CN110954941B - 一种自动化初至拾取方法及系统 - Google Patents
一种自动化初至拾取方法及系统 Download PDFInfo
- Publication number
- CN110954941B CN110954941B CN201811122448.5A CN201811122448A CN110954941B CN 110954941 B CN110954941 B CN 110954941B CN 201811122448 A CN201811122448 A CN 201811122448A CN 110954941 B CN110954941 B CN 110954941B
- Authority
- CN
- China
- Prior art keywords
- arrival
- shot gather
- data model
- gather data
- inputting
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 84
- 238000013499 data model Methods 0.000 claims abstract description 290
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 94
- 238000003908 quality control method Methods 0.000 claims abstract description 59
- 238000004364 calculation method Methods 0.000 claims abstract description 41
- 238000007781 pre-processing Methods 0.000 claims abstract description 25
- 238000012544 monitoring process Methods 0.000 claims abstract description 11
- 241001124569 Lycaenidae Species 0.000 claims description 56
- 230000002159 abnormal effect Effects 0.000 claims description 56
- 235000014987 copper Nutrition 0.000 claims description 56
- 238000012545 processing Methods 0.000 claims description 53
- 238000012937 correction Methods 0.000 claims description 43
- 230000003068 static effect Effects 0.000 claims description 36
- 238000005070 sampling Methods 0.000 claims description 23
- 238000009499 grossing Methods 0.000 claims description 17
- 238000009795 derivation Methods 0.000 claims description 15
- 238000013467 fragmentation Methods 0.000 claims description 12
- 238000006062 fragmentation reaction Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 10
- 238000009826 distribution Methods 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 5
- 239000012634 fragment Substances 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 2
- 230000000717 retained effect Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 12
- 230000004048 modification Effects 0.000 abstract description 7
- 238000012986 modification Methods 0.000 abstract description 7
- 230000002452 interceptive effect Effects 0.000 abstract description 3
- 239000003208 petroleum Substances 0.000 abstract 1
- 230000008569 process Effects 0.000 description 22
- 239000000523 sample Substances 0.000 description 20
- 230000008859 change Effects 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 230000008520 organization Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
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
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
本发明提供了一种自动化初至拾取方法及系统，属于地球科学领域中石油地球物理勘探领域。该方法包括：预处理步骤：输入炮集数据模型，对炮集数据模型进行分组，获得初至拾取的范围；综合算法计算步骤：在预处理步骤得到的初至拾取的范围内进行初至拾取，获得初至结果；质量控制步骤：对综合算法计算步骤得到的初至结果进行质量控制，生成质量监控文件和初至文件。本发明自动化初至拾取方法快速、准确、稳定，而且提高了初至自动拾取效果，极大地减少了处理员的人工交互修改的工作量。
Description
技术领域
本发明属于地球科学领域中石油地球物理勘探领域，具体涉及一种自动化初至拾取方法及系统。
背景技术
地震波初至拾取是地震资料处理中的一个非常重要的环节，初至拾取的效率和效果直接影响着静校正的效率和效果，严重制约着项目的处理周期和人力物力等资源的调用。同时，随着勘探范围的不断扩大，地震资料数据量呈现指数级的增长，地震资料也变得越来越复杂，这对初至拾取方法及软件都提出了更高的要求。
现有的商业软件以及初至自动拾取算法都或多或少的存在适应性的问题，对于低信噪比的资料，很多软件拾取效果欠佳，人工肉眼易于识别的初至在自动拾取时不准确，需要大量的人工交互修改，这也成为了最耗时耗力以及烦躁的工作环节之一。而现有的一些初至自动拾取算法大部分都是基于道上的算法，可以将初至自动检测出来，但是这种初至拾取算法对资料的适应性不强，不能有效地适应地震资料的复杂变化。例如，中国专利公开文献CN201710326043.2公开了一种基于深度学习的初至拾取方法及系统，中国专利公开文献CN201611191365.2公开了利用检波点静校正迭代法提高初至拾取效率及准确率的方法。
目前极少有算法从步骤的角度去进行初至拾取，即便有步骤也都是比较简单的步骤。但是随着地震资料的复杂程度的增加，通过建立合理的步骤解决初至拾取问题是一种不错的选择。
发明内容
本发明的目的在于解决上述现有技术中存在的难题，提供一种自动化初至拾取方法及系统，提高初至自动拾取效果，极大地减少处理员的人工交互修改的工作量。
本发明是通过以下技术方案实现的：
一种自动化初至拾取方法，包括：
预处理步骤：输入炮集数据模型，对炮集数据模型进行分组，获得初至拾取的范围；
综合算法计算步骤：在预处理步骤得到的初至拾取的范围内进行初至拾取，获得初至结果；
质量控制步骤：对综合算法计算步骤得到的初至结果进行质量控制，生成质量监控文件和初至文件。
所述预处理步骤包括：
(A1)炮集地震数据分片步骤：输入炮集数据模型，首先根据炮集数据模型中的第i道道头信息中接收点的(x,y)坐标，计算其相对于炮点的方位角αi∈(0,360)，并将方位角存放到道头信息中；其次根据方位角将炮集地震数据进行分组，将分组后的地震数据存放到分组数据记录中，输出更新后的炮集数据模型；
(A2)获取参考速度和参考初至步骤：输入步骤(A1)得到的炮集数据模型，根据该模型中的分组数据记录中的按方位角分组后的地震数据，采用扫描能量方法计算每一片地震数据的参考速度，对于该片中的第i道地震数据，计算其参考初至；将计算得到的参考初至记录到道头信息中，输出更新后的炮集数据模型；
(A3)提取有效地震段属性步骤：输入步骤(A2)得到的炮集数据模型，根据参考初至和设定的拾取条带宽度确定每一道的起始计算样点
和终止计算样点
得到初至拾取的范围，并计算初至拾取的范围内的地震数据的有效地震段属性，调整初至到波峰位置，输出更新后的炮集数据模型。
所述综合算法计算步骤包括：
(B1)使用aic算法拾取初至步骤；输入步骤(A3)得到的炮集数据模型，对于第i道地震数据，根据预处理步骤得到的起始计算样点
和终止计算样点
在
数据域中采用aic算法进行初至拾取，获得第i道的使用aic方法获取的初至aicFai.并将该值记录到道头信息中；输出更新后的炮集数据模型；
