CN104502963B - 一种叠后数据的振幅能量异常现象的检测方法 - Google Patents

Abstract

本发明提供了一种叠后数据的振幅能量异常现象的检测方法，属于石油勘探资料处理技术领域。所述方法包括：将叠后数据按照预定的时窗进行划分；在每个时窗下获得每个地震道的振幅能量值，并在每个时窗下获得全工区地震道的振幅能量值，获取每个地震道的振幅能量值相对于全工区地震道的振幅能量值的能量偏差值，将能量偏差值作为每个地震道的能量属性；将每个地震道的能量属性与预定门限值的上下限进行比较，则确定是否发生及发生哪种振幅能量异常。本发明能够定性、定量地对振幅能量异常现象进行客观评价，并且能够较好地识别出叠后数据体中的整体及局部能量异常现象，具有较高的检测准确率以及较快的检测效率。

Description

一种叠后数据的振幅能量异常现象的检测方法

技术领域

本发明涉及一种叠后数据的振幅能量异常现象的检测方法，属于石油勘探资料处理技术领域。

背景技术

在地震资料处理过程中，在叠后纯波数据和成果数据剖面上经常会出现一些振幅能量变化不均匀的现象，结合图6所示，主要表现为以下几个方面：弱能量分界线、强能量分界线、局部的强能量、单点的野值、空间方向能量突变等等，这些异常现象的主要来自于：

1、采集原始记录中存在的振幅异常

2、老资料由于存放的磁带老化造成的异常振幅

3、叠加剖面不能完全覆盖特定部位存在的振幅异常

4、处理参数运用不当所造成的振幅异常

由于目前常用的处理系统中(如：Omega、CGG、GeoEast等)均无法针对叠后数据中上述能量异常现象进行快速检测，所以长期以来主要由人工逐炮逐道翻阅剖面，依靠肉眼来对叠加数据体进行分析，以识别上述能量异常现象，这种方法主要有以下弊端：

1、无法进行定量评价

2、很大程度依靠个人经验，主观性较强

3、容易造成漏检

4、随着高密度采集技术的发展，海量数据的呈现，仅依靠人工进行识别，

使处理质量的质控工作强度陡增，压力巨大

5、不能满足目前资料处理工程化质量控制的需求

发明内容

本发明针对背景技术中存在的问题，提出了一种叠后数据的振幅能量异常现象的检测方法，从而能够以较高的检测准确率以及较快的检测效率对振幅能量异常现象进行检测。

本发明提供的技术方案包括：

一种叠后数据的振幅能量异常现象的检测方法，包括：

将所述叠后数据中的每个地震道按照预定的时窗大小、重叠百分比或时窗间增量划分时窗；

在每个所述时窗下获得每个地震道的振幅能量值，并在每个所述时窗下获得全工区地震道的振幅能量值，获取所述每个地震道的振幅能量值相对于所述全工区地震道的振幅能量值的能量偏差值，将所述能量偏差值作为每个地震道的能量属性；

将所述每个地震道的能量属性与预定门限值的上下限进行比较，当所述每个地震道的能量属性大于所述预定门槛值的上限时，则确定发生强振幅能量异常，当所述每个地震道的能量属性小于所述预定门槛值的下限时，则确定发生弱振幅能量异常。

在本发明所述的叠后数据的振幅能量异常现象的检测方法中，所述每个地震道的振幅能量值通过最大绝对振幅计算方法、均方根振幅计算方法和/或平均绝对振幅计算方法获得。

在本发明所述的叠后数据的振幅能量异常现象的检测方法中，所述最大绝对振幅计算方法通过以下公式计算获得所述每个地震道的振幅能量值：

其中，表示在每个预划分的时窗下每个地震道的振幅能量值，i∈(1,N)，j∈(1,M)，N表示地震道数，M表示时窗个数，i表示地震道序号，j表示时窗序号，t表示时窗的起始时间，n表示时窗内采样点个数，a(ik)表示第i个地震道的第k个样点的振幅。

