有最小的不确定性。较差限制的表面在顶部-向下测量下可在浅的水平结束，但是当采用底部-向上策略时在深的水平结束。因此，水平数极大不同，并且其在拓扑结构中的位置高度不确定。

图15图解了利用图13中显示的事件作为实例的拓扑次序和水平。重叠表格包含图13中表面的上/下关系。采用上拉策略进行拓扑分类产生遵从重叠表格各个关系的次序。然而，拓扑分类次序通过将它们垂直地向外散布扭曲了表面的显像。优选的可选方案是计算达到给定表面必须穿透的最大表面数，其可通过将权重1的Bellman-Ford(BF)算法应用到重叠表格进行。结果是BF水平，其给表面132和136都赋值为水平1。垂直位置与水平和它们的重叠关系相对应的表面图(或树)显示在图15的右手侧，并且提供概括表面关系的有效方式。表面134对于其水平是不确定的，并且因此在其两个可能的位置(水平3和4)上都显示。

表面标记(或树)图是概括所有这些数据的有效方式，其中表面的垂直位置通过其水平进行确定。横向位置是任意的并且可例如根据真实位置进行选择，或者只是进行选择以使图不太混乱。不同的表面水平通过箭头进行连接以表示上/下关系。为了编码甚至更多的信息，大并因此相关的表面可用较大的标记进行显示。图16A显示图2的450个表面的树。该图呈现了表面水平、从地震数据抽取的它们的上/下关系和由水平尺寸表示的它们的面积延伸。总之，有250个水平(水平面)，其一些被许多小的表面占据，而其他的被仅仅一个或两个大的表面占据。

图(或树)可被用于辅助选择表面以进一步分析或显象。取决于数据体的大小，本发明方法可产生数千个表面，在显象期间很快使解释器无法正常工作(overwhelming)。对此进行处理的一个过程是沿着从树的一个参考节点发出的线选择表面，以允许仅重叠参考表面的表面可见，抑制所有其它表面和使显示混乱。另一过程仅从一个水平选择表面以使可起源相关的表面可见，这是因为它们位于地质地层内的相同水平上。然而另一过程从连续水平的层段中选择表面以使得地层次序可见。图16B和16C呈现一个实例，其中四个后来的水平11-14从树中选择以可视化。水平11和14每个都包含一个表面，而水平12和13每个都包含两个表面。两个不同组的表面可能起源相关，这是因为它们处于地层次序内的相同水平上。

图17是显示图2的表面的拓扑不确定性的图。450个表面的大部分被紧密限制并且不可能移动超过几个水平而不违背重叠表格中包含的条件或限制。然而，一些表面可移动超过10个水平而仍遵从限制。这些表面关于它们的相对沉积时间具有高的不确定性。

一旦确定次序或水平，以这种方式重新组织表面是简单的。单个表面通过系列的三维点(x，y，t)或(x，y，z)进行表征，这取决于地震数据是否按照地球物理时间或深度表示。为了简单的目的，假定数据在地球物理时间域中。深度情况通过类推继续。将表面从时间域变换成次序或水平域(步骤145)仅仅需要用次序或水平数(水平面数)取代时间。

图18显示从地球物理时间域向(拓扑)水平域转化(变换)的图2的表面。各个表面在用其水平数取代其地球物理双向传播时间后重新绘制，其整平了表面(该应用有时称为体整平(volumn flattening))。该图显示表面被高度组织。地质地层的沉积似乎已经以相当系统化的方式前后、左右变小了大约四倍。

将地震体转换成水平或次序域而不是表面可能需要地震数据的非线性拉伸和挤压以使它们符合分配的层段。对于振幅数据，地震波形(seismic wiggle)可能受到紧密压缩或者膨胀以类似于较高或较低的频率数据。对于地震属性存在相同的情况，但是可能不象振幅数据那么明显。

