CN109782344A - 沉积层序边界识别方法及装置 - Google Patents
沉积层序边界识别方法及装置 Download PDFInfo
- Publication number
- CN109782344A CN109782344A CN201811525545.9A CN201811525545A CN109782344A CN 109782344 A CN109782344 A CN 109782344A CN 201811525545 A CN201811525545 A CN 201811525545A CN 109782344 A CN109782344 A CN 109782344A
- Authority
- CN
- China
- Prior art keywords
- stratigraphic
- frequency
- boundary
- data
- time
- 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
本发明公开了一种沉积层序边界识别方法及装置，该方法包括：按照每个地震道对应的地层旋回曲线的空间位置对所有地层旋回曲线进行组合，形成地层旋回数据，对地层旋回数据进行边缘检测，形成地层边界数据，对地层边界数据进行追踪和组合，确定沉积层序边界集。本发明根据每个地震道对应的地层旋回曲线的空间位置对所有地层旋回曲线进行组合，形成地层旋回数据，并对地层边界数据进行追踪，确定沉积层序边界集，可以提高沉积层序边界识别的效率；另外，还提高沉积层序边界识别的准确率。
Description
技术领域
本发明涉及地质勘探开发技术领域，尤其涉及沉积层序边界识别方法及装置。
背景技术
本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
地层是地球表面或岩石圈中一切成层岩石的总称，是一层或一组具有某种一致的或相近的岩性、物性特征并与其上下层有着明显区别的岩层。地层的主要类型包括火山成因地层、变质成因地层和沉积地层。地层之间可以由明显的层面或沉积间断面分开，也可以由岩性、所含化石、矿物成分或化学成分、物理性质等不明显的特征界限分开。其中，沉积地层是石油、天然气等能源类矿产资源的富集区域，沉积地层对于矿产资源勘探与开发具有重要意义。相对于火山成因地层和变质成因地层，沉积地层的最大特征是其具有韵律性，即沉积地层的岩性、物性(如粒度、孔隙度等)常常是呈现有规律的交替性变化。比如，在碎屑岩沉积地层中，通常是砂岩地层与泥岩地层交替沉积，同时地层的物性特征也会呈现交替性变化特征。
由于沉积构造运动具有周期性，海(湖)平面呈现有规律性的升降，造成地层岩石物理、化学性质发生变化，表现为地层沉积具有旋回特征。地球物理资料(包括地震资料、测井资料等)是地质体岩性、物性的地球物理响应，导致地震波形的频谱发生规律性的变化。地震信号是地下地层的地震响应(地震波在地层分边界处会发生反射、折射或透射等现象)，携带有丰富的地层沉积特征，对地层沉积特征进行分析和挖掘是地震解释的重要内容，其对于石油天然气勘探开发具有重要意义。从地震信号中识别或挖掘与地层沉积有关的信息，可有助于对地层的沉积特征进行分析，进而发现潜在的石油天然气储层，并提高地震解释效率和精度。时频分析技术可以使一维的时间域地震波信号拓展为二维的时间-频率域信息，使地层的旋回特征显式地表达出来，因而在频谱图中可清楚地发现沉积体内部的沉积旋回结构特征。
层序是一套相对整一的、成因上有联系的、以不整合和可以与之对比的整合为界的地层(Mitchum，1977)。不整合面是一个分开较新与较老地层的边界，沿着这个面有证据表明存在指示重大沉积间断的陆上侵蚀削截。在地震剖面上，地震层序是沉积层序在地震剖面上的反映。一般地，地震层序是沉积层序在地震剖面上的反映，但它们却不一定是一一对应的。沉积地层的正常层序为，下面地层的年代较老，上面地层的年代较新，如下面为古生代的，上面为新生代的，即为正常沉积层序；反之，如果下面地层的年代较新，上面地层的年代较老，就是倒转层序。如果某一地区没有发生水平方向的构造运动，地层通常都会保持正常层位，如果地层在形成以后发生了强烈的水平方向构造运动(如褶皱作用或逆冲推覆作用)，就会导致倒转层序或者也叫翻转层序出现。
地震层序通过利用整合地震波组特性等地震探测方法确定出沉积层的时间地层单元。地震层序与沉积层序相对应，它是沉积层序在地震剖面上的反映。在地震剖面上，找出两个相邻的不整合面，分别追踪到整合面处，则这两个整合面之间的全套地层，就是一个完整的地震层序。地震层序顶部边界关系包括侵蚀、顶超和整合三种。地震层序底部边界关系包括上超、下超和整合三种。地震层序划分之后，可进行海平面相对变化分析，研究地震层序的沉积特征和确定地震层序的地质年代，即地震层序年龄。目前在地震分辨率较好条件下的地震资料中，一个地震波的周期代表了一个厚度至少为几十米的地层单元。地震层序仅代表较大(厚)规模的沉积层序。
地层层序的划分首先应确定层序的边界，层序边界的确定是根据地震反射边界的类型完成。根据地震反射波同相轴的特征和几何接触关系可将地震反射边界分为整一边界，不整一边界两大类。地震剖面上层序的划分是通过层序边界的追踪对比来完成。一个层序边界，必须是一个不整一边界，或者至少在盆地边缘是一个不整一边界，这一边界向盆地延伸可逐渐表现为一个连续沉积的整一边界(如盆地中心)。
层序划分及层序边界识别的主要步骤包括：(1)寻找反射终止现象，确定不整合；(2)在全盆地内追踪对比层序边界；(3)确定层序顶底面。现有的地层沉积特征分析主要依赖于对地震、测井等地球物理资料进行人工解释。在识别层序界面时，通常利用地质露头、测井、地震等资料进行层序界面识别。地质露头、测井等资料具有分辨率高特点，但属于点状信息；地震资料具有范围广、深度大等特点。虽然其分辨率不如地质、测井等资料，但宏观特征突出，横向连续性好，可大面积追踪，因此目前地震资料已成为地层沉积特征分析特别是沉积层序边界识别与划分的主要依据。不过，目前主要依赖人工解释的方式从地震剖面上进行层序边界解释与分析，效率低、准确性不高。
因此，现有的沉积地层层序边界的识别存在效率低、准确度低的问题。
发明内容
本发明实施例提供一种沉积层序边界识别方法，用以提高沉积层序边界识别的效率和准确率，该方法包括：
按照每个地震道对应的地层旋回曲线的空间位置对所有地层旋回曲线进行组合，形成地层旋回数据；
对所述地层旋回数据进行边缘检测，形成地层边界数据；
对地层边界数据进行追踪和组合，确定沉积层序边界集。
本发明实施例还提供一种沉积层序边界识别装置，用以提高沉积层序边界识别的效率和准确率，该装置包括：
空间位置组合模块，用于按照每个地震道对应的地层旋回曲线的空间位置对所有地层旋回曲线进行组合，形成地层旋回数据；
边缘检测模块，用于对所述地层旋回数据进行边缘检测，形成地层边界数据；
追踪和组合模块，用于对地层边界数据进行追踪和组合，确定沉积层序边界集。
本发明实施例中，首先按照每个地震道对应的地层旋回曲线的空间位置对所有地层旋回曲线进行组合，形成地层旋回数据，作为识别地层层序边界的基础，然后对所述地层旋回数据进行边缘检测，形成地层边界数据，最后对地层边界数据进行追踪和组合，确定沉积层序边界集。本发明实施例根据每个地震道对应的地层旋回曲线的空间位置对所有地层旋回曲线进行组合，形成地层旋回数据，并将其作为识别地层层序边界的基础，可以提高沉积层序边界识别的效率和准确率，然后对所述地层旋回数据进行边缘检测，形成地层边界数据，最后对地层边界数据进行追踪和组合，确定沉积层序边界集。因此，本发明实施例可以提高沉积层序边界识别的效率和准确率。
附图说明
为了更清楚地说明本发明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发明的一些实施例，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为本发明实施例提供的沉积层序边界识别方法的实现流程图；
图2为本发明实施例提供的沉积层序边界识别方法的另一实现流程图；
图3为本发明实施例提供的沉积层序边界识别方法中步骤101的实现流程图；
图4为本发明实施例提供的沉积层序边界识别方法中步骤101的另一实现流程图；
图5为本发明实施例提供的沉积层序边界识别方法中步骤301的实现流程图；
图6为本发明实施例提供的沉积层序边界识别方法中步骤503的实现流程图；
图7为本发明实施例提供的沉积层序边界识别方法中步骤303的实现流程图；
图8为本发明实施例提供的沉积层序边界识别方法中步骤703的实现流程图；
图9为本发明实施例提供的沉积层序边界识别方法中步骤104的实现流程图；
图10为本发明实施例提供的沉积层序边界识别装置的功能模块图；
图11为本发明实施例提供的沉积层序边界识别装置的另一功能模块图；
图12为本发明实施例提供的沉积层序边界识别装置中空间位置组合模块1001的结构框图；
图13为本发明实施例提供的沉积层序边界识别装置中空间位置组合模块1001的另一结构框图；
图14为本发明实施例提供的沉积层序边界识别装置中时频分析模块1201的结构框图；
图15为本发明实施例提供的沉积层序边界识别装置中时频分析单元1403的结构框图；
图16为本发明实施例提供的沉积层序边界识别装置中确定模块1203的结构框图；
图17为本发明实施例提供的沉积层序边界识别装置中确定单元1603的结构框图；
图18为本发明实施例提供的沉积层序边界识别装置中追踪和组合模块1004的结构框图；
图19是本发明实施例提供的某地震道的复合时频谱的示意图；
图20是本发明实施例提供的某地区范围内真实的地震波形数据示意图；
图21是本发明实施例提供的从真实的地震波形数据获得的地层旋回数据示意图；
