CN105487111B

CN105487111B - 一种自动方位角道集部分叠加方法

Info

Publication number: CN105487111B
Application number: CN201410478020.XA
Authority: CN
Inventors: 肖鹏飞
Original assignee: China Petroleum and Chemical Corp; Sinopec Geophysical Research Institute
Current assignee: China Petroleum and Chemical Corp; Sinopec Geophysical Research Institute
Priority date: 2014-09-18
Filing date: 2014-09-18
Publication date: 2018-10-02
Anticipated expiration: 2034-09-18
Also published as: CN105487111A

Abstract

本发明提供了一种自动方位角道集部分叠加方法，属于地震勘探领域。所述自动方位角道集部分叠加方法包括：(0)设置输入数据参数和输出数据参数；(1)自动方位角地震数据抽取；(2)自动入射角地震数据抽取与部分叠加。利用本发明方法，能彻底解决地震方位角道集部分叠加过程中叠加次数的不均衡性，消除采集因素的影响，提高道集质量。

Description

一种自动方位角道集部分叠加方法

技术领域

本发明属于地震勘探领域，具体涉及一种自动方位角道集部分叠加方法，对叠前道集进行自动分方位角、入射角部分叠加，获得规则化方位角道集。

背景技术

由于地震方位AVO各向异性分析具有精度高、入射角范围要求小等特点，在裂缝型储层地震预测中具有较重要的作用。

在地震方位AVO各向异性反演预测裂缝方位、密度中，需要利用叠前方位道集，道集质量直接决定了各向异性参数反演精度。提高叠前方位道集质量的方法很多，其中通过部分角道集叠加，增加叠加次数方法是最有效的方式之一。

部分角道集的现有部分叠加技术是：

首先，为了提高相邻道之间的信噪比，以减小炮检分布不匀带来的弊端，并保证在不同方位上有足够密度的不同炮检距道集分布、较一致的叠加次数，通过扩大原CMP面元的手段建立CMP宏面元。

其次，为使宏面元内各方位道数基本一致，以确保分方位叠加次数的一致性，同时使各方位数据具有较统一的计算精度及误差，对十个宏面元数据进行了统计分析，以确定各方位角范围。在方位角变化过程中，为使数据更为稳定，需要对方位角边界进行重叠。

然后，采用与方位角范围确定相同的方式确定入射角范围，并进行部分叠加。

最终，获得分方位、分入射角部分叠加道集。

现有技术中，确定方位角、入射角部分叠加范围是采用个别点统计，然后应用于全区的方式。这种方式以角度划分为基础，能一定程度上解决部分叠加道集能量不均衡问题，但对于复杂观测系统资料，还是不能彻底解决这种不均衡性、不可避免采集脚印的存在。

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，提供一种自动方位角道集部分叠加方法，以部分叠加次数为基础，采用自动角度划分方式，彻底解决叠加次数的不均衡性，消除采集因素的影响，提高道集质量。为获得高资料各向异性裂缝参数反演奠定基础。

本发明是通过以下技术方案实现的：

一种自动方位角道集部分叠加方法，包括：

(0)设置输入数据参数和输出数据参数；

(1)自动方位角地震数据抽取；

(2)自动入射角地震数据抽取与部分叠加。

所述步骤(0)中的输入数据参数包括：

宏面元中包含面元个数：unit；

宏面元中每个面元所包含的地震道数：nstack；

宏面元中的总地震道数：Unstack＝unit×nstack；

宏面元中每一个地震道的方位角值：azimuth_i，其中i＝0,1,…,Unstack-1表示道序号；

宏面元中每个地震道的偏移距值：offset_i，其中i＝0,1,…,Unstack-1表示道序号；

宏面元中每一个地震道的采样点数：ns；

宏面元中每一个地震道中每一个采样点的入射角值：incidence_i,j，其中i＝0,1,…,Unstack-1表示道序号，j＝0,1,…,ns-1表示采样点序号；

入射角incidence_i,j的最大值为：incidence_max；

叠前地震数据为：data_in_i,j，其中i＝0,1,…,Unstack-1，j＝0,1,…,ns-1；

所述输出数据参数包括：

方位角道集方位数：azi_out_n；

方位角道集各方位的中心角：azi_out_s＝(0.5+s)×180/azi_out_n，其中s＝0,1,…,azi_out_n-1为输出方位角道集方位角序号；

方位角道集入射角数：；

方位角道集的各入射中心角：inc_out_q＝(0.5+q)×incidence_max/inc_out_n，其中q＝0,1,…,inc_out_n-1为输出方位角道集入射角序号；