变换地震体的可选方法是剪贴地震数据包，而没有在由于域变换表面概念上所提供的框架上变形。数据包大小可取决于用于构建表面的事件的限定。如果表面仅从峰构建，那么数据包包括具有峰和在任一侧半个谷的完整子波。如果表面从峰和谷构建，那么数据包是由零交叉点限定的峰和谷。如果通过剪贴方法变换的地震数据不是原始振幅数据，那么数据包边界，例如零交叉也可从振幅数据确定。

图19图解将地震体变换成水平或层次域的这两种方法。非线性拉伸方法拉伸或挤压地震数据以适合分配的层段。在右边的迹线上，水平12和13的表面不存在，但是非线性拉伸仍然将它们内插穿过子波并且将属于具有水平11和14的表面的部分迹线分配给具有水平12和13的表面，其引起与NMO拉伸类似的拉伸假象。剪贴方法取在表面位置中心的地震数据包并且将它们从深度移至水平而没有拉伸。在本实例中，数据包由峰或谷组成。在右边的迹线上，具有水平12和13的表面不存在，并且因此对于剪和贴不存在相应的数据包。结果包含在水平-变换的数据中的空隙，其表明这些水平表面不存在。

图20显示来自图1的水平变换地震数据。数据从时间转换成水平域。瓦解(collpase)所有空隙重建原始数据。

上述骨架化方法可进行总结并且被置于较大的应用背景下，有时称为图像识别的方法种类。接下来描述该总体方法(overarching method)。

总体方法(参见图21)获取例如地球物理数据体211，任选地预处理所述数据并且任选地计算一组特征或属性，然后将所述体划分成区域(步骤212)。在步骤213，各个区域进行分析，然后被分派给量度和/或与如此意图相关，所述意图允许将区域区分优先次序或者高级化进行进一步考虑(在步骤214)。该工作流程的结果是一组目的高级化区域，其可被称为相关目标215。骨架化——其包括本文公开的骨架化方法——是划分步骤212的一个选择，并且因此，通过骨架化产生的单个表面构成较广泛应用中的区域。上述延伸的工作流程的一个目的是：即使对小数据体，骨架化也可产生数千个至数百万个表面，其可使人类解释器和传统地震解释系统无法正常工作。需要这样的方法，其或者只选择或者只呈现相关的表面，或者至少将它们区分优先次序，这允许解释器对更重要的表面开始进一步分析。

在先前公布的方法中，地球物理图像识别通常涉及采用例如神经网络方法基于培训数据进行无监管的分割或分类和外推。其它方法采用该术语仅表示地震事件的探测或不同类型事件之间的区分。相比之下，下面要公开的方法既可将地震数据分隔成区域又可自动采用那些区域测量的特征给它们分配地质或地球物理重要性的水平以用于烃探测的目的。但是首先，对一些先前公开的方法进行简单综述。

Meldahl等在美国专利号6,735,526(″Method of Combining Directional Seismic Attributes Using a Supervised Learning Approach″)中公开了这样的监督的学习方法，其采用神经网络结合有向地震属性以鉴定和分离地质特征诸如气烟囱。

授予给West和May的美国专利号6,560,540(″Method For Mapping Seismic Attributes Using Neural Networks″)公开了采用神经网络基于地震纹理分配地震相的方法，所述神经网络已在这些相的实例区域上进行了培训。

授予给Wentland和Whitehead的美国专利号7,162,463(″Pattern Recognition Template Construction Applied To Oil Exploration And Production″)公开了构造模板的方法，其可用于烃沉积物的探测和生产，其中模板是指用于使体素具有颜色、不透明性、色调和饱和度的系列逻辑门规则。

授予给Wentland和Whitehead的美国专利号7,188,092(″Pattern Recognition Template Application Applied To Oil Exploration And Production″)公开了应用模板寻找油和天然气的沉积物的方法。

授予给Wentland等的美国专利号7,184,991(″Pattern Recognition Applied To Oil Exploration And Production″)公开了通过视觉识别期望图像或指示数据内期望或不期望特征的存在性，针对模板比较数据的另外方法。

