CN110333533A - 基于匹配追踪和rgb色彩融合的亮点油气检测方法及系统 - Google Patents
基于匹配追踪和rgb色彩融合的亮点油气检测方法及系统 Download PDFInfo
- Publication number
- CN110333533A CN110333533A CN201910349692.3A CN201910349692A CN110333533A CN 110333533 A CN110333533 A CN 110333533A CN 201910349692 A CN201910349692 A CN 201910349692A CN 110333533 A CN110333533 A CN 110333533A
- Authority
- CN
- China
- Prior art keywords
- bright spot
- frequency
- wavelet
- rgb color
- prediction section
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000004927 fusion Effects 0.000 claims abstract description 57
- 238000001514 detection method Methods 0.000 claims abstract description 23
- 238000001228 spectrum Methods 0.000 claims abstract description 22
- 239000004215 Carbon black (E152) Substances 0.000 claims abstract description 20
- 229930195733 hydrocarbon Natural products 0.000 claims abstract description 20
- 238000012216 screening Methods 0.000 claims abstract description 17
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 16
- 238000009826 distribution Methods 0.000 claims abstract description 13
- 238000004458 analytical method Methods 0.000 claims abstract description 12
- 125000001183 hydrocarbyl group Chemical group 0.000 claims abstract description 11
- 150000002430 hydrocarbons Chemical class 0.000 claims abstract description 9
- 239000000284 extract Substances 0.000 claims description 17
- 238000000354 decomposition reaction Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 241000208340 Araliaceae Species 0.000 claims 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims 1
- 235000003140 Panax quinquefolius Nutrition 0.000 claims 1
- 235000008434 ginseng Nutrition 0.000 claims 1
- 238000005267 amalgamation Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 239000004744 fabric Substances 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000005282 brightening Methods 0.000 description 2
- 238000002955 isolation Methods 0.000 description 2