初始化地震方位角道集数据：data_s,q,j＝0，其中s＝0,1,2,…,azi_out_n-1为输出方位角道集方位角序号；q＝0,1,2,…,inc_out_n-1为输出方位角道集入射角序号；j＝0,1,2,…,ns-1为采样点序号。

所述步骤(1)包括

(a)计算输出方位角道集中每个方位的最大道数：

(b)初始化s＝0；

(c)初始化k＝0；

(d)计算输出方位角扇区半径：

(e)计算输出方位角扇区半径变化步长：azi_r_step＝azi_r_k/100；

(f)计算输出方位角扇区角度范围：

(azi_out_s-azi_r_k,azi_out_s+azi_r_k]

(g)统计，当i＝0,1,2,…,Unstack-1时，宏面元中每一个地震道的方位角值azimuth_i值满足公式(3)的地震道总数，并记录该数目为Fold_Part_sum_s：

azi_out_s-azi_r_step＜azimuth_i≤azi_out_s+azi_r_step (3)

记录所有满足公式(3)要求的地震道在宏面元中的位置序号azi_out_no_s,t，其中t＝0,1,…,Fold_Part_sum_s-1；

(h)如果Fold_Part_sum_s≥Fold_Part_sum_max-1，则跳转到步骤(k)。

(i)如果Fold_Part_sum_s＜Fold_Part_sum_max-1，则：

azi_r_k+1＝azi_r_k+azi_r_step (4)

(j)计算k＝k+1，返回步骤(f)；

(k)如果s≥azi_out_n-1，自动方位抽取结束，跳转到步骤(2)；否则s＝s+1，返回步骤(d)。

所述步骤(2)包括：

(A)计算输出方位角道集每个方位中每个入射角道集的最大道数：

(B)对第i个输出方位角实施计算，初始化时s＝0；

(C)当t＝0,1,…,Fold_Part_sum_s-1时，每个azi_out_no_s,t位置对应一个值；依据从小到大的顺序，对azi_out_no_s,t进行排序；记录排序后的宏面元中本方位的地震道位置：azi_out_no_sort_s,t；

(D)对第j个采样点实施计算，初始化时j＝0；

(E)对第q个入射角实施计算，初始化时q＝0；

(F)搜索，当t＝0,1,2,…,Fold_Part_sum_s-1时，是否有一个值，满足公式(6)：

如果当t＝tt，且tt≤Fold_Part_sum_s-1时，满足公式(6)，跳转到步骤(G)；如果无法找到满足公式(6)条件的值，跳转到步骤(I)；

(G)计算输出入射角扇区范围：[m,n)

其中

(H)计算第s输出方位角、第q入射角、第j采样点的输出地震数据：

(I)如果q≤inc_out_n-1，则q＝q+1，返回步骤(E)；否则跳转到步骤(J)；

(J)如果j≤ns-1，则j＝j+1，返回步骤(D)；否则，跳转到步骤(K)；

(K)如果s≤azi_out_n-1，则s＝s+1，返回步骤(B)；否则，跳转到步骤(L)；

(L)输出的data_s,q,j即为所求的地震方位角道集。

所述步骤(C)中是采用冒泡排序算法依据从小到大的顺序，对azi_out_no_s,t进行排序的。

与现有技术相比，本发明的有益效果是：利用本发明方法，能彻底解决地震方位角道集部分叠加过程中叠加次数的不均衡性，消除采集因素的影响，提高道集质量。为获得高资料地震各向异性裂缝参数反演奠定基础。是裂缝型储层预测的一个有效工具。

附图说明

图1、某工区的自动方位角道集划分图,横坐标为方位角，纵坐标为入射角。各个不同方框表示该区域的通过本发明步骤实施得到的方位角、入射角范围。如图中阴影区A，其入射中心角、方位中心角分别为16°、60°，其入射角范围是(13.69,17.90]、其方位角范围是(44.7,75.3]。图中阴影区B，其入射中心角、方位中心角分别为20°、120°，其入射角范围是(17.79,21.55]、其方位角范围是(104.75,135.25]。

图2、采用本发明获得的地震方位角道集。横坐标6个方位、每个方位5个入射角，共30道；纵坐标为采样点时间，采样间隔为0.002秒，共501个采样点，共1秒。

图3是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：

本发明涉及地震勘探技术，是一种对叠前道集进行自动分方位角、入射角部分叠加，获得规则化方位角道集的技术。具体步骤如下：

(0)数据准备

利用地震方位AVO开展各向异性参数反演是裂缝性储层地震预测的重要手段。利用方位AVO各向异性参数反演时，地震方位角道集的优劣决定了最终反演结果的优劣。提高地震方位角道集质量的方法通常有两种：其一是拓展宏面元；其二是进行方位角道集部分叠加。这两种方位往往配合使用，能大幅度提高叠前方位角道集质量。但在进行方位角道集部分叠加处理中，通常的方法是以角度为基础划分道集。该方法人为因素大，而且不能完全保证各方位、各入射角部分叠加过程的叠加次数一致。