在本发明所述的叠后数据的振幅能量异常现象的检测方法中，所述均方根振幅计算方法通过以下公式计算获得所述每个地震道的振幅能量值：

其中，表示在每个预划分的时窗下每个地震道的振幅能量值，i∈(1,N)，j∈(1,M)，N表示地震道数，M表示时窗个数，i表示地震道序号，j表示时窗序号，t表示时窗的起始时间，n表示时窗内采样点个数，a(ik)表示第i个地震道的第k个样点的振幅。

在本发明所述的叠后数据的振幅能量异常现象的检测方法中，所述平均绝对振幅计算方法通过以下公式计算获得所述每个地震道的振幅能量值：

其中，表示在每个预划分的时窗下每个地震道的振幅能量值，i∈(1,N)，j∈(1,M)，N表示地震道数，M表示时窗个数，i表示地震道序号，j表示时窗序号，t表示时窗的起始时间，n表示时窗内采样点个数，a(ik)表示第i各地震道的第k个样点的振幅。

在本发明所述的叠后数据的振幅能量异常现象的检测方法中，所述方法还包括：

在每个所述时窗下获得每条主测线和每条联络线的振幅能量值，将所述振幅能量值与所述全工区地震道的振幅能量值的偏差值作为每条主测线和每条联络线的能量属性；

将所述每条主测线和每条联络线的能量属性通过二维连线的方式绘制主测线和联络线的振幅属性图，根据所述振幅属性图检测线间能量差异。

在本发明所述的叠后数据的振幅能量异常现象的检测方法中，确定所述叠后数据是否发生振振幅能量异常现象包括：根据交互可视化图件对所述叠后数据的振幅能量属性进行识别，以确定是否发生振幅能量异常现象。

在本发明所述的叠后数据的振幅能量异常现象的检测方法中，所述叠后数据的振幅能量属性通过以下公式获得：

其中，δ_ij表示每个所述地震道在每个所述时窗的振幅能量属性值，表示在每个所述时窗下每个地震道的振幅能量值，表示在每个所述时窗下所有地震道的振幅能量值，i∈(1,N)，j∈(1,M)，N表示地震道数，M表示时窗个数，i表示地震道序号，j表示时窗序号。

在本发明所述的叠后数据的振幅能量异常现象的检测方法中，所述根据交互可视化图件对所述叠后数据的振幅能量属性进行识别包括：

通过正态分布图将所述振幅能量属性值划分为若干区间，根据所述每个地震道在每个时窗的振幅能量属性值的分布对所述叠后数据的振幅能量属性进行识别；

通过二维连线图显示的每条主测线的振幅属性及每条联络线的振幅属性对所述叠后数据的振幅能量属性进行识别；

通过振幅平面属性图对所述叠后数据的振幅能量属性进行识别。

本发明的有益效果是：根据地震道时窗能量特征来确定叠后地震数据体中的能量差异，对叠加成果数据及纯波数据剖面上呈现的能量异常情况进行统计、分析，在异常现象特征的基础上针对不同的异常情况能够定性、定量地对振幅能量异常现象进行客观评价，并且能够较好地识别出叠后数据体中的整体及局部能量异常现象，具有较高的检测准确率以及较快的检测效率，为解决海量数据中能量异常问题的快速定性及定量识别提供了有效的处理方法，因此可以大大提高工作效率、降低人工工作强度以及缩短项目周期。

附图说明

图1以示例的方式示出了本发明所述的叠后数据的振幅能量异常现象的检测方法的流程图。

图2以示例的方式示出了本发明所述的根据交互可视化图件对所述叠后数据的振幅能量属性进行识别的流程图。

图3A是三维叠后纯波数据的叠加纯波数据剖面图；图3B是三维叠后纯波数据的正态分布图对比图；图3C是三维叠后纯波数据的联络线二维连线图；图3D1是三维叠后纯波数据的线间能量异常状态下的主测线二维连线图；图3D2是三维叠后纯波数据的线间能量异常状态下的叠加剖面图；图3E是三维叠后纯波数据的全区地震道振幅属性平面图。

