CN110954957A - 三维地震数据的空间融合方法及计算机可读存储介质 - Google Patents
三维地震数据的空间融合方法及计算机可读存储介质 Download PDFInfo
- Publication number
- CN110954957A CN110954957A CN201811121545.2A CN201811121545A CN110954957A CN 110954957 A CN110954957 A CN 110954957A CN 201811121545 A CN201811121545 A CN 201811121545A CN 110954957 A CN110954957 A CN 110954957A
- Authority
- CN
- China
- Prior art keywords
- seismic data
- dimensional seismic
- data
- spatial fusion
- fusion
- 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
- 238000007500 overflow downdraw method Methods 0.000 title abstract description 17
- 230000004927 fusion Effects 0.000 claims abstract description 134
- 238000012545 processing Methods 0.000 claims abstract description 45
- 230000002159 abnormal effect Effects 0.000 claims abstract description 29
- 238000010606 normalization Methods 0.000 claims abstract description 9
- 238000011084 recovery Methods 0.000 claims abstract description 6
- 238000000034 method Methods 0.000 claims description 47
- 238000009499 grossing Methods 0.000 claims description 25
- 238000009826 distribution Methods 0.000 claims description 17
- 230000002547 anomalous effect Effects 0.000 claims description 8
- 230000003287 optical effect Effects 0.000 claims description 3
- 239000004065 semiconductor Substances 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 description 11
- 230000003321 amplification Effects 0.000 description 8
- 238000002156 mixing Methods 0.000 description 8
- 238000003199 nucleic acid amplification method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000004321 preservation Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000007499 fusion processing Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000007704 transition 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
- G01V1/36—Effecting static or dynamic corrections on records, e.g. correcting spread; Correlating seismic signals; Eliminating effects of unwanted energy
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