授予给Wentland和Mokhtar的美国专利号7,308,139(″Method，System，And Apparaus For Color Representation Of Seismic Data And Associated Measurements″)公开了以如此方式显示数字化信息的方法，所述方式允许人操作者容易在数据内探测图像和特征。

授予给Padgett的美国专利号7,463,552(″Method For Deriving 3D Output Volumes Using Filters Derived From Flat Spot Direction Vectors″)公开了通过分析3D地震数据中的倾角和方位确定烃和水流体接触的存在和位置的方法。

授予给Keskes的美国专利号5,940,777(″Automatic Seismic Pattern Recognition Method″)提出一种自动地震图像识别方法，其识别给定数目的一块培训数据所详细说明的地震图像。

授予给Wibaux和Guis的美国专利申请号2008 0,123,469(″System And Method For Seismic Pattern Recognition″)公开了基于子波能量和与已知波形图像的比较探测微震事件的方法。

前述方法可能没有提供的是一种自动化方法，所述方法划分地质或地球物理数据体，自动分析各个划分的区域其烃可能性或者与烃的探测和生产的相关性，并且或者根据其相关性排列区域或者一概地抑制不相关的区域。这将允许直接搜寻烃的聚集或者探测和评估地下烃系统的元素诸如储层、封闭层、源、熟化和迁移路径。

该总体方法获取通常大数目的地下区域并且可分析它们以自动选择或突出更相关的地下区域。该方法的可选实施方式没有选择区域，而是根据它们的相关性排列所述区域，如通过它们的分析所测定。在前面的情况中，解释器或基于计算机的系统用大大减少的区域子集继续运行。在后面的情况中，可用所有区域继续运行，但时间和资源基于区域排列进行分配。在本发明的背景下，区域是地下体中单元或体素的集合，所述地下体由一个或多个目标诸如表面或地质体限定。而且，高级化目标的步骤包含例如选择、突出、区分优先次序或排列。不同的实施方式和参数化可以被级联以继续去除优先性甚至更低的区域或者提高等级。

将数据体细分成区域可以以目标产生步骤开始。当然手工产生是可能的，但是自动产生更实际并更高效的。因此，本发明地球物理图像识别方法的优选实施方式由下列步骤组成，所有步骤可程序化以在计算机上自动运行：(a)任选地应用数据预处理器和/或属性计算，(b)从数据体产生目标，(c)自动分析目标以分配量度，(d)使用该量度以高级化目标，和(e)最优化储存相关的目标或所有目标的层次以进一步分析。

一般地，地球物理数据是地震振幅体，但是该发明绝没有如此限制。其它可能的数据包括地震属性体；其它类型的地球物理数据诸如地震速度、密度或电阻系数；岩石物理数据，例如孔隙率或砂/页岩比率；地质学数据，例如岩性学、沉积环境或沉积年代；地质模型和模拟；储层模拟信息，例如压力和流体饱和度；或工程和生产数据，例如压力或含水量。

可以以多种不同的方式进行目标产生。方法包括将所述数据设定阈值、装仓(binning)数据或聚类数据；骨架化或自动特征跟踪；或分割。对于设定阈值，用户或算法规定阈值。具有较低(或较高)值的所有点被分配到背景。其余数据点可被用作点目标或者例如通过应用连接部分标记算法(connected component labeling algorithm)转化成连续曲线、表面或体。将值超过所述阈的点分配到背景的情况类推进行。该情况可通过将数据装到用户或算法指定的仓进一步概括，其产生原始目标，所述原始目标可通过连接部分标记算法进一步精制。可通过将来自一个多个数据集的点聚类构建目标，或者甚至通过聚类其它目标递归地构建目标。

目标可采用层位跟踪器、层位挑选器、断层跟踪器、通道跟踪器或种子挑选通过自动化或辅助的跟踪产生。层位挑选的一种特殊形式是地震骨架化，其同时自动挑选多个表面。本发明的骨架化方法是这里优选的选择。

