CN107144877A - 异常构造识别方法及装置 - Google Patents
异常构造识别方法及装置 Download PDFInfo
- Publication number
- CN107144877A CN107144877A CN201710234915.2A CN201710234915A CN107144877A CN 107144877 A CN107144877 A CN 107144877A CN 201710234915 A CN201710234915 A CN 201710234915A CN 107144877 A CN107144877 A CN 107144877A
- Authority
- CN
- China
- Prior art keywords
- construction
- time delay
- delay
- mrow
- complex
- 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
- 230000002547 anomalous effect Effects 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000010276 construction Methods 0.000 claims abstract description 90
- 230000001427 coherent effect Effects 0.000 claims abstract description 41
- 238000012545 processing Methods 0.000 claims description 27
- 238000009499 grossing Methods 0.000 claims description 18
- 230000010363 phase shift Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 24
- 238000003860 storage Methods 0.000 description 14
- 238000004590 computer program Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000003325 tomography Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000003209 petroleum derivative Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000007704 transition Effects 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
- G01V1/306—Analysis for determining physical properties of the subsurface, e.g. impedance, porosity or attenuation profiles
-
- 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
- G01V2210/62—Physical property of subsurface
- G01V2210/624—Reservoir parameters
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
本申请实施例提供了一种异常构造识别方法及装置,该方法包括:根据工区内的地震数据构建复超道集,所述复超道集中包含各相邻地震道的延迟时间;在给定的每个构造走向下,分别从所述各相邻地震道的延迟时间中确定满足预设条件的延迟时间;根据所述复超道以及每个构造走向下的满足预设条件的延迟时间,各个构造走向下确定各个构造走向下在延迟对应延迟时间后的复相干系数;根据所述各个构造走向下在延迟对应延迟时间后的复相干系数,确定所述工区内的异常构造及其构造走向。本申请实施例可以提高异常构造的识别精度。
Description
技术领域
本申请涉及地震地球物理勘探解释技术领域,尤其是涉及一种异常构造识别方法及装置。
背景技术
准确的识别出地下的异常构造,对于储层的综合预测评价,降低油气预测风险具有重要意义。目前,常用相干体技术识别地下的异常构造。其中,相干体技术是一项通过对地震道的相似性分析,将三维振幅数据转化为相关系数数据体,进而突出不相关异常的地震数据分析技术。因此,相干体技术可以用来识别断层、裂缝等非相似的异常构造等。并且,随着三维地震勘探技术的迅速发展,相干体技术已成为勘探领域及其重要的核心技术之一。
在实现本申请的过程中,本申请的发明人发现,对于地势平缓或起伏较小的工区,利用现有的相干体技术能够较好的识别地下的异常构造。然而,当工区构造复杂(例如存在大倾角的倾斜地层等)时,现有的相干体技术则无法准确识别异常构造。
发明内容
本申请实施例的目的在于提供一种异常构造识别方法及装置,以提高异常构造的识别精度。