本发明公开了一种三维地震数据的空间融合方法，该方法包括：获取特定区域内的第一三维地震数据，该第一三维地震数据包括局部异常数据；对第一三维地震数据和第二三维地震数据进行能量归一化处理，得到第三三维地震数据和第四三维地震数据，该第二三维地震数据为第一三维地震数据去除局部异常数据后得到的数据；根据局部异常数据，得到第一、第二和第三空间融合因子；根据第三三维地震数据、第四三维地震数据、以及第一、第二和第三空间融合因子，得到第五三维地震数据；对第五三维地震数据进行能量恢复处理，从而完成第一三维地震数据与第二三维地震数据的空间融合。本发明可以有效提高三维地震数据的成像质量、可解释性和实用性。
Description
技术领域
本发明涉及地球物理勘探地震资料处理技术领域，尤其涉及一种三维地震数据的空间融合方法及计算机可读存储介质，为地球物理勘探地震资料处理中的叠后修饰处理环节提供了一种新方法。
背景技术
随着世界各大油田对降低油气勘探风险的需求越来越迫切，三维地震勘探技术以其较高的偏移成像质量和分辨率，已经成为地震勘探领域的主流技术。众所周知，叠后修饰处理属于常规地震资料处理的必要环节，其不仅可以提高三维地震数据的分辨率和信噪比(因为在叠后修饰处理中使用了只能应用于叠后的用于提高三维地震数据的分辨率和信噪比的关键技术，例如，叠后反褶积技术、各种去除噪音的技术等)，而且可以采用相应处理技术来消除三维地震数据中的局部异常数据。但是，在采用相应处理技术消除三维地震数据中的局部异常数据的过程中，通常会引起具有局部异常数据的原始三维地震数据(简称为第一三维地震数据)的能量与原始三维地震数据去除局部异常数据后得到的三维地震数据(简称为第二三维地震数据)的能量的改变，从而导致第一三维地震数据无法与第二三维地震数据进行无缝拼接。
数据融合技术是信息科学领域内的一项技术，该技术是新一代智能信息技术的重要基础。该技术利用计算机对按时序获得的若干观测信息，在一定准则下加以自动分析、综合，以完成所需的决策和评估任务而进行的信息处理技术。
然而，现有的数据融合方法更多的是在时间维度上对第一三维地震数据和第二三维地震数据进行等时融合或沿层融合，而在空间维度上的融合只能是在第一三维地震数据与第二三维地震数据不存在能量差异的情况下对第一三维地震数据和第二三维地震数据进行拼接处理。因此，现有的三维地震数据的空间融合方法在第一三维地震数据与第二三维地震数据存在能量差异时，不能实现第一三维地震数据与第二三维地震数据的保幅处理和无缝融合处理，这在一定程度上制约了三维地震数据的可解释性和实用性。
为了解决上述技术问题，本发明提供了一种三维地震数据的空间融合方法及计算机可读存储介质。
发明内容
本发明所要解决的技术问题是：现有的三维地震数据的空间融合方法在第一三维地震数据与第二三维地震数据存在能量差异时，不能实现第一三维地震数据与第二三维地震数据的保幅处理和无缝融合处理，这在一定程度上制约了三维地震数据的可解释性和实用性。
为了解决上述技术问题，本发明提供了一种三维地震数据的空间融合方法及计算机可读存储介质。
根据本发明的一个方面，提供了一种三维地震数据的空间融合方法。该方法包括：
获取特定区域内的第一三维地震数据，所述第一三维地震数据包括局部异常数据；
对第一三维地震数据和第二三维地震数据进行能量归一化处理，得到第三三维地震数据和第四三维地震数据，其中，所述第二三维地震数据为所述第一三维地震数据去除局部异常数据后得到的数据，第一、第二、第三和第四三维地震数据分别具有相应的地震道，且各地震道的空间位置相同；
根据所述局部异常数据，得到第一空间融合因子、第二空间融合因子和第三空间融合因子；
根据所述第三三维地震数据、所述第四三维地震数据、以及所述第一、第二和第三空间融合因子，得到第五三维地震数据；
对所述第五三维地震数据进行能量恢复处理，从而完成所述第一三维地震数据与所述第二三维地震数据的空间融合。
在本发明一优选实施例中，利用自动增益方法和平滑处理方法对所述第一三维地震数据和所述第二三维地震数据进行能量归一化处理，得到所述第三三维地震数据和所述第四三维地震数据。
在本发明一优选实施例中，利用自动增益方法和平滑处理方法对所述第一三维地震数据和所述第二三维地震数据进行能量归一化处理，得到所述第三三维地震数据和所述第四三维地震数据，包括：
对所述第一三维地震数据进行自动增益处理，得到第一增益因子；
使用第一平滑半径对所述第一增益因子进行平滑处理，得到第二增益因子；
根据所述第一三维地震数据和所述第二增益因子，得到所述第三三维地震数据；
对所述第二三维地震数据进行自动增益处理，得到第三增益因子；
使用第二平滑半径对所述第三增益因子进行平滑处理，得到第四增益因子；
根据所述第二三维地震数据和所述第四增益因子，得到所述第四三维地震数据；
其中，所述第一平滑半径与所述第二平滑半径相同。
在本发明一优选实施例中，根据所述局部异常数据，得到第一空间融合因子、第二空间融合因子和第三空间融合因子，包括：