分割是指将数据体划分成多个目标或区域(体素组)的过程。区域中各个体素对于一些特征或计算特性是类似的，而邻近区域对于相同特征(一个或多个)是显著不同的。基于聚类的分割是迭代技术，其被用于将数据集划分成规定数目的簇或目标。基于直方图的方法计算整个数据集的直方图(histogram)并且用峰和谷将簇或目标定位。该技术进一步的精制是递归地应用直方图寻找方法以在数据中聚类，以便将它们分成越来越小的簇直至没有更多的簇形成。基于边缘探测的方法利用区域或目标边界通常与边缘密切相关的事实，即相对明显的特性转变。对于地震数据，不连续或相似性充当边缘探测器。通过边缘探测鉴定的边缘通常是不连续的。然而，为了从数据体中分割目标，需要闭合的区域边界。如果两个边缘之间的距离在一些预定的阈值内，则边缘间隙被桥连。区域生长方法随着连同数据的输入取一组种子点。种子标记待被分割的各个目标。区域通过将所有未分配的邻近体素与所述区域比较而迭代生长。继续该方法直至或者所有的体素都被分配到区域或者当与其邻居比较时其余体素超过阈差。水平设定方法或曲线传播使曲线或表面向指定成本函数的最低可能例如平滑进展。曲线或表面或者代表期望的目标，例如断层或通道轴；或者它们相应于期望目标的边界，例如盐丘或通道。在后面的情况中，曲线似乎收缩-包裹所述目标。图可有效地被用于分割。通常体素、一组体素或原始目标被认为是图至高点，并且至高点之间的图边缘用邻近体素或目标中的(不)相似性加权。一些流行的这类算法是随机行走、最小平均切割、基于最小生成树算法或归一化切割。分水岭转化考虑数据或其梯度大小作为(多维)地形表面。最有最高大小的体素对应于分水线，其代表区域边界。普通分水线所围扰的任意体素上放置的水往下流到普通的局部最低点。排到普通最低点的体素形成集水池，其代表分段或目标。基于模型的分割方法假定目的目标具有重复或可推断的几何形状。因此，利用概率性模型探测目标形状上的变化，并且然后当分割数据集时，像先前那样利用该模型施加限制。尺度空间分割或多尺度分割是基于在在多尺度平滑下目标描述符(descriptor)的计算的一般框架。神经网络分割依赖于利用神经网络或一组神经网络处理小区域的数据集。在这种处理后，判定机制根据神经网络所识别的分类对数据集区域进行标记。在本文提到的实例最后，在辅助或半自动的分割中，用户例如通过用计算机鼠标手工数字化描绘目标区域，并且应用算法，以便显示最佳适合目标边缘的路径。

曲线目标的实例包括但不限于井眼路径、通道轴、断层线(fault stick)、层位轨迹、层位-断层交叉点或一般多边形。曲线目标在本发明的骨架化方法的步骤83中自动产生。表面或地质体可通过细化或中间轴变换转变成曲线。

表面目标可通过在指定方向膨胀或变厚表面被转变成地质体，直至遇到另一地质体。可向上、向下或两个方向同时进行膨胀。将表面转变成地质体的另一方法是通过极性或子波分派实例。类似地，地质体可通过选择体顶、底或其平均被转变成表面。另一体-表面转变方法是在三维上腐蚀或细化或限于垂直方向。

目标的分析(步骤213)包括限定或选择一个或多个将用于下一步骤(214)中的量度以高级化目标或区域。量度可以是目标几何结构、配置的(次要的)数据的性质以及目标之间关系的任意组合。目标的几何量度是指位置、时间或深度、尺寸、长度、面积、体积、方向或形状。这些量度也包括惯量张量(inertia tensor)；原始、中心、尺度-和旋转-不变矩；或协方差。一些量度例如曲率在曲线、表面或体边界上的每个点都将具有其自己局部值的意义上讲是局部量度。为了获得表征目标的一个值，需要对局部值求积分或者从中取样，例如通过选择其平均值、中值或一个极值。此外，曲率实际上不是数量而是张量，其允许限定局部曲率量度的范围诸如最小、最大、平均、最肯定、最否定或高斯曲率。

