CN103412330B - 一种地震属性数据处理方法及装置 - Google Patents

Abstract

本申请提供了一种地震属性数据处理方法及装置，方法包括：通过每个CMP道集叠前地震数据确定单道地震数据的梯度和截距数据；利用Hilbert变换将单道地震数据的梯度和截距数据变换到复数域，得到单道地震数据的原始复数域梯度和截距数据；对原始复数域梯度和截距数据进行校正处理，得到校正的复数域梯度和截距数据。本申请提供的地震属性数据处理方法及装置，应用设定区域内的已知信息如测井信息进行趋势约束，结合该趋势约束对基于单道地震数据获取的原始复数域梯度和截距数据进行处理，得到校正的复数域梯度和截距。通过校正的复数域梯度和截距绘制的交会图，能够提高AVO交会图分析的准确性，并且，能够将异常数据与背景趋势数据有效分离。

Description

一种地震属性数据处理方法及装置

技术领域

本发明涉及数据处理技术领域，尤其涉及一种地震属性数据处理方法及装置。

背景技术

振幅随偏移距的变化(AmplitudeVersusOffset，AVO)技术是对反射波振幅随炮检距的变化关系进行研究，以此检测油气储层的一项技术，作为地震勘探的一部分，AVO技术同样是以弹性波理论为基础的。与传统的地震勘探理论不同的是，AVO技术研究的是地震反射振幅随炮检距变化的规律以及与地震岩性的关系。

AVO属性分析是叠前地震属性分析技术的一种常见方法，不同介质情况下，地震波穿过地层时，地震波振幅随着偏移距的变化规律不同，通过分析这一规律可以分析储层的岩性信息。在AVO属性分析中，交会图法在实际应用中使用广泛，并且效果明显，而制作截距和梯度的交会图是常用的方法之一。

现有技术中，在进行AVO属性分析时，通常直接应用梯度和截距属性做交会图。发明人在实现本发明创造的过程中发现：由于AVO技术本身对数据体比较敏感，因此，直接应用梯度和截距属性做交会图会使AVO交会图分析产生误差，并且直接应用梯度和截距属性做交会图，往往无法将异常与背景趋势有效分离。

发明内容

有鉴于此，本发明提供了一种地震属性数据处理方法及装置，用以解决现有技术中直接应用梯度和截距属性做交会图会使AVO交会图分析产生误差，并且，直接应用梯度和截距属性做交会图，往往无法将异常与背景趋势有效分离的问题，其技术方案如下：

一方面，一种地震属性数据处理方法，包括：

通过每个CMP道集叠前地震数据确定单道地震数据的梯度和截距数据；

利用Hilbert变换将所述单道地震数据的梯度和截距数据变换到复数域，得到所述单道地震数据的原始复数域梯度和截距数据；

通过下式对所述单道地震数据的原始复数域梯度和截距数据进行校正处理，得到校正的复数域梯度和截距数据：

$\left\{\begin{array}{c}{A}^{\′}={\mathrm{\σ}}_a^d{A}_p/{\mathrm{\σ}}_a\\ B^{\′}={\mathrm{\σ}}_b^d(\frac{B_p}{{\mathrm{\σ}}_b}-r^{*}\frac{A_p}{{\mathrm{\σ}}_a})\sqrt{\frac{1-{\left|r_d\right|}^2}{1-{\left|r\right|}^2}}+\frac{{\mathrm{\σ}}_b^d}{{\mathrm{\σ}}_a}{r}_d^{*}{A}_p\end{array}\right.$

其中，A_p和B_p分别为原始复数域梯度和截距，A′、B′分别为校正后的复数域梯度和截距，σ_a和σ_b分别为原始复数域梯度和截距的L_p范数，分别为期望的梯度均方根和截距均方根，r为原始复数域梯度和截距的校正参数，rd为期望的梯度和截距校正参数，A*表示对A进行共轭运算。

