CN110161563A - 一种深度域地震流体分析方法、装置、系统及存储介质 - Google Patents
一种深度域地震流体分析方法、装置、系统及存储介质 Download PDFInfo
- Publication number
- CN110161563A CN110161563A CN201910507106.3A CN201910507106A CN110161563A CN 110161563 A CN110161563 A CN 110161563A CN 201910507106 A CN201910507106 A CN 201910507106A CN 110161563 A CN110161563 A CN 110161563A
- Authority
- CN
- China
- Prior art keywords
- depth domain
- diffusion matrix
- sampled point
- depth
- subspace
- 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
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
- G01V1/30—Analysis
- G01V1/303—Analysis for determining velocity profiles or travel times
Abstract
本发明公开了一种深度域地震流体分析方法、装置、系统及计算机可读存储介质,该方法包括分别获取在不同入射角下各个采样点在成像过程中的脉冲数据;依据与每个入射角对应的各个脉冲数据,建立在相应的入射角下、与每个所述采样点一一对应的子空间扩散矩阵;依据各个所述子空间扩散矩阵建立深度域的褶积模型,以得到深度域合成地震记录;对所述深度域合成地震记录进行反演分析,得到反演解析结果。本发明基于不同入射角下每个采样点对应的脉冲数据建立不同入射角下每个采样点的子空间扩散矩阵,进而建立深度域的褶积模型,使由该褶积模型得到的深度域合成地震记录能够更好地反应地下介质的实际情况,有利于提高深度域地震流体识别的精确度。
Description
技术领域
本发明实施例涉及油气勘探开发技术领域,特别是涉及一种深度域地震流体分析方法、装置、系统及计算机可读存储介质。
背景技术
近年来,地震反演技术已经广泛应用于石油勘探开发的各个阶段,是储层预测的核心技术,能够将测井纵向上高分辨率和地震横向上密集采样的优势结合起来,估算出地层的岩性、物性特征信息横向上的变化。目前,常规的地震反演是在时间域内进行的,由于测井曲线从深度域转换到时间域损失了宝贵的高频信息,所以时间域地震反演的局限性是对薄层的识别能力较差。随着勘探开发的深入,时间域的地震反演由于自身的局限性经常无法满足储层精细描述的要求,因此深度域地震反演应运而生。
目前,现有的关于深度域地震反演的方法是利用速度替换法完成深度域褶积的反演方法,其主要是利用伪深度域的思想,将深度域资料调整到某一恒定速度的伪深度域来满足线性深不变条件,提取伪深度域子波以合成深度域地震合成记录,然后分析确定深度域反演中的各个参数,得出深度域反演的最终结果。
但是,该方法假设地下介质为水平层状介质,在构造较为复杂、速度变化大的地区,采用现有技术中的方法所提取的深度域子波不能够准确表示地下介质的实际情况,无法满足实际生产的需要,并且在不同域间相互转化会造成累积误差,导致深度域反演的最终结果不准确。
发明内容
本发明实施例的目的是提供一种深度域地震流体分析方法、装置、系统及计算机可读存储介质,在使用过程中能够使反演解析结果更加准确,有利于提高深度域地震流体识别的精确度。
为解决上述技术问题,本发明实施例提供了一种深度域地震流体分析方法,包括:
分别获取在不同入射角下各个采样点在成像过程中的脉冲数据;
依据与每个所述入射角对应的各个脉冲数据,建立在相应的入射角下、与每个所述采样点一一对应的子空间扩散矩阵;
依据各个所述子空间扩散矩阵建立深度域的褶积模型,以得到深度域合成地震记录;
对所述深度域合成地震记录进行反演分析,得到反演解析结果。
可选的,所述依据各个所述子空间扩散矩阵建立深度域的褶积模型的过程为:
依据各个所述子空间扩散矩阵建立深度域的整体空间扩散矩阵;
依据所述整体空间扩散矩阵及固液解耦流体因子反射系数方程建立深度域的褶积模型,其中,所述褶积模型为S(h)=P(h)A(θ)M(h),其中:
S(h)为深度域合成地震记录,P(h)为整体空间扩散矩阵,A(θ)为系数矩阵,M(h)为待反演参数反射系数矩阵。
可选的,所述固液解耦流体因子反射系数方程为:
其中:
Kf为固液解耦流体因子,φ为孔隙度,μ为剪切模量,ρ为密度,Vp表示地震波纵波速度,Vs表示地震波横波速度,γdry表示干岩纵横波速度比,γsat表示湿岩纵横波速度比,θ为入射角,Δ表示梯度;
