CN107884825B - 一种基于地震多属性的不确定性建模方法 - Google Patents
一种基于地震多属性的不确定性建模方法 Download PDFInfo
- Publication number
- CN107884825B CN107884825B CN201711088665.2A CN201711088665A CN107884825B CN 107884825 B CN107884825 B CN 107884825B CN 201711088665 A CN201711088665 A CN 201711088665A CN 107884825 B CN107884825 B CN 107884825B
- Authority
- CN
- China
- Prior art keywords
- uncertainty
- attribute
- karst cave
- seismic
- boundary
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000004458 analytical method Methods 0.000 claims abstract description 10
- 239000013598 vector Substances 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 5
- 230000004927 fusion Effects 0.000 claims description 5
- 238000011160 research Methods 0.000 abstract description 13
- 230000000007 visual effect Effects 0.000 abstract description 5
- 238000005315 distribution function Methods 0.000 abstract description 3
- 238000013076 uncertainty analysis Methods 0.000 abstract description 2
- 238000007619 statistical method Methods 0.000 abstract 1
- 230000001427 coherent effect Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- 239000011435 rock Substances 0.000 description 3
- 239000004576 sand Substances 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 208000035126 Facies Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000010189 synthetic method Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
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
- G01V1/307—Analysis for determining seismic attributes, e.g. amplitude, instantaneous phase or frequency, reflection strength or polarity
-
- 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
- G01V2210/63—Seismic attributes, e.g. amplitude, polarity, instant phase
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
本发明公开一种基于地震多属性的不确定性建模方法，针对地震多属性的不确定性问题，以地震属性对应的溶洞体边界数据点为不确定性分析研究对象，运用概率论与统计学方法分别选择合理的概率分布函数来研究单一地震属性对应的溶洞体边界数据点的不确定性，根据此概率密度函数求出的各个地震属性对应的溶洞体边界散点的不确定度，建立相应的散点不确定性场；然后再利用证据理论分别对各个地震属性对应的溶洞体边界散点的不确定性场进行融合，求出融合后的散点不确定度，并根据证据理论的方法来对地震多属性的不确定性场进行了融合，最后对这些属性的不确定性进行了可视分析。
Description
技术领域
本发明属于地震属性分析领域，特别涉及一种地震多属性的不确定性建模技术。
背景技术
地震属性数据是一种空间数据，其包含着的地质目标体的空间结构信息。而空间数据位置的不确定性主要是指的是点状、线状以及面状地理目标体的位置不确定性，主要以点元、线元和面元的位置不确定性为研究基础。因为单一的属性携带的地质信息不全面，不同的地震属性对同一个地质区域的地理目标体的描述存在的各方面的差异，不能完整的描述一个实际地理目标体的信息，结合多种属性可以弥补用单一属性来描述空间实体的缺陷。
目前，对数据的可视化及可视分析有关的研究尚且不多，而且大多这方面的研究都聚焦于医学影像、科学计算和模拟、气象学等数据的可视化，不确定性的可视分析更是处于探索研究阶段，诸多的理论和方法都需要进一步的研究与完善。地震属性的不确定性建模及可视化分析，在油藏存储等研究工作及生活生产的许多领域都有着非常重要的作用及研究意义。
均方根振幅(RMS Amplitude)属性是将地震的振幅属性的平方的平均值进行开平方而得到的，因为在计算均方根振幅的时候，已经在振幅进行平均之前就进行了一次平方，所以它对特别大的振幅的敏感度非常的高。均方根振幅属性与地震的反射波记录有关。它能直接反映出反射系数、地层的厚度、岩层的成分、地下储层中流体的变化、地下岩层中的压力、地层的砂泥岩百分比含量等。在地质学上，人们经常用均方根振幅属性来检测和识别振幅中存在的异常情况或者地下岩层特征，比如三角洲河道砂、浊积砂等局部砂体识别。此外，均方根振幅属性来可以用来检测和识别岩层性质的变化以及不整合的情况。
能量(Energy)属性是对所分析的时窗内的地震振幅属性值进行平方相加然后求和而得到的。地震的能量属性一般比较集中，能反映出一个时窗内的振幅变化情况，它和储层的厚度、岩层特性有一定相关性，可指示岩积环境、岩性岩相的变化。地震的能量属性能直观表示出地震波能量的变化关系，是一种非常好的作为储层预测的一种地震属性。
相干体(Coherence)属性是地震数据间相似度的一种度量，与以上的两种地震属性不同，它能有效的反映出地震道是否连续。相干体属性是指计算时窗中心道和指定的相邻地震道之间的相关系数，它能客观有效的反映出地震数据之间的相似度。一般来说，相干度越大的地震数据，它们之间的存在的相似度也越高；反之，则表示相似度越小。地震相干体属性揭示了地震波的波场的空间变化情况，而且不受任何解释误差的影响，具有极高的解释精确度。
发明内容
针对地震多属性的不确定性问题，本申请提出了一种基于地震多属性的不确定性建模方法；通过属性分析获取到单一地震属性的地质体边界散点，然后结合正态分布函数模型来对各个属性的溶洞边界散点进行不确定性建模分析，得到了各属性对应的溶洞边界的散点不确定性场；通过D_S证据理论进行融合，得到溶洞体边界的多属性不确定性区域。
本发明采用的技术方案为：一种基于地震多属性的不确定性建模方法，包括：
S1、根据各个属性对应的属性值的范围，从原始地震数据中提取出各个属性对应的溶洞体边界数据点；
S2、分别对各个属性对应的溶洞体边界散点数据进行不确定性建模；
S3、计算步骤S2中建立的各个地震属性对应的溶洞体边界散点的不确定性模型所对应的不确定度；
S4、根据步骤S2建立的各个地震属性对应的溶洞体边界散点的不确定性模型以及步骤S3得到的各不确定性模型对应的不确定度，建立各属性对应的溶洞边界散点不确定性场；
S5、对步骤S4得到的各属性不确定性场采用D_S证据理论进行融合，得到溶洞体边界的不确定性区域。
进一步地，所述属性至少包括：均方根振幅属性、能量属性、相干属性。
更进一步地，根据概率论与数理统计分别对均方根振幅属性、能量属性、相干属性对应的溶洞体边界散点数据进行不确定性建模分析。
进一步地，步骤S3具体为：
S31、提取出某地震属性对应的溶洞边界散点数据；
S32、溶洞边界表面由三角网连接而成，在溶洞边界上的每一个三角形内部随机插值出N个点；
S33、计算出溶洞体表每个三角网所在平面的平面法向量；
S34、对随机插值出的N个点，根据正态分布的概率密度函数，计算出每个点元的点位误差，即计算出每个点所在该三角形平面的偏移量dis；
S35、将随机插值出的N个点沿着各自对应的法向量平移dis距离。
进一步地，步骤S5包括：
S51、计算融合后所有溶洞边界散点的可信度；
S52、根据步骤S51计算出来的可信度建立融合后的溶洞边界散点的不确定性场；
S53、根据设定的不确定性度的阈值，得到溶洞体边界的不确定性区域。
本发明的有益效果：本申请以地震属性对应的溶洞体边界数据点为不确定性分析研究对象，运用概率论与统计学方法分别选择合理的概率分布函数来研究单一地震属性对应的溶洞体边界数据点的不确定性，根据此概率密度函数求出的各个地震属性对应的溶洞体边界散点的不确定度，并建立相应的散点不确定性场；然后再利用证据理论分别对各个地震属性对应的溶洞体边界散点的不确定性场进行融合，求出融合后的散点不确定度，并根据D_S证据理论的方法来对地震多属性的不确定性场进行了融合，最后对这些属性的不确定性进行了可视分析。
附图说明
图1为本申请的方案流程图；
图2均方根振幅属性对应的原始溶洞体；
图3为根据图2中溶洞体边界的散点数据进行不确定性建模而得到的散点不确定场；
图4为根据能量属性进行计算而得到的溶洞体；
图5为根据图4中的能量属性对应的溶洞边界散点而得到的散点的不确定性场；
图6为通过对地震原始数据计算相干属性值而提取出来的溶洞体；
图7为根据图6中的相干属性对应溶洞边界散点数据进行不确定性建模而得到的散点不确定性场；
图8为三种地震属性对应溶洞数据不确定性场融合后的结果示意图。
具体实施方式
为便于本领域技术人员理解本发明的技术内容，下面结合附图对本发明内容进一步阐释。
本申请所研究的地震属性不是传统意义上的地震属性的属性值方面的研究，基于实际工程的需要，在本申请研究内容中所用到的地震属性主要是地震的空间属性。因此，本申请的地震多属性的不确定性问题指就是地震多属性空间位置不确定性问题。本申请地震多属性的不确定性研究重点也是以基于三维空间地理目标体的点元、线元和面元的位置不确定性为基础，来研究不同的地震属性的位置不确定性，再对不同的地震属性的位置不确定性进行的融合，以找出地理目标体的实际边界所在的区域范围。具体涉及均方根振幅属性、能量属性、相干属性等，以下为了便于理解本申请的技术内容，以均方根振幅属性、能量属性、相干属性这三种地震属性为例进行说明。
如图1所示为本申请的方案流程图，本申请的技术方案为：一种基于地震多属性的不确定性建模方法，包括：
S1、根据各个属性对应的属性值的范围，从原始地震数据中提取出均方根振幅属性、能量属性、相干属性各自对应的溶洞体边界数据点；
S2、分别对各个属性对应的溶洞体边界散点数据进行不确定性建模；本申请采用概率论与数理统计的方法来对均方根振幅属性、能量属性、相干属性各自对应的的溶洞体边界数据点的不确定性进行数学建模；
S3、计算步骤S2中建立的各个地震属性对应的溶洞体边界散点的不确定性模型所对应的不确定度；本申请采用正态分布概率密度函数来计算每个边界坐标点元的点位误差，用以求出整个边界的不确定性度。具体算法步骤如下：
S31、提取出所需的地震属性对应的溶洞边界散点数据。
S32、由于溶洞边界表面由三角网连接而成，在溶洞边界上的每一个三角形内部随机插值出N个点；N的大小由用户控制，取值范围一般为20-80。
三角网是由一系列连续三角形构成的网状的平面控制图形，在曲面重建中是常用的技术，在此本申请不做详细阐述；
S33、计算出溶洞体表每个三角网所在平面的平面法向量。
S34、对步骤S32随机插值出的N个点，根据正态分布的概率密度函数，计算出每个点元的点位误差，即计算出每个点所在该三角形平面的偏移量dis。
S35、将每个步骤S32随机插值出的N个点沿着各自对应的步骤S33求出的法向量平移dis距离。
S4、根据步骤S2建立的各个地震属性对应的溶洞体边界散点的不确定性模型以及步骤S3得到的各不确定性模型对应的不确定度，建立各属性对应的溶洞边界散点不确定性场；
S5、对步骤S4得到的各属性不确定性场采用D_S证据理论进行融合，得到溶洞体边界的不确定性区域。利用式(1)、式(2)、式(3)中的合成计算方法，在计算出融合后所有溶洞边界散点的可信度之后，便可以建立融合后的溶洞边界散点的不确定性场。该不确定性场中的散点的不确定性度与上述合成算法求出的融合后的可信度成反比。根据不确定性度量的过程可以知道，如果溶洞体表面上的点的可信度越大，则表示其不确定性越小，该点越有可能是目标体的边界点，因此，可以设置一个不确定性的阈值，从而可以获得目标体的边界范围。该不确定性的阈值有用户控制，用户每设置一个阈值，就可以获得一个边界范围。
在本实施例中，证据理论的识别框架Ω可能有以下事件：A0代表散点为溶洞的边界点，A1代表散点非溶洞的边界点。由三种不同的地震属性对应的溶洞体边界散点得到的不确定性度满足概率分配BPA的条件，根据证据理论的合成方法式，可以得到三种属性融合后的可信度为：
其中，M1表示均方根振幅属性，M2表示能量属性，M3表示相干幅属性，μ1表示待测散点为溶洞边界点时对应均方根振幅属性下的可信度，μ2表示待测散点为溶洞边界点时对应能量属性下的可信度，μ3表示待测散点为溶洞边界点时对应相干幅属性下的可信度，M1(A0)表示待测散点非溶洞边界点时对应均方根振幅属性下的可信度，M2(A0)表示待测散点非溶洞边界点时对应能量属性下的可信度，M3(A0)表示待测散点非溶洞边界点时对应相干幅属性下的可信度，M1(A1)表示待测散点为溶洞边界点时对应均方根振幅属性下的可信度，M2(A1)表示待测散点为溶洞边界点时对应能量属性下的可信度，M3(A1)表示待测散点为溶洞边界点时对应相干幅属性下的可信度。
如图2所示为均方根振幅属性对应的原始溶洞体。均方根振幅属性是在平均前进行了平方，所有其对特别大的振幅非常敏感。也就是说，在剖面上，振幅越大的，会让其越突出。根据上图所示，可以看出，明显该溶洞体两头比较突出，所有其两边的振幅是比较大的地方。符合均方根振幅属性的特征。如图3所示为根据图2中溶洞体边界的散点数据进行不确定性建模而得到的散点不确定场。其表示该溶洞的边界散点可能所在是真实位置，可以看出，该散点不确定性场基本上保持了原本溶洞体的形状，但是其两头的部分散点明显偏移量大于周围其他散点。这些偏移量大的特殊散点正是由于均方根振幅属性的特有性质所导致的。因此，这些特殊散点仍然使带有一定的不确定性。
如图4所示为根据能量属性进行计算而得到的溶洞体。地震能量属性的基本特征是一般会集中在中心区域。所以如图4所示，该溶洞体中间比较突出，由图4可知，该溶洞体能量集中在中间区域，而且越趋近与边界，能量会越弱，所以该溶洞体的两头比较瘦小，这个与能量的基本特征是符合的。如图5所示为根据图4中的能量属性对应的溶洞边界散点而得到的散点的不确定性场。该散点不确定性场基本保持了原始能量属性对应的溶洞体形状。可以看出，该散点不确定性场能中间区域的部分散点与其他散点的偏移量相比明显过大，这是由于能量特有的性质而导致的。所以这些偏移量比较大的特殊点仍然带有一定的不确定性。
如图6所示为通过对地震原始数据计算相干属性值而提取出来的溶洞体。一般相干体能反映出地震道是否具有连续性。由于本实施例采用的是连续的地震数据，所以该相干属性对应的溶洞表面是比较平整光滑的。与相干属性的基本特征是基本符合的。如图7所示为根据图6中的相干属性对应溶洞边界散点数据进行不确定性建模而得到的散点不确定性场。该不确定性场基本保持相干属性对应的原始溶洞体的形状特征。可以看出，该不确定性场周围有部分散点偏移量与周围散点相比，明显其偏移量相对来说比较大。这些偏移量比较大的特殊散点明显属于异常点，导致这些点的产生的原因比较复杂。
一般来说可能是由于在计算相干属性值的时候，产生了一定的计算上的误差，根据误差的传播定律，这些误差会一直传播下去。所以这些特殊的散点仍然具有一定的不确定性。本申请在得到的三种不同的地震属性对应的溶洞边界散点不确定性场后，还对这三种属性对应溶洞的边界散点不确定性场进了融合。对以上三种地震属性对应的溶洞的边界散点的不确定性结合D_S证据理论进行融合后的示意图如图8所示。该图是经过三种地震属性对应的溶洞表面散点不确定性场融合之后进行曲面重构而形成的，其表示溶洞体真实的边界区域范围。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。
Claims (4)
1.一种基于地震多属性的不确定性建模方法，其特征在于，包括：
S1、根据各个属性对应的属性值的范围，从原始地震数据中提取出各个属性对应的溶洞体边界数据点；
S2、分别对各个属性对应的溶洞体边界散点数据进行不确定性建模；
S3、计算步骤S2中建立的各个地震属性对应的溶洞体边界散点的不确定性模型所对应的不确定度；步骤S3具体为：
S31、提取出某地震属性对应的溶洞边界散点数据；
S32、溶洞边界表面由三角网连接而成，在溶洞边界上的每一个三角形内部随机插值出N个点；
S33、计算出溶洞体表每个三角网所在平面的平面法向量；
S34、对随机插值出的N个点，根据正态分布的概率密度函数，计算出每个点元的点位误差，即计算出每个点所在该三角形平面的偏移量dis；
S35、将随机插值出的N个点沿着各自对应的法向量平移dis距离；
S4、根据步骤S2建立的各个地震属性对应的溶洞体边界散点的不确定性模型以及步骤S3得到的各不确定性模型对应的不确定度，建立各属性对应的溶洞边界散点不确定性场；
S5、对步骤S4得到的各属性不确定性场采用D_S证据理论进行融合，得到溶洞体边界的不确定性区域。
2.根据权利要求1所述的一种基于地震多属性的不确定性建模方法，其特征在于，所述属性至少包括：均方根振幅属性、能量属性、相干属性。
3.根据权利要求2所述的一种基于地震多属性的不确定性建模方法，其特征在于，根据概率论与数理统计分别对均方根振幅属性、能量属性、相干属性对应的溶洞体边界散点数据进行不确定性建模分析。
4.根据权利要求1所述的一种基于地震多属性的不确定性建模方法，其特征在于，步骤S5包括：
S51、计算融合后所有溶洞边界散点的可信度；
S52、根据步骤S51计算出来的可信度建立融合后的溶洞边界散点的不确定性场；
S53、根据设定的不确定性度的阈值，得到溶洞体边界的不确定性区域。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711088665.2A CN107884825B (zh) | 2017-11-08 | 2017-11-08 | 一种基于地震多属性的不确定性建模方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711088665.2A CN107884825B (zh) | 2017-11-08 | 2017-11-08 | 一种基于地震多属性的不确定性建模方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107884825A CN107884825A (zh) | 2018-04-06 |
| CN107884825B true CN107884825B (zh) | 2020-04-14 |
Family
ID=61779262
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711088665.2A Active CN107884825B (zh) | 2017-11-08 | 2017-11-08 | 一种基于地震多属性的不确定性建模方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107884825B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108806197A (zh) * | 2018-06-28 | 2018-11-13 | 广东安元矿业勘察设计有限公司 | 大级别地震监测预报的一种新方法 |
| CN109033588B (zh) * | 2018-07-13 | 2023-08-15 | 成都爱为贝思科技有限公司 | 一种基于空间传播的不确定性量化方法 |
| CN109271898A (zh) * | 2018-08-31 | 2019-01-25 | 电子科技大学 | 基于优化卷积神经网络的溶洞体识别算法 |
| CN110441823B (zh) * | 2019-08-09 | 2021-06-01 | 浙江财经大学 | 基于多源数据融合的地层对比不确定性可视化方法 |
| WO2023159420A1 (zh) * | 2022-02-24 | 2023-08-31 | 福州大学 | 距离与方向关系不确定性测度方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101430386A (zh) * | 2007-11-08 | 2009-05-13 | 中国石油天然气股份有限公司 | 一种地震多参数融合气藏检测方法 |
| CN104200529A (zh) * | 2014-08-12 | 2014-12-10 | 电子科技大学 | 基于不确定性的三维目标体表面重构方法 |
| CN104749624A (zh) * | 2015-03-03 | 2015-07-01 | 中国石油大学(北京) | 一种地震岩相识别及其不确定性定量评价同步实现方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10261215B2 (en) * | 2013-04-02 | 2019-04-16 | Westerngeco L.L.C. | Joint inversion of geophysical attributes |
-
2017
- 2017-11-08 CN CN201711088665.2A patent/CN107884825B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101430386A (zh) * | 2007-11-08 | 2009-05-13 | 中国石油天然气股份有限公司 | 一种地震多参数融合气藏检测方法 |
| CN104200529A (zh) * | 2014-08-12 | 2014-12-10 | 电子科技大学 | 基于不确定性的三维目标体表面重构方法 |
| CN104749624A (zh) * | 2015-03-03 | 2015-07-01 | 中国石油大学(北京) | 一种地震岩相识别及其不确定性定量评价同步实现方法 |
Non-Patent Citations (2)
| Title |
|---|
| 基于地震多属性的储层预测——以珠江口盆地恩平凹陷古近系恩平组为例;杜文波 等;《海洋地质前沿》;20150831;第31卷(第8期);第62-70页 * |
| 基于马尔科夫——贝叶斯模拟算法的多地震属性沉积相建模方法;袁照威 等;《油气地质与采收率》;20170531;第24卷(第3期);第37-43页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107884825A (zh) | 2018-04-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107884825B (zh) | 一种基于地震多属性的不确定性建模方法 | |
| CA2920499C (en) | Stratigraphic function | |
| US11180975B2 (en) | Geologic structural model generation | |
| EP3371629B1 (en) | Representing structural uncertainty in a mesh representing a geological environment | |
| US11175434B2 (en) | Geologic stratigraphy via implicit and jump functions | |
| EP3329307B1 (en) | Assignment of systems tracts | |
| Tamburini et al. | Retrieving surface deformation by PSInSAR™ technology: A powerful tool in reservoir monitoring | |
| US9523781B2 (en) | Normalization seismic attribute | |
| US20140163890A1 (en) | Method and system for presenting seismic information | |
| NO327326B1 (no) | Fremgangsmate og system for a bringe data i overensstemmelse mellom seismisk og bronnloggeskalaer i 3-D geologisk modellering | |
| CN107221028B (zh) | 一种基于地震解释数据的地质体闭合曲面三维重建方法 | |
| US20120320712A1 (en) | Dip seismic attribute | |
| BR102013014787A2 (pt) | Método, sistema, e um ou mais meios de armazenamento legíveis por computador | |
| US20130083967A1 (en) | System and Method for Extracting Features in a Medium from Data Having Spatial Coordinates | |
| Meju et al. | Structural coupling approaches in integrated geophysical imaging | |
| Li et al. | Seismic structure interpretation based on machine learning: A case study in coal mining | |
| CN104685376A (zh) | 用于地震勘测的设计的分析的系统和方法 | |
| US20210396897A1 (en) | Computer implemented method for correcting a reservoir model of a reservoir geological formation based on seismic images | |
| Maity et al. | Reservoir characterization of an unconventional reservoir by integrating microseismic, seismic, and well log data | |
| CN104200529A (zh) | 基于不确定性的三维目标体表面重构方法 | |
| Li et al. | Alternative 3D modeling approaches based on complex multi-source geological data interpretation | |
| Ravve et al. | Hypersurface curvatures of geological features | |
| Xiong et al. | Reconstruction of the loess underlying paleotopography for loess landform inheritance | |
| Wang et al. | Predicting and visualizing of the orebody from drilling data | |
| Pei | Reservoir Data Modeling Technology Based on Well Seismic Information Fusion |
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 |