CN109901222A - 基于动态字典匹配追踪的地震拓频方法、存储介质及设备 - Google Patents
基于动态字典匹配追踪的地震拓频方法、存储介质及设备 Download PDFInfo
- Publication number
- CN109901222A CN109901222A CN201910262107.6A CN201910262107A CN109901222A CN 109901222 A CN109901222 A CN 109901222A CN 201910262107 A CN201910262107 A CN 201910262107A CN 109901222 A CN109901222 A CN 109901222A
- Authority
- CN
- China
- Prior art keywords
- frequency
- seismic data
- wavelet
- dynamic dictionary
- instantaneous
- 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.)
- Pending
Links
Landscapes
- Geophysics And Detection Of Objects (AREA)
Abstract
本公开提供了一种基于动态字典匹配追踪的地震拓频方法、存储介质及设备，从三维地震数据中依次取每一道地震数据，提取每道地震数据的瞬时振幅、瞬时频率和瞬时相位特征；以提取的特征作为先验信息，对该道地震数据进行匹配追踪分解，生成最佳匹配子波库，对最佳匹配子波库中不同峰值频率对应的振幅进行增强和重构，实现对应道地震数据的拓频。有效地拓宽了地震数据的频带，提高了地震剖面的纵向分辨率。
Description
技术领域
本公开涉及油气资源勘探技术领域，具体涉及一种基于动态字典匹配追踪的地震拓频方法、存储介质及设备。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。
岩性油气藏尺度小，薄互层发育，内部结构特征多变，同时由于震源本身的条件和大地对地震波的吸收衰减作用，地震资料缺失高频信息，使得不同薄互层组合模式的地震波形和频率特征差异小，储层预测不确定性大，这是薄层勘探面临的最大问题。薄层厚度往往小于常规地震资料的分辨率，使得由常规地震资料提取出的地震属性的纵向分辨率不足以分辨这些薄层，因此在地震资料处理阶段，需要提高地震资料的分辨率，来增强其对薄互层的识别能力。
据发明人了解，目前业界常用的最小平方反褶积或谱白化处理技术在一定程度上提高了地震资料的分辨率，但同时降低了地震资料的信噪比，所以在反褶积或谱白化处理时，需要在分辨率和信噪比之间折衷，拓展频带的效果有限。
发明内容
本公开为了解决上述问题，提出了一种基于动态字典匹配追踪的地震拓频方法、存储介质及设备，本公开利用动态字典匹配追踪算法，拓宽地震频带，增强地震数据对薄互层储层的识别能力。
根据一些实施例，本公开采用如下技术方案：
一种基于动态字典匹配追踪的地震拓频方法，包括以下步骤：
从三维地震数据中依次取每一道地震数据，提取每道地震数据的瞬时振幅、瞬时频率和瞬时相位特征；
以提取的特征作为先验信息，对该道地震数据进行匹配追踪分解，生成最佳匹配子波库，对最佳匹配子波库中不同峰值频率对应的振幅进行增强和重构，实现对应道地震数据的拓频。
上述方案中，利用动态字典匹配追踪算法把每一道地震数据分解成不同时移、主频、相位和振幅的最佳匹配子波集合，在重构前通过增强峰值频率高于地震数据主频的最佳匹配子波的振幅值，有效地拓宽地震数据频带，增强了对薄互层的分辨能力。同时，不会降低地震数据的信噪比。
作为一种或多种实施方式，可以依次循环对每道地震数据进行上述的处理，也可以同时对各道地震数据进行上述的处理。
作为一种或多种实施方式，在提取每道地震数据的瞬时振幅、瞬时频率和瞬时相位特征时，将原地震数据作为实部，将原地震数据的希尔伯特变换作为虚部，构建复数域地震道，由复数域地震数据计算该道的瞬时振幅、瞬时相位和瞬时频率。
作为一种或多种实施方式，生成最佳匹配子波库的具体过程包括：基于时移、峰值频率、相位和匹配子波延续时间，构建匹配子波母函数，搜索瞬时振幅曲线的局部极大值，这些极大值位置对应的时移、瞬时相位和瞬时频率组成先验信息动态字典，利用匹配追踪算法，将该道地震数据在动态字典中分解为一系列匹配子波的线性组合，将匹配子波组成最佳匹配子波库。
作为一种或多种实施方式，增强最佳匹配子波库中峰值频率高于地震数据主频的匹配子波振幅。
作为一种或多种实施方式，在最佳匹配子波库中搜索峰值频率高于地震数据主频的匹配子波，将它们在库中的位置放到一集合，对其中每个匹配子波振幅进行增强。
增强的具体过程为：
a、a’分别为增强处理前后的振幅，下标j表示第j个峰值频率高于地震数据主频的匹配子波，fj是该匹配子波的峰值频率，fm是地震数据本身的主频，b是振幅增强系数，其取值在0～1之间。
作为一种或多种实施方式，将经过振幅增强的匹配子波与最佳匹配子波库中峰值频率低于地震数据主频的匹配子波利用匹配追踪算法进行重构，完成该道地震数据的拓频处理。
一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行所述的一种基于动态字典匹配追踪的地震拓频方法。
一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行所述的一种基于动态字典匹配追踪的地震拓频方法。
与现有技术相比，本公开的有益效果为：
(1)本公开采用动态字典匹配追踪算法进行地震数据分解，得到的匹配子波在不同的时移具有不同的峰值频率，而不仅仅计算地震数据的主频；
(2)本公开通过增强峰值频率高于地震数据主频的匹配子波振幅值来拓展频带，不计算匹配子波的逆算子，不产生计算噪音，不降低拓频地震剖面的信噪比；
(3)本公开拓频后的地震剖面能更好地反映薄互层的地震响应特征，有利于薄层识别。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
图1是基于动态字典匹配追踪的地震拓频方法流程图。
图2是一维合成地震记录的拓频处理结果。
图3是实际地震剖面拓频前后结果对比。
图4是拓频前后的地震振幅谱对比。
图5是用动态字典匹配追踪拓频后的地震剖面与反褶积剖面的对比。
具体实施方式：
下面结合附图与实施例对本公开作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
如图1所示，基于动态字典匹配追踪的地震数据拓频方法，具体包括如下步骤：
(1)从三维地震数据中依次取每一道地震数据；
(2)提取该道地震数据的瞬时振幅、瞬时频率和瞬时相位“三瞬”特征。步骤如下：
①将原地震数据作为实部，将原地震数据的希尔伯特变换作为虚部，构建复数域地震道C(t)：
其中s(t)表示该道地震数据，s(t)*表示其希尔伯特变换。
②由复数域地震数据计算“三瞬”特征，即该道的瞬时振幅、瞬时相位和瞬时频率：
a(t)＝|C(t)| (2)
其中a(t)表示瞬时振幅，表示瞬时相位，ξ(t)表示瞬时频率。
(3)以步骤(2)所得的“三瞬”特征作为先验信息，对该道地震数据进行匹配追踪分解，生成最佳匹配子波库。具体步骤如下：
①利用公式(5)作为匹配子波母函数：
其中u表示时移，ξ表示峰值频率，表示相位，t表示匹配子波延续时间；
②利用“三瞬”特征作为先验信息，搜索瞬时振幅曲线的局部极大值，这些极大值位置对应的时移、瞬时相位和瞬时频率组成先验信息动态字典；
③利用匹配追踪算法，将该道地震数据在动态字典中分解为一系列匹配子波的线性组合：
其中ai表示第i个匹配子波的振幅，N表示匹配子波个数。
④由公式(6)中的N个匹配子波组成最佳匹配子波库。
(4)增强最佳匹配子波库中峰值频率高于地震数据主频的匹配子波振幅，并重构该道地震数据。具体步骤如下：
①在最佳匹配子波库中搜索峰值频率高于地震数据主频的匹配子波，将它们在库中的位置放到集合M中；
②利用公式(7)增强M中的匹配子波振幅：
a、a’分别为增强处理前后的振幅值，下标j表示第j个峰值频率高于地震数据主频的匹配子波，fj是该匹配子波的峰值频率，fm是地震数据本身的主频，b是振幅增强系数，其取值在0～1之间；
③将经过振幅增强的匹配子波与最佳匹配子波库中峰值频率低于地震数据主频的匹配子波一起，代入公式(6)中进行重构，完成该道地震数据的拓频处理。
(5)判断所有地震道是否处理完毕；若是，则输出拓频后的地震数据；否则返回(1)，取下一道地震数据，重复步骤(1)-(5)。
图2是一维合成地震记录的拓频结果。为了测试本实施例的可行性，设计了如图2(a)所示的一维地层模型进行分析。图2(a)左屏是地层模型，右屏是对应地层分界面的位置。图2(b)、2(c)分别为30Hz和60Hz的合成地震记录，图2(d)是利用动态字典匹配追踪拓频方法对图2(b)的地震记录进行拓频处理后的结果。为便于对比地震数据的分辨能力，图2(b)至2(d)的地震记录均用两屏显示，左屏用波形变面积方式重复4次显示地震记录，右屏显示地震记录波形。对比图2(b)的30Hz低频地震记录和图2(c)的60Hz高频地震记录，尽管随着地层厚度的减小两者均出现了薄层调谐效应，但图2的虚线矩形框中，图2(c)的60Hz地震记录的同相轴与三个地层界面一一对应，而图2(b)相应位置仅一个同相轴，分辨不出三个地层分界面，所以图2(c)的高频地震记录分辨率明显高于图2(b)的低频地震记录。图2(d)是对图2(b)的低频地震记录经过动态字典匹配追踪拓频处理后的地震记录，可见与图2(c)的高频地震记录高度一致，比图2(b)地震记录的分辨率有很大提升，验证了该拓频方法的可行性。
首先利用动态字典匹配追踪算法，把地震数据分解成不同时移、峰值频率、相位和振幅的匹配子波的线性组合，生成最佳匹配子波库；在此基础上，增强子波库中峰值频率高于地震数据主频的匹配子波振幅值，然后重构地震数据，有效地拓宽了地震数据的频带，提高了地震剖面的纵向分辨率。
图3是实际地震剖面拓频处理前后的对比，其中在井Z12、Z10、Z11位置插入了测井合成记录，以检验本方法对实际地震数据拓频的可靠性。图3(a)是原始地震剖面，在井位置插入井的低频合成记录；图3(b)是对图3(a)拓频后的地震剖面，在井位置插入井的高频合成记录。从图3看出，拓频后地震剖面与井的合成记录标定仍然良好，说明拓频后多出来的同相轴对应的是地层分界面，而不是虚假同相轴。同时，经拓频后的地震剖面图3(b)同相轴变多变细，能体现更多的地层变化细节，提高了分辨薄层的能力。
图4是图3地震剖面对应的振幅谱，其中图4(a)是原始地震剖面图3(a)的振幅谱，图4(b)是拓频地震剖面图3(b)的振幅谱。对比拓频前后的振幅谱可以发现，经本实施例拓频处理的地震剖面，其振幅谱高频信息得以增强，原始地震数据主频22Hz，拓频处理后主频接近40Hz，频带也得以拓宽，薄层分辨能力得到增强。
图5是用动态字典匹配追踪拓频地震剖面与常规反褶积剖面的对比，其中井Z13位置插入井轨迹和伽马测井曲线。图5(a)为原始地震剖面，图5(b)为本实施例的拓频地震剖面，图5(c)为反褶积处理所得的地震剖面。可以看出，同原始地震剖面相比，反褶积剖面的分辨率提高，但信噪比降低，同相轴连续性变差；而动态字典匹配追踪拓频后的地震剖面，在提高分辨率的同时，保持了较高的信噪比和同相轴连续性。
本领域内的技术人员应明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开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，本公开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。
本公开是参照根据本公开实施例的方法、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。
以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。
上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本公开的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。
Claims (10)
1.一种基于动态字典匹配追踪的地震拓频方法，其特征是：包括以下步骤：
从三维地震数据中依次取每一道地震数据，提取每道地震数据的瞬时振幅、瞬时频率和瞬时相位特征；
以提取的特征作为先验信息，对该道地震数据进行匹配追踪分解，生成最佳匹配子波库，对最佳匹配子波库中不同峰值频率对应的振幅进行增强和重构，实现对应道地震数据的拓频。
2.如权利要求1所述的一种基于动态字典匹配追踪的地震拓频方法，其特征是：依次循环对每道地震数据进行拓频处理，或同时对各道地震数据进行拓频处理。
3.如权利要求1所述的一种基于动态字典匹配追踪的地震拓频方法，其特征是：在提取每道地震数据的瞬时振幅、瞬时频率和瞬时相位特征时，将原地震数据作为实部，将原地震数据的希尔伯特变换作为虚部，构建复数域地震道，由复数域地震数据计算该道的瞬时振幅、瞬时相位和瞬时频率。
4.如权利要求1所述的一种基于动态字典匹配追踪的地震拓频方法，其特征是：生成最佳匹配子波库的具体过程包括：基于时移、峰值频率、相位和匹配子波延续时间，构建匹配子波母函数，搜索瞬时振幅曲线的局部极大值，这些极大值位置对应的时移、瞬时相位和瞬时频率组成先验信息动态字典，利用匹配追踪算法，将该道地震数据在动态字典中分解为一系列匹配子波的线性组合，将匹配子波组成最佳匹配子波库。
5.如权利要求1所述的一种基于动态字典匹配追踪的地震拓频方法，其特征是：增强最佳匹配子波库中峰值频率高于地震数据主频的匹配子波振幅。
6.如权利要求1所述的一种基于动态字典匹配追踪的地震拓频方法，其特征是：在最佳匹配子波库中搜索峰值频率高于地震数据主频的匹配子波，将它们在库中的位置放到一集合，对其中每个匹配子波振幅进行增强。
7.如权利要求6所述的一种基于动态字典匹配追踪的地震拓频方法，其特征是：增强的具体过程为：
a、a’分别为增强处理前后的振幅值，下标j表示第j个峰值频率高于地震数据主频的匹配子波，fj是该匹配子波的峰值频率，fm是地震数据本身的主频，b是振幅增强系数，其取值在0～1之间。
8.如权利要求1所述的一种基于动态字典匹配追踪的地震拓频方法，其特征是：将经过振幅增强的匹配子波与最佳匹配子波库中峰值频率低于地震数据主频的匹配子波利用匹配追踪算法进行重构，完成该道地震数据的拓频处理。
9.一种计算机可读存储介质，其特征是：其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行权利要求1-8中任一项所述的一种基于动态字典匹配追踪的地震拓频方法。
10.一种终端设备，其特征是：包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行权利要求1-8中任一项所述的一种基于动态字典匹配追踪的地震拓频方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910262107.6A CN109901222A (zh) | 2019-04-02 | 2019-04-02 | 基于动态字典匹配追踪的地震拓频方法、存储介质及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910262107.6A CN109901222A (zh) | 2019-04-02 | 2019-04-02 | 基于动态字典匹配追踪的地震拓频方法、存储介质及设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109901222A true CN109901222A (zh) | 2019-06-18 |
Family
ID=66955287
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910262107.6A Pending CN109901222A (zh) | 2019-04-02 | 2019-04-02 | 基于动态字典匹配追踪的地震拓频方法、存储介质及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109901222A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112579169A (zh) * | 2019-09-27 | 2021-03-30 | 阿里巴巴集团控股有限公司 | 处理器追踪流的生成方法及装置 |
| CN112666609A (zh) * | 2020-11-30 | 2021-04-16 | 中国石油大学(华东) | 基于稀疏包络的地震数据低频补偿方法及装置 |
| CN112925013A (zh) * | 2021-01-28 | 2021-06-08 | 中国石油化工股份有限公司 | 基于全频带延拓保真的地震数据高分辨率处理方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103630932A (zh) * | 2013-09-23 | 2014-03-12 | 中国海洋石油总公司 | 一种地震数据分形保幅方法 |
| CN104570107A (zh) * | 2013-10-29 | 2015-04-29 | 中国石油化工股份有限公司 | 一种基于改进匹配追踪算法的时频分析方法 |
-
2019
- 2019-04-02 CN CN201910262107.6A patent/CN109901222A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103630932A (zh) * | 2013-09-23 | 2014-03-12 | 中国海洋石油总公司 | 一种地震数据分形保幅方法 |
| CN104570107A (zh) * | 2013-10-29 | 2015-04-29 | 中国石油化工股份有限公司 | 一种基于改进匹配追踪算法的时频分析方法 |
Non-Patent Citations (2)
| Title |
|---|
| 张繁昌等: "基于动态匹配子波库的地震数据快速匹配追踪", 《石油地球物理勘探》 * |
| 张繁昌等: "基于匹配追踪的叠前道集吸收补偿和频散校正", 《中国石油大学学报(自然科学版)》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112579169A (zh) * | 2019-09-27 | 2021-03-30 | 阿里巴巴集团控股有限公司 | 处理器追踪流的生成方法及装置 |
| CN112579169B (zh) * | 2019-09-27 | 2024-04-09 | 阿里巴巴集团控股有限公司 | 处理器追踪流的生成方法及装置 |
| CN112666609A (zh) * | 2020-11-30 | 2021-04-16 | 中国石油大学(华东) | 基于稀疏包络的地震数据低频补偿方法及装置 |
| CN112925013A (zh) * | 2021-01-28 | 2021-06-08 | 中国石油化工股份有限公司 | 基于全频带延拓保真的地震数据高分辨率处理方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109901222A (zh) | 基于动态字典匹配追踪的地震拓频方法、存储介质及设备 | |
| CN107102356B (zh) | 基于ceemd的地震信号高分辨率处理方法 | |
| CN108267784A (zh) | 一种地震信号随机噪声压制处理方法 | |
| CN106249299A (zh) | 强反射屏蔽下薄层弱反射地震能量恢复方法及装置 | |
| CN106094024A (zh) | 一种可控震源滑动扫描数据采集处理方法及装置 | |
| CN108387933A (zh) | 一种确定地层品质因子的方法、装置及系统 | |
| CN109471171A (zh) | 一种混叠地震数据分离的方法、装置及系统 | |
| CN103364826A (zh) | 基于独立分量分析的地震盲源反褶积方法 | |
| CN109061724A (zh) | 一种基于自适应变分模态分解的地震数据降噪方法 | |
| Kaur et al. | A fast algorithm for elastic wave‐mode separation using deep learning with generative adversarial networks (GANS) | |
| CN104459770A (zh) | 一种高维地震数据规则化方法 | |
| CN106873036A (zh) | 一种基于井震结合的去噪方法 | |
| CN105911590B (zh) | 一种谐波噪声的压制处理方法及装置 | |
| CN108508481B (zh) | 一种纵波转换波地震数据时间匹配的方法、装置及系统 | |
| Rovetta et al. | Application of a density-based spatial clustering algorithm for fully automatic picking of surface-wave dispersion curves | |
| Wang et al. | Attribute-guided target data separation network for DAS VSP data | |
| CN107255833B (zh) | 地震叠加剖面的确定方法和装置 | |
| CN110308483A (zh) | 基于多任务贝叶斯压缩感知的反射系数求取方法及装置 | |
| CN108254785A (zh) | 储层确定方法和装置 | |
| CN110568490B (zh) | 一种高速层顶薄储层的识别方法 | |
| CN109856672B (zh) | 基于深度波数谱的瞬变波包提取方法、存储介质与终端 | |
| CN103308945A (zh) | 一种陆地勘探初至前噪声的模拟产生与预测方法 | |
| CN107831541B (zh) | 基于高密度vsp数据的薄地层识别方法及装置 | |
| CN110109179A (zh) | 频宽补偿处理方法、装置和设备 | |
| CN109917459A (zh) | 一种压制地震噪声的方法、装置及系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190618 |
|
| RJ01 | Rejection of invention patent application after publication |