图22是本发明实施例提供的从真实的地震波形数据获得的地层边界数据示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。
图1示出了本发明实施例提供的沉积层序边界识别方法的实现流程，为便于描述，仅示出了与本发明实施例相关的部分，详述如下：
如图1所示，沉积层序边界识别方法，包括：
步骤101，按照每个地震道对应的地层旋回曲线的空间位置对所有地层旋回曲线进行组合，形成地层旋回数据；
步骤102，对所述地层旋回数据进行边缘检测，形成地层边界数据；
步骤103，对地层边界数据进行追踪和组合，确定沉积层序边界集。
在本发明实施例中，在确定地层层序边界时，根据每个地震道的地震波形数据，可以获得对应的一条地层旋回曲线，每个地震道对应的地层旋回曲线具有不同的空间位置，在形成地层旋回数据时，按照每个地震道对应的地层旋回曲线的空间位置对所有地层旋回曲线进行组合形成地层旋回数据。
边缘检测是图像处理和计算机视觉中的基础技术，目的是标识数字图像中亮度变化明显的点及其由一系列点所组成的异常体边界线或分割线。在本发明实施例中，对地层旋回数据进行边缘检测，用来识别地层旋回数据中的边缘特征，即地层旋回数据的边缘信息。在对地层旋回数据进行边缘检测后，可以形成地层边界数据，该地层边界数据即包含了地层旋回数据的边缘特征。
对地层旋回数据进行边缘检测而形成的地层旋回数据，是一种与地震波形数据格式一致的，从地震波形数据中获取的能够反映地层沉积旋回特征的数据体。而地震波形数据是指通过人工地震测量所获得的、以波形存在的地震数据，包括多个等间隔采样点，以及与等间隔采样点对应的采样时间和振幅等。
地层边界数据，是一种与地层旋回数据及地震波形数据格式一致，从地震波形数据中提取得到的一种能够反映沉积层序边界的数据。对地层旋回数据进行边缘检测后，地层旋回数据将仅保留其具有突变特征的边缘信息，而消除非突变信息。这些由一系列经过边缘检测后保留下来的边缘信息所组成的地层旋回数据，主要指示了地层边界(即相邻地层之间的分界面)的存在及其位置，因此将边缘检测后的地层旋回数据称为地层边界体，在地层边界体中，每一个与特定地层相关的地层边界点所组成的曲面表示一个沉积地层边界。
在进一步的实施例中，所述地层边界数据为二维地层边界数据或三维地层边界数据。在本发明实施例中，地层边界数据与地层旋回数据类型一致。即当地层旋回数据为二维地震波形数据时，地层边界数据为二维地层边界数据；当地层旋回数据为三维地层旋回数据时，地层边界数据为三维地层边界数据。
同样地，地层边界数据中不同的沉积层序边界具有不同的空间位置，对地层边界数据进行追踪和组合，可以确定沉积层序边界集。该沉积层序边界集包含了从地层旋回数据中提取得到的多个沉积层序边界。
在本发明实施例中，按照每个地震道对应的地层旋回曲线的空间位置对所有地层旋回曲线进行组合，形成地层旋回数据，作为确定沉积层序边界集的基础，可以提高沉积层序边界识别的效率和准确率，然后对所述地层旋回数据进行边缘检测，形成地层边界数据，对地层边界数据进行追踪和组合，确定沉积层序边界集。因此，本发明实施例可以提高沉积层序边界识别的效率和准确率。
图2示出了本发明实施例提供的沉积层序边界识别方法的另一实现流程，根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略，为便于描述，仅示出了与本发明实施例相关的部分，详述如下：
在进一步的实施例中，如图2所示，沉积层序边界识别方法，还包括：
步骤201，对地层边界数据进行边缘细化，获得边缘细化后的地层边界数据。
相应地，步骤103，对地层边界数据进行追踪和组合，确定沉积层序边界集包括：
步骤202，对边缘细化后的地层边界数据进行追踪和组合，确定沉积层序边界集。
细化通常是指把一个具有一定面积的区域用一条横线来代表它，边缘细化，是指把较粗的边缘用一条较细的线来表示。现有的边缘细化可以粗略地分为两大类：基于二值边缘图像的边缘细化和基于数学形态学的边缘细化。
在本发明实施例中，对地层边界数据进行边缘细化，是指采用边缘细化算法对大于1个地震道宽度(横向)或1个时域采样点宽度(纵向)的地层边界进行细化，使其成为一个地震道宽度(横向)或一个时域采样点宽度(纵向)的地层边界。在进行横向边缘细化时，如果在同一方向上相邻的3个地层边界点(即3个地震道宽度)的属性值存在突变，则将其视为地层边界，并将其采样点属性值设置为1，否则将其采样点属性值设置为0；同样地，在进行纵向边缘细化时，如果在同一方向上相邻的3个时域采样点(即3个时域采样点宽度)的属性值存在突变，则将其视为地层边界，并将其采样点属性值设置为1，否则将其采样点属性值设置为0。
本发明实施例对地层边界数据进行边缘细化，可以进一步提高沉积层序边界识别的效率和准确率。
在进一步的实施例中，对地层边界数据进行边缘细化，包括：
步骤：利用横向边缘细化算子对地层边界数据进行横向边缘细化；和/或
步骤：利用纵向边缘细化算子对地层边界数据进行纵向边缘细化。
在本发明实施例中，利用形态学边缘细化算子对地层边界数据进行细化，形态学边缘细化算子，是指一种具有方向性的矩阵形式的边缘细化算子，包括横向边缘细化算子和纵向边缘细化算子。
在本发明实施例中，在利用横向边缘细化算子进行边缘细化处理时，通常将横向边缘细化算子的矩阵维度设置为3×3，本领域技术人员可以理解的是，还可以根据实际需求将横向边缘细化算子的矩阵维度设置为其他维度，例如将横向边缘细化算子的矩阵维度设置为5×5，本发明对此不做特别的限制。
在本发明实施例中，将横向边缘细化算子的矩阵维度设置为3×3，如下所示：
横向边缘细化算子中，1表示像素值为1，0表示像素值为0，*表示像素值为任意值。矩阵中心元素对应地层边界数据中的目标点数据。横向边缘细化是利用横向边缘细化算子，对地层边界数据中的纵向或者近似纵向的边缘进行细化，而不改变横向边缘或者近似横向边缘的宽度。
在本发明实施例中，将纵向边缘细化算子的矩阵维度设置为3×3，如下所示：
纵向边缘细化算子中，1表示像素值为1，0表示像素值为0，*表示像素值为任意值。矩阵中心元素对应地层边界数据中的目标点数据。纵向边缘细化是利用纵向边缘细化算子，对地层边界数据中的横向或者近似横向的边缘进行细化，而不改变纵向边缘或者近似纵向边缘的宽度。
本发明实施例中，利用横向边缘细化算子对地层边界数据进行横向边缘细化，及利用纵向边缘细化算子对地层边界数据进行纵向边缘细化，可以进一步提高沉积层序边界识别的准确度。
本发明实施例提供的横向边缘细化算子和纵向边缘细化算子的维度一致，适合对水平或者近似水平的地层边界进行边缘细化。如果地层是倾斜的，可以根据地层的倾斜角大小，调整横向边缘细化算子和/或纵向边缘细化算子的尺度来改善边缘细化的效果。
在进一步的实施例中，沉积层序边界识别方法，还包括：
步骤：利用形态学平滑滤波器对地层边界数据进行平滑滤波，获得平滑滤波后的地层边界数据；和/或
步骤：利用面积阈值滤波器对地层边界数据进行面积滤波，获得面积滤波后的地层边界数据。
相应地，步骤103，对地层边界数据进行追踪和组合，确定沉积层序边界集包括：
步骤：对平滑滤波后的地层边界数据进行追踪和组合，确定沉积层序边界集；和/或
步骤：对面积滤波后的地层边界数据进行追踪和组合，确定沉积层序边界集。
平滑滤波是一种低频增强的空间滤波技术。平滑滤波可以实现模糊和消除噪音的目的。面积滤波是根据二值图像中连通域的面积滤除选定阈值范围之外的连通区域。形态学滤波器是近年来出现的一类重要的非线性滤波器，其在形状识别、边缘检测、纹理分析、图像恢复和增强等领域得到了广泛的应用。由于形态学滤波器是从图像的几何形态出发来进行图像处理，因此可以在滤波的同时，保持图像结构不被钝化。
在本发明实施例中，形态学滤波器是一种基于地层界面形态对地层边界数据进行方向上滤波的滤波器，利用形态学平滑滤波器对地层边界数据进行平滑滤波，可以提高地层边界数据的连续性。
在本发明实施例中，面积阈值滤波器是一种根据地层边界数据中地层边界的面积大小来确定地层边界是否保留或者滤除的滤波器。即若某一地层边界的面积小于预设面积阈值，则将该地层边界滤除；相反的，若某一地层边界的面积大于或者等于预设面积阈值，则将该地层边界予以保留。其中，预设面积阈值为预先设定的面积阈值，本领域技术人员可以理解的是，可以根据实际需要设定预设面积阈值的值，本发明实施例对此不做特别的限制。利用面积阈值滤波器对地层边界数据进行面积滤波，可以。减少地层边界数据的噪音数据
本发明实施例，利用形态学平滑滤波器对地层边界数据进行平滑滤波，可以提高地层边界数据的连续性，而利用面积阈值滤波器对地层边界数据进行面积滤波，可以滤除面积小、连续性差的地层边界，减少地层边界数据中的噪音，进而进一步提高沉积层序边界识别的准确度。
图3示出了本发明实施例提供的沉积层序边界识别方法中步骤101的实现流程，为便于描述，仅示出了与本发明实施例相关的部分，详述如下：
在进一步的实施例中，如图3所示，步骤101，按照每个地震道对应的地层旋回曲线的空间位置对所有地层旋回曲线进行组合，形成地层旋回数据包括：
步骤301，对预设邻域范围内的地震波形数据进行时频分析，获得每个地震道的时频谱集；
步骤302，对每个地震道的时频谱集进行平滑，形成每个地震道的复合时频谱；
步骤303，确定每个地震道的复合时频谱对应的地层旋回曲线；
步骤304，按照每个地层旋回曲线的空间位置对所有地层旋回曲线进行组合，形成地层旋回数据。
在本发明实施例中，地震波形数据是指通过人工地震测量所获得的、以波形存在的地震数据，包括多个等间隔采样点，以及与等间隔采样点对应的采样时间和振幅等。地震道由一定频率范围的地震波形的能量组成。所述预设邻域范围为预先设置的邻域范围，本领域技术人员可以理解的是，可以根据实际需求设置不同的邻域范围，本发明实施例对此不做特别的限制。对一个预设邻域范围内的地震波形数据进行时频分析，可以获得一个地震道的时频谱集，对多个预设邻域范围内的地震波形数据进行时频分析，可以获得每个地震道的时频谱集。