其中，通过三维滑动时窗计算方法对所述原始复数域数据的梯度和截距数据进行计算，得到校正的复数域梯度和截距数据。

其中，确定所述期望的梯度和截距校正参数r_d的过程包括：

获取设定区域内多口井的测井数据；

通过所述多口井的测井数据获取趋势数据，并通过所述趋势数据绘制趋势曲线；

通过所述趋势曲线确定所述期望的梯度和截距校正参数r_d。

其中，确定所述期望的梯度和截距校正参数r_d的过程包括：

获取设定区域内多口井的测井数据；

对所述多口井的测井数据进行低通滤波，通过滤波后的测井数据获取趋势数据；

通过所述趋势数据绘制趋势曲线；

通过所述趋势曲线计算所述期望的梯度和截距校正参数r_d。

其中，所述原始复数域梯度和截距的校正参数r通过下式计算：

$r=\frac{{\mathrm{\σ}}_{+}-{\mathrm{\σ}}_{-}}{{\mathrm{\σ}}_{+}+{\mathrm{\σ}}_{-}}+i\frac{{\mathrm{\μ}}_{+}-{\mathrm{\μ}}_{-}}{{\mathrm{\μ}}_{+}+{\mathrm{\μ}}_{-}}$

$\mathrm{\σ}\±={\left[\frac{1}{N}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{|\frac{A_j}{{\mathrm{\σ}}_a}\±\frac{B_j}{{\mathrm{\σ}}_b}|}^p\right]}^{1/p}$

$\mathrm{\μ}\±={\left[\frac{1}{N}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{|\frac{A_j}{{\mathrm{\σ}}_a}\±i\frac{B_j}{{\mathrm{\σ}}_b}|}^p\right]}^{1/p}$

其中，X表示原始复数域截距或复梯度，N为数据点数，Γ是gamma函数，Γ(n)=(n-1)!，p为自然数，σ,μ分别为椭圆长轴和短轴的长度。

另一方面，一种地震属性数据处理装置，包括：

确定单元，用于通过每个CMP道集叠前地震数据确定单道地震数据的梯度和截距数据；

变换单元，用于利用Hilbert变换将所述单道地震数据的梯度和截距数据变换到复数域，得到所述单道地震数据的原始复数域梯度和截距数据；

校正单元，用于通过下式对所述单道地震数据的原始复数域梯度和截距数据进行校正处理，得到校正的复数域梯度和截距数据：

$\left\{\begin{array}{c}{A}^{\′}={\mathrm{\σ}}_a^d{A}_p/{\mathrm{\σ}}_a\\ B^{\′}={\mathrm{\σ}}_b^d(\frac{B_p}{{\mathrm{\σ}}_b}-r^{*}\frac{A_p}{{\mathrm{\σ}}_a})\sqrt{\frac{1-{\left|r_d\right|}^2}{1-{\left|r\right|}^2}}+\frac{{\mathrm{\σ}}_b^d}{{\mathrm{\σ}}_a}{r}_d^{*}{A}_p\end{array}\right.$

其中，A_p和B_p分别为原始复数域梯度和截距，A′、B′分别为校正后的复数域梯度和截距，σ_a和σ_b分别为原始复数域梯度和截距的L_p范数，分别为期望的梯度均方根和截距均方根，r为原始复数域梯度和截距的校正参数，rd为期望的梯度和截距校正参数，A*表示对A进行共轭运算。

其中，所述校正单元包括：

计算子单元，用于通过三维滑动时窗计算方法计算所述原始复数域梯度和截距数据，得到校正的复数域梯度和截距数据。

其中，所述校正单元包括：

第一获取子单元，用于获取设定区域内多口井的测井数据；

第一绘制子单元，用于通过所述多口井的测井数据通过所述多口井的测井数据获取趋势数据，并通过趋势数据绘制趋势曲线；

第一确定子单元，用于通过所述趋势曲线确定所述期望的梯度和截距校正参数r_d。

其中，所述校正单元包括：

第二获取子单元，用于获取设定区域内多口井的测井数据；

滤波子单元，用于对所述多口井的测井数据进行低通滤波，通过滤波后的测井数据获取趋势数据；

第二绘制子单元，用于通过所述趋势数据绘制趋势曲线；

第二确定子单元，用于通过所述趋势曲线计算所述期望的梯度和截距校正参数r_d。

上述技术方案具有如下有益效果：

本发明实施例提供的地震属性数据处理方法及装置，应用设定区域内的已知信息(尤其是测井信息)进行趋势约束，结合该趋势约束对基于单道地震数据获取的原始复数域梯度和截距数据进行处理，得到校正的复数域梯度和截距数据。通过校正的复数域梯度和截距数据绘制的交会图，提高了AVO交会图分析的准确性，并且，能够将异常数据与背景趋势数据有效分离。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例提供的地震属性数据处理方法的流程示意图；