使用等时切片识别所述局部异常数据分布的范围；
根据所述局部异常数据分布的范围，拾取包含有所述局部异常数据分布的范围的第一多边形，将该第一多边形以内的区域作为第一空间融合区域，并根据所述第一空间融合区域的位置确定与该第一空间融合区域对应的第一空间融合因子；
拾取包含有所述第一多边形的第二多边形，将该第二多边形以外的区域作为第二空间融合区域，并根据所述第二空间融合区域的位置确定与该第二空间融合区域对应的第二空间融合因子；
将所述第一多边形与所述第二多边形之间的环形区域作为第三空间融合区域，并根据所述第三空间融合区域的位置确定与该第三空间融合区域对应的第三空间融合因子；
其中，所述第一、第二和第三空间融合因子两两不同。
在本发明一优选实施例中，所述第三空间融合因子使用克里金插值算法计算得到。
在本发明一优选实施例中，根据所述第三三维地震数据、所述第四三维地震数据、以及所述第一、第二和第三空间融合因子，得到第五三维地震数据，包括：
针对所述第三三维地震数据和所述第四三维地震数据包括的每个地震道，分别执行以下操作：
根据该地震道的空间位置，从所述第一、第二和第三空间融合区域中选择该地震道所属的空间融合区域；
根据选择的空间融合区域，确定与选择的空间融合区域对应的空间融合因子；
根据该地震道和确定的空间融合因子，得到与该地震道对应的融合数据；
根据所述第三三维地震数据和所述第四三维地震数据包括的所有地震道对应的融合数据之和，得到所述第五三维地震数据。
在本发明一优选实施例中，对所述第五三维地震数据进行能量恢复处理，包括：
将所述第五三维地震数据除以所述第二增益因子，以使所述第五三维地震数据的能量恢复为所述第一三维地震数据的能量。
根据本发明的另一个方面，提供了一种存储有程序的计算机可读存储介质，所述程序使得处理器执行如上所述的三维地震数据的空间融合方法。
在本发明一优选实施例中，所述计算机可读存储介质为磁表面存储器、光盘存储器和半导体存储器中的一种。
在本发明一优选实施例中，所述处理器为中央处理器、可编程逻辑控制器、嵌入式处理器和现场可编程门阵列中的一种。
与现有技术相比，上述方案中的一个或多个实施例可以具有如下优点或有益效果：
应用本发明实施例提供的三维地震数据的空间融合方法，能够根据局部异常数据准确地构建空间融合因子，并利用该空间融合因子对具有能量差异的两套地震数据进行空间融合，并使融合后的数据的能量恢复为原始三维地震数据的能量。因此，本发明有效地实现了具有能量差异的两套三维地震数据的保幅处理和无缝融合处理，大大地提高了三维地震数据的成像质量、以及三维地震数据的可解释性和实用性，在油气地震勘探和非常规地震勘探的地震资料处理以及改善地震资料的处理品质方面具有很好的应用前景。
本发明的其它特征和优点将在随后的说明书中阐述，并且部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例共同用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例一的三维地震数据的空间融合方法的具体流程示意图；
图2为第一三维地震数据的示意图；
图3为第二三维地震数据的示意图；
图4为图1中步骤S102的具体流程示意图；
图5为图1中步骤S103的具体流程示意图；
图6为在地震剖面上识别出局部异常数据的示意图；
图7为使用等时切片识别局部异常数据分布的范围的示意图；
图8为拾取包含有局部异常数据分布的范围的第一多边形的示意图；
图9为拾取包含有第一多边形的第二多边形的示意图；
图10为第一空间融合因子、第二空间融合因子和第三空间融合因子的数值和分布区域的剖面示意图；
图11为图1中步骤S104的具体流程示意图；
图12为使用本发明实施例一所述的方法进行空间融合后的数据的示意图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。需要说明的是，只要不构成冲突，本发明中的各个实施例以及各实施例中的各个特征可以相互结合，所形成的技术方案均在本发明的保护范围之内。
本发明所要解决的技术问题是：现有的三维地震数据的空间融合方法在第一三维地震数据与第二三维地震数据存在能量差异时，不能实现第一三维地震数据与第二三维地震数据的保幅处理和无缝融合处理，这在一定程度上制约了三维地震数据的可解释性和实用性。
为了解决上述技术问题，本发明提供了一种三维地震数据的空间融合方法及计算机可读存储介质。
实施例一
本实施例主要提供一种三维地震数据的空间融合方法。
图1为本发明实施例一的三维地震数据的空间融合方法的具体流程示意图。
如图1所示，本实施例的三维地震数据的空间融合方法，主要包括以下步骤S101至步骤S105。
在步骤S101中，获取特定区域内的第一三维地震数据，该第一三维地震数据包括局部异常数据。