分配的特性量度通过查询目标所占位置上的数据集进行构建。例如，可以从分配的地震或属性数据集诸如振幅或者分配的地质学模型诸如孔隙率或沉积环境中抽取数值，并且对这些数值计算统计学量度。统计学量度包括平均值、中值、众数、极值或方差；或原始、中心、尺度-和旋转-不变特性加权矩。如果抽取两个分配的特性，那么通过分配值的关联可以计算量度，例如从地质学模型中抽取的或者沿着井眼路径测量的孔隙率和液体渗透性。

另一族的分析和测量检查目标之间的关系。量度包括与邻近目标的距离或相似性；邻居的总数、所述目标上面或所述目标下面的邻居数、和其比值；与邻近目标的连接数和其质量、或者所述目标与其邻居相对的终止类型。

创新的图像识别方法中目标分析(步骤213)的一个具体的可选方式是计算和使用直接烃指示(″DHIs″)以高级化先前产生的反射表面组，所述反射表面组可能通过骨架化产生。这种DHI的实例是适合结构的振幅。在烃储层中，重力对流体类型之间的密度差的作用产生基本上平的流体接触。因为从烃储层顶部反射的强度取决于那个储层中的流体，所以当横越流体接触时反射强度变化。将表面深度(或时间)与地震属性诸如振幅强度相关便于在体(volumn)中快速筛选所有表面的流体接触的证据以及由此的烃存在的证据。利用本文公开的总体(图像识别)方法，可能的是通过骨架化一次产生或抽取多个或所有表面并且然后利用它们深度和振幅之间的关联作为自动筛选工具以鉴别最感兴趣的表面，即指示烃可能的表面。图22A-B显示示图中两个表面的示意性实例。深度或传播时间通过等高线显示，其中较大直径等高线指示较大的深度，并且地震振幅通过灰色标尺中显示的亮度表示，其中白色是最亮的(最大振幅值)。在图22A中，振幅与表面深度相关。亮的振幅发现浅，而暗的振幅发现深。因此，沿着表面的振幅与表面深度等高线相关。属性符合结构，表示烃积聚的可能。在图22B中，振幅没有随着表面地形学系统性地变化。地震振幅和深度等高线相对不相关的，并且没有表示存在烃。

用于分析表面和地质体的地震基于DHI的量度的其他实例包括振幅异常、振幅随偏移距变化(AVO)作用、相变化或极性颠倒以及流体接触或普通终止水平。其它地球物理烃证据包括地震速度异常和频率衰减；还有电阻系数。振幅异常是指相对于周围背景振幅的振幅强度以及它们在一个振幅体中的一致性和持续性，例如全叠加。亮的振幅异常具有比背景大的振幅大小，而暗的异常具有比背景小的振幅大小。表面或目标位置处的地震振幅相对于估计的背景趋势的比较允许基于异常振幅强度DHI量度高级化。

比较不同体之间分配的振幅，例如近-、中-和远-偏移距叠加允许分派AVO类型。AVO类型1对于近叠加数据具有明显可辨别的正反射振幅，而对于中-和远-叠加数据分别具有降低的振幅大小。AVO类型2对于近-叠加数据具有几乎消失的振幅，并且对于中-和远-叠加数据或者随着偏移具有减少的正振幅或者具有逐渐增加的负振幅。AVO类型3对于近-叠加数据呈现强的负振幅，其随着偏移量增加逐渐变得越来越负。AVO类型4在所有偏移量下呈现非常强、几乎恒定的负振幅。优选地，目标内振幅持续性或一致性被用作各个AVO类型内的次要量度。比较表面或目标位置处的部分偏移-或角度-叠加允许通过AVO行为分类，并且因此基于AVO DHI量度高级化。部分叠加的可选方式是在表面或目标位置处从预叠加(偏移)聚集估计AVO参数A(截距)和B(梯度)，并且利用这些参数进行AVO分类或计算测量诸如A×B或A+B。