图2为本发明实施例提供的确定期望的梯度和截距校正参数的一流程示意图；

图3为本发明实施例提供的确定期望的梯度和截距校正参数的另一流程示意图；

图4为本发明实施例提供的地震属性数据处理装置的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，为本发明实施例提供的一种地震属性数据处理方法的流程示意图，该方法可以包括：

步骤S101：通过每个共中心点CMP(CommonMiddlePoint)道集叠前地震数据确定单道地震数据的梯度和截距数据。

步骤S102：利用Hilbert变换将单道地震数据的梯度和截距数据变换到复数域，得到单道地震数据的原始复数域梯度和截距数据。

现有技术中，在将地震数据变换到复数域时，通常采用短时窗计算方法，即将时窗内的数据变换到复数域，而本发明实施例是将整道地震数据变换到复数域，采用整道地震数据进行运算，样点个数充足，避免了因为短时窗计算样点不足，频率求取不准确的情况。另外，在短时窗计算方法中，滑动时窗的边界会在计算数据中有痕迹，而将整道地震数据变换到复数域消除了这种痕迹。

步骤S103：通过下式对单道地震数据的原始复数域梯度和截距数据进行校正处理，得到校正的复数域梯度和截距数据：

$\left\{\begin{array}{c}{A}^{\′}={\mathrm{\σ}}_a^d{A}_p/{\mathrm{\σ}}_a\\ B^{\′}={\mathrm{\σ}}_b^d(\frac{B_p}{{\mathrm{\σ}}_b}-r^{*}\frac{A_p}{{\mathrm{\σ}}_a})\sqrt{\frac{1-{\left|r_d\right|}^2}{1-{\left|r\right|}^2}}+\frac{{\mathrm{\σ}}_b^d}{{\mathrm{\σ}}_a}{r}_d^{*}{A}_p\end{array}\right.---\left(1\right)$

其中，A_p和B_p分别为原始复数域梯度和截距，A′、B′分别为校正后的复数域梯度和截距，σ_a和σ_b分别为原始复数域梯度和截距的L_p范数，分别为期望的梯度均方根和截距均方根，r为原始复数域梯度和截距的校正参数，rd为期望的梯度和截距校正参数，A*表示对A进行共轭运算。

地震数据为三维数据，可以理解为一个体数据，平面坐标为经纬度(距离单位：米)，纵向深度坐标为时间(单位：秒)或是深度(单位：米)，这样可以表示一个三维地震数据体。

通常情况下，复数域数据的梯度和截距采用单道纵向时窗计算方法，即固定一个地震道数据（即固定某一经纬度坐标），利用这一位置不同深度的数据值进行计算。这种计算方法在横向上不能很好的压制噪声，并且会受到地震数据采集的影响，这样在梯度截距数据进行横向比较时，就会受到数据采集或数据处理的影响。

在本实施例中，采用三维滑动时窗计算方法计算原始复数域数据的梯度和截距。在梯度和截距数据求取过程中，针对某一个地震道，选取与其空间位置相邻的多个地震道进行计算，计算后将计算得到的值赋给时窗某一位置(一般为中心位置)的数据点上，作为这一点的计算结果，然后滑动时窗进行下一个数据点的计算。采用三维滑动时窗可使计算的结果避免奇异值或采集能量不均的影响，并且减少噪声对计算结果的影响。

在本实施例中，原始复数域梯度和截距的L_p范数可通过下式计算：

${\mathrm{\σ}}_x={\left[\frac{{\mathrm{\Σ}}_j^N{\left|X_j\right|}^p}{\mathrm{N\Γ}(1+p/2)}\right]}^{1/p}---\left(2\right)$

其中，x为a或b，X表示复数域截距或复梯度，N为数据点数，Γ是gamma函数，Γ(n)=(n-1)!，p为自然数。

原始复数域梯度和截距的校正参数r通过下式计算：

$r=\frac{{\mathrm{\σ}}_{+}-{\mathrm{\σ}}_{-}}{{\mathrm{\σ}}_{+}+{\mathrm{\σ}}_{-}}+i\frac{{\mathrm{\μ}}_{+}-{\mathrm{\μ}}_{-}}{{\mathrm{\μ}}_{+}+{\mathrm{\μ}}_{-}}---\left(3\right)$

