CN102914797B - 一种获得地层各向异性系数的方法及装置 - Google Patents

Abstract

本发明实施例涉及石油勘探领域，具体涉及一种获得地层各向异性指数的方法及装置。其中包括：获得多个方向地层的微电阻率扫描成像测井原始数据中的静态图像数据并进行中值滤波，得到采样点数据矩阵；对二维数据矩阵中的每一行数据依次进行算数平均以及调和平均后得到调和平均值β₁，以及对每个二维数据矩阵X_M·N的每一列数据依次进行算数平均以及调和平均后得到调和平均值β₂，对调和平均值β₁、β₂进行几何平均，得到二维数据矩阵的均值电阻率ε；将均值电阻率中的最大均值电阻率值ε_max和最小均值电阻率值ε_min比较后，得到均值电阻率的比值作为对应深度的地层各向异性系数。通过上述方法不需要人为输入参数，实际测井数据处理过程简单，且测量结果更为可靠。

Description

一种获得地层各向异性系数的方法及装置

技术领域

本发明涉及石油勘探领域，具体涉及一种获得地层各向异性指数的方法及装置。

背景技术

地层各向异性是指地层某一物理属性具有方向特性，例如渗透率、电阻率、声波速度等在不同方向上表现出来的不同数值大小。地层各向异性是普遍存在的，而导致地层产生各向异性的因素多种多样，既有内在因素，也有外界环境引起的。内在因素是指储层沉积过程中，由于在不同方向上水动力条件的不同而导致碎屑岩储层的颗粒排列方向与粒度分选、泥质含量差异、沉积构造差异等。外界环境因素一般是指由于区域应力的不均衡导致不同方向上物理性质测量值的差异。

对地层各向异性的研究主要应用于油气田勘探开发领域，尤其是在岩性油气藏中，通过获得地层各向异性系数，可以得到裂缝或渗透率优势方向、预测注水突破时间与方位、压力及剩余油分布、优化注采井网以保证最大产能和最高采收率等油气田勘探开发方面具有重要意义。

目前现有的油田测井解释评价方法中，交叉偶极子声波测井是唯一能够用于地层各向异性分析的测井方法。这种仪器设计在垂直于井轴的平面上X、Y两个方向布置两个正交的声波发射探头，同时也设计在X、Y方向上布置两个正交的接收探头。X(或Y)方向发射探头工作时，激励的声波在X、Y两个方向的接收探头中都能产生响应。

如果地层存在各向异性，会引起横波分裂，即发射器在地层中激励产生的横波会分裂成快、慢横波分量，而分别被X、Y方向的接收器所接收。通过对这两个接收器的声波波列进行处理提取快、慢横波的速度和能量数值，可以得到反映地层各向异性强弱的参数，如：

利用交叉偶极子声波测井分析地应力的原理复杂、受井眼规则程度影响较显著、运算量巨大，处理过程中常常需要声波专业解释工程师逐段、甚至逐点进行调整，而且由于仪器工作频率等因素会给分析过程带来很多未知参数，从而影响了这种方法的实际应用效果。

发明内容

本发明实施例提供一种获得地层各向异性系数的方法及装置，用于解决现有利用交叉偶极子声波测井分析地应力的原理复杂、受井眼规则程度影响较显著、运算量巨大，处理过程中常常需要声波专业解释工程师逐段、甚至逐点进行调整，而且由于仪器工作频率等因素会给分析过程带来很多未知参数，从而影响了这种方法的实际应用效果的问题。

本发明实施例中一种获得地层各向异性系数的方法，所述方法包括：

获得多个方向地层的微电阻率扫描成像测井原始数据中的静态图像数据，所述静态图像数据为采样点数据的集合；

对所述采样点数据的集合进行中值滤波，得到采样点数据矩阵；

获得若干个二维数据矩阵X_M·N，其中M表示行数，N表示列数；每个所述二维数据矩阵X_M·N为一个方向所对应的所述采样点数据矩阵；

对每个所述二维数据矩阵X_M·N中的每一行数据依次进行算数平均以及调和平均后得到调和平均值β₁，以及对每个所述二维数据矩阵X_M·N的每一列数据依次进行算数平均以及调和平均后得到调和平均值β₂；

