CN108387928A - 基于地震特征变换空间的数据构建方法 - Google Patents
基于地震特征变换空间的数据构建方法 Download PDFInfo
- Publication number
- CN108387928A CN108387928A CN201810140290.8A CN201810140290A CN108387928A CN 108387928 A CN108387928 A CN 108387928A CN 201810140290 A CN201810140290 A CN 201810140290A CN 108387928 A CN108387928 A CN 108387928A
- Authority
- CN
- China
- Prior art keywords
- data
- seismic
- space
- eigentransformation
- construction method
- 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
- 230000009466 transformation Effects 0.000 title claims abstract description 42
- 238000010276 construction Methods 0.000 title claims abstract description 32
- 238000004364 calculation method Methods 0.000 claims abstract description 20
- 238000004458 analytical method Methods 0.000 claims abstract description 7
- 238000003672 processing method Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 10
- 239000000463 material Substances 0.000 claims description 8
- 238000012432 intermediate storage Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 229910052704 radon Inorganic materials 0.000 description 1
- SYUHGPGVQRZVTB-UHFFFAOYSA-N radon atom Chemical compound [Rn] SYUHGPGVQRZVTB-UHFFFAOYSA-N 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000032258 transport 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
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
本发明提供一种基于地震特征变换空间的数据构建方法,包括:步骤1:输入需要重新构建的地震数据;步骤2:分析输入的地震数据的特征,并根据分析结果确定有效的特征变换空间;步骤3:根据特征变换空间,利用对应的特征变换对地震数据进行特征稀疏表达;步骤4:进行数据构建处理方法初始化;步骤5:求取每次迭代的阀值;步骤6:进行数据构建算法迭代计算。该基于地震特征变换空间的数据构建方法能够根据实际地震数据本身所包含的地球物理信息自动选择合理有效的特征变换空间,具有自适应性;能够满足不同地震数据的变换需求,更好地实现地震信号的在特征变换空间的稀疏表达;迭代收敛速度快,计算效率高,数据构建精度高。
Description
技术领域
本发明涉及油气勘探地震资料处理领域,特别是涉及到一种基于地震特征变换空间的数据构建方法。
背景技术
在野外采集的过程中,受到复杂地质条件和施工条件的影响,采集到的地震数据经常会出现缺道、坏道的情况,这些都会造成地震数据的不规则,对后续的处理和解释工作造成影响。因此,对不规则地震数据进行信息恢复和构建以获得完整、准确的地震数据,是地震数据处理中的重要环节之一。常用的地震数据恢复和构建方法包括三类:第一类,基于波动方程的地震数据构建方法,该类方法根据地震波在地下传播的特征进行数据恢复和构建,往往需要较大的计算量。第二类,基于预测滤波的地震数据构建方法。如F-X域重建方法,F-K域重建方法等,该类方法能够解决假频现象,但是在处理地震数据这种具有明显突变现象的数据时并不能很好的刻画数据特征,准确性不高。第三类,基于数学变换的地震数据重建方法,该类方法将地震数据通过数学变换的方式,根据地震数据的数学变换系数对原始数据进行构建,由于地震数据非常复杂,利用简单的数学变换构建地震数据,构建结果受数学变换影响较大。目前,在压缩感知的框架下,已经发展出了多种基于不同数学变换的地震数据构建方法,如Fourier变换、Radon变换、Curvelet变换等,这些方法的典型特点就是没有充分利用地震数据本身的特征,因此数据构建的准确度和可信度不高。为此我们发明了一种新的基于地震特征变换空间的数据构建方法,解决了以上技术问题。
发明内容