- 239000004575 stone Substances 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000000740 bleeding effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003129 oil well Substances 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000012732 spatial analysis Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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. for interpretation or for event detection
- G01V1/30—Analysis
- G01V1/306—Analysis for determining physical properties of the subsurface, e.g. impedance, porosity or attenuation profiles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/62—Physical property of subsurface
- G01V2210/624—Reservoir parameters
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明涉及一种基于匹配追踪和RGB色彩融合的亮点油气检测方法，其步骤为：通过匹配追踪算法按照局部最佳匹配原则将获取的含油气地层的地震数据分解为频率和振幅信息不同的子波；通过阈值或迭代次数控制结合处理解释经验及井资料筛选与油气相关的子波，将子波进行叠加获取亮点预测剖面；求取筛选的子波的Wigner分布，并将其线性叠加得到亮点预测剖面的时频分布；从亮点预测剖面的时频谱中提取三个不同频带的数据体，获取亮点预测剖面的三个分频属性数据体；对三个分频属性数据体采用RGB色彩融合的显示方式进行分频属性融合，并行亮点分析和含油气检测。本发明尽可能避免非储层反射对于储层解释的影响，提高亮点识别的精度，减少亮点油气检测的多解性。
Description
技术领域
本发明属于地球物理勘探技术领域，涉及油气检测技术，具体地说，涉及一种基于匹配追踪和RGB色彩融合的亮点油气检测方法及系统。
背景技术
地震波在含油气地层中传播时，储层上下界面与围岩的波阻抗差异会体现出不同的振幅属性，通常会出现强振幅的“亮点”。也就是说，所谓亮点是指在地震剖面上，由于地下油气藏(以气藏最为典型)的存在所引起的地震反射波振幅相对增强，它与其他上下左右的反射振幅相比，更为突出。利用亮点技术进行油气检测，较多的是依靠波的振幅信息，并没有与地层参数相结合，一些反射系数大的硬地层、低含气饱和度的砂岩等往往会在剖面上形成假亮点，严重降低了亮点解释的准确性。因此，如何保证亮点识别的可靠性成为制约利用亮点技术进行油气检测中检测精度的关键。
发明内容
本发明针对现有油气检测过程中因存在假亮点造成亮点识别精度差等上述问题，提供了一种基于匹配追踪和RGB色彩融合的亮点油气检测方法及系统，能够提高亮点识别的精度，消除假亮点对解释准确性的影响，进而提高油气检测精度。
为了达到上述目的，本发明提供了一种基于匹配追踪和RGB色彩融合的亮点油气检测方法，其具体步骤为：
获取含油气地层的地震数据，通过匹配追踪算法按照局部最佳匹配原则将地震数据分解为频率和振幅信息不同的子波；
通过阈值或迭代次数控制结合人工经验及井资料筛选与油气相关的子波，将筛选的子波进行叠加获取亮点预测剖面；
求取筛选的子波的Wigner分布，并将其线性叠加得到亮点预测剖面的时频分布；
从亮点预测剖面的时频谱中提取三个不同频带的数据体，获取亮点预测剖面的三个分频属性数据体；
对三个分频属性数据体采用RGB色彩融合的显示方式进行分频属性融合，获取RGB分频属性融合结果，并对RGB分频属性融合结果进行亮点分析和含油气检测。
优选的，对历史地震数据进行分解过程中，以雷克子波作为标准创建原子库，通过匹配追踪算法将历史地震数据分解为不同雷克子波的集合。
优选的，运用三参数动态搜索方法求取分解获得的子波，并在子波能量归一化的条件下求取子波的振幅。
优选的，所述亮点预测剖面表示为：
式中，s为带限地震信号，t为采样时间，i为筛选的子波个数，ai、ti、fi和φi均为控制参数，其中，ai为雷克子波wi的振幅，ti为雷克子波wi的中心时移，fi为雷克子波wi的主频，和φi为雷克子波wi的相位。
优选的，从亮点预测剖面的时频谱中提取三个不同频带的分频属性数据体时，根据亮点预测剖面的时频谱确定优势频带对应的最小频率为fmin，最大频率为fmax，采用带宽等比例分解方式，提取((fmin+2fmax)/3，fmax)、((2fmin+fmax)/3，(fmin+2fmax)/3)、(fmin，(2fmin+fmax)/3)三个频带数据体。