为达到上述目的,一方面,本申请实施例提供了一种异常构造识别方法,包括以下步骤:
根据工区内的地震数据构建复超道集,所述复超道集中包含各相邻地震道的延迟时间;
在给定的每个构造走向下,分别从所述各相邻地震道的延迟时间中确定满足预设条件的延迟时间;
根据所述复超道以及每个构造走向下的满足预设条件的延迟时间,各个构造走向下确定各个构造走向下在延迟对应延迟时间后的复相干系数;
根据所述各个构造走向下在延迟对应延迟时间后的复相干系数,确定所述工区内的异常构造及其构造走向。
本申请实施例的异常构造识别方法,所述根据工区内的地震数据构建复超道集,包括:
根据工区内的地震数据构建复地震道;
将所述复地震道进行归一化处理,获得归一化的复地震道;
对所述归一化的复地震道进行局部算术平均平滑处理,获得平滑处理后的复地震道;
对平滑处理后的复地震道进行相互之间的倾角扫描,获得相邻地震道的延迟时间集合;
根据所述相邻地震道的延迟时间集合对所述平滑处理后的复地震道构建复超道集。
本申请实施例的异常构造识别方法,所述复地震道进行归一化处理,获得归一化的复地震道,包括:
根据公式Z(t)=s(t)/|s(t)|=eiθ(t)获得归一化的复地震道Z(t);
其中,s(t)为复地震道,|s(t)|为瞬时振幅或包络,θ(t)为瞬时相位,i为复数单位。
本申请实施例的异常构造识别方法,所述对所述归一化的复地震道进行局部算术平均平滑处理,获得平滑处理后的复地震道,包括:
根据公式获得平滑处理后的复地震道<Z>N;
其中,为瞬时相位的平均,θ(t)为瞬时相位,i为复数单位,N为采样点个数。
本申请实施例的异常构造识别方法,所述复超道集包括:
其中,和分别代表第k道处的两相邻超道,ωk+p-j-1和ωk+p-j为对应的权系数,且满足Zj(t-τj)为延迟后的地震道,τj为时间延迟,p为相邻道局部复值相干的个数。
本申请实施例的异常构造识别方法,所述在给定的每个构造走向下,分别从所述各相邻地震道的延迟时间中确定满足预设条件的延迟时间,包括:
在给定的每个构造走向下,根据公式确定所述延迟时间集合中,当中间变量dip的值为最大时所述对应延迟时间τ。
本申请实施例的异常构造识别方法,所述根据所述复超道以及每个构造走向下的满足预设条件的延迟时间,各个构造走向下确定各个构造走向下在延迟对应延迟时间后的复相干系数,包括:
根据公式各个构造走向下确定各个构造走向下在延迟对应延迟时间后的复相干系数ρk;
其中,和分别代表第k道处的两相邻超道,为超道在N个采样点的时窗内的平均,为的复共轭,为的复共轭,为超道在N个采样点的时窗内的平均,为的复共轭,|ρ|为相干系数模量,φ为相移值,i为复数单位。
本申请实施例的异常构造识别方法,所述根据所述各个构造走向下在延迟对应延迟时间后的复相干系数,确定所述工区内的异常构造包括:
确定各个复相干系数中低于预设阈值的覆盖范围,并将所述低于预设阈值的覆盖范围识别为异常构造。
本申请实施例的异常构造识别方法,所述根据所述各个构造走向下在延迟对应延迟时间后的复相干系数,确定所述工区内的构造走向包括:
确定各个复相干系数中的最大值,并将与所述最大值所对应的构造倾角方向垂直的方向识别为构造走向。
另一方面,本申请实施例的还提供了一种异常构造识别装置,包括:
复超道集构建模块,用于根据工区内的地震数据构建复超道集,所述复超道集中包含各相邻地震道的延迟时间;
延迟时间确定模块,用于在给定的每个构造走向下,分别从所述各相邻地震道的延迟时间中确定满足预设条件的延迟时间;
相干系数确定模块,用于根据所述复超道以及每个构造走向下的满足预设条件的延迟时间,各个构造走向下确定各个构造走向下在延迟对应延迟时间后的复相干系数;
异常构造识别模块,用于根据所述各个构造走向下在延迟对应延迟时间后的复相干系数,确定所述工区内的异常构造及其构造走向。
由于与现有技术相比,本申请实施例考虑了构造倾角和构造走向的对相干系数的影响,从而可以得到较高分辨率的相干结果,进而可以使得地质异常信息更加丰富全面,因而提高了异常构造的识别精度。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例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,下面描述中的附图仅仅是本申请中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1为本申请一实施例的异常构造识别方法的流程图;
图2a为本申请一实施例的合成地震剖面图;
图2b为现有技术中采用常规复值相干技术得到相干结果示意图;
图3a为现有技术中沿联络线(Crossline)方向计算得到的常规复值相干结果的切片示意图;
图3b为现有技术中沿主测线(Inline)方向计算得到的常规复值相干结果的切片示意图;
图4a本申请一实施例中的裂缝物理模型的目标层原始振幅图;
图4b为图4a所示目标层采用本申请的异常构造识别方法得到的干结果示意图;
图4c为图4a所示目标层只考虑构造倾角而忽略构造走向的复值相干结果示意图;
图4d为图4a所示目标层只考虑构造走向而忽略构造倾角的复值相干结果示意图;
图5a本申请一实施例中的西部某区块的目标层原始振幅图;
图5b为图5a所示目标层采用本申请的异常构造识别方法得到的干结果示意图;
图5c为图5a所示目标层只考虑构造倾角而忽略构造走向的复值相干结果示意图;
图5d为图5a所示目标层只考虑构造走向而忽略构造倾角的复值相干结果示意图;
图6为本申请一实施例的异常构造识别装置法的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
在实现本申请的过程中,本申请的发明人发现构造倾角和构造走向会对相干结果产生影响。具体的:
A、构造倾角对相干结果的影响分析
当研究区的构造相对较为平缓或起伏很小的情况下,相干结果能够很好识别地下的异常构造,但是当存在大倾角的倾斜地层时,构造倾角就会对相干结果产生较大的影响,很容易给解释人员造成种种假象,相干结果的分辨率极低。如果图2a所示,本申请一实施例的合成地震剖面图,该地层构造倾斜,在中部存在一条不整合以及下面发育一条小断层。结合图2b所示,为现有技术中采用常规复值相干技术得到相干结果示意图,可以看到相干技术能够检测到异常构造,但是相干结果会有严重的倾斜地层带来的干扰,识别效果较差。这说明在相干计算的过程中不能忽略构造倾角的影响。
B、构造走向对相干结果的影响分析
地质构造都存在一定的走向,但是传统的复值相干算法并没有利用这种先验信息,如果能够将构造走向融入到相干算法中,就会得到意想不到的结果。如图3a所示,为现有技术中沿联络线(Crossline)方向计算得到的常规复值相干结果的切片示意图;结合图3b现有技术中沿主测线(Inline)方向计算得到的常规复值相干结果的切片示意图,从图3a-图3b可以看出每个方向都能够凸显垂直于该方向的构造异常,这表明,如果能够沿着构造的走向进行复值相干计算,那么得到的相干结果能够丰富全面地展示构造的细节信息。
由上面的研究分析可知,如果我们考虑构造的倾角和走向,则可以得到较高分辨率的相干结果,从而可以使得地质异常信息更加丰富全面,因而有利于提高异常构造的识别精度。下面介绍本申请实施例中的技术方案。
参考图1所示,本申请实施例的异常构造识别方法可以包括以下步骤:
S101、根据工区内的地震数据构建复超道集,所述复超道集中包含各相邻地震道的延迟时间。
在本申请实施例中,所述根据工区内的地震数据构建复超道集可以包括以下步骤:
首先,根据工区内的地震数据构建复地震道。
在本申请一个实施例中,可以根据公式s(t)=x(t)+ih(t)=|s(t)|eiθ(t)构建复地震道。
式中,t表示时间,x(t)为地震数据的实信号,h(t)为x(t)的希尔伯特(Hilbert)变换地震道或正交地震道,为瞬时振幅或包络,θ(t)为瞬时相位。
其次,将所述复地震道进行归一化处理,获得归一化的复地震道。
在本申请一个实施例中,可以根据公式Z(t)=s(t)/|s(t)|=eiθ(t)对所述复地震道进行归一化处理,从而利用对异常变化更敏感的相位属性,将复地震道进行归一化处理,得到了瞬时的归一化复地震道Z(t);其中,s(t)为复地震道,|s(t)|为瞬时振幅或包络,θ(t)为瞬时相位,i为复数单位。
然后,对所述归一化的复地震道进行局部算术平均平滑处理,获得平滑处理后的复地震道。
在本申请一个实施例中,为了在实际资料应用中提高抗干扰能力,可采用相对比较平滑的局部平均属性来代替瞬时属性。因此,所述对所述归一化的复地震道进行局部算术平均平滑处理可以为根据公式对所述归一化的复地震道进行局部算术平均平滑处理,获得平滑处理后的复地震道<Z>N;
其中,为瞬时相位的平均,θ(t)为瞬时相位,i为复数单位,N为采样点个数。
其次,对平滑处理后的复地震道进行相互之间的倾角扫描,获得相邻地震道的延迟时间集合。
然后,根据所述相邻地震道的延迟时间集合对所述平滑处理后的复地震道构建复超道集。
在本申请一个实施例中,所述复超道集例如可以包括:
其中,和分别代表第k道处的两相邻超道,ωk+p-j-1和ωk+p-j为对应的权系数,且满足Zj(t-τj)为延迟后的地震道,τj为时间延迟,p为相邻道局部复值相干的个数,p=1代表三相邻道局部复值相干,p=2代表五相邻道局部复值相干,依此类推。p值的大小代表横向分辨率的高低,p值越大,横向平均效应越大,可以有效的压制噪声干扰,但是横向分辨率会越低;相反,p值越小,横向分辨率越高,但是对噪声相对比较敏感。
S102、在给定的每个构造走向下,分别从所述各相邻地震道的延迟时间中确定满足预设条件的延迟时间。
在本申请一个实施例中,所述在给定的每个构造走向下,分别从所述各相邻地震道的延迟时间中确定满足预设条件的延迟时间,包括:
在给定的每个构造倾角方向(例如0度、45度、90度等等)下,根据公式确定所述延迟时间集合中,当中间变量dip的值为最大时所述对应延迟时间τ。
S103、根据所述复超道以及每个构造走向下的满足预设条件的延迟时间,各个构造走向下确定各个构造走向下在延迟对应延迟时间后的复相干系数。
在本申请一个实施例中,所述根据所述复超道以及每个构造走向下的满足预设条件的延迟时间,各个构造走向下确定各个构造走向下在延迟对应延迟时间后的复相干系数,可以包括:
根据公式各个构造走向下确定各个构造走向下在延迟对应延迟时间后的复相干系数ρk;
其中,和分别代表第k道处的两相邻超道,为超道在N个采样点的时窗内的平均,为的复共轭,为的复共轭,为超道在N个采样点的时窗内的平均,为的复共轭,|ρ|为相干系数模量φ为相移值,i为复数单位。