流体接触的证据仍然是另一烃指示。流体接触可产生相对平的反射以及由此的相对平的表面。测量各个表面的平面度允许突出流体接触。平面度测量的优选实施方式用区域趋势校正单个测量，其允许校正由于上覆岩层引起的可变水深度和其它垂直扭曲。流体接触暗示着例如从烃气体至水的流体变化。有时，储层封闭层和充满水的储层之间的边界是正极性的地震表面，而封闭层和充满气的储层之间的边界是负极性的表面。在这种情况下，封闭层-储层边界对应于呈现穿过流体接触从浅至深极性变化的表面。沿着表面或目标比较子波极性或估计瞬间子波相允许鉴定呈现极性颠倒或相变化DHL的区域。

许多附近表面突然向下倾斜终止或者振幅局部持续突然变化也是直接烃指示的更多实例，其可从表面和地质体进行量化。邻近表面或目标的终止深度被比较或相关，或者优选地计算相同区域中类似终止深度的数量以允许鉴定呈现突然向下-倾斜终止DHI量度的区域。

振幅的局部突然变化可以由对表面或目标位置处振幅进行边缘探测操作以及相关联附近表面或目标之间的这种边缘进行测量。边缘测量的可选方式是相关联附近表面或目标之间地震不同或不连续。

利用地震振幅外的数据使能够进行直接烃指示的其它测量。当与周围背景比较时，烃气体倾向于增加地震能量的衰减，并因此降低地震信号的频率含量(频率组成，frequency content)。频率偏移可以从瞬间频率体或者通过比较光谱分解体进行测量和量化。表面或目标位置处的一致频率偏移的观测允许基于频率偏移DHI量度高级化。

烃气也倾向于减少地震波的速度，其引起时间域数据中局部下沉表面。计算例如表面的第二衍生物(即拉普拉斯算子)的总和允许测量该下沉。在严格的情况中，气体甚至在通过倒置、X线断层摄影术或者速度分析获得的地震速度体可测；其中表面目标位置处的速度低于区域趋势。

在沿着表面或地质体直接测量烃的优选实施方式中，分析和测量也包括作为数据质量、数据数量、预先期望值以及如果可用的话例如来自校准井的地下真实值的函数的置信度。

烃系统的要素包括储层、封闭层和源。储层或封闭层质量的实例量度是变形，例如由层可发展性(layer developability)表示的(J.L.Fernandez-Martinez和R.J.Lisle，″GenLab：A MATLAB-based program for structural analysis of folds mapped by GPS or Seismic methods，″Computers & Geosciences 35，317-326(2009))。背离可发展几何结构暗示着在折叠期间床(bed)拉伸已经发生。这些背离因此与层位变形连接并且可用于突出通过脆性破裂或延性变形表现的变形区域。脆性变形暗示着破裂增大的孔隙率增加储层间隔中储存能力但也破坏封闭单元的可能。延性变形暗示着富含页岩的岩层，其是差的储层但构成源岩并充当封闭层。另一变形量度是表面曲率。变形的区域倾向于具有带有较高曲率值的表面，其暗示着破裂的可能增大，这提供另外的孔隙率以及烃储存增加的可能，但也破坏封闭层，其捕集失败的风险增加。