根据公式一： $\mathrm{\ϵ}=\sqrt{{\mathrm{\β}}_1\×{\mathrm{\β}}_2}$     一

对所述调和平均值β₁以及β₂进行几何平均，得到所述二维数据矩阵的均值电阻率ε；

将获得的每个所述二维数据矩阵的均值电阻率中的最大均值电阻率值ε_max和最小均值电阻率值ε_min比较后，得到均值电阻率的比值，所述比值为对应深度的地层各向异性系数。

上述获得地层各向异性系数的方法，其中，所述对所述采样点数据的集合进行中值滤波前包括：

划分处理窗长，分别对每个窗长内的所述采样点数据的集合进行中值滤波。

上述获得地层各向异性系数的方法，其中，所述对采样点数据的集合进行中值滤波进一步包括：

将所述采样点数据的集合中的任意一个数据点与其邻域中的各数据点组成方阵，并对所述方阵进行中值滤波处理。

上述获得地层各向异性系数的方法，其中，对每个所述二维数据矩阵X_M·N中的每一行数据依次进行算数平均以及调和平均后得到调和平均值β₁，以及对每个所述二维数据矩阵X_M·N的每一列数据依次进行算数平均以及调和平均后得到调和平均值β₂具体包括：

根据公式二：

${\stackrel{\‾}{x}}_K=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{X}_{K,i}(K=\mathrm{1,2},\·\·\·\·\·\·M)$     二

对所述二维数据矩阵X_M·N的每一行数据进行算术平均，

然后再根据公式三：

${\mathrm{\β}}_1=M/\underset{j=1}{\overset{M}{\mathrm{\Σ}}}\frac{1}{{\stackrel{\‾}{x}}_j}$     三

对M个算术平均值进行调和平均，获得所述调和平均值β₁；

以及根据公式四：

${\stackrel{\‾}{y}}_L=\frac{1}{M}\underset{i=1}{\overset{M}{\mathrm{\Σ}}}{X}_{i,L}(L=\mathrm{1,2},\·\·\·\·\·\·N)$     四

对所述二维数据矩阵X_M·N的每一列数据进行算术平均，

然后再根据公式五：

${\mathrm{\β}}_2=N/\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\frac{1}{{\stackrel{\‾}{y}}_j}$     五

对N个算术平均值进行调和平均，获得所述调和平均值β₂。

本发明实施例还提供一种获得地层各向异性系数的装置，其中包括：

数据获取单元，用于获得多个方向地层的微电阻率扫描成像测井原始数据中的静态图像数据，所述静态图像数据为采样点数据的集合；

滤波单元，对所述采样点数据的集合进行中值滤波，得到采样点数据矩阵；

矩阵生成单元，用于获得若干个二维数据矩阵X_M·N，其中M表示行数，N表示列数；每个所述二维数据矩阵X_M·N为一个方向所对应的所述采样点数据矩阵；

计算单元，用于对每个所述二维数据矩阵X_M·N中的每一行数据依次进行算数平均以及调和平均后得到调和平均值β₁，以及对每个所述二维数据矩阵X_M·N的每一列数据依次进行算数平均以及调和平均后得到调和平均值β₂；

处理单元，用于根据公式一：

$\mathrm{\ϵ}=\sqrt{{\mathrm{\β}}_1\×{\mathrm{\β}}_2}$     一

对所述调和平均值β₁以及β₂进行几何平均，得到所述二维数据矩阵的均值电阻率ε；

比较单元，用于将获得的每个所述二维数据矩阵的均值电阻率中的最大均值电阻率值ε_max和最小均值电阻率值ε_min比较后，得到均值电阻率的比值，所述比值为对应深度的地层各向异性系数。

上述获得地层各向异性系数的装置，其中，所述装置还包括：

设定单元，用于划分处理窗长，并通知所述滤波单元分别对每个窗长内的所述采样点数据的集合进行中值滤波。

上述获得地层各向异性系数的装置，其中，所述滤波单元具体用于，将所述采样点数据的集合中任意一个数据点与其邻域中的各数据点组成方阵，并对所述方阵进行中值滤波处理。

上述获得地层各向异性系数的装置，其中，所述计算单元具体根据公式二：

${\stackrel{\‾}{x}}_K=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{X}_{K,i}(K=\mathrm{1,2},\·\·\·\·\·\·M)$     二