所述S(h)=P(h)A(θ)M(h)为:
其中:
S(θi)=[S(θi)1 S(θi)2 … S(θi)N]T,mi=[mi(h1) mi(h2) … mi(hN)]T,
其中:
N为采样点个数,θi为第i个入射角,S(θi)n为入射角为θi时第n个采样点的合成地震记录;mi(hn)为第n个采样点的第i个待反演参数反射系数,p(θi)n为入射角为θi时第n个采样点的子空间扩散矩阵,a(θi)n为入射角为θi时第n个采样点的系数,i=1,2,3,4,n=1,2,3,...,N。
可选的,所述对所述深度域合成地震记录进行反演分析,得到反演解析结果的过程为:
建立与所述深度域合成地震记录对应的目标函数;
对所述目标函数进行参数反演求解,得到与待反演参数对应的解析结果。
可选的,所述建立与所述深度域合成地震记录对应的目标函数的过程为:
采用贝叶斯反演方法建立与对所述深度域合成地震记录对应的目标函数。
可选的,所述对所述目标函数进行参数反演求解,得到与待反演参数对应的解析结果的过程为:
采用反复加权最小二乘法对所述目标函数进行参数反演求解,得到与待反演参数对应的解析结构。
本发明实施例还提供了一种深度域地震流体分析装置,包括:
获取模块,用于分别获取在不同入射角下各个采样点在成像过程中的脉冲数据;
第一建立模块,用于依据与每个所述入射角对应的各个脉冲数据,建立在相应的入射角下、与每个所述采样点一一对应的子空间扩散矩阵;
第二建立模块,用于依据各个所述子空间扩散矩阵建立深度域的褶积模型,以得到深度域合成地震记录;
分析模块,用于对所述深度域合成地震记录进行反演分析,得到反演解析结果。
可选的,所述第二建立模块包括:
第一建立单元,用于依据各个所述子空间扩散矩阵建立深度域的整体空间扩散矩阵;
第二建立单元,用于依据所述整体空间扩散矩阵及固液解耦流体因子反射系数方程建立深度域的褶积模型,其中,所述褶积模型为S(h)=P(h)A(θ)M(h),其中:
S(h)为深度域合成地震记录,P(h)为整体空间扩散矩阵,A(θ)为系数矩阵,M(h)为待反演参数反射系数矩阵。
本发明实施例还提供了一种深度域地震流体分析系统,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如上述所述深度域地震流体分析方法的步骤。
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上述所述深度域地震流体分析方法的步骤。
本发明实施例提供了一种深度域地震流体分析方法、装置、系统及计算机可读存储介质,该方法包括:分别获取在不同入射角下各个采样点在成像过程中的脉冲数据;依据与每个入射角对应的各个脉冲数据,建立在相应的入射角下、与每个所述采样点一一对应的子空间扩散矩阵;依据各个所述子空间扩散矩阵建立深度域的褶积模型,以得到深度域合成地震记录;对所述深度域合成地震记录进行反演分析,得到反演解析结果。
可见,本实施例中通过与不同入射角下每个采样点对应的脉冲数据,建立不同入射角下每个采样点的子空间扩散矩阵,并根据各个子空间扩散矩阵建立深度域的褶积模型,使由该褶积模型得到的深度域合成地震记录能够更好地反应地下介质的实际情况,以使根据该深度域合成地震记录得到的反演解析结果更加准确,有利于提高深度域地震流体识别的精确度。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对现有技术和实施例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。
图1为本发明实施例提供的一种深度域地震流体分析方法的流程示意图;
图2为本发明实施例提供的一种某工区二维地震数据剖面图;
图3为本发明实施例提供的一种通常本发明提供的方法反演得到的流体因子剖面图;
图4为本发明实施例提供的一种深度域地震流体分析装置的结构示意图。
具体实施方式
本发明实施例提供了一种深度域地震流体分析方法、装置、系统及计算机可读存储介质,在使用过程中能够使反演解析结果更加准确,有利于提高深度域地震流体识别的精确度。
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参照图1,图1为本发明实施例提供的一种深度域地震流体分析方法的流程示意图。该方法包括:
S110:分别获取在不同入射角下各个采样点在成像过程中的脉冲数据;
需要说明的是,本实施例中具体可以获取在不同入射角下各个采样点成像过程中的脉冲数据,也即可以分别在不同入射角时采集多个采样点,每个采用点在成像过程中均存在与其对应的脉冲数据,该脉冲数据能够很好的反应该采样点地震波的实际情况。例如,获取入射角为θ1时,N个采样点中各个采样点的脉冲数据;入射角为θ2时,N个采样点中各个采样点的脉冲数据,等等;
具体的,可以利用点扩散函数(point spread function,PSF)计算出每个采样点成像过程中的脉冲响应,从而获取相应的脉冲数据。