对于各个目标具有一个或多个量度例如所公开的DHI量度允许相关目标的高级化。选择标准包括设定阈值、排列、区分优先次序、分类和匹配。第一种方法可能是将阈值应用于量度并且选择超过或底切所述阈值的所有目标。另一方法是根据它们的量度排列目标，然后选择排列在最前的目标，例如前10个目标。排列的特殊情形是区分优先次序，其中所有目标通过它们的标签或数据库选择并与它们的排列相关。随后的分析以排列最高的目标开始，然后根据它们的优先次序经过目标，直至指定数目的可接受目标被鉴定或者直至时间和/或资源限制要求进一步的行动终止。

本发明方法可用于其它图像识别应用诸如体整平、层次分割、边缘和终止探测、DHI探测、烃系统分析和/或数据缩减。本发明方法的其它应用可包括解释、数据缩减和/或多情况跟踪。

出于阐明本发明实施方式的目的，前述应用涉及本发明的具体实施方式。然而对本领域技术人员明显的是对本文所述实施方式的许多改变和变化是可能的。所有这种改变和变化意图在本发明的范围内，如所附权利要求所限定的。

Claims (33)

1.将地震测量中获得的地震数据体转换成相应的数据体的计算机执行的方法，所述相应的数据体当视觉显示时显示地下反射层表面的图，所述地下反射层表面通过反射地震波产生数据，所述方法包括：

(a)从所述数据体中挑选地震反射，并从所述挑选中产生初始表面；

(b)将表面破裂成拓扑一致占主导的较小部分(″碎片″)；

(c)以拓扑一致的方式合并邻近碎片，由此从所述地震数据体中抽取基于拓扑一致反射的表面；和

(d)显示抽取的表面以视觉检查或解释，或者将它们的数字表示保存到计算机存储器或数据存储器。

2.权利要求1的方法，进一步包括利用所述基于拓扑一致反射的表面预测或分析烃积聚的可能性。

3.权利要求1的方法，其中拓扑一致包括验证表面满足下列中至少一个：(i)没有自身重叠；(ii)局部一致性；和(iii)整体一致性。

4.权利要求1的方法，其中所述地震反射通过使所述地震数据体中邻近迹线之间的反射事件相关联而挑选。

5.权利要求4的方法，其中所述挑选是利用计算机自动进行的。

6.权利要求1的方法，其中将表面破裂成碎片包括将初始表面收缩成线，去除所述线中的接点以形成更多单个线，将单个线收缩成单体素点(特征点)，和通过添加邻近的体素沿着所述初始表面传播所述特征点以形成体素碎片。

7.权利要求6的方法，其中各个特征点用不同的标记进行标记，并且所述标记应用于在所述特征点周围形成的碎片，因此提供了当不同的碎片通过传播延伸时追踪不同的碎片的方法。

8.权利要求6的方法，其中受控的前进式被用于沿初始表面传播点。

9.权利要求6的方法，其中初始表面收缩成线包括从表面外围接连去除一个体素厚的层直至产生单个体素的连续线。

10.权利要求6的方法，进一步包括在将线收缩成点之前从线中删除接点体素以形成更多的线。

11.权利要求6的方法，其中在点传播期间执行拓扑一致性。

12.权利要求1的方法，其中以拓扑一致的方式合并邻近的碎片通过下列步骤进行：开发所述碎片的重叠和邻居列表，通过将所述重叠和邻居列表分类产生合并对候选者的次序，利用所述重叠和邻居列表校验候选者合并的拓扑一致性，以及接受拓扑一致的合并。

13.权利要求12的方法，其中所述邻居列表的分类次序基于所述邻近碎片的几何形状或之间的几何形状差别，或者基于从分配有所述碎片的地震数据中抽取的一种或多种属性的统计学特性或之间的差别。

14.权利要求1的方法，进一步包括利用所述基于拓扑一致反射的表面将所述基于拓扑一致反射的表面空间整平成表示沉积顺序的次序，和利用所述整平的表面预测或分析烃积聚的可能性。