需要说明的是，该特定区域是指地震研究工作人员所研究的区域，第一三维地震数据是指该特定区域内的所有地震道叠加之后的、且存在局部异常数据的三维地震数据，其是由地震研究工作人员直接提供的。
第一三维地震数据的示意图如图2所示。在图2中，每条竖线表示每个地震道，其中，黑色部分(地震道使用波形变面积方式显示)表示波峰，即地震道中向右弯曲的波形部分，其余向左弯曲的部分表示波谷。地震道的波峰数值越大，地震道的振幅就越大，地震道的能量也就越大。竖线的颜色越深和/或波形变面积范围越大，表示地震道的能量越大。
由图2可见，在图2的中间部分，相邻地震道之间出现了明显的振幅能量突变和不连续，这表明该第一三维地震数据具有局部异常数据。
在步骤S102中，对第一三维地震数据和第二三维地震数据进行能量归一化处理，得到第三三维地震数据和第四三维地震数据，其中，第二三维地震数据为通过现有方法将第一三维地震数据去除局部异常数据后得到的数据，第一、第二、第三和第四三维地震数据分别具有相应的地震道，且各地震道的空间位置相同，但各地震道的属性信息(例如，地震信号的到达时间、能量、频率、振幅等)是不同的。
第二三维地震数据的示意图如图3所示。在图3中，相邻地震道之间未出现明显的振幅能量突变和不连续，这表明第二三维地震数据不具有局部异常数据。
并且，与图2相比较，图3中的竖线和波形变面积的颜色变浅、且波形变面积变小，这表明第二三维地震数据与第一三维地震数据具有能量差异。
在本发明一优选实施例中，利用自动增益方法和平滑处理方法对第一三维地震数据和第二三维地震数据进行能量归一化处理，得到第三三维地震数据和第四三维地震数据。其具体过程如图4所示。
首先，执行步骤S1021。对第一三维地震数据进行自动增益处理，得到第一增益因子。
需要说明的是，自动增益方法是限幅输出的一种方法，它利用线性放大和压缩放大的有效组合对助昕器的输出信号进行调整。当有弱信号输入时，启动线性放大，以保证助昕器的输出信号的强度；当输入信号达到一定强度时，启动压缩放大，以使助昕器的输出信号的幅度降低。由于自动增益方法属于信号处理领域所公知的方法，在此不再赘述。
其次，执行步骤S1022。使用第一平滑半径对第一增益因子进行平滑处理，得到第二增益因子。
需要说明的是，由于平滑处理是在有限范围内进行，而平滑半径可以决定平滑的范围和距离，因此，在本实施例中，要求第一平滑半径大于局部异常数据分布的范围，以有效消除局部异常数据对振幅值的影响。由于平滑处理方法属于信号处理领域所公知的方法，在此不再赘述。
接着，执行步骤S1023。根据第一三维地震数据和第二增益因子，得到第三三维地震数据。
具体地，将第一三维地震数据乘以第二增益因子，所得之积为第三三维地震数据。
接着，执行步骤S1024。对第二三维地震数据进行自动增益处理，得到第三增益因子。
需要说明的是，自动增益方法是限幅输出的一种方法，它利用线性放大和压缩放大的有效组合对助昕器的输出信号进行调整。当有弱信号输入时，启动线性放大，以保证助昕器的输出信号的强度；当输入信号达到一定强度时，启动压缩放大，以使助昕器的输出信号的幅度降低。由于自动增益方法属于信号处理领域所公知的方法，在此不再赘述。
接着，执行步骤S1025。使用第二平滑半径对第三增益因子进行平滑处理，得到第四增益因子。其中，该第二平滑半径与第一平滑半径相同，该第四增益因子与第二增益因子不同。
需要说明的是，在本实施例中，将第二平滑半径设置为与第一平滑半径相同，是为了保证在第一三维地震数据与第二三维地震数据进行空间融合之前，第一三维地震数据的能量与第二三维地震数据的能量在相同级别。
由于平滑处理方法属于信号处理领域所公知的方法，在此不再赘述。
最后，执行步骤S1026。根据第二三维地震数据和第四增益因子，得到第四三维地震数据。
具体地，将第二三维地震数据乘以第四增益因子，所得之积为第四三维地震数据。
在步骤S103中，根据局部异常数据，得到第一空间融合因子、第二空间融合因子和第三空间融合因子。其具体过程如图5所示。
首先，执行步骤S1031。使用等时切片识别局部异常数据分布的范围。
具体地，在地震剖面上识别出局部异常数据(如图6中用方框标示的部分)之后，根据局部异常数据所处的X、Y坐标(适用于X、Y坐标系统)或者线道号(适用于小坐标系统)，初步确定局部异常数据所处的位置。然后，使用等时切片识别局部异常数据分布的范围(如图7中用圆形标示的部分)。
需要说明的是，由于该方法属于本领域所公知的方法，在此不再赘述。
其次，执行步骤S1032。根据局部异常数据分布的范围，拾取包含有局部异常数据分布的范围的第一多边形(如图8中用虚线框标示的部分)，将该第一多边形以内的区域作为第一空间融合区域，并根据第一空间融合区域的位置确定与该第一空间融合区域对应的第一空间融合因子。
在本实施例中，由于第一空间融合区域的大部分包括了局部异常数据分布的范围，因此，为了消除局部异常数据对融合效果的影响，将第一空间融合因子设置为数值0。