本发明的目的是提供一种能够有效的实现缺失地震数据的信息恢复和构建,得到完整、准确的地震数据的基于地震特征变换空间的数据构建方法。
本发明的目的可通过如下技术措施来实现:基于地震特征变换空间的数据构建方法,该基于地震特征变换空间的数据构建方法包括:步骤1:输入需要重新构建的地震数据;步骤2:分析输入的地震数据的特征,并根据分析结果确定有效的特征变换空间;步骤3:根据特征变换空间,利用对应的特征变换对地震数据进行特征稀疏表达;步骤4:进行数据构建处理方法初始化;步骤5:求取每次迭代的阀值;步骤6:进行数据构建算法迭代计算。
本发明的目的还可通过如下技术措施来实现:
在步骤1中,输入的原始地震数据是指有一定形态规律特征的地震信号,包括地震炮记录、叠加剖面、偏移剖面以及反演数据。
在步骤3中,根据步骤2确定的特征变换空间,对原始地震数据s进行特征变换,特征变换算子为H=<s,φ>,而φ=a-3/4P-1Q-1(s-c),其中<>为内积运算,P的计算公式为Q的计算公式为P-1和Q-1分别表示P和Q的逆矩阵,a=4,b=1,c是根据数据大小生成的一组坐标值,其计算公式为:c=(m/M,n/N),其中m=1:M-1,n=1:N-1,M和N为数据矩阵的行、列数。
在步骤4中,设置重构的地震数据d0=0,迭代次数i=0,计算步长t0=1,总的迭代次数为K。
在步骤5中,首先确定阀值乘子λ的最大值λmax,λmax=0.99*Hmax,Hmax为原始地震数据特征变换后得到的系数最大值,然后确定第i次迭代的阀值乘子λi,i=1,2,...,K,δ=0.005,最后确定第i次迭代的阀值 exp为指数运算,di为第i次迭代的重构地震数据。
在步骤6中,首先,计算中间存储算子zi,其公式为然后计算得到迭代的地震数据di+1,其中,di为第i次迭代的地震数据,ti为第i个计算步长,ti+1为第i+1个计算步长,di-1为第i-1次迭代的地震数据,di+1为第i+1次迭代的地震数据,s为输入的原始地震数据,I为单位矩阵,R为采样矩阵,H为特征变换算子,HT表示特征变换算子的逆算子,为第i次迭代的阀值函数。
该基于地震特征变换空间的数据构建方法还包括,在步骤6之后,增加数据构建算法迭代次数,判断是否满足收敛条件,如果不满足收敛条件,返回步骤4到步骤6继续迭代,如果满足收敛条件,则终止迭代。
该基于地震特征变换空间的数据构建方法还包括,在终止迭代之后,输出最终的重构地震数据。
本发明中的基于地震特征变换空间的数据构建方法,克服了现有的地震数据构建方法的缺陷,充分考虑不同的地震数据之间的相似性以及差异性,将实际地震数据本身所包含的丰富的地球物理信息纳入整个地震数据构建方法的实现过程中,使得地震数据构建方法恢复出地震数据的真实地球物理信号特征,发明了这种基于地震数据特征变换空间的数据构建方法,其能够自动分析地震数据的特征,然后根据分析结果选择合理有效的特征变换空间,最后在特征变换空间实现数据构建处理。该方法克服了现有地震数据构建方法的缺陷,充分考虑了不同地震数据之间的相似性和差异性,能够根据实际地震数据本身所包含的地球物理信息自动选择合理有效的特征变换空间,具有自适应性;该方法的特征变换具有尺度伸缩、方向旋转以及空间平移等特征,能够兼顾尺度性、方向性以及各向异性,能够满足不同地震数据的变换需求,更好地实现地震信号的在特征变换空间的稀疏表达;该方法迭代收敛速度快,计算效率高,数据构建精度高。
附图说明
图1为本发明的基于地震特征变换空间的数据构建方法的一具体实施例的流程图;
图2为本发明的一具体实施例中真实的地震单炮数据的示意图;
图3为本发明的一具体实施例中缺失的地震单炮数据的示意图;
图4为本发明的一具体实施例中利用本发明方法得到的构建地震单炮数据的示意图;
图5为本发明的一具体实施例中利用本发明方法得到的构建单炮数据与真实单炮数据的差值剖面的示意图;
图6为本发明的一具体实施例中利用Fourier变换得到的构建地震单炮数据的示意图;
图7为本发明的一具体实施例中利用Fourier变换得到的构建单炮数据与真实单炮数据的差值剖面的示意图;
图8为本发明的一具体实施例中利用Curvelet变换得到的构建地震单炮数据的示意图;
图9为本发明的一具体实施例中利用Curvelet变换得到的构建单炮数据与真实单炮数据的差值剖面的示意图。
具体实施方式
为使本发明的上述和其他目的、特征和优点能更明显易懂,下文特举出较佳实施例,并配合附图所示,作详细说明如下。
本发明的基于地震特征变换空间的数据构建方法,能够自动分析地震数据的特征,然后根据分析结果选择合理有效的特征变换空间,最后在特征变换空间实现数据构建处理。其包括的主要步骤是:
步骤1,输入需要重新构建的地震数据;输入原始地震数据s,这里所说的地震数据是指有一定形态规律特征的地震信号,包括地震炮记录、叠加剖面、偏移剖面以及反演数据。
步骤2,自动分析输入的地震数据的特征,并根据分析结果确定有效的特征变换空间;
步骤3,根据步骤2确定的特征变换空间,利用对应的特征变换对地震数据进行特征稀疏表达;根据步骤2确定的特征变换空间,对原始地震数据s进行特征变换,特征变换算子为H=<s,φ>,而φ=a-3/4P-1Q-1(s-c),其中<>为内积运算,P的计算公式为Q的计算公式为P-1和Q-1分别表示P和Q的逆矩阵,a=4,b=1,c是根据数据大小生成的一组坐标值,其计算公式为:c=(m/M,n/N),其中m=1:M-1,n=1:N-1,M和N为数据矩阵的行、列数;