在进一步的实施例中，按照地震波形数据类型的不同，所述地震波形数据为二维地震波形数据或三维地震波形数据。
时频分析(JTFA)，即时频联合域分析(Joint Time-Frequency Analysis)的简称，作为一种新兴的信号处理方法，近年来受到越来越多的重视，是分析时变非平稳信号的有力工具，是现代信号处理研究的一个热点之一。时频分析方法提供了时间域与频率域的联合分布信息，清楚地描述了信号频率随时间变化的关系。时频分析的基本思想是：设计时间和频率的联合函数，用它同时描述信号在不同时间和频率的能量密度或强度。时间和频率的这种联合函数简称为时频分布。利用时频分布来分析信号，能给出各个时刻的瞬时频率及其幅值，并且能够进行时频滤波和时变信号研究。在进一步的实施例中，在进行时频分析时，可采用短时窗傅里叶变换(英文全称：Short-time Fourier Transform，简STFT)、连续小波变换(英文全称：Continuous Wavelet Transform，简称CWT)或广义S变换(英文全称：Generalized S-transformation，简称GST)等时频分析方法，以获得稳定的时频分析效果。
平滑是指对不断获得的实际数据和原预测数据给以加权平均，使预测结果更接近于实际情况的预测方法，又称为光滑法或者递推修正法。每个地震道的时频谱集包含有多个时频谱，对每个地震道的时频谱集进行平滑，即对每个地震道的时频谱集所包含的多个时频谱进行平滑，即可形成每个地震道的复合时频谱。对每个地震道的时频谱集进行平滑处理，可以提高地层旋回分析的稳定性和健壮性。
在获取每个地震道的复合时频谱后，即可根据每个地震道的复合时频谱，确定每个地震道的复合时频谱对应的地层旋回曲线。即一个地震道对应一条地层旋回曲线，而多个地震道对应多条地层旋回曲线。
每个地震道对应的地层旋回曲线具有不同的空间位置，在进行地层旋回分析时，按照每个地层旋回曲线的空间位置，对所有地震道对应的所有地层旋回曲线进行组合，形成地层旋回数据。我们可以将形成的地层旋回数据称为地层旋回体，所述地层旋回体是一种与地震波形数据格式一致的，从地震波形数据中获取的能够反映地层沉积旋回特征的数据体。
在进一步的实施例中，所述地层旋回数据为二维地层旋回数据或三维地层旋回数据。在本发明实施例中，地层旋回数据与地震波形数据类型一致。即当地震波形数据为二维地震波形数据时，地层旋回数据为二维地层旋回数据；当地震波形数据为三维地震波形数据时，地层旋回数据为三维地层旋回数据。
本发明实施例，对预设邻域范围内的地震波形数据进行时频分析，获得每个地震道的时频谱集，对每个地震道的时频谱集进行平滑，形成每个地震道的复合时频谱，确定每个地震道的复合时频谱对应的地层旋回曲线，按照每个地层旋回曲线的空间位置对所有地层旋回曲线进行组合，形成地层旋回数据，可以提高地层旋回分析的精确度，进而提高沉积层序边界识别的准确率。
图4示出了本发明实施例提供的沉积层序边界识别方法中步骤101的另一实现流程，根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略，为便于描述，仅示出了与本发明实施例相关的部分，详述如下：
在进一步的实施例中，如图4所示，步骤101，按照每个地震道对应的地层旋回曲线的空间位置对所有地层旋回曲线进行组合，形成地层旋回数据还包括：
步骤401，利用低通滤波器对每个地层旋回曲线进行滤波，获得滤波后的每个地层旋回曲线。
相应的，步骤304，按照每个地层旋回曲线的空间位置对所有地层旋回曲线进行组合，形成地层旋回数据包括：
步骤402，按照滤波后的每个地层旋回曲线的空间位置对所有地层旋回曲线进行组合，形成地层旋回数据。
在本发明实施例中，利用低通滤波器对每个地层旋回曲线进行滤波，地层旋回曲线的低频段得以保留，高频段得到抑制，可以提高地层旋回分析的稳定性和精确度，进而提高沉积层序边界识别的准确率。
在进一步的实施例中，所述低通滤波器包括巴特沃斯低通滤波器。在更进一步的实施例中，所述巴特沃斯低通滤波器的带宽为1-20Hz，即一个信号通过巴特沃斯低通滤波器后，仅保留1-20Hz的频率成分。
巴特沃斯滤波器是一种电子滤波器，亦可以由数字滤波器进行模拟实现。巴特沃斯滤波器的特点是通频带的频率响应曲线是较为平滑的，该滤波器最先由英国工程师斯蒂芬·巴特沃斯(Stephen Butterworth)在1930年发表在英国《无线电工程》期刊的一篇论文中提出的，并以其名字命名。巴特沃斯低通滤波器可用如下振幅的平方对频率的公式表示：
其中，n为巴特沃斯低通滤波器的阶数，ω为频率，ωc为截止频率(即振幅下降为-3分贝时的频率)。
图5示出了本发明实施例提供的沉积层序边界识别方法中步骤301的实现流程，为便于描述，仅示出了与本发明实施例相关的部分，详述如下：
在进一步的实施例中，如图5所示，步骤301，对预设邻域范围内的地震波形数据进行时频分析，获得每个地震道的时频谱集包括：
步骤501，根据预设邻域范围内地震波形数据的频谱确定地震波形数据的频带范围；
步骤502，根据所述地震波形数据的频带范围确定时频分析的频带范围；
步骤503，根据所述时频分析的频带范围对预设邻域范围内的地震波形数据进行时频分析，形成每个地震道的时频谱集。
在本发明实施例中，首先根据地震波形数据的频谱确定地震波形数据的频带范围，进而根据地震波形数据的频带范围确定时频分析的频带范围，最后根据时频分析的频带范围，对预设邻域范围内的地震波形数据进行时频分析，即可获得每个地震道的时频谱集，因此，可以提高地层旋回分析的精确度，进而提高沉积层序边界识别的准确率。
在进一步的实施例中，所述地震波形数据的频带范围为低截频与高截频之间的频带范围，所述时频分析的频带范围为最小分析频率与最大分析频率之间的频带范围。其中，所述时频分析的最小分析频率大于或者等于所述地震波形数据的低截频，所述时频分析的最大分析频率小于或者等于所述地震波形数据的高截频。
图6示出了本发明实施例提供的沉积层序边界识别方法中步骤503的实现流程，为便于描述，仅示出了与本发明实施例相关的部分，详述如下：
在进一步的实施例中，在预设邻域范围内包括多个地震道，。如图6所示，步骤503，根据所述时频分析的频带范围对预设邻域范围内的地震波形数据进行时频分析，形成每个地震道的时频谱集包括：
步骤601，以当前地震道为中心对预设邻域范围内每个地震道的地震波形数据进行时频分析，获得每个地震道的时频谱；
步骤602，将预设邻域范围内的多个地震道的时频谱进行组合，形成当前地震道的时频谱集。
在本发明实施例中，预设邻域范围内包括多个地震道，在获取每个地震道的时频谱集时，以当前地震道进行说明。首先，以当前地震道为中心，获取预设邻域范围内的多个地震道，该当前地震道即为预设邻域范围内多个地震道的中心地震道。进而对预设邻域范围内的每个地震道的地震波形数据进行分析，获得预设邻域范围内每个地震道的时频谱。最后，将预设邻域范围内的多个地震道的时频谱进行组合，形成当前地震道的时频谱集。本发明实施例，在获取当前地震道的时频谱时，以当前地震道为中心对预设邻域范围内的每个地震道进行时频分析，然后将预设邻域范围内的多个地震道的时频谱进行组合，形成当前地震道的时频谱集，可以提高地层旋回分析的精确度，进而提高沉积层序边界识别的准确率。
在进一步的实施例中，预设邻域范围内地震道数量和预设邻域半径之间的关系满足：
k＝(1+r×2)2，且0≤r≤9；
其中，k为地震道数量，r为预设邻域半径。
在本发明实施例中，预设邻域范围内的地震道数量和预设邻域半径满足上述关系式。若邻域半径r为2，则预设邻域范围内的地震道数量k为25。若邻域半径r为4，则预设邻域范围内的地震道数量k为81。
在进一步的实施例中，预设邻域范围内多个地震道的频段数与时频分析的频带范围的最小分析频率、最大分析频率，以及预设频段宽度之间的关系满足：
其中，m为预设邻域范围内多个地震道的频段数，Vmin为最小分析频率，Vmax为最大分析频率，ΔV为预设频段宽度。
在本发明实施例中，预设频段宽度ΔV为预先设定的频段宽度，以1Hz或者接近1Hz为宜。本领域技术人员可以理解的是，还可以将预设频段宽度设定为其他的频段宽度，本发明实施例对此不做特别的限制。
在进一步的实施例中，步骤302，对每个地震道的时频谱集进行平滑，形成每个地震道的复合时频谱包括：
利用反距离加权平均对所述时频谱集进行平滑，形成每个地震道的复合时频谱。
反距离加权平均，又称为距离倒数法，是指距离倒数乘方网格化方法是一个加权平均法，是一种公用的数据平滑算法。其规则是，待叠加的数据离中心点的距离越近，其对应的加权系数越大，在叠加后的数据中所占有的成分越大，反之亦然。
反距离加权平均的公式可以表示为：
其中，xi为预设邻域内的时频谱集，n为预设邻域内的时频谱集的个数，di为第i个时频谱集到中心参考点的距离，y为加权叠加后的复合时频谱。
在本发明实施例中，利用反距离加权平均对所述时频谱集进行平滑，可以提高地层旋回分析的稳定性和健壮性，进而提高沉积层序边界识别的准确率。
图7示出了本发明实施例提供的沉积层序边界识别方法中步骤303的实现流程，为便于描述，仅示出了与本发明实施例相关的部分，详述如下：
在进一步的实施例中，如图7所示，步骤303，确定每个地震道的复合时频谱对应的地层旋回曲线包括：
步骤701，从每个地震道的复合时频谱的时频谱中心道处的时频波形中提取波形特征点序列；
步骤702，分别以波形特征点序列中的波形特征点为种子点，对复合时频谱进行同相轴追踪，形成复合时频谱同相轴趋势线；
步骤703，根据所述复合时频谱同相轴趋势线的斜率确定地层旋回特征点序列；
步骤704，利用线性插值将所述地层旋回特征点序列转换为每个地震道对应的地层旋回曲线。
