CN107015275A - 陷落柱检测方法和装置 - Google Patents
陷落柱检测方法和装置 Download PDFInfo
- Publication number
- CN107015275A CN107015275A CN201710248324.0A CN201710248324A CN107015275A CN 107015275 A CN107015275 A CN 107015275A CN 201710248324 A CN201710248324 A CN 201710248324A CN 107015275 A CN107015275 A CN 107015275A
- Authority
- CN
- China
- Prior art keywords
- ant
- attribute
- data
- trail
- volume
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 29
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 49
- 238000000034 method Methods 0.000 claims abstract description 39
- 238000005070 sampling Methods 0.000 claims description 30
- 239000011435 rock Substances 0.000 claims description 15
- 230000002708 enhancing effect Effects 0.000 claims description 12
- 238000009499 grossing Methods 0.000 claims description 8
- 230000000694 effects Effects 0.000 abstract description 5
- 230000015572 biosynthetic process Effects 0.000 description 5
- 238000009826 distribution Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 239000003245 coal Substances 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000035772 mutation Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000001427 coherent effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007935 neutral effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000009331 sowing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/30—Analysis
- G01V1/301—Analysis for determining seismic cross-sections or geostructures
- G01V1/302—Analysis for determining seismic cross-sections or geostructures in 3D data cubes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/64—Geostructures, e.g. in 3D data cubes
- G01V2210/642—Faults
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明提供了一种陷落柱检测方法和装置，涉及地震勘探技术领域，该方法包括获取目标地下区域内的三维地震数据的数据体，其中，三维地震数据的数据体中携带地下岩层的界面信息，地下岩层的界面信息包括地下岩层的属性信息和/或地下岩层的结构信息；采用蚂蚁追踪算法对三维地震数据的数据体进行运算，得到包含蚂蚁体属性的蚂蚁追踪属性体，其中，蚂蚁体属性表示地质结构的不连续特性；根据蚂蚁追踪属性体确定包含陷落柱位置信息和边界信息的目标数据体，以根据目标数据体在目标地下区域中识别陷落柱。本发明缓解了现有技术中无法有效识别陷落柱的技术问题，达到了较准确地预测陷落柱位置及刻画陷落柱边界的技术效果。
Description
技术领域
本发明涉及地震勘探技术领域，尤其是涉及一种陷落柱检测方法和装置。
背景技术
在煤炭开采过程中，陷落柱会破坏煤层的连续性，易于诱发透水、瓦斯突出等事故，严重影响煤矿安全、高效的开采，因此，对陷落柱的识别具有重要意义。
目前，用于识别陷落柱的方法有很多种，包括利用相干体、频率、相位及神经网络属性来预测陷落柱，通过提取沿层的属性切片而直观显示陷落柱的发育情况。
上述方法虽然在陷落柱的预测上取得了一定进展，但是，由于陷落柱本身具有大小不等、分布规律差等特点，上述方法只能达到模糊预测的效果，不能准确确定陷落柱位置及边界，因而，现有技术中亟待一种陷落柱的有效识别技术。
发明内容
有鉴于此，本发明的目的在于提供一种陷落柱检测方法和装置，以缓解传统的陷落柱识别方法在识别陷落柱时识别精确度较差的技术问题。
第一方面，本发明实施例提供了一种陷落柱检测方法，包括：