S120:依据与每个入射角对应的各个脉冲数据,建立在相应的入射角下、与每个采样点对应的子空间扩散矩阵;
具体的,空间扩散矩阵描述了一个系统对一个点的响应,在地震数据中,空间扩散矩阵可以认为是地下某一点波传播所产生的响应,可以代表波传播过程中纵向和横向变化的3D子波。故,本实施例中根据每个采样点在同一个入射角下分别对应的脉冲数据建立在相应入射角下与其各自对应的子空间扩散矩阵,具体可以按照常构建方法进行建立。
S130:依据各个子空间扩散矩阵建立深度域的褶积模型,以得到深度域合成地震记录;
需要说明的是,当建立好不同入射角下、与每个采样点对应的子空间扩散矩阵后,根据各个子空间扩散矩阵建立深度域的褶积模型,其中,具体可以根据各个子空间扩散矩阵建立深度域整体空间扩散矩阵,然后将根据各个子空间扩散矩阵建立的深度域整体空间扩散矩阵代入至现有的褶积模型公式中(以代替现有的褶积模型中的子波矩阵),以得到本申请中的深度域的褶积模型,并得到深度域合成地震记录。
进一步的,上述S130中依据各个子空间扩散矩阵建立深度域的褶积模型的过程,具体可以为:
依据各个子空间扩散矩阵建立深度域的整体空间扩散矩阵;依据整体空间扩散矩阵及固液解耦流体因子反射系数方程建立深度域的褶积模型,其中,褶积模型为S(h)=P(h)A(θ)M(h),其中:
褶积模型中的S(h)为深度域合成地震记录,P(h)为整体空间扩散矩阵,A(θ)为系数矩阵,M(h)为待反演参数反射系数矩阵。
具体的,根据所建立的各个子空间扩散矩阵建立深度域的整体空间扩散矩阵,然后再根据该深度域的整体空间扩散矩阵及固液解耦流体因子反射系数方程建立深度域的褶积模型,其中,A(θ)m(h)为固液解耦流体因子反射系数方程的矩阵表达式,其具体根据固液解耦流体因子反射系数方程的具体方程式得到,根据该褶积模型中的P(h)和A(θ)m(h)即可得到深度域合成地震记录S(h)。
具体的,例如固液解耦流体因子反射系数方程中有I个待反演参数反射系数,其中,I可以为4或5或其他具体数值,其具体数值根据固液解耦流体因子反射系数方程的具体表达式得到。则,S(h)、P(h)、A(θ)和M(h)的具体表达式如下:
其中:
S(θi)=[S(θi)1 S(θi)2 … S(θi)N]T,mi=[mi(h1) mi(h2) … mi(hN)]T,
上式中:N为采样点个数,θi为第i个入射角,S(θi)n为入射角为θi时第n个采样点的合成地震记录;mi(hn)为第n个采样点的第i个待反演参数反射系数,p(θi)n为入射角为θi时第n个采样点对应的子空间扩散矩阵,a(θi)n为入射角为θi时第n个采样点的系数,i=1,2,3...I,n=1,2,3,...,N。
更进一步的,本实施例中的固液解耦流体因子反射系数方程具体可以为:
其中:
Kf为固液解耦流体因子,φ为孔隙度,μ为剪切模量,ρ为密度,Vp表示地震波纵波速度,Vs表示地震波横波速度,γdry表示干岩纵横波速度比,γsat表示湿岩纵横波速度比,θ为入射角,Δ表示梯度;此时,根据上述固液解耦流体因子反射系数方程可知,本实施例中的待反演参数反射系数为四个,故I=4。
则相应的,本实施例中的S(h)=P(h)A(θ)M(h)具体为:
其中:
S(θi)=[S(θi)1 S(θi)2 … S(θi)N]T,mi=[mi(h1) mi(h2) … mi(hN)]T,
其中:
N为采样点个数,θi为第i个入射角,S(θi)n为入射角为θi时第n个采样点的合成地震记录;mi(hn)为第n个采样点的第i个待反演参数反射系数,p(θi)n为入射角为θi时第n个采样点对应的子空间扩散矩阵,a(θi)n为入射角为θi时第n个采样点的系数,i=1,2,3,4,n=1,2,3,...,N。
具体的,
其中,同一个入射角下N个采样点对应的a(θi)相同,b(θi)相同,c(θi)相同,d(θi)相同。
S140:对深度域合成地震记录进行反演分析,得到反演解析结果。
具体的,在得到深度域合成地震记录后,对该深度域合成地震记录进行反演求解,进而得到与待求解的各个待反演参数对应的反演解析结果,由于本申请中的深度域合成地震记录是根据不同入射角下各个采样点的各自对应的子空间扩散矩阵建立的,所以本实施例中的深度域合成地震记录能够更好地反应地下介质的实际情况,进而使得到的反演解析结果更加准确。
进一步的,上述S140中对深度域合成地震记录进行反演分析,得到反演解析结果的过程,具体可以为:
建立与深度域合成地震记录对应的目标函数;
具体的,本实施例中可以采用贝叶斯反演方法建立与对深度域合成地震记录对应的目标函数,过程具体如下:
其中,在贝叶斯反演框架下,以本实施例中的褶积模型S(h)=P(h)A(θ)M(h)为正演方程,假设待反演参数反射系数为M,带噪音的观测数据为Sobs。假设似然函数服从高斯分布,似然函数是描述正演合成地震记录与实际观测记录差异的概率分布的概率函数,可表示为:
其中,p(Sobs|M)为似然函数,为噪声方差,P为子空间扩散矩阵,A为系数矩阵。
待反演参数为M服从柯西分布:
其中,N为采样点数,为模型参数方差,Mj为第j个采样点对应的一组待反演参数反射系数。
联立上述两个关系式,也即联系p(Sobs|M)和pCauchy(M)得到后验概率分布函数p(M,σn|Sobs),具体如下:
将后验概率分布函数p(M,σn|Sobs)代入边缘化公式,取对数后最大化后验概率分布得到与深度域合成地震记录对应的目标函数F(M):
其中,Λ为待反演参数反射系数模型约束项。
Λ=λ1(η1-P1'm1)T(η1-P'1m1)+λ2(η2-P'2m2)T(η2-P'2m2)
+λ3(η3-P'3m3)T(η3-P'3m3)+λ4(η4-P'4m4)T(η4-P'4m4)
hN为第N个采样点的深度,h0为初始深度,mi0为模型参数的初始值,λi为第i个待反演参数反射系数对应的约束系数,m1、m2、m3、m4分别为第1,2,3,4个待反演参数反射系数。
在得到目标函数后,通过对目标函数进行参数反演求解,能够进一步得到与待反演参数对应的解析结果,具体如下:
通过对目标函数中的M进行求导,以对目标函数进行优化后可得到优化后的目标函数:
Θ=ΓM(h),其中:
Θ=(PA)TSobs+λ1P'1 Tη1+λ2P'2 Tη2+λ3P'3 Tη3+λ4P'4 Tη4
Γ=(PA)T(PA)+λcQc+λ1P'1 TP1+λ2P'2 TP2+λ3P'3 TP3+λ4P'4 TP4
其中,Mn表示与第n个采样点对应的一组待反演参数反射系数,n∈[1,N]。
然后,采用反复加权最小二乘法对优化后的目标函数Θ=ΓM(h)进行求解,得到相应的待反演参数反射系数m的解析结果,进一步根据M得到待反演流体敏感参数Kf,以便后续的流体识别过程中以本实施例中求解的待反演流体敏感参数作为指示,实现基于子空间扩散矩阵的深度域流体识别。其中,如2为本实施例提供的某工区二维地震数据剖面,图3为采用本实施例中所提供的方法反演得到的流体因子剖面图,其中,图2和涂的纵坐标均为深度,单位m,色标seismic表示地震数据,Fluid Factor表示密度(牛/平方米)。
可见,本实施例中通过与不同入射角下每个采样点对应的脉冲数据,建立不同入射角下每个采样点各自的子空间扩散矩阵,并根据各个子空间扩散矩阵建立深度域的褶积模型,使由该褶积模型得到的深度域合成地震记录能够更好地反应地下介质的实际情况,以使根据该深度域合成地震记录得到的反演解析结果更加准确,有利于提高深度域地震流体识别的精确度。
在上述实施例的基础上,本发明实施例还提供了一种深度域地震流体分析装置,具体请参照图4。该装置包括:
获取模块21,用于分别获取在不同入射角下各个采样点在成像过程中的脉冲数据;
第一建立模块22,用于依据与每个入射角对应的各个脉冲数据,建立在相应的入射角下、与每个所述采样点一一对应的子空间扩散矩阵;
第二建立模块23,用于依据各个子空间扩散矩阵建立深度域的褶积模型,以得到深度域合成地震记录;
分析模块24,用于对深度域合成地震记录进行反演分析,得到反演解析结果。
进一步的,第二建立模块23包括:
第一建立单元,用于依据各个子空间扩散矩阵建立深度域的整体空间扩散矩阵;
第二建立单元,用于依据整体空间扩散矩阵及固液解耦流体因子反射系数方程建立深度域的褶积模型,其中,褶积模型为S(h)=P(h)A(θ)M(h),其中:
S(h)为深度域合成地震记录,P(h)为整体空间扩散矩阵,A(θ)为系数矩阵,M(h)为待反演参数反射系数矩阵。
需要说明的是,本实施例所提供的种深度域地震流体分析装置,具有与上述实施例中所提供的种深度域地震流体分析方法相同的有益效果,并且对于本实施例中所涉及到的种深度域地震流体分析方法的具体介绍请参照上述实施例,本申请在此不再赘述。
在上述实施例的基础上,本发明实施例还提供了一种深度域地震流体分析系统,该系统包括:
存储器,用于存储计算机程序;
处理器,用于执行计算机程序时实现如上述深度域地震流体分析方法的步骤。
例如,本实施例中的处理器用于实现分别获取在不同入射角下各个采样点在成像过程中的脉冲数据;依据与每个入射角对应的各个脉冲数据,建立在相应的入射角下、与每个所述采样点一一对应的子空间扩散矩阵;依据各个所述子空间扩散矩阵建立深度域的褶积模型,以得到深度域合成地震记录;对所述深度域合成地震记录进行反演分析,得到反演解析结果。
在上述实施例的基础上,本发明实施例还提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现如上述深度域地震流体分析方法的步骤。
该计算机可读存储介质可以包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