$\left\{\begin{array}{c}\mathrm{\σ}\±={\left[\frac{1}{N}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{|\frac{A_j}{{\mathrm{\σ}}_a}\±\frac{B_j}{{\mathrm{\σ}}_b}|}^p\right]}^{1/p}\\ \mathrm{\μ}\±={\left[\frac{1}{N}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{|\frac{A_j}{{\mathrm{\σ}}_a}\±i\frac{B_j}{{\mathrm{\σ}}_b}|}^p\right]}^{1/p}\end{array}\right.---\left(4\right)$

其中，σ,μ分别为椭圆长轴和短轴的长度。

期望的梯度和截距校正参数r_d通过测井数据得到，请参阅图2，为本实施例提供的确定期望的梯度和截距校正参数r_d的一流程示意图，可以包括：

步骤S201：获取设定区域内多口井的测井数据。

考虑到一口井的测井数据比较片面，通过一口井的测井数据求取的r_d无法准确、全面的描述设定区域的r_d，因此，本实施例获取设定区域内多口井的测井数据，通过多口井的测井数据的差值计算设定区域的r_d，测井数据的差值可采用kriging差值等方法进行计算。

步骤S202：通过多口井的测井数据获取趋势数据，并通过趋势数据绘制趋势曲线。

步骤S203：通过趋势曲线确定期望的梯度和截距校正参数r_d。

考虑到测井数据中的高频信息大部分表征的是井附近的局部信息，并不能代表区域内的信息，带入运算不能得到稳定解和准确解，因此，本实施例提供另一种确定期望的梯度和截距校正参数r_d方式，请参阅图3，为本实施例提供的确定期望的梯度和截距校正参数r_d另一流程示意图，可以包括：

步骤S301：获取设定区域内多口井的测井数据。

步骤S302：对多口井的测井数据进行低通滤波，通过滤波后的测井数据获取趋势数据。

步骤S303：通过趋势数据绘制趋势曲线。

步骤S304：通过趋势曲线计算期望的梯度和截距校正参数r_d。

本实施例中的趋势数据为三维数据体，将趋势数据应用到三维数据体，形成体数据，体数据中每个时间切片，空间方向（横向）上数据是变化的。

本发明实施例提供的地震属性数据处理方法，应用设定区域内的已知信息(尤其是测井信息)进行趋势约束，结合该趋势约束对基于单道地震数据获取的原始复数域梯度和截距数据进行处理，得到校正的复数域梯度和截距数据。通过校正的复数域梯度和截距数据绘制的交会图，能够提高AVO交会图分析的准确性，并且，能够将异常数据与背景趋势数据有效分离。

与上述方法相对应，本发明实施例还提供了一种地震属性数据处理装置，图4示出了该装置的结果示意图，该装置可以包括：确定单元101、变换单元102和校正单元103。其中：

确定单元101，用于通过每个CMP道集叠前地震数据确定单道地震数据的梯度和截距数据。

变换单元102，用于利用Hilbert变换将单道地震道数据的梯度和截距数据变换到复数域，得到单道地震数据的原始复数域梯度和截距数据。

校正单元103，用于通过下式对单道地震数据的原始复数域梯度和截距数据进行校正处理，得到校正的复数域梯度和截距数据：

$\left\{\begin{array}{c}{A}^{\′}={\mathrm{\σ}}_a^d{A}_p/{\mathrm{\σ}}_a\\ B^{\′}={\mathrm{\σ}}_b^d(\frac{B_p}{{\mathrm{\σ}}_b}-r^{*}\frac{A_p}{{\mathrm{\σ}}_a})\sqrt{\frac{1-{\left|r_d\right|}^2}{1-{\left|r\right|}^2}}+\frac{{\mathrm{\σ}}_b^d}{{\mathrm{\σ}}_a}{r}_d^{*}{A}_p\end{array}\right.$