获取目标地下区域内的三维地震数据的数据体，其中，所述三维地震数据的数据体中携带地下岩层的界面信息，所述地下岩层的界面信息包括地下岩层的属性信息和/或地下岩层的结构信息；
采用蚂蚁追踪算法对所述三维地震数据的数据体进行运算，得到包含蚂蚁体属性的蚂蚁追踪属性体，其中，所述蚂蚁体属性表示地质结构的不连续特性；
根据所述蚂蚁追踪属性体确定包含陷落柱位置信息和边界信息的目标数据体，以根据所述目标数据体在所述目标地下区域中识别陷落柱。
结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，采用蚂蚁追踪算法对所述三维地震数据的数据体进行运算，得到包含蚂蚁体属性的蚂蚁追踪属性体，包括：
获取预先设置的第一组蚂蚁体参数，其中，所述第一组蚂蚁体参数包括第一初始蚂蚁边界、第一追踪偏离、第一非法步数、第一合法步数、第一搜索步长、第一终止标准，所述第一组蚂蚁体参数用于控制蚂蚁在所述目标地下区域中的追踪路径及追踪陷落柱的尺度范围；
基于所述第一组蚂蚁体参数，采用所述蚂蚁追踪算法对所述三维地震数据的数据体进行运算，得到包含蚂蚁体属性的蚂蚁追踪属性体。
结合第一方面的第一种可能的实施方式，本发明实施例提供了第一方面的第二种可能的实施方式，其中，所述第一初始蚂蚁边界的取值为7个样点，所述第一追踪偏离的取值为2个样点，所述第一非法步数的取值为1，所述第一合法步数的取值为3，所述第一搜索步长的取值为3个样点，所述第一终止标准的取值为5％。
结合第一方面的第一种可能的实施方式，本发明实施例提供了第一方面的第三种可能的实施方式，其中，所述第一初始蚂蚁边界的取值为5个样点，所述第一追踪偏离的取值为2个样点，所述第一非法步数的取值为2，所述第一合法步数的取值为2，所述第一搜索步长的取值为3个样点，所述第一终止标准的取值为10％。
结合第一方面，本发明实施例提供了第一方面的第四种可能的实施方式，其中，采用蚂蚁追踪算法对所述三维地震数据的数据体进行运算，得到包含蚂蚁体属性的蚂蚁追踪属性体，包括：
获取预先设置的第二组蚂蚁体参数，其中，所述第二组蚂蚁体参数包括第二初始蚂蚁边界、第二追踪偏离、第二非法步数、第二合法步数、第二搜索步长、第二终止标准；
基于所述第二组蚂蚁体参数，采用所述蚂蚁追踪算法对所述三维地震数据的数据体进行蚂蚁追踪运算，得到包含中间蚂蚁体属性的中间蚂蚁追踪属性体，其中，所述中间蚂蚁体属性表示所述三维地震数据的不连续特性；
获取预先设置的第三组蚂蚁体参数，其中，所述第三组蚂蚁体参数包括第三初始蚂蚁边界、第三追踪偏离、第三非法步数、第三合法步数、第三搜索步长、第三终止标准，并且相对所述第二组蚂蚁体参数，所述第三组蚂蚁体参数构造的蚂蚁体为积极蚂蚁体；
基于所述第三组蚂蚁体参数，采用所述蚂蚁追踪算法对所述中间蚂蚁追踪属性体进行运算，得到包含蚂蚁体属性的蚂蚁追踪属性体，其中，所述蚂蚁体属性表示所述中间蚂蚁体属性的不连续特性。
结合第一方面，本发明实施例提供了第一方面的第五种可能的实施方式，其中，在获取目标地下区域内的三维地震数据的数据体之后，并且在采用蚂蚁追踪算法对所述三维地震数据的数据体进行运算之前，所述方法还包括：
对所述三维地震数据的数据体做平滑处理；
对经平滑处理后的所述三维地震数据的数据体做边缘增强处理；
计算边缘增强处理后的所述三维地震数据的数据体的方差体属性，得到包含方差体属性的三维地震数据的数据体。
结合第一方面，本发明实施例提供了第一方面的第六种可能的实施方式，其中，所述三维地震数据的数据体为三维地震偏移叠加数据体。
结合第一方面的以上任一种实施方式，本发明实施例提供了第一方面的第七种可能的实施方式，其中，根据所述蚂蚁追踪属性体确定包含陷落柱位置信息和边界信息的目标数据体，包括：
获取目标层的空间位置数据，其中，所述目标层为待检测陷落柱展布情况的岩层；
根据所述目标层的空间位置数据，对所述蚂蚁追踪属性体进行切片处理，得到所述目标层的蚂蚁体属性数据；
对所述目标层的蚂蚁体属性数据进行分析，确定所述目标层的包含陷落柱位置信息和边界信息的目标数据体，以根据所述目标数据体在所述目标地下区域中识别陷落柱。
结合第一方面的第七种可能的实施方式，本发明实施例提供了第一方面的第八种可能的实施方式，其中，
对所述目标层的蚂蚁体属性数据进行分析，确定所述目标层的包含陷落柱位置信息和边界信息的目标数据体,包括：
将所述目标层的蚂蚁体中的每个蚂蚁体属性的属性值与预设属性值进行比较；
当比较出所述属性值大于所述预设属性值时，对所述蚂蚁体属性进行标记，得到标记之后的所述蚂蚁追踪属性体；
在标记之后的所述蚂蚁追踪属性体中查找环形区域，并将所述环形区域的边界值确定为所述陷落柱的边界值。
第二方面，本发明实施例还提供了一种陷落柱检测装置，包括：
获取模块，用于获取目标地下区域内的三维地震数据的数据体，其中，所述三维地震数据的数据体中携带地下岩层的界面信息，所述地下岩层的界面信息包括地下岩层的属性信息和/或地下岩层的结构信息；
运算模块，用于采用蚂蚁追踪算法对所述三维地震数据的数据体进行运算，得到包含蚂蚁体属性的蚂蚁追踪属性体，其中，所述蚂蚁体属性表示地质结构的不连续特性；
确定模块，根据所述蚂蚁追踪属性体确定包含陷落柱位置信息和边界信息的目标数据体，以根据所述目标数据体在所述目标地下区域中识别陷落柱。
结合第二方面，本发明实施例提供了第二方面的第一种可能的实施方式，其中，
所述运算模块采用蚂蚁追踪算法对所述三维地震数据的数据体进行运算，得到包含蚂蚁体属性的蚂蚁追踪属性体，包括：
获取预先设置的第一组蚂蚁体参数，其中，所述第一组蚂蚁体参数包括第一初始蚂蚁边界、第一追踪偏离、第一非法步数、第一合法步数、第一搜索步长、第一终止标准，所述第一组蚂蚁体参数用于控制蚂蚁在所述目标地下区域中的追踪路径及追踪陷落柱的尺度范围；