还需要说明的是,在本说明书中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其他实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种深度域地震流体分析方法,其特征在于,包括:
分别获取在不同入射角下各个采样点在成像过程中的脉冲数据;
依据与每个所述入射角对应的各个脉冲数据,建立在相应的入射角下、与每个所述采样点一一对应的子空间扩散矩阵;
依据各个所述子空间扩散矩阵建立深度域的褶积模型,以得到深度域合成地震记录;
对所述深度域合成地震记录进行反演分析,得到反演解析结果。
2.根据权利要求1所述的深度域地震流体分析方法,其特征在于,所述依据各个所述子空间扩散矩阵建立深度域的褶积模型的过程为:
依据各个所述子空间扩散矩阵建立褶积模型中的整体空间扩散矩阵;
依据所述整体空间扩散矩阵及固液解耦流体因子反射系数方程建立深度域的褶积模型,其中,所述褶积模型为S(h)=P(h)A(θ)M(h),其中:
S(h)为深度域合成地震记录,P(h)为整体空间扩散矩阵,A(θ)为系数矩阵,M(h)为待反演参数反射系数矩阵。
3.根据权利要求2所述的深度域地震流体分析方法,其特征在于,所述固液解耦流体因子反射系数方程为:
其中:
Kf为固液解耦流体因子,φ为孔隙度,μ为剪切模量,ρ为密度,Vp表示地震波纵波速度,Vs表示地震波横波速度,γdry表示干岩纵横波速度比,γsat表示湿岩纵横波速度比,θ为入射角,Δ表示梯度;
所述S(h)=P(h)A(θ)M(h)为:
其中:
S(θi)=[S(θi)1 S(θi)2 … S(θi)N]T,mi=[mi(h1) mi(h2) … mi(hN)]T,
其中:
N为采样点个数,θi为第i个入射角,S(θi)n为入射角为θi时第n个采样点的合成地震记录;mi(hn)为第n个采样点的第i个待反演参数反射系数,p(θi)n为入射角为θi时第n个采样点的子空间扩散矩阵,a(θi)n为入射角为θi时第n个采样点的系数,i=1,2,3,4,n=1,2,3,...,N。
4.根据权利要求2所述的深度域地震流体分析方法,其特征在于,所述对所述深度域合成地震记录进行反演分析,得到反演解析结果的过程为:
建立与所述深度域合成地震记录对应的目标函数;
对所述目标函数进行参数反演求解,得到与待反演参数对应的解析结果。
5.根据权利要求4所述的深度域地震流体分析方法,其特征在于,所述建立与所述深度域合成地震记录对应的目标函数的过程为:
采用贝叶斯反演方法建立与对所述深度域合成地震记录对应的目标函数。
6.根据权利要求5所述的深度域地震流体分析方法,其特征在于,所述对所述目标函数进行参数反演求解,得到与待反演参数对应的解析结果的过程为:
采用反复加权最小二乘法对所述目标函数进行参数反演求解,得到与待反演参数对应的解析结构。
7.一种深度域地震流体分析装置,其特征在于,包括:
获取模块,用于分别获取在不同入射角下各个采样点在成像过程中的脉冲数据;
第一建立模块,用于依据与每个所述入射角对应的各个脉冲数据,建立在相应的入射角下、与每个所述采样点一一对应的子空间扩散矩阵;
第二建立模块,用于依据各个所述子空间扩散矩阵建立深度域的褶积模型,以得到深度域合成地震记录;
分析模块,用于对所述深度域合成地震记录进行反演分析,得到反演解析结果。
8.根据权利要求7所述的深度域地震流体分析装置,其特征在于,所述第二建立模块包括:
第一建立单元,用于依据各个所述子空间扩散矩阵建立深度域的整体空间扩散矩阵;
第二建立单元,用于依据所述整体空间扩散矩阵及固液解耦流体因子反射系数方程建立深度域的褶积模型,其中,所述褶积模型为S(h)=P(h)A(θ)M(h),其中:
S(h)为深度域合成地震记录,P(h)为整体空间扩散矩阵,A(θ)为系数矩阵,M(h)为待反演参数反射系数矩阵。
9.一种深度域地震流体分析系统,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至6任意一项所述深度域地震流体分析方法的步骤。
10.一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上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至6任意一项所述深度域地震流体分析方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910507106.3A CN110161563B (zh) | 2019-06-12 | 2019-06-12 | 一种深度域地震流体分析方法、装置、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910507106.3A CN110161563B (zh) | 2019-06-12 | 2019-06-12 | 一种深度域地震流体分析方法、装置、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110161563A true CN110161563A (zh) | 2019-08-23 |
CN110161563B CN110161563B (zh) | 2020-09-18 |
Family
ID=67628423
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910507106.3A Active CN110161563B (zh) | 2019-06-12 | 2019-06-12 | 一种深度域地震流体分析方法、装置、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110161563B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111624658A (zh) * | 2020-05-29 | 2020-09-04 | 中国石油天然气集团有限公司 | 深度域成像模拟方法及系统 |
CN111948712A (zh) * | 2020-08-10 | 2020-11-17 | 中海石油(中国)有限公司 | 一种基于深度域地震记录的叠前线性反演方法 |
CN112485826A (zh) * | 2020-11-12 | 2021-03-12 | 中国地质大学(武汉) | 绝对波阻抗反演成像方法、装置、设备及存储介质 |
CN112630824A (zh) * | 2019-10-09 | 2021-04-09 | 中国石油化工股份有限公司 | 一种地震成像中的离散点扩散函数生成方法及系统 |
CN113466934A (zh) * | 2021-06-17 | 2021-10-01 | 中国地质大学(武汉) | 基于点扩散函数的Hessian矩阵的计算与存储方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6055482A (en) * | 1998-10-09 | 2000-04-25 | Coherence Technology Company, Inc. | Method of seismic signal processing |
US20040117121A1 (en) * | 2002-09-27 | 2004-06-17 | Veritas Dgc Inc. | Reservoir fracture characterization |
US20080186804A1 (en) * | 2002-05-28 | 2008-08-07 | Westerngeco L.L.C. | Processing seismic data |
CN103995289A (zh) * | 2014-05-19 | 2014-08-20 | 中国石油大学(华东) | 基于时频谱模拟的时变混合相位地震子波提取方法 |
CN104216014A (zh) * | 2014-09-25 | 2014-12-17 | 郭平 | 一种地震信号分频处理方法 |
CN104597490A (zh) * | 2015-01-28 | 2015-05-06 | 中国石油大学(北京) | 基于精确Zoeppritz方程的多波AVO储层弹性参数反演方法 |
CN105044772A (zh) * | 2015-08-06 | 2015-11-11 | 中国石油天然气集团公司 | 一种实现时变谱模拟反褶积的方法和装置 |
CN106443768A (zh) * | 2016-12-14 | 2017-02-22 | 成都理工大学 | 一种叠前深度域合成地震记录制作方法 |
CN106842310A (zh) * | 2015-12-04 | 2017-06-13 | 中国石油化工股份有限公司 | 叠前地震四参数同步反演方法 |
CN106932819A (zh) * | 2017-02-23 | 2017-07-07 | 河海大学 | 基于各向异性马尔科夫随机域的叠前地震参数反演方法 |
CN107329171A (zh) * | 2017-06-07 | 2017-11-07 | 中国石油天然气股份有限公司 | 深度域储层地震反演方法及装置 |
-
2019
- 2019-06-12 CN CN201910507106.3A patent/CN110161563B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6055482A (en) * | 1998-10-09 | 2000-04-25 | Coherence Technology Company, Inc. | Method of seismic signal processing |
US20080186804A1 (en) * | 2002-05-28 | 2008-08-07 | Westerngeco L.L.C. | Processing seismic data |
US20040117121A1 (en) * | 2002-09-27 | 2004-06-17 | Veritas Dgc Inc. | Reservoir fracture characterization |
CN103995289A (zh) * | 2014-05-19 | 2014-08-20 | 中国石油大学(华东) | 基于时频谱模拟的时变混合相位地震子波提取方法 |
CN104216014A (zh) * | 2014-09-25 | 2014-12-17 | 郭平 | 一种地震信号分频处理方法 |
CN104597490A (zh) * | 2015-01-28 | 2015-05-06 | 中国石油大学(北京) | 基于精确Zoeppritz方程的多波AVO储层弹性参数反演方法 |
CN105044772A (zh) * | 2015-08-06 | 2015-11-11 | 中国石油天然气集团公司 | 一种实现时变谱模拟反褶积的方法和装置 |
CN106842310A (zh) * | 2015-12-04 | 2017-06-13 | 中国石油化工股份有限公司 | 叠前地震四参数同步反演方法 |
CN106443768A (zh) * | 2016-12-14 | 2017-02-22 | 成都理工大学 | 一种叠前深度域合成地震记录制作方法 |
CN106932819A (zh) * | 2017-02-23 | 2017-07-07 | 河海大学 | 基于各向异性马尔科夫随机域的叠前地震参数反演方法 |
CN107329171A (zh) * | 2017-06-07 | 2017-11-07 | 中国石油天然气股份有限公司 | 深度域储层地震反演方法及装置 |
Non-Patent Citations (3)
Title |
---|
L.P.LETKI等: ""Depth Domain Inversion Case Study in Complex Subsalt Area"", 《77TH EAGE CONFERENCE AND EXHIBITION 2015》 * |
YIN XINGYAO等: ""Research on seismic fluid identification driven by rock physics"", 《SCIENCE CHINA EARTH SCIENCES》 * |
ZONG ZHAOYUN 等: ""Young’s modulus variation with azimuth for fracture orientation estimation"", 《INTERPRETATION》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112630824A (zh) * | 2019-10-09 | 2021-04-09 | 中国石油化工股份有限公司 | 一种地震成像中的离散点扩散函数生成方法及系统 |
CN112630824B (zh) * | 2019-10-09 | 2024-03-22 | 中国石油化工股份有限公司 | 一种地震成像中的离散点扩散函数生成方法及系统 |
CN111624658A (zh) * | 2020-05-29 | 2020-09-04 | 中国石油天然气集团有限公司 | 深度域成像模拟方法及系统 |
CN111948712A (zh) * | 2020-08-10 | 2020-11-17 | 中海石油(中国)有限公司 | 一种基于深度域地震记录的叠前线性反演方法 |
CN111948712B (zh) * | 2020-08-10 | 2021-08-10 | 中海石油(中国)有限公司 | 一种基于深度域地震记录的叠前线性反演方法 |
CN112485826A (zh) * | 2020-11-12 | 2021-03-12 | 中国地质大学(武汉) | 绝对波阻抗反演成像方法、装置、设备及存储介质 |
CN112485826B (zh) * | 2020-11-12 | 2022-04-26 | 中国地质大学(武汉) | 绝对波阻抗反演成像方法、装置、设备及存储介质 |
CN113466934A (zh) * | 2021-06-17 | 2021-10-01 | 中国地质大学(武汉) | 基于点扩散函数的Hessian矩阵的计算与存储方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110161563B (zh) | 2020-09-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110161563A (zh) | 一种深度域地震流体分析方法、装置、系统及存储介质 | |
Wu et al. | Least-squares horizons with local slopes and multigrid correlations | |
CN107121699B (zh) | 一种地震相控制下的沉积微相识别方法 | |
US8599643B2 (en) | Joint structural dip removal | |
WO2020123084A1 (en) | Machine learning-augmented geophysical inversion | |
Qiang et al. | Prediction of reservoir quality from log-core and seismic inversion analysis with an artificial neural network: A case study from the Sawan Gas Field, Pakistan | |
CN109490963B (zh) | 裂缝储层岩石物理建模方法及系统 | |
CN111596978A (zh) | 用人工智能进行岩相分类的网页显示方法、模块和系统 | |
CN101071175A (zh) | 零井源距垂直地震剖面纵横波数据深度域走廊叠加剖面处理方法 | |
CN109085663A (zh) | 一种致密砂岩储层层理缝识别方法 | |
Seiler et al. | Structural surface uncertainty modeling and updating using the ensemble Kalman filter | |
CN106291682B (zh) | 一种基于基追踪方法的叠后声波阻抗反演方法 | |
CN102353985A (zh) | 基于非下采样Contourlet变换的拟声波曲线构建方法 | |
CN104268412A (zh) | 一种角道集射线层析偏移速度分析方法及装置 | |
CN106646601A (zh) | 多信息联合约束的浅中深层三维q体建立方法 | |
US20130226968A1 (en) | Method and system of subsurface horizon assignment | |
Grandjean et al. | Geophysical data fusion by fuzzy logic for imaging the mechanical behaviour of mudslides | |
Leaney | Microseismic source inversion in anisotropic media | |
US20160238724A1 (en) | Methods and systems of generating a velocity model | |
Zhou et al. | Data driven modeling and prediction for reservoir characterization using seismic attribute analyses and big data analytics | |
Wilson et al. | Evaluating 3D and 4D DAS VSP image quality of subsea carbon storage | |
Zimmer et al. | Microseismic monitoring quality-control (QC) reports as an interpretative tool for nonspecialists | |
Mari et al. | Contribution of full wave acoustic logging to the detection and prediction of karstic bodies | |
Wielemaker et al. | Delineating the geothermal structure and flow properties in a sub-horizontal well with the use of wireline and LWD data in a multiphysics approach | |
Rush et al. | Geostatistical facies modeling trends for oolitic tidal sand shoals |
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 |