对所述二维数据矩阵X_M·N的每一行数据进行算术平均，

然后再根据公式三：

${\mathrm{\β}}_1=M/\underset{j=1}{\overset{M}{\mathrm{\Σ}}}\frac{1}{{\stackrel{\‾}{x}}_j}$     三

对M个算术平均值进行调和平均，获得所述调和平均值β₁；

以及根据公式四：

${\stackrel{\‾}{y}}_L=\frac{1}{M}\underset{i=1}{\overset{M}{\mathrm{\Σ}}}{X}_{i,L}(L=\mathrm{1,2},\·\·\·\·\·\·N)$     四

对所述二维数据矩阵X_M·N的每一列数据进行算术平均，

然后再根据公式五：

${\mathrm{\β}}_2=N/\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\frac{1}{{\stackrel{\‾}{y}}_j}$     五

对N个算术平均值进行调和平均，获得所述调和平均值β₂。

本发明实施例提供的一种获得地层各向异性系数的方法及装置，应用于油气田勘探开发领域，根据各向异性地层的电阻率在不同方向上会表现出数值差异的原理，利用微电阻率扫描成像测井提供的不同方位电阻率信息，获取环井周不同方位的最大和最小电阻率数值及其方位，据此分析各向异性强弱。该方法实际测井数据处理过程简单，不需要人为输入参数，并且测量结果更为可靠。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，并不构成对本发明的限定。在附图中：

图1为本发明实施例中的一种获得地层各向异性系数的方法流程图；

图2为本发明实施例中的一种获得地层各向异性系数的装置示意图；

图3为本发明实施例中获得的块状砂岩各向异性与偶极声波测井获得的各向异性对比示意图；

图4为本发明实施例中获得的煤层段各向异性与偶极声波测井获得的各向异性对比示意图；

图5为本发明实施例中获得的页岩裂缝段各向异性与偶极声波测井获得的各向异性对比示意图；

图6为本发明实施例中获得的井壁崩落井段各向异性与偶极声波测井获得的各向异性对比示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例作进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。

本发明实施例提供一种获得地层各向异性系数的方法，所述方法包括：

步骤101，获得多个方向地层的微电阻率扫描成像测井原始数据中的静态图像数据，所述静态图像数据为采样点数据的集合；较佳的，本发明实施例中采用斯仑贝谢(Schlumberger)公司的微电阻率扫描成像FMI(Formation MicroScanner Image)测井仪得到整个测量井段中多个方向地层的微电阻率扫描成像测井原始数据，通过处理后得到由采样点数据的集合组成的静态图像数据，该处理可通过现有技术中广泛应用的GeoFrame或Geolog软件平台进行，其中包括深度偏移和磁偏角校正、坏极板校正、加速度校正、均一化校正、电压校正和图像增强处理等，最终得到静态图像数据，由于该处理属于现有技术，因此不再赘述。

步骤102，对所述采样点数据的集合进行中值滤波，得到采样点数据矩阵；较佳的，将所述采样点数据的集合中任意一个数据点与其邻域中的各数据点组成方阵，并对所述方阵进行中值滤波处理。通过中值滤波处理这一算法，可以有效剔除图像噪音，使得到的数据更加精准。

步骤103，获得若干个二维数据矩阵X_M·N，其中M表示行数，N表示列数；每个所述二维数据矩阵X_M·N为对应地层的任意一个方向所对应的采样点数据矩阵，或者为使用的微电阻率扫描成像测井仪中一个极板所得到的采样点数据矩阵；由于经过中值滤波得到的采样点数据矩阵为整个测量井段中多个方向地层的微电阻率，因此，此处将每个方向所对应的采样点数据矩阵分别表示成该方向的二维数据矩阵X_M·N，用于后续的计算从而得到各个方向的均值电阻率。

步骤104，对每个所述二维数据矩阵X_M·N中的每一行数据依次进行算数平均以及调和平均后得到调和平均值β₁，以及对每个所述二维数据矩阵X_M·N的每一列数据依次进行算数平均以及调和平均后得到调和平均值β₂；

