CN110441823A - 基于多源数据融合的地层对比不确定性可视化方法 - Google Patents
基于多源数据融合的地层对比不确定性可视化方法 Download PDFInfo
- Publication number
- CN110441823A CN110441823A CN201910736124.9A CN201910736124A CN110441823A CN 110441823 A CN110441823 A CN 110441823A CN 201910736124 A CN201910736124 A CN 201910736124A CN 110441823 A CN110441823 A CN 110441823A
- Authority
- CN
- China
- Prior art keywords
- uncertainty
- horizon
- seismic
- stratigraphic
- depth
- 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 29
- 230000004927 fusion Effects 0.000 title claims abstract description 17
- 230000000007 visual effect Effects 0.000 claims abstract description 21
- 238000012800 visualization Methods 0.000 claims abstract description 18
- 238000004458 analytical method Methods 0.000 claims abstract description 16
- 230000014509 gene expression Effects 0.000 claims abstract description 10
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 9
- 238000000605 extraction Methods 0.000 claims abstract description 6
- 238000005553 drilling Methods 0.000 claims description 41
- 102000015689 E-Selectin Human genes 0.000 claims description 25
- 108010024212 E-Selectin Proteins 0.000 claims description 25
- 238000002310 reflectometry Methods 0.000 claims description 16
- 238000013507 mapping Methods 0.000 claims description 8
- 239000012634 fragment Substances 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 4
- 238000013139 quantization Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 239000003086 colorant Substances 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000004904 shortening Methods 0.000 claims description 2
- 238000013461 design Methods 0.000 abstract description 5
- 230000003993 interaction Effects 0.000 abstract description 4
- 230000004438 eyesight Effects 0.000 abstract description 3
- 239000003245 coal Substances 0.000 abstract description 2
- 238000009472 formulation Methods 0.000 abstract description 2
- 239000000203 mixture Substances 0.000 abstract description 2
- 239000003208 petroleum Substances 0.000 abstract description 2
- 230000002596 correlated effect Effects 0.000 abstract 1
- 239000010410 layer Substances 0.000 description 37
- 230000006870 function Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 6
- 238000007794 visualization technique Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 2
- 238000003325 tomography Methods 0.000 description 2
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 1
- 241000160765 Erebia ligea Species 0.000 description 1
- 241001463139 Vitta Species 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000011229 interlayer Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000009331 sowing Methods 0.000 description 1
- 230000016776 visual perception 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
- G01V1/282—Application of seismic models, synthetic seismograms
-
- 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
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/40—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/251—Fusion techniques of input or preprocessed data
-
- 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)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Environmental & Geological Engineering (AREA)