基于所述第一组蚂蚁体参数，采用所述蚂蚁追踪算法对所述三维地震数据的数据体进行运算，得到包含蚂蚁体属性的蚂蚁追踪属性体。
结合第二方面的第一种可能的实施方式，本发明实施例提供了第二方面的第二种可能的实施方式，其中，所述第一初始蚂蚁边界的取值为7个样点，所述第一追踪偏离的取值为2个样点，所述第一非法步数的取值为1，所述第一合法步数的取值为3，所述第一搜索步长的取值为3个样点，所述第一终止标准的取值为5％。
结合第二方面的第一种可能的实施方式，本发明实施例提供了第二方面的第三种可能的实施方式，其中，所述第一初始蚂蚁边界的取值为5个样点，所述第一追踪偏离的取值为2个样点，所述第一非法步数的取值为2，所述第一合法步数的取值为2，所述第一搜索步长的取值为3个样点，所述第一终止标准的取值为10％。
结合第二方面，本发明实施例提供了第二方面的第四种可能的实施方式，其中，所述运算模块采用蚂蚁追踪算法对所述三维地震数据的数据体进行运算，得到包含蚂蚁体属性的蚂蚁追踪属性体，包括：
获取预先设置的第二组蚂蚁体参数，其中，所述第二组蚂蚁体参数包括第二初始蚂蚁边界、第二追踪偏离、第二非法步数、第二合法步数、第二搜索步长、第二终止标准；
基于所述第二组蚂蚁体参数，采用所述蚂蚁追踪算法对所述三维地震数据的数据体进行蚂蚁追踪运算，得到包含中间蚂蚁体属性的中间蚂蚁追踪属性体，其中，所述中间蚂蚁体属性表示所述三维地震数据的不连续特性；
获取预先设置的第三组蚂蚁体参数，其中，所述第三组蚂蚁体参数包括第三初始蚂蚁边界、第三追踪偏离、第三非法步数、第三合法步数、第三搜索步长、第三终止标准，并且相对所述第二组蚂蚁体参数，所述第三组蚂蚁体参数构造的蚂蚁体为积极蚂蚁体；
基于所述第三组蚂蚁体参数，采用所述蚂蚁追踪算法对所述中间蚂蚁追踪属性体进行运算，得到包含蚂蚁体属性的蚂蚁追踪属性体，其中，所述蚂蚁体属性表示所述中间蚂蚁体属性的不连续特性。
结合第二方面，本发明实施例提供了第二方面的第五种可能的实施方式，其中，所述陷落柱检测装置还包括：数据预处理模块，用于在获取模块获取目标地下区域内的三维地震数据的数据体之后，并且在运算模块采用蚂蚁追踪算法对所述三维地震数据的数据体进行运算之前，
对所述三维地震数据的数据体做平滑处理；
对经平滑处理后的所述三维地震数据的数据体做边缘增强处理；
计算边缘增强处理后的所述三维地震数据的数据体的方差体属性，得到包含方差体属性的三维地震数据的数据体。
结合第二方面，本发明实施例提供了第二方面的第六种可能的实施方式，其中，所述获取模块获取的所述三维地震数据的数据体为三维地震偏移叠加数据体。
结合第二方面的以上任一种实施方式，本发明实施例提供了第二方面的第七种可能的实施方式，其中，所述确定模块根据所述蚂蚁追踪属性体确定包含陷落柱位置信息和边界信息的目标数据体，包括：
获取目标层的空间位置数据，其中，所述目标层为待检测陷落柱展布情况的岩层；
根据所述目标层的空间位置数据，对所述蚂蚁追踪属性体进行切片处理，得到所述目标层的蚂蚁体属性数据；
对所述目标层的蚂蚁体属性数据进行分析，确定所述目标层的包含陷落柱位置信息和边界信息的目标数据体，以根据所述目标数据体在所述目标地下区域中识别陷落柱。
结合第二方面的第七种可能的实施方式，本发明实施例提供了第二方面的第八种可能的实施方式，其中，所述确定模块对所述目标层的蚂蚁体属性数据进行分析，确定所述目标层的包含陷落柱位置信息和边界信息的目标数据体,包括：
将所述目标层的蚂蚁体中的每个蚂蚁体属性的属性值与预设属性值进行比较；
当比较出所述属性值大于所述预设属性值时，对所述蚂蚁体属性进行标记，得到标记之后的所述蚂蚁追踪属性体；
在标记之后的所述蚂蚁追踪属性体中查找环形区域，并将所述环形区域的边界值确定为所述陷落柱的边界值。
本发明实施例采用的陷落柱检测方法，是基于蚂蚁追踪算法所得出的蚂蚁追踪属性来预测陷落柱，蚂蚁追踪算法可以克服人工解释的主观性，有效提高地层结构的解释精度，该方法通过对三维地震数据的数据体进行追踪识别，对于大小不等、分布规律差的陷落柱的结构轮廓可以清楚地显示，对于陷落柱的边缘刻画特别有效，缓解了现有技术中缺乏陷落柱的有效识别技术的技术问题。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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，还可以根据这些附图获得其他的附图。
图1为本发明实施例一提供的一种陷落柱检测方法的流程图；
图2为本发明实施例一提供的一种陷落柱检测方法所得出的待检测岩层的消极蚂蚁追踪属性体；
图3为本发明实施例一提供的一种陷落柱检测方法所得出的待检测岩层的积极蚂蚁追踪属性体；
图4为本发明实施例一提供的一种采用蚂蚁追踪算法对三维地震数据的数据体进行运算，得到包含蚂蚁体属性的蚂蚁追踪属性体的流程图；
图5为本发明实施例一提供的另一种陷落柱检测方法所得出的待检测岩层的消极-积极蚂蚁追踪属性体；
图6为采用人工解释方法所得出的待检测岩层的地层结构示意图；
图7为本发明实施例一提供的另一种陷落柱检测方法的流程图；
图8为本发明实施例二提供的一种陷落柱检测装置的结构示意图；
图9为本发明实施例二提供的另一种陷落柱检测装置的结构示意图。
图标：100-获取模块；101-数据预处理模块；200-运算模块；300-确定模块。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例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。