15.权利要求14的方法，其进一步包括整平其中存在所述基于拓扑一致反射的表面的相关地震数据。

16.权利要求15的方法，其中所述地震数据整平通过所述地震数据的非线性伸长或者通过剪贴方法进行。

17.权利要求1的方法，进一步包括产生视觉表示，其显示所述基于拓扑一致反射的表面的沉积次序或层次。

18.权利要求17的方法，其中所述视觉表示是树，并且进一步包括利用所述树选择一个或多个表面可视化。

19.权利要求1的方法，进一步包括利用所述碎片将所述地震数据体分割成三维体或面间包，其表示在共同层段内沉积的地质单元，并且利用它们分析烃可能性。

20.权利要求2的方法，进一步包括分析所述基于拓扑一致反射的表面的边缘和终止点的位置和特征并且用其辅助预测或分析烃积聚的可能性。

21.权利要求2的方法，进一步包括分析所述基于拓扑一致反射的表面的属性和几何特性和/或所述表面位置处的相关地震数据以辅助预测或分析烃积聚的可能性。

22.权利要求1的方法，其进一步包括利用所述碎片或基于拓扑一致反射的表面依次减少地震数据体中包含的信息量，从而减少所述地震数据后续数据处理的存储或计算效率要求。

23.权利要求1的方法，其中合并邻近碎片限于收缩前追踪回同一初始表面的碎片。

24.权利要求12的方法，其中利用深度限制搜寻方法在合并邻近碎片中执行拓扑一致，所述方法包括：

(a)基于捕获所述数据体中所述碎片的相对位置的重叠列表产生图结构；

(b)给各个碎片赋予深度属性，以便任意两个碎片的深度属性的比较表示出所述碎片之一是否在另一个上面；

(c)利用所述图结构和所述深度属性检查基于所述邻居列表提出的合并的拓扑一致性；和

(d)当碎片合并被接受时更新所述深度属性和图结构。

25.权利要求1的方法，其中所述抽取的表面被显示或保存为地球模型。

26.计算机程序产品，其包括计算机可用介质，其中包含有计算机可读程序代码，所述计算机可读程序代码适于被实行以执行将地震数据体简化成基于反射的表面的方法，所述方法包括：

(a)从所述数据体中挑选地震反射，并从所述挑选中产生初始表面；

(b)将表面破裂成拓扑一致性占主导的较小部分(″碎片″)；和

(c)以拓扑一致的方式合并邻近碎片，由此从所述地震数据体中抽取基于拓扑一致反射的表面。

27.从地下区域生产烃的方法，所述方法包括

(a)获得表示所述地下区域的地震数据体；

(b)至少部分基于通过权利要求1中所述的方法——其通过引用在此并入——从所述地震数据体中抽取的基于拓扑一致反射的表面获得在所述地下区域中烃积聚的可能性的预测；和

(c)响应烃可能性的肯定预测，在所述地下区域中钻井并且生产烃。

28.将在地震或地震属性数据体中鉴定的表面合并以形成表示地下地质结构或物质的地球物理状态的较大表面的方法，其包括以拓扑一致的方式合并邻近表面。

29.探测烃的方法，包括：

(a)从地震测量中获得产生的地震或地震属性数据的数据体；

(b)将所述数据体细分成部分，称为目标；

(c)形成一个或多个目标区域；

(d)开发或选择量度，以便按照表示地质体、界面或这些的交叉点，或其它物理地质结构或指示烃沉积的物质的地质物理状态的可能性将区域归类；和

(e)利用所述量度把区域区分优先次序，然后利用所述区分优先次序评定所述体的烃可能性。

30.权利要求29的方法，其中各个目标包含利用基于其数据或属性或者其他物理合理标准的一个或多个标准分类在一起的单元。

31.权利要求29的方法，进一步包括利用所述区域区分优先次序将所述数据体转化成地球物理地球模型，并且利用所述地球模型评定所述体的烃可能性。

32.权利要求29的方法，其中(b)利用权利要求1中所述的方法——其通过引用在此并入——进行。

33.权利要求29的方法，其中(d)中的量度包括直接烃指示(DHI)。

Images