本发明以叠加次数为基础自动划分道集。具有自动化程度高、获得的部分叠加导致一致性好等特点。

如图3所示，本发明的整个自动方位角道集部分叠加方法包括：自动方位角地震数据抽取方法、自动入射角地震数据抽取与部分叠加方法。

设输入数据参数包括：

●宏面元中包含面元个数：unit。

●宏面元中每个面元所包含的地震道数：nstack。

●宏面元中的总地震道数：Unstack＝unit×nstack。

●宏面元中每一个地震道的方位角值：azimuth_i，其中i＝0,1,…,Unstack-1表示道序号。

●宏面元中每个地震道的偏移距值：offset_i，其中i＝0,1,…,Unstack-1表示道序号。

●宏面元中每一个地震道的采样点数：ns。

●宏面元中每一个地震道中每一个采样点的入射角值：incidence_i,j，其中i＝0,1,…,Unstack-1表示道序号，j＝0,1,…,ns-1表示采样点序号。

●入射角incidence_i,j的最大值为：incidence_max。

●输入叠前地震数据为：data_in_i,j，其中i＝0,1,…,Unstack-1，j＝0,1,…,ns-1。

设输出数据参数包括：

●输出方位角道集方位数：azi_out_n，输出方位角道集方位数是设定值，在叠前方位各向异性参数反演过程中，方位数一般设定为3-10。越小的方位数获得的反演结果稳定性越高，但精度越低；反之则越高。

●输出方位角道集各方位的中心角：azi_out_s＝(0.5+s)×180/azi_out_n，其中s＝0,1,…,azi_out_n-1为输出方位角道集方位角序号。

●输出方位角道集入射角数：inc_out_n，输出方位角道集入射角数是设定值，在叠前方位各向异性参数反演过程中，入射角数一般设定为3-10。越小的入射角数获得的反演结果稳定性越高，但精度越低；反之则越高。)。

●输出方位角道集的各入射中心角：inc_out_q＝(0.5+q)×incidence_max/inc_out_n，其中q＝0,1,…,inc_out_n-1为输出方位角道集入射角序号。

●初始化输出地震方位角道集数据：data_s,q,j＝0，其中s＝0,1,2,…,azi_out_n-1为输出方位角道集方位角序号；q＝0,1,2,…,inc_out_n-1为输出方位角道集入射角序号；j＝0,1,2,…,ns-1为采样点序号。

上述“输入数据参数”为计算所用到的数据，“输出数据参数”为开始计算时的初始设置值，其中“地震方位角道集数据”为本发明方法的输出结果。

(1)自动方位角地震数据抽取方法

(a)计算输出方位角道集中每个方位的最大道数：

每个s方位的Fold_Part_sum_max都相同

(b)初始化s＝0；

(c)初始化k＝0；

(d)计算输出方位角扇区半径：

(e)计算输出方位角扇区半径变化步长：azi_r_step＝azi_r_k/100；

(f)计算输出方位角扇区角度范围：

(azi_out_s-azi_r_k,azi_out_s+azi_r_k]

azi_out_s-azi_r_step＜azimuth_i≤azi_out_s+azi_r_step (3)

(h)如果Fold_Part_sum_s≥Fold_Part_sum_max-1，则跳转到步骤(k)。

(i)如果Fold_Part_sum_s＜Fold_Part_sum_max-1，则：

azi_r_k+1＝azi_r_k+azi_r_step (4)

(j)计算k＝k+1，返回步骤(f)；

(k)如果s≥azi_out_n-1，自动方位抽取结束，跳转到步骤(2)；否则s＝s+1，返回步骤(d)；

(2)自动入射角地震数据抽取与部分叠加方法

(B)对第s个输出方位角实施计算，初始化时s＝0

(C)当t＝0,1,…,Fold_Part_sum_s-1时，每个azi_out_no_s,t位置对应一个值。采用冒泡排序算法(该算法为常规技术，在公开文献中可以检索到相关文章与程序代码)，依据从小到大的顺序，对azi_out_no_s,t进行排序。记录排序后的宏面元中本方位的地震道位置：azi_out_no_sort_s,t；

(D)对第j个采样点实施计算(即从(D)步骤开始，对第j个采样点进行计算，首先计算的是j＝0，然后进入(E)、(F)、...步骤)，初始化时j＝0；

(E)对第q个入射角实施计算(即从(E)步骤开始，对第q个入射角进行计算，首先计算的是q＝0，然后进入(F))，初始化时q＝0；

(G)计算输出入射角扇区范围：[m,n)

其中

(I)如果q≤inc_out_n-1，则q＝q+1，返回步骤(E)；否则跳转到步骤(J)。

(J)如果j≤ns-1，则j＝j+1，返回步骤(D)；否则跳转到步骤(K)。

(L)输出的data_s,q,j为采用本方法获得的地震方位角道集。

本发明在裂缝型储层地震方位角道集生成中取得了较好的效果。图1是某工区的自动方位角道集划分图,横坐标为方位角，纵坐标为入射角。各个不同方框表示该区域的通过本发明步骤实施得到的方位角、入射角范围。如图中阴影区A，其入射中心角、方位中心角分别为16°、60°，其入射角范围是(13.69,17.90]、其方位角范围是(44.7,75.3]。图中阴影区B，其入射中心角、方位中心角分别为20°、120°，其入射角范围是(17.79,21.55]、其方位角范围是(104.75,135.25]。本图给出了本发明在一个宏面元、一个采样点的实施过程。实施案例中，宏面元中共有9个面元，每个面元中共有357个地震道，每道有501个采样点，采样点间隔为0.002秒。

通过本发明的方法，形成了地震方位角道集，如图2。横坐标6个方位、每个方位5个入射角，共30道。6个方位的方位中心角分别为0°、30°、60°、90°、120°、150°，剖面上显示分别为第1-5、6-10、11-15、16-20、21-25、26-30道。每个方位中5个入射中心角分别为8°、12°、16°、20°、24°。从图中可以看到，获得的方位角道集，各方位之间地震振幅能量均衡、各入射角之间具有较好的振幅随入射角变化特征。

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

1.一种自动方位角道集部分叠加方法，其特征在于：所述方法包括：

(0)设置输入数据参数和输出数据参数；

(1)自动方位角地震数据抽取；

(2)自动入射角地震数据抽取与部分叠加；

其中，所述步骤(0)中的输入数据参数包括：

宏面元中包含面元个数：unit；

宏面元中每个面元所包含的地震道数：nstack；

宏面元中的总地震道数：Unstack＝unit×nstack；

宏面元中每一个地震道的采样点数：ns；

入射角incidence_i,j的最大值为：incidence_max；

叠前地震数据为：data_in_i,j，其中i＝0,1,…,Unstack-1表示道序号，j＝0,1,…,ns-1表示采样点序号；

所述输出数据参数包括：

方位角道集方位数：azi_out_n；

方位角道集入射角数：int_out_n；

初始化地震方位角道集数据：data_s,q,j＝0，其中s＝0,1,2,…,azi_out_n-1为输出方位角道集方位角序号；q＝0,1,2,…,inc_out_n-1为输出方位角道集入射角序号；j＝0,1,2,…,ns-1为采样点序号；

其中，所述步骤(1)包括

(a)计算输出方位角道集中每个方位的最大道数：

(b)初始化s＝0；

(c)初始化k＝0；

(d)计算输出方位角扇区半径：

(e)计算输出方位角扇区半径变化步长：azi_r_step＝azi_r_k/100；

(f)计算输出方位角扇区角度范围：

(azi_out_s-azi_r_k,azi_out_s+azi_r_k]

azi_out_s-azi_r_step＜azimuth_i≤azi_out_s+azi_r_step (3)

(h)如果Fold_Part_sum_s≥Fold_Part_sum_max-1，则跳转到步骤(k)；

(i)如果Fold_Part_sum_s＜Fold_Part_sum_max-1，则：

azi_r_k+1＝azi_r_k+azi_r_step (4)

(j)计算k＝k+1，返回步骤(f)；

2.根据权利要求1所述的自动方位角道集部分叠加方法，其特征在于：所述步骤(2)包括：

(B)对第s个输出方位角实施计算，初始化时s＝0；

(D)对第j个采样点实施计算，初始化时j＝0；

(E)对第q个入射角实施计算，初始化时q＝0；

(G)计算输出入射角扇区范围：[m,n)

其中

(L)输出的data_s,q,j即为所求的地震方位角道集。

3.根据权利要求2所述的自动方位角道集部分叠加方法，其特征在于：所述步骤(C)中是采用冒泡排序算法依据从小到大的顺序，对azi_out_no_s,t进行排序的。