目前用于识别陷落柱的方法有很多种，包括利用相干体、频率、相位及神经网络属性来预测陷落柱，但是，由于陷落柱本身具有大小不等、分布规律差等特点，上述方法只能达到模糊预测的效果，不能准确确定陷落柱位置及边界。基于此，本发明实施例提供的一种陷落柱检测方法和装置，可以缓解现有技术中缺乏陷落柱的有效识别技术的技术问题。
为便于对本实施例进行理解，首先对本发明实施例所公开的一种陷落柱检测方法进行详细介绍。
实施例一：
本发明实施例提供了一种陷落柱检测方法，如图1所示，包括：
步骤S102，获取目标地下区域内的三维地震数据的数据体，其中，三维地震数据的数据体中携带地下岩层的界面信息，地下岩层的界面信息包括地下岩层的属性信息和/或地下岩层的结构信息；
步骤S104，采用蚂蚁追踪算法对三维地震数据的数据体进行运算，得到包含蚂蚁体属性的蚂蚁追踪属性体，其中，蚂蚁体属性表示地质结构与陷落柱的相似程度；
步骤S106，根据蚂蚁追踪属性体确定包含陷落柱位置信息和边界信息的目标数据体，以根据目标数据体在目标地下区域中识别陷落柱。
具体地，地质结构勘探中，炮点发射探测波，检波点接收探测波，其中，控制探测波发射器的发射角度可以使得探测波的传播路径经过目标地下区域，由于波的波速、振幅、传播时间等属性与途经介质的材质、密度、结构等密切相关，因而，途经地下岩层的探测波会携带地下岩层的界面信息。上述三维地震数据可以选用地震勘探中常用的探测波的在目标地下区域中的振幅，目标地下区域中的一个三维空间的坐标值对应一个振幅值。
此外，采用蚂蚁追踪算法对三维地震数据的数据体进行运算，即，通过蚂蚁追踪算法中采用的蚂蚁体对三维地震数据进行追踪和识别，在取值有突变的三维地震数据所对应的三维空间的坐标值描述的位置点进行标注。
本发明实施例采用的陷落柱检测方法，是基于蚂蚁追踪算法所得出的蚂蚁追踪属性来预测陷落柱，蚂蚁追踪算法可以克服人工解释的主观性，有效提高地层结构的解释精度，该方法通过对三维地震数据的数据体进行追踪识别，对于大小不等、分布规律差的陷落柱的结构轮廓可以清楚地显示，对于陷落柱的边缘刻画特别有效，缓解了传统的陷落柱识别方法在识别陷落柱时识别精确度较差的技术问题。
本发明实施例的一个可选实施方式中，采用蚂蚁追踪算法对三维地震数据的数据体进行运算，得到包含蚂蚁体属性的蚂蚁追踪属性体，包括：
获取预先设置的第一组蚂蚁体参数，其中，第一组蚂蚁体参数包括第一初始蚂蚁边界、第一追踪偏离、第一非法步数、第一合法步数、第一搜索步长、第一终止标准，第一组蚂蚁体参数用于控制蚂蚁在目标地下区域中的追踪路径及追踪陷落柱的尺度范围；
基于第一组蚂蚁体参数，采用蚂蚁追踪算法对三维地震数据的数据体进行运算，得到包含蚂蚁体属性的蚂蚁追踪属性体。
需要说明的是，蚂蚁追踪算法中所使用的蚂蚁体通过初始蚂蚁边界、追踪偏离、非法步数、合法步数、搜索步长、终止标准这六个参数来构造，其中，初始蚂蚁边界、合法步数的取值越大，而追踪偏离、搜索步长、非法步数、终止标准的取值越小，得到的蚂蚁追踪属性体就越稀疏，就对越大构造的陷落柱特征具有良好的反映。相应地，定义较大的初始蚂蚁边界和合法步数，和，较小的追踪偏离、搜索步长、非法步数、终止标准构造的蚂蚁体为消极蚂蚁体，而较小的初始蚂蚁边界、合法步数，和，较大的追踪偏离、搜索步长、非法步数、终止标准构造的蚂蚁体为积极蚂蚁体。使用蚂蚁追踪算法进行追踪时，可以通过调节这六个参数而确定合适的蚂蚁体密度和规模，得出效果较好的蚂蚁追踪属性体。
可选地，第一初始蚂蚁边界的取值为7个样点，第一追踪偏离的取值为2个样点，第一非法步数的取值为1，第一合法步数的取值为3，第一搜索步长的取值为3个样点，第一终止标准的取值为5％。
可选地，第一初始蚂蚁边界的取值为5个样点，第一追踪偏离的取值为2个样点，第一非法步数的取值为2，第一合法步数的取值为2，第一搜索步长的取值为3个样点，第一终止标准的取值为10％。
上述两种取值组合相比较而言：
在前的取值组合构造的蚂蚁体为消极蚂蚁体，相应得出的蚂蚁追踪属性体标称为消极蚂蚁追踪属性体，第一组蚂蚁体参数的取值作如此选取，适用于普遍情况下的较大构造的陷落柱特征的识别，对于大构造的陷落柱的识别具有普适性良好的优点；
在后的取值组合构造的蚂蚁体为积极蚂蚁体，相应得出的蚂蚁追踪属性体标称为积极蚂蚁追踪属性体，第一组蚂蚁体参数的取值作如此选取，适用于普遍情况下的较小构造的陷落柱特征的识别，对于小构造的陷落柱的识别具有普适性良好的优点。
图2为待检测岩层的消极蚂蚁追踪属性体，图3为待检测岩层的积极蚂蚁追踪属性体。图中的坐标网格上的图案的灰度值表示蚂蚁体属性的值，其中，图案中色彩的灰度值越小，相应区域的不连续性的概率越大。需要说明的是，灰度值的取值范围为0％-100％，其中，0％表示纯白色，100％表示纯黑色，而灰度值为0％的区域不在考虑范围之内。从图2中可以看出，消极蚂蚁体的搜索能力较弱，对于较大构造具有良好的反映；从图3中可以看出，积极蚂蚁体的搜索能力较强，对于较小构造陷落柱具有良好的反映。
本发明实施例的一个可选实施方式中，如图4所示，采用蚂蚁追踪算法对三维地震数据的数据体进行运算，得到包含蚂蚁体属性的蚂蚁追踪属性体，包括：
步骤S401，获取预先设置的第二组蚂蚁体参数，其中，第二组蚂蚁体参数包括第二初始蚂蚁边界、第二追踪偏离、第二非法步数、第二合法步数、第二搜索步长、第二终止标准。
步骤S402，基于第二组蚂蚁体参数，采用蚂蚁追踪算法对三维地震数据的数据体进行蚂蚁追踪运算，得到包含中间蚂蚁体属性的中间蚂蚁追踪属性体，其中，中间蚂蚁体属性表示三维地震数据的不连续特性。
步骤S403，获取预先设置的第三组蚂蚁体参数，其中，第三组蚂蚁体参数包括第三初始蚂蚁边界、第三追踪偏离、第三非法步数、第三合法步数、第三搜索步长、第三终止标准，并且相对第二组蚂蚁体参数，第三组蚂蚁体参数构造的蚂蚁体为积极蚂蚁体。
步骤S404，基于第三组蚂蚁体参数，采用蚂蚁追踪算法对中间蚂蚁追踪属性体进行运算，得到包含蚂蚁体属性的蚂蚁追踪属性体，其中，蚂蚁体属性表示中间蚂蚁体属性的不连续特性。