优选的，在对三个分频属性数据体采用RGB色彩融合的显示方式进行分频属性融合时，将((fmin+2fmax)/3，fmax)频带数据体作为RGB色彩融合中R对应的频率范围，((2fmin+fmax)/3，(fmin+2fmax)/3)频带数据体作为RGB色彩融合中G对应的频率范围，(fmin，(2fmin+fmax)/3)频带数据体作为RGB色彩融合中B对应的频率范围。
为了达到上述目的，本发明另提供了一种亮点油气检测系统，包括：
用于采集含油气地层的地震数据，并通过匹配追踪算法按照局部最佳匹配原则将地震数据分解为频率和振幅信息不同的子波的装置；
用于通过阈值或迭代次数控制结合人工经验及井资料筛选与油气相关的子波，将筛选的子波进行叠加获取亮点预测剖面的装置；
用于求取筛选的子波的Wigner分布，并将其线性叠加得到亮点预测剖面的时频分布的装置；
用于从亮点预测剖面的时频谱中提取三个不同频带的数据体，获取亮点预测剖面的三个分频属性数据体的装置；
以及用于对三个分频属性数据体采用RGB色彩融合的显示方式进行分频属性融合，获取RGB分频属性融合结果，并对RGB分频属性融合结果进行亮点分析和含油气检测的装置。
与现有技术相比，本发明的优点和积极效果在于：
(1)本发明采用匹配追踪对地震数据进行分解，并通过阈值或迭代次数控制结合人工经验及井资料筛选与油气相关的子波进行亮点反射预测，使获得的亮点预测剖面能够最大限度的反应储层展布特征，消除非储层假亮点对解释的影响。
(2)本发明采用求取亮点预测剖面的时频分布，提取三个不同频带的数据体作为亮点预测剖面的分频属性数据体，然后采用RGB色彩融合的显示方式进行分频属性融合显示，充分利用地震属性种蕴含的频率信息，能够更准确的进行真亮点的识别，对储层进行更为精细的刻画，提高亮点识别的精度，进而提高油气检测精度。
附图说明
图1为本发明基于匹配追踪和RGB色彩融合的亮点油气检测方法的流程图；
图2a为本发明一实施例含油气模型示意图；
图2b为本发明实施例含油气模型对应的地震剖面图；
图2c为本发明实施例含油气模型的亮点预测剖面图；
图3a为本发明实施例含油气模型采用广义S变换提取分频数据并采用RGB色彩融合方式进行分频融合的结果；
图3b为本发明实施例含油气模型采用现有匹配追踪提取分频数据并采用RGB色彩融合方式进行分频融合的结果；
图3c为本发明实施例含油气模型采用本发明基于匹配追踪先提取亮点预测剖面并采用RGB色彩融合的亮点油气检测方法进行分频融合的结果；
图4为本发明另一实施例实际资料地震剖面图；
图5a为本发明实施例实际资料地震剖面采用广义S变换提取分频数据并采用RGB色彩融合方式进行分频融合的结果；
图5b为本发明实施例实际资料地震剖面采用现有匹配追踪提取分频数据并采用RGB色彩融合方式进行分频融合的结果；
图5c为本发明实施例实际资料地震剖面采用本发明基于匹配追踪先提取亮点预测剖面并采用RGB色彩融合的亮点油气检测方法进行分频融合的结果。
具体实施方式
下面，通过示例性的实施方式对本发明进行具体描述。然而应当理解，在没有进一步叙述的情况下，一个实施方式中的元件、结构和特征也可以有益地结合到其他实施方式中。
为了实现对储层进行更为细致的刻画，提高亮点识别的精度，首先需要解决两个关键的技术问题，一是如何获取高时频分辨率的分频属性数据体，二是如何减少非储层假亮点的影响。目前常用的时频分析方法有短时傅里叶变换、小波变换、S变换等，但这些方法都具有时窗效应，且时频分辨率低。匹配追踪算法则突破了时窗影响，可以获取高分辨率的时频谱，有利于储层的空间展布分析。
为了达到上述目的，本发明提供了一种基于匹配追踪和RGB色彩融合的亮点油气检测方法，该方法综合利用振幅和频率信息，采用匹配追踪算法对地震信号进行分解并筛选与油气有关的子波进行亮点反射预测，消除非储层假亮点对解释的影响，同时采用RGB色彩融合方式对分频数据体进行融合显示，能够更准确的进行真亮点的识别，实现对储层更为精细的刻画。参见图1，其具体步骤如下：
S1、获取含油气地层的地震数据，通过匹配追踪算法按照局部最佳匹配原则将地震数据分解为频率和振幅信息不同的子波；
S2、通过阈值或迭代次数控制结合人工经验及井资料筛选与油气相关的子波，将筛选的子波进行叠加获取亮点预测剖面；
S3、求取筛选的子波的Wigner分布，并将其线性叠加得到亮点预测剖面的时频分布；
S4、从亮点预测剖面的时频谱中提取三个不同频带的数据体，获取亮点预测剖面的三个分频属性数据体；
S5、对三个分频属性数据体采用RGB色彩融合的显示方式进行分频属性融合，获取RGB分频属性融合结果(即RGB分频融合属性数据体)，并对RGB分频属性融合结果进行亮点分析和含油气检测。
上述亮点油气检测方法的一优选实施方式，对历史地震数据进行分解过程中，以雷克子波作为标准创建原子库，通过匹配追踪算法将历史地震数据分解为不同雷克子波的集合。所述亮点预测剖面表示为：