步骤105，根据公式一：    一对所述调和平均值β₁以及β₂进行几何平均，得到所述二维数据矩阵的均值电阻率ε；

步骤106，将获得的每个所述二维数据矩阵的均值电阻率中的最大均值电阻率值ε_max和最小均值电阻率值ε_min比较后，得到均值电阻率的比值，所述比值为对应深度的地层各向异性系数。

通过本发明实施例提供的一种获得地层各向异性系数的方法，无需采用复杂原理的交叉偶极子声波测井分析，只需通过各向异性地层的电阻率在不同方向上会表现出数值差异的原理，利用微电阻率扫描成像测井提供的不同方位电阻率信息，获取环井周不同方位的最大和最小电阻率数值及其方位，据此分析各向异性强弱后用于油气田勘探开发领域的各种预测开发工作。该方法实际测井数据处理过程简单，不需要人为输入参数，且可运用于各种复杂的地形中，得到的结果更为可靠。

本发明实施例提供的一种获得地层各向异性系数的方法中，较佳的，所述对所述采样点数据的集合进行中值滤波前包括：划分处理窗长，分别对每个窗长内的所述采样点数据的集合进行中值滤波。由于静态图像数据是整个测量井段中多个方向地层的微电阻率扫描成像测井原始数据，其信息量相对庞大，因此将其按照固定长度的窗长划分后，分别对每个窗长内的所述采样点数据的集合进行后续的处理，不仅能够减少一次处理数据的信息量，同时得到的数据更加准确。

根据权利要求1所述的获得地层各向异性系数的方法，其特征在于，所述对每个二维数据矩阵X_M·N中的每一行数据依次进行算数平均以及调和平均后得到调和平均值β₁，以及对每个所述二维数据矩阵X_M·N的每一列数据依次进行算数平均以及调和平均后得到调和平均值β₂具体包括：

根据公式二：

${\stackrel{\‾}{x}}_K=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{X}_{K,i}(K=\mathrm{1,2},\·\·\·\·\·\·M)$     二

对所述二维数据矩阵X_M·N的每一行数据进行算术平均，

然后再根据公式三：

${\mathrm{\β}}_1=M/\underset{j=1}{\overset{M}{\mathrm{\Σ}}}\frac{1}{{\stackrel{\‾}{x}}_j}$     三

对M个算术平均值进行调和平均，获得所述调和平均值β₁；

以及根据公式四：

${\stackrel{\‾}{y}}_L=\frac{1}{M}\underset{i=1}{\overset{M}{\mathrm{\Σ}}}{X}_{i,L}(L=\mathrm{1,2},\·\·\·\·\·\·N)$     四

对所述二维数据矩阵X_M·N的每一列数据进行算术平均，

然后再根据公式五：

${\mathrm{\β}}_2=N/\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\frac{1}{{\stackrel{\‾}{y}}_j}$     五

对N个算术平均值进行调和平均，获得所述调和平均值β₂。

本发明实施例还提供一种获得地层各向异性系数的装置，所述装置包括：

数据获取单元201，用于获得多个方向地层的微电阻率扫描成像测井原始数据中的静态图像数据，所述静态图像数据为采样点数据的集合；较佳的，可通过深度偏移和磁偏角校正、坏极板校正、加速度校正、均一化校正、电压校正和图像增强等处理，得到静态图像数据。

滤波单元202，对所述采样点数据的集合进行中值滤波，得到采样点数据矩阵；通过中值滤波处理这一算法，可以有效剔除图像噪音，使得到的数据更加精准。

矩阵生成单元203，用于获得若干个二维数据矩阵X_M·N，其中M表示行数，N表示列数；个所述二维数据矩阵X_M·N为对应地层的任意一个方向所对应的采样点数据矩阵，或者为使用的微电阻率扫描成像测井仪中一个极板所得到的采样点数据矩阵；由于经过中值滤波得到的采样点数据矩阵为整个测量井段中多个方向地层的微电阻率，因此，此处将每个方向所对应的采样点数据矩阵表示成该方向的二维数据矩阵X_M·N，用于后续的计算从而得到各个方向的均值电阻率。