步骤4,数据构建处理方法初始化;即设置重构的地震数据d0=0,迭代次数i=0,计算步长t0=1,总的迭代次数为K;
步骤5,求取每次迭代的阀值;首先确定阀值乘子λ的最大值λmax,λmax=0.99*Hmax,Hmax为原始地震数据特征变换后得到的系数最大值,然后确定第i次迭代的阀值乘子λi,i=1,2,...,K,δ=0.005,最后确定第i次迭代的阀值 exp为指数运算,di为第i次迭代的重构地震数据;
步骤6,数据构建算法迭代计算过程;首先,计算中间存储算子zi,其公式为然后计算得到迭代的地震数据di+1,其中,di为第i次迭代的地震数据,ti为第i个计算步长,ti+1为第i+1个计算步长,di-1为第i-1次迭代的地震数据,di+1为第i+1次迭代的地震数据,s为输入的原始地震数据,I为单位矩阵,R为采样矩阵,H为特征变换算子,HT表示特征变换算子的逆算子,为第i次迭代的阀值函数;
步骤7,数据构建算法迭代次数增加,判断是否满足收敛条件,如果不满足收敛条件,返回步骤4到步骤6继续迭代,如果满足收敛条件,则终止迭代;
步骤8,输出最终的重构地震数据。
如图1所示,图1为应用本发明的一具体实施例的流程图。在步骤101中,输入需要重新构建的地震单炮数据(图3),该地震数据中缺失了50%的地震道数据;步骤102,自动分析输入的地震数据的特征,地震同相轴符合双曲规律,然后根据分析的结果确定有效的特征变换空间;步骤103,根据选择的特征变换空间,利用对应的特征变换对地震单炮数据进行特征稀疏表达;步骤104,数据构建处理方法初始化,设定总的迭代次数为5次;步骤105,求取每次迭代的阀值;步骤106,数据构建算法迭代计算;步骤107,判断是否满足收敛条件,若不满足收敛条件则返回步骤104继续迭代,若满足收敛条件则终止迭代;步骤108,输出最终的重构地震单炮数据(图4)。同样,利用常规的Fourier变换和Curvelet变换分别对图3所示的地震单炮进行数据构建,得到的重构地震单炮数据分别展示在图6和图8中。然后将重构的地震单炮数据同真实的地震单炮数据(图2)相减,得到差值剖面(图5,图7,图9)。对比可以发现:Fourier变换的构建结果引入的噪声最多,差值剖面上残留的数据也最多,构建精度最低;Curvelet变换构建结果引入噪声相对较少,差值剖面上残留的数据有所降低,构建精度居中;本发明的构建结果基本没有引入噪声,差值剖面上残留的数据极少,构建精度最高。这是由于本发明的构建方法考虑了不同地震数据之间的相似性和差异性,能够根据实际地震数据本身所包含的地球物理信息自动选择合理有效的特征变换空间,具有自适应性,在方向性、稀疏性和数学表达完备程度上优于常规的Fourier变换和Curvelet变换构建方法。
Claims (8)
1.基于地震特征变换空间的数据构建方法,其特征在于,该基于地震特征变换空间的数据构建方法包括:
步骤1:输入需要重新构建的地震数据;
步骤2:分析输入的地震数据的特征,并根据分析结果确定有效的特征变换空间;
步骤3:根据特征变换空间,利用对应的特征变换对地震数据进行特征稀疏表达;
步骤4:进行数据构建处理方法初始化;
步骤5:求取每次迭代的阀值;
步骤6:进行数据构建算法迭代计算。
2.根据权利要求1所述的基于地震特征变换空间的数据构建方法,其特征在于,在步骤1中,输入的原始地震数据是指有一定形态规律特征的地震信号,包括地震炮记录、叠加剖面、偏移剖面以及反演数据。
3.根据权利要求1所述的基于地震特征变换空间的数据构建方法,其特征在于,在步骤3中,根据步骤2确定的特征变换空间,对原始地震数据s进行特征变换,特征变换算子为H=<s,φ>,而φ=a-3/4P-1Q-1(s-c),其中<>为内积运算,P的计算公式为Q的计算公式为P-1和Q-1分别表示P和Q的逆矩阵,a=4,b=1,c是根据数据大小生成的一组坐标值,其计算公式为:c=(m/M,n/N),其中m=1:M-1,n=1:N-1,M和N为数据矩阵的行、列数。
4.根据权利要求1所述的基于地震特征变换空间的数据构建方法,其特征在于,在步骤4中,设置重构的地震数据d0=0,迭代次数i=0,计算步长t0=1,总的迭代次数为K。
5.根据权利要求1所述的基于地震特征变换空间的数据构建方法,其特征在于,在步骤5中,首先确定阀值乘子λ的最大值λmax,λmax=0.99*Hmax,Hmax为原始地震数据特征变换后得到的系数最大值,然后确定第i次迭代的阀值乘子λi,i=1,2,...,K,δ=0.005,最后确定第i次迭代的阀值 exp为指数运算,di为第i次迭代的重构地震数据。
6.根据权利要求1所述的基于地震特征变换空间的数据构建方法,其特征在于,在步骤6中,首先,计算中间存储算子zi,其公式为然后计算得到迭代的地震数据di+1,其中,di为第i次迭代的地震数据,ti为第i个计算步长,ti+1为第i+1个计算步长,di-1为第i-1次迭代的地震数据,di+1为第i+1次迭代的地震数据,s为输入的原始地震数据,I为单位矩阵,R为采样矩阵,H为特征变换算子,HT表示特征变换算子的逆算子,为第i次迭代的阀值函数。
7.根据权利要求1所述的基于地震特征变换空间的数据构建方法,其特征在于,该基于地震特征变换空间的数据构建方法还包括,在步骤6之后,增加数据构建算法迭代次数,判断是否满足收敛条件,如果不满足收敛条件,返回步骤4到步骤6继续迭代,如果满足收敛条件,则终止迭代。
8.根据权利要求7所述的基于地震特征变换空间的数据构建方法,其特征在于,该基于地震特征变换空间的数据构建方法还包括,在终止迭代之后,输出最终的重构地震数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810140290.8A CN108387928B (zh) | 2018-02-11 | 2018-02-11 | 基于地震特征变换空间的数据构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810140290.8A CN108387928B (zh) | 2018-02-11 | 2018-02-11 | 基于地震特征变换空间的数据构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108387928A true CN108387928A (zh) | 2018-08-10 |
CN108387928B CN108387928B (zh) | 2021-06-15 |
Family
ID=63068635
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810140290.8A Active CN108387928B (zh) | 2018-02-11 | 2018-02-11 | 基于地震特征变换空间的数据构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108387928B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112578447A (zh) * | 2020-11-26 | 2021-03-30 | 中国石油天然气股份有限公司西南油气田分公司勘探开发研究院 | 一种基于数据降维及重构的储层预测方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013032573A2 (en) * | 2011-09-02 | 2013-03-07 | Exxonmobil Upstream Research Company | Using projection onto convex sets to constrain full-wavefield inversion |
EP2803814A1 (en) * | 2013-05-16 | 2014-11-19 | Services Pétroliers Schlumberger | Systems and Methods for Processing Acoustic Cement Evaluation Data |
CN105425301A (zh) * | 2016-01-08 | 2016-03-23 | 东华理工大学 | 一种频率域三维不规则地震数据重建方法 |
CN105974468A (zh) * | 2016-05-04 | 2016-09-28 | 东华理工大学 | 一种能够同时进行五维地震数据重建和噪声压制的方法 |
CN106597541A (zh) * | 2017-02-22 | 2017-04-26 | 中国石油大学(华东) | 基于Shearlet变换的地震数据重构方法 |
CN106842321A (zh) * | 2015-12-04 | 2017-06-13 | 中国石油天然气股份有限公司 | 地震数据重建方法和装置 |
CN106886044A (zh) * | 2017-03-02 | 2017-06-23 | 吉林大学 | 一种基于剪切波与Akaike信息准则的微地震初至拾取方法 |
CN107121701A (zh) * | 2017-05-05 | 2017-09-01 | 吉林大学 | 基于Shearlet变换的多分量地震数据Corssline方向波场重建方法 |
-
2018
- 2018-02-11 CN CN201810140290.8A patent/CN108387928B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013032573A2 (en) * | 2011-09-02 | 2013-03-07 | Exxonmobil Upstream Research Company | Using projection onto convex sets to constrain full-wavefield inversion |
EP2803814A1 (en) * | 2013-05-16 | 2014-11-19 | Services Pétroliers Schlumberger | Systems and Methods for Processing Acoustic Cement Evaluation Data |
CN106842321A (zh) * | 2015-12-04 | 2017-06-13 | 中国石油天然气股份有限公司 | 地震数据重建方法和装置 |
CN105425301A (zh) * | 2016-01-08 | 2016-03-23 | 东华理工大学 | 一种频率域三维不规则地震数据重建方法 |
