CN103926617B - 一种缝洞储集体的检测方法和检测装置 - Google Patents

Abstract

本发明公开一种缝洞储集体的检测方法和检测装置，检测方法包括：选取待检测目标的多种有效属性；以已知储集体的数学期望值作为输出，结合有效属性的属性值的线性组合，针对各个有效属性建立超定方程，求取超定方程的最小二乘解作为有效属性的属性权重系数；根据属性权重系数从多种有效属性中选取多种优选属性；根据属性权重系数和优选属性，利用线性加权法实现优选属性的融合。本发明的检测方法和检测装置，解决了单一地震属性的信息参数检测复杂缝洞型储层时不精确的技术问题，取得了多属性信息检测复杂储集体时，能更加准确地预测储集体的有益效果。

Description

一种缝洞储集体的检测方法和检测装置

技术领域

本发明涉及地球物理技术领域，具体涉及一种缝洞储集体的检测方法和检测装置。

背景技术

塔河油田奥陶系缝洞型碳酸盐岩储层纵横向非均质性很强，储集空间的种类、规模及其相互组合和空间形态分布的差异较大，同时加上后期的构造深埋迭加改造，形成了不同程度不同规模的垮塌和充填，造成缝洞体空间几何形态的千差万别，难以准确表征。

近年来，随着塔河油田地震勘探数据采集方法和装备的改进、数据处理技术的提高和解释方法的发展，越来越多的地震属性新技术，例如振幅属性提取与优选分析、反射特征分析、本征值相干分析、蚂蚁体追踪处理、裂缝检测技术等，被引入到缝洞型储集体的识别与预测中来，并取得了一定的效果。由于不同类型地震属性所能刻画的地震异常不同，因而，其预测缝洞储层的类型和精度必然存在一定的差异。使用单一地震属性信息参数检测复杂缝洞型储层时往往存在片面性，使得缝洞型储层预测不够完善和精确。而使用不同地震属性信息参数时，其往往按各自的方法原理和特征变化进行解释，预测结果之间存在差异，造成解释人员对地质解释的不确定性。

发明内容

本发明提供一种缝洞储集体的检测方法和检测装置，以克服利用单一地震属性的信息参数检测复杂缝洞型储层时不精确的技术问题。

第一方面，本发明提供一种缝洞储集体的检测方法，包括：

选取待检测目标的多种有效属性；

以已知储集体的数学期望值作为输出，结合有效属性的属性值的线性组合，针对各个有效属性建立超定方程，求取超定方程的最小二乘解作为有效属性的属性权重系数；

根据属性权重系数从多种有效属性中选取多种优选属性；

根据属性权重系数和优选属性，利用线性加权法实现优选属性的融合。

进一步，有效属性包括以下至少两个：曲率、倾角、方位角、强振幅聚类、振幅变化率、不连续性、衰减梯度、曲波变换的多尺度检测、相干体的蚂蚁追踪算法运算结果。

进一步，以已知储集体的数学期望值作为输出，结合有效属性的属性值的线性组合，针对各个有效属性建立超定方程，求取超定方程的最小二乘解作为有效属性的属性权重系数的步骤具体包括：