计算单元204，用于对每个所述二维数据矩阵X_M·N中的每一行数据依次进行算数平均以及调和平均后得到调和平均值β₁，以及对每个所述二维数据矩阵X_M·N的每一列数据依次进行算数平均以及调和平均后得到调和平均值β₂；

处理单元205，用于根据公式：对所述调和平均值β₁以及β₂进行几何平均得到所述二维数据矩阵的均值电阻率ε；

比较单元206，用于将获得的每个所述二维数据矩阵的均值电阻率中的最大均值电阻率值ε_max和最小均值电阻率值ε_min比较后，得到均值电阻率的比值，所述比值为对应深度的地层各向异性系数。

本发明实施例提供的一种获得地层各向异性系数的装置，较佳的，还包括：设定单元207，用于划分处理窗长，并通知所述滤波单元分别对每个窗长内的所述采样点数据的集合进行中值滤波。由于静态图像数据是整个测量井段中多个方向地层的微电阻率扫描成像测井原始数据，其信息量相对庞大，因此将其按照固定长度的窗长划分后，分别对每个窗长内的所述采样点数据的集合进行后续的处理，不仅能够减少一次处理数据的信息量，同时得到的数据更加准确。

本发明实施例提供的一种获得地层各向异性系数的装置，较佳的，所述滤波单元具体用于，将所述采样点数据的集合中的任意一个数据点与其邻域中的各数据点组成方阵，并对所述方阵进行中值滤波处理。通过中值滤波处理，能有效抑制噪声的非线性信号，使得到的数据更加精准。

本发明实施例提供的一种获得地层各向异性系数的装置，较佳的，所述计算单元具体根据公式二：

${\stackrel{\‾}{x}}_K=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{X}_{K,i}(K=\mathrm{1,2},\·\·\·\·\·\·M)$     二

对所述二维数据矩阵X_M·N的每一行数据进行算术平均，

然后再根据公式三：

${\mathrm{\β}}_1=M/\underset{j=1}{\overset{M}{\mathrm{\Σ}}}\frac{1}{{\stackrel{\‾}{x}}_j}$     三

对M个算术平均值进行调和平均，获得所述调和平均值β₁；

以及根据公式四：

${\stackrel{\‾}{y}}_L=\frac{1}{M}\underset{i=1}{\overset{M}{\mathrm{\Σ}}}{X}_{i,L}(L=\mathrm{1,2},\·\·\·\·\·\·N)$     四

对所述二维数据矩阵X_M·N的每一列数据进行算术平均，

然后再根据公式五：

${\mathrm{\β}}_2=N/\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\frac{1}{{\stackrel{\‾}{y}}_j}$     五

对N个算术平均值进行调和平均，获得所述调和平均值β₂。

本发明实施例的一种获得地层各向异性系数的装置，其利用微电阻率扫描成像测井提供的不同方位电阻率信息，获取环井周不同方位的最大和最小电阻率数值及其方位，据此分析各向异性强弱后用于油气田勘探开发领域的各种预测等工作。该方法实际测井数据处理过程简单，不需要人为输入参数，且可运用于各种复杂的地形中，得到的结果更为可靠。

下面对本发明的有益效果进行进一步的描述：

为了说明利用本发明方法及装置所获得的地层各向异性系数的准确度，在此选择4种不同的地形的井进行对比试验，试验结果请参照图3、4、5、6。个图中曲线CAL、SP、GR分别是常规测井系列中的井眼直径、自然电位和自然伽玛曲线；CNL、DEN、AC分别是地层中子测井、密度测井和纵波时差测井曲线；上述曲线在此不作为本发明实施例所提供的试验的主要对比数据，因此不再详细描述。

试验中利用本发明方法设定50个采样点为一个固定的窗长(每个采样点间隔0.00254米)，每个采样点8个极板，每个极板24个微电扣，共可采集到50行×192列的数据的集合作为静态图像数据。

图3中，对采集得到的静态图像数据根据本发明上述实施例所述的方法进行相应处理，得到各向异性系数曲线ANISOX(图3第五道)。

同时利用Schlumberger公司的阵列声波处理软件可以提取基于偶极声波的各向异性系数曲线TIMANI(图3第五道)以及快、慢横波速度曲线FDTSM和SDTSM(图3第六道)进行对比。