接着，执行步骤S1033。拾取包含有第一多边形的第二多边形(如图9中用虚线框标示的部分)，将该第二多边形以外的区域作为第二空间融合区域，并根据第二空间融合区域的位置确定与该第二空间融合区域对应的第二空间融合因子。
在本实施例中，由于第二空间融合区域不包括局部异常数据分布的范围，因此，将第二空间融合因子设置为数值1。
需要说明的是，第二多边形与第一多边形的形状可以不同，只要能够将第一多边形包含在内即可。
最后，执行步骤S1034。将第一多边形与第二多边形之间的环形区域作为第三空间融合区域，并根据第三空间融合区域的位置确定与该第三空间融合区域对应的第三空间融合因子。其中，第一空间融合因子、第二空间融合因子和第三空间融合因子两两不同。
优选地，第三空间融合因子使用克里金插值算法计算得到，其具体数值范围在0～1之间。
由于克里金插值算法属于本领域所公知的算法，在此不再赘述。
第一空间融合因子、第二空间融合因子和第三空间融合因子的数值和分布区域的剖面示意图如图10所示。在图10中，中间的白色区域表示第一空间融合区域，其对应的第一空间融合因子为数值0。两侧的黑色区域表示第二空间融合区域，其对应的第二空间融合因子为数值1。白色区域与黑色区域之间的渐变区域为第三空间融合区域，其对应的第三空间融合因子为使用克里金插值算法计算得到的、且在0～1之间的一个数值。
需要说明的是，第一空间融合因子、第二空间融合因子和第三空间融合因子的具体数值可以根据需要自行确定，不局限于本发明所限定的具体数值。
在步骤S104中，根据第三三维地震数据、第四三维地震数据、以及第一、第二和第三空间融合因子，得到第五三维地震数据。其具体过程如图11所示。
针对第三三维地震数据和第四三维地震数据包括的每个地震道，分别执行以下操作(步骤S1041至步骤S1043)：
首先，执行步骤S1041。根据该地震道的空间位置，从第一空间融合区域、第二空间融合区域和第三空间融合区域中选择该地震道所属的空间融合区域。
其次，执行步骤S1042。根据选择的空间融合区域，确定与选择的空间融合区域对应的空间融合因子。
接着，执行步骤S1043。根据该地震道和确定的空间融合因子，得到与该地震道对应的融合数据。
优选地，根据以下表达式得到与当前地震道对应的融合数据：
其中，
表示与当前地震道对应的融合数据，
表示第三三维地震数据中包括的当前地震道，
表示第四三维地震数据中包括的当前地震道，f表示根据当前地震道的空间位置确定的空间融合因子。
最后，执行步骤S1044。根据第三三维地震数据和第四三维地震数据包括的所有地震道对应的融合数据之和，得到第五三维地震数据。
在步骤S105中，对第五三维地震数据进行能量恢复处理，从而完成第一三维地震数据与第二三维地震数据的空间融合。
具体地，将第五三维地震数据除以第二增益因子，以使第五三维地震数据的能量恢复为第一三维地震数据的能量，有效地实现了具有能量差异的第一三维地震数据与第二三维地震数据的保幅处理。使用上述方法进行空间融合后的数据的示意图如图12所示。
在图12中，相邻地震道之间未出现明显的振幅能量突变和不连续，这表明使用上述方法进行空间融合后的数据不具有局部异常数据。
并且，图12中的竖线和波形变面积的颜色与图2中的竖线和波形变面积的颜色相同、且波形变面积范围相同，这表明使用上述方法进行空间融合后的数据不具有能量差异。
应用本发明实施例提供的三维地震数据的空间融合方法，能够根据局部异常数据准确地构建空间融合因子，并利用该空间融合因子对具有能量差异的两套地震数据进行空间融合，并使融合后的数据的能量恢复为原始三维地震数据的能量。因此，本发明有效地实现了具有能量差异的两套三维地震数据的保幅处理和无缝融合处理，大大地提高了三维地震数据的成像质量、以及三维地震数据的可解释性和实用性，在油气地震勘探和非常规地震勘探的地震资料处理以及改善地震资料的处理品质方面具有很好的应用前景。
实施例二
本实施例主要提供一种存储有程序的计算机可读存储介质。该程序使得处理器执行如实施例一所述的三维地震数据的空间融合方法。
在本发明一优选实施例中，该计算机可读存储介质为磁表面存储器、光盘存储器和半导体存储器中的一种。
在本发明一优选实施例中，该处理器为中央处理器、可编程逻辑控制器、嵌入式处理器和现场可编程门阵列中的一种。
本领域的技术人员应该明白，上述的本发明的各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
虽然本发明所公开的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所公开的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的保护范围，仍须以所附的权利要求书所界定的范围为准。
Claims (10)