其中，A_p和B_p分别为原始复数域梯度和截距，A′、B′分别为校正后的复数域梯度和截距，σ_a和σ_b分别为原始复数域梯度和截距的L_p范数，分别为期望的梯度均方根和截距均方根，r为原始复数域梯度和截距的校正参数，rd为期望的梯度和截距校正参数，A*表示对A进行共轭运算。

上式中的原始复数域梯度和截距的L_p范数可通过下式计算：

${\mathrm{\σ}}_x={\left[\frac{{\mathrm{\Σ}}_j^N{\left|X_j\right|}^p}{\mathrm{N\Γ}(1+p/2)}\right]}^{1/p}$

其中，x为a或b，X表示复数域截距或复梯度，N为数据点数，Γ是gamma函数，Γ(n)=(n-1)!，p为自然数。

上式中的原始复数域梯度和截距的校正参数r通过下式计算：

$r=\frac{{\mathrm{\σ}}_{+}-{\mathrm{\σ}}_{-}}{{\mathrm{\σ}}_{+}+{\mathrm{\σ}}_{-}}+i\frac{{\mathrm{\μ}}_{+}-{\mathrm{\μ}}_{-}}{{\mathrm{\μ}}_{+}+{\mathrm{\μ}}_{-}}$

$\left\{\begin{array}{c}\mathrm{\σ}\±={\left[\frac{1}{N}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{|\frac{A_j}{{\mathrm{\σ}}_a}\±\frac{B_j}{{\mathrm{\σ}}_b}|}^p\right]}^{1/p}\\ \mathrm{\μ}\±={\left[\frac{1}{N}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{|\frac{A_j}{{\mathrm{\σ}}_a}\±i\frac{B_j}{{\mathrm{\σ}}_b}|}^p\right]}^{1/p}\end{array}\right.$

其中，σ,μ分别为椭圆长轴和短轴的长度。

进一步的，校正单元103包括：计算子单元。计算子单元，用于通过三维滑动时窗计算方法计算原始复数域梯度和截距数据，得到校正的复数域梯度和截距数据。

进一步的，校正单元103还可以包括：第一获取子单元、第一绘制子单元和第一确定子单元。其中，第一获取子单元，用于获取设定区域内多口井的测井数据；第一绘制子单元，用于通过多口井的测井数据获取趋势数据，并通过趋势数据绘制趋势曲线；第一确定子单元，用于通过趋势曲线确定期望的梯度和截距校正参数r_d。

在本发明的其它实施例中，校正单元104可以包括：第二获取子单元、滤波子单元、第二绘制子单元和第二确定子单元。其中：第二获取子单元，用于获取设定区域内多口井的测井数据；滤波子单元，用于对多口井的测井数据进行低通滤波，通过滤波后的测井数据获取趋势数据；第二绘制子单元，用于通过测井趋势数据绘制趋势曲线；第二确定子单元，用于通过趋势曲线计算期望的梯度和截距校正参数r_d。

本发明实施例提供的地震属性数据处理装置，应用设定区域内的已知信息(尤其是测井信息)进行趋势约束，结合该趋势约束对基于单道地震数据获取的原始复数域梯度和截距数据进行处理，得到校正的复数域梯度和截距数据。通过校正的复数域梯度和截距数据绘制的交会图，提高了AVO交会图分析的准确性，并且，能够将异常数据与背景趋势数据有效分离。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器（RAM）、内存、只读存储器（ROM）、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (4)

1.一种地震属性数据处理方法，其特征在于，包括：

通过每个共中心点CMP道集叠前地震数据确定单道地震数据的梯度和截距数据；

利用Hilbert变换将所述单道地震数据的梯度和截距数据变换到复数域，得到所述单道地震数据的原始复数域梯度和截距数据；

通过下式对所述单道地震数据的原始复数域梯度和截距数据进行校正处理，得到校正的复数域梯度和截距数据：

$\left\{\begin{array}{c}{A}^{\′}={\mathrm{\σ}}_a^d{A}_p/{\mathrm{\σ}}_a\\ B^{\′}={\mathrm{\σ}}_b^d\left(\frac{B_p}{{\mathrm{\σ}}_b}-r^{*}\frac{A_p}{{\mathrm{\σ}}_a}\right)\sqrt{\frac{1-|r_d{|}^2}{1-|r{|}^2}}+\frac{{\mathrm{\σ}}_b^d}{{\mathrm{\σ}}_a}{r}_d^{*}{A}_p\end{array}\right.$