本试验中，ANISOX与TIMANI曲线基本重叠，快、慢横波速度曲线也重合，反映该井段地层为弱各向异性。对比结果表明：利用本发明实施例提供的方法所得到的各向异性结果与偶极声波测井完全一致。

再请参照图4。图4是利用本发明方法对某井的煤层发育段计算的各向异性与偶极声波测井处理结果对比。利用本发明方法计算的各向异性系数曲线ANISOX与偶极声波测井计算的各向异性系数曲线MAXENE(能量各向异性)见图4第五道。其他曲线同图3。图4中各种测井信息均显示该井2439～2445米发育煤层。煤层中通常存在有两组近于垂直的割理，并且其组份在不同方向(纵向和横向)也有差异。这些因素都使得煤层具有较强烈的各向异性。

图4所示实例表明，利用本发明方法计算的各向异性系数及偶极声波测井计算的系数结果在煤层段均显示明显高值，而在上下砂岩段则为低值、弱各向异性。第六道快、慢横波速度在煤层段也存在明显偏差。这说明本发明方法计算的各向异性指数能够准确反映煤层等强各向异性地层的特征，并且分辨率要明显高于传统的声波测井方法。

图5中与上述试验类似，利用本发明对某井井页岩裂缝段进行处理。

图5中各道曲线内容与图4类似，第七道给出了实际岩心的照片，显示页岩中裂缝发育。

利用本发明方法计算的各向异性系数曲线ANISOX(图5第五道)与声波扫描测井提供的各向异性系数曲线SLOANI(图5第五道)一致显示在页岩裂缝发育段具有较强烈的各向异性，快、慢横波速度分离。

再参照图6。图6中各道曲线内容同前几例，第七道为微电阻率扫描图像的三维图。所示实例的某井来自中国西部某盆地山前冲断带前缘，不均衡应力导致该地区地层强烈变形、具有很强的各向异性。利用本发明方法计算的ANISOX各向异性系数曲线与偶极声波测井得到的系数曲线一致揭示本段地层强烈各向异性，二者变化趋势基本一致，快、慢横波时差曲线也有明显分离，图像显示井壁有明显的崩落，这正是不均衡强挤压应力的反映。本例再次验证了本发明方法分析强各向异性地层的适用性。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种获得地层各向异性系数的方法，其特征在于，所述方法包括：

获得多个方向地层的微电阻率扫描成像测井原始数据中的静态图像数据，所述静态图像数据为采样点数据的集合；

对所述采样点数据的集合进行中值滤波，得到采样点数据矩阵；

获得若干个二维数据矩阵X_M·N，其中M表示行数，N表示列数；每个所述二维数据矩阵X_M·N为一个方向所对应的所述采样点数据矩阵；

对每个所述二维数据矩阵X_M·N中的每一行数据依次进行算数平均以及调和平均后得到调和平均值β₁，以及对每个所述二维数据矩阵X_M·N的每一列数据依次进行算数平均以及调和平均后得到调和平均值β₂；

根据公式一： $\mathrm{\ϵ}=\sqrt{{\mathrm{\β}}_1\×{\mathrm{\β}}_2}$                            一

对所述调和平均值β₁以及β₂进行几何平均，得到所述二维数据矩阵的均值电阻率ε；

将获得的每个所述二维数据矩阵的均值电阻率中的最大均值电阻率值ε_max和最小均值电阻率值ε_min比较后，得到均值电阻率的比值，所述比值为对应深度的地层各向异性系数。

2.根据权利要求1所述的获得地层各向异性系数的方法，其特征在于，所述对所述采样点数据的集合进行中值滤波前包括：

划分处理窗长，分别对每个窗长内的所述采样点数据的集合进行中值滤波。

3.根据权利要求1所述的获得地层各向异性系数的方法，其特征在于，所述对采样点数据的集合进行中值滤波进一步包括：

将所述采样点数据的集合中任意一个数据点与其邻域中的各数据点组成方阵，并对所述方阵进行中值滤波处理。

4.根据权利要求1所述的获得地层各向异性系数的方法，其特征在于，所述对每个所述二维数据矩阵X_M·N中的每一行数据依次进行算数平均以及调和平均后得到调和平均值β₁，以及对每个所述二维数据矩阵X_M·N的每一列数据依次进行算数平均以及调和平均后得到调和平均值β₂具体包括：