式中，s为带限地震信号，t为采样时间，i为筛选的子波个数，ai、ti、fi和φi均为控制参数，其中，ai为雷克子波wi的振幅，ti为雷克子波wi的中心时移，fi为雷克子波wi的主频，和φi为雷克子波wi的相位。雷克子波符合地震信号特征，延迟时间短且收敛快，采用雷克子波创建原子库进行匹配追踪可以获取高时频分辨率的时频谱。
上述亮点油气检测方法的一优选实施方式，运用三参数动态搜索方法求取分解获得的子波，并在子波能量归一化的条件下求取子波的振幅。采用三参数动态搜索方法求取子波，具体地说，是通过提取复信号包络最大值处的时间、相位及频率信息作为先验信息，缩小动态搜索范围，实现地震信号的快速分解，从而获得子波。以先验信息作为约束，避免了原子库中大规模搜索，可以极大的提高计算效率。
上述亮点油气检测方法的一优选实施方式，从亮点预测剖面的时频谱中提取三个不同频带的分频属性数据体时，根据亮点预测剖面的时频谱确定优势频带对应的最小频率为fmin，最大频率为fmax，采用带宽等比例分解方式，提取((fmin+2fmax)/3，fmax)、((2fmin+fmax)/3，(fmin+2fmax)/3)、(fmin，(2fmin+fmax)/3)三个频带数据体。也就是说，提取时频分析获取的低、中、高不同频带数据体作为分频属性数据体。作为优选，在对三个分频属性数据体采用RGB色彩融合的显示方式进行分频属性融合时，将((fmin+2fmax)/3，fmax)频带数据体作为RGB色彩融合中R对应的频率范围，((2fmin+fmax)/3，(fmin+2fmax)/3)频带数据体作为RGB色彩融合中G对应的频率范围，(fmin，(2fmin+fmax)/3)频带数据体作为RGB色彩融合中B对应的频率范围。运用RGB色彩融合的方式将提取的低、中、高不同频带数据体进行融合显示，融合结果可以直观地震数据的频率变化，充分利用地震属性中蕴含的不同信息，对储层进行更为细致的刻画，提高亮点识别的精度。
本发明上述方法利用匹配追踪对地震信号进行自适应分解，通过阈值或迭代次数控制并结合人工经验及井资料等先验信息筛选出与油气密切相关的子波，对筛选的子波进行线性叠加后即可获取重构的亮点预测剖面；然后对筛选的子波分别求取Wigner分布并叠加得到亮点预测剖面的时频谱，根据时频谱信息提取分频数据体；最后，结合RGB融合显示技术的优势对分频数据进行融合显示并实现亮点技术含油气检测。本发明上述方法尽可能避免非储层反射对于储层解释的影响，地震剖面更为清晰；时频谱求取避免了传统方法的时窗限制和交叉项，谱信息具有较高的时频分辨率，而高分辨率的时频谱更利于油气识别和空间展布的判断；RGB色彩融合充分利用了各个频带的信息，减少了亮点油气检测的多解性。
为了达到上述目的，本发明另提供了一种亮点油气检测系统，包括：
用于采集含油气地层的地震数据，并通过匹配追踪算法按照局部最佳匹配原则将地震数据分解为频率和振幅信息不同的子波的装置；
用于通过阈值或迭代次数控制结合人工经验及井资料筛选与油气相关的子波，将筛选的子波进行叠加获取亮点预测剖面的装置；
用于求取筛选的子波的Wigner分布，并将其线性叠加得到亮点预测剖面的时频分布的装置；
用于从亮点预测剖面的时频谱中提取三个不同频带的数据体，获取亮点预测剖面的三个分频属性数据体的装置；
以及用于对三个分频属性数据体采用RGB色彩融合的显示方式进行分频属性融合，获取RGB分频属性融合结果，并对RGB分频属性融合结果进行亮点分析和含油气检测的装置。
本发明上述亮点油气检测系统，采用匹配追踪算法对地震信号进行分解并筛选与油气有关的子波进行亮点反射预测，消除非储层假亮点对解释的影响，同时采用RGB色彩融合方式对分频数据体进行融合显示，能够更准确的进行真亮点的识别，实现对储层更为精细的刻画。
为了能够更清楚地说明本发明上述方法和系统，下面以两个具体的实施例对其进行说明。
实施例1：
参见图2a所示为含油气模型。参见图2b所示含油气模型对应的地震剖面，含油气地层在地震剖面上显示出较强的能量，但是较大的速度差异同样在泥岩2与泥岩3界面之间产生了较强的非储层假亮点。
本发明上述方法和系统首先采用匹配追踪算法对获取的含油气模型的地震数据进行自适应分解，然后通过阈值控制来进行亮点预测剖面的提取，对筛选的子波进行线性叠加后即可获得重构的亮点预测剖面(参见图2c)。由图2c可见，亮点预测剖面与模型中油气分布基本一致，亮点剖面更为清晰，基本消除了非储层反射对亮点解释的影响，而图2c中箭头所指空白处为受低频阴影影响，这些对于后续的含油气检测是非常有利的。
将筛选的子波分别求取Wigner分布并叠加获取重构的亮点剖面时频谱，提取高、中、低频分频带属性数据体，将其高频分频带属性数据体用红色显示，中频分频带属性数据体用绿色显示，将低频分频带属性数据体用蓝色显示，调整三者的颜色比例将其融合，即可得到RGB分频融合属性数据体。
图3a-3c给出了采用不同方法获取的RGB分频融合属性数据体的对比。其中，图3a为含油气模型采用广义S变换提取分频数据并采用RGB色彩融合方式进行分频融合的结果，图3b为含油气模型采用现有匹配追踪提取分频数据并采用RGB色彩融合方式进行分频融合的结果，图3c为含油气模型采用本发明基于匹配追踪先提取亮点预测剖面并采用RGB色彩融合的亮点油气检测方法进行分频融合的结果。由图3c可知，本发明方法中含油气地层得到了有效的刻画，同时有效地消除了方框内非储层信息的影响。另外，匹配追踪提取的亮点剖面中指示可能的含油气地层，由于气体比液体对地震波的衰减更为明显，所以当地层中含气时，相比含油的频谱会呈现出低频强，而含油时，则相对会呈现高频强。图3c中0.15km以下箭头指示区域可能含油，而0.1km附近箭头指示区域则相应指示含气地层，这是由于该区域颜色由暗逐渐变亮，信号主频变小，考虑为高频成分被气层吸收所致。这与图2a中含油气模型是相对应的。图3b和3c中油气下方的低频阴影大大提高了气藏存在的可靠性，进一步印证了本发明在利用亮点技术进行油气检测，尤其是含气储层检测方面的有效性。
实施例2：
对渤海湾南部某油田的实际资料进行了测试，地震资料剖面参见图4。该地区的构造运动形成了良好的生储盖组合，地震剖面中虚线位置处有两口井，钻井数据显示A1井为油井，A2井为水井。
图5a-5c给出了采用不同方法获取的RGB分频融合属性数据体。图5a为采用广义S变换进行时频分析提取分频数据后再进行RGB分频融合的结果，图5b为采用现有匹配追踪进行时频分析提取分频数据后再进行RGB分频融合的结果，图5c为采用本发明上述方法先应用匹配追踪预测亮点剖面，然后经时频分析提取分频数据再进行RGB分频融合的结果。RGB属性体中不同颜色代表不同的频率成分，其中振幅较强的位置指示可能的储层，图5a中椭圆位置预测可能含油气，但是由于广义S变换时频分辨率存在一定的局限性，同时由于非储层反射的影响，该预测结果存在较大的不确定性。图5b中由于匹配追踪可以获取较高的时频分辨率，RGB属性体中椭圆位置能量较强容易断定其为含油气地层，A1井得到了较为准确的刻画，但是A2井与A1井在同一连续地层中，容易同样解释为含油气井，结果不符合实际井位信息。图5c结果体现了本发明的优势，通过采用匹配追踪首先提取亮点预测剖面，消除非储层反射的影响，通过分频属性体RGB融合，我们可以看到，图5c中左侧圆圈内颜色发生变化，其通常为油气富集的响应特征，颜色逐渐由暗变亮，信号的主频变小，考虑为高频成分被油气吸收所致，这与钻井数据是一致的。而在图5c中右侧圆圈区域，通过在匹配追踪分解过程中对分解子波进行筛选，避免了非储层反射的影响，提高了亮点解释的精度。由此，采用本发明对实际资料进行试算所得到的油气识别结果与钻井结果相吻合，这进一步验证了本发明的可行性和实用性，该方法可以减少解释的多解性，有效的进行亮点含油气性检测。
上述实施例用来解释本发明，而不是对本发明进行限制，在本发明的精神和权利要求的保护范围内，对本发明做出的任何修改和改变，都落入本发明的保护范围。
Claims (7)
1.一种基于匹配追踪和RGB色彩融合的亮点油气检测方法，其特征在于，其具体步骤为:
获取含油气地层的地震数据，通过匹配追踪算法按照局部最佳匹配原则将地震数据分解为频率和振幅信息不同的子波；
通过阈值或迭代次数控制结合人工经验及井资料筛选与油气相关的子波，将筛选的子波进行叠加获取亮点预测剖面；
求取筛选的子波的Wigner分布，并将其线性叠加得到亮点预测剖面的时频分布；
从亮点预测剖面的时频谱中提取三个不同频带的数据体，获取亮点预测剖面的三个分频属性数据体；
对三个分频属性数据体采用RGB色彩融合的显示方式进行分频属性融合，获取RGB分频属性融合结果，并对RGB分频属性融合结果进行亮点分析和含油气检测。
2.如权利要求1所述的基于匹配追踪和RGB色彩融合的亮点油气检测方法，其特征在于，对历史地震数据进行分解过程中，以雷克子波作为标准创建原子库，通过匹配追踪算法将历史地震数据分解为不同雷克子波的集合。
3.如权利要求1或2所述的基于匹配追踪和RGB色彩融合的亮点油气检测方法，其特征在于，运用三参数动态搜索方法求取分解获得的子波，并在子波能量归一化的条件下求取子波的振幅。
4.如权利要求2所述的基于匹配追踪和RGB色彩融合的亮点油气检测方法，其特征在于，所述亮点预测剖面表示为：
式中，s为带限地震信号，t为采样时间，i为筛选的子波个数，ai、ti、fi和φi均为控制参数，其中，ai为雷克子波wi的振幅，ti为雷克子波wi的中心时移，fi为雷克子波wi的主频，和φi为雷克子波wi的相位。
5.如权利要求1所述的基于匹配追踪和RGB色彩融合的亮点油气检测方法，其特征在于，从亮点预测剖面的时频谱中提取三个不同频带的分频属性数据体时，根据亮点预测剖面的时频谱确定优势频带对应的最小频率为fmin，最大频率为fmax，采用带宽等比例分解方式，提取((fmin+2fmax)/3，fmax)、((2fmin+fmax)/3，(fmin+2fmax)/3)、(fmin，(2fmin+fmax)/3)三个频带数据体。