- Acoustics & Sound (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种基于多源数据融合的地层对比不确定性可视化方法，该方法用于量化从三维地震波数据和测井属性数据中提取的地层结构的差异；开发了不确定性可视化系统；将不确定性模型与视觉设计相结合，使用户能够进一步交互式地改进地层相关性结果；计算了三维地震波数据与测井属性数据之间不一致地层的不确定性；不确定性的视觉表达和相互作用旨在帮助专家验证和优化其相关结果，来实现地层对比中的不确定性可视分析，对于获得准确的地震解释具有重要意义；本发明不仅能够降低地层匹配结果的不确定性，提升地层匹配精度，也能够在复杂的地质勘探过程中节省大量的人力和时间，有助于地质模型的快速建立、石油煤炭等能源开采计划的有效制定等。
Description
技术领域
本发明属于石油勘探、图形学与可视化技术领域，尤其涉及一种基于多源数据融合的地层对比不确定性可视化方法。
背景技术
由于地下地质构造具有复杂性，传统的地层对比方法只能基于单一的数据集进行描述，在地层对比过程中会产生很大的不确定性。测井属性数据和三维地震波数据均可有效应用于地层对比。测井属性数据反映了地层性质与深度之间的关系，可以有效地显示地层岩性和物性的垂直变化(S.M.Luthi and I.D.Bryant.Well-log correlation using aback-propagation neural network.Mathematical Geology,29(3):413–425,1997.)。然而，基于测井属性数据的地层对比通常使用手工技术计算，这主要依赖于专家经验，因此容易出现人为错误(K.V.A.Lapkovsky V V,Istomin A V.Correlation of well logs as amultidimensional optimization problem.Russian Geology and Geophysics,56(3):487–492,2015.)三维地震波数据则侧重于地层的横向变化，它由许多来自不同位置的实际地震记录构成，可以更好地反映三维空间中地层的连通性和分布。但是，三维地震波数据仅从反射强度的角度粗略地描述了时域中地下的地层属性，同时，在三维地震波数据采集和时深转换过程中(F.Lallier,G.Caumon,J.Borgomano,S.Viseur,J.J.Royer,andC.Antoine.Uncertainty assessment in the stratigraphic well correlation of acarbonate ramp:Method and application to the beausset basin,se france.Comptesrendus-Geooscience,348(7):499–509,2016.)，大量的噪声和信息丢失也对地层结构的建立产生很大的影响。
地震可视化方面包括多个方面：基于切片的可视化(T.Hollt,J.Beyer,F.Gschwantner,P.Muigg,H.Doleisch,G.Heinemann,and M.Hadwiger.Interactiveseismic interpretation with piecewise global energy minimization.In IEEEPacific Visualization Symposium,pp.59–66,2011.)，直接体绘制(L.Castanie,B.Levy,and F.Bosquet.Volumeexplorer:Roaming large volumes to couple visualizationand data processing for oil and gas exploration.In Visualization,2005.VIS05.IEEE,pp.247–254,2005.)，基于草图的可视化(L.Olsen,F.F.Samavati,M.C.Sousa,andJ.A.Jorge.Sketch-based modeling:A survey.Computers&Graphics,33(1):85–103,2009.)等，但是大多数方法属于科学可视化，并且不涉及地层层位中的不确定性分析。所以在本发明中，我们应用信息可视化来显示和探索与地层匹配相关的不确定性。
使用视觉变量编码不确定性是最常见的可视化方法，不确定性通常表现成颜色的变化(Z.Huang,Y.Lu,E.Mack,W.Chen,and R.Maciejewski.Exploring the sensitivityof choropleths under attribute uncertainty.IEEE Transactions on Visualizationand Computer Graphics,PP(99):1–1,2019.)和透明度(S.Djurcilov,K.Kim,P.Lermusiaux,and A.Pang.Visualizing scalar volumetric data withuncertainty.Computers&Graphics,26(2):239–248,2002.)。纹理是多个视觉变量的组合，也通常被用来直观地揭示不确定性(P.J.Rhodes,R.S.Laramee,R.D.Bergeron,andT.M.Sparr.Uncertainty visualization methods in isosurfacerendering.Eurographics,pp.83–88,2003.)。另外，动画表达(R.A.Brown.Animatedvisual vibrations as an uncertainty visualisation technique.pp.84–89,2004.)可以通过时间、顺序、速度等生动地表现出不确定性。由复杂地质构造专家进行的地层对比等分析结果也容易引起误差和不确定性。相比较而言，三维地震波数据获得的地层相关性相对更准确。
传统的构建地质模型的方法(A.Muooz and D.Hale.Automatic simultaneousmultiple well ties.Geophysics,80(5):IM45–IM51,2015)通常将人工合成地震记录绑定到井位附近的实际地震记录来将其转换为时域。但对于专家来说，从深度的角度出发，他们可以更方便地、更精准地进行油藏估算并建立地质模型。
发明内容
本发明的目的在于针对现有技术的不足，提供一种基于多源数据融合的地层对比不确定性可视化方法。
本发明的目的是通过以下技术方案来实现的：一种基于多源数据融合的地层对比不确定性可视化方法，包括以下步骤：
(1)通过融合测井属性数据和三维地震波数据，构建不确定性分析模型，得到地层匹配结果的不确定性值，以测量地层匹配结果的不确定性，包括以下子步骤：
(1.1)通过计算测井属性数据中的声波测井属性数据的反射率，将反射率和子波函数卷积，为每口钻井生成人工合成地震记录；
(1.2)将步骤(1.1)得到的人工合成地震记录和时间域上的实际地震记录归一化，以人工合成地震记录作为参考模板，利用动态时间扭曲最小化二者的差异，并进行传统的时间深度转换以匹配三维地震波数据和测井属性数据，得到深度域上的实际地震记录；
(1.3)对步骤(1.2)得到的深度域上的实际地震记录进行地震层位的提取，以建立地震层位结构；
(1.4)量化不确定性：通过计算人工标记的地层层位和步骤(1.3)提取的地震层位的不一致部分，以量化它们各层之间的不确定性差异，得到它们所有匹配层位的不确定性值，以构建地层对比不确定性模型，具体为：区分人工标记的地层层位中与地震层位的一致部分和不一致部分，包括以下三种情况：
(1.4.1)人工标记的地层层位左右两侧均位于同一地震层位，则此地层层位为一致部分，无不确定性；
(1.4.2)人工标记的地层层位的左侧位于一个地震层位，和右侧位于另一个地震层位，则不一致部分为整个人工标记的地层层位；