CN105974468A (zh) * | 2016-05-04 | 2016-09-28 | 东华理工大学 | 一种能够同时进行五维地震数据重建和噪声压制的方法 |
CN106597541A (zh) * | 2017-02-22 | 2017-04-26 | 中国石油大学(华东) | 基于Shearlet变换的地震数据重构方法 |
CN106886044A (zh) * | 2017-03-02 | 2017-06-23 | 吉林大学 | 一种基于剪切波与Akaike信息准则的微地震初至拾取方法 |
CN107121701A (zh) * | 2017-05-05 | 2017-09-01 | 吉林大学 | 基于Shearlet变换的多分量地震数据Corssline方向波场重建方法 |
Non-Patent Citations (3)
Title |
---|
SEYED ABOLFAZL HOSSEINI 等: "Adaptive attenuation of aliased ground roll using the shearlet transform", 《JOURNAL OF APPLIED GEOPHYSICS》 * |
冯飞 等: "基于shearlet变换稀疏约束地震数据重建", 《石油物探》 * |
刘成明 等: "shearlet域稀疏约束地震数据重建", 《吉林大学学报》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112578447A (zh) * | 2020-11-26 | 2021-03-30 | 中国石油天然气股份有限公司西南油气田分公司勘探开发研究院 | 一种基于数据降维及重构的储层预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108387928B (zh) | 2021-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11693139B2 (en) | Automated seismic interpretation-guided inversion | |
Jia et al. | Intelligent interpolation by Monte Carlo machine learning | |
Marano et al. | Generative adversarial networks review in earthquake-related engineering fields | |
CN112541572B (zh) | 基于卷积编码器-解码器网络的剩余油分布预测方法 | |
CN111596366B (zh) | 一种基于地震信号优化处理的波阻抗反演方法 | |
CN112541532B (zh) | 基于密集连接结构的目标检测方法 | |
CN110515123B (zh) | 基于小样本学习的卷积神经网络地震测井联合反演方法 | |
CN109447249B (zh) | 一种基于深度卷积的对抗神经网络测井数据重建方法 | |
CN112733449A (zh) | 一种cnn井震联合反演方法、系统、存储介质、设备及应用 | |
CN110895348A (zh) | 一种地震弹性阻抗低频信息提取方法、系统及存储介质 | |
CN113687433A (zh) | 一种基于Bi-LSTM的大地电磁信号去噪方法及系统 | |
AU2017366757A1 (en) | Seismic acquisition geometry evaluation using full-waveform inversion | |
CN112394414A (zh) | 两步法地震绕射波场叠前分离的工艺 | |
CN114647814A (zh) | 一种基于预测模型的核信号校正方法 | |
CN113640871B (zh) | 一种基于重加权l1范数稀疏约束的地震波阻抗反演方法 | |
WO2022045932A1 (ru) | Система для определения тектонических нарушений по сейсмическим данным | |
CN110263447A (zh) | 一种基于长短期记忆网络的载荷谱外推方法 | |
CN108387928A (zh) | 基于地震特征变换空间的数据构建方法 | |
CN117631028A (zh) | 一种多尺度全局信息融合神经网络地震数据低频重构方法 | |
CN116011338A (zh) | 一种基于自编码器和深度神经网络的全波形反演方法 | |
CN113419278B (zh) | 一种基于状态空间模型与支持向量回归的井震联合多目标同时反演方法 | |
CN111580179A (zh) | 一种有机碳含量确定方法、装置及系统 | |
CN114325829B (zh) | 一种基于双差思想的全波形反演方法 | |
CN114185090B (zh) | 岩相和弹性参数同步反演方法、装置、电子设备及介质 | |
CN110794469A (zh) | 基于最小地质特征单元约束的重力反演方法 |
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 |