CN107728204A

CN107728204A - 基于叠前纵波各向异性的裂缝预测方法及系统

Info

Publication number: CN107728204A
Application number: CN201610657031.3A
Authority: CN
Inventors: 陈祖庆; 屈大鹏; 肖伟; 李雷涛; 肖秋红; 罗宇鹏
Original assignee: China Petroleum and Chemical Corp; Sinopec Exploration Southern Co
Current assignee: China Petroleum and Chemical Corp; Sinopec Exploration Southern Co
Priority date: 2016-08-11
Filing date: 2016-08-11
Publication date: 2018-02-23
Anticipated expiration: 2036-08-11
Also published as: CN107728204B

Abstract

本发明公开了一种基于叠前纵波各向异性的裂缝预测方法及系统。本发明正是利用地震波不同方位上的截距及梯度属性进行裂缝方向及密度的预测，由于截距、梯度等叠前AVO属性的求取对大偏移距数据依赖较小，因此本发明回避了常规方案中由于野外采集观测系统缺陷而不得不对大偏移距数据进行切除的做法，不但保留了原始资料的信噪比和深层信息，更重要的是保留了地震各向异性的最大差异，避免了人为因素对预测结果的影响，提高了裂缝预测的可靠性及精度，可视为对常规方案的一种有效改进。

Description

基于叠前纵波各向异性的裂缝预测方法及系统

技术领域

本发明涉及石油勘探技术领域，尤其涉及一种基于叠前纵波各向异性的裂缝预测方法，还涉及一种基于叠前纵波各向异性的裂缝预测系统。

背景技术

当前在全世界范围进行的油气勘探开发过程中，裂缝性油气藏的比重越来越大，裂缝一方面是油气的储集空间，另一方面作为流体的运移通道，能够将储层中分散的孔洞储集空间连通起来，但是由于裂缝的成因比较复杂，纵横向变化较大，表现出很强的各向异性，而且在不同岩性地层中都有可能存在，使得其描述难于常规油气藏。

目前利用地震资料进行裂缝预测大致分为横波方法和纵波方法。其中，横波方法主要利用横波走时差异和垂直入射反射振幅来进行裂缝预测，理论上比纵波对裂缝产生的方位各向异性具有更强的敏感性，预测精度较高，但是由于多分量勘探和横波勘探的成本昂贵且高质量的横波资料获取难度大，推广应用受到限制；多分量转换横波裂缝检测在技术上比较复杂，应用还有待完善。

纵波方法又分为叠后与叠前方法，叠后方法主要通过检测地震波的不连续性来预测裂缝，如相干技术、曲率技术、蚂蚁体技术等，简单实用，但是属于大尺度的定性预测技术。叠前方法基于方位各向异性理论，认为裂缝的各向异性导致地震波的各向异性，通过计算地震波不同方向的属性差异来预测裂缝的方向及相对密度，是一种半定量的裂缝预测技术，且成本较低，因此得到广泛推广和应用。

虽然目前叠前裂缝预测技术应用广泛，而且预测效果明显，但是其在实际应用中还存在不足之处，由于受到野外采集观测系统的限制，即使是宽方位、全方位采集的地震数据，其在某些角度的大偏移距信息也是缺失的，而为了满足叠前裂缝预测对数据的要求，常规的做法是对大偏移距数据进行切除，使得数据分布均匀，这种对大偏移距信息进行切除的做法至少存在三个方面的问题：(1)降低了覆盖次数，进而使得资料信噪比降低；(2)导致深层信息的缺失，因为深层信息主要来源于大偏移距数据；(3)各向异性的差异性在大偏移距时最明显，切除会直接影响预测的精度。

发明内容

本发明所要解决的技术问题是：为了满足叠前裂缝预测对数据的要求，现有技术中的裂缝预测方法通常舍弃大偏移数据，这导致了以下技术问题的出现：(1)降低了覆盖次数，进而使得资料信噪比降低；(2)导致深层信息的缺失，因为深层信息主要来源于大偏移距数据；(3)各向异性的差异性在大偏移距时最明显，切除会直接影响预测的精度。

为了解决上述技术问题，本发明提供了一种基于叠前纵波各向异性的裂缝预测方法及系统。

根据本发明的一个方面，提供了一种基于叠前纵波各向异性的裂缝预测方法，其包括：

基于地震数据得到共中心点道集数据；

将所述共中心点道集数据按方位角划分成多个方位角组，并使各方位角组的变化幅度基本一致；

依次对于每个方位角组，对所述方位角组对应的共中心点道集数据进行叠前偏移处理，得到所述方位角组对应的共反射点道集数据；

对所述方位角组对应的共反射点道集数据进行入射角道集转换，并进行AVO属性反演，得到所述方位角组对应的截距和梯度；

根据所有方位角组对应的截距和梯度，预测裂缝的发育方向和密度。

优选的是，在划分方位角组之前，所述方法还包括：对所述共中心点道集数据进行动校正处理。

优选的是，根据所有方位角组对应的截距和梯度，预测裂缝的发育方向和密度，包括：

预设多个方位角范围，并使彼此不重叠的方位角范围覆盖0-180°；

依次对于预设的每个方位角范围，对所述方位角范围内的截距和梯度进行合并，得到所述方位角范围对应的方位角伪道集数据；

在所述方位角伪道集数据上滑动时窗逐点计算均值，得到所述方位角范围对应的均值；

基于所有方位角范围对应的均值，拟合各向异性裂缝椭圆；

根据所述各向异性裂缝椭圆的参数，预测所述裂缝的发育方向和密度。

优选的是，基于所有方位角范围对应的均值，拟合各向异性裂缝椭圆，包括：

通过将所有方位角范围对应的均值投影到极坐标系中，来拟合所述各向异性裂缝椭圆。

优选的是，将所述共中心点道集数据按方位角划分成5-7个方位角组。

根据本发明的另一个方面，提供了一种基于叠前纵波各向异性的裂缝预测系统，其包括：

共中心点道集数据获取模块，设置为基于地震数据得到共中心点道集数据；

方位角组划分模块，设置为将所述共中心点道集数据按方位角划分成多个方位角组，并使各方位角组的变化幅度基本一致；

叠前偏移模块，设置为依次对于每个方位角组，对所述方位角组对应的共中心点道集数据进行叠前偏移处理，得到所述方位角组对应的共反射点道集数据；

入射角道集转换模块，设置为对所述方位角组对应的共反射点道集数据进行入射角道集转换，并进行AVO属性反演，得到所述方位角组对应的截距和梯度；

裂缝预测模块，设置为根据所有方位角组对应的截距和梯度，预测裂缝的发育方向和密度。

优选的是，上述预测系统还包括动校正处理模块，设置为在划分方位角组之前，对所述共中心点道集数据进行动校正处理。

优选的是，所述裂缝预测模块，包括：

方位角范围预设单元，设置为预设多个方位角范围，并使彼此不重叠的方位角范围覆盖0-180°；

合并单元，设置为依次对于预设的每个方位角范围，对所述方位角范围内的截距和梯度进行合并，得到所述方位角范围对应的方位角伪道集数据；

均值计算单元，设置为在所述方位角伪道集数据上滑动时窗逐点计算均值，得到所述方位角范围对应的均值；

拟合单元，设置为基于所有方位角范围对应的均值，拟合各向异性裂缝椭圆；

裂缝预测单元，设置为根据所述各向异性裂缝椭圆的参数，预测所述裂缝的发育方向和密度。

优选的是，所述裂缝预测单元具体设置为：

优选的是，所述方位角组划分模块具体设置为：将所述共中心点道集数据按方位角划分成5-7个方位角组。

与现有技术相比，上述方案中的一个或多个实施例可以具有如下优点或有益效果：

本发明对基于纵波各向异性裂缝预测的常规方案进行了优化和改进，通过选择对裂缝各向异性特征更敏感且求取受大偏移距数据影响较小的AVO梯度属性进行裂缝椭圆拟合，并进行裂缝方向及密度的预测。通过该方案的实施，回避了常规方案中，由于野外采集观测系统限制导致部分方位角上大偏移距信息缺失而不得不对大偏移距数据进行切除的做法，使得原始资料的高信噪比及深层信息得以保留，避免了人为因素的干扰，提高了裂缝预测的可靠性。另外，由于梯度属性较常规方案中的振幅属性对裂缝各向异性特征更为敏感，因此也提高了裂缝预测的精度，降低了对裂缝性油气藏勘探开发的风险。

本发明的其它特征和优点将在随后的说明书中阐述，并且部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例共同用于解释本发明，并不构成对本发明的限制。在附图中：

图1示出了本发明实施例基于叠前纵波各向异性的裂缝预测方法的流程示意图；

图2示出了本发明实施例中根据所有方位角组对应的截距和梯度，预测裂缝的发育方向和密度的方法的流程示意图；

图3示出了宽方位角采集时方位角与偏移距的交汇示意图；

图4示出了窄方位角采集时方位角与偏移距的交汇示意图；

图5a示出了裂缝方位AVO正演示意图；

图5b示示出了裂缝椭圆拟合示意图；

图6示出了方位AVO截距及梯度的示意图；

图7a示出了采用常规方案进行裂缝密度预测的平面示意图；

图7b示出了采用本发明改进方案进行裂缝密度预测的平面示意图；

图8示出了本发明实施例基于叠前纵波各向异性的裂缝预测系统的结构示意图；

图9示出了本发明实施例中裂缝预测模块的结构示意图。

具体实施方式

以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。需要说明的是，只要不构成冲突，本发明中的各个实施例以及各实施例中的各个特征可以相互结合，所形成的技术方案均在本发明的保护范围之内。

为了满足叠前裂缝预测对数据的要求，现有技术中的裂缝预测方法通常舍弃大偏移数据，这导致了以下技术问题的出现：(1)降低了覆盖次数，进而使得资料信噪比降低；(2)导致深层信息的缺失，因为深层信息主要来源于大偏移距数据；(3)各向异性的差异性在大偏移距时最明显，切除会直接影响预测的精度。

实施例一

图1示出了本发明实施例基于叠前纵波各向异性的裂缝预测方法的流程示意图。如图1所示，本发明实施例基于叠前纵波各向异性的裂缝预测方法主要包括步骤101至步骤105。

在步骤101中，基于地震数据得到共中心点道集数据。

在本发明一优选的实施例中，在步骤101后，即在划分方位角组之前，对所述共中心点道集数据进行动校正处理。

具体地，对宽方位地震数据进行分步-分类-分频-分域-分时窗保真去噪、保幅能量补偿、反褶积和静校正等前期处理，输出无明显噪音和静态时差的共中心点道集(CMP)数据。

然后对所得到的共中心点道集数据进行动校正处理，并对动校正后的共中心点道集数据进行叠前道集去噪处理。详细地，对动校后的共中心点道集进行噪音进行分析，明确其类型及特点，采用不同的方法进行去噪处理，如线性噪音相关性强可采用相关分析的方法，随机噪音频谱一致性差可采用奇异分解的方法等，达到去除噪音干扰，提高道集信噪比的目的；叠前道集剩余动校及远道畸变处理，分析道集是否拉平，如果没有，以近中道作为标准道，采用相关分析的方法计算响应的校正时差来拉平道集；如果远道存在畸变，采用频谱补偿等技术来消除远道畸变。

在步骤102中，将所述共中心点道集数据按方位角划分成多个方位角组，并使各方位角组的变化幅度基本一致。

此步骤涉及叠前道集方位角的划分。具体地，对宽/全方位采集的CMP道集数据进行等方位角划分，一般划分5-7的不同的方位数据。特别地，本发明一优选的实施例选择划分5个方位角道集数据。如果方位角个数过少，虽然可以尽量保留较高的信噪比，但是在后续进行椭圆拟合时，裂缝方位的预测不稳定。如果方位角个数划分太多，虽然在拟合时对裂缝的方位预测比较准确，但是过多的方位角降低了道集的信噪比，对裂缝密度的精度有严重影响，因此一般选择在5-7个比较合适。

划分的具体过程为：利用CMP道集的道头信息，计算出道集记录中每道记录的相对X、Y坐标，即ΔX＝X_rev-X_shot，ΔY＝Y_rev-Y_shot。以正北方向为0°为基准，求取各道分布的方位角值存于道头方位角azi中，即根据需要抽取每个CMP道集不同方位角范围的道数据，即完成不同方位角范围的道集数据的抽取工作。

举例来说，以正北为0度方位，正南为180度方位，将共中心点道集数据顺序划分为5个方位角组。其中需要确保各方位角组的变化幅度和数据覆盖次数基本一致。在本实施例中，对称到180度范围内划分为以下五组：

第一组：0-36°；

第二组：37-72°；

第三组：73-108°；

第四组：109-144°；

第五组：145-180°。

在步骤103中，依次对于每个方位角组，对所述方位角组对应的共中心点道集数据进行叠前偏移处理，得到所述方位角组对应的共反射点道集数据。

这里，可以采用现有的常规叠前偏移处理将共中心点道集数据转换为共反射点道集数据。本文不对常规的叠前偏移处理进行展开说明。

在步骤104中，对所述方位角组对应的共反射点道集数据进行入射角道集转换，并进行AVO属性反演，得到所述方位角组对应的截距和梯度。

本步骤对不同方位的共反射点道集先进行入射角道集转换，在此基础上进行AVO属性反演，求取截距及梯度属性。

本步骤涉及理论为AVO属性反演理论。

具体地，假设纵波入射角和透射角的平均角度不为临界角或者90度，则佐普利兹方程可以简化为：

R(θ)＝P+G sin²θ+C(tan²θ-sin²θ) (1)

其中：另外，V_p为纵波速度；V_s为横波速度；ρ为岩石密度；θ为入射角；R(θ)为反射系数；分别为纵波速度、横波速度及密度变化率。可以看出，上式包含了小入射角项、中入射角项及大入射角项三个部分，如果忽略高阶项，式(1)可进一步简化为：

R(θ)＝P+G sin²θ (2)

如果令x＝sin²θ，那么式(2)在常规坐标系中为一条截距为P，梯度为G的直线，这样就可以在入射角道集中拟合计算每个样点的截距和梯度，进一步得到截距和梯度数据体。

当地层中存在裂缝时，各向异性特征较强，其方位AVO特征即振幅的变化表现为，平行于裂缝走向，AVO特征变化较大，而垂直于裂缝走向时其AVO特征变化较小。因此在常规的叠前裂缝预测流程中，利用振幅的方位各向异性作为椭圆拟合的地震属性。

在本实施例中，由于振幅属性中包含截距参数，其对裂缝的灵敏性可能没有单纯的梯度属性强，另外从式(2)及实际资料的拟合来看，梯度属性对大角度(大偏移距)数据的依赖较小，这样就回避了常规方案中对大角度数据的切除带来的各种不利干扰。

在入射角一定的情况下，平行于裂缝走向时其AVO特征方程为R₀(θ)＝P₀+G₀ sin²θ，其中截距为P₀，梯度为G₀；垂直于裂缝走向时其AVO方程为R₁(θ)＝P₁+G₁ sin²θ，其中截距为P₁，梯度为G₁，另外满足：P₀＝P₁，G₀>G₁。振幅属性的变化率为即而梯度属性的变化率为其差值为化简之后为由于G₀>G₁，所以P₁(G₀-G₁)>0，又有G₁(P₁+G₁ sin²θ)>0，因此梯度变化率与振幅变化率的差值大于零，也就是梯度属性的变化率大于振幅属性的变化率，从而相较于振幅属性，梯度属性对裂缝的各向异性特征更加敏感。

在步骤105中，根据所有方位角组对应的截距和梯度，预测裂缝的发育方向和密度。

具体地，关于根据截距和梯度来预测裂缝的发育方向和密度的方法，将在下文中结合图2进行详细阐述。

实施例二

本实施例在实施例一的基础上，对上述步骤105做了进一步优化。

图2示出了本实施例中根据所有方位角组对应的截距和梯度，预测裂缝的发育方向和密度的方法的流程示意图。如图2所示，上述步骤105进一步包括步骤201至步骤205。

在步骤201中，预设多个方位角范围，并使彼此不重叠的方位角范围覆盖0-180°。

具体地，在0-180°内划分多个方位角范围，并使各个方位角范围彼此不重叠。例如，将0-180°分为五个方位角：0-36°、37-72°、73-108°、109-144°以及145-180°。

在步骤202中，依次对于预设的每个方位角范围，对所述方位角范围内的截距和梯度进行合并，得到所述方位角范围对应的方位角伪道集数据。

具体地，依次对于预设的每个方位角范围内的道集进行叠前偏移处理，得到相对应的不同方位范围的入射角CRP道集；对该入射角CRP道集进行叠前AVO反演，得到不同方位角范围的AVO截距和梯度数据；然后将不同方位角范围的截距和梯度数据对应于此范围的中心角度，进行所述方位角范围内的截距和梯度的分别合并，得到所述方位角范围中心角度对应的方位角截距伪道集和方位角梯度伪道集数据。这里，将方位角截距伪道集数据和方位角梯度伪道集数据的集合称为方位角伪道集数据。

举例来讲，在每个方位角范围内，将该范围内的截距和梯度合并。将不同方位道集反演得到的AVO属性(截距与梯度)进行合并得到伪方位角道集，一般将某一方位角范围内的中心角度作为一个方位数据进行合并，如方位角A到B范围内，其中心角为

在步骤203中，在所述方位角伪道集数据上滑动时窗逐点计算均值，得到所述方位角范围对应的均值。

具体地，在所述方位角伪道集数据上滑动时窗逐点计算均值，例如假设从时间T₀开始，滑动时窗为T，时窗内有N个数据点，数据点值为A_i，其均值为将其计算结果记录在处，依次滑动时窗，计算均值，得到所述方位角范围所有时间处对应的均值。

在步骤204中，基于所有方位角范围对应的均值，拟合各向异性裂缝椭圆。

具体地，如果计算得到某一点不同方位的地震属性值，假设地下是各项同性的，则各个方位的地震属性值大小是一样的，将其不同方位的地震属性值投影到极坐标系中，然后把不同的极轴端点连接，表现为一圆形形状；假设地下存在各项异性，则各个方位的地震属性值大小有差异，将其不同方位的地震属性值投影到极坐标系中，然后把不同的极轴端点连接，表现为一椭圆形状。

在步骤205中，根据所述各向异性裂缝椭圆的参数，预测所述裂缝的发育方向和密度。

具体地，在方位角伪道集上滑动时窗逐点计算均值，然后将各个方位上计算的均值投影到极坐标系中，进行椭圆拟合，以椭圆长轴或短轴指示裂缝走向，以椭圆扁率及长短轴之比表征裂缝发育程度。

下面详细阐述本步骤涉及的理论。

一个包含垂直裂缝的介质可以把它看成是具有水平对称轴的横向各向同性介质(TIH)，在TIH介质中Thomsen参数和裂缝检测到基本方法是，用v_p0和v_s0分别表示纵波的垂直速度和快横波速度。在自然坐标系中：裂缝的法向为，裂缝方向为x₂，垂直方向为x₃，设刚性张量为C_ij，密度为ρ，则Thomsen参数定义为x₁：

ε＝(C₃₃-C₁₁)/2C₁₁，γ＝(C₄₄-C₆₆)/2C₆₆；

这项参数是针对具有水平对称轴的TIH介质，Tsvankin(1997)给出了另一种Thomsen参数描述方法，假设在水平层状介质中存在一个含有垂直裂缝的目标层，这个裂缝层可等效为一个方位各向异性介质，并称作为具有水平对称轴的横向各向同性介质，在这种介质中，纵波的属性参数，即纵波的振幅、旅行时或层速度等可用以下方程近似表示出来：

在式(3)中，表示纵波的反射振幅，或动校速度平方的倒数，或层间旅行时等；θ为纵波入射角，为相对裂缝方向的方位角，A(θ)，B(θ)，C(θ)为与方位无关的系数；忽略高阶项，上式可进一步简写为：

在弱各向异性介质中，B<A，当固定入射角时，当入射角固定的情况下，在极坐标系中，是一个椭圆，而且时，A+B是椭圆的长轴，A-B是椭圆的短轴，当B＝1时，各个方向的地震属性没有差异，椭圆退化为圆，即为各项同性。因此可以利用分方位地震属性的差异来预测储层内裂缝系统的密度和走向，椭圆扁率表示各向异性强，用来表征裂缝密度，椭圆长轴或短轴指示裂缝走向，若地震属性与旅行速度呈正相关关系，则椭圆长轴指示裂缝走向，若地震属性与旅行时间呈正相关关系，则椭圆短轴指示裂缝走向。具体的裂缝的预测方法为：

A、选定合适的偏移距，相当于固定入射角θ；

B、计算中这个偏移距上各个方位角上的地震属性

C、将计算的方位地震属性投影到极坐标系中并进行椭圆拟合，求取长轴方向，这就是裂缝的方向；

D、计算椭圆短轴与长轴的比值，即椭圆的扁率表征裂缝的强度。

然后对裂缝预测的结果进行分析：由于AVO属性在平行于裂缝走向时变化较大，而在垂直于裂缝走向时变化较小，因此将椭圆长轴方向解释为裂缝走向，将椭圆短轴方向解释为裂缝法向；椭圆扁率即短轴与长轴的比值代表了各向异性程度，即裂缝的相对密度。

具体地，一般情况下，沿裂缝走向地震波传播速度较垂直裂缝方向较快，长轴方向代表裂缝走向；沿裂缝走向地震波传播时间较垂直裂缝方向较短，短轴方向代表裂缝走向。其他地震属性如果与旅行速度呈正相关关系，则椭圆长轴指示裂缝走向，如果与旅行时间呈正相关关系，则椭圆短轴指示裂缝走向。由于沿裂缝走向地震波传播速度大，与围岩速度差异大，导致在裂缝走向方向AVO梯度属性变化较大，其与地震波速度呈正相关关系，因此若以AVO梯度属性拟合裂缝椭圆，则椭圆长轴方向代表了裂缝走向，椭圆扁率(椭圆短轴与长轴的比值)表征裂缝密度。

下面结合图3至图7b来证明本发明的预测效果要优于现有技术的预测效果。

图3为常规宽方位角地震采集时偏移距与方位角交汇图。如图3所示，一般在陆上地震采集比较常见，当前的地震三维采集虽然已经做到了宽方位，但是由于采集系统设计时的限制，如成本、周期等，在部分角度上，大偏移距数据还是存在一定程度的缺失。为了使叠前采集数据满足叠前裂缝预测的要求，即各个方位的数据覆盖次数尽量一致，避免人为因素引起各向异性变化，在裂缝预测技术流程中，对大偏移距数据进行了适当的切除。常规的做法虽然基本满足了裂缝预测对叠前数据的要求，但是这种切除会严重影响深层成像，大大降低数据覆盖次数及信噪比，另外裂缝引起的各向异性特征恰恰在大偏移距时最明显。

图4为常规窄方位角地震采集时偏移距与方位角交汇图。如图4所示，一般在海上地震采集比较常见，角度信息缺失严重，有效方位角范围较小，划分方位角时比较集中，数据本身只对某一方位范围内的裂缝敏感，另外就是裂缝椭圆拟合时，椭圆长短轴的方向随机性较大，因此不适合采用基于叠前各向异性的方法进行裂缝预测。

图5a为裂缝方位AVO正演示意图，图5b为相应的裂缝椭圆拟合图。如图5a和5b所示，当地层中存在裂缝时，不同方位的地震振幅及AVO曲线存在一定的差异，将这种差异化的地震属性等投影到极坐标系中，进行裂缝椭圆拟合，一般平行于裂缝方向地震振幅较强、AVO特征变化较大，因此拟合椭圆的长轴方向代表了裂缝的走向，拟合椭圆越扁，代表裂缝越发育，以椭圆扁率表征裂缝发育程度，即裂缝密度。

图6为方位AVO截距及梯度示意图，图中，φ代表不同的方位，P为AVO截距，G为AVO梯度，不同方位的AVO曲线，截距相等，梯度有所差异，这也就是利用方位各向异性差异进行裂缝预测的理论基础。常规的技术流程中应用地震振幅差异来进行裂缝预测，但是由于野外采集的缺陷，对大偏移距数据进行的适当切除，而恰恰是在大偏移距时个性异性特征最明显，因此裂缝预测的精度受到较大影响。本次改进的技术流程中，采用AVO梯度属性进行椭圆拟合来进行裂缝预测，首先梯度属性不依赖于大偏移距数据，AVO曲线进行二项式拟合时，理论上只要两个数据点就可以确定趋势；其次AVO梯度属性较地震振幅属性对裂缝的敏感性更强，之前已做过相应的理论公式推导，不再赘述。

图7a和图7b分别为常规方案与改进方案裂缝密度预测平面图。如图7a和图7b所示，常规方案预测结果比较零散，与构造特征及钻井实测结果吻合率不高，而改进方案的预测结果平面上规律性较强，与构造特征、钻井实测及地质认识的吻合性较好。

综上所述，本实施例对基于纵波各向异性裂缝预测的常规方案进行了优化和改进，通过选择对裂缝各向异性特征更敏感且求取受大偏移距数据影响较小的AVO梯度属性进行裂缝椭圆拟合，并进行裂缝方向及密度的预测。通过该方案的实施，回避了常规方案中，由于野外采集观测系统限制导致部分方位角上大偏移距信息缺失而不得不对大偏移距数据进行切除的做法，使得原始资料的高信噪比及深层信息得以保留，避免了人为因素的干扰，提高了裂缝预测的可靠性。另外，由于梯度属性较常规方案中的振幅属性对裂缝各向异性特征更为敏感，因此也提高了裂缝预测的精度，降低了对裂缝性油气藏勘探开发的风险。

实施例三

对应于上述实施例一和实施例二，本发明实施例提供了一种基于叠前纵波各向异性的裂缝预测系统。

图8示出了本发明实施例基于叠前纵波各向异性的裂缝预测系统的结构示意图。如图8所示，本发明实施例的基于叠前纵波各向异性的裂缝预测系统，主要包括依次连接的共中心点道集数据获取模块301、方位角组划分模块302、叠前偏移模块303、入射角道集转换模块304和裂缝预测模块305。

具体地，共中心点道集数据获取模块301，设置为基于地震数据得到共中心点道集数据。特别地，本预测系统还包括动校正处理模块(未示出)，设置为在划分方位角组之前，对所述共中心点道集数据进行动校正处理。

方位角组划分模块302，设置为将所述共中心点道集数据按方位角划分成多个方位角组，并使各方位角组的变化幅度基本一致。在本发明一优选的实施例中，方位角组划分模块302具体设置为：将所述共中心点道集数据按方位角划分成5-7个方位角组。

叠前偏移模块303，设置为依次对于每个方位角组，对所述方位角组对应的共中心点道集数据进行叠前偏移处理，得到所述方位角组对应的共反射点道集数据。

入射角道集转换模块304，设置为对所述方位角组对应的共反射点道集数据进行入射角道集转换，并进行AVO属性反演，得到所述方位角组对应的截距和梯度。

裂缝预测模块305，设置为根据所有方位角组对应的截距和梯度，预测裂缝的发育方向和密度。

实施例四

本实施例在实施例三的基础上，对裂缝预测模块305进行优化。

图9示出了本发明实施例中裂缝预测模块305的结构示意图。如图9所示，裂缝预测模块305包括依次连接的方位角范围预设单元401、合并单元402、均值计算单元403、拟合单元404和裂缝预测单元405。

具体地，方位角范围预设单元401，设置为预设多个方位角范围，并使彼此不重叠的方位角范围覆盖0-180°。

合并单元402，设置为依次对于预设的每个方位角范围，对所述方位角范围内的截距和梯度进行合并，得到所述方位角范围对应的方位角伪道集数据。

均值计算单元403，设置为在所述方位角伪道集数据上滑动时窗逐点计算均值，得到所述方位角范围对应的均值。

拟合单元404，设置为基于所有方位角范围对应的均值，拟合各向异性裂缝椭圆。

裂缝预测单元405，设置为根据所述各向异性裂缝椭圆的参数，预测所述裂缝的发育方向和密度。

在本发明一优选的实施例中，裂缝预测单元405具体设置为：通过将所有方位角范围对应的均值投影到极坐标系中，来拟合所述各向异性裂缝椭圆。

值得注意的是，实施例三和实施例四中各个模块及单元中的操作的具体细化，可参见上面结合图1至图7对本发明方法(具体参见实施例一和实施例二)的说明，在此不再详细赘述。

本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

虽然本发明所公开的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所公开的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims

1.一种基于叠前纵波各向异性的裂缝预测方法，其特征在于，包括：

基于地震数据得到共中心点道集数据；

2.根据权利要求1所述的方法，其特征在于，在划分方位角组之前，所述方法还包括：对所述共中心点道集数据进行动校正处理。

3.根据权利要求1所述的方法，其特征在于，根据所有方位角组对应的截距和梯度，预测裂缝的发育方向和密度，包括：

基于所有方位角范围对应的均值，拟合各向异性裂缝椭圆；

4.根据权利要求3所述的方法，其特征在于，基于所有方位角范围对应的均值，拟合各向异性裂缝椭圆，包括：

5.根据权利要求1至4中任一项所述的方法，其特征在于，将所述共中心点道集数据按方位角划分成5-7个方位角组。

6.一种基于叠前纵波各向异性的裂缝预测系统，其特征在于，包括：

7.根据权利要求6所述的系统，其特征在于，还包括动校正处理模块，设置为在划分方位角组之前，对所述共中心点道集数据进行动校正处理。

8.根据权利要求6所述的系统，其特征在于，所述裂缝预测模块，包括：

9.根据权利要求8所述的系统，其特征在于，所述裂缝预测单元具体设置为：

10.根据权利要求6至9中任一项所述的系统，其特征在于，所述方位角组划分模块具体设置为：将所述共中心点道集数据按方位角划分成5-7个方位角组。