6.如权利要求5所述的基于匹配追踪和RGB色彩融合的亮点油气检测方法，其特征在于，在对三个分频属性数据体采用RGB色彩融合的显示方式进行分频属性融合时，将((fmin+2fmax)/3，fmax)频带数据体作为RGB色彩融合中R对应的频率范围，((2fmin+fmax)/3，(fmin+2fmax)/3)频带数据体作为RGB色彩融合中G对应的频率范围，(fmin，(2fmin+fmax)/3)频带数据体作为RGB色彩融合中B对应的频率范围。
7.一种亮点油气检测系统，其特征在于，包括：
用于采集含油气地层的地震数据，并通过匹配追踪算法按照局部最佳匹配原则将地震数据分解为频率和振幅信息不同的子波的装置；
用于通过阈值或迭代次数控制结合人工经验及井资料筛选与油气相关的子波，将筛选的子波进行叠加获取亮点预测剖面的装置；
用于求取筛选的子波的Wigner分布，并将其线性叠加得到亮点预测剖面的时频分布的装置；
用于从亮点预测剖面的时频谱中提取三个不同频带的数据体，获取亮点预测剖面的三个分频属性数据体的装置；
以及用于对三个分频属性数据体采用RGB色彩融合的显示方式进行分频属性融合，获取RGB分频属性融合结果，并对RGB分频属性融合结果进行亮点分析和含油气检测的装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910349692.3A CN110333533B (zh) | 2019-04-28 | 2019-04-28 | 基于匹配追踪和rgb色彩融合的亮点油气检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910349692.3A CN110333533B (zh) | 2019-04-28 | 2019-04-28 | 基于匹配追踪和rgb色彩融合的亮点油气检测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110333533A true CN110333533A (zh) | 2019-10-15 |
| CN110333533B CN110333533B (zh) | 2021-03-19 |
Family
ID=68139836
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910349692.3A Active CN110333533B (zh) | 2019-04-28 | 2019-04-28 | 基于匹配追踪和rgb色彩融合的亮点油气检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110333533B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111290020A (zh) * | 2020-03-25 | 2020-06-16 | 北京奥能恒业能源技术有限公司 | 基于构造滤波处理、分频属性融合断裂检测方法及装置 |
| CN112305614A (zh) * | 2020-10-20 | 2021-02-02 | 中海石油(中国)有限公司 | 一种气云区空间展布范围刻画方法和系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101055419B1 (ko) * | 2011-04-29 | 2011-08-09 | (주) 이우티이씨 | 지상 라이다를 이용한 지형측량 방법 |
| CN105388527A (zh) * | 2015-11-30 | 2016-03-09 | 中国石油大学(北京) | 一种基于复数域匹配追踪算法的油气检测方法 |
| CN105388525A (zh) * | 2015-10-21 | 2016-03-09 | 中国石油化工股份有限公司 | 储层预测方法及装置 |
| CN107144878A (zh) * | 2017-04-14 | 2017-09-08 | 中国石油天然气股份有限公司 | 一种断层识别方法及装置 |
-
2019
- 2019-04-28 CN CN201910349692.3A patent/CN110333533B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101055419B1 (ko) * | 2011-04-29 | 2011-08-09 | (주) 이우티이씨 | 지상 라이다를 이용한 지형측량 방법 |
| CN105388525A (zh) * | 2015-10-21 | 2016-03-09 | 中国石油化工股份有限公司 | 储层预测方法及装置 |
| CN105388527A (zh) * | 2015-11-30 | 2016-03-09 | 中国石油大学(北京) | 一种基于复数域匹配追踪算法的油气检测方法 |
| CN105388527B (zh) * | 2015-11-30 | 2018-02-06 | 中国石油大学(北京) | 一种基于复数域匹配追踪算法的油气检测方法 |
| CN107144878A (zh) * | 2017-04-14 | 2017-09-08 | 中国石油天然气股份有限公司 | 一种断层识别方法及装置 |
Non-Patent Citations (3)
| Title |
|---|
| 朱博华: "滩坝砂薄互层油藏储层预测方法研究", 《中国优秀硕士学位论文全文数据库》 * |
| 范腾腾: "深层地层—岩性油气藏地震预测方法研究与应用", 《中国优秀硕士学位论文全文数据库》 * |
| 陈珊等: "基于匹配追踪的RGB融合技术及在河道刻画中的应用", 《地球学报》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111290020A (zh) * | 2020-03-25 | 2020-06-16 | 北京奥能恒业能源技术有限公司 | 基于构造滤波处理、分频属性融合断裂检测方法及装置 |
| CN112305614A (zh) * | 2020-10-20 | 2021-02-02 | 中海石油(中国)有限公司 | 一种气云区空间展布范围刻画方法和系统 |
| CN112305614B (zh) * | 2020-10-20 | 2024-03-29 | 中海石油(中国)有限公司 | 一种气云区空间展布范围刻画方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110333533B (zh) | 2021-03-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104360382B (zh) | 一种利用叠后地震数据进行油气检测的方法 | |
| CN101980053A (zh) | 一种复杂礁滩储层预测方法 | |
| CN106154327B (zh) | 一种提高隐蔽断层识别精度的方法 | |
| CN105866832B (zh) | 深层致密砂岩气藏的低级序断层的识别方法和装置 | |
| CN106597543B (zh) | 一种地层沉积相划分方法 | |
| 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 | |
| CN107255831A (zh) | 一种叠前频散属性的提取方法 | |
| CN104297791A (zh) | 一种基于地震优势频率的反演方法及系统 | |
| CN105116449B (zh) | 一种弱反射储层的识别方法 | |
| CN111158044A (zh) | 潜山裂缝储集体油藏预测方法 | |
| CN110333533A (zh) | 基于匹配追踪和rgb色彩融合的亮点油气检测方法及系统 | |
| CN102692647A (zh) | 一种高时间分辨率的地层含油气性预测方法 | |
| CN109471162A (zh) | 层间多次波处理方法、系统、电子设备及可读介质 | |
| CN108427140B (zh) | 一种用于小尺度缝洞储集体地震识别的方法 | |
| CN111257933B (zh) | 基于低频阴影现象的油气藏预测新方法 | |
| CN110568490B (zh) | 一种高速层顶薄储层的识别方法 | |
| CN105676285B (zh) | 一种基于pca的地震长短旋回分析法 | |
| CN111290020A (zh) | 基于构造滤波处理、分频属性融合断裂检测方法及装置 | |
| CN111694055B (zh) | 一种强反射屏蔽下avo属性提取和分析的方法和装置 | |
| CN105700014B (zh) | 一种基于频域显著性检测的地震属性分析方法 | |
| CN111239823A (zh) | 一种侵入岩分布的识别方法 | |
| CN117724153B (zh) | 一种基于多窗口级联交互的岩性识别方法 | |
| CN113945970B (zh) | 一种致密砂岩储层预测方法 | |
| Geerdes et al. | Spectral decomposition of 3D ground-penetrating radar data from an alluvial environment | |
| CN117665920A (zh) | 河道砂体结构属性边界识别方法 |
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 |