CN107831541A - 基于高密度vsp数据的薄地层识别方法及装置 - Google Patents

基于高密度vsp数据的薄地层识别方法及装置 Download PDF

Info

Publication number
CN107831541A
CN107831541A CN201711146337.3A CN201711146337A CN107831541A CN 107831541 A CN107831541 A CN 107831541A CN 201711146337 A CN201711146337 A CN 201711146337A CN 107831541 A CN107831541 A CN 107831541A
Authority
CN
China
Prior art keywords
vsp
vsp data
curve
data
pretreated
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
Application number
CN201711146337.3A
Other languages
English (en)
Other versions
CN107831541B (zh
Inventor
蔡志东
张庆红
李彦鹏
彭继新
王艳华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China National Petroleum Corp
BGP Inc
Original Assignee
China National Petroleum Corp
BGP Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China National Petroleum Corp, BGP Inc filed Critical China National Petroleum Corp
Priority to CN201711146337.3A priority Critical patent/CN107831541B/zh
Publication of CN107831541A publication Critical patent/CN107831541A/zh
Application granted granted Critical
Publication of CN107831541B publication Critical patent/CN107831541B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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基于高密度VSP数据的薄地层识别方法及装置，该方法包括：获取目标区的指定采集密度的VSP数据，并预处理所述VSP数据；分别获取预处理后的VSP数据的VSP频谱曲线及初至振幅导数曲线；将所述VSP频谱曲线及所述初至振幅导数曲线相乘，获取联合曲线；根据所述联合曲线获得所述目标区的地层识别结果。本申请实施例可提高薄层识别的分辨率。

Description

基于高密度VSP数据的薄地层识别方法及装置
技术领域
本申请涉及薄层识别技术领域，尤其是涉及一种基于高密度VSP(VerticalSeismic Profiling，垂直地震剖面)数据的薄地层识别方法及装置。
背景技术
薄层识别是地震勘探的一个重点和难点课题，如何提高地震数据的纵向分辨率，分辨出更薄的地层的厚度，一直以来是地球物理学领域追求的目标之一。
早期的垂向分辨率的讨论给出了1/4波长的极限分辨率定义。此后，围绕提高分辨率的研究从未间断，其中比较有代表性的有：利用两个相反反射系数定义极限分辨率为1/8波长；从地质模型角度出发，利用调谐振幅与厚度之间的变化规律，提出1/8至1/16波长的极限分辨率；而在某些特定的地质条件下，有学者指出可获得更高的薄层分辨率；还有一些学者致力于反褶积子波的提取和应用研究，以达到更薄地层分辨率的目的；尽管薄层识别有诸多方法，但均在一定的限制条件或借助其它已知地球物理成果才能突破1/4波长。单纯基于地震数据，要获得更高的纵向分辨能力，意味着要将两个相互干涉子波的包络清晰分开，即两个子波的频率、振幅、相位等参数完全分离。因此要想分辨小于1/4波长的地质体仍是十分困难。即便在满足限定条件下的其极限分辨率的提升也是十分有限的。
有鉴于此，如何提高薄层识别的分辨率是目前亟待解决的技术问题。
发明内容
本申请实施例的目的在于提供一种基于高密度VSP数据的薄地层识别方法及装置，以提高薄层识别的分辨率。
为达到上述目的，一方面，本申请实施例提供了一种基于高密度VSP数据的薄地层识别方法，包括：
获取目标区的指定采集密度的VSP数据，并预处理所述VSP数据；
分别获取预处理后的VSP数据的VSP频谱曲线及初至振幅导数曲线；
将所述VSP频谱曲线及所述初至振幅导数曲线相乘，获取联合曲线；
根据所述联合曲线获得所述目标区的地层识别结果。
本申请实施例的基于高密度VSP数据的薄地层识别方法，所述获取预处理后的VSP数据的初至振幅导数曲线，包括：
提取预处理后的VSP数据中每个地震道的初至振幅；
根据公式获得每个深度区间的振幅导数；
根据每个深度区间的初至振幅di,i+1，获得初至振幅导数曲线；
其中，Ai为由浅至深第i个地震道的初至振幅，Ai+1为由浅至深第i+1个地震道的初至振幅，di,i+1为第i个地震道的位置深度至第i+1个地震道的位置深度间的振幅导数。
本申请实施例的基于高密度VSP数据的薄地层识别方法，所述获取预处理后的VSP数据的VSP频谱曲线，包括：
将预处理后的VSP数据转换至频率深度域，获得所述预处理后的VSP数据的VSP频谱曲线。
本申请实施例的基于高密度VSP数据的薄地层识别方法，所述根据所述联合曲线获得所述目标区的地层识别结果，包括：
根据所述联合曲线中各深度位置的数值变化获得所述目标区的地层识别结果。
本申请实施例的基于高密度VSP数据的薄地层识别方法，所述指定采集密度包括采集间距小于或等于1米。
另一方面，本申请实施例还提供了一种基于高密度VSP数据的薄地层识别装置，包括：
VSP数据获取模块，用于获取目标区的指定采集密度的VSP数据，并预处理所述VSP数据；
第一曲线获取模块，用于分别获取预处理后的VSP数据的VSP频谱曲线及初至振幅导数曲线；
第二曲线获取模块，用于将所述VSP频谱曲线及所述初至振幅导数曲线相乘，获取联合曲线；
识别结果获取模块，用于根据所述联合曲线获得所述目标区的地层识别结果。
本申请实施例的基于高密度VSP数据的薄地层识别装置，所述获取预处理后的VSP数据的初至振幅导数曲线，包括：
提取预处理后的VSP数据中每个地震道的初至振幅；
根据公式获得每个深度区间的振幅导数；
根据每个深度区间的初至振幅di,i+1，获得初至振幅导数曲线；
其中，Ai为由浅至深第i个地震道的初至振幅，Ai+1为由浅至深第i+1个地震道的初至振幅，di,i+1为第i个地震道的位置深度至第i+1个地震道的位置深度间的振幅导数。
本申请实施例的基于高密度VSP数据的薄地层识别装置，所述获取预处理后的VSP数据的VSP频谱曲线，包括：
将预处理后的VSP数据转换至频率深度域，获得所述预处理后的VSP数据的VSP频谱曲线。
本申请实施例的基于高密度VSP数据的薄地层识别装置，所述根据所述联合曲线获得所述目标区的地层识别结果，包括：
根据所述联合曲线中各深度位置的数值变化获得所述目标区的地层识别结果。
本申请实施例的基于高密度VSP数据的薄地层识别装置，所述指定采集密度包括采集间距小于或等于1米。
另一方面，本申请实施例还提供了一种基于高密度VSP数据的薄地层识别装置，包括存储器、处理器、以及存储在所述存储器上的计算机程序，所述计算机程序被所述处理器运行时执行如下步骤：
获取目标区的指定采集密度的VSP数据，并预处理所述VSP数据；
分别获取预处理后的VSP数据的VSP频谱曲线及初至振幅导数曲线；
将所述VSP频谱曲线及所述初至振幅导数曲线相乘，获取联合曲线；
根据所述联合曲线获得所述目标区的地层识别结果。
由以上本申请实施例提供的技术方案可见，本申请实施例首先，获取目标区的指定采集密度的VSP数据并对其进行预处理；其次分别获取预处理后的VSP数据的VSP频谱曲线及初至振幅导数曲线；然后将VSP频谱曲线及初至振幅导数曲线相乘，获取联合曲线；最后根据联合曲线获得目标区的地层识别结果。通过分别对高密度VSP数据进行频谱分层和振幅导数分层，均已可实现薄地层的有效识别，而将VSP频谱曲线和初至振幅导数曲线相乘后获得的联合曲线是VSP频谱曲线和初至振幅导数曲线的综合反映，从而可实现二者的识别结果的互相约束，并可以强化共有特征，减少偶然性，从而可进一步提高薄层识别的分辨率和可靠性。
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为本申请一实施例中基于高密度VSP数据的薄地层识别方法的流程图；
图2为本申请一实施例中高密度VSP数据采集中检波器布置示意图；
图3为某井300米井段采本申请实施例中的高密度(1米间隔)的VSP地震勘探所采集VSP薄层识别结果示意图；
图4为某井300米井段采用现有技术中的普通密度(10米间隔)的VSP地震勘探所采集VSP薄层识别结果示意图；
图5为本申请一实施例中基于高密度VSP数据的VSP频谱分层图与声波测井曲线及伽马测井曲线的对比示意图；
图6为本申请一实施例中基于高密度VSP数据的振幅导数分层图与声波测井曲线及伽马测井曲线的对比示意图；
图7为本申请一实施例中基于高密度VSP数据的联合曲线分层图与VSP频谱曲线及振幅导数曲线的对比示意图；
图8为本申请一实施例中基于高密度VSP数据的薄地层识别装置的结构框图；
图9为本申请另一实施例中基于高密度VSP数据的薄地层识别装置的结构框图。
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。
VSP高密采集目前鲜有学者进行研究，理论上该方法可以识别无限薄的地层，但因为时深关系曲线的拾取精度不能无限大，所以识别无限薄地层的目标不可实现。事实上，0.1ms的拾取精度(通常约为1/10采样率)已经是目前拾取精度的极限，以5000m/s的地层速度计算，其最大识别能力在5m左右，这仍不能满足薄地层识别的勘探需求。在实现本申请的过程中，本申请的发明人发现：通过分别对高密度VSP数据进行频谱分层(即通过VSP频谱曲线识别薄层)和振幅导数分层(即通过初至振幅导数曲线识别薄层)，均可实现薄地层的有效识别，而如果将两者相结合分析则可利用二者的识别结果互相约束，从而可以强化共有特征，减少偶然性，从而可进一步提高薄层识别的分辨率和可靠性。
基于以上理论，参考图1所示，本申请实施例的基于高密度VSP数据的薄地层识别方法，可以包括以下步骤：
S101、获取目标区的指定采集密度的VSP数据，并预处理所述VSP数据。
本实施方式中，可利用诸如垂直地震仪器等实现VSP地震勘探，并可通过加密观测(既增加观测密度，例如将井中检波器近距离布置)的方式采集得到高密度VSP数据。因此，所述的指定采集密度是指高密度，为了获得可靠的薄地层信息，采集距离具体可以为1米或更小，例如图2所示。
本实施方式中，在获得VSP数据后，可对VSP数据进行诸如坏道去除、野值噪声压制的等预处理。需要说明的是，这里的预处理可不包括深度叠加、自动增益、道间均衡等，以免破坏VSP数据的频率和振幅的原始信息。
S102、分别获取预处理后的VSP数据的VSP频谱曲线及初至振幅导数曲线。
本实施方式中，可通过将预处理后的VSP数据转换至频率深度域(即F-X域)，从而获得所述预处理后的VSP数据的VSP频谱曲线，例如图5的上图所示。其中，所述频率深度域转换可通过例如傅立叶变换等方法将时间深度域的VSP数据转换至频率深度域数据。
为了便于更加直观了解本申请实施例的效果，图3和图4分别示出了采用本申请实施例的高密度VSP频谱、及采用现有技术的普通VSP频谱，对比图3和图4可以看出，采用本申请实施例的高密度VSP地震勘探具有更好的薄层分辨能力。此外，在本其他一些实施方式中，还可以将VSP频谱分层结果与测井、录井数据进行对比，以进一步验证方法的可行性，如图5所示，其中①位置清晰的指示了1.9m厚度砂岩储层的特征。
本实施方式中，所述获取预处理后的VSP数据的初至振幅导数曲线可包括如下步骤：
1)、提取预处理后的VSP数据中每个地震道的初至振幅；具体的，可以先确定预处理后的VSP数据中每个地震道的初至，在确定预处理后的VSP数据中每个地震道的初至后，每个地震道的初至所对应的振幅即为初至振幅。
2)、根据公式获得每个深度区间的振幅导数。其中，Ai为由浅至深第i个地震道的初至振幅，Ai+1为由浅至深第i+1个地震道的初至振幅，di,i+1为第i个地震道的位置深度至第i+1个地震道的位置深度间的振幅导数。例如由浅至深第20个及第21个地震道分别为st20和st21，其对应初至振幅为Ast20和Ast21，则在第20个地震道的位置深度至第21个地震道的位置深度间的振幅导数为
3)、根据每个深度区间的初至振幅di,i+1，获得初至振幅导数曲线。
在获得每个深度区间的初至振幅di,i+1后，整个深度范围内各个初至振幅的数值也就确定了，据此可以绘制出相应的振幅导数曲线，例如图6的上图和图7的上图所示。
此外，在本其他一些实施方式中，还可以将振幅导数分层结果与测井、录井数据进行对比，以进一步验证方法的可行性，如图6所示，其中①位置清晰的指示了1.9m厚度砂岩储层的特征。
S103、将所述VSP频谱曲线及所述初至振幅导数曲线相乘，获取联合曲线。
本实施方式中，所述将VSP频谱曲线及初至振幅导数曲线相乘，是指在相同的深度范围，将VSP频谱曲线与初至振幅导数曲线相乘，从而获得一个新的曲线，即联合曲线，例如图7的下图所示。在上文的原理说明部分已经阐明，通过分别对高密度VSP数据进行频谱分层和振幅导数分层，均已可实现薄地层的有效识别，而将VSP频谱曲线和初至振幅导数曲线相乘后获得的联合曲线是VSP频谱曲线和初至振幅导数曲线的综合反映，从而可实现二者的识别结果的互相约束，并可以强化共有特征，减少偶然性，从而可进一步提高薄层识别的分辨率和可靠性。
S104、根据所述联合曲线获得所述目标区的地层识别结果。
本实施方式中，可根据所述联合曲线中各深度位置的数值变化获得所述目标区的地层识别结果。
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)。
参见图8所示，本申请实施例的一种基于高密度VSP数据的薄地层识别装置可以包括：
VSP数据获取模块81，可以用于获取目标区的指定采集密度的VSP数据，并预处理所述VSP数据；
第一曲线获取模块82，可以用于分别获取预处理后的VSP数据的VSP频谱曲线及初至振幅导数曲线；
第二曲线获取模块83，可以用于将所述VSP频谱曲线及所述初至振幅导数曲线相乘，获取联合曲线；
识别结果获取模块84，可以用于根据所述联合曲线获得所述目标区的地层识别结果。
参见图9所示，本申请实施例的另一种基于高密度VSP数据的薄地层识别装置，包括存储器、处理器、以及存储在所述存储器上的计算机程序，所述计算机程序被所述处理器运行时可执行如下步骤：
获取目标区的指定采集密度的VSP数据，并预处理所述VSP数据；
分别获取预处理后的VSP数据的VSP频谱曲线及初至振幅导数曲线；
将所述VSP频谱曲线及所述初至振幅导数曲线相乘，获取联合曲线；
根据所述联合曲线获得所述目标区的地层识别结果。
本申请上述实施例的装置与本申请上述实施例的方法对应，因此，有关于本申请上述实施例的装置的细节，请参见本申请上述实施例的方法，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 (11)

1.一种基于高密度VSP数据的薄地层识别方法，其特征在于，包括：
获取目标区的指定采集密度的VSP数据，并预处理所述VSP数据；
分别获取预处理后的VSP数据的VSP频谱曲线及初至振幅导数曲线；
将所述VSP频谱曲线及所述初至振幅导数曲线相乘，获取联合曲线；
根据所述联合曲线获得所述目标区的地层识别结果。
2.如权利要求1所述的基于高密度VSP数据的薄地层识别方法，其特征在于，所述获取预处理后的VSP数据的初至振幅导数曲线，包括：
提取预处理后的VSP数据中每个地震道的初至振幅；
根据公式获得每个深度区间的振幅导数；
根据每个深度区间的初至振幅di,i+1，获得初至振幅导数曲线；
其中，Ai为由浅至深第i个地震道的初至振幅，Ai+1为由浅至深第i+1个地震道的初至振幅，di,i+1为第i个地震道的位置深度至第i+1个地震道的位置深度间的振幅导数。
3.如权利要求1所述的基于高密度VSP数据的薄地层识别方法，其特征在于，所述获取预处理后的VSP数据的VSP频谱曲线，包括：
将预处理后的VSP数据转换至频率深度域，获得所述预处理后的VSP数据的VSP频谱曲线。
4.如权利要求1所述的基于高密度VSP数据的薄地层识别方法，其特征在于，所述根据所述联合曲线获得所述目标区的地层识别结果，包括：
根据所述联合曲线中各深度位置的数值变化获得所述目标区的地层识别结果。
5.如权利要求1所述的基于高密度VSP数据的薄地层识别方法，其特征在于，所述指定采集密度包括采集间距小于或等于1米。
6.一种基于高密度VSP数据的薄地层识别装置，其特征在于，包括：
VSP数据获取模块，用于获取目标区的指定采集密度的VSP数据，并预处理所述VSP数据；
第一曲线获取模块，用于分别获取预处理后的VSP数据的VSP频谱曲线及初至振幅导数曲线；
第二曲线获取模块，用于将所述VSP频谱曲线及所述初至振幅导数曲线相乘，获取联合曲线；
识别结果获取模块，用于根据所述联合曲线获得所述目标区的地层识别结果。
7.如权利要求6所述的基于高密度VSP数据的薄地层识别装置，其特征在于，所述获取预处理后的VSP数据的初至振幅导数曲线，包括：
提取预处理后的VSP数据中每个地震道的初至振幅；
根据公式获得每个深度区间的振幅导数；
根据每个深度区间的初至振幅di,i+1，获得初至振幅导数曲线；
其中，Ai为由浅至深第i个地震道的初至振幅，Ai+1为由浅至深第i+1个地震道的初至振幅，di,i+1为第i个地震道的位置深度至第i+1个地震道的位置深度间的振幅导数。
8.如权利要求6所述的基于高密度VSP数据的薄地层识别装置，其特征在于，所述获取预处理后的VSP数据的VSP频谱曲线，包括：
将预处理后的VSP数据转换至频率深度域，获得所述预处理后的VSP数据的VSP频谱曲线。
9.如权利要求6所述的基于高密度VSP数据的薄地层识别装置，其特征在于，所述根据所述联合曲线获得所述目标区的地层识别结果，包括：
根据所述联合曲线中各深度位置的数值变化获得所述目标区的地层识别结果。
10.如权利要求6所述的基于高密度VSP数据的薄地层识别装置，其特征在于，所述指定采集密度包括采集间距小于或等于1米。
11.一种基于高密度VSP数据的薄地层识别装置，包括存储器、处理器、以及存储在所述存储器上的计算机程序，其特征在于，所述计算机程序被所述处理器运行时执行如下步骤：
获取目标区的指定采集密度的VSP数据，并预处理所述VSP数据；
分别获取预处理后的VSP数据的VSP频谱曲线及初至振幅导数曲线；
将所述VSP频谱曲线及所述初至振幅导数曲线相乘，获取联合曲线；
根据所述联合曲线获得所述目标区的地层识别结果。
CN201711146337.3A 2017-11-17 2017-11-17 基于高密度vsp数据的薄地层识别方法及装置 Active CN107831541B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711146337.3A CN107831541B (zh) 2017-11-17 2017-11-17 基于高密度vsp数据的薄地层识别方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711146337.3A CN107831541B (zh) 2017-11-17 2017-11-17 基于高密度vsp数据的薄地层识别方法及装置

Publications (2)

Publication Number Publication Date
CN107831541A true CN107831541A (zh) 2018-03-23
CN107831541B CN107831541B (zh) 2019-09-10

Family

ID=61652072

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711146337.3A Active CN107831541B (zh) 2017-11-17 2017-11-17 基于高密度vsp数据的薄地层识别方法及装置

Country Status (1)

Country Link
CN (1) CN107831541B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112305616A (zh) * 2020-09-23 2021-02-02 中国石油天然气集团有限公司 光纤井中地震数据剖面的获取方法及装置
CN112346129A (zh) * 2020-10-29 2021-02-09 中国石油天然气集团有限公司 测井曲线提取及合成地震记录制作方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
MXPA03000755A (es) * 2000-07-27 2004-01-29 Schlumberger Holdings Un metodo para procesar datos sismicos.
CN102830432A (zh) * 2011-06-13 2012-12-19 中国石油化工股份有限公司 一种煤系强地震反射特征掩盖下弱反射储层的识别方法
CN105717540A (zh) * 2016-03-14 2016-06-29 中国海洋石油总公司 一种微幅度构造精细预测方法
CN106610506A (zh) * 2015-10-26 2017-05-03 中国石油天然气股份有限公司 地震勘探薄层识别方法
CN106646606A (zh) * 2016-12-14 2017-05-10 中国石油大学(华东) 基于地震特征参数模式识别的薄砂体表征方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
MXPA03000755A (es) * 2000-07-27 2004-01-29 Schlumberger Holdings Un metodo para procesar datos sismicos.
CN102830432A (zh) * 2011-06-13 2012-12-19 中国石油化工股份有限公司 一种煤系强地震反射特征掩盖下弱反射储层的识别方法
CN106610506A (zh) * 2015-10-26 2017-05-03 中国石油天然气股份有限公司 地震勘探薄层识别方法
CN105717540A (zh) * 2016-03-14 2016-06-29 中国海洋石油总公司 一种微幅度构造精细预测方法
CN106646606A (zh) * 2016-12-14 2017-05-10 中国石油大学(华东) 基于地震特征参数模式识别的薄砂体表征方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112305616A (zh) * 2020-09-23 2021-02-02 中国石油天然气集团有限公司 光纤井中地震数据剖面的获取方法及装置
CN112305616B (zh) * 2020-09-23 2024-03-01 中国石油天然气集团有限公司 光纤井中地震数据剖面的获取方法及装置
CN112346129A (zh) * 2020-10-29 2021-02-09 中国石油天然气集团有限公司 测井曲线提取及合成地震记录制作方法及装置

Also Published As

Publication number Publication date
CN107831541B (zh) 2019-09-10

Similar Documents

Publication Publication Date Title
Neelamani et al. Coherent and random noise attenuation using the curvelet transform
Mousavi et al. Automatic noise-removal/signal-removal based on general cross-validation thresholding in synchrosqueezed domain and its application on earthquake data
Chen et al. Random noise attenuation by fx empirical-mode decomposition predictive filtering
CN108535775B (zh) 非平稳地震资料声波阻抗反演方法及装置
Krischer et al. Large‐scale seismic inversion framework
CN105425289B (zh) 确定低频波阻抗的方法和装置
CN107976713A (zh) 一种高维地震数据输入下去除沉积背景的方法及装置
CN103257361A (zh) 基于Zoeppritz方程近似式的油气预测方法及系统
CN108828668B (zh) 一种叠前时间偏移数据处理方法及装置
Huang et al. Regularized non-stationary morphological reconstruction algorithm for weak signal detection in microseismic monitoring: methodology
CN106896406A (zh) 基于阻抗域属性预测优质储层的方法和装置
CN107193045A (zh) 一种地震数据处理方法及装置
CN107831541A (zh) 基于高密度vsp数据的薄地层识别方法及装置
Zhao et al. Denoising of seismic data in desert environment based on a variational mode decomposition and a convolutional neural network
US10605940B2 (en) Method for selecting horizon surfaces
CN107144878A (zh) 一种断层识别方法及装置
Yin et al. A multitask encoder–decoder to separate earthquake and ambient noise signal in seismograms
CN107561588B (zh) 一种地震数据噪声压制方法及装置
Zhao et al. Sample2Sample: an improved self-supervised denoising framework for random noise suppression in distributed acoustic sensing vertical seismic profile data
CN108254785A (zh) 储层确定方法和装置
CN106772599B (zh) 一种计算地层横波速度的方法及装置
Maurya et al. Post-stack seismic inversion
Zheng et al. Microseismic event denoising via adaptive directional vector median filters
CN112213782A (zh) 分相位地震数据的处理方法、装置和服务器
CN106960264A (zh) 低渗透砂砾岩地层压力预测方法及装置

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