S104、根据所述各个构造走向下在延迟对应延迟时间后的复相干系数,确定所述工区内的异常构造及其构造走向。
在本申请一个实施例中,所述根据所述各个构造走向下在延迟对应延迟时间后的复相干系数,确定所述工区内的异常构造可以包括:
确定各个复相干系数中低于预设阈值的覆盖范围,并将所述低于预设阈值的覆盖范围识别为异常构造。
在本申请一个实施例中,所述根据所述各个构造走向下在延迟对应延迟时间后的复相干系数,确定所述工区内的构造走向可以包括:
确定各个复相干系数中的最大值,并将与所述最大值所对应的构造倾角方向垂直的方向识别为构造走向。
为了检验本申请的应用效果,我们分别使用了裂缝物理模型和实际数据2个三维叠后偏移数据体对本申请的相干体技术进行了测试。
图4a为本申请一示例性实施例中某裂缝物理模型的目标层原始振幅图,在振幅切片上小裂缝及下面断层的边缘和空间延伸方向看起来都是模糊的;图4b为图4a所示目标层采用本申请的异常构造识别方法得到的干结果示意图,从相干切片上可以很清晰地看到裂缝和断层的分布情况,分辨率较高,能够凸显出的细节信息更加丰富全面;图4c为图4a所示目标层只考虑构造倾角而忽略构造走向的复值相干结果示意图,从该图中可以看出其裂缝边界显示不够全面,下面的断层也不够清晰;图4d图4a所示目标层只考虑构造走向而忽略构造倾角的复值相干结果示意图,可以看出断层处相对较为模糊,分辨率较低。
图5a为本申请一实施例中的西部某区块的目标层原始振幅图,在振幅切片上大概可以看到河道的展布,但是河道边界不够清晰,识别分辨率极低;图5b为图5a所示目标层采用本申请的异常构造识别方法得到的干结果示意图,从该图中可以明显看出河道的边界和分支,包括他们的宽度和延伸方向等;图5c为图5a所示目标层只考虑构造倾角而忽略构造走向的复值相干结果示意图,从该图中可以看出边界不够清晰,有用信息遭到严重缺失;图5d为图5a所示目标层只考虑构造走向而忽略构造倾角的复值相干结果示意图,从该图中可以看出背景十分杂乱,识别河道不准确。
虽然上文描述的过程流程包括以特定顺序出现的多个操作,但是,应当清楚了解,这些过程可以包括更多或更少的操作,这些操作可以顺序执行或并行执行(例如使用并行处理器或多线程环境)。
结合图6所示,为本申请实施例的一种异常构造识别装置,其可以包括:
复超道集构建模块61,用于根据工区内的地震数据构建复超道集,所述复超道集中包含各相邻地震道的延迟时间;
延迟时间确定模块62,用于在给定的每个构造走向下,分别从所述各相邻地震道的延迟时间中确定满足预设条件的延迟时间;
相干系数确定模块63,用于根据所述复超道以及每个构造走向下的满足预设条件的延迟时间,各个构造走向下确定各个构造走向下在延迟对应延迟时间后的复相干系数;
异常构造识别模块64,用于根据所述各个构造走向下在延迟对应延迟时间后的复相干系数,确定所述工区内的异常构造及其构造走向。
本申请实施例的异常构造识别装置与上述实施例的异常构造识别方法对应,因此,有关于本申请实施例的异常构造识别装置的细节,请参见上述实施例的异常构造识别方法,在此不再赘述。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种异常构造识别方法,其特征在于,包括以下步骤:
根据工区内的地震数据构建复超道集,所述复超道集中包含各相邻地震道的延迟时间;
在给定的每个构造走向下,分别从所述各相邻地震道的延迟时间中确定满足预设条件的延迟时间;
根据所述复超道以及每个构造走向下的满足预设条件的延迟时间,各个构造走向下确定各个构造走向下在延迟对应延迟时间后的复相干系数;
根据所述各个构造走向下在延迟对应延迟时间后的复相干系数,确定所述工区内的异常构造及其构造走向。
2.根据权利要求1所述的异常构造识别方法,其特征在于,所述根据工区内的地震数据构建复超道集,包括:
根据工区内的地震数据构建复地震道;
将所述复地震道进行归一化处理,获得归一化的复地震道;
对所述归一化的复地震道进行局部算术平均平滑处理,获得平滑处理后的复地震道;
对平滑处理后的复地震道进行相互之间的倾角扫描,获得相邻地震道的延迟时间集合;
根据所述相邻地震道的延迟时间集合对所述平滑处理后的复地震道构建复超道集。
3.根据权利要求2所述的异常构造识别方法,其特征在于,所述复地震道进行归一化处理,获得归一化的复地震道,包括:
根据公式Z(t)=s(t)/|s(t)|=eiθ(t)获得归一化的复地震道Z(t);
其中,s(t)为复地震道,|s(t)|为瞬时振幅或包络,θ(t)为瞬时相位,i为复数单位。
4.根据权利要求2所述的异常构造识别方法,其特征在于,所述对所述归一化的复地震道进行局部算术平均平滑处理,获得平滑处理后的复地震道,包括:
根据公式获得平滑处理后的复地震道<Z>N;
其中,为瞬时相位的平均,θ(t)为瞬时相位,i为复数单位,N为采样点个数。
5.根据权利要求2所述的异常构造识别方法,其特征在于,所述复超道集包括:
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mover>
<mi>Z</mi>
<mo>&OverBar;</mo>
</mover>
<msup>
<mi>k</mi>
<mo>-</mo>