(B2)aic算法结果归位波峰步骤：输入步骤(B1)得到的炮集数据模型，对于第i道地震数据，根据使用aic算法拾取初至步骤计算得到的aicFai，利用预处理步骤中得到的有效地震段属性将初至aicFai调整到波峰位置，记为aicPeakFai,并将该值记录到道头信息中，输出更新后的炮集数据模型；
(B3)改进的coppens算法计算能量比步骤：输入步骤(B2)得到的炮集数据模型，对于第i道地震数据，根据起始计算样点
和终止计算样点
在
数据域使用coppens算法计算得到该区域的能量比值，将该能量比值记录到炮集数据模型中；输出更新后的炮集数据模型；
(B4)对能量比值进行平滑步骤：输入步骤(B3)得到的炮集数据模型，对于第i道地震数据，对步骤(B3)得到的能量比值进行平滑处理，获取平滑后的能量比值，将平滑后的能量比值记录到炮集数据模型中，输出更新后的炮集数据模型；
(B5)对平滑后能量比值求导步骤：输入步骤(B4)得到的炮集数据模型，对于第i道地震数据，对步骤(B4)得到的平滑后的能量比值进行求导处理，获取求导后的导数值，找到最大导数值对应的位置coppensFai，将该值记录到道头信息中，输出更新后的炮集数据模型；
(B6)改进的coppens算法结果归位波峰步骤：输入步骤(B5)得到的炮集数据模型，对于第i道地震数据，根据步骤(B5)得到的coppensFai，利用预处理步骤中得到的有效地震段属性将coppensFai调整到波峰位置，记为coppensPeakFai,并将该值记录到道头信息中，输出更新后的炮集数据模型；
(B7)按照接收线和偏移距重新排序步骤：输入步骤(B7)得到的炮集数据模型，根据第i道道头信息中的接收线号rcvLinei以及偏移距offseti，将地震数据按照接收线和偏移距绝对值从小到大进行组织，并存放到分组数据记录中；
(B8)对aic和coppens初至结果去异常步骤：输入步骤(B7)得到的炮集数据模型，根据步骤(B7)得到的数据，沿着接收线分别去除aic和coppens算法中的异常初至得到初至结果，输出更新后的炮集数据模型；
(B9)估计直达波-折射波初至模型步骤：输入步骤(B8)得到的炮集数据模型，根据步骤(B8)得到的aic初至结果和coppens初至结果，采用卡方分布方法进行拟合得到的直达波-折射波初至模型，在炮集数据模型中将正负偏移距的直达波-折射波的斜率kposDir，kposRef，knegDir，knegRef和截距bposDir，bposRef，bnegDir，bnegRef，以及截断偏移距offposDir，offnegDir都进行记录；输出更新后的炮集数据模型；
(B10)再次去除异常aic和coppens初至结果步骤：输入步骤(B9)得到的炮集数据模型，根据步骤(B9)得到的直达波-折射波初至模型，分别去除aic和coppens中的异常初至，输出更新后的炮集数据模型；
(B11)优选初至步骤：输入步骤(B10)得到的炮集数据模型，对于第i道，如果offseti∈(offnegDir,knegDir)，则初至fai＝coppensPeakFai，反之，初至fai＝aicPeakFai，获得优选初至，输出更新后的炮集数据模型；
所述质量控制步骤包括：
(C1)估计直达波-折射波初至模型步骤：利用步骤(B11)得到的优选初至重新计算直达波-折射波模型，更新正负偏移距的直达波-折射波的斜率kposDir，kposRef，knegDir，knegRef和截距bposDir，bposRef，bnegDir，bnegRef，以及截断偏移距offposDir，offnegDir，输出更新后的炮集数据模型；
(C2)去除优选后的异常初至步骤：输入步骤(C1)得到的炮集数据模型，按照步骤(C1)得到的直达波-折射波初至模型，去除步骤(B11)得到的优选初至中的异常初至，对于第i道数据，如果其优选初至正常，则记为fai，否则，记为INVALID，输出更新后的炮集数据模型；
(C3)估计直达波-折射波模型步骤：利用步骤(C2)保留下的初至重新计算直达波-折射波模型，更新正负偏移距的直达波-折射波的斜率kposDir，kposRef，knegDir，knegRef和截距bposDir，bposRef，bnegDir，bnegRef，以及截断偏移距offposDir，offnegDir，输出更新后的炮集数据模型；
(C4)对无效值重新补值步骤：输入步骤(C3)得到的炮集数据模型，对于第i道数据，如果其初至值为INVALID，则通过相邻的道的初至值进行补值，输出更新后的炮集数据模型；
(C5)按接收线和偏移距重新排序步骤：输入步骤(C4)得到的炮集数据模型，根据第i道道头信息中的接收线号rcvLinei，以及偏移距offseti，将地震数据按照接收线和偏移距绝对值从小到大进行组织，一条接收线对应两组数据，并存放到分组数据记录中；
(C6)去除异常尖值步骤：根据步骤(C5)得到的数据，对于一条接收线上的一组数据，根据随着偏移距的增大初至有逐渐增大的趋势，将不符合逐渐增大的趋势的异常初至去除，输出更新后的炮集数据模型；
(C7)去除异常尖值步骤：对步骤(C6)得到的数据再次将不符合逐渐增大的趋势的异常初至去除，输出更新后的炮集数据模型；
(C8)按照接收线和偏移距重新排序步骤：输入步骤(C7)得到的炮集数据模型，根据第i道道头信息中的接收线号rcvLinei，以及偏移距offseti，将地震数据按照接收线和偏移距绝对值从小到大进行组织，并存放到分组数据记录中，得到初至数据；
(C9)计算质量控制参数步骤：输入步骤(C8)得到的炮集数据模型，以炮为单位计算质量控制参数，所述质量控制参数包括：直达波-折射波模型中的4个斜率、单炮的信噪比、单炮的初至与参考初至的均方根，将质量控制参数记录到道头信息中，输出更新后的炮集数据模型；
(C10)写出质量控制参数文件步骤：将步骤(C9)得到的质量控制参数写入到质量监控文件中；
(C11)写出初至数据文件步骤：将步骤(C8)得到的初至数据写入到初至文件中。
所述步骤(A2)中所述采用扫描能量方法计算每一片地震数据的参考速度的操作包括：将低信噪比数据不参与能量扫描，采用扫描能量方法计算每一片地震数据的参考速度。
所述步骤(A1)进一步包括：
(S1)获取参考速度和参考初至步骤：输入步骤(A1)得到的炮集数据模型，根据该模型中的分组数据记录中的按方位角分组后的地震数据，采用扫描能量方法计算每一片地震数据的参考速度，对于该片中的第i道地震数据，计算其参考初至；将计算得到的参考初至记录到道头信息中，输出更新后的炮集数据模型；
(S2)对地震数据进行时间增益处理步骤：输入步骤(S1)得到的炮集数据模型，对炮集数据进行时间增益,输出更新后的炮集数据模型；
(S3)提取有效地震段属性步骤：输入步骤(S2)得到的炮集数据模型，根据参考初至和设定的拾取条带宽度确定每一道的起始计算样点
和终止计算样点
得到初至拾取的范围，并计算初至拾取的范围内的地震数据的有效地震段属性，调整初至到波峰位置，输出更新后的炮集数据模型；
(S4)计算信噪比步骤：输入步骤(S3)得到的炮集数据模型，对于第i道，根据起始计算样点
和终止计算样点
取到其中的地震数据，根据信噪比计算公式计算出第i道的信噪比，输出更新后的炮集数据模型。
所述步骤(A1)进一步包括：
(T1)高程静校正量计算步骤：输入步骤(A1)得到的炮集数据模型，对于第i道，计算其高程静校正量，并存放到道头信息中，输出更新后的炮集数据模型；
(T2)高程静校正应用步骤：输入步骤(T1)得到的炮集数据模型，对于第i道地震数据，根据所述高程静校正量计算步骤计算得到的高程静校正量，上下移动地震数据，输出更新后的炮集数据模型。
一种自动化初至拾取系统，包括：
预处理装置：输入炮集数据模型，对炮集数据模型进行分组，获得初至拾取的范围；
综合算法计算装置：在预处理装置得到的初至拾取的范围内进行初至拾取，获得初至结果；
质量控制装置：对综合算法计算装置得到的初至结果进行质量控制，生成质量监控文件和初至文件。
所述预处理装置包括：
炮集地震数据分片单元：输入炮集数据模型，首先根据炮集数据模型中的第i道道头信息中接收点的(x,y)坐标，计算其相对于炮点的方位角αi∈(0,360)，并将方位角存放到道头信息中；其次根据方位角将炮集地震数据进行分组，将分组后的地震数据存放到分组数据记录中，输出更新后的炮集数据模型；
第一获取参考速度和参考初至单元：输入炮集地震数据分片单元得到的炮集数据模型，根据该模型中的分组数据记录中的按方位角分组后的地震数据，采用扫描能量方法计算每一片地震数据的参考速度，对于该片中的第i道地震数据，计算其参考初至；将计算得到的参考初至记录到道头信息中，输出更新后的炮集数据模型；
第一提取有效地震段属性单元：输入获取参考速度和参考初至单元得到的炮集数据模型，根据参考初至和设定的拾取条带宽度确定每一道的起始计算样点
和终止计算样点
得到初至拾取的范围，并计算初至拾取的范围内的地震数据的有效地震段属性，调整初至到波峰位置，输出更新后的炮集数据模型；
所述综合算法计算装置包括：
使用aic算法拾取初至单元；输入第一提取有效地震段属性单元得到的炮集数据模型，对于第i道地震数据，根据预处理装置得到的起始计算样点
和终止计算样点
在
数据域中采用aic算法进行初至拾取，获得第i道的使用aic方法获取的初至aicFai.并将该值记录到道头信息中；输出更新后的炮集数据模型；
aic算法结果归位波峰单元：输入使用aic算法拾取初至单元得到的炮集数据模型，对于第i道地震数据，根据使用aic算法拾取初至单元计算得到的aicFai，利用预处理装置中得到的有效地震段属性将初至aicFai调整到波峰位置，记为aicPeakFai,并将该值记录到道头信息中，输出更新后的炮集数据模型；
改进的coppens算法计算能量比单元：输入aic算法结果归位波峰单元得到的炮集数据模型，对于第i道地震数据，根据起始计算样点
和终止计算样点
在
数据域使用coppens算法计算得到该区域的能量比值，将该能量比值记录到炮集数据模型中；输出更新后的炮集数据模型；
对能量比值进行平滑单元：输入改进的coppens算法计算能量比单元得到的炮集数据模型，对于第i道地震数据，对能量比值进行平滑处理，获取平滑后的能量比值，将平滑后的能量比值记录到炮集数据模型中，输出更新后的炮集数据模型；
对平滑后能量比值求导单元：输入对能量比值进行平滑单元得到的炮集数据模型，对于第i道地震数据，对平滑后的能量比值进行求导处理，获取求导后的导数值，找到最大导数值对应的位置coppensFai，将该值记录到道头信息中，输出更新后的炮集数据模型；
改进的coppens算法结果归位波峰单元：输入对平滑后能量比值求导单元得到的炮集数据模型，对于第i道地震数据，根据coppensFai，利用预处理装置中得到的有效地震段属性将coppensFai调整到波峰位置，记为coppensPeakFai,并将该值记录到道头信息中，输出更新后的炮集数据模型；
第一按照接收线和偏移距重新排序单元：输入改进的coppens算法结果归位波峰单元得到的炮集数据模型，根据第i道道头信息中的接收线号rcvLinei以及偏移距offseti，将地震数据按照接收线和偏移距绝对值从小到大进行组织，并存放到分组数据记录中；
对aic和coppens初至结果去异常单元：输入第一按照接收线和偏移距重新排序单元得到的炮集数据模型，根据第一按照接收线和偏移距重新排序单元得到的数据，沿着接收线分别去除aic和coppens算法中的异常初至得到初至结果，输出更新后的炮集数据模型；
估计直达波-折射波初至模型单元：输入对aic和coppens初至结果去异常单元得到的炮集数据模型，根据aic初至结果和coppens初至结果，采用卡方分布方法进行拟合得到的直达波-折射波初至模型，在炮集数据模型中将正负偏移距的直达波-折射波的斜率kposDir，kposRef，knegDir，knegRef和截距bposDir，bposRef，bnegDir，bnegRef，以及截断偏移距offposDir，offnegDir都进行记录；输出更新后的炮集数据模型；
再次去除异常aic和coppens初至结果单元：输入估计直达波-折射波初至模型单元得到的炮集数据模型，根据直达波-折射波初至模型，分别去除aic和coppens中的异常初至，输出更新后的炮集数据模型；
优选初至单元：输入再次去除异常aic和coppens初至结果单元得到的炮集数据模型，对于第i道，如果offseti∈(offnegDir,knegDir)，则初至fai＝coppensPeakFai，反之，初至fai＝aicPeakFai，获得优选初至，输出更新后的炮集数据模型；
所述质量控制装置包括：
第二估计直达波-折射波初至模型单元：利用优选初至单元得到的优选初至重新计算直达波-折射波模型，更新正负偏移距的直达波-折射波的斜率kposDir，kposRef，knegDir，knegRef和截距bposDir，bposRef，bnegDir，bnegRef，以及截断偏移距offposDir，offnegDir，输出更新后的炮集数据模型；
去除优选后的异常初至单元：输入第二估计直达波-折射波初至模型单元得到的炮集数据模型，按照直达波-折射波初至模型，去除综合算法计算装置得到的优选初至中的异常初至，对于第i道数据，如果其优选初至正常，则记为fai，否则，记为INVALID，输出更新后的炮集数据模型；
第三估计直达波-折射波模型单元：利用去除优选后的异常初至单元保留下的初至重新计算直达波-折射波模型，更新正负偏移距的直达波-折射波的斜率kposDir，kposRef，knegDir，knegRef和截距bposDir，bposRef，bnegDir，bnegRef，以及截断偏移距offposDir，offnegDir，输出更新后的炮集数据模型；
对无效值重新补值单元：输入第三估计直达波-折射波模型单元得到的炮集数据模型，对于第i道数据，如果其初至值为INVALID，则通过相邻的道的初至值进行补值，输出更新后的炮集数据模型；
第二按接收线和偏移距重新排序单元：输入对无效值重新补值单元得到的炮集数据模型，根据第i道道头信息中的接收线号rcvLinei，以及偏移距offseti，将地震数据按照接收线和偏移距绝对值从小到大进行组织，一条接收线对应两组数据，并存放到分组数据记录中；
第一去除异常尖值单元：根据第二按接收线和偏移距重新排序单元得到的数据，对于一条接收线上的一组数据，根据随着偏移距的增大初至有逐渐增大的趋势，将不符合逐渐增大的趋势的异常初至去除，输出更新后的炮集数据模型；
第二去除异常尖值单元：对第一去除异常尖值单元得到的数据再次将不符合逐渐增大的趋势的异常初至去除，输出更新后的炮集数据模型；
第三按照接收线和偏移距重新排序单元：输入第二去除异常尖值单元得到的炮集数据模型，根据第i道道头信息中的接收线号rcvLinei，以及偏移距offseti，将地震数据按照接收线和偏移距绝对值从小到大进行组织，并存放到分组数据记录中，得到初至数据；
计算质量控制参数单元：输入第三按照接收线和偏移距重新排序单元得到的炮集数据模型，以炮为单位计算质量控制参数，所述质量控制参数包括：直达波-折射波模型中的4个斜率、单炮的信噪比、单炮的初至与参考初至的均方根，将质量控制参数记录到道头信息中，输出更新后的炮集数据模型；
写出质量控制参数文件单元：将计算质量控制参数单元得到的质量控制参数写入到质量监控文件中；
写出初至数据文件单元：将第三按照接收线和偏移距重新排序单元得到的初至数据写入到初至文件中。
所述预处理装置进一步包括：
第二获取参考速度和参考初至单元：输入炮集地震数据分片单元得到的炮集数据模型，根据该模型中的分组数据记录中的按方位角分组后的地震数据，采用扫描能量方法计算每一片地震数据的参考速度，对于该片中的第i道地震数据，计算其参考初至；将计算得到的参考初至记录到道头信息中，输出更新后的炮集数据模型；
对地震数据进行时间增益处理单元：输入第二获取参考速度和参考初至单元得到的炮集数据模型，对炮集数据进行时间增益,输出更新后的炮集数据模型；
第二提取有效地震段属性单元：输入对地震数据进行时间增益处理单元得到的炮集数据模型，根据参考初至和设定的拾取条带宽度确定每一道的起始计算样点
和终止计算样点
得到初至拾取的范围，并计算初至拾取的范围内的地震数据的有效地震段属性，调整初至到波峰位置，输出更新后的炮集数据模型；
计算信噪比单元：输入第二提取有效地震段属性单元得到的炮集数据模型，对于第i道，根据起始计算样点
和终止计算样点
取到其中的地震数据，根据信噪比计算公式计算出第i道的信噪比，输出更新后的炮集数据模型；
或者，所述预处理装置进一步包括：
高程静校正量计算单元：输入炮集地震数据分片单元得到的炮集数据模型，对于第i道，计算其高程静校正量，并存放到道头信息中，输出更新后的炮集数据模型；
高程静校正应用单元：输入高程静校正量计算单元得到的炮集数据模型，对于第i道地震数据，根据所述高程静校正量计算单元计算得到的高程静校正量，上下移动地震数据，输出更新后的炮集数据模型。
本发明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计算机可执行的至少一个程序，所述至少一个程序被所述计算机执行时使所述计算机执行所述的自动化初至拾取方法中的步骤。
与现有技术相比，本发明的有益效果是：本发明自动化初至拾取方法快速、准确、稳定，而且提高了初至自动拾取效果，极大地减少了处理员的人工交互修改的工作量。
附图说明
图1本发明方法的步骤框图；
图2本发明实施例中的预处理阶段获取初至拾取范围；
图3本发明实施例中的联合算法拾取结果；
图4本发明实施例中的通过质量控制之后的初至拾取效果；
图5本发明炮集数据模型的结构图。
具体实施方式
下面结合附图对本发明作进一步详细描述：
本发明有两个目的，其一是提出一种新的初至自动拾取的思路和方法；其二是提高初至自动拾取效果，极大地减少处理员的人工交互修改的工作量。
对于第一个目的，提出一种新的初至自动拾取的思路和方法，通过前期的大量研究，当地震资料快速变化时，包括信噪比、相邻道的走势等发生较大变化时，单个的初至自动拾取算法是不能够解决初至拾取不准确的问题的，因此，在本发明中不再将初至拾取看作是单道上的拾取任务，而是一个工区的拾取任务，这时需要一系列的技术步骤来解决一个工区的初至拾取问题。
在本发明中将初至拾取任务视为一个工区的任务，不再是基于单道上的任务，在处理过程中采用一系列的技术步骤，通过仔细地雕琢这些技术步骤，注重其工艺细节，形成了一种合理的自动化初至拾取方法。
本发明的第二个目的是针对不同的信噪比资料，提高初至自动拾取的准确率，其中对于低信噪比的资料，初至自动拾取准确率也要达到99％，并且自动将剩余的拾取效果不好的炮集数据统计出来，提供给处理员，极大地减少人工交互修改初至的工作量。
本发明自动化初至拾取方法，由三大部分组成：预处理过程、综合算法计算过程、质量控制过程，其中每一部分都含有多个不同的工艺性处理步骤，使用这一工艺步骤进行初至拾取，能够有效地提高初至拾取准确率，并对炮集数据拾取质量进行评价，极大地降低处理员人工交互修改的时间，有效提高地震资料处理的效率。
一种自动化初至拾取系统包含多达32个处理单元，其中前面十个处理单元属于预处理过程，中间的十一个处理单元属于综合算法计算过程，后面的十一个步骤属于质量控制过程。本发明中的工艺步骤是在大量实践的基础上得到的，通过实际资料的测试，该步骤稳定，初至自动拾取效果好。