本发明实施例中，先利用蚂蚁追踪算法对取值有突变的三维地震数据进行蚂蚁追踪，得到表示三维地震数据不连续特性的中间蚂蚁追踪属性体，然后再利用蚂蚁追踪算法对取值有突变的中间蚂蚁追踪属性进行蚂蚁追踪，得到表示中间蚂蚁体属性不连续特性的蚂蚁追踪属性体。并且，相对第二组蚂蚁体参数，第三组蚂蚁体参数构造的蚂蚁体为积极蚂蚁体，通过两次蚂蚁追踪运算，且是先提取消极蚂蚁追踪属性体，在此基础上再提取积极蚂蚁追踪属性体，从而有效地兼顾了大型与小型陷落柱的检测，科学合理地达到精确预测陷落柱的效果。图5所示即为本发明实施例的该可选实施方法得出的待检测岩层的消极-积极蚂蚁追踪属性体。
而图6为采用人工解释方法所得出的待检测岩层的地层结构示意图，需要说明的是，图6中不规则环形线圈标识的区域为陷落柱的区域，具体地，比较图5和图6，图6中所示的1号区域、2号区域、3号区域、4号区域在图5中都有很好地显示，并且图5中给出了更细致的显示，此外，图5中还显示了图6中未显示出来的一些小的陷落柱，相对于人工解释方法存在主观性大的技术问题，采用本发明实施例的可选实施方式得到的结果更加精确和可靠。
本发明实施例的一个可选实施方式中，如图7所示，在获取目标地下区域内的三维地震数据的数据体之后，并且在采用蚂蚁追踪算法对三维地震数据的数据体进行运算之前，方法还包括：
步骤S1031，对三维地震数据的数据体做平滑处理；
步骤S1032，对经平滑处理后的三维地震数据的数据体做边缘增强处理；
步骤S1033，计算边缘增强处理后的三维地震数据的数据体的方差体属性，得到包含方差体属性的三维地震数据的数据体。
本发明实施例的可选实施方式中，对三维地震数据的数据体做平滑处理消除了背景噪声对地震数据精度的影响，需要说明的是，平滑处理过程会在衰减噪声的同时损失掉有效信息，因而为了达到精细探测，平滑系数不能过高。
此外，对经平滑处理后的三维地震数据的数据体做边缘增强处理，突出了三位地震数据的数据体的不连续边界，而计算边缘增强处理后的三维地震数据的数据体的方差体属性，可以进一步突出三位地震数据的数据体的不连续边界，更有利于蚂蚁追踪运算的精确和快速追踪。
本发明实施例的一个可选实施中，三维地震数据的数据体为三维地震偏移叠加数据体，从而更有利于数据处理的速度和精度。
本发明实施例的一个可选实施方式中，根据蚂蚁追踪属性体确定包含陷落柱位置信息和边界信息的目标数据体，包括：
获取目标层的空间位置数据，其中，目标层为待检测陷落柱展布情况的岩层；
根据目标层的空间位置数据，对蚂蚁追踪属性体进行切片处理，得到目标层的蚂蚁体属性数据；
对目标层的蚂蚁体属性数据进行分析，确定目标层的包含陷落柱位置信息和边界信息的目标数据体，以根据目标数据体在目标地下区域中识别陷落柱。
需要说明的是，目标层的空间位置数据可以选为包括众多三维坐标数据，上述三维坐标数据用于描述待检测岩层的表面。
本发明实施例的一个可选实施方式中，对目标层的蚂蚁体属性数据进行分析，确定目标层的包含陷落柱位置信息和边界信息的目标数据体,包括：
将目标层的蚂蚁体中的每个蚂蚁体属性的属性值与预设属性值进行比较；
当比较出属性值大于预设属性值时，对蚂蚁体属性进行标记，得到标记之后的蚂蚁追踪属性体，即上述目标数据体；
在标记之后的蚂蚁追踪属性体中查找环形区域，并将环形区域的边界值确定为陷落柱的边界值。
实施例二：
本发明实施例还提供了一种陷落柱检测装置，如图8所示，包括：
获取模块100，用于获取目标地下区域内的三维地震数据的数据体，其中，三维地震数据的数据体中携带地下岩层的界面信息，地下岩层的界面信息包括地下岩层的属性信息和/或地下岩层的结构信息；
运算模块200，用于采用蚂蚁追踪算法对三维地震数据的数据体进行运算，得到包含蚂蚁体属性的蚂蚁追踪属性体，其中，蚂蚁体属性表示地下地质结构的不连续特性；
确定模块300，根据蚂蚁追踪属性体确定包含陷落柱位置信息和边界信息的目标数据体，以根据目标数据体在目标地下区域中识别陷落柱。
本发明实施例采用的陷落柱检测装置，是基于蚂蚁追踪算法所得出的蚂蚁追踪属性来预测陷落柱，蚂蚁追踪算法可以克服人工解释的主观性，有效提高地层结构的解释精度，该方法通过对三维地震数据的数据体进行追踪识别，对于大小不等、分布规律差的陷落柱的结构轮廓可以清楚地显示，对于陷落柱的边缘刻画特别有效，缓解了传统的陷落柱识别方法在识别陷落柱时识别精确度较差的技术问题。
本发明实施例的一个可选实施方式中，运算模块200采用蚂蚁追踪算法对三维地震数据的数据体进行运算，得到包含蚂蚁体属性的蚂蚁追踪属性体，包括：
获取预先设置的第一组蚂蚁体参数，其中，第一组蚂蚁体参数包括第一初始蚂蚁边界、第一追踪偏离、第一非法步数、第一合法步数、第一搜索步长、第一终止标准，第一组蚂蚁体参数用于控制蚂蚁在目标地下区域中的追踪路径及追踪陷落柱的尺度范围；
基于第一组蚂蚁体参数，采用蚂蚁追踪算法对三维地震数据的数据体进行运算，得到包含蚂蚁体属性的蚂蚁追踪属性体。
本发明实施例的一个可选实施方式中，第一初始蚂蚁边界的取值为7个样点，第一追踪偏离的取值为2个样点，第一非法步数的取值为1，第一合法步数的取值为3，第一搜索步长的取值为3个样点，第一终止标准的取值为5％。
本发明实施例的一个可选实施方式中，第一初始蚂蚁边界的取值为5个样点，第一追踪偏离的取值为2个样点，第一非法步数的取值为2，第一合法步数的取值为2，第一搜索步长的取值为3个样点，第一终止标准的取值为10％。
本发明实施例的一个可选实施方式中，运算模块200采用蚂蚁追踪算法对三维地震数据的数据体进行运算，得到包含蚂蚁体属性的蚂蚁追踪属性体，包括：
获取预先设置的第二组蚂蚁体参数，其中，第二组蚂蚁体参数包括第二初始蚂蚁边界、第二追踪偏离、第二非法步数、第二合法步数、第二搜索步长、第二终止标准；