其中，A_p和B_p分别为原始复数域梯度和截距，A'、B'分别为校正的复数域梯度和截距，σ_a和σ_b分别为原始复数域梯度和截距的L_p范数，分别为期望的梯度均方根和截距均方根，r为原始复数域梯度和截距的校正参数，rd为期望的梯度和截距校正参数，A*表示对A进行共轭运算；

确定所述期望的梯度和截距校正参数r_d的过程包括：

获取设定区域内多口井的测井数据；

通过所述多口井的测井数据获取趋势数据，并通过所述趋势数据绘制趋势曲线；

通过所述趋势曲线确定所述期望的梯度和截距校正参数r_d；

所述原始复数域梯度和截距的校正参数r通过下式计算：

$r=\frac{{\mathrm{\σ}}_{+}-{\mathrm{\σ}}_{-}}{{\mathrm{\σ}}_{+}+{\mathrm{\σ}}_{-}}+i\frac{{\mathrm{\μ}}_{+}-{\mathrm{\μ}}_{-}}{{\mathrm{\μ}}_{+}+{\mathrm{\μ}}_{-}}$

$\mathrm{\σ}\±={\[\frac{1}{N}\underset{j=1}{\overset{N}{\Σ}}|\frac{A_j}{{\mathrm{\σ}}_a}\±\frac{B_j}{{\mathrm{\σ}}_b}{|}^p\]}^{1/p}$

$\mathrm{\μ}\±={\[\frac{1}{N}\underset{j=1}{\overset{N}{\Σ}}|\frac{A_j}{{\mathrm{\σ}}_a}\±i\frac{B_j}{{\mathrm{\σ}}_b}{|}^p\]}^{1/p}$

其中，X为原始复数域截距或梯度，N为数据点数，Γ是gamma函数，Γ(n)＝(n-1)！，p为自然数，σ,μ分别为椭圆长轴和短轴的长度。

2.根据权利要求1所述的方法，其特征在于，通过三维滑动时窗计算方法对所述原始复数域梯度和截距数据进行计算，得到校正的复数域梯度和截距数据。

3.一种地震属性数据处理装置，其特征在于，包括：

确定单元，用于通过每个CMP道集叠前地震数据确定单道地震数据的梯度和截距数据；

与所述确定单元相连的变换单元，用于利用Hilbert变换将所述单道地震数据的梯度和截距数据变换到复数域，得到所述单道地震数据的原始复数域梯度和截距数据；

与所述变换单元相连的校正单元，用于通过下式对所述单道地震数据的原始复数域梯度和截距数据进行校正处理，得到校正的复数域梯度和截距数据：

$\left\{\begin{array}{c}{A}^{\′}={\mathrm{\σ}}_a^d{A}_p/{\mathrm{\σ}}_a\\ B^{\′}={\mathrm{\σ}}_b^d\left(\frac{B_p}{{\mathrm{\σ}}_b}-r^{*}\frac{A_p}{{\mathrm{\σ}}_a}\right)\sqrt{\frac{1-|r_d{|}^2}{1-|r{|}^2}}+\frac{{\mathrm{\σ}}_b^d}{{\mathrm{\σ}}_a}{r}_d^{*}{A}_p\end{array}\right.$

其中，A_p和B_p分别为原始复数域梯度和截距，A'、B'分别为校正的复数域梯度和截距，σ_a和σ_b分别为原始复数域梯度和截距的L_p范数，分别为期望的梯度均方根和截距均方根，r为原始复数域梯度和截距的校正参数，rd为期望的梯度和截距校正参数，A*表示对A进行共轭运算；

所述校正单元包括：

第一获取子单元，用于获取设定区域内多口井的测井数据；

与所述第一获取子单元相连的第一绘制子单元，用于通过所述多口井的测井数据获取趋势数据，并通过所述趋势数据绘制趋势曲线；

与所述第一绘制子单元相连的第一确定子单元，用于通过所述趋势曲线确定所述期望的梯度和截距校正参数r_d。

4.根据权利要求3所述的装置，其特征在于，所述校正单元包括：

计算子单元，用于通过三维滑动时窗计算方法计算所述原始复数域梯度和截距数据，得到校正的复数域梯度和截距数据。