CN109782341A - 一种基于信息散度的地震数据属性提取方法 - Google Patents
一种基于信息散度的地震数据属性提取方法 Download PDFInfo
- Publication number
- CN109782341A CN109782341A CN201910126690.8A CN201910126690A CN109782341A CN 109782341 A CN109782341 A CN 109782341A CN 201910126690 A CN201910126690 A CN 201910126690A CN 109782341 A CN109782341 A CN 109782341A
- Authority
- CN
- China
- Prior art keywords
- seismic
- information divergence
- data
- seismic channel
- calculating
- 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
Landscapes
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种基于信息散度的地震数据属性提取方法,包括1)地震道的选择;2)地震道概率分布的计算;3)地震道Copula函数的计算;4)多道地震道信息散度的计算。本发明能实现地震属性中相干属性的提取,避免了在常规方法中的协方差矩阵的求解以及矩阵特征值的求解,降低以往相干属性提取方法在协方差矩阵和特征值求解时的计算时间。方便实现,能实现对地层地质的边缘、河道等不连续性检测和砂体的非均质性以及断层等地质特征的刻画,技术方案易于实现,可操作性强。
Description
技术领域
本发明属于地震勘探技术领域,涉及地震数据的属性提取技术,尤其是一种基于信息散度度量的地震数据的属性提取方法。
背景技术
相干体技术是地震属性的解释重要工具之一,是近年来发展起来的一项强大的地震解释技术。相干体数据图片能够清晰的揭示出地下的三角洲、河道、礁体等地质构造,也可以确定断层的空间分布以及储层的岩性变化等地质特征,同时利用相干体分析技术还可以判断数据采集以及处理的质量。
Bahorich等人于1995年发表了他们在Amoco公司工作期间研究的基于归一化道互相关的相干体算法(称为第一代相干体算法,记为C1),该方法的应用效果立刻在工业界引起了巨大的反响。Marfurt等人于1998年提出基于多道相似度量的相干体算法(称为第二代相干体算法,记为C2),该算法利用分析窗内平均道的能量与所有道的能量比值来度量相干性,该方法提高了相干体的信噪比,但由于分析窗内地震道的数量增加,计算量也随之增加,同时降低了横向分辨率。Gersztenkorn与Marfurt于1999年将第一代相干体算法推广到任意J道(J为分析窗内地震道的个数),提出了基于特征结构的相干体算法(简称为第三代相干体算法,记为C3),该方法实际应用效果最好,抗噪性能强,分辨率高。由于倾角会对相干体数据结果有影响,为此Marfurt等人提出了第三代相干体算法,该算法首先通过C2算法计算得到一个倾角数据体,进一步利用倾角作为约束降低对计算结果的影响,然后再利用第三代相干体算法计算相干体。Randen等人定义了一种“混沌”的度量,用来描述地层的内部结构,展示地下地质地层的空间展布,Bakker等人构造了“面”度量和相干度量。为了更加突出断层面等特征,Cohen和Coifman于2002年提出局部结构熵算法,这种算法是在牺牲了一定分辨率的前提下,极大地提高了计算效率和抗噪性。Cohen和Coult等人提出断层面提取方法,该方法将归一化局部差熵与图像处理技术--二值化及骨架化相结合,提取出清晰的断层面。陆文凯等人将C1算法进行发展,提出了基于超道技术和高阶统计量的相干体算法。李延东与陆文凯等人于2006年对第三代相干体算法进行了发展,提出基于超道技术的特征结构相干体算法。另一类是计算方差估计波形相似的技术,即基于方差的相干体技术,该算法通过计算分析窗内能量归一化方差得到相干度量,基于数据误差估算的相干体技术还有基于曼哈顿距离的相干体算法等,该类算法计算效率高,实际应用效果与第二代相干体算法相当。Marfurt与Kirlin将第三代相干体算法与雷达信号处理中的空间谱估计技术相结合,提出了基于MUSIC的相干体算法。Randen等人提出基于梯度结构张量技术来估计地震数据的纹理属性的方法。王晓凯和高静怀等人提出了基于乘幂与递推的相干体快速算法进一步改进和提高第三代相干体算法的计算效率。