根据公式二：

${\stackrel{\‾}{x}}_K=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{X}_{K,i}(K=\mathrm{1,2},\·\·\·\·\·\·M)$                                二

对所述二维数据矩阵X_M·N的每一行数据进行算术平均，

然后再根据公式三：

${\mathrm{\β}}_1=M/\underset{j=1}{\overset{M}{\mathrm{\Σ}}}\frac{1}{{\stackrel{\‾}{x}}_j}$                               三

对M个算术平均值进行调和平均，获得所述调和平均值β₁；

以及根据公式四：

${\stackrel{\‾}{y}}_L=\frac{1}{M}\underset{i=1}{\overset{M}{\mathrm{\Σ}}}{X}_{i,L}(L=\mathrm{1,2},\·\·\·\·\·\·N)$                              四

对所述二维数据矩阵X_M·N的每一列数据进行算术平均，

然后再根据公式五：

${\mathrm{\β}}_2=N/\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\frac{1}{{\stackrel{\‾}{y}}_j}$                                五

对N个算术平均值进行调和平均，获得所述调和平均值β₂。

5.一种获得地层各向异性系数的装置，其特征在于，所述装置包括：

数据获取单元，用于获得多个方向地层的微电阻率扫描成像测井原始数据中的静态图像数据，所述静态图像数据为采样点数据的集合；

滤波单元，对所述采样点数据的集合进行中值滤波，得到采样点数据矩阵；

矩阵生成单元，用于获得若干个二维数据矩阵X_M·N，其中M表示行数，N表示列数；每个所述二维数据矩阵X_M·N为一个方向所对应的所述采样点数据矩阵；

计算单元，用于对每个所述二维数据矩阵X_M·N中的每一行数据依次进行算数平均以及调和平均后得到调和平均值β₁，以及对每个所述二维数据矩阵X_M·N的每一列数据依次进行算数平均以及调和平均后得到调和平均值β₂；

处理单元，用于根据公式一：

$\mathrm{\ϵ}=\sqrt{{\mathrm{\β}}_1\×{\mathrm{\β}}_2}$                             一

对所述调和平均值β₁以及β₂进行几何平均，得到所述二维数据矩阵的均值电阻率ε；

比较单元，用于将获得的每个所述二维数据矩阵的均值电阻率中的最大均值电阻率值ε_max和最小均值电阻率值ε_min比较后，得到均值电阻率的比值，所述比值为对应深度的地层各向异性系数。

6.根据权利要求5所述的获得地层各向异性系数的装置，其特征在于，所述装置还包括：

设定单元，用于划分处理窗长，并通知所述滤波单元分别对每个窗长内的所述采样点数据的集合进行中值滤波。

7.根据权利要求5所述的获得地层各向异性系数的装置，其特征在于，所述滤波单元具体用于，将所述采样点数据的集合中任意一个数据点与其邻域中的各数据点组成方阵，并对所述方阵进行中值滤波处理。

8.根据权利要求5所述的获得地层各向异性系数的装置，其特征在于，所述计算单元具体根据公式二：

${\stackrel{\‾}{x}}_K=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{X}_{K,i}(K=\mathrm{1,2},\·\·\·\·\·\·M)$                           二

对所述二维数据矩阵X_M·N的每一行数据进行算术平均，

然后再根据公式三：

${\mathrm{\β}}_1=M/\underset{j=1}{\overset{M}{\mathrm{\Σ}}}\frac{1}{{\stackrel{\‾}{x}}_j}$                            三

对M个算术平均值进行调和平均，获得所述调和平均值β₁；

以及根据公式四：

${\stackrel{\‾}{y}}_L=\frac{1}{M}\underset{i=1}{\overset{M}{\mathrm{\Σ}}}{X}_{i,L}(L=\mathrm{1,2},\·\·\·\·\·\·N)$                             四

对所述二维数据矩阵X_M·N的每一列数据进行算术平均，

然后再根据公式五：

${\mathrm{\β}}_2=N/\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\frac{1}{{\stackrel{\‾}{y}}_j}$                               五

对N个算术平均值进行调和平均，获得所述调和平均值β₂。