1.一种三维地震数据的空间融合方法，其特征在于，包括：
获取特定区域内的第一三维地震数据，所述第一三维地震数据包括局部异常数据；
对第一三维地震数据和第二三维地震数据进行能量归一化处理，得到第三三维地震数据和第四三维地震数据，其中，所述第二三维地震数据为所述第一三维地震数据去除局部异常数据后得到的数据，第一、第二、第三和第四三维地震数据分别具有相应的地震道，且各地震道的空间位置相同；
根据所述局部异常数据，得到第一空间融合因子、第二空间融合因子和第三空间融合因子；
根据所述第三三维地震数据、所述第四三维地震数据、以及所述第一、第二和第三空间融合因子，得到第五三维地震数据；
对所述第五三维地震数据进行能量恢复处理，从而完成所述第一三维地震数据与所述第二三维地震数据的空间融合。
2.根据权利要求1所述的三维地震数据的空间融合方法，其特征在于，利用自动增益方法和平滑处理方法对所述第一三维地震数据和所述第二三维地震数据进行能量归一化处理，得到所述第三三维地震数据和所述第四三维地震数据。
3.根据权利要求2所述的三维地震数据的空间融合方法，其特征在于，利用自动增益方法和平滑处理方法对所述第一三维地震数据和所述第二三维地震数据进行能量归一化处理，得到所述第三三维地震数据和所述第四三维地震数据，包括：
对所述第一三维地震数据进行自动增益处理，得到第一增益因子；
使用第一平滑半径对所述第一增益因子进行平滑处理，得到第二增益因子；
根据所述第一三维地震数据和所述第二增益因子，得到所述第三三维地震数据；
对所述第二三维地震数据进行自动增益处理，得到第三增益因子；
使用第二平滑半径对所述第三增益因子进行平滑处理，得到第四增益因子；
根据所述第二三维地震数据和所述第四增益因子，得到所述第四三维地震数据；
其中，所述第一平滑半径与所述第二平滑半径相同。
4.根据权利要求1所述的三维地震数据的空间融合方法，其特征在于，根据所述局部异常数据，得到第一空间融合因子、第二空间融合因子和第三空间融合因子，包括：
使用等时切片识别所述局部异常数据分布的范围；
根据所述局部异常数据分布的范围，拾取包含有所述局部异常数据分布的范围的第一多边形，将该第一多边形以内的区域作为第一空间融合区域，并根据所述第一空间融合区域的位置确定与该第一空间融合区域对应的第一空间融合因子；
拾取包含有所述第一多边形的第二多边形，将该第二多边形以外的区域作为第二空间融合区域，并根据所述第二空间融合区域的位置确定与该第二空间融合区域对应的第二空间融合因子；
将所述第一多边形与所述第二多边形之间的环形区域作为第三空间融合区域，并根据所述第三空间融合区域的位置确定与该第三空间融合区域对应的第三空间融合因子；
其中，所述第一、第二和第三空间融合因子两两不同。
5.根据权利要求4所述的三维地震数据的空间融合方法，其特征在于，所述第三空间融合因子使用克里金插值算法计算得到。
6.根据权利要求5所述的三维地震数据的空间融合方法，其特征在于，根据所述第三三维地震数据、所述第四三维地震数据、以及所述第一、第二和第三空间融合因子，得到第五三维地震数据，包括：
针对所述第三三维地震数据和所述第四三维地震数据包括的每个地震道，分别执行以下操作：
根据该地震道的空间位置，从所述第一、第二和第三空间融合区域中选择该地震道所属的空间融合区域；
根据选择的空间融合区域，确定与选择的空间融合区域对应的空间融合因子；
根据该地震道和确定的空间融合因子，得到与该地震道对应的融合数据；
根据所述第三三维地震数据和所述第四三维地震数据包括的所有地震道对应的融合数据之和，得到所述第五三维地震数据。
7.根据权利要求3所述的三维地震数据的空间融合方法，其特征在于，对所述第五三维地震数据进行能量恢复处理，包括：
将所述第五三维地震数据除以所述第二增益因子，以使所述第五三维地震数据的能量恢复为所述第一三维地震数据的能量。
8.一种存储有程序的计算机可读存储介质，其特征在于，所述程序使得处理器执行如权利要求1至7中任一项所述的三维地震数据的空间融合方法。
9.根据权利要求8所述的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为磁表面存储器、光盘存储器和半导体存储器中的一种。
10.根据权利要求8或9所述的计算机可读存储介质，其特征在于，所述处理器为中央处理器、可编程逻辑控制器、嵌入式处理器和现场可编程门阵列中的一种。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811121545.2A CN110954957B (zh) | 2018-09-26 | 2018-09-26 | 三维地震数据的空间融合方法及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811121545.2A CN110954957B (zh) | 2018-09-26 | 2018-09-26 | 三维地震数据的空间融合方法及计算机可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110954957A true CN110954957A (zh) | 2020-04-03 |