(1.4.3)人工标记的地层层位左右两侧不在同一地震层位，且左右两侧中至少一侧竖跨多个地震层位；找到两侧上不同地震层位间的断点，根据每个断点与所在侧两端距离的比例，在另一侧的相同比例处创建对应的断点，连接相互对应的断点，将地层层位划分为若干部分后，找出其中的不一致部分；一致部分指人工标记的地层层位中左右两侧均位于同一地震层位的部分；不一致部分指人工标记的地层层位中左右两侧不在同一地震层位的部分。
然后，计算不一致部分的区间差异值：区间差异值为人工标记的地层层位中不一致部分竖跨的地震层位数减1；当地震层位中间出现断层时，视为两个地震层位，此时人工标记的地层层位或其中的一部分的左侧和/或右侧分别位于这两个地震层位，该地层层位或该部分为不一致部分，这种情况的区间差异值为该不一致部分左右两侧到达最近地震层位的平均距离；
最后，通过式(8)对所有不一致部分的区间差异值加权求和，得到最终的深度不确定性值UV，从而得到地层对比不确定性模型：
其中，fm为区间差异值，Om为各不一致部分一侧的长度占所有不一致部分该侧长度的比例，m＝1～L，L表示不一致部分的个数；
(2)针对步骤(1.4)地层匹配结果的深度不确定性值进行可视表达，构建地层对比不确定性分析系统，引导用户交互式地优化地层匹配结果，以降低地层匹配结果的深度不确定性，提升地层匹配精度，进行不确定性可视分析，包括以下子步骤：
(2.1)通过地图视图探索全局和局部的不确定性分布；地图视图包括区域内所有钻井的不确定性值分布热力图和三角剖分网格；局部不确定性为任一钻井与局部区域内的其它钻井之间的不确定性的平均值；全局不确定性由各局部不确定性构成；基于步骤(1.4)得到的地层不确定性模型，计算两口钻井之间的不确定性，该不确定性为两口钻井所有地层层位的不确定性值之和；
(2.2)通过地层视图帮助用户更深入地了解两口钻井之间的不确定性；地层视图包括多维测井曲线、深度不确定性曲线、地层剖面图；地层剖面图为人工标记的地层层位与地震层位；以不同纹理区分实际地震记录和人工标记的地层层位；实际地震记录为垂直曲线，其中正波用黑色填充；用黑色线条连接实际地震记录的一系列波峰或波谷，表示地震地层；人工标记的地层层位为灰色条带；利用深度不确定性曲线图可视化地层不确定性，其中曲线的峰值越高，说明地层不确定性越大，若无不确定性，则峰值为0；多维测井曲线用于进一步观察和比较具有较大不确定性地层的原始测井属性数据，其中相同属性的测井曲线用相同的颜色绘制；
(2.3)通过评估视图以交互方式验证和改进不确定性，具体为：
首先，F1，F2是两口钻井中目标分析地层的两个测井片段，每个测井片段以均匀距离对E个点进行采样，通过以下式(9)和(10)计算人工标记的地层层位之间的属性差异fd(F1,F2)：
其中，F1z、F2z为测井片段F1、F2的第z条深度不确定性曲线；
然后，计算每个地层层位的所有测井记录中的属性差异后，将这些属性差异结果可视化为不同颜色的条形：每个条形的长度代表测井记录的属性差异；相同颜色的条形位于同一列，表示属于同一维度的属性差异，位于同一行的条形表示属于同一地层层位；
接着，将两个测井片段F1和F2分别移动或转换到一个新的深度范围，移动或转换后得到新的测井片段，表示为F1’和F2’；建议地层层位为测井片段F1’和F2、F2’和F1对应的地层层位，具体为：
当调整F1时，F2被视为参考，将与F2相关的地震层位设置为F1搜索区域；搜索区域为测井片段中心点可移动的范围；设置测井片段长度变化量△l，△l>0；设置测井片段移动距离△a，范围为0～1.25m；设置新的测井片段F1’的初始长度为1/2*F2；将该测井片段的中心点以搜索区域顶部为起点，从上到下每次移动△a的距离，直至中心点滑动到F1搜索区域的底部，每次移动均得到一个新的测井片段F1’；将当前F1’的长度增加△l，使其中心点再次从F1搜索区域的顶部滑动到底部；重复以上操作，直至F1’的长度大于2*F2时，则结束滑动，得到多个新的测井片段F1’；其中每次操作的△l、△a不变；用式(9)和(10)计算F2和F1’之间的属性差异；同理，F2也可以通过同样的方式进行调整，得到新的测井片段F2’，获得属性差异；最后，所有新的测井片段的属性差异求平均值，得到平均属性差异值；
通过条形展示并排序将建议地层层位的平均属性差异值可视化，条形的长度表示平均属性差异值；将调整左侧测井片段F1得到的建议地层层位条形绘制于垂直轴的左侧，相应地，条形位于垂直轴右侧说明调整的是F2；
通过条形展示并排序将建议地层层位的属性差异可视化；条形的长度代表建议地层层位中相应的属性差异值；其中同一行的条形属于同一建议地层层位，属于同一维度的属性差异位于同一列，且条形颜色相同；
上述两个条形图提供直观的数据展示，从而根据属性差异和平均属性差异值，在建议地层层位中选出一个新的地层层位替换原始人工标记的地层层位。
进一步地，所述步骤(1.1)具体为：通过声波曲线将测井属性数据的深度转换成时间，计算初始时深函数：
其中，Δd表示深度间隔，d表示深度，n表示第n个采样点，ACn表示声波曲线的第n个值，Δt表示时间间隔，t表示时刻；使用加德纳方程计算分层介质密度，如公式(2)所示：
其中，Vn表示第n个采样点的波速，Vn＝1/ACn；通过公式(3)计算测井属性数据中第(n-1)次和第n次采样点地层性质差异决定的反射率R(n)：
选择瑞克子波作为输入的地震反射子波，子波函数W(t)如公式(4)所示：
其中，t为时间刻度，e为数学常数，fm为峰值频率，范围为10～45Hz；利用公式(1)将反射率R(n)转换为R(t)，将反射率R(t)和子波函数W(t)进行卷积获得人工合成地震记录f(t)：
f(t)＝R(t)*W(t) (5)
进一步地，所述峰值频率fm优选为35Hz。
进一步地，所述步骤(1.2)具体为：将人工合成地震记录作为参考模板，扩展或缩短局部的实际地震记录，通过式(6)利用动态时间扭曲最小化二者的差异：
其中，S为人工合成地震记录在深度上的点集(S1,S2,…,Sp)；T为实际地震记录在时间上的点集(T1,T2,…,Tq)；wk为(Si,Tj)，w表示wk的点集，其中k＝1～n；δ(wk)为Si和Tj两点的距离或差，其中i＝1～p,j＝1～q；通过式(7)找到式(6)中使目标函数最小化的全局最优对：
γ(i,j)＝δ(Si,Tj)+min[γ(i-1,j),γ(i-1,j-1),γ(i,j-1)] (7)
其中，γ(i,j)是当前点对(i,j)和三个相邻点对(i-1,j)、(i-1,j-1)和(i,j-1)的最小累积距离；然后，进行传统的时间深度转换以匹配三维地震波数据和测井属性数据，得到深度域上的实际地震记录。
进一步地，所述步骤(1.3)具体为：将深度域上的实际地震记录的波峰和波谷设为种子点，深度y处的第x条线处存在峰值PV(x，y)，作为初始种子点；从初始种子点开始，在下一个轨迹x+1处找到(y-D，y+D)的深度范围内的所有峰值，其中D是距离阈值，范围是0～60m；计算范围内的每个峰值和初始种子点之间的垂直距离vd，波形相似度b由长度、反射强度和斜度来衡量，范围内的每个峰值和初始种子点之间的总相似性为TS＝0.5*vd+0.5*b；记得到的总相似性中最大值为TSm，如果TSm小于给定的相似性阈值，其范围为0～1，则选择具有最大相似性TSm的峰值作为新的种子点，并重复上述过程；直到TSm大于相似性阈值时，将初始种子点和当前种子点之间的测井片段作为一个地震层位；再遍历那些没有参与过提取地震层位的种子点，找到其它的地震层位；当所有地震层位提取完成，则地震层位结构建立完成。
进一步地，所述距离阈值D优选为50m；所述相似性阈值优选为0.2。
进一步地，所述步骤(2.1)中热力图和三角剖分网格的颜色映射方案均为颜色越深，说明不确定性越大；颜色越浅，不确定性越小。
进一步地，所述步骤(2.3)的测井片段移动距离△a优选为0.125m。
本发明的有益效果是：本发明提出了一种基于多源数据融合的不确定性模型，用于量化从三维地震波数据和测井属性数据中提取的地层结构的差异；开发了一种不确定性可视化系统，可以帮助用户直观地了解地层相关性中的不确定性的产生；将不确定性模型与视觉设计相结合，使用户能够灵活地探索不同尺度空间的不确定性，并进一步交互式地改进地层相关性结果；计算了三维地震波数据与测井属性数据之间不一致的地层相关性引起的不确定性；这些不确定性的视觉表达和相互作用旨在帮助专家验证和优化其相关结果，来实现地层对比中的不确定性可视分析，这对于获得准确的地震解释具有重要意义；本发明不仅能够降低地层匹配结果的不确定性，提升地层匹配精度，也能够在复杂的地质勘探过程中节省大量的人力和时间，有助于地质模型的快速建立、石油煤炭等能源开采计划的有效制定等。
附图说明
图1是本发明的工作流程示意图；
图2是不确定性量化的示意图；
图3是不确定性分析的关系示意图；其中，(a)为展示全局不确定性的热力图，(b1)为选择(a)中不确定性较小的区域后对应的网格图，(c1)为选择(a)中不确定性较小的区域后对应的地层剖面图，(b2)为选择(a)中不确定性较大的区域后对应的网格图，(c2)为选择(a)中不确定性较大的区域后对应的地层剖面图；
图4是地层视图；其中，(A1)和(A2)为两口钻井的多维测井曲线，(B1)和(B2)为两口钻井之间的深度不确定性曲线图，(C1)为地层剖面图；
图5是评估视图；其中，(A)是显示不同地层层位的属性差异的示意图，(B)是调整地层层位的建议位置示意图，(C)是比较不同测井每项建议的属性差异图；
图6是人工标记的地层层位与以下地震层位Hi，Hi+1，Hi+2相交时的搜索窗口示意图。
具体实施方式
下面结合附图，对本发明的基于多源数据融合的地层对比不确定性可视化方法作进一步的说明。
本实施例流程如图1所示，该方法通过将反射率和子波函数卷积为每口钻井生成人工合成地震记录；利用动态时间扭曲(DTW)将人工合成地震记录和实际地震记录归一化，并进行传统的时间深度转换以匹配三维地震波数据和测井属性数据；建立地震层位结构并量化人工标记的地层层位和地震层位之间的不确定性差异；开发一套交互式地层对比不确定性的可视化系统，设计地图帮助用户观察全局或局部地域钻井之间地层对比的不确定性差，设计地层视图帮助用户探索地层对比的不确定性，建立评估视图引导用户交互式地优化地层匹配结果，降低地层匹配结果的不确定性，提升地层匹配精度；具体包括以下步骤：
(1)为测量地层匹配结果的不确定性，我们通过融合测井属性数据和三维地震波数据，构建不确定性分析模型，得到地层匹配结果的不确定性值，以测量地层匹配结果的不确定性，包括以下子步骤：
(1.1)我们通过计算测井属性数据中的声波测井属性数据的反射率，将反射率和子波函数卷积，为每口钻井生成人工合成地震记录。
三维地震波数据通常是用垂直双向时间来解释的，即地震波从震源到接收器的传播时间；为了消除三维地震波数据和测井属性数据之间的垂直分辨率差异，我们通过声波曲线(AC)将测井属性数据的深度转换成时间，计算出初始时深函数：
其中，Δd表示深度间隔，d表示深度，n表示第n个采样点，ACn表示声波曲线的第n个值，Δt表示时间间隔，t表示时刻。
相邻层间地层性质差异越大，反射波能量越大；波阻抗可以反映地层性质，是分层介质密度和波速的乘积；我们先使用加德纳方程(Gardner equation)来计算分层介质密度，如公式(2)所示：
其中，n表示采样点；Vn表示第n个采样点的波速，由Vn＝1/ACn计算得来；接下来通过公式(3)计算测井属性数据中第(n-1)次和第n次采样点地层性质差异决定的反射率R(n)：
在一个时间点上，接收器实际记录的是地震反射子波的叠加强度，这些子波反射自一系列的层位；因此，根据反射率和地震反射子波卷积生成人工合成地震记录。我们选择了一个零相位、峰值频率为35Hz的瑞克(Ricker)子波作为输入的地震反射子波，它与实际地震采集过程中产生的地震反射子波非常相似。如公式(4)所示，W(t)是子波函数：
其中，t为时间刻度，e为数学常数，fm为峰值频率设为35Hz，表示子波在时刻t的峰值频率。在实验中，我们用到的采样时刻分别为2ms、4ms、6ms、…、6000ms。利用公式(1)的初始时深函数，基于n与t的关系将反射率R(n)转换为R(t)；如公式(5)所示，将反射率R(t)和子波函数W(t)进行卷积获得人工合成地震记录f(t)：
f(t)＝R(t)*W(t) (5)
(1.2)将步骤(1.1)得到的人工合成地震记录和时间域上的实际地震记录归一化，以人工合成地震记录作为参考模板，利用动态时间扭曲(DTW)最小化二者的差异，并进行传统的时间深度转换以匹配三维地震波数据和测井属性数据，得到深度域上的实际地震记录，具体为：
传统的时深转换方法通常通过将人工合成地震记录绑定到井位附近的实际地震记录，将人工合成地震记录较准确地转换为时间域；但是对于专家来说，从深度的角度出发可以更方便地进行油藏估算并构建更准确的地质模型；因此，接下来我们将对实际地震记录进行时深转换。
首先，为了最大限度地减少人工合成地震记录和实际地震记录的差异，我们将它们分别进行归一化；我们将人工合成地震记录作为参考模板，扩展或缩短局部的实际地震记录，利用动态时间扭曲(dynamic time warping，DTW)最小化二者的差异，如公式(6)所示：
其中，S表示在人工合成地震记录中在深度上的点集(S1,S2,…,Sp)，T代表在实际地震记录中在时间上的点集(T1,T2,…,Tq)；wk为(Si,Tj)，w表示wk的点集，其中k＝1～n；δ(Si,Tj)表示为Si和Tj两点的距离或差，其中i＝1～p,j＝1～q。DTW通过以下递归公式(7)找到公式(6)中的目标函数最小化的全局最优对：
γ(i,j)＝δ(Si,Tj)+min[γ(i-1,j),γ(i-1,j-1),γ(i,j-1)] (7)
其中，γ(i,j)是表示当前点对(i,j)和三个相邻点对(i-1,j)、(i-1,j-1)和(i,j-1)的最小累积距离，从而使得实际地震记录与人工合成地震记录匹配后，可以反映地层的深度特征，而不是时间特征。
然后，进行传统的时间深度转换以匹配三维地震波数据和测井属性数据，得到深度域上的实际地震记录。
(1.3)对步骤(1.2)得到的深度域上的实际地震记录进行地震层位的提取，以建立地震层位结构，具体为：
同一地层的地震波形是相似的，波形的属性可以应用于跟踪和提取层位；我们将深度域上的实际地震记录的波峰和波谷设为种子点，假设在深度y处的第x条线处存在峰值，表示为PV(x，y)；从这个初始种子点开始，在下一个轨迹x+1处找到(y-D，y+D)的深度范围内的所有峰值，其中D是距离阈值，范围是0～60m，优选为50m；计算范围内的每个峰值和初始种子点PV(x，y)之间的垂直距离vd，波形相似度b由长度、反射强度和斜度来衡量，范围内的每个峰值和初始种子点PV(x，y)之间的总相似性TS＝0.5*vd+0.5*b；记当前得到总相似性中的最大值为TSm，如果TSm小于给定的相似性阈值，范围为0～1，优选为0.2，则选择具有最大相似性TSm的峰值作为新的种子点，并重复上述过程；直到TSm大于相似性阈值时，将初始种子点和当前种子点之间的测井片段作为一个地震层位。再遍历那些没有参与过提取地震层位的种子点，找到其它的地震层位。当所有地震层位提取完成，则地震层位结构建立完成。
(1.4)对不确定性进行量化：通过计算人工标记的地层层位和步骤(1.3)提取的地震层位不一致的部分以量化它们各层之间的不确定性差异，得到它们所有匹配层位的不确定性值，以构建地层对比不确定性模型，具体为：
由于三维地震波数据的垂直分辨率较低，地震层位的规模往往大于地层层位。我们将基于测井属性数据的人工标记的地层层位和地震层位重叠对应展示，区分人工标记的地层层位中与地震层位的一致部分和不一致部分；所述一致部分指人工标记的地层层位中左右两侧均位于同一地震层位的部分；所述不一致部分指人工标记的地层层位中左右两侧不在同一地震层位的部分；包括以下四种情况：
(1.4.1)人工标记的地层层位左右两侧均位于同一地震层位，则此地层层位为一致部分，无不确定性；
(1.4.2)人工标记的地层层位的左侧和右侧分别位于一个地震层位，但左右两侧不在同一地震层位，则不一致部分为整个人工标记的地层层位；
(1.4.3)人工标记的地层层位左右两侧不在同一地震层位，且左右两侧中至少一侧竖跨多个地震层位；找到两侧上不同地震层位间的断点，根据每个断点与所在侧两端距离的比例，在另一侧的相同比例处创建对应的断点，连接相互对应的断点，将地层层位划分为若干部分后，找出其中的不一致部分，
然后，计算不一致部分的区间差异值，所述区间差异值为人工标记的地层层位中不一致部分竖跨的地震层位数减1；特殊地，地震层位中间出现断层时，被划分为两个地层，但实际上是相同的地震层位，人工标记的地层层位的一部分的左侧或右侧位于这两个地层中的一个或左右两侧分别位于这两个地层时，该部分为不一致部分，区间差异值为该不一致部分左右两侧到达最近地震层位的平均距离，所述到达最近地震层位的距离指竖跨的地震层位数。区间差异值表示为fm，其中m＝1～L，L表示不一致部分的个数。将各不一致部分一侧的长度占所有不一致部分该侧长度的比例，记作权重Om；将其分配给相应的不一致部分，从而对所有不一致部分的区间差异值加权求和，得到最终的深度不确定性值UV，如公式(8)所示：
具体如图2所示，有三个地震层位H1，H2，H3，以及基于测井属性数据的人工标记的地层层位，其中波形背景的三个框为三个地震层位，上面的小框为人工标记的地层层位；一致部分，在图上标记对勾形状；不一致部分标记错号；如图2(a)所示，人工标记的地层层位的左侧和右侧均位于H2，因此它们与地震层位一致，所以该地层层位没有不确定性，图上标记对勾；但在图2(b)中，左侧和右侧分别位于为H2和H3，因此区间差异值为1.0，图上标记错号；在图2(c)中，左侧和右侧分别位于为H1和H3，因此区间差异值为2.0，图上标记错号；更复杂的如图2(d)所示，每一侧都位于不止一个地震层位。我们在每个侧面的不同地震层位的界面中找到每个断点，并在另一侧以相等的比例创建断点。因此，通过连接(图2(d)中虚线)相应的断点将地层层位划分为三个部分，计算其中不一致部分的区间差异值，表示为f1；然而，不一致部分两侧的长度可能不同，如图2(e)所示。
但有时候，有许多较短的地震层位不能连接地层层位的两侧，这可能是由于现实中的断层或我们的地震层位提取造成的。如图2(f)所示，第二部分的两侧标有H1和H4，H1横跨当前的地震剖面，其中人工标记的地层层位在H1到H4的距离可以很容易地得到；第三部分的两侧标有H2和H4，H2和H4之间存在断层，但是H2和H4实际上是相同的地震层位，这种断开的原因可能是由于三维地震波数据中数据缺失或噪声，这种类型的不一致区间比例为它们到达地震剖面上的最近地层的平均距离，这里的最近地层为H1或H3；故H2和H4之间的距离等于1而不是0。
通过对上述不一致部分的分析，我们可以看出人工标记的地层层位与地震层位之间的各种不确定性，并准确地量化它们之间的差异，得到地层对比不确定性模型。
(2)针对步骤(1.4)地层匹配结果的深度不确定性值进行可视表达，引导用户交互式地优化地层匹配结果，以降低地层匹配结果的深度不确定性，提升地层匹配精度，设计不确定性可视分析方案，构建地层对比不确定性分析系统；该系统通过地图视图、地层视图和评估视图构成视觉表达，使用视觉变量编码不同规模地域的钻井间不确定性。与其它不确定性可视化方法相比，例如图标方法、动画表达式，使用视觉变量编码不确定性可以帮助用户快速识别不确定性的分布和强度。所述视觉变量包括：颜色映射、纹理和动画表达；该系统包括以下部分：
(2.1)地图视图：通过地图视图探索全局和局部的不确定性分布；地图视图包括区域内所有钻井的不确定性值分布热力图和三角剖分网格；局部不确定性为任一钻井与局部区域内的其它钻井之间的不确定性的平均值；全局不确定性由各局部不确定性构成；基于步骤(1.4)得到的地层不确定性模型，两口钻井之间的不确定性由对两口钻井所有地层层位的不确定性值求和计算得到；
颜色是表达不确定性的常用视觉变量之一，使用户能够更好地捕捉全局不确定性分布。因此，使用热力图来增强目标钻井中不确定性变化区域的视觉感知，如图3所示。热力图的颜色映射方案为颜色越深，说明该区域的不确定性越大；相反，颜色越浅，该区域的不确定性越小。
为了进一步让用户详细探索相邻钻井之间的不确定性，我们对所有钻井进行三角剖分，并对三角剖分网格线进行着色以编码两个相邻钻井之间的不确定性。三角剖分网格的颜色映射方案与热力图相同。地图视图左上角提供了工具栏可以让用户方便地选择不同形状的区域。当用户选择了一个局部区域时，地图视图上将突出显示该区域中的三角网格，如图3(b1)、(b2)所示。
(2.2)地层视图：通过地层视图帮助用户更深入地了解两口钻井之间的不确定性；地层视图包括多维测井曲线、深度不确定性曲线、地层剖面图，以颜色映射和纹理为视觉变量；
地层剖面图为人工标记的地层层位与地震层位；以不同纹理区分实际地震记录和人工标记的地层层位；例如，当用户在地图视图中选择两口钻井g1和g2，它们之间的地层层位显示在图4的(C1)部分中；每条垂直曲线代表实际地震记录，其中正波用黑色填充，以帮助用户更好地区分波形特征。我们通过黑色线条连接实际地震记录的一系列波峰或波谷，用来表示地震地层，易于用户感知。人工标记的地层层位被绘制为在剖面上施加压力的灰色条带。因此，用户可以直观的比较地震层位和人工标记的地层层位之间的差异。
虽然人工标记的地层层位中的不确定性被量化为了一个值，但相应两口钻井中的左侧和右侧是深度不一定相同，即灰色条带可能不是水平的；因此，利用深度不确定性曲线图用于可视化地层不确定性，其中曲线的峰值越高，说明地层不确定性越大，若无不确定性，则峰值为0；两口钻井的深度不确定性曲线图分别位于地层剖面图两边，如图4的(B1)和(B2)部分所示。
多维测井曲线用于进一步帮助用户观察和比较具有较大不确定性的感兴趣地层的原始测井属性数据，g1和g2两口钻井的多维测井曲线对称地显示在深度不确定性曲线图外侧，如图4的(A1)和(A2)两个部分，其中两口钻井中相同属性的测井曲线用相同的颜色绘制。此外，当选择某个人工标记的地层层位时，将突出显示两口钻井中相应的多维测井曲线。
(2.3)评估视图：通过评估视图帮助用户以交互方式验证和改进不确定性，以颜色映射和动画表达为视觉变量，具体为：
对于两口钻井中的给定标记地层，F1，F2是其两个测井片段，给定标记地层由用户自主选择；这两口钻井之间通过地层层位对应；每个测井片段以均匀距离对E个点进行采样；通过以下公式(9)和(10)计算人工标记的地层层位之间的属性差异fd(F1,F2)：
其中，w(z)是加权函数，F1z、F2z为测井片段F1、F2的第z条深度不确定性曲线，e为数学常数。
计算每个地层层位的所有测井记录中的属性差异后，将这些属性差异结果可视化为不同颜色的条形：每个条形的长度代表测井记录的属性差异；相同颜色的条形位于同一列，表示属于同一维度的属性差异，位于同一行的条形表示属于同一地层层位。不同地层层位的属性差异条形图如图5(A)所示。
当专家关注具有较大不确定性的人工标记的地层层位时，需要根据相应的两个测井片段之间的属性差异来生成更好的地层层位；但是如何将地层的层位调整到适当的深度范围对于用户来说是困难且耗时的。
滑动窗口支持用户根据人工标记的两个测井片段之间的属性差异，交互调整任一测井片段的深度范围，以生成更好的地层层位，获得两个新的测井片段；应用滑动窗口视图来自动提供一些有意义的建议地层层位。如图6所示，人工标记的地层层位与多个地震层位相交，相应的两个测井片段分别表示为F1和F2，每个片段都可以被移动或转换到一个新的深度范围，移动或转换后的测井片段表示为F1’和F2’，具体为：
当调整F1时，F2被视为参考，将与F2相关的地震层位设置为F1搜索区域；搜索区域为测井片段中心点可移动的范围；设置测井片段长度变化量△l，△l>0；设置测井片段移动距离△a，范围为0～1.25m；设置新的测井片段F1’的初始长度为1/2*F2；将该测井片段的中心点以搜索区域顶部为起点，从上到下每次移动△a的距离，直至中心点滑动到F1搜索区域的底部，每次移动均得到一个新的测井片段F1’；将当前F1’的长度增加△l，使其中心点再次从F1搜索区域的顶部滑动到底部；重复以上操作，直至F1’的长度大于2*F2时，则结束滑动，得到多个新的测井片段F1’；其中每次操作的△l、△a不变；用式(9)和(10)计算F2和F1’之间的属性差异；同理，F2也可以通过同样的方式进行调整，得到新的测井片段F2’，获得属性差异；最后，所有新的测井片段的属性差异求平均值，得到平均属性差异值。
如图5(B)所示，对平均属性差异值进行条形展示并排序，条形的长度表示平均属性差异值；此外，为了帮助用户区分建议地层层位调整的是左侧还是右侧，即F1或F2；将调整左侧(右侧)的建议地层层位条形图位于垂直轴的左侧(右侧)，这意味着相应的建议地层层位位于左侧(右侧)钻井中。通过条形展示并排序将建议地层层位的属性差异可视化；条形的长度代表建议地层层位中相应的属性差异值；其中同一行的条形属于同一建议地层层位，同一列的条形颜色相同，表示属于同一维度的属性差异；不同建议地层层位的属性差异条形图如图5(C)所示。
将新的测井片段对应的地层层位作为替换原始人工标记地层层位的建议地层层位，上述两个条形图可以提供直观的数据展示，使用户可以根据属性差异和平均属性差异值，在所有建议地层层位中自主选出一个新的地层层位替换原始人工标记的地层层位。若建议地层层位为一致部分(不确定性为0)，则在图5(B)、(C)中将该层位高亮背景显示以提醒用户优先评估该建议地层层位。
这就为用户提供了一个根据他们个人经验设置属性权重的界面，引导用户交互式地优化地层匹配结果，降低不确定性，采用了颜色映射和动画表达作为视觉变量。
Claims (8)
1.一种基于多源数据融合的地层对比不确定性可视化方法，其特征在于，包括以下步骤：
(1)通过融合测井属性数据和三维地震波数据，构建不确定性分析模型，得到地层匹配结果的不确定性值，以测量地层匹配结果的不确定性，包括以下子步骤：
(1.1)通过计算测井属性数据中的声波测井属性数据的反射率，将反射率和子波函数卷积，为每口钻井生成人工合成地震记录。
(1.2)将步骤(1.1)得到的人工合成地震记录和时间域上的实际地震记录归一化，以人工合成地震记录作为参考模板，利用动态时间扭曲最小化二者的差异，并进行传统的时间深度转换以匹配三维地震波数据和测井属性数据，得到深度域上的实际地震记录。
(1.3)对步骤(1.2)得到的深度域上的实际地震记录进行地震层位的提取，以建立地震层位结构。
(1.4)量化不确定性：通过计算人工标记的地层层位和步骤(1.3)提取的地震层位的不一致部分，以量化它们各层之间的不确定性差异，得到它们所有匹配层位的不确定性值，以构建地层对比不确定性模型，具体为：区分人工标记的地层层位中与地震层位的一致部分和不一致部分，包括以下三种情况：
(1.4.1)人工标记的地层层位左右两侧均位于同一地震层位，则此地层层位为一致部分，无不确定性；
(1.4.2)人工标记的地层层位的左侧位于一个地震层位，和右侧位于另一个地震层位，则不一致部分为整个人工标记的地层层位；
(1.4.3)人工标记的地层层位左右两侧不在同一地震层位，且左右两侧中至少一侧竖跨多个地震层位；找到两侧上不同地震层位间的断点，根据每个断点与所在侧两端距离的比例，在另一侧的相同比例处创建对应的断点，连接相互对应的断点，将地层层位划分为若干部分后，找出其中的不一致部分；一致部分指人工标记的地层层位中左右两侧均位于同一地震层位的部分；不一致部分指人工标记的地层层位中左右两侧不在同一地震层位的部分；
然后，计算不一致部分的区间差异值：区间差异值为人工标记的地层层位中不一致部分竖跨的地震层位数减1；当地震层位中间出现断层时，视为两个地震层位，此时人工标记的地层层位或其中的一部分的左侧和/或右侧分别位于这两个地震层位，该地层层位或该部分为不一致部分，这种情况的区间差异值为该不一致部分左右两侧到达最近地震层位的平均距离；
最后，通过式(8)对所有不一致部分的区间差异值加权求和，得到最终的深度不确定性值UV，从而得到地层对比不确定性模型：
其中，fm为区间差异值，Om为各不一致部分一侧的长度占所有不一致部分该侧长度的比例，m＝1～L，L表示不一致部分的个数；
(2)针对步骤(1.4)地层匹配结果的深度不确定性值进行可视表达，构建地层对比不确定性分析系统，引导用户交互式地优化地层匹配结果，以降低地层匹配结果的深度不确定性，提升地层匹配精度，进行不确定性可视分析，包括以下子步骤：
(2.1)通过地图视图探索全局和局部的不确定性分布；地图视图包括区域内所有钻井的不确定性值分布热力图和三角剖分网格；局部不确定性为任一钻井与局部区域内的其它钻井之间的不确定性的平均值；全局不确定性由各局部不确定性构成；基于步骤(1.4)得到的地层不确定性模型，计算两口钻井之间的不确定性，该不确定性为两口钻井所有地层层位的不确定性值之和；
(2.2)通过地层视图帮助用户更深入地了解两口钻井之间的不确定性；地层视图包括多维测井曲线、深度不确定性曲线、地层剖面图；地层剖面图为人工标记的地层层位与地震层位；以不同纹理区分实际地震记录和人工标记的地层层位；实际地震记录为垂直曲线，其中正波用黑色填充；用黑色线条连接实际地震记录的一系列波峰或波谷，表示地震地层；人工标记的地层层位为灰色条带；利用深度不确定性曲线图可视化地层不确定性，其中曲线的峰值越高，说明地层不确定性越大，若无不确定性，则峰值为0；多维测井曲线用于进一步观察和比较具有较大不确定性地层的原始测井属性数据，其中相同属性的测井曲线用相同的颜色绘制；
(2.3)通过评估视图以交互方式验证和改进不确定性，具体为：
首先，F1，F2是两口钻井中目标分析地层的两个测井片段，每个测井片段以均匀距离对E个点进行采样，通过以下式(9)和(10)计算人工标记的地层层位之间的属性差异fd(F1,F2)：
其中，F1z、F2z为测井片段F1、F2的第z条深度不确定性曲线；
然后，计算每个地层层位的所有测井记录中的属性差异后，将这些属性差异结果可视化为不同颜色的条形：每个条形的长度代表测井记录的属性差异；相同颜色的条形位于同一列，表示属于同一维度的属性差异，位于同一行的条形表示属于同一地层层位；
接着，将两个测井片段F1和F2分别移动或转换到一个新的深度范围，移动或转换后得到新的测井片段，表示为F1’和F2’；建议地层层位为测井片段F1’和F2、F2’和F1对应的地层层位，具体为：
当调整F1时，F2被视为参考，将与F2相关的地震层位设置为F1搜索区域；搜索区域为测井片段中心点可移动的范围；设置测井片段长度变化量△l，△l>0；设置测井片段移动距离△a，范围为0～1.25m；设置新的测井片段F1’的初始长度为1/2*F2；将该测井片段的中心点以搜索区域顶部为起点，从上到下每次移动△a的距离，直至中心点滑动到F1搜索区域的底部，每次移动均得到一个新的测井片段F1’；将当前F1’的长度增加△l，使其中心点再次从F1搜索区域的顶部滑动到底部；重复以上操作，直至F1’的长度大于2*F2时，则结束滑动，得到多个新的测井片段F1’；其中每次操作的△l、△a不变；用式(9)和(10)计算F2和F1’之间的属性差异；同理，F2也可以通过同样的方式进行调整，得到新的测井片段F2’，获得属性差异；最后，所有新的测井片段的属性差异求平均值，得到平均属性差异值；
通过条形展示并排序将建议地层层位的平均属性差异值可视化，条形的长度表示平均属性差异值；将调整左侧测井片段F1得到的建议地层层位条形绘制于垂直轴的左侧，相应地，条形位于垂直轴右侧说明调整的是F2；
通过条形展示并排序将建议地层层位的属性差异可视化；条形的长度代表建议地层层位中相应的属性差异值；其中同一行的条形属于同一建议地层层位，属于同一维度的属性差异位于同一列，且条形颜色相同；
上述两个条形图提供直观的数据展示，从而根据属性差异和平均属性差异值，在建议地层层位中选出一个新的地层层位替换原始人工标记的地层层位。
2.根据权利要求1所述基于多源数据融合的地层对比不确定性可视化方法，其特征在于，所述步骤(1.1)具体为：通过声波曲线将测井属性数据的深度转换成时间，计算初始时深函数：
其中，Δd表示深度间隔，d表示深度，n表示第n个采样点，ACn表示声波曲线的第n个值，Δt表示时间间隔，t表示时刻；使用加德纳方程计算分层介质密度，如公式(2)所示：
其中，Vn表示第n个采样点的波速，Vn＝1/ACn；通过公式(3)计算测井属性数据中第(n-1)次和第n次采样点地层性质差异决定的反射率R(n)：
选择瑞克子波作为输入的地震反射子波，子波函数W(t)如公式(4)所示：
其中，t为时间刻度，e为数学常数，fm为峰值频率，范围为10～45Hz；利用公式(1)将反射率R(n)转换为R(t)，将反射率R(t)和子波函数W(t)进行卷积获得人工合成地震记录f(t)：
f(t)＝R(t)*W(t) (5) 。
3.根据权利要求2所述基于多源数据融合的地层对比不确定性可视化方法，其特征在于，所述峰值频率fm优选为35Hz。
4.根据权利要求1所述基于多源数据融合的地层对比不确定性可视化方法，其特征在于，所述步骤(1.2)具体为：将人工合成地震记录作为参考模板，扩展或缩短局部的实际地震记录，通过式(6)利用动态时间扭曲最小化二者的差异：
其中，S为人工合成地震记录在深度上的点集(S1,S2,…,Sp)；T为实际地震记录在时间上的点集(T1,T2,…,Tq)；wk为(Si,Tj)，w表示wk的点集，其中k＝1～n；δ(wk)为Si和Tj两点的距离或差，其中i＝1～p,j＝1～q；通过式(7)找到式(6)中使目标函数最小化的全局最优对：
γ(i,j)＝δ(Si,Tj)+min[γ(i-1,j),γ(i-1,j-1),γ(i,j-1)] (7)
其中，γ(i,j)是当前点对(i,j)和三个相邻点对(i-1,j)、(i-1,j-1)和(i,j-1)的最小累积距离；然后，进行传统的时间深度转换以匹配三维地震波数据和测井属性数据，得到深度域上的实际地震记录。
5.根据权利要求1所述基于多源数据融合的地层对比不确定性可视化方法，其特征在于，所述步骤(1.3)具体为：将深度域上的实际地震记录的波峰和波谷设为种子点，深度y处的第x条线处存在峰值PV(x，y)，作为初始种子点；从初始种子点开始，在下一个轨迹x+1处找到(y-D，y+D)的深度范围内的所有峰值，其中D是距离阈值，范围是0～60m；计算范围内的每个峰值和初始种子点之间的垂直距离vd，波形相似度b由长度、反射强度和斜度来衡量，范围内的每个峰值和初始种子点之间的总相似性为TS＝0.5*vd+0.5*b；记得到的总相似性中最大值为TSm，如果TSm小于给定的相似性阈值，其范围为0～1，则选择具有最大相似性TSm的峰值作为新的种子点，并重复上述过程；直到TSm大于相似性阈值时，将初始种子点和当前种子点之间的测井片段作为一个地震层位；再遍历那些没有参与过提取地震层位的种子点，找到其它的地震层位；当所有地震层位提取完成，则地震层位结构建立完成。
6.根据权利要求5所述基于多源数据融合的地层对比不确定性可视化方法，其特征在于，所述距离阈值D优选为50m；所述相似性阈值优选为0.2。
7.根据权利要求1所述基于多源数据融合的地层对比不确定性可视化方法，其特征在于，所述步骤(2.1)中热力图和三角剖分网格的颜色映射方案均为颜色越深，说明不确定性越大；颜色越浅，不确定性越小。
8.根据权利要求1所述基于多源数据融合的地层对比不确定性可视化方法，其特征在于，所述步骤(2.3)的测井片段移动距离△a优选为0.125m。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910736124.9A CN110441823B (zh) | 2019-08-09 | 2019-08-09 | 基于多源数据融合的地层对比不确定性可视化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910736124.9A CN110441823B (zh) | 2019-08-09 | 2019-08-09 | 基于多源数据融合的地层对比不确定性可视化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110441823A true CN110441823A (zh) | 2019-11-12 |
| CN110441823B CN110441823B (zh) | 2021-06-01 |
Family
ID=68434328
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910736124.9A Active CN110441823B (zh) | 2019-08-09 | 2019-08-09 | 基于多源数据融合的地层对比不确定性可视化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110441823B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112711857A (zh) * | 2021-01-11 | 2021-04-27 | 中南大学 | 基于小样本刻画地层剖面的方法 |
| CN113222013A (zh) * | 2021-05-11 | 2021-08-06 | 山西晟视汇智科技有限公司 | 一种多系统差异数据巡检方法、系统和存储介质 |
| CN113643425A (zh) * | 2021-07-28 | 2021-11-12 | 中石化石油工程技术服务有限公司 | 一种基于开源gis技术的石油地震成果三维空间可视化通用平台构建方法 |
| CN113724357A (zh) * | 2021-11-03 | 2021-11-30 | 深圳市华阳国际工程设计股份有限公司 | 一种图像处理方法、系统、终端及存储介质 |
| CN115908243A (zh) * | 2022-09-23 | 2023-04-04 | 江西博钦纳米材料有限公司 | 一种无损检测图像的分割方法、装置、设备及存储介质 |
| CN117453805A (zh) * | 2023-12-22 | 2024-01-26 | 石家庄学院 | 一种不确定性数据的可视化分析方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101906965A (zh) * | 2010-07-14 | 2010-12-08 | 中国矿业大学(北京) | Vr地质环境下的地层识别与分析技术 |
| US20120150447A1 (en) * | 2009-06-09 | 2012-06-14 | Tomas Van Hoek | Method for analysing seismic data with attribute functions |
| CN106569272A (zh) * | 2016-11-11 | 2017-04-19 | 东北石油大学 | 一种基于数据性质空间升维的地震属性融合方法 |
| CN107884825A (zh) * | 2017-11-08 | 2018-04-06 | 电子科技大学 | 一种基于地震多属性的不确定性建模方法 |
| CN109763814A (zh) * | 2019-01-09 | 2019-05-17 | 浙江财经大学 | 基于多维测井数据的地层匹配可视分析方法 |
-
2019
- 2019-08-09 CN CN201910736124.9A patent/CN110441823B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120150447A1 (en) * | 2009-06-09 | 2012-06-14 | Tomas Van Hoek | Method for analysing seismic data with attribute functions |
| CN101906965A (zh) * | 2010-07-14 | 2010-12-08 | 中国矿业大学(北京) | Vr地质环境下的地层识别与分析技术 |
| CN106569272A (zh) * | 2016-11-11 | 2017-04-19 | 东北石油大学 | 一种基于数据性质空间升维的地震属性融合方法 |
| CN107884825A (zh) * | 2017-11-08 | 2018-04-06 | 电子科技大学 | 一种基于地震多属性的不确定性建模方法 |
| CN109763814A (zh) * | 2019-01-09 | 2019-05-17 | 浙江财经大学 | 基于多维测井数据的地层匹配可视分析方法 |
Non-Patent Citations (2)
| Title |
|---|
| 周志光 等: "地理空间数据可视化分析综述", 《计算机辅助设计与图形学学报》 * |
| 王浩龙: "复杂地质构造不确定性可视化及分析方法研究", 《中国优秀硕士学位论文全文数据库（电子期刊）基础科学辑》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112711857A (zh) * | 2021-01-11 | 2021-04-27 | 中南大学 | 基于小样本刻画地层剖面的方法 |
| CN113222013A (zh) * | 2021-05-11 | 2021-08-06 | 山西晟视汇智科技有限公司 | 一种多系统差异数据巡检方法、系统和存储介质 |
| CN113643425A (zh) * | 2021-07-28 | 2021-11-12 | 中石化石油工程技术服务有限公司 | 一种基于开源gis技术的石油地震成果三维空间可视化通用平台构建方法 |
| CN113724357A (zh) * | 2021-11-03 | 2021-11-30 | 深圳市华阳国际工程设计股份有限公司 | 一种图像处理方法、系统、终端及存储介质 |
| CN115908243A (zh) * | 2022-09-23 | 2023-04-04 | 江西博钦纳米材料有限公司 | 一种无损检测图像的分割方法、装置、设备及存储介质 |
| CN115908243B (zh) * | 2022-09-23 | 2023-08-18 | 江西博钦纳米材料有限公司 | 一种无损检测图像的分割方法、装置、设备及存储介质 |
| CN117453805A (zh) * | 2023-12-22 | 2024-01-26 | 石家庄学院 | 一种不确定性数据的可视化分析方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110441823B (zh) | 2021-06-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110441823A (zh) | 基于多源数据融合的地层对比不确定性可视化方法 | |
| CA2177771C (en) | Non-unique seismic lithologic inversion for subterranean modeling | |
| US8838425B2 (en) | Generating facies probablity cubes | |
| CA2920499C (en) | Stratigraphic function | |
| RU2223521C2 (ru) | Способ и устройство для создания, проверки и модификации геологических моделей подповерхностных зон | |
| CN102053270B (zh) | 一种基于沉积地层单元的地震相分析方法 | |
| CN101158724B (zh) | 基于偶极小波的储层厚度预测方法 | |
| US6574566B2 (en) | Automated feature identification in data displays | |
| Cherpeau et al. | Stochastic structural modelling in sparse data situations | |
| CN102736107B (zh) | 一种能量约束非均质储层厚度识别系统 | |
| 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 | |
| CN109763814B (zh) | 基于多维测井数据的地层匹配可视分析方法 | |
| CN108291439A (zh) | 从多个地球模型中选择地球模型的方法 | |
| Wu et al. | Simultaneous multiple well-seismic ties using flattened synthetic and real seismograms | |
| CN102866422B (zh) | 一种深度域地质实体模型生成方法 | |
| CN108663714A (zh) | 一种沉积微相刻画方法 | |
| Jones et al. | Calibration and validation of reservoir models: the importance of high resolution, quantitative outcrop analogues | |
| CN103543478A (zh) | 地质形态插值的km方法 | |
| Liu et al. | (ChinaVis 2019) uncertainty visualization in stratigraphic correlation based on multi-source data fusion | |
| CN115880455A (zh) | 基于深度学习的三维智能插值方法 | |
| WO2022133482A1 (en) | Predictive geological drawing system and method | |
| Liu | Downscaling seismic data into a geologically sound numerical model | |
| Liu et al. | Visual analytics of stratigraphic correlation for multi-attribute well-logging data exploration | |
| CN105242306A (zh) | 基于空间克里金插值的高精度多波匹配方法 | |
| CN111965707A (zh) | 一种复杂构造含逆掩断裂的地震反演储层预测方法 |
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 |