在本发明实施例中，时频谱中心道处的时频波形是指复合时频谱中间的时频波形，该处的时频波形所对应的频率为最小分析频率和最大分析频率的平均值。首先从每个地震道的复合时频谱的时频谱中心道处的时频波形中提取波形特征点，并组成波形特征点序列。种子点是指用于指示地层边界存在的一个点，具有空间位置(即X、Y和Z坐标)特征并拥有一个地层边界序号。波形特征点是指波形中具有明显特征的位置，例如波峰、波谷或者过零点(特指地震波形的振幅值从正变负或从负变正的临界点)等位置。同相轴是地震记录上各道振动相位相同的极值(俗称波峰或波谷)的连线，在解释地震资料时，常常根据地震记录上有规律地出现的形状相似的振动所组成的同相轴进行构造解释，获得地层的空间形态，并将其称之为同相轴追踪。同相轴追踪是地震解释中的重要环节，地震信号中所携带的大部分信息基本上都包含在同相轴上。
因此，在获取波形特征点序列后，分别以波形特征点序列中的波形特征点为种子点，对复合时频谱进行同相轴追踪，即可形成复合时频谱同相轴趋势线。进而可以根据所述复合时频谱同相轴趋势线的斜率确定地层旋回特征点序列，最后利用线性插值将地层旋回特征点序列转换为每个地震道对应的地层旋回曲线，至此即可从复合时频谱中提取出地层旋回曲线。
在本发明实施例中，从每个地震道的复合时频谱的时频谱中心道处的时频波形中提取波形特征点序列，分别以波形特征点序列中的波形特征点为种子点，对复合时频谱进行同相轴追踪，形成复合时频谱同相轴趋势线，根据所述复合时频谱同相轴趋势线的斜率确定地层旋回特征点序列，利用线性插值将所述地层旋回特征点序列转换为每个地震道对应的地层旋回曲线。本发明实施例，从复合时频谱的时频谱中心道处的时频波形中提取波形特征点序列，分别以波形特征点序列中的波形特征点为种子点，对复合时频谱进行同相轴追踪，可以进一步提高地层旋回分析的效率和精确度，进而提高沉积层序边界识别的效率和准确率。
图8示出了本发明实施例提供的沉积层序边界识别方法中步骤703的实现流程，为便于描述，仅示出了与本发明实施例相关的部分，详述如下：
在进一步的实施例中，如图8所示，步骤703，根据所述复合时频谱同相轴趋势线的斜率确定地层旋回特征点序列包括：
步骤801，利用阶跃函数对所述复合时频谱同相轴趋势线的斜率进行符号运算，确定地层旋回类型，所述地层旋回类型包括正旋回和反旋回；
步骤802，将所有复合时频谱同相轴趋势线对应的地层旋回类型进行组合，形成地层旋回特征点序列。
阶跃函数，又称为符号函数，一个实数型参数通过该阶跃函数可以返回一个整形数，用于表示参数的正负号。阶跃函数在参数小于零时，函数值返回-1；在参数大于或者等于零时，函数值返回1。因此，阶跃函数可以进行符号运算，其运算结果仅保留-1和1两个值。
在本发明实施例中，在确定地层旋回类型时，利用阶跃函数对复合时频谱同相轴趋势线的斜率进行符号运算，即可确定地层旋回类型。其中，函数值-1表示反旋回，函数值1表示正旋回。在确定地层旋回类型后，即可将所有复合时频谱同相轴趋势线对应的地层旋回类型进行组合，形成地层旋回特征点序列。
在进一步的实施例中，步骤102，对所述地层旋回数据进行边缘检测，形成地层边界数据包括：
步骤：利用纵向Sobel滤波器对所述地层旋回数据进行纵向边缘检测；和/或
步骤：利用横向Sobel滤波器对所述地层旋回数据进行横向边缘检测。
在本发明实施例中，采用基于计算机图形学的纵向Sobel滤波器和横向Sobel滤波器对地层旋回数据分别进行纵向边缘检测和横向边缘检测。
Sobel滤波器主要用作边缘检测，它是一个离散的差分算子，用来识别图像中的边缘特征，使边缘特征得以突出。与其它滤波器(如高斯滤波器、Canny边缘检测算子等)相比，Sobel滤波器的最大特点是其具有方向性，可以分为纵向Sobel滤波器和横向Sobel滤波器。
在本发明实施例中，纵向Sobel滤波器表现为矩阵形式。在利用纵向Sobel滤波器进行滤波处理时，通常将矩阵的维度设置为3×3，本领域技术人员可以理解的是，还可以根据实际需求将纵向Sobel滤波器的矩阵维度设置为其他维度，例如将纵向Sobel滤波器的矩阵维度设置为5×5，本发明对此不做特别的限制。
在本发明实施例中，将纵向Sobel滤波器的矩阵维度设置为3×3，如下所示：
可以看出，纵向Sobel滤波器第一行和第三行矩阵元素的符号是相反的，因此可以突出地层旋回数据中的纵向突变点，消除地层旋回数据中的纵向非突变点，检测出地层旋回数据的横向边缘信息。
在本发明实施例中，横向Sobel滤波器同样表现为矩阵形式，且将横向Sobel滤波器的矩阵维度设置为3×3，与纵向Sobel滤波器的维度是一致的，横向Sobel滤波器如下所示：
可以看出，横向Sobel滤波器第一行和第三行矩阵元素的符号是相反的，因此可以突出地层旋回数据中的横向突变点，消除地层旋回数据中的横向非突变点，检测出地层旋回数据的纵向边缘信息。
本发明实施例提供的纵向Sobel滤波器和横向Sobel滤波器的维度一致，适合对水平或者近似水平的地层进行滤波。如果地层是倾斜的，可以根据地层的倾斜角大小，调整横向Sobel滤波器和/或纵向Sobel滤波器的尺度来增强滤波器的适应性。
本发明实施例，利用纵向Sobel滤波器对地层旋回数据进行纵向边缘检测，以及利用横向Sobel滤波器对地层旋回数据进行横向边缘检测，可以进一步提高沉积层序识别的效率和准确度。
图9示出了本发明实施例提供的沉积层序边界识别方法中步骤104的实现流程，为便于描述，仅示出了与本发明实施例相关的部分，详述如下：
在进一步的实施例中，如图9所示，步骤104，对地层边界数据进行追踪和组合，确定沉积层序边界集包括：
步骤901，在地层边界数据中所有待提取的地层边界上设置种子点；
步骤902，以种子点为参考点对地层边界进行追踪，形成地层边界片；
步骤903，根据相邻地层边界片之间的距离对所有地层边界片进行组合，形成沉积层序边界；
步骤904，对沉积层序边界进行空间插值和平滑滤波，形成矢量化的沉积层序边界；
步骤905，按照矢量化的沉积层序边界中所有沉积层序边界的空间位置进行组合，形成沉积层序边界集。
种子点是指用于指示地层边界存在的一个点，具有空间位置(即X、Y和Z坐标)特征并拥有一个地层边界序号。在地层边界数据中所有待提取的地层边界上设置种子点，每一个地层边界应满足设置至少一个种子点。
另外，还可以从地层边界数据中自动识别种子点，其是根据地层边界数据中个采样点的属性值判断该采样点是否为地层边界点，若该采样点的属性值为1，则该采样点为地层边界点，并将该采样点设置为种子点。
在对地层边界进行追踪时，以种子点为参考点，利用洪水填充法将种子点在整个地层边界数据中进行扩散，将所有与该种子点处的地层边界点特征相似、且属于同一地层边界的地层边界点全部识别出来，并将这些属于同一地层边界的地层边界点按照各自的空间位置组合为一个地层边界片。每一个种子点对应一个地层边界片，每一个地层边界包含至少一个地层边界片。
洪水填充，是一种在多维空间中确定连通区域的算法，是经典的图像处理方法，主要用于图像中的区域填充或区域颜色替换。它是指从一个种子点出发，采用一定的规则判断种子点周围的像素点是否与种子点一致或类似，以确定该点是否属于种子点所在的填充区域。洪水填充主要包括二连通、四连通和八连通。二连通是指从图像中的某一点出发从左、右两个方向对目标区域进行扩展。四连通是指从图像中某一点出发，可通过对四个方向即上、下、左、右像素点进行判断以确定是否对目标区域进行扩展。与四连通类似，八连通通过上、下、左、右、左上、右上、左下、右下这8个方向实现目标区域的扩展。二维地震测线的层位追踪采用二连通，三维地震工区可使用四连通或八连通，但由于三维地震工区具有主测线和联络线两个互相垂直的方向，且沿这两个方向估算地震同相轴倾角更为简单，因此四连通更符合三维地震数据的特征。因此，对于二维的地层边界数据，可以采用二连通进行追踪；对于三维的地层边界数据，可以采用四连通进行追踪。
根据相邻地层边界片之间的距离对所有地层边界片进行组合，是指根据两个相邻的地层边界片的包络线(即地层边界片的边缘线)之间的空间距离确定他们是否属于同一个地层边界。如果两个地层边界之间的空间距离小于或者等于预设空间距离，则将这两个地层边界片合并为一个，否则保持两个地层边界片各自独立，最终形成沉积层序边界。所述预设空间距离为预先设置的空间距离，本发明实施例将其设置为3个地震道宽度，本领域技术人员可以理解的是，还可以将所述预设空间距离设置为其他的空间距离，例如将预设空间距离设置为5个地震道宽度，本发明对此不做特别的限制。
对形成的沉积层序边界空间插值和平滑滤波，主要是指对合并相邻的地层边界片而形成的沉积层序边界进行空间插值和平滑滤波，形成无空洞的、连续的、矢量化的沉积层序边界。最后对于矢量化的沉积层序边界，按照沉积层序边界的空间位置，对矢量化的沉积层序边界中所有的沉积层序边界进行组合，形成最终的沉积层序边界集，并将该沉积层序边界集作为整体进行输出。
本发明实施例中，根据相邻地层边界片之间的距离对所有地层边界片进行组合，形成沉积层序边界，对沉积层序边界进行空间插值和平滑滤波，形成矢量化的沉积层序边界，按照矢量化的沉积层序边界中所有沉积层序边界的空间位置进行组合，形成沉积层序边界集。因此，本发明实施例可以进一步提高沉积层序边界识别的效率和准确率。
本发明实施例中还提供了一种沉积层序边界识别装置，如下面的实施例所述。由于这些装置解决问题的原理与沉积层序边界识别方法相似，因此这些装置的实施可以参见方法的实施，重复之处不再赘述。
图10示出了本发明实施例提供的沉积层序边界识别装置的功能模块，为便于说明，仅示出了与本发明实施例相关的部分，详述如下：
参考图10，所述沉积层序边界识别装置所包含的各个模块用于执行图1对应实施例中的各个步骤，具体请参阅图1以及图1对应实施例中的相关描述，此处不再赘述。本发明实施例中，所述沉积层序边界识别装置包括空间位置组合模块1001、边缘检测模块1002、以及追踪和组合模块1003。