在某些情况下,由于单一的相干属性并不能满足地质解释人员的需要,因此有些学者就提出将相干体技术与瞬时属性进行联合,并用于提高地层地质结构的分辨率。如王西文和杨孔庆等人将匹配地震子波的连续小波变换与第一代相干体以及第二代相干体算法相结合,提出两种相干体算法。张军华等人将小波变换与第三代相干体相结合,在小波变换的分频数据体基础上,对各个分频数据体应用第三代相干体算法计算相干性。周艳辉等根据地质构造的变化特点和地震数据的时间-尺度特性,将小波变换和局部结构熵算法结合,提出基于多尺度瞬时相位的多分辨率局部结构熵算法。上述小波变换和相干体算法相结合的方法有利于地质目标的精细刻画和地震解释。
以上现有技术具有以下缺点:
在上述大多数相干属性提取方法中,采用了较为常用的相关系数作为度量构建协方差矩阵,这种度量存在一定的局限性,因此,应使用更符合地震数据道之间的相互关系的度量值来实现地震数据属性的提取。
发明内容
本发明的目的在于克服上述现有技术不足,提供一种基于信息散度的地震数据属性提取方法。
本发明是通过以下技术方案来实现的:
本发明首先基于信息散度特性,提出地震属性新的提取方法。相比传统常用的相干属性提取方法,其特征在于在属性的计算过程中避免构建协方差矩阵和矩阵特征值的求解,而是直接求取多道地震道之间的信息散度,所得信息散度值计算平均值。将其作为目标点的相干属性值输出,并循环遍历所有数据点,实现对地震相干属性的提取。
本发明避免构建协方差矩阵,而是直接计算每个目标地震道数据与周围所划分的四个象限范围内各自两道及两道以上的地震道之间基于Copula函数的Renyi信息散度值,将所求值进行平均,并作为相干属性的值输出,在计算过程中避免构建协方差矩阵和矩阵特征值的求解,而是直接求取多地震道之间的信息散度,其具体包括如下步骤:
1)地震道的选择
选取以目标地震道为中心的3×3窗口的地震数据,以中心道为坐标原点进行划分为四个象限,将每个象限中的地震道包含中心道作为计算信息散度的数据源,以每个象限中的三角形的顶点为数据源;
2)地震道概率分布的计算
设地震道在窗内的时间采样点数为N,计算窗内每一道数据的概率分布P(x):
式中x表示地震道中的每一个数据,Number函数表示满足条件的个数;
3)地震道Copula函数的计算
C(u,v,w)表示联合概率密度函数,其中u,v,w分别表示地震道经过步骤1)得到的概率数据地震道,通过概率地震道将其值作为坐标,将三组进行对应,组合成三维坐标,将其对应的点投射到三维空间,其中每一维的坐标的范围为(0,1),另外将其各自坐标分割为M,N,K块,统计每个块中所投射点的个数,计算出每个块中投射点个数与整体投射点个数的比值;
4)多道地震道信息散度的计算
根据Renyi信息散度公式(2),可以得到公式(3):
其中R表示地震道之间的信息散度,α表示Renyi信息散度中的参数,f1和f2表示两个概率分布,M,N和K分别表示步骤3)中三维空间各自坐标上分块的个数,计算四个象限中各自的R(u,v,w),并将其所有象限的值取平均后得到多道信息散度值作为目标道中目标点的相干属性值,通过上述步骤遍历整个地震数据体便可得到相干属性数据体。
计算地震数据中多道之间的信息散度值,即三道数据及三道以上之间的信息散度值。
步骤1)中对参与计算的地震道进行选择,将目标地震道及其周围地震道,以3x3的窗选取,即共有9个地震道,分配在四个象限中,将象限中1道地震道与分布在相邻象限轴上的2道地震道共3道作为一组,其中选择瞬时方向或者逆时方向依次每个象限选取均可,总共分为4组。
将Copula函数与Renyi信息散度相结合,通过将公式(2)推导给出了两道及三道地震道之间的信息散度计算公式(3),将两道之间的c(u,v)函数带入公式(3)中推导得到公式(4):
则将两道之间的R(u,v)推广到三道地震的R(u,v,w),具体如方程(5)所示;
本发明具有以下有益效果:
本发明能够有效的实现地震数据相干属性的提取,利用Renyi信息散度特性。有效的避免了在传统的相干属性提取方法中的协方差构建以及矩阵特征值得求解过程,降低了以往相干属性提取的计算时间,方便实现,并能实现对地层地质的边缘和和非均质性的刻画、断层以及河道的检测等其他地质特征的刻画。本发明易于实现,可操作性强,综合上述步骤,依据实施方案流程图实现对地震数据的相干属性进行提取。
附图说明
图1地震道数据的选择示意图;
图2本发明方法的流程图;
图3实际地震资料测试图;其中(a)原始地震数据,(b)对原始数据通过常用的C3算法计算提取到的相干属性切片图(c)通过本发明方法对地震数据进行提取的相干属性切片图。
具体实施方式
图1为本发明方法中地震道数据的选择方式示意图,选择的空间窗为3×3,时间窗的大小为N,以中心地震道为目标地震道,将其作为坐标中心,将空间窗口分为四个象限,地震道数据分为4个组,具体参见图1。图2表示为本发明方法的整体流程图,从数据的初始化和参数初始化开始,对数据进行分块,地震道依据图1选择模式进行分组,并根据权利要求1实现对地震属性的提取。图3为本发明方法与传统C3方法应用于实际地震资料的结果对比图,用于说明本方法对于细小的地质特征与弱的特征能精细刻画。
本发明提出了一种基于信息散度的地震数据属性提取方法,避免常用的相干属性提取方法中协方差矩阵的构建和矩阵的特征值的求解,节省大量时间,通过图1中的方式,将地震道数据分为四个象限,根据图1中的分组实现对地震道组合方式的选择,共分为4组,依据图2中本发明的流程图实现对地震数据属性的提取,依次对发明中的相关参数进行初始化,调整合适的参数,为了能方便计算需将数据体进行分块处理,其次对数据块中的地震道进行选择分组,最后计算各个分组中多道之间的信息散度值,求其平均值并将其作为目标相干属性的值输出,遍历整个数据体,即可实现对地下地质体的边缘和地下断层、河道的检测以及非均质体的刻画。其具体实施方案如下步骤:
1)参数的初始化
对地震数据进行预处理即分块处理,以便提高计算效率;并对方法中的参数进行初始化;
2)地震道的选择
选取以目标地震道为中心3×3窗口的地震数据,即共有9个地震道,分配在四个象限中,将象限中1道地震道与分布在相邻象限轴上的2道地震道共3道作为一组,其中选择瞬时方向或者逆时方向依次每个象限选取均可,具体的选择方式参见图1,总共分为4组;
3)地震道概率分布的计算
设地震道在窗口内的时间采样点数为N,计算窗内每一道数据的概率分布P(x):
式中x表示窗口内地震道中的每一个数据,Number函数表示满足条件的
个数;
4)地震道Copula函数的计算
C(u,v,w)表示联合概率密度函数,其中u,v,w分别表示地震道经过步骤1)得到的概率数据地震道,通过概率地震道将其值作为坐标,将三组进行对应,组合成三维坐标,将其对应的点投射到三维空间,其中每一维的坐标的范围分别都为(0,1),根据需要将其各自坐标分割为M,N,K块,统计每个块中所投射的点的个数,计算出每个块中投射点个数与整个投射点个数的比值;
5)多道地震道信息散度的计算
其中R表示地震道之间的信息散度,α表示Renyi信息散度中的参数,M,N和K分别表示步骤3)中三维空间各自坐标上分块的个数。计算四个象限中各自的R(u,v,w),并将其平均得到多道信息散度值作为目标道中目标点的相干属性值,通过上述步骤遍历整个地震数据体,进而实现提取整个地震数据体的相干属性。
通过将本发明应用于实际的地震资料处理,通过与专业领域内常用的C3方法对比,结果如图3所示,从图(b)中箭头所指示的位置,并没有刻画出断层和河道信息,而在图(c)中所对应的位置,对于河道的刻画非常清楚。因此对细小的不连续性和弱信号的精细刻画,本发明方法优于常用的C3方法。
Claims (4)
1.一种基于信息散度的地震数据属性提取方法,其特征在于,避免构建协方差矩阵,而是直接计算每个目标地震道数据与周围所划分的四个象限范围内各自两道及两道以上的地震道之间基于Copula函数的Renyi信息散度值,将所求值进行平均,并作为相干属性的值输出,在计算过程中避免构建协方差矩阵和矩阵特征值的求解,而是直接求取多地震道之间的信息散度,其具体包括如下步骤:
1)地震道的选择
选取以目标地震道为中心的3×3窗口的地震数据,以中心道为坐标原点进行划分为四个象限,将每个象限中的地震道包含中心道作为计算信息散度的数据源,以每个象限中的三角形的顶点为数据源;
2)地震道概率分布的计算
设地震道在窗内的时间采样点数为N,计算窗内每一道数据的概率分布P(x):
式中x表示地震道中的每一个数据,Number函数表示满足条件的个数;
3)地震道Copula函数的计算
C(u,v,w)表示联合概率密度函数,其中u,v,w分别表示地震道经过步骤1)得到的概率数据地震道,通过概率地震道将其值作为坐标,将三组进行对应,组合成三维坐标,将其对应的点投射到三维空间,其中每一维的坐标的范围为(0,1),另外将其各自坐标分割为M,N,K块,统计每个块中所投射点的个数,计算出每个块中投射点个数与整体投射点个数的比值;
4)多道地震道信息散度的计算
根据Renyi信息散度公式(2),可以得到公式(3):
其中R表示地震道之间的信息散度,α表示Renyi信息散度中的参数,f1和f2表示两个概率分布,M,N和K分别表示步骤3)中三维空间各自坐标上分块的个数,计算四个象限中各自的R(u,v,w),并将其所有象限的值取平均后得到多道信息散度值作为目标道中目标点的相干属性值,通过上述步骤遍历整个地震数据体便可得到相干属性数据体。
2.根据权利要求1所述的一种基于信息散度地震数据属性提取方法,其特征在于,计算地震数据中多道之间的信息散度值,即三道数据及三道以上之间的信息散度值。
3.根据权利要求1所述的一种基于信息散度的地震数据属性提取方法,其特征在于,步骤1)中对参与计算的地震道进行选择,将目标地震道及其周围地震道,以3x3的窗选取,即共有9个地震道,分配在四个象限中,将象限中1道地震道与分布在相邻象限轴上的2道地震道共3道作为一组,其中选择瞬时方向或者逆时方向依次每个象限选取均可,总共分为4组。