基于第二组蚂蚁体参数，采用蚂蚁追踪算法对三维地震数据的数据体进行蚂蚁追踪运算，得到包含中间蚂蚁体属性的中间蚂蚁追踪属性体，其中，中间蚂蚁体属性表示三维地震数据的不连续特性；
获取预先设置的第三组蚂蚁体参数，其中，第三组蚂蚁体参数包括第三初始蚂蚁边界、第三追踪偏离、第三非法步数、第三合法步数、第三搜索步长、第三终止标准，并且相对第二组蚂蚁体参数，第三组蚂蚁体参数构造的蚂蚁体为积极蚂蚁体；
基于第三组蚂蚁体参数，采用蚂蚁追踪算法对中间蚂蚁追踪属性体进行运算，得到包含蚂蚁体属性的蚂蚁追踪属性体，其中，蚂蚁体属性表示中间蚂蚁体属性的不连续特性。
本发明实施例的一个可选实施方式中，如图9所示，陷落柱检测装置还包括：数据预处理模块101，用于在获取模块100获取目标地下区域内的三维地震数据的数据体之后，并且在运算模块200采用蚂蚁追踪算法对三维地震数据的数据体进行运算之前，
对三维地震数据的数据体做平滑处理；
对经平滑处理后的三维地震数据的数据体做边缘增强处理；
计算边缘增强处理后的三维地震数据的数据体的方差体属性，得到包含方差体属性的三维地震数据的数据体。
本发明实施例的一个可选实施方式中，获取模块100获取的三维地震数据的数据体为三维地震偏移叠加数据体。
本发明实施例的一个可选实施方式中，确定模块300根据蚂蚁追踪属性体确定包含陷落柱位置信息和边界信息的目标数据体，包括：
获取目标层的空间位置数据，其中，目标层为待检测陷落柱展布情况的岩层；
根据目标层的空间位置数据，对蚂蚁追踪属性体进行切片处理，得到目标层的蚂蚁体属性数据；
对目标层的蚂蚁体属性数据进行分析，确定目标层的包含陷落柱位置信息和边界信息的目标数据体，以根据目标数据体在目标地下区域中识别陷落柱。
本发明实施例的一个可选实施方式中，确定模块300在对目标层的蚂蚁体属性数据进行分析，确定目标层的包含陷落柱位置信息和边界信息的目标数据体,包括：
将目标层的蚂蚁体中的每个蚂蚁体属性的属性值与预设属性值进行比较；
当比较出属性值大于预设属性值时，对蚂蚁体属性进行标记，得到标记之后的蚂蚁追踪属性体；
在标记之后的蚂蚁追踪属性体中查找环形区域，并将环形区域的边界值确定为所述陷落柱的边界值。
本发明实施例所提供的陷落柱检测方法和装置的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种陷落柱检测方法，其特征在于，包括：
获取目标地下区域内的三维地震数据的数据体，其中，所述三维地震数据的数据体中携带地下岩层的界面信息，所述地下岩层的界面信息包括地下岩层的属性信息和/或地下岩层的结构信息；
采用蚂蚁追踪算法对所述三维地震数据的数据体进行运算，得到包含蚂蚁体属性的蚂蚁追踪属性体，其中，所述蚂蚁体属性表示地质结构的不连续特性；
根据所述蚂蚁追踪属性体，确定包含陷落柱位置信息和边界信息的目标数据体，以根据所述目标数据体在所述目标地下区域中识别陷落柱。
2.根据权利要求1所述的方法，其特征在于，采用蚂蚁追踪算法对所述三维地震数据的数据体进行运算，得到包含蚂蚁体属性的蚂蚁追踪属性体，包括：
获取预先设置的第一组蚂蚁体参数，其中，所述第一组蚂蚁体参数包括第一初始蚂蚁边界、第一追踪偏离、第一非法步数、第一合法步数、第一搜索步长、第一终止标准，所述第一组蚂蚁体参数用于控制蚂蚁在所述目标地下区域中的追踪路径及追踪陷落柱的尺度范围；
基于所述第一组蚂蚁体参数，采用所述蚂蚁追踪算法对所述三维地震数据的数据体进行运算，得到包含蚂蚁体属性的蚂蚁追踪属性体。
3.根据权利要求2所述的方法，其特征在于，所述第一初始蚂蚁边界的取值为7个样点，所述第一追踪偏离的取值为2个样点，所述第一非法步数的取值为1，所述第一合法步数的取值为3，所述第一搜索步长的取值为3个样点，所述第一终止标准的取值为5％。
4.根据权利要求2所述的方法，其特征在于，所述第一初始蚂蚁边界的取值为5个样点，所述第一追踪偏离的取值为2个样点，所述第一非法步数的取值为2，所述第一合法步数的取值为2，所述第一搜索步长的取值为3个样点，所述第一终止标准的取值为10％。
5.根据权利要求1所述的方法，其特征在于，采用蚂蚁追踪算法对所述三维地震数据的数据体进行运算，得到包含蚂蚁体属性的蚂蚁追踪属性体，还包括：
获取预先设置的第二组蚂蚁体参数，其中，所述第二组蚂蚁体参数包括第二初始蚂蚁边界、第二追踪偏离、第二非法步数、第二合法步数、第二搜索步长、第二终止标准；
基于所述第二组蚂蚁体参数，采用所述蚂蚁追踪算法对所述三维地震数据的数据体进行蚂蚁追踪运算，得到包含中间蚂蚁体属性的中间蚂蚁追踪属性体，其中，所述中间蚂蚁体属性表示所述三维地震数据的不连续特性；
获取预先设置的第三组蚂蚁体参数，其中，所述第三组蚂蚁体参数包括第三初始蚂蚁边界、第三追踪偏离、第三非法步数、第三合法步数、第三搜索步长、第三终止标准，并且相对所述第二组蚂蚁体参数，所述第三组蚂蚁体参数构造的蚂蚁体为积极蚂蚁体；
基于所述第三组蚂蚁体参数，采用所述蚂蚁追踪算法对所述中间蚂蚁追踪属性体进行运算，得到包含蚂蚁体属性的蚂蚁追踪属性体，其中，所述蚂蚁体属性表示所述中间蚂蚁体属性的不连续特性。
6.根据权利要求1所述的方法，其特征在于，在获取目标地下区域内的三维地震数据的数据体之后，并且在采用蚂蚁追踪算法对所述三维地震数据的数据体进行运算之前，所述方法还包括：
对所述三维地震数据的数据体做平滑处理；
对经平滑处理后的所述三维地震数据的数据体做边缘增强处理；
计算边缘增强处理后的所述三维地震数据的数据体的方差体属性，得到包含方差体属性的三维地震数据的数据体。
7.根据权利要求1所述的方法，其特征在于，所述三维地震数据的数据体为三维地震偏移叠加数据体。
8.根据权利要求1至7中任一项所述的方法，其特征在于，根据所述蚂蚁追踪属性体确定包含陷落柱位置信息和边界信息的目标数据体，包括：
获取目标层的空间位置数据，其中，所述目标层为待检测陷落柱展布情况的岩层；
根据所述目标层的空间位置数据，对所述蚂蚁追踪属性体进行切片处理，得到所述目标层的蚂蚁体属性数据；
对所述目标层的蚂蚁体属性数据进行分析，确定所述目标层的包含陷落柱位置信息和边界信息的目标数据体，以根据所述目标数据体在所述目标地下区域中识别陷落柱。
9.根据权利要求8所述的方法，其特征在于，对所述目标层的蚂蚁体属性数据进行分析，确定所述目标层的包含陷落柱位置信息和边界信息的目标数据体,包括：
将所述目标层的蚂蚁体中的每个蚂蚁体属性的属性值与预设属性值进行比较；
当比较出所述属性值大于所述预设属性值时，对所述蚂蚁体属性进行标记，得到标记之后的所述蚂蚁追踪属性体；
在标记之后的所述蚂蚁追踪属性体中查找环形区域，并将所述环形区域的边界值确定为所述陷落柱的边界值。
10.一种陷落柱检测装置，其特征在于，包括：
获取模块，用于获取目标地下区域内的三维地震数据的数据体，其中，所述三维地震数据的数据体中携带地下岩层的界面信息，所述地下岩层的界面信息包括地下岩层的属性信息和/或地下岩层的结构信息；
运算模块，用于采用蚂蚁追踪算法对所述三维地震数据的数据体进行运算，得到包含蚂蚁体属性的蚂蚁追踪属性体，其中，所述蚂蚁体属性表示地质结构的不连续特性；
确定模块，根据所述蚂蚁追踪属性体确定包含陷落柱位置信息和边界信息的目标数据体，以根据所述目标数据体在所述目标地下区域中识别陷落柱。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710248324.0A CN107015275B (zh) | 2017-04-14 | 2017-04-14 | 陷落柱检测方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710248324.0A CN107015275B (zh) | 2017-04-14 | 2017-04-14 | 陷落柱检测方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107015275A true CN107015275A (zh) | 2017-08-04 |
| CN107015275B CN107015275B (zh) | 2019-04-19 |
Family
ID=59447240
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710248324.0A Active CN107015275B (zh) | 2017-04-14 | 2017-04-14 | 陷落柱检测方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107015275B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109839663A (zh) * | 2019-03-20 | 2019-06-04 | 山西山地物探技术有限公司 | 一种隐伏陷落柱的地震识别方法和装置 |
| CN110007343A (zh) * | 2019-04-18 | 2019-07-12 | 中国矿业大学 | 一种区域地质构造复杂程度的评价方法 |
| CN112112559A (zh) * | 2020-08-26 | 2020-12-22 | 山西晋城无烟煤矿业集团有限责任公司 | 一种井下采面陷落柱巷帮同一注浆孔分段注浆方法 |
| CN113138413A (zh) * | 2020-01-20 | 2021-07-20 | 中国石油天然气股份有限公司 | 储层边界识别方法、装置、介质及设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2532627A1 (en) * | 2003-07-17 | 2005-01-27 | Patrick C. Fenton | A seismic measuring system including gps receivers |
| WO2012125558A2 (en) * | 2011-03-11 | 2012-09-20 | Schlumberger Technology Corporation | System and method for performing microseismic fracture operations |
| CN105607121A (zh) * | 2016-02-02 | 2016-05-25 | 中国矿业大学(北京) | 一种煤炭陷落柱识别方法和装置 |
| CN105929452A (zh) * | 2016-06-02 | 2016-09-07 | 中国石油天然气股份有限公司 | 基于地震数据预测地下裂缝空间展布的方法及装置 |
-
2017
- 2017-04-14 CN CN201710248324.0A patent/CN107015275B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2532627A1 (en) * | 2003-07-17 | 2005-01-27 | Patrick C. Fenton | A seismic measuring system including gps receivers |