在待检测目标的目标区域的以井点为中心的有效半径区域内，提取各个中心道的有效属性的属性值；

求取各个地震道在待检测目标位置处的各个纵向分层段边界内的属性值的平均数，作为有效属性的多道平均数；

以已知储集体的数学期望值作为输出，以多道平均数作为属性值的线性组合，根据以下公式（1）针对各个有效属性建立超定方程：

其中，A^TAx=A^Tb，b表示已知储集体的数学期望值，A表示多道平均数，x^*表示属性权重系数，表示理想权重系数值，y表示误差；

根据以下公式（2），计算求得最小二乘解作为有效属性的属性权重系数：

其中，b表示已知储集体的数学期望值；A表示多道平均数；x^*表示属性权重系数；表示理想权重系数值。

进一步，根据属性权重系数和优选属性，利用线性加权法实现优选属性的融合的步骤具体包括：

对中心道的每个边界的属性值进行归一化处理；

根据以下公式（3），计算实现优选属性的融合：

其中，W_i表示优选属性的属性权重系数，Attr_i表示归一化处理后的优选属性的属性值，N表示优选属性的个数；Attr_merge表示优选属性的融合的计算结果。

进一步，在根据属性权重系数从多种有效属性中选取多种优选属性之后，在根据属性权重系数和优选属性，利用线性加权法实现多种优选属性的融合之前，还包括：

剔除优选属性的属性值中的奇异值；

和/或，对优选属性的属性值进行无量纲化处理；

和/或，对优选属性的属性值进行数据标准化处理。

第二方面，本发明提供一种缝洞储集体的检测装置，包括：

属性权重系数计算模块，用于选取待检测目标的多种有效属性之后，以已知储集体的数学期望值作为输出，结合有效属性的属性值的线性组合，针对各个有效属性建立超定方程，求取超定方程的最小二乘解作为有效属性的属性权重系数；

选取模块，用于根据属性权重系数从多种有效属性中选取多种优选属性；

优选属性融合计算模块，用于根据属性权重系数和优选属性，利用线性加权法实现优选属性的融合。

进一步，有效属性包括以下至少两个：曲率、倾角、方位角、强振幅聚类、振幅变化率、不连续性、衰减梯度、曲波变换的多尺度检测、相干体的蚂蚁追踪算法运算结果。

进一步，属性权重系数计算模块包括：

属性值提取模块，用于在待检测目标的目标区域的以井点为中心的有效半径区域内，提取各个中心道的有效属性的属性值；

多道平均数计算模块，用于求取各个地震道在待检测目标位置处的各个纵向分层段边界内的属性值的平均数，作为有效属性的多道平均数；

超定方程计算模块，用于以已知储集体的数学期望值作为输出，以多道平均数作为属性值的线性组合，根据以下公式（1）针对各个有效属性建立超定方程：

其中，A^TAx=A^Tb，b表示已知储集体的数学期望值，A表示多道平均数，x^*表示属性权重系数，表示理想权重系数值，y表示误差；

最小二乘解计算模块，用于根据以下公式（2），计算求得最小二乘解作为有效属性的属性权重系数：

其中，b表示已知储集体的数学期望值；A表示多道平均数；x^*表示属性权重系数；表示理想权重系数值。

进一步，优选属性融合计算模块包括：

归一化处理模块，用于对中心道的每个边界的属性值进行归一化处理；

线性加权计算模块，用于根据以下公式（3），计算实现优选属性的融合：

其中，W_i表示优选属性的属性权重系数，Attr_i表示归一化处理后的优选属性的属性值，N表示优选属性的个数；Attr_merge表示优选属性的融合的计算结果。

进一步，本发明的检测装置还包括：

奇异值处理模块，用于剔除优选属性的属性值中的奇异值；

和/或，无量纲化处理模块，用于对优选属性的属性值进行无量纲化处理；

和/或，数据标准化处理模块，用于对优选属性的属性值进行数据标准化处理。

根据本发明的一种缝洞储集体的检测方法和检测装置，可以从多种有效属性中选取多种优选属性，并且融合多个优选属性进行分析检测，由此解决了单一地震属性的信息参数检测复杂缝洞型储层时不精确的技术问题，取得了多属性信息检测复杂储集体时，能更加准确地预测储集体的有益效果。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1为本发明实施例一的检测方法流程图；

图2为本发明实施例二的检测方法流程图；

图3为本发明实施例三的检测装置结构图；

图4为本发明实施例四的检测装置结构图。

具体实施方式

为充分了解本发明之目的、特征及功效，借由下述具体的实施方式，对本发明做详细说明,但本发明并不仅仅限于此。

图1为本发明实施例一的检测方法流程图，如图1所示，本发明第一个实施例提供一种缝洞储集体的检测方法，包括：

步骤S101、选取待检测目标的多种有效属性。

具体地，有效属性是指对待检测目标敏感且对检测有效的属性，包括以下至少一个：曲率、倾角、方位角、强振幅聚类、振幅变化率、不连续性、衰减梯度、曲波变换的多尺度检测、相干体的蚂蚁追踪算法运算结果。其中，曲率包括：平均曲率、最大正曲率和/或最小负曲率。衰减梯度指频谱衰减的变化率。待检测目标指在目标区准备检测的一些地质现象，在本发明实施例中，待检测目标包含已经被钻探井验证、或利用本发明的检测方法将进一步检测的地质目标。待检测目标具体包括洞穴型储层、洞室单元和/或裂缝型储层等储集体。步骤S101中，首先根据目标区已知缝洞体处的地震反射波及波形变化，通过地震波形数学变换方法分析提取在已知缝洞体处有明显强度的地震属性，将提取出的地震属性作为待检测目标的有效属性，然后从三维地震数据体中筛选出待检测目标的有效属性的属性值。例如，针对碳酸盐岩缝洞储层，选取的有效属性包括：平均曲率、最大正曲率、最小负曲率、倾角、方位角、强振幅聚类、振幅变化率、不连续性、衰减梯度等，以上所列的有效属性对于碳酸盐岩缝洞储层的探测更为敏感。对于其他类型的目标区缝洞体，可以采用其他更敏感的有效属性。例如，反射结构分析、阻抗、衰减、不连续性属性对洞穴型储层较为敏感，因此选取上述属性作为洞穴型储层的有效属性；阻抗、衰减、衰减、不连续性和振幅变化率属性对洞室单元体比较敏感，因此选取上述属性作为洞室单元体的有效属性；不连续性、曲率、倾角、方位角等属性对裂缝型储层较为敏感，因此选取上述属性作为裂缝型储层的有效属性。通过本步骤，当待检测目标的类型确定时，选取对该类型敏感的有效属性，能够避免不必要的运算，降低运算成本。

步骤S102、以已知储集体的数学期望值作为输出，结合有效属性的属性值的线性组合，针对各个有效属性建立超定方程，求取超定方程的最小二乘解作为有效属性的属性权重系数。

具体地，每次从待检测目标的多种有效属性中选择一种有效属性，求取该种有效属性的权重系数，重复该步骤，直至获取待检测目标的全部有效属性的属性权重系数。

步骤S103、根据属性权重系数从多种有效属性中选取多种优选属性。

具体地，选择属性权重系数大于等于预设的权重阈值的有效属性作为优选属性，或者，按照属性权重系数从大到小的排列顺序从多种有效属性中选取优选属性。优选属性的属性权重系数大于其他未被选取为优选属性的有效属性的属性权重系数。

步骤S104、根据属性权重系数和优选属性，利用线性加权法实现多种优选属性的融合。

具体地，根据待检测目标的优选属性的属性值，以及优选属性的属性权重系数，进行线性加权计算，将线性加权的计算结果作为待检测目标的优选属性的融合结果。其中，优选属性的属性权重系数为步骤S102计算得出的属性权重系数。在将待检测目标的优选属性融合后，可根据需要选取一定的截取阈值，从地震数据中截取最有利的空间展布以进行油气相关的工作。例如，在发现概率比较大的新部位打钻探井；或在油气累计产量比较高的部位打高效生产井；或在一些低概率的地方探测油藏商业开发的最大边界；也可以将期望值设成油藏参数，构成井控下油藏参数模型进行油藏动态建模，指导开发方案的布署。

本发明实施例一的缝洞储集体的检测方法的原理如下：

不同尺度、不同形体、不同充填的缝洞储集体的非规则、非均质随机分布以及空间复杂组合，造就了多类型的地震响应特征，并派生出了基于待检测目标不同特征突出的多种地球物理描述手段。本发明的方法采用多属性综合分析，针对现有技术中单属性的片面性、多解性问题，本发明的方法利用地震资料提取的多种单一属性，用相应的、适合目标区地震地质条件的数学关系将它们组合起来，形成能全面反映储层特征及油气信息的综合属性。

这些参与数学运算的多种属性在单独用于储层及流体描述时也许没有明显的效果，但由于它们运算形成的综合信息却能够反映出目标区的岩石物理关系及油藏特征。多属性信息的优化组合实现降维的同时能导出更多派生的有效信息，通过综合各种特征场，减少预测的多解性，利用多信息共同或联合的优势来提高整个系统的有效性。

融合属性不但突出了大权重溶洞属性异常，而且体现了小权重缝洞属性异常特征，不仅能够刻画缝洞储集体整体轮廓，同时又反映了横向错断及边界限定的不连续性，以及表述储集体内幕非均匀递变的高频信息。通过井资料钻遇储层段的对比证实，融合属性较单一属性在储层预测的精度方面得到了明显提高，能够实现缝洞储集体三维空间形体描述及综合分析。

综上，本发明实施例一的一种缝洞储集体的检测方法，从多种有效属性中选取多种优选属性，并且融合多个优选属性进行分析检测，由此解决了单一地震属性的信息参数检测复杂缝洞型储层时不精确的技术问题，取得了多属性信息检测复杂储集体时，能更加准确地预测储集体的有益效果。

图2为本发明实施例二的检测方法流程图，如图2所示，本发明第二个实施例提供一种缝洞储集体的检测方法，包括：

步骤S201、选取待检测目标的多种有效属性；有效属性包括以下至少两个：曲率、倾角、方位角、强振幅聚类、振幅变化率、不连续性、衰减梯度、曲波变换的多尺度检测、相干体的蚂蚁追踪算法运算结果。

步骤S202、在待检测目标的目标区域的以井点为中心的有效半径区域内，提取各个中心道的有效属性的属性值。

具体地，目标区域指待检测目标所处的区域范围。以井点为中心，以预设的有效半径作为范围边界，提取出该范围边界内的各个中心道的有效属性的属性值，能够针对待检测目标获取对检测敏感的且必要的有效属性的属性值。

步骤S203、求取各个地震道在待检测目标位置处的各个纵向分层段边界内的属性值的平均数，作为有效属性的多道平均数。

具体地，对待检测目标在其位置处进行纵向分层段划分，对于每个纵向分层段，求取其边界范围内的各个地震道的有效属性的属性值的平均数。综合全部纵向分层段边界内的属性值的平均数，作为有效属性的多道平均数，使有效属性的属性值变为线性关系。通过计算并提取纵向分层段边界内的有效属性的多道平均数，可以提高缝洞储集体检测中的有效属性样本的稳定性。

步骤S204、以已知储集体的数学期望值作为输出，以多道平均数作为属性值的线性组合，根据以下公式（1）针对各个有效属性建立超定方程：

其中，A^TAx=A^Tb，b表示已知储集体的数学期望值，A表示多道平均数，x^*表示属性权重系数，表示理想权重系数值，y表示误差，A^T表示最小二乘解法中所需的A的转置矩阵，理想权重系数值为不同有效属性集合选取抽样过程中所求出的系数的平均值（即数学期望值），即有效属性集合选取迭代过程中误差y满足小于预设的一个值时，不再变化时取得优选的属性权重系数x^*，终止迭代并获得的输出值。

具体地，在钻探井已经获得缝洞体（包括溶洞、缝孔、裂缝）的不同区域或未获得缝洞体的不同区域，取发现储集体的数学期望值作为有效属性的属性值的线性组合的输出，建立公式（1）以求取属性权重系数。数学期望值可以为已知储集体的纵向分层段边界所限定的厚度范围内，各种地震属性的各个平均值或均方根值。数学期望值具体包括：发现储集体的概率、缝洞孔隙度、油气测试初产量或油气累计产量等。数学期望值可以根据预测地质目标进行关联赋值，例如，钻探井发现为缝洞体部位时数学期望值取100，钻探井发现不为缝洞体部位时数学期望值取0，或者，数学期望值为油气发现的产量归一化到100至0来取值，或者，数学期望值直接取缝洞总孔隙度平均值等。其中，数学期望值直接取缝洞总孔隙度平均值可以计算储集体的储量。技术人员可以根据需要及敏感度优选不同的属性，获得不同的预测目标，本发明在此不作限制。

步骤S205、根据以下公式（2），计算求得最小二乘解作为有效属性的属性权重系数：

其中，b表示已知储集体的数学期望值；A表示多道平均数；x^*表示属性权重系数；表示理想权重系数值。

通过公式（2）可以在误差在有效范围之内计算得到合适的属性权重系数。通过属性权重系数可以建立有效属性与目标预测参数的关联。目标预测参数即是指数学期望值。

步骤S206、根据属性权重系数从多种有效属性中选取多种优选属性。选取的优选属性的数量小于有效属性的数量，以减少运算量。

具体地，步骤S206包括以下步骤：

步骤S2061、选取属性权重系数大于等于预设权重阈值的有效属性。

步骤S2062、对于属性权重系数相等的各个有效属性，选取其中一个有效属性，以避免重复。

步骤S2063、确定选取的有效属性作为后续属性融合计算中的优选属性。

上述步骤S2061从缝洞体的预测有效性、符合率以及相关性等方面对地震属性进行综合评价，从中选取属性权重系数较大的有效属性；上述步骤S2062结合储层的精细标定成果剔除一些相关性低或绩效近于相等的有效属性，从而最终确定优选属性。其中，属性权重系数较大表示有效属性与目标预测参数的关联性更高，更适合作为优选属性。

步骤S207、对优选属性进行预处理。

具体地，对优选属性的属性值进行归一化处理，以消除单一地震属性之间量纲不一，数值量级差别大，以及存在的一些奇异值等问题，步骤S207具体包括以下步骤：

步骤S2071、剔除优选属性的属性值中的奇异值。

具体地，首先基于大时窗在待检测目标层范围内求取优选属性的平均属性值或最大属性值、最小属性值；然后利用地震属性平面图分析，判断异常值是否存在，例如横向上出现斑点状、铁板状等；最后对异常值进行剔除或截断取代。

步骤S2072、对优选属性的属性值进行无量纲化处理。

具体地，首先进行初值化处理，即对一个属性值序列的所有数据值均用其第一个数据值去除，得到新的属性值序列中各数据值是原始的属性值序列第一个数据值的倍数；然后进行均值化处理，即对一个属性值序列所有数据值用该属性值序列的平均值去除，得到新的属性值序列中各数据值是平均值的倍数。

步骤S2073、对优选属性的属性值进行数据标准化处理。

具体地，采用标准差标准化对地震属性参数进行归一化处理，消除由于不同属性变化范围、数值量级差别等因素造成的非等权情况。

步骤S208、对中心道的每个边界的属性值进行归一化处理。

归一化处理即对每一个优选属性取其最大属性值、最小属性值，求当前属性值减去最小属性值的差值除以最大属性值减最小属性值的差值，获得每种优选属性的属性值分布区间为[0，1]（或[0，100%]等各种区间），实现每种优选属性的归一化处理。

步骤S209、根据以下公式（3），计算实现优选属性的融合：

其中，W_i表示优选属性的属性权重系数，Attr_i表示归一化处理后的优选属性的属性值，N表示优选属性的个数；Attr_merge表示优选属性的融合的计算结果。优选属性的融合计算结果将反映储集体不同特点的各种属性表述成为了一个综合的属性。

本发明实施例二的检测方法中，由多属性线性组合融合技术所实现的缝洞储集体异常特征，不仅继承了波阻抗反演属性对缝洞储层段整体轮廓的定位，同时继承了其纵向划分储层段的能力；同时容纳了衰减属性对强短反射的敏感成分及整体轮廓特性；多属性融合后的数据体同时又容纳了反映横向错断及边界限定的不连续性检测属性，以及表述储集体内幕非均匀递变的高频属性信息。通过塔河油田井资料钻遇储层段的对比证实，该融合方法不仅有比较好的钻井吻合率，而且能很好地在纵横向上分辨储层，平面分布及空间展布上与现今构造及古地貌有比较好的配置关系，其边界与现今构造及古地貌上的沟坎、水道等基本对应，进一步提高了缝洞储集体描述的精度。

本发明第三个实施例提供一种缝洞储集体的检测装置，图3为本发明实施例三的检测装置结构图，如图3所示，检测装置包括：属性权重系数计算模块1、选取模块2和优选属性融合计算模块3。

属性权重系数计算模块1，用于选取待检测目标的多种有效属性之后，以已知储集体的数学期望值作为输出，结合有效属性的属性值的线性组合，针对各个有效属性建立超定方程，求取超定方程的最小二乘解作为有效属性的属性权重系数。

具体地，有效属性包括以下至少两个：曲率、倾角、方位角、强振幅聚类、振幅变化率、不连续性、衰减梯度、曲波变换的多尺度检测、相干体的蚂蚁追踪算法运算结果。

选取模块2，用于根据属性权重系数从多种有效属性中选取多种优选属性。

优选属性融合计算模块3，用于根据属性权重系数和优选属性，利用线性加权法实现优选属性的融合。

本发明实施例三的检测装置是本发明实施例一的检测方法的具体实现装置，其具体原理与实施例一的检测方法相同，因此不再赘述。

本发明实施例三的检测装置，从多种有效属性中选取多种优选属性，并且融合多个优选属性进行分析检测，由此解决了单一地震属性的信息参数检测复杂缝洞型储层时不精确的技术问题，取得了多属性信息检测复杂储集体时，能更加准确地预测储集体的有益效果。

本发明第四个实施例提供一种缝洞储集体的检测装置，图4为本发明实施例四的检测装置结构图，如图4所示，检测装置包括：属性权重系数计算模块1、选取模块2、优选属性融合计算模块3、奇异值处理模块4、无量纲化处理模块5和数据标准化处理模块6。

属性权重系数计算模块1，用于选取待检测目标的多种有效属性之后，以已知储集体的数学期望值作为输出，结合有效属性的属性值的线性组合，针对各个有效属性建立超定方程，求取超定方程的最小二乘解作为有效属性的属性权重系数。

具体地，有效属性包括以下至少两个：曲率、倾角、方位角、强振幅聚类、振幅变化率、不连续性、衰减梯度、曲波变换的多尺度检测、相干体的蚂蚁追踪算法运算结果。

属性权重系数计算模块1具体包括：

属性值提取模块11，用于在待检测目标的目标区域的以井点为中心的有效半径区域内，提取各个中心道的有效属性的属性值；

多道平均数计算模块12，用于求取各个地震道在待检测目标位置处的各个纵向分层段边界内的属性值的平均数，作为有效属性的多道平均数；

超定方程计算模块13，用于以已知储集体的数学期望值作为输出，以多道平均数作为属性值的线性组合，根据以下公式（1）针对各个有效属性建立超定方程：

其中，A^TAx=A^Tb，b表示已知储集体的数学期望值，A表示多道平均数，x^*表示属性权重系数，表示理想权重系数值，y表示误差；

最小二乘解计算模块14，用于根据以下公式（2），计算求得最小二乘解作为有效属性的属性权重系数：

其中，b表示已知储集体的数学期望值；A表示多道平均数；x^*表示属性权重系数；表示理想权重系数值。

选取模块2，用于根据属性权重系数从多种有效属性中选取多种优选属性。

优选属性融合计算模块3，用于根据属性权重系数和优选属性，利用线性加权法实现优选属性的融合。

优选属性融合计算模块具体包括：

归一化处理模块31，用于对中心道的每个边界的属性值进行归一化处理；

线性加权计算模块32，用于根据以下公式（3），计算实现优选属性的融合：

其中，W_i表示优选属性的属性权重系数，Attr_i表示归一化处理后的优选属性的属性值，N表示优选属性的个数；Attr_merge表示优选属性的融合的计算结果。

奇异值处理模块4，用于剔除优选属性的属性值中的奇异值；

无量纲化处理模块5，用于对优选属性的属性值进行无量纲化处理；

数据标准化处理模块6，用于对优选属性的属性值进行数据标准化处理。

本发明实施例四的检测装置是本发明实施例二的检测方法的具体实现装置，其具体原理与实施例二的检测方法相同，因此不再赘述。

本发明实施例四的检测装置，由多属性线性组合融合技术所实现的缝洞储集体异常特征，不仅继承了波阻抗反演属性对缝洞储层段整体轮廓的定位，同时继承了其纵向划分储层段的能力；同时容纳了衰减属性对强短反射的敏感成分及整体轮廓特性；多属性融合后的数据体同时又容纳了反映横向错断及边界限定的不连续性检测属性，以及表述储集体内幕非均匀递变的高频属性信息。通过塔河油田井资料钻遇储层段的对比证实，该融合方法不仅有比较好的钻井吻合率，而且能很好地在纵横向上分辨储层，平面分布及空间展布上与现今构造及古地貌有比较好的配置关系，其边界与现今构造及古地貌上的沟坎、水道等基本对应，进一步提高了缝洞储集体描述的精度。

最后，需要注意的是：以上列举的仅是本发明的具体实施例子，当然本领域的技术人员可以对本发明进行改动和变型，倘若这些修改和变型属于本发明权利要求及其等同技术的范围之内，均应认为是本发明的保护范围。

Claims (8)

1.一种缝洞储集体的检测方法，其特征在于，包括：

选取待检测目标的多种有效属性；

以已知储集体的数学期望值作为输出，结合所述有效属性的属性值的线性组合，针对各个所述有效属性建立超定方程，求取所述超定方程的最小二乘解作为所述有效属性的属性权重系数；

根据所述属性权重系数从多种所述有效属性中选取多种优选属性；

根据所述属性权重系数和所述优选属性，利用线性加权法实现所述优选属性的融合；

以已知储集体的数学期望值作为输出，结合所述有效属性的属性值的线性组合，针对各个所述有效属性建立超定方程，求取所述超定方程的最小二乘解作为所述有效属性的属性权重系数的步骤具体包括：

在所述待检测目标的目标区域的以井点为中心的有效半径区域内，提取各个中心道的所述有效属性的所述属性值；

求取各个地震道在所述待检测目标位置处的各个纵向分层段边界内的所述属性值的平均数，作为所述有效属性的多道平均数；

以已知储集体的数学期望值作为输出，以所述多道平均数作为所述属性值的所述线性组合，根据以下公式(1)针对各个所述有效属性建立超定方程：

$\left|\right|b-A\stackrel{\‾}{x}|{|}_2^2=||b-{\mathrm{Ax}}^{*}|{|}_2^2+\left|\right|Ay|{|}_2^2---\left(1\right)$

其中，b表示所述已知储集体的所述数学期望值，A表示所述多道平均数，x^*表示所述属性权重系数，表示理想权重系数值，y表示误差；

根据以下公式(2)，计算求得所述最小二乘解作为所述有效属性的所述属性权重系数：

$\left|\right|b-A\stackrel{\‾}{x}|{|}_2^2\≥||b-{\mathrm{Ax}}^{*}|{|}_2^2---\left(2\right)$

其中，b表示所述已知储集体的所述数学期望值；A表示所述多道平均数；x^*表示所述属性权重系数；表示所述理想权重系数值。

2.根据权利要求1所述的检测方法，其特征在于，所述有效属性包括以下至少两个：曲率、倾角、方位角、强振幅聚类、振幅变化率、不连续性、衰减梯度、曲波变换的多尺度检测、相干体的蚂蚁追踪算法运算结果。

3.根据权利要求1所述的检测方法，其特征在于，根据所述属性权重系数和所述优选属性，利用线性加权法实现所述优选属性的融合的步骤具体包括：

对所述中心道的每个边界的所述属性值进行归一化处理；

根据以下公式(3)，计算实现所述优选属性的融合：

$Attr\_merge=\underset{i=1}{\overset{N}{\Σ}}{W}_i\×{\mathrm{Attr}}_i---\left(3\right)$

其中，W_i表示所述优选属性的属性权重系数，Attr_i表示所述归一化处理后的所述优选属性的属性值，N表示所述优选属性的个数；Attr_merge表示所述优选属性的融合的计算结果。

4.根据权利要求1～3任一项所述的检测方法，其特征在于，在根据所述属性权重系数从多种所述有效属性中选取多种优选属性之后，在根据所述属性权重系数和所述优选属性，利用线性加权法实现多种所述优选属性的融合之前，还包括：

剔除所述优选属性的所述属性值中的奇异值；

和/或，对所述优选属性的所述属性值进行无量纲化处理；

和/或，对所述优选属性的所述属性值进行数据标准化处理。

5.一种缝洞储集体的检测装置，其特征在于，包括：

属性权重系数计算模块，用于选取待检测目标的多种有效属性之后，以已知储集体的数学期望值作为输出，结合所述有效属性的属性值的线性组合，针对各个所述有效属性建立超定方程，求取所述超定方程的最小二乘解作为所述有效属性的属性权重系数；选取模块，用于根据所述属性权重系数从多种所述有效属性中选取多种优选属性；

优选属性融合计算模块，用于根据所述属性权重系数和所述优选属性，利用线性加权法实现所述优选属性的融合；

所述属性权重系数计算模块进一步包括：

属性值提取模块，用于在所述待检测目标的目标区域的以井点为中心的有效半径区域内，提取各个中心道的所述有效属性的所述属性值；

多道平均数计算模块，用于求取各个地震道在所述待检测目标位置处的各个纵向分层段边界内的所述属性值的平均数，作为所述有效属性的多道平均数；

超定方程计算模块，用于以已知储集体的数学期望值作为输出，以所述多道平均数作为所述属性值的所述线性组合，根据以下公式(1)针对各个所述有效属性建立超定方程：

$\left|\right|b-A\stackrel{\‾}{x}|{|}_2^2=||b-{\mathrm{Ax}}^{*}|{|}_2^2+\left|\right|Ay|{|}_2^2---\left(1\right)$

其中，b表示所述已知储集体的所述数学期望值，A表示所述多道平均数，x^*表示所述属性权重系数，表示理想权重系数值，y表示误差；

最小二乘解计算模块，用于根据以下公式(2)，计算求得所述最小二乘解作为所述有效属性的所述属性权重系数：

$\left|\right|b-A\stackrel{\‾}{x}|{|}_2^2\≥||b-{\mathrm{Ax}}^{*}|{|}_2^2---\left(2\right)$

其中，b表示所述已知储集体的所述数学期望值；A表示所述多道平均数；x^*表示所述属性权重系数；表示所述理想权重系数值。

6.根据权利要求5所述的检测装置，其特征在于，所述有效属性包括以下至少两个：曲率、倾角、方位角、强振幅聚类、振幅变化率、不连续性、衰减梯度、曲波变换的多尺度检测、相干体的蚂蚁追踪算法运算结果。

7.根据权利要求5所述的检测装置，其特征在于，所述优选属性融合计算模块包括：

归一化处理模块，用于对所述中心道的每个边界的所述属性值进行归一化处理；

线性加权计算模块，用于根据以下公式(3)，计算实现所述优选属性的融合：

$Attr\_merge=\underset{i=1}{\overset{N}{\Σ}}{W}_i\×{\mathrm{Attr}}_i---\left(3\right)$

其中，W_i表示所述优选属性的属性权重系数，Attr_i表示所述归一化处理后的所述优选属性的属性值，N表示所述优选属性的个数；Attr_merge表示所述优选属性的融合的计算结果。

8.根据权利要求5～7任一项所述的检测装置，其特征在于，还包括：

奇异值处理模块，用于剔除所述优选属性的所述属性值中的奇异值；

和/或，无量纲化处理模块，用于对所述优选属性的所述属性值进行无量纲化处理；

和/或，数据标准化处理模块，用于对所述优选属性的所述属性值进行数据标准化处理。