其中，预处理过程，包含十个处理单元(图1中的各个“(选)”是表示对应的单元是可选的)，分别为炮集地震数据分片单元(选择二维或者三维炮集地震数据)、获取参考速度和参考初至单元、地震数据进行时间增益单元、提取有效地震段属性单元、计算信噪比单元、获取参考速度和参考初至单元、高程静校正量计算单元、高程静校正应用单元、获取参考速度和参考初至单元、提取属性单元，这十个子单元中有三个“获取参考速度和参考初至单元”的功能都是一样的，不同的是输入的地震数据不同，第一个输入的地震数据是按照方位角分片后的地震数据；第二个输入的地震数据也是分片后的地震数据，但是去掉了低信噪比的地震数据；第三个输入的是经过高程应用后的地震数据，即相当于三种处理方式，第一种处理方式为：分片后直接获取参考速度和参考初至，然后提取属性，第二种处理方式是：分片后获取参考速度和参考初至，然后进行时间增益、提取属性、计算信噪比，然后获取参考速度和参考初至，最后提取属性，第三种处理方式是：分片后进行高程静校正计算和应用，然后获取参考速度和参考初至，最后提取属性。获取参考速度和参考初至后，均进入提取属性单元。如图1所示，这些处理单元是针对不同的地震数据的，本发明中的自动化初至拾取方法可以处理标准的segy格式的地震数据，也可以处理经过动校正后的segy格式的地震数据，同时还可以通过参数控制(具体的参数包括Is3DSeismic(是否为三维地震数据，1表示是三维，0表示是二维)，IsLmo(是否为动校正正后数据，1表示是，0表示不是)，DoElevCorrection(是否做高程校正，1表示做高程校正，0表示不做高程校正)；具体的参数是放到参数卡中的，程序通过读取参数卡中的信息，决定是否使用这些处理单元。)是否进行高程静校正，以及是否计算信噪比和将信噪比应用于求取参考初至；最后通过提取属性，将计算初至的区域计算出来，并计算出很多的属性信息，放置于地震道头信息中，供后续的处理单元使用。在预处理过程中包含的十个处理单元的装配顺序是通过大量实际地震资料的测试进行装配的，这种装配顺序可以保证自动化初至拾取工艺步骤的实用性、快速性和稳定性，通过预处理过程获取的拾取范围准确，可靠，效果好。
在综合算法计算过程中，通过十一个处理单元完成初至的综合拾取工作，在该过程的前六个处理单元是使用不同的方法分别进行初至拾取工作(六个处理单元对应两种方法，分别为使用aic算法、使用改进的coppens算法)，两种不同的方法是可以互换装配顺序的(实际使用时是两种算法都要使用，但是前后顺序可以变化)，但后面的五个处理单元的装配顺序是根据实际资料的测试以及基础的地球物理知识进行装配的，通过所述十一个处理单元的协同合作，最终可以获取较好的初至拾取结果，并保证自动化初至拾取工艺步骤的稳定性和实用性。前六个处理单元分别为：使用aic算法拾取初至单元、aic算法结果归位波峰、改进的coppens算法计算能量比单元、对能量比值进行平滑单元、对平滑后能量比值求导单元、改进的coppens算法结果归位波峰单元，后五个处理单元分别为：按照接收线和偏移距重新排序单元、分别对aic和coppens初至结果去异常单元、估计直达波-折射波模型单元、再次去除异常aic和coppens初至结果单元、优选初至单元。
在质量控制过程中，使用了十一个处理单元进行初至结果的质量控制，在这些质量控制单元中，多数都是根据地震道的物理特征和基本属性研发的，也有少量的处理单元是根据统计特征和规律进行设计的。通过装配这些处理单元，在实际工区中进行测试，质量控制效果良好，同时稳定性也比较好。质量控制过程中的十一个处理单元分别为：估计直达波-折射波模型单元、去除优选后的异常初至单元、估计直达波-折射波模型单元、对无效值重新补值单元、按接收线和偏移距绝对值重新排序单元、去除异常尖值单元、去除异常尖值单元、按接收线和偏移距绝对值重新排序单元、计算质量控制参数单元、写出质量控制参数文件单元、写出初至数据文件单元。
所述自动化初至拾取系统具体如下：
一、预处理模块，包括：
1、炮集地震数据分片单元：输入炮集数据模型，首先根据炮集地震数据中的第i道道头信息中的(x,y)坐标，计算其相对于炮点的方位角αi∈(0,360)，并将方位角存放到道头信息中；其次根据方位角将炮集地震数据进行分组，对于二维地震数据，分为两组地震数据(0-180度为一组，180-360为另一组)，对于三维地震数据，分为四组地震数据(0-90是第一组，90-180是第二组，180-270是第三组，270-360是第四组)，存放到分组数据记录中，输出该更新后的炮集数据模型；
2、获取参考速度和参考初至单元：输入炮集地震数据分片单元生成的炮集数据模型，根据该模型中的记录的按方位角分组后的地震数据存储结构，采用扫描能量方法计算每一片地震数据的参考速度vref，对于该片中的第i道地震数据，计算其参考初至refFai＝abs(offi)/vref(abs(offi)表示第i道地震数据偏移距的绝对值。将计算得到的参考初至记录到道头信息中，输出该更新后的炮集数据模型；
3、地震数据进行时间增益单元：输入炮集数据模型，对原始炮集记录进行时间增益，具体操作过程为对于第i道地震数据datai(j),乘以增益因子texp,exp∈(1,2),更新原始单炮记录，得到更新后的炮集数据模型，输出更新后的炮集数据模型；
4、提取有效地震段属性单元：输入炮集数据模型，根据参考初至和外部给出的拾取条带宽度确定每一道的起止计算样点得到初至拾取的范围，具体为，对于第i道datai(j),j∈[1,sampleNum]，sampleNum表示一道地震数据的样点数目。起始计算样点为
终止计算样点为
(起始计算样点和终止计算样点之间即为初至拾取的范围)。并根据起止范围内的地震数据计算一些属性，用于调整初至到波峰位置。输出更新后的炮集数据模型。
5、计算信噪比单元：输入炮集数据模型，对于第i道，根据起始计算样点
和终止计算样点
取到其中的地震数据，根据信噪比计算公式计算出第i道的信噪比snri,i∈[1,traceNum],traceNum表示一炮地震数据的道数目，输出更新后的炮集数据模型。
6、获取参考速度和参考初至单元：输入炮集数据模型，按照方位角分片获取分组数据记录，将低信噪比数据不参与能量扫描，重新采用扫描能量方法计算每一片地震数据的参考速度vref，对于该片中的第i道地震数据，计算其参考初至refFai＝abs(offi)/vref。至此更新了参考初至。输出更新后的炮集数据模型；
7、高程静校正量计算单元：输入炮集数据模型，对于第i道，计算其高程静校正量Staticsi,i∈[1,traceNum]，并存放到道头信息中。输出更新后的炮集数据模型。该处理单元根据外部输入的参数决定是否被使用。
8、高程静校正应用单元：输入炮集数据模型，对于第i道地震数据，根据上面计算的高程静校正量，上下移动地震数据，规定当Staticsi＞0,向下移动该道地震数据；反之向上移动地震数据，不足的部分都进行补0处理。输出更新后的炮集数据模型。该处理单元根据外部输入参数决定是否被使用。
9、获取参考速度和参考初至单元：该单元的功能与前面的获取参考速度和参考初至单元相同，不同点在于道集数据不同，通过前面的一系列单元对数据进行处理，获取合适的道集数据，然后再计算参考速度和参考初至，计算完成后更新vref，refFai。输出更新后的炮集数据模型。该处理单元。
10提取有效地震段属性单元：该单元与前面的提取有效地震段属性单元的功能相同，不同点在于使用的refFai不同。
其中，2-9单元均是根据外部输入参数决定是否被使用。
二、综合算法计算模块，包括：
1、使用aic算法拾取初至单元；输入炮集数据模型，对于第i道地震数据，根据前面计算的起始计算样点
和终止计算样点
在
数据域中采用aic算法进行初至拾取，获取第i道的使用aic方法获取的初至aicFai.并将该值记录到道头信息中。输出更新后的炮集数据模型；
2、aic算法结果归位波峰单元：输入炮集数据模型，对于第i道地震数据，根据使用aic算法拾取初至单元计算得到的aicFai，这个初至值不一定在波峰位置。在这个处理单元中将使用前面提取的有效地震段属性将其调整到波峰位置，记为aicPeakFai,并将该值记录到道头信息中，供后续的处理单元使用。输出更新后的炮集数据模型；
3、改进的coppens算法计算能量比单元：输入炮集数据模型，对于第i道地震数据，根据前面计算的起始计算样点
和终止计算样点
在
数据域使用coppens算法计算该区域的能量比值
将能量比值记录到炮集数据模型中，供后续步骤使用。输出更新后的炮集数据模型；
4、对能量比值进行平滑单元：输入炮集数据模型，对于第i道地震数据，根据改进的coppens算法计算能量比单元计算出的能量比值
进行平滑处理，获取平滑后的能量比值
将平滑后的能量比值记录到炮集数据模型中，供后续步骤使用。输出更新后的炮集数据模型；
5、对平滑后能量比值求导单元：输入炮集数据模型，对于第i道地震数据，根据对能量比值进行平滑单元计算出的平滑后的能量比值
进行求导处理，获取求导后的数据
找到最大导数值对应的位置coppensFai，将该值记录到道头信息中。输出更新后的炮集数据模型；
6、改进的coppens算法结果归位波峰单元：输入炮集数据模型，对于第i道地震数据，根据对平滑后能量比值求导单元计算得到的coppensFai，这个初至值不一定在波峰位置。在这个处理单元中将使用前面提取的有效地震段属性将其调整到波峰位置，记为coppensPeakFai,并将该值记录到道头信息中，供后续的处理单元使用。输出更新后的炮集数据模型；
7、按照接收线和偏移距重新排序单元：输入炮集数据模型，根据第i道道头信息中的接收线号rcvLinei，以及偏移距offseti，将地震数据按照接收线和偏移距从小到大进行组织，并存放到分组数据记录中；
8、对aic和coppens初至结果去异常单元：输入炮集数据模型，根据所述按照接收线和偏移距重新排序单元得到的数据组织，沿着接收线分别去除aic和coppens算法中初至异常结果，对于第i道数据，如果其aic算法初至值正常，则记为aicPeakFai，否则记为INVALID；如果coppens算法初至值正常，则记为coppensPeakFai，否则记为INVALID。输出更新后的炮集数据模型；