图4A是理论模型数据图，其中的标号1表示弱能量条带，标号2表示死道，标号3和4表示测线整体能量增强，标号5表示局部强能量，标号6表示测线整体能量减弱，标号7表示野值；图4B是理论模型数据中的正态分布图；图4C是理论模型数据中的主测线二维连线图；图4D是理论模型数据中的联络线二维连线图，图4E是理论模型数据中的振幅平面属性图。

图5是基于图4A至图4E所示的理论模型的检测报告。

图6是发生振幅能量异常现象的在叠后数据示意图。

具体实施方式

本具体实施方式首先提出了一种叠后数据的振幅能量异常现象的检测方法，结合图1所示，所述方法包括：

步骤11，将所述叠后数据中的每个地震道按照预定的时窗大小、重叠百分比或时窗间增量划分时窗。

其中，对所述叠后数据的时窗划分过程可以包括：将所述叠后数据中的每个地震道按照用户给定的时窗大小、重叠百分比、时窗间增量等参数划分时窗，相邻的时窗之间可以有重叠，时窗的长度也可等间隔递增或递减，从而实现对局部异常及纵横向道间、线间能量差异的检测。

而对于野值的检测，由于现有技术无法通过定位到某一时间点的方式进行检测，因此本实施例采用小时窗滑动扫描法，即自上而下逐点判断每个样点与其周围的平均能量的能量比与门槛值的关系，当能量比超过门槛值则诊断为野值，并且还可以在质控报告中给出诊断信息，以便于查询。

步骤12，在每个所述时窗下获得每个地震道的振幅能量值，并在每个所述时窗下获得全工区地震道的振幅能量值，获取所述每个地震道的振幅能量值相对于所述全工区地震道的振幅能量值的能量偏差值，将所述能量偏差值作为每个地震道的能量属性。

其中，所述每个地震道的振幅能量值可通过最大绝对振幅计算方法、均方根振幅计算方法和/或平均绝对振幅计算方法获得，进一步优选的：所述最大绝对振幅计算方法可通过以下公式计算获得所述每个地震道的振幅能量值：

其中，表示在每个预划分的时窗下每个地震道的振幅能量值，i∈(1,N)，j∈(1,M)，N表示地震道数，M表示时窗个数，i表示地震道序号，j表示时窗序号，t表示时窗的起始时间，n表示时窗内采样点个数，a(ik)表示第i个地震道的第k个样点的振幅。

进一步优选的，所述均方根振幅计算方法可通过以下公式计算获得所述每个地震道的振幅能量值：

其中，表示在每个预划分的时窗下每个地震道的振幅能量值，i∈(1,N)，j∈(1,M)，N表示地震道数，M表示时窗个数，i表示地震道序号，j表示时窗序号，t表示时窗的起始时间，n表示时窗内采样点个数，a(ik)表示第i个地震道的第k个样点的振幅。

进一步优选的，所述平均绝对振幅计算方法通过以下公式计算获得所述每个地震道的振幅能量值：

其中，表示在每个预划分的时窗下每个地震道的振幅能量值，i∈(1,N)，j∈(1,M)，N表示地震道数，M表示时窗个数，i表示地震道序号，j表示时窗序号，t表示时窗的起始时间，n表示时窗内采样点个数，a(ik)表示第i个地震道的第k个样点的振幅。

上述计算获得所述每个地震道的振幅能量值的三种方法可单独使用，也可组合应用。组合应用时，可以把均分振幅计算方法与最大绝对振幅计算方法组合，或把平均绝对振幅计算方法与最大绝对振幅方法进行组合。组合应用可以综合利用每种方法的优势，效果要优于单独使用一种方法，既能体现出最大绝对振幅方法对孤立的强脉冲的识别优势，又能充分利用其它两种方法对有一定延续时间的异常现象的良好的识别能力。所述最大绝对振幅方法对于孤立的强脉冲(优选的在10倍以上)能较好地识别。所述均方根振幅计算方法与所述平均绝对振幅计算方法的差别则主要表现在拾取的品质及计算所用的时间上。当噪声比有效信号高得较多，采用所述平均绝对振幅计算方法能较好地识别，当噪声的幅值接近于信号时，使用均方根振幅计算方法能较好地识别。在识别过程在，均方根振幅计算方法所用计时会比平均绝对振幅计算方法多。这三种方法可以根据实际情况单独应用或组合应用。

进一步优选的，在每个所述时窗下全工区地震道的振幅能量值可表示为

步骤13，将所述每个地震道的能量属性与预定门限值的上下限进行比较，当所述每个地震道的能量属性大于所述预定门槛值的上限时，则确定发生强振幅能量异常，当所述每个地震道的能量属性小于所述预定门槛值的下限时，则确定发生弱振幅能量异常。

优选的，可将所述每个地震道的振幅能量值与所述所有地震道的振幅能量的比值表示为将所述所有地震道的振幅能量与所述每个地震道的振幅能量值的比值表示为根据预定门限值φ，当r_ij>φ时，设定品质因子Q_ij＝1，表示强振幅能量异常；当r'_ij>φ时，设定品质因子Q_ij＝-1，表示弱振幅能量异常；当所述每个地震道的振幅能量值和所述所有地震道的振幅能量之间的比值都不大于门限值φ时，则设定品质因子Q_ij＝0，表示无振幅能量异常。

优选的，当所述每个地震道的振幅能量值与所述所有地震道的振幅能量的比值大于所述预定门限值时，则确定为强振幅能量异常；当所述所有地震道的振幅能量与所述每个地震道的振幅能量值的比值大于所述预定门限值时，则确定为弱振幅能量异常；当所述每个地震道的振幅能量值和所述所有地震道的振幅能量之间的比值不大于所述预定门限值时，则确定为未发生振幅能量异常现象。

上述检测过程主要针对局部异常、横向能量突变等情况，对于野值的检测，由于上述检测过程无法定位到某一时间点，因此可采用小时窗滑动扫描法，即自上而下逐点判断每个样点与其周围的平均能量的能量比与门槛值的关系，当能量比超过门槛值时则识别为野值，并可在质控报告中给出检测结果。

在本发明一优选实施例中，所述方法还可以在每个所述时窗下获得每条主测线和每条联络线的振幅能量值，将所述振幅能量值与所述全工区地震道的振幅能量值的偏差值作为每条主测线和每条联络线的能量属性，将所述每条主测线和每条联络线的能量属性通过二维连线的方式绘制主测线和联络线的振幅属性图，根据所述振幅属性图检测线间能量差异，通过振幅属性图能够更直观地检测出所述叠后数据中的能量异常现象。

在本发明一优选实施例中，所述检测振幅能量异常现象还可以包括：根据交互可视化图件对所述叠后数据的振幅能量属性进行识别，以确定是否发生振幅能力异常现象。将每个地震道的能量属性与品质因子属性分别生成能量属性图，根据该能量属性图可以充分发挥人眼局部和全局兼顾的特点，能够较直观地识别能量异常现象，而不受门槛值的限制；品质因子属性图则可作为与门槛值对比的一个参考图件，将能量属性图与品质因子属性图相结合，能够更好地达到能量异常检测的目的。结合图2所示，相应的根据交互可视化图件对所述叠后数据的振幅能量属性进行识别可以包括：

步骤21，通过正态分布图将所述振幅能量属性值划分为若干区间，根据所述每个地震道在每个时窗的振幅能量属性值的分布对所述叠后数据的振幅能量属性进行识别。

结合图3A和图3B所示，正态分布图把振幅能量属性值划分为若干区间，横坐标表示振幅能量属性，纵坐标表示道数(或频次)，可以从宏观上反映全区地震数据的振幅属性的分布特征。当各个区间连续分布，且集中在零值(或平均值)附近时，可以认为该数据整体能量分布均匀，宏观上无明显异常，否则，存在振幅能量异常问题。其中，所述叠后数据的振幅能量属性通过以下公式获得：

相应的δ_ij表示每个所述地震道在每个所述时窗的振幅能量属性值，表示在每个所述时窗下每个地震道的振幅能量值，表示在每个所述时窗下所有地震道的振幅能量值，i∈(1,N)，j∈(1,M)，N表示地震道数，M表示时窗个数，i表示地震道序号，j表示时窗序号。

步骤22，通过二维连线图显示的每条主测线的振幅属性及每条联络线的振幅属性对所述叠后数据的振幅能量属性进行识别。

二维连线图横坐标表示线号(或共中心点道集号)，纵坐标表示振幅属性。利用二维连线图显示每条主测(Inline)线的振幅属性δ_line及每条联络(CrossLine)线的振幅属性δ_cmp，线间的能量差异能够较清楚地被表示。通过鼠标点击事件，可以选中异常点，直接得到异常线的线号及与平均值的偏差值。正常数据的连线应是逐渐平滑变化的(结合图3C所示)，当存在明显的突变点时(结合图3D1和3D2所示)，则可以判定对应的线存在整体的能量突变。

步骤23，通过振幅平面属性图对所述叠后数据的振幅能量属性进行识别。

结合图3E所示，正态分布图可以反映从宏观上反映全区数据的能量分布情况，但是不能观察到每个地震道的能量变化情况，而平面属性图上每一个点对应一个地震道，并通过用颜色表示不同的属性值，振幅属性上的颜色变化反映了地震波振幅能量的变化情况，能从微观上反映全区数据的能量分布情况。

利用平面属性图绘制整道的振幅属性、每个时窗的振幅属性，可以直观地识别整体的和局部的异常。正常的振幅平面属性图的颜色变化比较均匀，当平面属性图上出现明显的颜色突变点或分界线时，可以判定存在能量异常情况。这时，对于异常点，通过鼠标左键选择目标可以确定异常值所在位置及与平均值的偏差。对于异常颜色分界线则通过鼠标右键可以调出该条线的二维曲线图，以作最终的位置判定及定量分析。

图3A至图3E所示的是某地区三维纯波数据检测效果示意图，原始资料边界线的能量稍弱，且存在弱能量条带异常，采用步骤21至步骤23的技术方案对所述叠后数据的振幅能量属性进行识别，通过质控图件上反映出的信息与实际资料吻合。

图4A至图4E所示的是理论模型检测效果示意图，该理论模型中包含了死道、弱能量条带、测线整体能量增强、测线整体能量减弱、局部异常、野值等异常。结合图5所示，相应的异常情况从诊断报告及质控图件上均可以看到，与实际资料是相一致的。

采用本实施例所述的叠后数据的振幅能量异常现象的检测方法，根据地震道时窗能量特征来确定叠后地震数据体中的能量差异，对叠加成果数据及纯波数据剖面上呈现的能量异常情况进行统计、分析，在异常现象特征的基础上针对不同的异常情况能够定性、定量地对振幅能量异常现象进行客观评价，并且能够较好地识别出叠后数据体中的整体及局部能量异常现象，具有较高的检测准确率以及较快的检测效率，为解决海量数据中能量异常问题的快速定性及定量识别提供了有效的处理方法，因此可以大大提高工作效率、降低人工工作强度以及缩短项目周期。

虽然本发明已以具体实施例揭示，但其并非用以限定本发明，任何本领域的技术人员，在不脱离本发明的构思和范围的前提下所作出的等同组件的置换，或依本发明专利保护范围所作的等同变化与修饰，皆应仍属本专利涵盖的范畴。

Claims (8)

1.一种叠后数据的振幅能量异常现象的检测方法，其特征在于，包括：

将所述叠后数据中的每个地震道按照预定的时窗大小、重叠百分比或时窗间增量划分时窗；

在每个所述时窗下获得每个地震道的振幅能量值，并在每个所述时窗下获得全工区地震道的振幅能量值，获取所述每个地震道的振幅能量值相对于所述全工区地震道的振幅能量值的能量偏差值，将所述能量偏差值作为每个地震道的能量属性；

将所述每个地震道的能量属性与预定门槛值的上下限进行比较，当所述每个地震道的能量属性大于所述预定门槛值的上限时，则确定发生强振幅能量异常，当所述每个地震道的能量属性小于所述预定门槛值的下限时，则确定发生弱振幅能量异常；

在每个所述时窗下获得每条主测线和每条联络线的振幅能量值，将所述每条主测线和每条联络线的振幅能量值与所述全工区地震道的振幅能量值的偏差值作为每条主测线和每条联络线的能量属性；

将所述每条主测线和每条联络线的能量属性通过二维连线的方式绘制主测线和联络线的振幅属性图，根据所述振幅属性图检测线间能量差异。

2.如权利要求1所述的方法，其特征在于，所述每个地震道的振幅能量值通过最大绝对振幅计算方法、均方根振幅计算方法和/或平均绝对振幅计算方法获得。

3.如权利要求2所述的方法，其特征在于，包括：所述最大绝对振幅计算方法通过以下公式计算获得所述每个地震道的振幅能量值：

$\stackrel{\‾}{A_{ij}}=\underset{k=t}{\overset{t+n}{MAX}}\left|a\left(ik\right)\right|$

其中，表示在每个预划分的时窗下每个地震道的振幅能量值，i∈(1,N)，j∈(1,M)，N表示地震道数，M表示时窗个数，i表示地震道序号，j表示时窗序号，t表示时窗的起始时间，n表示时窗内采样点个数，a(ik)表示第i个地震道的第k个样点的振幅。

4.如权利要求2所述的方法，其特征在于，所述均方根振幅计算方法通过以下公式计算获得所述每个地震道的振幅能量值：

$\stackrel{\‾}{A_{ij}}={\[\frac{1}{n}\underset{k=t}{\overset{t+n}{\Σ}}{a}^2\left(ik\right)\]}^{1/2}$

其中，表示在每个预划分的时窗下每个地震道的振幅能量值，i∈(1,N)，j∈(1,M)，N表示地震道数，M表示时窗个数，i表示地震道序号，j表示时窗序号，t表示时窗的起始时间，n表示时窗内采样点个数，a(ik)表示第i个地震道的第k个样点的振幅。

5.如权利要求2所述的方法，其特征在于，所述平均绝对振幅计算方法通过以下公式计算获得所述每个地震道的振幅能量值：

$\stackrel{\‾}{A_{ij}}=\frac{1}{n}\underset{k=t}{\overset{t+n}{\Σ}}\left|a\left(ik\right)\right|$

其中，表示在每个预划分的时窗下每个地震道的振幅能量值，i∈(1,N)，j∈(1,M)，N表示地震道数，M表示时窗个数，i表示地震道序号，j表示时窗序号，t表示时窗的起始时间，n表示时窗内采样点个数，a(ik)表示第i个地震道的第k个样点的振幅。

6.如权利要求1所述的方法，其特征在于，确定所述叠后数据是否发生振幅能量异常现象包括：根据交互可视化图件对所述叠后数据的振幅能量属性进行识别，以确定是否发生振幅能量异常现象。

7.如权利要求6所述的方法，其特征在于，所述叠后数据的振幅能量属性通过以下公式获得：

${\mathrm{\δ}}_{ij}=(\stackrel{\‾}{A_{ij}}-\stackrel{\‾}{A_j})/\stackrel{\‾}{A_j}$

其中，δ_ij表示每个所述地震道在每个所述时窗的振幅能量属性值，表示在每个所述时窗下每个地震道的振幅能量值，表示在每个所述时窗下所有地震道的振幅能量值，i∈(1,N)，j∈(1,M)，N表示地震道数，M表示时窗个数，i表示地震道序号，j表示时窗序号。

8.如权利要求7所述的方法，其特征在于，所述根据交互可视化图件对所述叠后数据的振幅能量属性进行识别包括：

通过正态分布图将所述振幅能量属性值划分为若干区间，根据所述每个地震道在每个时窗的振幅能量属性值的分布对所述叠后数据的振幅能量属性进行识别；

通过二维连线图显示的每条主测线的振幅属性及每条联络线的振幅属性对所述叠后数据的振幅能量属性进行识别；

通过振幅平面属性图对所述叠后数据的振幅能量属性进行识别。