CN108594303B - 一种叠后地震数据绕射波属性提取方法 - Google Patents
一种叠后地震数据绕射波属性提取方法 Download PDFInfo
- Publication number
- CN108594303B CN108594303B CN201810896115.1A CN201810896115A CN108594303B CN 108594303 B CN108594303 B CN 108594303B CN 201810896115 A CN201810896115 A CN 201810896115A CN 108594303 B CN108594303 B CN 108594303B
- Authority
- CN
- China
- Prior art keywords
- seismic data
- seismic
- matrix
- principal component
- extracting
- 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
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. analysis, for interpretation, for correction
Abstract
本发明涉及一种叠后地震数据绕射波属性提取方法,其步骤:地震数据预处理;根据实际数据建立正演模型,通过计算,确定主成分分析技术提取绕射波时,最适参数及主成分的维度;将本征矢量计算公式改进为适用于三维地震数据计算式,并应用最适参数及主成分维度,提取实际地震数据中的绕射波场。本发明通过应用主成分分析技术,实现了在叠后地震数据中对绕射波场的提取;通过对传统主成分分析算法的改进,使其适用于在地震数据中对绕射波场进行空间提取的目的,也保证了绕射波提取结果的准确性。
Description
技术领域
本发明涉及一种石油勘探领域的地震数据波场分离方法,特别是关于一种叠后地震数据绕射波属性提取方法。
背景技术
随着全球油气田勘探程度的加深,储藏中小尺度地质体的精细描述逐步成为油田勘探的重点问题。碳酸盐岩储层缝洞空间的识别,潜山裂缝型油气藏裂缝系统的识别及小型水道体系空间分布刻画等问题受到广泛的关注。常规的反射波储藏描述方法受到波场分辨率的限制,很难对此类地质体进行精细刻画。
前人的研究已经证实,绕射波场可以针对小尺度地质体进行较好描述,当地质体的空间尺度接近或小于地震反射数据分辨率的情况下(一般小于四分之一波长),从地震数据中分离的绕射波数据能够进行小尺度地质体的精细刻画。所以前人根据绕射波场的动力学和波动学特征,提出不同的绕射波提取方法,由于叠前绕射波提取方法计算效率较低,不利于储层的快速识别,叠后绕射波提取方法就成为储层识别的重要手段,现有的波场分离手段一般针对反射波场进行分离,而针对绕射波场有效分离的技术尚不成熟。
发明内容
针对上述问题,本发明的目的是提供一种叠后地震数据绕射波属性提取方法,其能够在叠后地震数据中准确地进行绕射波场分离。
为实现上述目的,本发明采取以下技术方案:一种叠后地震数据绕射波属性提取方法,其包括以下步骤:1)地震数据预处理;2)根据实际数据建立正演模型,通过计算,确定主成分分析技术提取绕射波时,最适参数及主成分的维度;3)将本征矢量计算公式改进为适用于三维地震数据计算式,并应用步骤2)中的最适参数及主成分维度,提取实际地震数据中的绕射波场。
进一步,所述步骤1)中,预处理包括以下步骤:1.1)定义如下变量:A={A1,A2,...,An}是一个m×n的矩阵,n为输入的地震道数,每个地震道为m维向量,代表m个采样点;An表示第n个地震道的地震数据采集序列;进行地震数据体的标准化预处理:
式中,xij为标准化后的地震数据采集序列;为样本均值:Aij为原始采集的地震数据采集序列;Si为样本标准差:i=1,…,n;j=1,…,m;1.2)处理后得到标准化地震数据体为X={x1,X2,...,Xn};其中,X是一个m×n的矩阵,n为输入的地震道数,每个地震道为m维向量,代表m个采样点,xn表示第n个地震道标准化后的地震数据采集序列。
进一步,所述步骤2)中,最适参数及主成分的维度确定方法包括以下步骤:2.1)通过下式将输入数据矢量xi变换成新的矢量si:si=UTxi,其中,U是一个n×n正交矩阵,它的第i列Ui是样本协方差矩阵;i=1,…,n;2.2)计算第i个本征矢量:
λiui=Cuii=1,...,n (1)
其中,C为一个n阶方阵;λi是C的一个本征值,ui是对应的本征矢量;
2.3)通过上述步骤对地震模型中绕射波场进行提取,当达到压制反射波同相轴同时充分保留小尺度异常体绕射波信息的效果时,确定最适参数及主成分维度。
进一步,所述步骤3)中,根据三维地震数据特点,通过下式提取空间绕射波场数据:
式中,是计算矩阵中位置为i,j,k的采样点上第r个正交分量;si+n,i+m,k+l是计算矩阵中位置为i,j,k的地震数据采样点值;n,m,l是i,j,k方向上的延迟距;N,M,L为最大延迟距;savr为计算矩阵中样点振幅的平均值;smax,smin分别为计算矩阵中样点振幅的最大值和最小值;分别为矩阵特征值和特征向量。
本发明由于采取以上技术方案,其具有以下优点:1、本发明通过应用主成分分析技术,实现了在叠后地震数据中对绕射波场的提取。2、本发明通过对传统主成分分析算法的改进,使其适用于在地震数据中对绕射波场进行空间提取的目的,也保证了绕射波提取结果的准确性。
附图说明
图1是不同尺度地质体地震波场正演模型示意图;
图2是不同尺度地质体模型绕射信息提取结果示意图。
具体实施方式
下面结合附图和实施例对本发明进行详细的描述。
本发明提供一种叠后地震数据绕射波属性提取方法,其包括以下步骤:
1)地震数据预处理:
1.1)定义如下变量:A={A1,A2,...,An}是一个m×n的矩阵,n为输入的地震道数,每个地震道为m维向量,代表m个采样点;An表示第n个地震道的地震数据采集序列。通过式(1)进行地震数据体的标准化预处理:
式中,xij为标准化后的地震数据采集序列;为样本均值:Aij为原始采集的地震数据采集序列;Si为样本标准差:
1.2)根据公式(1)处理后得到标准化地震数据体为X={x1,x2,...,xn}。其中,X是一个m×n的矩阵,n为输入的地震道数,每个地震道为m维向量,代表m个采样点,xn表示第n个地震道标准化后的地震数据采集序列。
2)根据实际数据建立正演模型,通过计算,确定主成分分析技术提取绕射波时,最适参数及主成分的维度。
2.1)首先,通过下式将输入数据矢量xi变换成新的矢量si(其中i=1,…,n):
si=UTxi (2)
其中,U是一个n×n正交矩阵,它的第i列Ui是样本协方差矩阵。
2.2)计算第i个本征矢量:
λiui=Cuii=1,...,n (3)
其中,C为一个n阶方阵;λi是n阶方阵C的一个本征值,ui是对应的本征矢量。当仅利用前面的P个本征矢量时,得到矩阵S=UTX。新的分量S称为主分量。不同大小特征值λ对应的特征向量u代表着不同贡献率的分量,并且这些向量都是正交的。
2.3)通过上述步骤对地震模型中绕射波场进行提取,根据提取效果分析,当达到压制反射波同相轴同时充分保留小尺度异常体绕射波信息的效果时,确定最适参数及主成分维度。如图1所示,为根据实际地震数据进行参数选取后,正演的地震数据,通过反复迭代计算参数和主成分维度选取,最终通过主成分分析技术提取出绕射波数据(如图2所示),在不同尺度的绕射点位置,绕射波场均得到较好提取,绕射波对小尺度异常体的分辨能力可以达到八十分之一波长,同时,反射波场得到了有效的消除,根据此效果确定出最适参数及主成分维度。
3)将本征矢量计算公式改进为适用于三维地震数据计算式,并应用步骤2)中的最适参数及主成分维度,提取实际地震数据中的绕射波场。
根据三维地震数据特点,通过式(5)提取空间绕射波场数据。
式中,是计算矩阵中位置为i,j,k的采样点上第r个正交分量;si+n,i+m,k+l是计算矩阵中位置为i,j,k的地震数据采样点值;n,m,l是i,j,k方向上的延迟距;N,M,L为最大延迟距;savr为计算矩阵中样点振幅的平均值;smax,smin分别为计算矩阵中样点振幅的最大值和最小值;分别为矩阵特征值和特征向量。
上述各实施例仅用于说明本发明,各个步骤都是可以有所变化的,在本发明技术方案的基础上,凡根据本发明原理对个别步骤进行的改进和等同变换,均不应排除在本发明的保护范围之外。
Claims (3)
1.一种叠后地震数据绕射波属性提取方法,其特征在于,包括以下步骤:
1)地震数据预处理;
2)根据实际数据建立正演模型,通过计算,确定主成分分析技术提取绕射波时,最适参数及主成分的维度;
3)将本征矢量计算公式改进为适用于三维地震数据计算式,并应用步骤2)中的最适参数及主成分维度,提取实际地震数据中的绕射波场;
根据三维地震数据特点,通过下式提取空间绕射波场数据:
式中,是计算矩阵中位置为i,j,k的采样点上第r个正交分量;si+n,j+m,k+l是计算矩阵中位置为i,j,k的地震数据采样点值;n,m,l是i,j,k方向上的延迟距;N,M,L为最大延迟距;savr为计算矩阵中样点振幅的平均值;smax,smin分别为计算矩阵中样点振幅的最大值和最小值;分别为矩阵特征值和特征向量。
2.如权利要求1所述方法,其特征在于:所述步骤1)中,预处理包括以下步骤:
1.1)定义如下变量:A={A1,A2,...,An}是一个m×n的矩阵,n为输入的地震道数,每个地震道为m维向量,代表m个采样点;An表示第n个地震道的地震数据采集序列;进行地震数据体的标准化预处理:
式中,xpq为标准化后的地震数据采集序列;为样本均值:Apq为原始采集的地震数据采集序列;Sp为样本标准差:p=1,…,n;q=1,…,m;
1.2)处理后得到标准化地震数据体为X={x1,x2,...,xn};其中,X是一个m×n的矩阵,n为输入的地震道数,每个地震道为m维向量,代表m个采样点,xn表示第n个地震道标准化后的地震数据采集序列。
3.如权利要求1所述方法,其特征在于:所述步骤2)中,最适参数及主成分的维度确定方法包括以下步骤:
2.1)通过下式将输入数据矢量xg变换成新的矢量sg:
sg=UTxg
其中,U是一个n×n正交矩阵,它的第g列Ug是样本协方差矩阵;g=1,…,n;
2.2)计算第g个本征矢量:
λgug=Cug,g=1,...,n (1)
其中,C为一个n阶方阵;λg是C的一个本征值,ug是对应的本征矢量;
2.3)通过上述步骤对地震模型中绕射波场进行提取,当达到压制反射波同相轴同时充分保留小尺度异常体绕射波信息的效果时,确定最适参数及主成分维度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810896115.1A CN108594303B (zh) | 2018-08-08 | 2018-08-08 | 一种叠后地震数据绕射波属性提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810896115.1A CN108594303B (zh) | 2018-08-08 | 2018-08-08 | 一种叠后地震数据绕射波属性提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108594303A CN108594303A (zh) | 2018-09-28 |
CN108594303B true CN108594303B (zh) | 2019-12-13 |
Family
ID=63618961
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810896115.1A Active CN108594303B (zh) | 2018-08-08 | 2018-08-08 | 一种叠后地震数据绕射波属性提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108594303B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112180447A (zh) * | 2019-07-04 | 2021-01-05 | 中国石油天然气集团有限公司 | 一种消除储层强反射屏蔽的方法及系统 |
CN112305606A (zh) * | 2020-10-16 | 2021-02-02 | 宁夏回族自治区地震局 | 一种基于自然正交函数展开的地震活动场分析方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103527184A (zh) * | 2013-10-28 | 2014-01-22 | 北京大学 | 一种白云岩储层的预测方法和系统 |
CN104424393A (zh) * | 2013-09-11 | 2015-03-18 | 中国石油化工股份有限公司 | 一种基于主成分分析的地震数据储层反射特征加强方法 |
-
2018
- 2018-08-08 CN CN201810896115.1A patent/CN108594303B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104424393A (zh) * | 2013-09-11 | 2015-03-18 | 中国石油化工股份有限公司 | 一种基于主成分分析的地震数据储层反射特征加强方法 |
CN103527184A (zh) * | 2013-10-28 | 2014-01-22 | 北京大学 | 一种白云岩储层的预测方法和系统 |
Non-Patent Citations (1)
Title |
---|
潜山裂缝型油气藏绕射波属性预测方法;舒梦珵;《CT理论与应用研究》;20170430;第26卷(第2期);第140-141页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108594303A (zh) | 2018-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113759425B (zh) | 井震联合评价深层古岩溶储层充填特征的方法与系统 | |
US10067253B2 (en) | Method for determining sedimentary facies using 3D seismic data | |
CA2793504A1 (en) | Windowed statistical analysis for anomaly detection in geophysical datasets | |
CN109001801B (zh) | 基于多次迭代蚁群算法的断层变尺度识别方法 | |
GB2444167A (en) | Method for stratigraphic interpretation of seismic images | |
CN108594303B (zh) | 一种叠后地震数据绕射波属性提取方法 | |
CN114994758B (zh) | 碳酸盐岩断控储层的波阻抗提取与结构表征方法和系统 | |
Lou et al. | Seismic volumetric dip estimation via multichannel deep learning model | |
CN108226997A (zh) | 一种基于叠前地震数据的地震相划分方法 | |
WO2003003054A2 (en) | Method for analysing dip in seismic data volumes | |
CN108957540B (zh) | 一种高效提取复杂储层中衰减品质因子的方法 | |
CN109283577B (zh) | 一种地震层位标定方法 | |
CN110927781A (zh) | 一种面向高精度地震相干属性的地震数据优化方法及系统 | |
CN110954958A (zh) | 裂缝与断层的预测方法及系统 | |
Zhu et al. | Seismic facies analysis using the multiattribute SOM-K-means clustering | |
AU2019101690A4 (en) | Method for extracting diffraction wave attributes of post-stack seismic data | |
CN112068193B (zh) | 一种微地震剪切源弱事件s波初至自动拾取方法 | |
Liu et al. | 3D seismic waveform of channels extraction by artificial intelligence | |
Zhao et al. | Application of gradient structure tensor method in CBM fracture identification and sweet spot prediction | |
CN108761535B (zh) | 一种侵入岩分布的识别方法 | |
Ugalde et al. | Cluster analysis of Euler deconvolution solutions: New filtering techniques and actual link to geological structure | |
Li et al. | Seismic facies pattem recognition based on 3D Gabor transform and two-step clustering analysis | |
Le Bihan et al. | Seismic cube decomposition before reservoir characterisation | |
Tan et al. | Machine learning application in creating a model for property prediction in area with limited well data | |
Wang et al. | Detecting small-scale geological structures using diffraction attributes |
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 |