9、估计直达波-折射波模型单元：输入炮集数据模型，根据对aic和coppens初至结果去异常单元获取到的aic初至结果和coppens初至结果，采用卡方分布方法进行拟合得到的直达波-折射波初至模型。在炮集数据模型中将正负偏移距的直达波-折射波的斜率kposDir，kposRef，knegDir，knegRef和截距bposDir，bposRef，bnegDir，bnegRef(下标分别为正偏移距直达波、正偏移距折射波、负偏移距直达波、负偏移距折射波)，以及截断偏移距offposDir，offnegDir都进行记录，为后续步骤使用。输出更新后的炮集数据模型；
10、再次去除异常aic和coppens初至结果单元：输入炮集数据模型，根据估计直达波-折射波模型单元计算的直达波-折射波初至模型，分别去除aic和coppens中异常初至。对于第i道数据，如果其aic算法初至值正常，则记为aicPeakFai，否则记为INVALID；如果coppens算法初至值正常，则记为coppensPeakFai，否则记为INVALID。输出更新后的炮集数据模型；
11、优选初至单元：输入炮集数据模型，对于第i道，如果offseti∈(offnegDir,knegDir)，初至fai＝coppensPeakFai，反之，初至fai＝aicPeakFai。输出更新后的炮集数据模型；
三、质量控制模块，包括：
1、估计直达波-折射波模型单元：与上面的估计直达波-折射波模型单元的功能相同，不同之处是参与估计的数据量有所不同。更新正负偏移距的直达波-折射波的斜率kposDir，kposRef，knegDir，knegRef和截距bposDir，bposRef，bnegDir，bnegRef，以及截断偏移距offposDir，offnegDir。输出更新后的炮集数据模型。
2、去除优选后的异常初至单元：输入炮集数据模型，按照估计直达波-折射波模型单元得到的直达波-折射波初至模型，去除优选初至中的异常初至。对于第i道数据，如果其优选初至正常，则记为fai，否则，记为INVALID。输出更新后的炮集数据模型；
3、估计直达波-折射波模型单元：同之前的处理单元，不同之处是参与估计的数据量有所不同(初至数据量有所不同，因为每一个都根据直达波-折射波模型去除了异常初至)。通过保留下的初至重新计算直达波-折射波模型，更新正负偏移距的直达波-折射波的斜率kposDir，kposRef，knegDir，knegRef和截距bposDir，bposRef，bngeDir，bnegRef，以及截断偏移距offposDir，offnegDir。输出更新后的炮集数据模型；
4、对无效值重新补值单元：输入炮集数据模型，对于第i道数据，如果其初至值为INVALID，则通过相邻的道的初至值进行补值(根据相邻6道，左边3道，右边3道，计算其均值后，根据均值计算出初至波峰位置)。输出更新后的炮集数据模型；
5、按接收线和偏移距绝对值重新排序单元：输入炮集数据模型，根据第i道道头信息中的接收线号rcvLinei，以及偏移距offseti，将地震数据按照接收线和偏移距绝对值从小到大进行组织，一条接收线对应两组数据(此处的两组数据是对于一条接收线中的数据，按照正、负偏移距分为两组数据，然后再对每一组数据根据偏移距的绝对值进行排序)，并存放到分组数据记录中；
6、去除异常尖值单元：根据所述按接收线和偏移距绝对值重新排序单元得到的数据组织形式，对于一条接收线上的一组数据，随着偏移距的增大初至逐渐增大的趋势，将异常的初至去除。输出更新后的炮集数据模型；
7、去除异常尖值单元：与上面的去除异常尖值单元相同，即同一个单元使用两次；经过两次去除异常尖值的处理后获得写入到初至文件中的初至数据；
8、按照接收线和偏移距绝对值重新排序单元：输入炮集数据模型，根据第i道道头信息中的接收线号rcvLinei，以及偏移距offseti，将地震数据按照接收线和偏移距从小到大进行组织，并存放到分组数据记录中；
9、计算质量控制参数单元：质量控制参数以炮为单位进行计算，包含直达波-折射波模型中的4个斜率，单炮中的信噪比，单炮中的初至与参考初至的统计均方根。输入炮集数据模型，计算单炮的信噪比
计算单炮的初至与参考初至的均方根rmsShot＝rms(fai-referi),i∈[1,traceNum]，将这些值记录到道头信息中。输出更新后的炮集数据模型；
10、写出质量控制参数文件单元：将所述计算质量控制参数单元得到的质量控制参数写入到质量监控文件中；
11、写出初至数据文件单元：将初至数据写入到初至文件中。
在本发明中除开写出质量控制参数文件单元和写出初至数据文件单元，其它所有单元都是通过炮集数据模型贯通起来，每一个单元输入的是上一个单元更新后的炮集数据模型，输出的也是炮集数据模型，只不过不同的处理单元计算出不同的属性，并存放到炮集数据模型中。
贯通于每一个单元的炮集数据模型是一个结构，如图5所示，其包含很多的内容，主要有两大类，一类是炮集地震数据，包含多种不同的组织形式，比如，按照原始单炮记录存储地震数据，按照方位角存储地震数据等等；另一类是道头信息，一道地震数据对应一个道头结构，该道头中包含很多的属性，比如，偏移距，参考初至时间，信噪比，接收点坐标，高程，井深等等属性。上述单元中有的是对地震数据进行处理，有的是计算属性，存放到道头信息中。
本发明通过合理装配这些处理单元，将预处理过程、综合算法计算初至过程、以及质量控制过程有序地协调起来，组成一个有效的自动初至拾取步骤。通过实际资料的测试，该步骤中包含的三个主要部分组织有序，分工明确，装配合理。对于地表高程变换比较大、噪音严重的地震数据，能够准确的拾取初至。在afapa初至拾取软件中采用了该方法，至目前为止已经测试了70万炮的地震数据，该自动化初至拾取工艺步骤快速、准确、稳定。
为了验证本发明的效果，在本发明中选择了信噪比低、地表高程变化剧烈的黄土塬地形的地震数据，如图2所示，在预处理阶段，计算得到的初至区域准确，且随着偏移距的不同进行合理的变化，一方面验证了通过合理的进行处理单元的装配完成了初至拾取区域的合理估计，另一方面也验证了初至拾取不能仅仅依赖单道上的特征和属性，而是要根据一炮的特征和信息进行初至拾取工作；在图3中，通过使用综合算法计算初至阶段，对于信噪比比较低、地表高程变化大的地震数据，通过综合算法拾取初至，获取了合理的结果，但是还不能达到生产要求；在图4中，通过质量控制，将异常值去除或者重新拾取。图2-图4中的纵坐标是时间，单位是ms,横坐标是道号。
通过上面的例子，一方面验证本发明的三个大的过程之间的有效衔接，每一个过程都产生一个优秀的结果，最后才能拾取到准确的初至；另一方面验证了初至拾取任务需要从多个不同的方面综合分析和组装，即需要从步骤装配的角度去分析，才能够获取合理的拾取效果。
本发明方法的实施例如下：
1.准备标准格式的segy地震数据；
2.将标准segy地震数据中的道头信息记录到一个xml文档中；
3.将算法步骤中需要的所有参数信息放到一个文本文件中，参数如表1所示：
| 参数名 | 参数含义 |
| SeisSgyFile | 初至拾取的地震数据文件名，包含文件路径 |
| SeisSgyIndexFile | 地震数据文件对应的索引文件名，包含文件路径 |
| SeisSgyFmtCfgFile | 地震数据对应的xml文件 |
| FirstArrivalOutputPath | 初至文件结果存放路径 |
| AfapaLogPath | 初至拾取日志文件存放路径 |
| UseBigStationNo | 是否使用大站号(1为是，0为否) |
| LineNoSpan | 线号占几列 |
| PointNoSpan | 点号占几列 |
| WindowStrip | 初至拾取条带长度(单位为毫秒) |
| ReplaceVelocity | 工区替换速度(单位为米/秒) |
| Is3DSeismic | 是否为三维地震数据 |
| IsSeisDataFromCGG | 地震数据是否为CGG软件导出(无负偏移距) |
| LeadingWindowLength | 领头时窗长度(单位为毫秒) |
| EPSLength | 平滑时窗长度(单位为采样点个数) |
| IsLmo | 是否为动校正之后数据(1为是，0为否) |
| DoElevCorrection | 是否做高程校正(1为是，0为否) |
| ElevSinkTime | 高程校正下沉量(单位为毫秒) |
| ReferSinkSamNum | 初至拾取条带下沉样点数 |
| DeltaOffset | 自动计算PMO速度的偏移距步长(单位为米) |
| DataScanScale | 能量扫描的道长占总道长的比值 |
| DoTimeFuncGain | 是否对地震数据做延时增益(1为是，0为否) |
| TimeFuncGainScale | 延时增益参数(建议为1-2) |
表14.执行可执行程序，生成初至文件，质量监控文件，日志文件。
上述技术方案只是本发明的一种实施方式，对于本领域内的技术人员而言，在本发明公开了应用方法和原理的基础上，很容易做出各种类型的改进或变形，而不仅限于本发明上述具体实施方式所描述的方法，因此前面描述的方式只是优选的，而并不具有限制性的意义。
Claims (7)
1.一种自动化初至拾取方法，其特征在于：所述自动化初至拾取方法包括：
预处理步骤：输入炮集数据模型，对炮集数据模型进行分组，获得初至拾取的范围；
综合算法计算步骤：在预处理步骤得到的初至拾取的范围内进行初至拾取，获得初至结果；
质量控制步骤：对综合算法计算步骤得到的初至结果进行质量控制，生成质量监控文件和初至文件；
所述预处理步骤包括：
(A1)炮集地震数据分片步骤：输入炮集数据模型，首先根据炮集数据模型中的第i道道头信息中接收点的(x，y)坐标，计算其相对于炮点的方位角αi∈(0，360)，并将方位角存放到道头信息中；其次根据方位角将炮集地震数据进行分组，将分组后的地震数据存放到分组数据记录中，输出更新后的炮集数据模型；
(A2)获取参考速度和参考初至步骤：输入步骤(A1)得到的炮集数据模型，根据该模型中的分组数据记录中的按方位角分组后的地震数据，采用扫描能量方法计算每一片地震数据的参考速度，对于该片中的第i道地震数据，计算其参考初至；将计算得到的参考初至记录到道头信息中，输出更新后的炮集数据模型；
(A3)提取有效地震段属性步骤：输入步骤(A2)得到的炮集数据模型，根据参考初至和设定的拾取条带宽度确定每一道的起始计算样点
和终止计算样点
得到初至拾取的范围，并计算初至拾取的范围内的地震数据的有效地震段属性，调整初至到波峰位置，输出更新后的炮集数据模型；
所述综合算法计算步骤包括：
(B1)使用aic算法拾取初至步骤；输入步骤(A3)得到的炮集数据模型，对于第i道地震数据，根据预处理步骤得到的起始计算样点
和终止计算样点
在
数据域中采用aic算法进行初至拾取，获得第i道的使用aic方法获取的初至aicFai.并将该值记录到道头信息中；输出更新后的炮集数据模型；
(B2)aic算法结果归位波峰步骤：输入步骤(B1)得到的炮集数据模型，对于第i道地震数据，根据使用aic算法拾取初至步骤计算得到的aicFai，利用预处理步骤中得到的有效地震段属性将初至aicFai调整到波峰位置，记为aicPeakFai,并将该值记录到道头信息中，输出更新后的炮集数据模型；
(B3)改进的coppens算法计算能量比步骤：输入步骤(B2)得到的炮集数据模型，对于第i道地震数据，根据起始计算样点
和终止计算样点
在
数据域使用coppens算法计算得到该区域的能量比值，将该能量比值记录到炮集数据模型中；输出更新后的炮集数据模型；
(B4)对能量比值进行平滑步骤：输入步骤(B3)得到的炮集数据模型，对于第i道地震数据，对步骤(B3)得到的能量比值进行平滑处理，获取平滑后的能量比值，将平滑后的能量比值记录到炮集数据模型中，输出更新后的炮集数据模型；
(B5)对平滑后能量比值求导步骤：输入步骤(B4)得到的炮集数据模型，对于第i道地震数据，对步骤(B4)得到的平滑后的能量比值进行求导处理，获取求导后的导数值，找到最大导数值对应的位置coppensFai，将该值记录到道头信息中，输出更新后的炮集数据模型；
(B6)改进的coppens算法结果归位波峰步骤：输入步骤(B5)得到的炮集数据模型，对于第i道地震数据，根据步骤(B5)得到的coppensFai，利用预处理步骤中得到的有效地震段属性将coppensFai调整到波峰位置，记为coppensPeakFai,并将该值记录到道头信息中，输出更新后的炮集数据模型；
(B7)按照接收线和偏移距重新排序步骤：输入步骤(B7)得到的炮集数据模型，根据第i道道头信息中的接收线号rcvLinei以及偏移距offseti，将地震数据按照接收线和偏移距绝对值从小到大进行组织，并存放到分组数据记录中；
(B8)对aic和coppens初至结果去异常步骤：输入步骤(B7)得到的炮集数据模型，根据步骤(B7)得到的数据，沿着接收线分别去除aic和coppens算法中的异常初至得到初至结果，输出更新后的炮集数据模型；
(B9)估计直达波-折射波初至模型步骤：输入步骤(B8)得到的炮集数据模型，根据步骤(B8)得到的aic初至结果和coppens初至结果，采用卡方分布方法进行拟合得到的直达波-折射波初至模型，在炮集数据模型中将正负偏移距的直达波-折射波的斜率kposDir，kposRef，knegDir，kposRef和截距kposDir，knegRef，bnegDir，bnegRef，以及截断偏移距offposDir，offnegDir都进行记录；输出更新后的炮集数据模型；
(B10)再次去除异常aic和coppens初至结果步骤：输入步骤(B9)得到的炮集数据模型，根据步骤(B9)得到的直达波-折射波初至模型，分别去除aic和coppens中的异常初至，输出更新后的炮集数据模型；
(B11)优选初至步骤：输入步骤(B10)得到的炮集数据模型，对于第i道，如果offseti∈(offnegDir,knegDir)，则初至fai＝coppensPeakFai，反之，初至fai＝aicPeakFai，获得优选初至，输出更新后的炮集数据模型。
2.根据权利要求1所述的自动化初至拾取方法，其特征在于：所述质量控制步骤包括：
(C1)估计直达波-折射波初至模型步骤：利用步骤(B11)得到的优选初至重新计算直达波-折射波模型，更新正负偏移距的直达波-折射波的斜率kposDir，kposRef，knegDir，knegRef和截距bposDir，bposRef，bnegDir，bnegRef，以及截断偏移距offposDir，offnegDir，输出更新后的炮集数据模型；
(C2)去除优选后的异常初至步骤：输入步骤(C1)得到的炮集数据模型，按照步骤(C1)得到的直达波-折射波初至模型，去除步骤(B11)得到的优选初至中的异常初至，对于第i道数据，如果其优选初至正常，则记为fai，否则，记为INVALID，输出更新后的炮集数据模型；
(C3)估计直达波-折射波模型步骤：利用步骤(C2)保留下的初至重新计算直达波-折射波模型，更新正负偏移距的直达波-折射波的斜率kposDir，kposRef，knegDir，knegRef和截距bposDir，bposRef，bnegDir，bnegRef，以及截断偏移距offposDir，offnegDir，输出更新后的炮集数据模型；
(C4)对无效值重新补值步骤：输入步骤(C3)得到的炮集数据模型，对于第i道数据，如果其初至值为INVALID，则通过相邻的道的初至值进行补值，输出更新后的炮集数据模型；
(C5)按接收线和偏移距重新排序步骤：输入步骤(C4)得到的炮集数据模型，根据第i道道头信息中的接收线号rcvLinei，以及偏移距offseti，将地震数据按照接收线和偏移距绝对值从小到大进行组织，一条接收线对应两组数据，并存放到分组数据记录中；
(C6)去除异常尖值步骤：根据步骤(C5)得到的数据，对于一条接收线上的一组数据，根据随着偏移距的增大初至有逐渐增大的趋势，将不符合逐渐增大的趋势的异常初至去除，输出更新后的炮集数据模型；
(C7)去除异常尖值步骤：对步骤(C6)得到的数据再次将不符合逐渐增大的趋势的异常初至去除，输出更新后的炮集数据模型；
(C8)按照接收线和偏移距重新排序步骤：输入步骤(C7)得到的炮集数据模型，根据第i道道头信息中的接收线号rcvLinei，以及偏移距offseti，将地震数据按照接收线和偏移距绝对值从小到大进行组织，并存放到分组数据记录中，得到初至数据；
(C9)计算质量控制参数步骤：输入步骤(C8)得到的炮集数据模型，以炮为单位计算质量控制参数，所述质量控制参数包括：直达波-折射波模型中的4个斜率、单炮的信噪比、单炮的初至与参考初至的均方根，将质量控制参数记录到道头信息中，输出更新后的炮集数据模型；
(C10)写出质量控制参数文件步骤：将步骤(C9)得到的质量控制参数写入到质量监控文件中；
(C11)写出初至数据文件步骤：将步骤(C8)得到的初至数据写入到初至文件中。
3.根据权利要求1所述的自动化初至拾取方法，其特征在于：所述步骤(A1)进一步包括：
(S1)获取参考速度和参考初至步骤：输入步骤(A1)得到的炮集数据模型，根据该模型中的分组数据记录中的按方位角分组后的地震数据，采用扫描能量方法计算每一片地震数据的参考速度，对于该片中的第i道地震数据，计算其参考初至；将计算得到的参考初至记录到道头信息中，输出更新后的炮集数据模型；
(S2)对地震数据进行时间增益处理步骤：输入步骤(S1)得到的炮集数据模型，对炮集数据进行时间增益,输出更新后的炮集数据模型；
(S3)提取有效地震段属性步骤：输入步骤(S2)得到的炮集数据模型，根据参考初至和设定的拾取条带宽度确定每一道的起始计算样点
和终止计算样点
得到初至拾取的范围，并计算初至拾取的范围内的地震数据的有效地震段属性，调整初至到波峰位置，输出更新后的炮集数据模型；
(S4)计算信噪比步骤：输入步骤(S3)得到的炮集数据模型，对于第i道，根据起始计算样点
和终止计算样点
取到其中的地震数据，根据信噪比计算公式计算出第i道的信噪比，输出更新后的炮集数据模型。
4.根据权利要求1所述的自动化初至拾取方法，其特征在于：所述步骤(A1)进一步包括：
(T1)高程静校正量计算步骤：输入步骤(A1)得到的炮集数据模型，对于第i道，计算其高程静校正量，并存放到道头信息中，输出更新后的炮集数据模型；
(T2)高程静校正应用步骤：输入步骤(T1)得到的炮集数据模型，对于第i道地震数据，根据所述高程静校正量计算步骤计算得到的高程静校正量，上下移动地震数据，输出更新后的炮集数据模型。
5.一种实现权利要求1-4任一所述的自动化初至拾取方法的系统，其特征在于：所述系统包括：
预处理装置：输入炮集数据模型，对炮集数据模型进行分组，获得初至拾取的范围；
综合算法计算装置：在预处理装置得到的初至拾取的范围内进行初至拾取，获得初至结果；
质量控制装置：对综合算法计算装置得到的初至结果进行质量控制，生成质量监控文件和初至文件；
所述预处理装置包括：
炮集地震数据分片单元：输入炮集数据模型，首先根据炮集数据模型中的第i道道头信息中接收点的(x，y)坐标，计算其相对于炮点的方位角αi∈(0，360)，并将方位角存放到道头信息中；其次根据方位角将炮集地震数据进行分组，将分组后的地震数据存放到分组数据记录中，输出更新后的炮集数据模型；
第一获取参考速度和参考初至单元：输入炮集地震数据分片单元得到的炮集数据模型，根据该模型中的分组数据记录中的按方位角分组后的地震数据，采用扫描能量方法计算每一片地震数据的参考速度，对于该片中的第i道地震数据，计算其参考初至；将计算得到的参考初至记录到道头信息中，输出更新后的炮集数据模型；
第一提取有效地震段属性单元：输入获取参考速度和参考初至单元得到的炮集数据模型，根据参考初至和设定的拾取条带宽度确定每一道的起始计算样点
和终止计算样点
得到初至拾取的范围，并计算初至拾取的范围内的地震数据的有效地震段属性，调整初至到波峰位置，输出更新后的炮集数据模型；
所述综合算法计算装置包括：
使用aic算法拾取初至单元；输入第一提取有效地震段属性单元得到的炮集数据模型，对于第i道地震数据，根据预处理装置得到的起始计算样点
和终止计算样点
在
数据域中采用aic算法进行初至拾取，获得第i道的使用aic方法获取的初至aicFai.并将该值记录到道头信息中；输出更新后的炮集数据模型；
aic算法结果归位波峰单元：输入使用aic算法拾取初至单元得到的炮集数据模型，对于第i道地震数据，根据使用aic算法拾取初至单元计算得到的aicFai，利用预处理装置中得到的有效地震段属性将初至aicFai调整到波峰位置，记为aicPeakFai,并将该值记录到道头信息中，输出更新后的炮集数据模型；
改进的coppens算法计算能量比单元：输入aic算法结果归位波峰单元得到的炮集数据模型，对于第i道地震数据，根据起始计算样点
和终止计算样点
在
数据域使用coppens算法计算得到该区域的能量比值，将该能量比值记录到炮集数据模型中；输出更新后的炮集数据模型；
对能量比值进行平滑单元：输入改进的coppens算法计算能量比单元得到的炮集数据模型，对于第i道地震数据，对能量比值进行平滑处理，获取平滑后的能量比值，将平滑后的能量比值记录到炮集数据模型中，输出更新后的炮集数据模型；
对平滑后能量比值求导单元：输入对能量比值进行平滑单元得到的炮集数据模型，对于第i道地震数据，对平滑后的能量比值进行求导处理，获取求导后的导数值，找到最大导数值对应的位置coppensFai，将该值记录到道头信息中，输出更新后的炮集数据模型；
改进的coppens算法结果归位波峰单元：输入对平滑后能量比值求导单元得到的炮集数据模型，对于第i道地震数据，根据coppensFai，利用预处理装置中得到的有效地震段属性将coppensFai调整到波峰位置，记为coppensPeakFai,并将该值记录到道头信息中，输出更新后的炮集数据模型；
第一按照接收线和偏移距重新排序单元：输入改进的coppens算法结果归位波峰单元得到的炮集数据模型，根据第i道道头信息中的接收线号rcvLinei以及偏移距offseti，将地震数据按照接收线和偏移距绝对值从小到大进行组织，并存放到分组数据记录中；
对aic和coppens初至结果去异常单元：输入第一按照接收线和偏移距重新排序单元得到的炮集数据模型，根据第一按照接收线和偏移距重新排序单元得到的数据，沿着接收线分别去除aic和coppens算法中的异常初至得到初至结果，输出更新后的炮集数据模型；
估计直达波-折射波初至模型单元：输入对aic和coppens初至结果去异常单元得到的炮集数据模型，根据aic初至结果和coppens初至结果，采用卡方分布方法进行拟合得到的直达波-折射波初至模型，在炮集数据模型中将正负偏移距的直达波-折射波的斜率kposDir，kposRef，knegDir，knegRef和截距bposDir，bposRef，bnegDir，bnegRef，以及截断偏移距offposDir，offnegDir都进行记录；输出更新后的炮集数据模型；
再次去除异常aic和coppens初至结果单元：输入估计直达波-折射波初至模型单元得到的炮集数据模型，根据直达波-折射波初至模型，分别去除aic和coppens中的异常初至，输出更新后的炮集数据模型；
优选初至单元：输入再次去除异常aic和coppens初至结果单元得到的炮集数据模型，对于第i道，如果offseti∈(offnegDir，knegDir)，则初至fai＝coppensPeakFai，反之，初至fai＝aicPeakFai，获得优选初至，输出更新后的炮集数据模型；
所述质量控制装置包括：
第二估计直达波-折射波初至模型单元：利用优选初至单元得到的优选初至重新计算直达波-折射波模型，更新正负偏移距的直达波-折射波的斜率kposDir，kposRef，knegDir，knegRef和截距bposDir，bposRef，bnegDir，bnegRef，以及截断偏移距offposDir，offnegDir，输出更新后的炮集数据模型；
去除优选后的异常初至单元：输入第二估计直达波-折射波初至模型单元得到的炮集数据模型，按照直达波-折射波初至模型，去除综合算法计算装置得到的优选初至中的异常初至，对于第i道数据，如果其优选初至正常，则记为fai，否则，记为INVALID，输出更新后的炮集数据模型；
第三估计直达波-折射波模型单元：利用去除优选后的异常初至单元保留下的初至重新计算直达波-折射波模型，更新正负偏移距的直达波-折射波的斜率kposDir，kposRef，knegDir，knegRef和截距bposDir，bposRef，bnegDir，bnegRef，以及截断偏移距offposDir，offnegDir，输出更新后的炮集数据模型；
对无效值重新补值单元：输入第三估计直达波-折射波模型单元得到的炮集数据模型，对于第i道数据，如果其初至值为INVALID，则通过相邻的道的初至值进行补值，输出更新后的炮集数据模型；
第二按接收线和偏移距重新排序单元：输入对无效值重新补值单元得到的炮集数据模型，根据第i道道头信息中的接收线号rcvLinei，以及偏移距offseti，将地震数据按照接收线和偏移距绝对值从小到大进行组织，一条接收线对应两组数据，并存放到分组数据记录中；
第一去除异常尖值单元：根据第二按接收线和偏移距重新排序单元得到的数据，对于一条接收线上的一组数据，根据随着偏移距的增大初至有逐渐增大的趋势，将不符合逐渐增大的趋势的异常初至去除，输出更新后的炮集数据模型；
第二去除异常尖值单元：对第一去除异常尖值单元得到的数据再次将不符合逐渐增大的趋势的异常初至去除，输出更新后的炮集数据模型；
第三按照接收线和偏移距重新排序单元：输入第二去除异常尖值单元得到的炮集数据模型，根据第i道道头信息中的接收线号rcvLinei，以及偏移距offseti，将地震数据按照接收线和偏移距绝对值从小到大进行组织，并存放到分组数据记录中，得到初至数据；
计算质量控制参数单元：输入第三按照接收线和偏移距重新排序单元得到的炮集数据模型，以炮为单位计算质量控制参数，所述质量控制参数包括：直达波-折射波模型中的4个斜率、单炮的信噪比、单炮的初至与参考初至的均方根，将质量控制参数记录到道头信息中，输出更新后的炮集数据模型；
写出质量控制参数文件单元：将计算质量控制参数单元得到的质量控制参数写入到质量监控文件中；
写出初至数据文件单元：将第三按照接收线和偏移距重新排序单元得到的初至数据写入到初至文件中。
6.根据权利要求5所述的系统，其特征在于：所述预处理装置进一步包括：
第二获取参考速度和参考初至单元：输入炮集地震数据分片单元得到的炮集数据模型，根据该模型中的分组数据记录中的按方位角分组后的地震数据，采用扫描能量方法计算每一片地震数据的参考速度，对于该片中的第i道地震数据，计算其参考初至；将计算得到的参考初至记录到道头信息中，输出更新后的炮集数据模型；
对地震数据进行时间增益处理单元：输入第二获取参考速度和参考初至单元得到的炮集数据模型，对炮集数据进行时间增益,输出更新后的炮集数据模型；
第二提取有效地震段属性单元：输入对地震数据进行时间增益处理单元得到的炮集数据模型，根据参考初至和设定的拾取条带宽度确定每一道的起始计算样点
和终止计算样点
得到初至拾取的范围，并计算初至拾取的范围内的地震数据的有效地震段属性，调整初至到波峰位置，输出更新后的炮集数据模型；
计算信噪比单元：输入第二提取有效地震段属性单元得到的炮集数据模型，对于第i道，根据起始计算样点
和终止计算样点
取到其中的地震数据，根据信噪比计算公式计算出第i道的信噪比，输出更新后的炮集数据模型；
或者，所述预处理装置进一步包括：
高程静校正量计算单元：输入炮集地震数据分片单元得到的炮集数据模型，对于第i道，计算其高程静校正量，并存放到道头信息中，输出更新后的炮集数据模型；
高程静校正应用单元：输入高程静校正量计算单元得到的炮集数据模型，对于第i道地震数据，根据所述高程静校正量计算单元计算得到的高程静校正量，上下移动地震数据，输出更新后的炮集数据模型。
7.一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计算机可执行的至少一个程序，所述至少一个程序被所述计算机执行时使所述计算机执行权利要求1-4任一所述的自动化初至拾取方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811122448.5A CN110954941B (zh) | 2018-09-26 | 2018-09-26 | 一种自动化初至拾取方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811122448.5A CN110954941B (zh) | 2018-09-26 | 2018-09-26 | 一种自动化初至拾取方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110954941A CN110954941A (zh) | 2020-04-03 |
| CN110954941B true CN110954941B (zh) | 2021-08-24 |
Family
ID=69962244