| CN110954957B CN110954957B (zh) | 2021-12-24 |
Family
ID=69962266
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811121545.2A Active CN110954957B (zh) | 2018-09-26 | 2018-09-26 | 三维地震数据的空间融合方法及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110954957B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112069135A (zh) * | 2020-09-17 | 2020-12-11 | 北京中恒利华石油技术研究所 | 一种海量地震数据可视化存储方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140078140A1 (en) * | 2010-02-22 | 2014-03-20 | Landmark Graphics Corporation | Systems and Methods for Modeling 3D Geological Structures |
| CN104536043A (zh) * | 2014-12-26 | 2015-04-22 | 中国石油天然气股份有限公司 | 一种深度域整体速度模型融合方法及装置 |
| US20150120199A1 (en) * | 2013-10-31 | 2015-04-30 | Matthew S. Casey | Multiple Domain Processing For Combining Reservoir Models and Seismic Data |
| CN105093277A (zh) * | 2014-05-14 | 2015-11-25 | 中国石油化工股份有限公司 | 地震建模中的浅中深层速度融合方法 |
| CN107870352A (zh) * | 2016-09-26 | 2018-04-03 | 中国石油化工股份有限公司 | 用于叠前深度偏移的速度拼接方法及系统 |
-
2018
- 2018-09-26 CN CN201811121545.2A patent/CN110954957B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140078140A1 (en) * | 2010-02-22 | 2014-03-20 | Landmark Graphics Corporation | Systems and Methods for Modeling 3D Geological Structures |
| US20150120199A1 (en) * | 2013-10-31 | 2015-04-30 | Matthew S. Casey | Multiple Domain Processing For Combining Reservoir Models and Seismic Data |
| CN105093277A (zh) * | 2014-05-14 | 2015-11-25 | 中国石油化工股份有限公司 | 地震建模中的浅中深层速度融合方法 |
| CN104536043A (zh) * | 2014-12-26 | 2015-04-22 | 中国石油天然气股份有限公司 | 一种深度域整体速度模型融合方法及装置 |
| CN107870352A (zh) * | 2016-09-26 | 2018-04-03 | 中国石油化工股份有限公司 | 用于叠前深度偏移的速度拼接方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| CAO SHENG ET AL.: "3D fusion techniques of eliminating streamer-data gaps which influenced by offshore platforms", 《SPG/SEG BEIJING 2016 INTERNATIONAL GEOPHYSICAL CONFERENCE》 * |