所述空间位置组合模块1001，用于按照每个地震道对应的地层旋回曲线的空间位置对所有地层旋回曲线进行组合，形成地层旋回数据。
所述边缘检测模块1002，用于对所述地层旋回数据进行边缘检测，形成地层边界数据。
所述追踪和组合模块1003，用于对地层边界数据进行追踪和组合，确定沉积层序边界集。
在本发明实施例中，空间位置组合模块1001按照每个地震道对应的地层旋回曲线的空间位置对所有地层旋回曲线进行组合，形成地层旋回数据，作为确定沉积层序边界集的基础，可以提高沉积层序边界识别的效率和准确率，然后边缘检测模块1002对所述地层旋回数据进行边缘检测，形成地层边界数据，追踪和组合模块1003对地层边界数据进行追踪和组合，确定沉积层序边界集。因此，本发明实施例可以提高沉积层序边界识别的效率和准确率。
图11示出了本发明实施例提供的沉积层序边界识别装置的另一功能模块，为便于说明，仅示出了与本发明实施例相关的部分，详述如下：
在进一步的实施例中，参考图11，所述沉积层序边界识别装置所包含的各个模块用于执行图2对应实施例中的各个步骤，具体请参阅图2以及图2对应实施例中的相关描述，此处不再赘述。在进一步的实施例中，如图11所示，所述沉积层序边界识别装置还包括边缘细化模块1101。
所述边缘细化模块1101，用于对地层边界数据进行边缘细化，获得边缘细化后的地层边界数据。
相应的，所述追踪和组合模块1003，具体用于对边缘细化后的地层边界数据进行追踪和组合，确定沉积层序边界集。
在进一步的实施例中，所述沉积层序边界识别装置还包括平滑滤波模块和/或面积滤波模块。
所述平滑滤波模块，用于利用形态学平滑滤波器对地层边界数据进行平滑滤波，获得平滑滤波后的地层边界数据；和/或
所述面积滤波模块，用于利用面积阈值滤波器对地层边界数据进行面积滤波，获得面积滤波后的地层边界数据。
相应的，所述追踪和组合模块1003，具体用于对平滑滤波后的地层边界数据进行追踪和组合，确定沉积层序边界集；和/或
所述追踪和组合模块1003，具体用于对面积滤波后的地层边界数据进行追踪和组合，确定沉积层序边界集。
在本发明实施例中，平滑滤波模块利用形态学平滑滤波器对地层边界数据进行平滑滤波，可以提高地层边界数据的连续性，而面积滤波模块利用面积阈值滤波器对地层边界数据进行面积滤波，可以滤除面积小，连续性差的地层边界，减少地层边界数据的噪音数据，进而进一步提高沉积层序边界识别的效率和准确度。
图12示出了本发明实施例提供的沉积层序边界识别装置中空间位置组合模块1001的结构示意，为便于说明，仅示出了与本发明实施例相关的部分，详述如下：
在进一步的实施例中，参考图12，所述空间位置组合模块1001所包含的各个单元用于执行图3对应实施例中的各个步骤，具体请参阅图3以及图3对应实施例中的相关描述，此处不再赘述。本发明实施例中，所述空间位置组合模块1001包括时频分析模块1201、平滑模块1202、确定模块1203以及组合模块1204。
所述时频分析模块1201，用于对预设邻域范围内的地震波形数据进行时频分析，获得每个地震道的时频谱集；
所述平滑模块1202，用于对每个地震道的时频谱集进行平滑，形成每个地震道的复合时频谱；
所述确定模块1203，用于确定每个地震道的复合时频谱对应的地层旋回曲线；
所述组合模块1204，用于按照每个地层旋回曲线的空间位置对所有地层旋回曲线进行组合，形成地层旋回数据。
在本发明实施例中，时频分析模块1201对预设邻域范围内的地震波形数据进行时频分析，获得每个地震道的时频谱集，平滑模块1202对每个地震道的时频谱集进行平滑，形成每个地震道的复合时频谱，确定模块1203确定每个地震道的复合时频谱对应的地层旋回曲线，组合模块1204按照每个地层旋回曲线的空间位置对所有地层旋回曲线进行组合，形成地层旋回数据，可以提高地层旋回分析的精确度，进而提高沉积层序边界识别的准确率。
图13示出了本发明实施例提供的沉积层序边界识别装置中空间位置组合模块1001的另一结构示意，为便于说明，仅示出了与本发明实施例相关的部分，详述如下：
在进一步的实施例中，参考图13，所述空间位置组合模块1001所包含的各个模块用于执行图4对应实施例中的各个步骤，具体请参阅图4以及图4对应实施例中的相关描述，此处不再赘述。本发明实施例中，所述空间位置组合模块1001还包括滤波模块1301。
所述滤波模块1301，用于利用低通滤波器对每个地层旋回曲线进行滤波，获得滤波后的每个地层旋回曲线；
所述组合模块1204，用于按照滤波后的每个地层旋回曲线的空间位置对所有地层旋回曲线进行组合，形成地层旋回数据。
在本发明实施例中，滤波模块1301利用低通滤波器对每个地层旋回曲线进行滤波，获得滤波后的每个地层旋回曲线，地层旋回曲线的低频段得以保留，高频段得到抑制，可以提高地层旋回分析的稳定性和精确度，进而提高沉积层序边界识别的准确率。
图14示出了本发明实施例提供的沉积层序边界识别装置中时频分析模块1201的结构示意，为便于说明，仅示出了与本发明实施例相关的部分，详述如下：
在进一步的实施例中，参考图14，所述时频分析模块1201所包含的各个单元用于执行图5对应实施例中的各个步骤，具体请参阅图5以及图5对应实施例中的相关描述，此处不再赘述。本发明实施例中，所述时频分析模块1201包括第一确定单元1401、第二确定单元1402以及时频分析单元1403。
所述第一确定单元1401，用于根据预设邻域范围内地震波形数据的频谱确定地震波形数据的频带范围；
所述第二确定单元1402，用于根据所述地震波形数据的频带范围确定时频分析的频带范围；
所述时频分析单元1403，用于根据所述时频分析的频带范围对预设邻域范围内的地震波形数据进行时频分析，形成每个地震道的时频谱集。
在本发明实施例中，首先第一确定单元1401根据地震波形数据的频谱确定地震波形数据的频带范围，进而第二确定单元1402根据地震波形数据的频带范围确定时频分析的频带范围，最后时频分析单元1403根据时频分析的频带范围，对预设邻域范围内的地震波形数据进行时频分析，即可获得每个地震道的时频谱集，因此，可以提高地层旋回分析的精确度，进而提高沉积层序边界识别的准确率。
在进一步的实施例中，所述地震波形数据的频带范围为低截频与高截频之间的频带范围，所述时频分析的频带范围为最小分析频率与最大分析频率之间的频带范围。其中，所述时频分析的最小分析频率大于或者等于所述地震波形数据的低截频，所述时频分析的最大分析频率小于或者等于所述地震波形数据的高截频。
图15示出了本发明实施例提供的沉积层序边界识别装置中时频分析单元1403的结构示意，为便于说明，仅示出了与本发明实施例相关的部分，详述如下：
在进一步的实施例中，在预设邻域范围内包括多个地震道，。参考图15，所述时频分析单元1403所包含的各个子单元用于执行图6对应实施例中的各个步骤，具体请参阅图6以及图6对应实施例中的相关描述，此处不再赘述。本发明实施例中，所述时频分析单元1403包括时频分析子单元1501和时频谱组合子单元1502。
所述时频分析子单元1501，用于以当前地震道为中心对预设邻域范围内每个地震道的每个频段范围内的地震波形数据进行时频分析，获得每个地震道的时频谱。
所述时频谱组合子单元1502，用于将预设邻域范围内的多个地震道的时频谱进行组合，形成当前地震道的时频谱集。
在本发明实施例中，预设邻域范围内包括多个地震道，且每个地震道均包括频段宽度相等的多个频段。为了获得每个地震道的时频谱，首先时频分析子单元1501以当前地震道为中心对预设邻域范围内每个地震道的每个频段范围内的地震波形数据进行时频分析，获得每个地震道的时频谱。在获得每个地震道的时频谱后，时频谱组合子单元1502将预设邻域范围内的多个地震道的时频谱进行组合，形成当前地震道的时频谱集，因此，可以提高地层旋回分析的精确度，进而提高沉积层序边界识别的准确率。
在进一步的实施例中，预设邻域范围内地震道数量和预设邻域半径之间的关系满足：
k＝(1+r×2)2，且0≤r≤9；
其中，k为地震道数量，r为预设邻域半径。
在进一步的实施例中，预设邻域范围内多个地震道的频段数与时频分析的频带范围的最小分析频率、最大分析频率，以及预设频段宽度之间的关系满足：
其中，m为预设邻域范围内多个地震道的频段数，Vmin为最小分析频率，Vmax为最大分析频率，ΔV为预设频段宽度。
在进一步的实施例中，所述平滑模块1202包括平滑单元。所述平滑单元，用于利用反距离加权平均对所述时频谱集进行平滑，形成每个地震道的复合时频谱。
在本发明实施例中，平滑单元利用反距离加权平均对所述时频谱集进行平滑，可以提高地层旋回分析的稳定性，进而提高沉积层序边界识别的准确率。
图16示出了本发明实施例提供的沉积层序边界识别装置中确定模块1203的结构示意，为便于说明，仅示出了与本发明实施例相关的部分，详述如下：
在进一步的实施例中，参考图16，所述确定模块1203所包含的各个单元用于执行图7对应实施例中的各个步骤，具体请参阅图7以及图7对应实施例中的相关描述，此处不再赘述。本发明实施例中，所述确定模块1203包括提取单元1601、追踪单元1602、确定单元1603以及转换单元1604。
所述提取单元1601，用于从每个地震道的复合时频谱的时频谱中心道处的时频波形中提取波形特征点序列；
所述追踪单元1602，用于分别以波形特征点序列中的波形特征点为种子点，对复合时频谱进行同相轴追踪，形成复合时频谱同相轴趋势线；
所述确定单元1603，用于根据所述复合时频谱同相轴趋势线的斜率确定地层旋回特征点序列；
所述转换单元1604，用于利用线性插值将所述地层旋回特征点序列转换为每个地震道对应的地层旋回曲线。
在本发明实施例中，提取单元1601从每个地震道的复合时频谱的时频谱中心道处的时频波形中提取波形特征点序列，追踪单元1602分别以波形特征点序列中的波形特征点为种子点，对复合时频谱进行同相轴追踪，形成复合时频谱同相轴趋势线，确定单元1603根据所述复合时频谱同相轴趋势线的斜率确定地层旋回特征点序列，转换单元1604利用线性插值将所述地层旋回特征点序列转换为每个地震道对应的地层旋回曲线，可以进一步提高地层旋回分析的效率和精确度，进而提高沉积层序边界识别的效率和准确率。
图17示出了本发明实施例提供的沉积层序边界识别装置中确定单元1603的结构示意，为便于说明，仅示出了与本发明实施例相关的部分，详述如下：
在进一步的实施例中，参考图17，所述确定单元1603所包含的各个子单元用于执行图8对应实施例中的各个步骤，具体请参阅图8以及图8对应实施例中的相关描述，此处不再赘述。本发明实施例中，所述确定单元1603包括符号运算子单元1701和组合子单元1702。
所述符号运算子单元1701，用于利用阶跃函数对所述复合时频谱同相轴趋势线的斜率进行符号运算，确定地层旋回类型，所述地层旋回类型包括正旋回和反旋回。
所述组合子单元1702，用于将所有复合时频谱同相轴趋势线对应的地层旋回类型进行组合，形成地层旋回特征点序列。
在进一步的实施例中，所述边缘检测模块1002包括纵向边缘检测单元和/或横向边缘检测单元。
所述纵向边缘检测单元，用于利用纵向Sobel滤波器对所述地层旋回数据进行纵向边缘检测。
所述横向边缘检测单元，用于利用横向Sobel滤波器对所述地层旋回数据进行横向边缘检测。
本发明实施例，利用纵向Sobel滤波器对地层旋回数据进行纵向边缘检测，以及利用横向Sobel滤波器对地层旋回数据进行横向边缘检测，可以进一步提高沉积层序识别的效率和准确度。
图18示出了本发明实施例提供的沉积层序边界识别装置中追踪和组合模块1004的结构示意，为便于说明，仅示出了与本发明实施例相关的部分，详述如下：
在进一步的实施例中，参考图18，所述追踪和组合模块1004所包含的各个单元用于执行图9对应实施例中的各个步骤，具体请参阅图9以及图9对应实施例中的相关描述，此处不再赘述。本发明实施例中，所述追踪和组合模块1004包括设置单元1801、追踪单元1802、第一组合单元1803、矢量化单元1804以及第二组合单元1805。
所述设置单元1801，用于在地层边界数据中所有待提取的地层边界上设置种子点。
所述追踪单元1802，用于以种子点为参考点对地层边界进行追踪，形成地层边界片。
所述第一组合单元1803，用于根据相邻地层边界片之间的距离对所有地层边界片进行组合，形成沉积层序边界。
所述矢量化单元1804，用于对沉积层序边界进行空间插值和平滑滤波，形成矢量化的沉积层序边界
所述第二组合单元1805，用于按照矢量化的沉积层序边界中所有沉积层序边界的空间位置进行组合，形成沉积层序边界集。
本发明实施例中，第一组合单元1803根据相邻地层边界片之间的距离对所有地层边界片进行组合，形成沉积层序边界，矢量化单元1804对沉积层序边界进行空间插值和平滑滤波，形成矢量化的沉积层序边界，第二组合单元1805按照矢量化的沉积层序边界中所有沉积层序边界的空间位置进行组合，形成沉积层序边界集。因此，本发明实施例可以进一步提高沉积层序边界识别的效率和准确率。
图19示出了本发明实施例提供的某地震道的复合时频谱的示意，在本发明实施例中，针对某地震道的时频谱集，利用反距离加权平均方法对某地震道的时频谱集进行加权叠加，对时频谱进行平滑，增强地层旋回分析的稳定性，得到该地震道的复合时频谱，如图19所示。
图20示出了本发明实施例提供的某地区范围内真实的地震波形数据的示意，在本发明实施例中，图20所示的地震波形数据是取自某地区真实的地震波形数据，该地区范围内真实的地震波形数据以二维剖面的形式表示。
图21示出了本发明实施例提供的从真实的地震波形数据获得的地层旋回数据的示意，图21所示的地层旋回数据，是以图20所示的某地区范围内真实的地震波形数据为基础，并根据本发明提供的地层旋回旋回分析方法得到的地层旋回数据，且该地层旋回数据与图20所示的真实的地震波形数据格式一致，同样是以二维剖面的形式表示。从图21所示的地层旋回数据可以看出，基于本发明提供的地层旋回分析方法，能够较好地反映地层旋回的特征。
图22示出了本发明实施例提供的从真实的地震波形数据获得的地层边界数据示意，图22所示的地层边界数据，是以图20所示的某地区范围内真实的地震波形数据，以及图21所示的地层旋回数据为基础，并根据本发明提供的沉积层序边界识别方法得到的地层边界数据，且该地层边界数据与图20所示的真实的地震波形数据，以及图21所示的地层旋回数据的格式一致，同样是以二维剖面的形式表示。从图22所示的地层边界数据可以看出，基于本发明提供的沉积层序边界识别方法，能够准确的识别沉积层序边界。
本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述沉积层序边界识别方法。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述沉积层序边界识别方法的计算机程序。
综上所述，本发明实施例首先按照每个地震道对应的地层旋回曲线的空间位置对所有地层旋回曲线进行组合，形成地层旋回数据，作为识别地层层序边界的基础，然后对所述地层旋回数据进行纵向边缘检测，形成地层边界数据，在地层边界数据中所有待提取的地层边界上设置种子点，最后基于种子点对地层边界数据中的地层边界进行追踪，确定沉积地层层序边界。本发明实施例根据每个地震道对应的地层旋回曲线的空间位置对所有地层旋回曲线进行组合，形成地层旋回数据，并将其作为识别地层层序边界的基础，可以提高沉积层序边界识别的效率和准确率，然后对所述地层旋回数据进行纵向边缘检测，形成地层边界数据，在地层边界数据中所有待提取的地层边界设置种子点，最后基于种子点对地层边界数据中的地层边界进行追踪，确定沉积地层层序边界。因此，本发明实施例可以提高沉积层序边界识别的效率和准确率。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明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，本发明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。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (32)
1.一种沉积层序边界识别方法，其特征在于，包括：
按照每个地震道对应的地层旋回曲线的空间位置对所有地层旋回曲线进行组合，形成地层旋回数据；
对所述地层旋回数据进行边缘检测，形成地层边界数据；
对地层边界数据进行追踪和组合，确定沉积层序边界集。
2.如权利要求1所述的方法，其特征在于，还包括：
对地层边界数据进行边缘细化，获得边缘细化后的地层边界数据；
所述对地层边界数据进行追踪和组合，确定沉积层序边界集包括：
对边缘细化后的地层边界数据进行追踪和组合，确定沉积层序边界集。
3.如权利要求1所述的方法，其特征在于，还包括：
利用形态学平滑滤波器对地层边界数据进行平滑滤波，获得平滑滤波后的地层边界数据；和/或
利用面积阈值滤波器对地层边界数据进行面积滤波，获得面积滤波后的地层边界数据；
所述对地层边界数据进行追踪和组合，确定沉积层序边界集包括：
对平滑滤波后的地层边界数据进行追踪和组合，确定沉积层序边界集；和/或
对面积滤波后的地层边界数据进行追踪和组合，确定沉积层序边界集。
4.如权利要求1所述的方法，其特征在于，所述按照每个地震道对应的地层旋回曲线的空间位置对所有地层旋回曲线进行组合，形成地层旋回数据包括：
对预设邻域范围内的地震波形数据进行时频分析，获得每个地震道的时频谱集；
对每个地震道的时频谱集进行平滑，形成每个地震道的复合时频谱；
确定每个地震道的复合时频谱对应的地层旋回曲线；
按照每个地层旋回曲线的空间位置对所有地层旋回曲线进行组合，形成地层旋回数据。
5.如权利要求4所述的方法，其特征在于，所述按照每个地震道对应的地层旋回曲线的空间位置对所有地层旋回曲线进行组合，形成地层旋回数据还包括：
利用低通滤波器对每个地层旋回曲线进行滤波，获得滤波后的每个地层旋回曲线；
所述按照每个地层旋回曲线的空间位置对所有地层旋回曲线进行组合，形成地层旋回数据包括：
按照滤波后的每个地层旋回曲线的空间位置对所有地层旋回曲线进行组合，形成地层旋回数据。
6.如权利要求4所述的方法，其特征在于，对预设邻域范围内的地震波形数据进行时频分析，获得每个地震道的时频谱集，包括：
根据预设邻域范围内地震波形数据的频谱确定地震波形数据的频带范围；
根据所述地震波形数据的频带范围确定时频分析的频带范围；
根据所述时频分析的频带范围对预设邻域范围内的地震波形数据进行时频分析，形成每个地震道的时频谱集。
7.如权利要求6所述的方法，其特征在于，所述地震波形数据的频带范围为低截频与高截频之间的频带范围，所述时频分析的频带范围为最小分析频率与最大分析频率之间的频带范围；
其中，所述时频分析的最小分析频率大于或者等于所述地震波形数据的低截频，所述时频分析的最大分析频率小于或者等于所述地震波形数据的高截频。
8.如权利要求7所述的方法，其特征在于，在预设邻域范围内包括多个地震道，所述根据所述时频分析的频带范围对预设邻域范围内的地震波形数据进行时频分析，形成每个地震道的时频谱集包括：
以当前地震道为中心对预设邻域范围内每个地震道进行时频分析，获得每个地震道的时频谱；
将预设邻域范围内的多个地震道的时频谱进行组合，形成当前地震道的时频谱集。
9.如权利要求8所述的方法，其特征在于，预设邻域范围内地震道数量和预设邻域半径之间的关系满足：
k＝(1+r×2)2，且0≤r≤9；
其中，k为地震道数量，r为预设邻域半径。
10.如权利要求8所述的方法，其特征在于，预设邻域范围内多个地震道的频段数与时频分析的频带范围的最小分析频率、最大分析频率，以及预设频段宽度之间的关系满足：
其中，m为预设邻域范围内多个地震道的频段数，Vmin为最小分析频率，Vmax为最大分析频率，ΔV为预设频段宽度。
11.如权利要求4所述的方法，其特征在于，对每个地震道的时频谱集进行平滑，形成每个地震道的复合时频谱包括：
利用反距离加权平均对所述时频谱集进行平滑，形成每个地震道的复合时频谱。
12.如权利要求4所述的方法，其特征在于，确定每个地震道的复合时频谱对应的地层旋回曲线包括：
从每个地震道的复合时频谱的时频谱中心道处的时频波形中提取波形特征点序列；
分别以波形特征点序列中的波形特征点为种子点，对复合时频谱进行同相轴追踪，形成复合时频谱同相轴趋势线；
根据所述复合时频谱同相轴趋势线的斜率确定地层旋回特征点序列；
利用线性插值将所述地层旋回特征点序列转换为每个地震道对应的地层旋回曲线。
13.如权利要求12所述的方法，其特征在于，所述根据所述复合时频谱同相轴趋势线的斜率确定地层旋回特征点序列包括：
利用阶跃函数对所述复合时频谱同相轴趋势线的斜率进行符号运算，确定地层旋回类型，所述地层旋回类型包括正旋回和反旋回；
将所有复合时频谱同相轴趋势线对应的地层旋回类型进行组合，形成地层旋回特征点序列。
14.如权利要求1所述的方法，其特征在于，对所述地层旋回数据进行边缘检测，包括：
利用纵向Sobel滤波器对所述地层旋回数据进行纵向边缘检测；和/或
利用横向Sobel滤波器对所述地层旋回数据进行横向边缘检测。
15.如权利要求1所述的方法，其特征在于，对地层边界数据进行追踪和组合，确定沉积层序边界集包括：
在地层边界数据中所有待提取的地层边界上设置种子点；
以种子点为参考点对地层边界进行追踪，形成地层边界片；
根据相邻地层边界片之间的距离对所有地层边界片进行组合，形成沉积层序边界；
对沉积层序边界进行空间插值和平滑滤波，形成矢量化的沉积层序边界；
按照矢量化的沉积层序边界中所有沉积层序边界的空间位置进行组合，形成沉积层序边界集。
16.一种沉积层序边界识别装置，其特征在于，包括：
空间位置组合模块，用于按照每个地震道对应的地层旋回曲线的空间位置对所有地层旋回曲线进行组合，形成地层旋回数据；
边缘检测模块，用于对所述地层旋回数据进行边缘检测，形成地层边界数据；
追踪和组合模块，用于对地层边界数据进行追踪和组合，确定沉积层序边界集。
17.如权利要求16所述的装置，其特征在于，还包括：
边缘细化模块，用于对地层边界数据进行边缘细化，获得边缘细化后的地层边界数据；
所述追踪和组合模块，具体用于对边缘细化后的地层边界数据进行追踪和组合，确定沉积层序边界集。
18.如权利要求16所述的装置，其特征在于，还包括：
平滑滤波模块，用于利用形态学平滑滤波器对地层边界数据进行平滑滤波，获得平滑滤波后的地层边界数据；和/或
面积滤波模块，用于利用面积阈值滤波器对地层边界数据进行面积滤波，获得面积滤波后的地层边界数据；
所述追踪和组合模块，具体用于对平滑滤波后的地层边界数据进行追踪和组合，确定沉积层序边界集；和/或
所述追踪和组合模块，具体用于对面积滤波后的地层边界数据进行追踪和组合，确定沉积层序边界集。
19.如权利要求16所述的装置，其特征在于，所述空间位置组合模块包括：
时频分析模块，用于对预设邻域范围内的地震波形数据进行时频分析，获得每个地震道的时频谱集；
平滑模块，用于对每个地震道的时频谱集进行平滑，形成每个地震道的复合时频谱；
确定模块，用于确定每个地震道的复合时频谱对应的地层旋回曲线；
组合模块，用于按照每个地层旋回曲线的空间位置对所有地层旋回曲线进行组合，形成地层旋回数据。
20.如权利要求19所述的装置，其特征在于，所述空间位置组合模块还包括：
滤波模块，用于利用低通滤波器对每个地层旋回曲线进行滤波，获得滤波后的每个地层旋回曲线；
所述组合模块，具体用于按照滤波后的每个地层旋回曲线的空间位置对所有地层旋回曲线进行组合，形成地层旋回数据。
21.如权利要求19所述的装置，其特征在于，所述时频分析模块包括：
第一确定单元，用于根据预设邻域范围内地震波形数据的频谱确定地震波形数据的频带范围；
第二确定单元，用于根据所述地震波形数据的频带范围确定时频分析的频带范围；
时频分析单元，用于根据所述时频分析的频带范围对预设邻域范围内的地震波形数据进行时频分析，形成每个地震道的时频谱集。
22.如权利要求21所述的装置，其特征在于，所述地震波形数据的频带范围为低截频与高截频之间的频带范围，所述时频分析的频带范围为最小分析频率与最大分析频率之间的频带范围；
其中，所述时频分析的最小分析频率大于或者等于所述地震波形数据的低截频，所述时频分析的最大分析频率小于或者等于所述地震波形数据的高截频。
23.如权利要求22所述的装置，其特征在于，在预设邻域范围内包括多个地震道，所述时频分析单元包括：
时频分析子单元，用于以当前地震道为中心对预设邻域范围内的每个地震道进行时频分析，获得每个地震道的时频谱；
时频谱组合子单元，用于将预设邻域范围内的多个地震道的时频谱进行组合，形成当前地震道的时频谱集。
24.如权利要求23所述的装置，其特征在于，预设邻域范围内地震道数量和预设邻域半径之间的关系满足：
k＝(1+r×2)2，且0≤r≤9；
其中，k为地震道数量，r为预设邻域半径。
25.如权利要求23所述的装置，其特征在于，预设邻域范围内多个地震道的频段数与时频分析的频带范围的最小分析频率、最大分析频率，以及预设频段宽度之间的关系满足：
其中，m为预设邻域范围内多个地震道的频段数，Vmin为最小分析频率，Vmax为最大分析频率，ΔV为预设频段宽度。
26.如权利要求19所述的装置，其特征在于，所述平滑模块包括：
平滑单元，用于利用反距离加权平均对所述时频谱集进行平滑，形成每个地震道的复合时频谱。
27.如权利要求19所述的装置，其特征在于，所述确定模块包括：
提取单元，用于从每个地震道的复合时频谱的时频谱中心道处的时频波形中提取波形特征点序列；
追踪单元，用于分别以波形特征点序列中的波形特征点为种子点，对复合时频谱进行同相轴追踪，形成复合时频谱同相轴趋势线；
确定单元，用于根据所述复合时频谱同相轴趋势线的斜率确定地层旋回特征点序列；
转换单元，用于利用线性插值将所述地层旋回特征点序列转换为每个地震道对应的地层旋回曲线。
28.如权利要求27所述的装置，其特征在于，所述确定单元包括：
符号运算子单元，用于利用阶跃函数对所述复合时频谱同相轴趋势线的斜率进行符号运算，确定地层旋回类型，所述地层旋回类型包括正旋回和反旋回；
组合子单元，用于将所有复合时频谱同相轴趋势线对应的地层旋回类型进行组合，形成地层旋回特征点序列。
29.如权利要求16所述的装置，其特征在于，所述边缘检测模块包括：
纵向边缘检测单元，用于利用纵向Sobel滤波器对所述地层旋回数据进行纵向边缘检测；和/或
横向边缘检测单元，用于利用横向Sobel滤波器对所述地层旋回数据进行横向边缘检测。
30.如权利要求16所述的装置，其特征在于，所述追踪和组合模块包括：
设置单元，用于在地层边界数据中所有待提取的地层边界上设置种子点；
追踪单元，用于以种子点为参考点对地层边界进行追踪，形成地层边界片；
第一组合单元，用于根据相邻地层边界片之间的距离对所有地层边界片进行组合，形成沉积层序边界；
矢量化单元，用于对沉积层序边界进行空间插值和平滑滤波，形成矢量化的沉积层序边界；
第二组合单元，用于按照矢量化的沉积层序边界中所有沉积层序边界的空间位置进行组合，形成沉积层序边界集。
31.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至15任一所述方法。
32.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有执行权利要求1至15任一所述方法的计算机程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811525545.9A CN109782344B (zh) | 2018-12-13 | 2018-12-13 | 沉积层序边界识别方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811525545.9A CN109782344B (zh) | 2018-12-13 | 2018-12-13 | 沉积层序边界识别方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109782344A true CN109782344A (zh) | 2019-05-21 |
| CN109782344B CN109782344B (zh) | 2020-09-08 |
Family
ID=66496935
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811525545.9A Active CN109782344B (zh) | 2018-12-13 | 2018-12-13 | 沉积层序边界识别方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109782344B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112114358A (zh) * | 2019-06-20 | 2020-12-22 | 中国石油化工股份有限公司 | 一种基于三维地震资料表征的地下火山通道识别方法 |
| CN113050164A (zh) * | 2019-12-26 | 2021-06-29 | 中国石油天然气股份有限公司 | 分析沉积序列的方法、装置、服务器和存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9588252B2 (en) * | 2014-10-08 | 2017-03-07 | Z-Image, Llc | Laser alignment and calibration system for scanning lasers |