</msup>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mi>k</mi>
<mo>-</mo>
<mi>p</mi>
</mrow>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mi>p</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<msub>
<mi>&omega;</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mi>p</mi>
<mo>-</mo>
<mi>j</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<msub>
<mi>Z</mi>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>-</mo>
<msub>
<mi>&tau;</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mover>
<mi>Z</mi>
<mo>&OverBar;</mo>
</mover>
<msup>
<mi>k</mi>
<mo>+</mo>
</msup>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mi>k</mi>
<mo>-</mo>
<mi>p</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mi>p</mi>
</mrow>
</munderover>
<msub>
<mi>&omega;</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mi>p</mi>
<mo>-</mo>
<mi>j</mi>
</mrow>
</msub>
<msub>
<mi>Z</mi>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>-</mo>
<msub>
<mi>&tau;</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中,和分别代表第k道处的两相邻超道,ωk+p-j-1和ωk+p-j为对应的权系数,且满足Zj(t-τj)为延迟后的地震道,τj为时间延迟,p为相邻道局部复值相干的个数。
6.根据权利要求1所述的异常构造识别方法,其特征在于,所述在给定的每个构造走向下,分别从所述各相邻地震道的延迟时间中确定满足预设条件的延迟时间,包括:
在给定的每个构造走向下,根据公式确定所述延迟时间集合中,当中间变量dip的值为最大时所述对应延迟时间τ。
7.根据权利要求1所述的异常构造识别方法,其特征在于,所述根据所述复超道以及每个构造走向下的满足预设条件的延迟时间,各个构造走向下确定各个构造走向下在延迟对应延迟时间后的复相干系数,包括:
根据公式各个构造走向下确定各个构造走向下在延迟对应延迟时间后的复相干系数ρk;
其中,和分别代表第k道处的两相邻超道,为超道在N个采样点的时窗内的平均,为的复共轭,为的复共轭,为超道在N个采样点的时窗内的平均,为的复共轭,|ρ|为相干系数模量,φ为相移值,i为复数单位。
8.根据权利要求1所述的异常构造识别方法,其特征在于,所述根据所述各个构造走向下在延迟对应延迟时间后的复相干系数,确定所述工区内的异常构造包括:
确定各个复相干系数中低于预设阈值的覆盖范围,并将所述低于预设阈值的覆盖范围识别为异常构造。
9.根据权利要求1所述的异常构造识别方法,其特征在于,所述根据所述各个构造走向下在延迟对应延迟时间后的复相干系数,确定所述工区内的构造走向包括:
确定各个复相干系数中的最大值,并将与所述最大值所对应的构造倾角方向垂直的方向识别为构造走向。
10.一种异常构造识别装置,其特征在于,包括:
复超道集构建模块,用于根据工区内的地震数据构建复超道集,所述复超道集中包含各相邻地震道的延迟时间;
延迟时间确定模块,用于在给定的每个构造走向下,分别从所述各相邻地震道的延迟时间中确定满足预设条件的延迟时间;
相干系数确定模块,用于根据所述复超道以及每个构造走向下的满足预设条件的延迟时间,各个构造走向下确定各个构造走向下在延迟对应延迟时间后的复相干系数;
异常构造识别模块,用于根据所述各个构造走向下在延迟对应延迟时间后的复相干系数,确定所述工区内的异常构造及其构造走向。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710234915.2A CN107144877B (zh) | 2017-04-12 | 2017-04-12 | 异常构造识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710234915.2A CN107144877B (zh) | 2017-04-12 | 2017-04-12 | 异常构造识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107144877A true CN107144877A (zh) | 2017-09-08 |
CN107144877B CN107144877B (zh) | 2018-11-16 |
Family
ID=59773510
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710234915.2A Active CN107144877B (zh) | 2017-04-12 | 2017-04-12 | 异常构造识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107144877B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108398721A (zh) * | 2018-04-13 | 2018-08-14 | 中国石油大学(北京) | 基于地质导向的相移属性的识别方法及装置 |
CN109116419A (zh) * | 2018-08-16 | 2019-01-01 | 中国石油大学(北京) | 基于分频相位导向相干的地质异常构造识别方法及装置 |
CN110095813A (zh) * | 2019-05-17 | 2019-08-06 | 中国石油大学(北京) | 用于确定复地震道的瞬时相位差的方法及装置 |
CN110261905A (zh) * | 2019-06-27 | 2019-09-20 | 中国石油化工股份有限公司 | 基于倾角控制的复值相干微断层识别方法 |
CN113253345A (zh) * | 2020-02-10 | 2021-08-13 | 中国石油天然气股份有限公司 | 相位差异属性获取方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101900833A (zh) * | 2010-06-02 | 2010-12-01 | 西安石油大学 | 一种地震散射p-p波成像速度分析方法 |
WO2014105745A2 (en) * | 2012-12-28 | 2014-07-03 | General Electric Company | Seismic data analysis |
CN104614765A (zh) * | 2015-02-05 | 2015-05-13 | 西南石油大学 | 一种增强地震波激发照明的设计方法 |
WO2016053582A1 (en) * | 2014-10-01 | 2016-04-07 | Halliburton Energy Services, Inc. | Trace downsampling of distributed acoustic sensor data |
-
2017
- 2017-04-12 CN CN201710234915.2A patent/CN107144877B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101900833A (zh) * | 2010-06-02 | 2010-12-01 | 西安石油大学 | 一种地震散射p-p波成像速度分析方法 |
WO2014105745A2 (en) * | 2012-12-28 | 2014-07-03 | General Electric Company | Seismic data analysis |
WO2016053582A1 (en) * | 2014-10-01 | 2016-04-07 | Halliburton Energy Services, Inc. | Trace downsampling of distributed acoustic sensor data |
CN104614765A (zh) * | 2015-02-05 | 2015-05-13 | 西南石油大学 | 一种增强地震波激发照明的设计方法 |
Non-Patent Citations (1)
Title |
---|
陈凤云 等: "相干和方差数据体的算法研究及应用", 《物探与化探》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108398721A (zh) * | 2018-04-13 | 2018-08-14 | 中国石油大学(北京) | 基于地质导向的相移属性的识别方法及装置 |
CN108398721B (zh) * | 2018-04-13 | 2019-08-02 | 中国石油大学(北京) | 基于地质导向的相移属性的识别方法及装置 |
CN109116419A (zh) * | 2018-08-16 | 2019-01-01 | 中国石油大学(北京) | 基于分频相位导向相干的地质异常构造识别方法及装置 |
CN110095813A (zh) * | 2019-05-17 | 2019-08-06 | 中国石油大学(北京) | 用于确定复地震道的瞬时相位差的方法及装置 |
CN110261905A (zh) * | 2019-06-27 | 2019-09-20 | 中国石油化工股份有限公司 | 基于倾角控制的复值相干微断层识别方法 |
CN113253345A (zh) * | 2020-02-10 | 2021-08-13 | 中国石油天然气股份有限公司 | 相位差异属性获取方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107144877B (zh) | 2018-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Michel et al. | Assessment of site effects in alpine regions through systematic site characterization of seismic stations | |
US10853893B2 (en) | System and method for automatically correlating geologic tops | |
CN107144877A (zh) | 异常构造识别方法及装置 | |
US20140350859A1 (en) | Efficiency of Pixel-Based Inversion Algorithms | |
CN102893183A (zh) | 改进油气田发现与表征的可预测性的有源噪声注入计算 | |
Mahmoud et al. | New technique to determine the total organic carbon based on well logs using artificial neural network (white box) | |
US20120320712A1 (en) | Dip seismic attribute | |
CN106896406A (zh) | 基于阻抗域属性预测优质储层的方法和装置 | |
Di et al. | Estimating subsurface properties using a semisupervised neural network approach | |
US10422917B2 (en) | Sand-resistivity/conductivity and saturation evaluation in laminated formations with biaxial anisotropy | |
CN107450108B (zh) | 甜点区的确定方法和装置 | |
CN107956465A (zh) | 基于关联井的全区多井测井曲线标准化方法及装置 | |
CN108629459A (zh) | 储层含烃孔隙的检测方法及装置 | |
CN106772599B (zh) | 一种计算地层横波速度的方法及装置 | |
CN107329174A (zh) | 在地震剖面上显示测井信息的方法及装置 | |
CN109581496A (zh) | 层析反演中的双向构造倾角约束方法及装置 | |
AU2021379607B2 (en) | Well correlation through intermediary well | |
CN107589457A (zh) | 测井资料尺度粗化的方法和装置 | |
Fan et al. | An integrated application of reducing uncertainties for 3D pore pressure prediction: a case study | |
US20230401490A1 (en) | Predicting true sand resistivity in laminated shaly sands with artificial intelligence | |
Mendez et al. | Rock Type Prediction Using Democratic Neural Networks Association DNNA: An Alternative Method to Describe Clastic Fillings in Ordovician Karsted Carbonates within a Region of the Tahe Oilfield, China | |
Golenkin et al. | Advanced LWD Technology Application at the Caspian Offshore Oilfields | |
Li et al. | Hierarchic modeling and history matching of multiscale flow barriers in channelized reservoirs | |
CN113031056B (zh) | 构造约束下断层封闭性分析方法及装置 | |
Ferreira et al. | Time-lapse seismic and engineering data integration to estimate best time for seismic acquisition data |
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 |