4.根据权利要求1所述的一种基于信息散度地震数据属性提取方法,其特征在于,将Copula函数与Renyi信息散度相结合,通过将公式(2)推导给出了两道及三道地震道之间的信息散度计算公式(3),将两道之间的c(u,v)函数带入公式(3)中推导得到公式(4):
则将两道之间的R(u,v)推广到三道地震的R(u,v,w),具体如方程(5)所示;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910126690.8A CN109782341B (zh) | 2019-02-20 | 2019-02-20 | 一种基于信息散度的地震数据属性提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910126690.8A CN109782341B (zh) | 2019-02-20 | 2019-02-20 | 一种基于信息散度的地震数据属性提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109782341A true CN109782341A (zh) | 2019-05-21 |
CN109782341B CN109782341B (zh) | 2020-05-22 |
Family
ID=66504571
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910126690.8A Active CN109782341B (zh) | 2019-02-20 | 2019-02-20 | 一种基于信息散度的地震数据属性提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109782341B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112836393A (zh) * | 2021-03-09 | 2021-05-25 | 中国地质大学(北京) | 一种基于多尺度熵分析储层非均质性的方法 |
CN114594512A (zh) * | 2020-12-03 | 2022-06-07 | 中国石油天然气股份有限公司 | 地震数据有序性评估方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106599227A (zh) * | 2016-12-19 | 2017-04-26 | 北京天广汇通科技有限公司 | 用于获取基于属性值的对象之间的相似度的方法与装置 |
CN107272063A (zh) * | 2017-07-05 | 2017-10-20 | 西安交通大学 | 基于高分辨率时频分析和一致性度量的非均质性刻画方法 |
-
2019
- 2019-02-20 CN CN201910126690.8A patent/CN109782341B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106599227A (zh) * | 2016-12-19 | 2017-04-26 | 北京天广汇通科技有限公司 | 用于获取基于属性值的对象之间的相似度的方法与装置 |
CN107272063A (zh) * | 2017-07-05 | 2017-10-20 | 西安交通大学 | 基于高分辨率时频分析和一致性度量的非均质性刻画方法 |
Non-Patent Citations (4)
Title |
---|
T S DURRANI ET AL.: "Copula based Divergence Measures and their use in Image Registration", 《17TH EUROPEAN SIGNAL PROCESSING CONFERENCE》 * |
TAO YANG ET AL.: "A fast algorithm for coherency estimation in seismic data based on information divergence", 《JOURNAL OF APPLIED GEOPHYSICS》 * |
TAO YANG ET AL.: "A fast coherence algorithm for seismic data interpretation based on information divergence", 《SEG TECHNICAL PROGRAM EXPANDED ABSTRACTS 2013》 * |
YANG TAO ET AL.: "Coherence estimation algorithm using Kendall"s concordance measurement on seismic data", 《APPLIED GEOPHYSICS》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114594512A (zh) * | 2020-12-03 | 2022-06-07 | 中国石油天然气股份有限公司 | 地震数据有序性评估方法及装置 |
CN112836393A (zh) * | 2021-03-09 | 2021-05-25 | 中国地质大学(北京) | 一种基于多尺度熵分析储层非均质性的方法 |
CN112836393B (zh) * | 2021-03-09 | 2023-07-18 | 中国地质大学(北京) | 一种基于多尺度熵分析储层非均质性的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109782341B (zh) | 2020-05-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107817527B (zh) | 基于块稀疏压缩感知的沙漠地震勘探随机噪声压制方法 | |
CN108037526B (zh) | 基于全波波场vsp/rvsp地震资料的逆时偏移方法 | |
CN106526677B (zh) | 一种海上自适应压制鬼波的宽频逆时偏移成像方法 | |
CN105974468B (zh) | 一种能够同时进行五维地震数据重建和噪声压制的方法 | |
CN107356965B (zh) | 基于加权叠加噪音压制策略的反射系数反演储层预测方法 | |
CN105510964A (zh) | 复杂构造区低级序走滑断层的地震识别方法 | |
CN104020492A (zh) | 一种三维地震资料的保边滤波方法 | |
CN103400383A (zh) | 基于nsct和压缩投影的sar图像变化检测方法 | |
CN107179550B (zh) | 一种数据驱动的地震信号零相位反褶积方法 | |
CN110174702A (zh) | 一种海上地震数据低频弱信号恢复的方法和系统 | |
CN109782341A (zh) | 一种基于信息散度的地震数据属性提取方法 | |
CN110261905A (zh) | 基于倾角控制的复值相干微断层识别方法 | |
Sun | Three new implementations of the triangular prism method for computing the fractal dimension of remote sensing images | |
CN104656130A (zh) | 一种基于克里金方法的平面地震勘探信号分解方法 | |
CN107356963B (zh) | 一种数据驱动的自适应的地震信号相干体属性分析方法 | |
CN109143362A (zh) | 基于共散射角道集的散射波分离方法 | |
Wang et al. | Desert seismic noise suppression based on multimodal residual convolutional neural network | |
CN109782346B (zh) | 一种基于形态成分分析的采集脚印压制方法 | |
CN113205564A (zh) | 一种sar智能目标边缘重构方法 | |
CN107945195B (zh) | 基于轮廓波集成dbn的极化sar图像变化检测方法 | |
Dashtian et al. | Coherence index and curvelet transformation for denoising geophysical data | |
CN109975870B (zh) | 一种基于核相关的地震数据属性提取方法 | |
Zou et al. | Towed streamer-based simultaneous source separation by contourlet transform | |
Tronicke et al. | Toward automated delineation of ground-penetrating radar facies in clastic sediments: An example from stratified glaciofluvial deposits | |
Volcan et al. | Enhanced delineation of reservoir compartmentalization from advanced Pre and Post-stack seismic attribute analysis |
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 |