| WO2012125558A2 (en) * | 2011-03-11 | 2012-09-20 | Schlumberger Technology Corporation | System and method for performing microseismic fracture operations |
| CN105607121A (zh) * | 2016-02-02 | 2016-05-25 | 中国矿业大学(北京) | 一种煤炭陷落柱识别方法和装置 |
| CN105929452A (zh) * | 2016-06-02 | 2016-09-07 | 中国石油天然气股份有限公司 | 基于地震数据预测地下裂缝空间展布的方法及装置 |
Non-Patent Citations (3)
| Title |
|---|
| 叶安海: ""雁翎潜山雾迷山组裂缝性白云岩油藏地质建模"", 《中国优秀硕士学位论文全文数据库-基础科学辑》 * |
| 李冬 等: ""基于蚂蚁追踪技术的煤层裂缝识别方法及应用"", 《中国地球科学联合学术年会2016》 * |
| 陈兆明 等: ""蚂蚁追踪技术在裂缝检测中的应用"", 《长江大学学报(自然版)》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109839663A (zh) * | 2019-03-20 | 2019-06-04 | 山西山地物探技术有限公司 | 一种隐伏陷落柱的地震识别方法和装置 |
| CN109839663B (zh) * | 2019-03-20 | 2020-04-10 | 山西山地物探技术有限公司 | 一种隐伏陷落柱的地震识别方法和装置 |
| CN110007343A (zh) * | 2019-04-18 | 2019-07-12 | 中国矿业大学 | 一种区域地质构造复杂程度的评价方法 |
| CN113138413A (zh) * | 2020-01-20 | 2021-07-20 | 中国石油天然气股份有限公司 | 储层边界识别方法、装置、介质及设备 |
| CN113138413B (zh) * | 2020-01-20 | 2024-01-30 | 中国石油天然气股份有限公司 | 储层边界识别方法、装置、介质及设备 |
| CN112112559A (zh) * | 2020-08-26 | 2020-12-22 | 山西晋城无烟煤矿业集团有限责任公司 | 一种井下采面陷落柱巷帮同一注浆孔分段注浆方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107015275B (zh) | 2019-04-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103454686B (zh) | 基于地层切片的小尺度沉积相进行储层预测的方法及系统 | |
| CN103529475B (zh) | 一种识别和解释碳酸盐岩古岩溶储层三维结构的方法 | |
| CN107015275B (zh) | 陷落柱检测方法和装置 | |
| CN105717542B (zh) | 基于三维地震的Wheeler域切片砂体雕刻方法 | |
| CN105492723A (zh) | 勘探和开采环境下的电震勘测 | |
| CN103675944B (zh) | 一种沉积盆地铀资源勘探的综合地球物理方法 | |
| CN107490808B (zh) | 一种高可靠性地震勘探观测系统的建立方法 | |
| WO2011077300A2 (en) | Processing of geological data | |
| CN107765301A (zh) | 煤层小断层的快速识别方法和装置 | |
| CN104636980B (zh) | 针对河道砂油藏类型油气汇集条件的地球物理表征方法 | |
| CN102495434A (zh) | 地下工程超前地质预报的方法 | |
| CN105319585B (zh) | 一种利用薄层干涉振幅恢复识别油气藏的方法 | |
| CN202837558U (zh) | 一种地下溶洞地震跨孔ct探测及层析成像装置 | |
| CN106990436B (zh) | 陷落柱的识别方法和装置 | |
| CN105467445B (zh) | 一种三维地震观测系统的建立方法及装置 | |
| CN113341467A (zh) | 基于多插值方法的矿井瞬变电磁三维显示方法 | |
| CN108646292A (zh) | 裂缝密度预测方法、装置及计算机存储介质 | |
| CN106501851B (zh) | 一种地震属性优化方法及装置 | |
| CN105572725A (zh) | 一种地面微地震监测台站分布设计方法 | |
| CN112114358B (zh) | 一种基于三维地震资料表征的地下火山通道识别方法 | |
| CN107797148B (zh) | 一种基于三维地质建模的航磁异常场分离方法及系统 | |
| CN106772637A (zh) | 一种基于槽波超前探测tvsp扫描方法 | |
| CN109991660A (zh) | 基于槽波地震和克里金插值的煤层厚度预测方法及装置 | |
| Jamaludin et al. | Imaging of karsts on buried carbonate platform in Central Luconia Province, Malaysia | |
| CN116299739A (zh) | 重力异常的提取方法、装置、设备和存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |