CN105445788A - 一种基于模型和全局寻优的速度谱自动解释方法 - Google Patents

Abstract

本发明提供了一种基于模型和全局寻优的速度谱自动解释方法，属于油气及煤层气地震勘探与开发领域。本方法包括：(1)对原始地震数据即共炮道集进行预处理；(2)将第一步得到的CMP道集作为输入数据，同时任意给定一个参考速度作为初始参考速度，并用该初始参考速度对当前CMP道集进行NMO校正；(3)对某一时间t，利用参考速度作为种子点产生随机数，并将该随机数作为叠加速度VrmsO，然后对VrmsO进行求解得到最佳VrmsO，然后进行下一时刻的VrmsO的求解，直到该CMP道集上所有t时刻的VrmsO都得到求解；(4)输入下一个CMP道集，重复(2)、(3)步，直到所有的输入CMP点上的VrmsO都得到求解。

Description

一种基于模型和全局寻优的速度谱自动解释方法

技术领域

本发明属于油气及煤层气地震勘探与开发领域，具体涉及一种基于模型和全局寻优的速度谱自动解释方法。

背景技术

在油气勘探地震资料的处理中，叠加速度分析既是基础性也是非常重要的地震数据处理内容，它是实现地震勘探多次覆盖共CMP道集叠加的依据，也是支撑高精度地震成像速度建模的基础。

叠加速度分析是基于速度谱的实现形式，是根据地震信号的激发与接收之间存在的正常时差原理，采用预先给定的一系列速度曲线进行扫描，依次计算出CMP道集中各道的正常时差，继而进行动校和迭加，得到时间-速度-叠加能量矩阵。

叠加速度谱的解释是基于同相叠加能量最大原理，就是当扫描速度正确时能够正确计算出各道的正常时差和正常时差校正，实现CMP道集中各道数据的同相迭加，此时的叠加能量最大，因此，叠加速度谱的解释是沿时间轴分析并拣选速度谱上相对可靠和叠加能量较大的能量团。

事实上，在实际的地震资料处理中影响叠加速度谱计算和解释精度的因素很多，比如地震记录中的随机噪音、信噪比、复杂构造、波的干涉、地层倾角等等，这些影响因素不可能通过数学模型进行全面的描述和通过数据处理全面消除。因此，实际的反射波时距曲线已不是理想意义上的双曲线形态，叠加速度谱通常会表现出能量团不聚焦，在时间轴上速度的变化趋势不唯一、速度变化大或速度倒转等等。

由于叠加速度分析的精度受制于地震勘探的条件和观测资料的信噪比，在速度谱上表现出多解性和模糊性，因此，速度谱的解释基本是采用人机交互模式，这也是目前常规地震资料处理中人工操作量最大的一个环节。因此，速度自动解释方法也不断推出，这些方法一般都是基于全局优化算法。例如基于蒙特卡洛方法等。这类方法具有算法易于设计，对目标函数要求不高从而应用广泛。但效率低，不能保证产生优化问题的最优解，并且结论常常带有随机性。另外一些是基于局部寻优的方法包括：牛顿法，共扼梯度法，神经网络方法等。这类方法虽然有较高的计算效率，但算法复杂。往往需要利用导数为寻找极值点提供有效信息。直接方法对函数的分析性质没有要求，而且根据一定的数学原理，用尽量少的计算量，通过直接比较函数值的大小来确定极值点的位置。

发明内容

本发明的目的在于解决上述现有技术中存在的难题，提供一种基于模型和全局寻优的速度谱自动解释方法，基于对速度谱计算的方法原理、数据特征、地震速度的分布规律、速度谱解释判别准则的分析，进行规律性总结和理论抽象，构建模型约束条件下的最优化速度谱自动解释方法，从而将地震资料处理员从繁重的人机交互式速度谱拾取工作中解脱出来，减少手工工作量，并可以缩短地震资料处理周期。

本发明是通过以下技术方案实现的：

一种基于模型和全局寻优的速度谱自动解释方法，包括：

(1)对原始地震数据即共炮道集进行预处理；

(2)将第一步得到的CMP道集作为输入数据，同时任意给定一个参考速度作为初始参考速度，并用该初始参考速度对当前CMP道集进行NMO校正；

(3)对某一时间t，利用参考速度作为种子点产生随机数，并将该随机数作为叠加速度VrmsO，然后对VrmsO进行求解得到最佳VrmsO，然后进行下一时刻的VrmsO的求解，直到该CMP道集上所有t时刻的VrmsO都得到求解；

(4)输入下一个CMP道集，重复(2)、(3)步，直到所有的输入CMP点上的VrmsO都得到求解。

所述步骤(1)的预处理包括：

置道头、去噪、振幅补偿、静校正、反褶积、分选得到CMP道集。

所述步骤(3)中是利用蒙特卡洛算法对VrmsO进行求解得到最佳VrmsO。

与现有技术相比，本发明的有益效果是：利用本发明能够将地震资料处理员从繁重的人机交互式速度谱拾取工作中解脱出来，减少手工工作量，并可以缩短地震资料处理周期。

附图说明

图1现有叠加速度分析的步骤框图。

图2本发明方法的步骤框图。

具体实施方式

下面结合附图对本发明作进一步详细描述：

一般情况下，自动速度分析在数学表现形式上是求解如下形式的极值问题：

$P\left(V_{\mathrm{rms}}\left(t\right)\right)={\∫}_{t_{\min }}^{t_{\max }}S(t,V_{\mathrm{rms}}\left(t\right))\mathrm{dt}---\left(1\right)$

其中S表示速度谱，t表示时间样点，Vrms表示叠加速度。

步骤如图1所示，通常最后一步是人工拾取。

在求解上述极值问题时使用的算法通常是全局优化算法。

在直接应用全局优化算法解上述极值问题时不能保证产生优化问题的最优解，并且结果常常带有随机性，因此在本发明中引入了模型约束，即使用参考速度来引导自动解释的速度向正确的速度趋势发展，并且这样做也加快了收敛速度。具体如下：

与直接将(1)式作为目标函数不同，本发明中使用如下函数：

$\mathrm{\τ}(t,x)=\frac{x^2(V_{\mathrm{rms}}^2-V_{\mathrm{ref}}^2)}{2t}---\left(2\right)$

其中V_ref即为参考速度，它来源于初始模型，x表示偏移距，τ则表示利用V_ref进行NMO校正以后的剩余校正量。由于真实值是无法得知的，因此，剩余校正量也无法度量，所以在实际实现时对剩余校正量是用谱来进行度量的。这样就可以用蒙特卡洛算法对目标函数(2)进行求解。在此过程中，略有不同或者说蒙特卡洛算法在本发明的具体应用时，是利用V_ref作为种子点来产生随机数作为初始值，并且根据具体地质情况，预先设置解的区间，这样即可以对解加以约束，又可以保证得到最优解。

本发明方法如图2所示，包括：

(1)是对原始地震数据即共炮道集进行预处理：置道头、去噪、振幅补偿、静校正、反褶积、分选得到CMP道集，这与传统的人机交互手工速度谱拾取前的处理过程是一致的；

(2)将第一步得到的CMP道集作为输入数据，同时任意给定一个参考速度作为初始参考速度，并用该初始参考速度对当前CMP道集进行NMO校正；

(3)对某一时间t，利用参考速度作为种子点产生随机数，并将该随机数作为叠加速度VrmsO，然后利用蒙特卡洛算法对VrmsO进行求解得到最佳VrmsO，然后进行下一时刻的VrmsO的求解，直到该CMP道集上所有t时刻的VrmsO都得到求解；

(4)输入下一个CMP道集，重复(2)、(3)步，直到所有的输入CMP点上的VrmsO都得到求解。

本发明提供了一种基于模型和多重约束条件指导下的速度谱自动解释方法，属于地球物理科学中的油气勘探地震数据处理领域。所述方法是基于对速度谱计算的方法原理、数据特征、地震速度的分布规律、速度谱解释判别准则的分析，进行规律性总结和理论抽象，构建了基于模型和多重约束条件指导下的最优化速度谱自动解释算法。

图1是自动速度谱拾取的效果显示。其中最左边是一个CMP道集，中间是自动拾取结果，右边是由拾取结果得到的叠加剖面以及当前CMP点在叠加剖面上的位置，在实际应用时，右边的剖面也可以替换成当前CMP道集由拾取结果进行NMO校正后的剖面。

上述技术方案只是本发明的一种实施方式，对于本领域内的技术人员而言，在本发明公开了应用方法和原理的基础上，很容易做出各种类型的改进或变形，而不仅限于本发明上述具体实施方式所描述的方法，因此前面描述的方式只是优选的，而并不具有限制性的意义。

Claims (3)

1.一种基于模型和全局寻优的速度谱自动解释方法，其特征在于：所述方法包括：

(1)对原始地震数据即共炮道集进行预处理；

(2)将第一步得到的CMP道集作为输入数据，同时任意给定一个参考速度作为初始参考速度，并用该初始参考速度对当前CMP道集进行NMO校正；

(3)对某一时间t，利用参考速度作为种子点产生随机数，并将该随机数作为叠加速度VrmsO，然后对VrmsO进行求解得到最佳VrmsO，然后进行下一时刻的VrmsO的求解，直到该CMP道集上所有t时刻的VrmsO都得到求解；

(4)输入下一个CMP道集，重复(2)、(3)步，直到所有的输入CMP点上的VrmsO都得到求解。

2.根据权利要求1所述的基于模型和全局寻优的速度谱自动解释方法，其特征在于：所述步骤(1)的预处理包括：

置道头、去噪、振幅补偿、静校正、反褶积、分选得到CMP道集。

3.根据权利要求1所述的基于模型和全局寻优的速度谱自动解释方法，其特征在于：所述步骤(3)中是利用蒙特卡洛算法对VrmsO进行求解得到最佳VrmsO。