| CN106526670A (zh) * | 2016-09-21 | 2017-03-22 | 中石化石油工程技术服务有限公司 | 一种碎屑岩储层中地震属性砂体空间分布描述及评价的方法 |
| CN106772602A (zh) * | 2016-12-22 | 2017-05-31 | 中国科学院地质与地球物理研究所 | 生长断层活动强度定量表征方法 |
| CN107515420A (zh) * | 2017-04-28 | 2017-12-26 | 西安石油大学 | 一种用于局部相关同相轴的走时与梯度精确拾取方法 |
| US20180024263A1 (en) * | 2016-07-25 | 2018-01-25 | Schlumberger Technology Corporation | Seismic Spectral Balancing |
| CN107831530A (zh) * | 2017-10-25 | 2018-03-23 | 山东科技大学 | 厚煤层沿底板或顶板掘进煤巷反射槽波超前探测方法 |
-
2018
- 2018-12-13 CN CN201811525545.9A patent/CN109782344B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9588252B2 (en) * | 2014-10-08 | 2017-03-07 | Z-Image, Llc | Laser alignment and calibration system for scanning lasers |
| US20180024263A1 (en) * | 2016-07-25 | 2018-01-25 | Schlumberger Technology Corporation | Seismic Spectral Balancing |
| CN106526670A (zh) * | 2016-09-21 | 2017-03-22 | 中石化石油工程技术服务有限公司 | 一种碎屑岩储层中地震属性砂体空间分布描述及评价的方法 |
| CN106772602A (zh) * | 2016-12-22 | 2017-05-31 | 中国科学院地质与地球物理研究所 | 生长断层活动强度定量表征方法 |
| CN107515420A (zh) * | 2017-04-28 | 2017-12-26 | 西安石油大学 | 一种用于局部相关同相轴的走时与梯度精确拾取方法 |
| CN107831530A (zh) * | 2017-10-25 | 2018-03-23 | 山东科技大学 | 厚煤层沿底板或顶板掘进煤巷反射槽波超前探测方法 |
Non-Patent Citations (2)
| Title |
|---|
| 杨俊生 等: ""辽河西部凹陷欢喜岭地区沙河街组层序界面的识别"", 《世界地质》 * |
| 熊伟 等: ""Canny边缘检测算子在地质体边界识别中的应用"", 《中国地球科学联合学术年会2016》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112114358A (zh) * | 2019-06-20 | 2020-12-22 | 中国石油化工股份有限公司 | 一种基于三维地震资料表征的地下火山通道识别方法 |
| CN112114358B (zh) * | 2019-06-20 | 2022-06-21 | 中国石油化工股份有限公司 | 一种基于三维地震资料表征的地下火山通道识别方法 |
| CN113050164A (zh) * | 2019-12-26 | 2021-06-29 | 中国石油天然气股份有限公司 | 分析沉积序列的方法、装置、服务器和存储介质 |
| CN113050164B (zh) * | 2019-12-26 | 2024-01-30 | 中国石油天然气股份有限公司 | 分析沉积序列的方法、装置、服务器和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109782344B (zh) | 2020-09-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Strebelle et al. | Modeling of a deepwater turbidite reservoir conditional to seismic data using principal component analysis and multiple-point geostatistics | |
| Sech et al. | Three-dimensional modeling of a shoreface-shelf parasequence reservoir analog: Part 1. Surface-based modeling to capture high-resolution facies architecture | |
| Caers et al. | Multiple-point geostatistics: a quantitative vehicle for integrating geologic analogs into multiple reservoir models | |
| US5586082A (en) | Method for identifying subsurface fluid migration and drainage pathways in and among oil and gas reservoirs using 3-D and 4-D seismic imaging | |
| CN104950334B (zh) | 一种预测储层分布的方法及装置 | |
| CN103116192A (zh) | 一种缝洞型碳酸盐岩油藏储集体建模方法 | |
| Grasmueck et al. | 3D GPR reveals complex internal structure of Pleistocene oolitic sandbar | |
| CN104502966A (zh) | 一种薄储层的预测方法及系统 | |
| Bosence et al. | Computer Modeling a Miocene Carbonate Platform, Mallorca, Spain1 | |
| Herzfeld et al. | Analysis and simulation of scale-dependent fractal surfaces with application to seafloor morphology | |
| CN110231652A (zh) | 一种基于密度的含噪声应用空间聚类的地震相提取方法 | |
| CN109188520A (zh) | 薄储层厚度预测方法及装置 | |
| CN108614293A (zh) | 砂体预测方法及装置 | |
| Zhai et al. | A new fractal interpolation algorithm and its applications to self-affine signal reconstruction | |
| CN110501751B (zh) | 一种基于多分量梯度数据联合和深度加权的相关成像方法 | |
| CN109782344A (zh) | 沉积层序边界识别方法及装置 | |
| Iltaf et al. | Facies and petrophysical modeling of Triassic Chang 6 tight sandstone reservoir, Heshui oil field, Ordos basin, China | |
| EA030770B1 (ru) | Система и способ адаптивной сейсмической оптики | |
| Araktingi et al. | Effects of properties in seismic data on reservoir characterization and consequent fluid-flow predictions when integrated with well logs | |
| CN109782343A (zh) | 地层旋回分析方法及装置 | |
| CN108802817B (zh) | 一种多孔径深度偏移成像的方法、装置及系统 | |
| CN108802821B (zh) | 一种三维起伏地表地震资料偏移成像方法、装置及系统 | |
| Ba et al. | Applying multi-point statistical methods to build the facies model for Oligocene formation, X oil field, Cuu Long basin | |
| CN108897061A (zh) | 一种确定储层砂体比例的方法、装置及系统 | |
| Deschamps et al. | Impact of Upscaling on 3-D Modelling of SAGD in a Meander Belt |
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 |