| 刘小民等: "潜水波胖射线走时层析速度反演及其在深度偏移速度建模中的应用", 《石油物探》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112069135A (zh) * | 2020-09-17 | 2020-12-11 | 北京中恒利华石油技术研究所 | 一种海量地震数据可视化存储方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110954957B (zh) | 2021-12-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10296813B2 (en) | Training method and apparatus for neural network for image recognition | |
| US10445557B2 (en) | Learning pixel visual context from object characteristics to generate rich semantic images | |
| US20120237129A1 (en) | Methods and Apparatus for Providing a Scalable Identification of Digital Video Sequences | |
| Malinski et al. | Fast adaptive switching technique of impulsive noise removal in color images | |
| CN114998695B (zh) | 一种提高图像识别速度的方法及系统 | |
| CN109886937B (zh) | 基于超像素分割图像识别的绝缘子缺陷检测方法 | |
| CN113762138A (zh) | 伪造人脸图片的识别方法、装置、计算机设备及存储介质 | |
| CN110954957B (zh) | 三维地震数据的空间融合方法及计算机可读存储介质 | |
| CN106778794B (zh) | 一种基于图像识别的计算机成像控制方法 | |
| CN108985357A (zh) | 基于图像特征的集合经验模态分解的高光谱图像分类方法 | |
| CN111179276A (zh) | 一种图像处理方法和装置 | |
| CN107945186A (zh) | 分割图像的方法、装置、计算机可读存储介质和终端设备 | |
| CN115908404B (zh) | 图像条纹干扰的检测方法、装置、电子设备及介质 | |
| CN113658188B (zh) | 一种基于改进Unet模型的溶液结晶过程图像语义分割方法 | |
| Körting et al. | Divide And Segment-An Alternative For Parallel Segmentation. | |
| CN112365551A (zh) | 一种图像质量处理系统、方法、设备和介质 | |
| CN116385416B (zh) | 一种高速编织机智能控制方法及系统 | |
| CN110689087B (zh) | 一种基于概率似然的图像样本生成方法 | |
| CN115393884B (zh) | 一种海图专题信息的提取处理方法、装置及系统 | |
| CN110990463B (zh) | 一种时间序列频繁对称模式挖掘方法及装置 | |
| Sasikumar et al. | Cutting Edge Techniques of Adaptive Machine Learning for Image Processing and Computer Vision | |
| Yin et al. | Metric of choosing the optimal parameter setting for edge aware filtering | |
| CN106547025A (zh) | 一种均值加权去噪方法 | |
| Zmyzgova et al. | Problems of processing and recognition of digital images in technical vision systems | |
| CA3226954A1 (en) | System and method for quantifying a degree of fibrillation of fibers within pulp using image processing |
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 |