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811122448.5A Active CN110954941B (zh) | 2018-09-26 | 2018-09-26 | 一种自动化初至拾取方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110954941B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113806296A (zh) * | 2020-06-16 | 2021-12-17 | 中国石油化工股份有限公司 | 差评初至文件提取方法、装置、计算机设备和存储介质 |
| CN112162322A (zh) * | 2020-09-28 | 2021-01-01 | 中海油田服务股份有限公司 | 一种地震勘探采集系统的同步性质控方法和装置 |
| CN114624768B (zh) * | 2020-12-14 | 2023-06-30 | 中国石油化工股份有限公司 | 训练地震初至拾取模型的方法及装置 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101630015A (zh) * | 2008-07-16 | 2010-01-20 | 中国石油天然气集团公司 | 一种提高初至波拾取精度和效率的方法 |
| WO2010065348A2 (en) * | 2008-11-25 | 2010-06-10 | Baker Hughes Incorporated | Anisotropic parameter determination |
| CN102081167A (zh) * | 2009-12-01 | 2011-06-01 | 中国石油天然气集团公司 | 一种三维vsp数据初至波拾取方法 |
| CN104570076A (zh) * | 2013-10-17 | 2015-04-29 | 中国石油化工股份有限公司 | 一种基于二分法的地震波初至自动拾取方法 |
| CN106250380A (zh) * | 2015-06-12 | 2016-12-21 | 中国石油化工股份有限公司 | Hadoop文件系统数据自定义分块方法 |
| CN107272066A (zh) * | 2017-06-22 | 2017-10-20 | 东华理工大学 | 一种含噪地震信号初至走时拾取方法及装置 |
| CN108072896A (zh) * | 2016-11-18 | 2018-05-25 | 中国石油化工股份有限公司 | 一种全自动地震波初至拾取方法及系统 |
| CN108254788A (zh) * | 2018-02-02 | 2018-07-06 | 广东石油化工学院 | 一种地震波初至拾取方法及系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9103935B2 (en) * | 2013-02-04 | 2015-08-11 | King Fahd University Of Petroleum And Minerals | Method of first arrival picking of seismic refraction data |
| US20150109885A1 (en) * | 2013-09-26 | 2015-04-23 | Conocophillips Company | Method for correcting first break arrival time |
-
2018
- 2018-09-26 CN CN201811122448.5A patent/CN110954941B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101630015A (zh) * | 2008-07-16 | 2010-01-20 | 中国石油天然气集团公司 | 一种提高初至波拾取精度和效率的方法 |
| WO2010065348A2 (en) * | 2008-11-25 | 2010-06-10 | Baker Hughes Incorporated | Anisotropic parameter determination |
| CN102081167A (zh) * | 2009-12-01 | 2011-06-01 | 中国石油天然气集团公司 | 一种三维vsp数据初至波拾取方法 |
| CN104570076A (zh) * | 2013-10-17 | 2015-04-29 | 中国石油化工股份有限公司 | 一种基于二分法的地震波初至自动拾取方法 |
| CN106250380A (zh) * | 2015-06-12 | 2016-12-21 | 中国石油化工股份有限公司 | Hadoop文件系统数据自定义分块方法 |
| CN108072896A (zh) * | 2016-11-18 | 2018-05-25 | 中国石油化工股份有限公司 | 一种全自动地震波初至拾取方法及系统 |
| CN107272066A (zh) * | 2017-06-22 | 2017-10-20 | 东华理工大学 | 一种含噪地震信号初至走时拾取方法及装置 |
| CN108254788A (zh) * | 2018-02-02 | 2018-07-06 | 广东石油化工学院 | 一种地震波初至拾取方法及系统 |
Non-Patent Citations (4)
| Title |
|---|
| Automatic first-breaks picking: New strategies and algorithms;Juan I. Sabbione et al.;《GEOPHYSICS》;20100831;第75卷(第4期);第V67-V76页 * |
| Auto-pick first breaks with complex raypaths for undulate surface conditions;An Sheng-Pei et al.;《APPLIED GEOPHYSICS》;20150331;第12卷(第1期);第93-100页 * |
| 基于二分法的地震波初至自动拾取算法;陈金焕等;《地球物理学进展》;20151231;第30卷(第2期);第689-691页 * |
| 高精度初至自动拾取综合方法研究;徐钰等;《物探与化探》;20101031;第34卷(第5期);第595-599页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110954941A (zh) | 2020-04-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110954941B (zh) | 一种自动化初至拾取方法及系统 | |
| CN103870845B (zh) | 点云聚类去噪过程中新的k值优化方法 | |
| US11231513B2 (en) | Systems and methods for refining estimated parameter values in seismic imaging | |
| EP2516960A1 (en) | Method and apparatus for for analyzing tree canopies with lidar data | |
| CN104570076B (zh) | 一种基于二分法的地震波初至自动拾取方法 | |
| CN109002418B (zh) | 基于体素生长和地面激光点云的树木胸径自动计算方法 | |
| CN107807387A (zh) | 基于神经网络的地震初至波走时获取方法 | |
| CN110333543B (zh) | 基于反射系数分析的低阻体解释及成像方法与系统 | |
| CN111381275A (zh) | 一种地震数据的初至拾取方法和装置 | |
| CN113627425A (zh) | 一种基于神经网络模型的毛囊识别和提取方法及系统 | |
| WO2019205725A1 (zh) | 一种基于电成像测井分形维数的火山岩岩性识别方法 | |
| WO2024160059A1 (zh) | 一种基于深度学习和几何校正的麦穗点云分割方法和系统 | |
| CN109859099A (zh) | 基于sfm点云深度的盆栽玉米杂草快速去除方法 | |
| CN118097465A (zh) | 一种基于无人机图像和深度学习的田间稻穗定位识别方法 | |
| CN117152344B (zh) | 基于照片重建点云的隧道围岩结构面解析方法及系统 | |
| CN116652951A (zh) | 一种非结构化大作业空间的机器人视觉定位方法及装置 | |
| CN109284495B (zh) | 一种对文本进行无表格线切表的方法及装置 | |
| CN113960660B (zh) | 一种基于正演模拟的动校正畸变区域自动识别及切除方法 | |
| CN116051573A (zh) | 基于深度元学习的模测震图纸矢量化方法 | |
| CN106556870B (zh) | 一种基于保持边缘的测井建模方法和系统 | |
| CN112083480B (zh) | 同步激发采集地震数据的实时监控方法及装置 | |
| CN114451234B (zh) | 一种全周期统计玉米种植生长情况的方法及系统 | |
| CN112904422B (zh) | 一种拾取炸药震源地震数据初至时间起跳点的方法及系统 | |
| CN116413776A (zh) | 一种地震数据初至波智能拾取方法和相关装置 | |
| CN109655884A (zh) | 一种速度拾取异常点去除方法及系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |