CN110967748A - 微地震成像裂缝提取方法、装置、设备和存储介质 - Google Patents
微地震成像裂缝提取方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN110967748A CN110967748A CN201911215850.2A CN201911215850A CN110967748A CN 110967748 A CN110967748 A CN 110967748A CN 201911215850 A CN201911215850 A CN 201911215850A CN 110967748 A CN110967748 A CN 110967748A
- Authority
- CN
- China
- Prior art keywords
- imaging result
- imaging
- result
- seismic data
- grid
- 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.)
- Pending
Links
- 238000003384 imaging method Methods 0.000 title claims abstract description 151
- 238000000605 extraction Methods 0.000 title claims abstract description 47
- 238000003860 storage Methods 0.000 title claims abstract description 7
- 238000012545 processing Methods 0.000 claims abstract description 52
- 239000011159 matrix material Substances 0.000 claims abstract description 31
- 238000013507 mapping Methods 0.000 claims abstract description 9
- 238000000034 method Methods 0.000 claims description 46
- 230000006870 function Effects 0.000 claims description 32
- 230000001174 ascending effect Effects 0.000 claims description 22
- 238000000354 decomposition reaction Methods 0.000 claims description 12
- 238000013508 migration Methods 0.000 claims description 8
- 230000005012 migration Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 abstract description 3
- 238000001514 detection method Methods 0.000 abstract description 3
- 238000001914 filtration Methods 0.000 abstract description 2
- 230000035772 mutation Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 22
- 230000008569 process Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012216 screening Methods 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
- G01V1/30—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
- G01V1/28—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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/30—Noise handling
- G01V2210/32—Noise reduction
-
- 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
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
本发明实施例涉及裂缝探测技术领域,具体涉及一种微地震成像裂缝提取方法、装置、设备和存储介质。一种微地震成像裂缝提取方法,包括:获取微地震产生的地震数据;根据所述地震数据得到目标区域的第一成像结果;对所述第一成像结果进行去噪处理得到第二成像结果;将所述第二成像结果映射为二维矩阵;确定所述二维矩阵的拟合函数及所述拟合函数的极值点;将所述极值点作为裂缝提取范围的最大阈值;利用所述最大阈值;采用图像细化算法将所述第二成像结果进行细化得到最终的图像结果。本发明通过对叠加成像结果进行SVD去噪滤波处理,提高了信噪比,减少了因噪声引起的能量值突变,提高了计算结果的准确性。
Description
技术领域
本发明实施例涉及裂缝探测技术领域,具体涉及一种微地震成像裂缝提取方法、装置、设备和存储介质。
背景技术
非常规油气,指用传统技术无法获得自然工业产量、需用新技术改善储层渗透率或流体黏度等才能经济开采、连续或准连续型聚集的油气资源。随着科技的发展,非常规油气的开采也在渐渐深入;广泛应用的是被动地震水力压裂监测技术,但是准确刻画出水力压裂产生的人工裂缝的形态一直是一个难点问题。在原始数据信噪比较低的情况下,裂缝的提取难以保证原始图像的拓扑结构,且裂缝的提取的范围往往受很大人为因素的干预,使得提取的裂缝与真实裂缝存在较大偏差。
发明内容
为此,本发明实施例提供一种微地震成像裂缝提取方法和装置,以解决现有技术中提取人工裂缝的形态不准确的问题。
为了实现上述目的,本发明实施例提供如下技术方案:
根据本发明实施例的第一方面,一种微地震成像裂缝提取方法,包括:
获取微地震产生的地震数据;
根据所述地震数据得到目标区域的成像结果;
对所述成像结果进行奇异值分解SVD去噪处理;
将经过SVD去噪处理后的成像结果映射为二维矩阵;
确定所述二维矩阵的拟合函数;
计算所述拟合函数的极值点;
将所述极值点作为裂缝提取范围的最大阈值。
进一步地,根据所述地震数据得到目标区域的成像结果后;对所述成像结果进行奇异值分解SVD去噪处理前,包括:对所述目标区域的成像结果进行克里金网格化处理。
进一步地,确定所述二维矩阵的拟合函数,包括:
确定二维矩阵中的每行的最大值;
对每行的最大值进行升序排序得到升序数列;
利用最小二乘法对所述升序数列进行拟合得到拟合函数。
进一步地,根据所述地震数据得到目标区域的成像结果,包括:
将所述地震数据输入预先建立的速度模型中;
在所述速度模型中确定目标区域的网格以及网格走时表;
根据所述网格走时表对所述输入的地震数据进行偏移处理;
根据所述偏移后的地震数据计算每一个网格的成像Semblance值;得到目标区域的成像结果。
进一步地,对所述目标区域的成像结果进行克里金网格化处理前,所述方法还包括:将所述成像结果在预定的时间段内进行叠加处理。
进一步地,在速度模型中确定目标区域的网格以及网格走时表,包括:
将目标区域划分为大小一致的离散网格;
计算每个网格到地表所有检波器的走时;
根据每个网格到地表的所有检波器的走时绘制走时表。
进一步地,将所述极值点作为裂缝提取范围的最大阈值后,方法还包括:利用阈值将叠加结果转换为图像。
根据本发明实施例的第二方面,一种微地震成像裂缝提取装置,包括:
获取模块,用于获取微地震产生的地震数据;
处理模块,用于根据所述地震数据得到目标区域的成像结果;
对所述成像结果进行奇异值分解SVD去噪处理;
将经过SVD去噪处理后的成像结果映射为二维矩阵;
确定所述二维矩阵的拟合函数;
计算所述拟合函数的极值点;
将所述极值点作为裂缝提取范围的最大阈值。
利用所述最大阈值;采用图像细化算法将所述第二成像结果进行细化最终的图像结果。
进一步地,所述处理模块还用于,对所述第一成像结果进行奇异值分解SVD去噪处理得到第二成像结果。
进一步地,所述处理模块还用于,对所述第一成像结果进行奇异值分解SVD去噪处理之前,对所述第一成像结果进行克里金网格化处理。
进一步地,所述处理模块还用于,对所述目标区域的成像结果进行克里金网格化处理。进一步地,所述处理模块还用于,确定二维矩阵中的每行的最大值;
对每行的最大值进行升序排序得到升序数列;
利用最小二乘法对所述升序数列进行拟合得到拟合函数。
进一步地,所述处理模块还用于,将所述地震数据输入预先建立的速度模型中;
在所述速度模型中确定目标区域的网格以及网格走时表;
根据所述网格走时表对所述输入的地震数据进行偏移处理;
根据所述偏移后的地震数据计算每一个网格的成像Semblance值;得到目标区域的成像结果。
进一步地,对所述第一成像结果进行克里金网格化处理前,还包括:将所述第一成像结果在预定的时间段内进行叠加处理。
进一步地,在速度模型中确定目标区域的网格以及网格走时表,包括:
将目标区域划分为大小一致的离散网格;
计算每个网格到地表所有检波器的走时;
根据每个网格到地表的所有检波器的走时绘制走时表。
根据本发明实施例的第三方面,一种微地震成像裂缝提取设备,包括:至少一个处理器和至少一个存储器;
所述存储器用于存储一个或多个程序指令;
所述处理器,用于运行一个或多个程序指令,用以执行如下步骤:
获取微地震产生的地震数据;
根据所述地震数据得到目标区域的第一成像结果;
对所述第一成像结果进行去噪处理得到第二成像结果;
将所述第二成像结果映射为二维矩阵;
确定所述二维矩阵的拟合函数及所述拟合函数的极值点;
将所述极值点作为裂缝提取范围的最大阈值;
利用所述最大阈值;采用图像细化算法将所述第二成像结果进行细化为得到最终的图像结果。
进一步地,所示处理器还用于,对所述第一成像结果进行奇异值分解SVD去噪处理得到第二成像结果。
进一步地,所示处理器还用于,对所述第一成像结果进行克里金网格化处理。
进一步地,所示处理器还用于,确定二维矩阵中的每行的最大值;
对每行的最大值进行升序排序得到升序数列;
利用最小二乘法对所述升序数列进行拟合得到拟合函数。
进一步地,所示处理器还用于,将所述地震数据输入预先建立的速度模型中;
在所述速度模型中确定目标区域的网格以及网格走时表;
根据所述网格走时表对所述输入的地震数据进行偏移处理;
根据所述偏移后的地震数据计算每一个网格的成像Semblance值;得到目标区域的成像结果。
进一步地,所示处理器还用于,对所述第一成像结果进行克里金网格化处理前将所述第一成像结果在预定的时间段内进行叠加处理。
进一步地,所示处理器还用于,将目标区域划分为大小一致的离散网格;
计算每个网格到地表所有检波器的走时;
根据每个网格到地表的所有检波器的走时绘制走时表。
根据本发明实施例的第四方面,一种计算机可读存储介质,所述计算机可读存储介质中包含一个或多个程序指令,所述一个或多个程序指令用于被执行如上述任一项所述的方法。
本发明实施例具有如下优点:本发明通过对叠加成像结果进行SVD去噪滤波处理,提高了信噪比,减少了因噪声引起的能量值突变,提高了计算结果的准确性。叠加结果进行克里金网格化,使能量分布更加连续。对计算得到的成像结果在某一个深度上进行叠加;叠加的时间长度可以是几个小时到几天不等时间,使得成像结果可以更加符合实际情况。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案,下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地,下面描述中的附图仅仅是示例性的,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图引申获得其它的实施附图。
本说明书所绘示的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本发明可实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本发明所能产生的功效及所能达成的目的下,均应仍落在本发明所揭示的技术内容能涵盖的范围内。
图1为本发明实施例提供的一种微地震成像裂缝提取方法流程图;
图2A为本发明实施例提供的一种图像细化前示意图;
图2B为本发明实施例提供的一种图像细化后示意图;
图3为本发明实施例提供的另一种微地震成像裂缝提取方法流程图;
图4a为本发明实施例提供的第一个Semblance偏移成像示意图;
图4b为本发明实施例提供的第二个Semblance偏移成像示意图;
图4c为本发明实施例提供的第三个Semblance偏移成像示意图;
图5a为本发明实施例提供的与图4a对应的图像细化后的示意图;
图5b为本发明实施例提供的与图4b对应的图像细化后的示意图;
图5c为本发明实施例提供的与图4c对应的图像细化后的示意图;
图6为本发明实施例提供的一种微地震成像裂缝提取装置的结构示意图;
图7为本发明实施例提供的一种微地震成像裂缝提取设备的结构示意图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式,熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
首先介绍几个基本概念:
走时:地震波从震源到达观测点的时间称为走时;
走时表:是将不同震中距、不同震源深度发生的地震的各种震相波传播到达观测点的走时二维表;走时表是测震分析的工具,可以提高地震的分析处理效率;
速度模型:水力压裂微地震资料处理中,速度模型的准确很重要;一般需要建立初始的速度模型,然后对速度模型进行矫正;
地震道:在每个观测点上记录地震波,都必须经过检波器、放大系统和记录系统三个基本环节,总称“地震道”。为了提高生产效率和便于识别地震波,每次人工激发地震波时都在许多观测点上同时接收,所以地震仪一般是多道的。
被动地震是利用布设在地表或井中的检波器接收地下传回的地震波,根据地震波计算地下发生破裂的震源位置。震源本质上是一种裂缝,被动地震方法多用于油田的水力压裂监测,水力压裂即通过向地下储层注入流体,使储层产生裂缝。
目前获得裂缝形态的主要方法是层析裂缝成像方法,这种方法基于克希霍夫偏移对滤波后的被动地震数据进行成像。将被动地震的所有成像结果进行叠加,从而消除低水平的噪音干扰增强有效信号的能量,最后提取叠加结果中强能量响应的中心位置从而形成裂缝的形态。但是,在原始数据信噪比较低的情况下,裂缝的提取难以保证原始图像的拓扑结构,且裂缝的提取的范围往往受很大人为因素的干预,使得提取的裂缝与真实裂缝存在较大偏差。
基于此,本申请提出了一种微地震成像裂缝提取方法,参见附图1所示的一种微地震成像裂缝提取方法流程图;该方法包括:
步骤S101,获取微地震产生的地震数据;
步骤S102,根据所述地震数据得到目标区域的第一成像结果;
步骤S103,对所述第一成像结果进行去噪处理得到第二成像结果;
步骤S104,将所述第二成像结果映射为二维矩阵;
步骤S105,确定所述二维矩阵的拟合函数;以及所述拟合函数的极值点;
将所述极值点作为裂缝提取范围的最大阈值;
步骤S106,利用所述最大阈值;采用图像细化算法将所述第二成像结果进行细化得到最终的图像结果。
其中,最大阈值为提取的像素点的能量阈值;
其中,利用所述最大阈值;采用图像细化算法将所述第二成像结果进行细化得到最终的图像结果,包括:
采用图像细化算法,将像素点的能量值小于所述最大阈值的点去除,保留能量值等于或者大于所述最大阈值的点,得到最终的图像结果。
其中,图像细化算法是一种已有的图像处理算法,图像细化一般指二值图像的骨架化的一种操作运算。简单地说就是去掉一些点,但是保持图像的骨架不变形,不会改变图像的拓扑结构。参见附图2A所示的一种图像细化前示意图;附图2B所示的一种图像细化后示意图;本发明计算出了能量值的最大阈值,将能量小于最大阈值的边缘点采用细化算法去除掉;保留能量值大于等于阈值的点,从而能够保留图像的骨架,确保图像不变形。
本发明目的是提供一种基于细化被动地震成像结果的裂缝提取方法,在保证了原始图像的拓扑结构下,自适应计算裂缝提取范围阈值,提高裂缝提取的准确性。
在一种实施方式中,还包括预处理的过程,方法还包括:将上述第一成像结果在预定的时间段内进行叠加处理。其中,预定的时间段可以是一天、一周或者一个月;具体的预定时间段可以灵活设置,本申请不做限定;为了使得图像中的像素更加均匀,还包括对上述经过叠加处理的第一成像结果进行克里金网格化处理;然后再将经过克里金网格化处理后的第一成像结果进行奇异值分解SVD去噪处理得到第二成像结果。
在一种实施方式中,确定所述二维矩阵的拟合函数时采用以下步骤:该方法包括:
确定二维矩阵中的每行的最大值;
对每行的最大值进行升序排序得到升序数列;
利用最小二乘法对所述升序数列进行拟合得到拟合函数。
在一种实施方式中,根据所述地震数据得到目标区域的成像结果时采取以下的步骤:
将所述地震数据输入预先建立的速度模型中;
在所述速度模型中确定目标区域的网格以及网格走时表;
根据所述网格走时表对所述输入的地震数据进行偏移处理;
根据所述偏移后的地震数据计算每一个网格的成像Semblance值;得到目标区域的成像结果。
其中,在速度模型中确定目标区域的网格以及网格走时表,包括:
将目标区域划分为大小一致的离散网格;
计算每个网格到地表所有检波器的走时;
其中,地表的检波器的个数可以是多个,比如5到6个,个数可以根据实际情况进行设置,本申请不做限定。
根据每个网格到地表的所有检波器的走时绘制走时表。
下面介绍一种微地震成像裂缝提取方法总的方法流程图;参见附图3所示的另一种微地震成像裂缝提取方法流程图;该方法包括:
步骤S301,筛选数据道,确定数据集;
步骤S302,建立速度模型;
步骤S303,储层进行网格划分;
步骤S304,计算网格走时表;
步骤S305,输入数据集进行Semblance偏移成像,得到成像结果r;
参见附图4a所示的本发明实施例提供的第一个Semblance偏移成像示意图;图4b为本发明实施例提供的第二个Semblance偏移成像示意图;图4c为本发明实施例提供的第三个Semblance偏移成像示意图;上述的三个示意图分别是在3个不同的深度上进行成像的示意图;
步骤S306,在目标深度将成像结果r进行叠加得到成像结果R;
步骤S307,对成像结果R进行格式化;并进行SVD去噪得到二维矩阵;
步骤S308,对二维矩阵,提取每一行的行极值,拟合为函数y=G(x),并计算函数阈值G(x0);
其中,提取矩阵中每行的最大值Yi,利用最小二乘法对升序排列后的Yi进行拟合,且满足最小偏差平方和,得到拟合函数y=G(x)。求解G’(x)=0得到x0,从而得到函数阈值G(x0);将G(x0)设为裂缝提取范围的阈值。
步骤S309,判断G(x0)是否小于ymax;如果是,则执行步骤S310,如果否,则执行步骤S305;其中,ymax是拟合函数的最大值;
步骤S310,利用上述的阈值G(x0)采用图像细化算法将上述的成像结果R进行细化得到最终的图像结果。
其中,需要先将成像结果R转换为黑白二值图像;然后在进行细化处理。
参见附图5a所示的本发明实施例提供的与图4a对应的图像细化后的示意图;图5b为本发明实施例提供的与图4b对应的图像细化后的示意图;图5c为本发明实施例提供的与图4c对应的图像细化后的示意图。
本发明通过自适应阈值确定裂缝提取范围,减少了人为干预的影响。利用细化方法提取裂缝属性,保证了原始图像的拓扑结构,提高裂缝识别的准确性。
与上述的方法对应,本申请还提出了一种微地震成像裂缝提取装置,参见附图6所示的一种微地震成像裂缝提取装置的结构示意图;该装置包括:
获取模块61,用于获取微地震产生的地震数据;
处理模块62,用于根据所述地震数据得到目标区域的第一成像结果;
对所述第一成像结果进行去噪处理得到第二成像结果;
将所述第二成像结果映射为二维矩阵;
确定所述二维矩阵的拟合函数及所述拟合函数的极值点;
将所述极值点作为裂缝提取范围的最大阈值;
利用所述最大阈值;采用图像细化算法将所述第二成像结果进行细化得到最终的图像结果。
进一步地,处理模块62还用于,对所述第一成像结果进行奇异值分解SVD去噪处理得到第二成像结果。
进一步地,处理模块62还用于,对所述第一成像结果进行奇异值分解SVD去噪处理之前对所述第一成像结果进行克里金网格化处理。
进一步地,所述处理模块62还用于,对所述目标区域的成像结果进行克里金网格化处理。进一步地,所述处理模块还用于,确定二维矩阵中的每行的最大值;
对每行的最大值进行升序排序得到升序数列;
利用最小二乘法对所述升序数列进行拟合得到拟合函数。
进一步地,所述处理模块62还用于,将所述地震数据输入预先建立的速度模型中;
在所述速度模型中确定目标区域的网格以及网格走时表;
根据所述网格走时表对所述输入的地震数据进行偏移处理;
根据所述偏移后的地震数据计算每一个网格的成像Semblance值;得到目标区域的成像结果。
进一步地,对所述第一成像结果进行克里金网格化处理前,还包括:将所述第一成像结果在预定的时间段内进行叠加处理。
进一步地,在速度模型中确定目标区域的网格以及网格走时表,包括:
将目标区域划分为大小一致的离散网格;
计算每个网格到地表所有检波器的走时;
根据每个网格到地表的所有检波器的走时绘制走时表。
本申请还提出了一种微地震成像裂缝提取设备,参见附图7所示的一种微地震成像裂缝提取设备的结构示意图;该设备包括:至少一个处理器71和至少一个存储器72;
所述存储器72用于存储一个或多个程序指令;
所述处理器71,用于运行一个或多个程序指令,用以执行如下步骤:
获取微地震产生的地震数据;
根据所述地震数据得到目标区域的第一成像结果;
对所述第一成像结果进行去噪处理得到第二成像结果;
将所述第二成像结果映射为二维矩阵;
确定所述二维矩阵的拟合函数及所述拟合函数的极值点;
将所述极值点作为裂缝提取范围的最大阈值;
利用所述最大阈值;采用图像细化算法将所述第二成像结果进行细化为得到最终的图像结果。
进一步地,所示处理器71还用于,对所述第一成像结果进行奇异值分解SVD去噪处理得到第二成像结果。
进一步地,所示处理器71还用于,对所述第一成像结果进行克里金网格化处理。
进一步地,所示处理器71还用于,确定二维矩阵中的每行的最大值;
对每行的最大值进行升序排序得到升序数列;
利用最小二乘法对所述升序数列进行拟合得到拟合函数。
进一步地,所示处理器71还用于,将所述地震数据输入预先建立的速度模型中;
在所述速度模型中确定目标区域的网格以及网格走时表;
根据所述网格走时表对所述输入的地震数据进行偏移处理;
根据所述偏移后的地震数据计算每一个网格的成像Semblance值;得到目标区域的成像结果。
进一步地,所示处理器71还用于,对所述第一成像结果进行克里金网格化处理前将所述第一成像结果在预定的时间段内进行叠加处理。
进一步地,所示处理器71还用于,将目标区域划分为大小一致的离散网格;
计算每个网格到地表所有检波器的走时;
根据每个网格到地表的所有检波器的走时绘制走时表。
根据本发明实施例的第四方面,一种计算机可读存储介质,所述计算机可读存储介质中包含一个或多个程序指令,所述一个或多个程序指令用于被执行如上述任一项所述的方法。
虽然,上文中已经用一般性说明及具体实施例对本发明作了详尽的描述,但在本发明基础上,可以对之作一些修改或改进,这对本领域技术人员而言是显而易见的。因此,在不偏离本发明精神的基础上所做的这些修改或改进,均属于本发明要求保护的范围。
Claims (10)
1.一种微地震成像裂缝提取方法,其特征在于,包括:
获取微地震产生的地震数据;
根据所述地震数据得到目标区域的第一成像结果;
对所述第一成像结果进行去噪处理得到第二成像结果;
将所述第二成像结果映射为二维矩阵;
确定所述二维矩阵的拟合函数及所述拟合函数的极值点;
将所述极值点作为裂缝提取范围的最大阈值;
利用所述最大阈值;采用图像细化算法将所述第二成像结果进行细化得到最终的图像结果。
2.如权利要求1所述的方法,其特征在于,对所述第一成像结果进行去噪处理得到第二成像结果,包括:对所述第一成像结果进行奇异值分解SVD去噪处理得到第二成像结果。
3.如权利要求1所述的方法,其特征在于,对所述第一成像结果进行奇异值分解SVD去噪处理之前,还包括:对所述第一成像结果进行克里金网格化处理。
4.如权利要求1所述的方法,其特征在于,确定所述二维矩阵的拟合函数,包括:
确定二维矩阵中的每行的最大值;
对每行的最大值进行升序排序得到升序数列;
利用最小二乘法对所述升序数列进行拟合得到拟合函数。
5.如权利要求1所述的方法,其特征在于,根据所述地震数据得到目标区域的成像结果,包括:
将所述地震数据输入预先建立的速度模型中;
在所述速度模型中确定目标区域的网格以及网格走时表;
根据所述网格走时表对所述输入的地震数据进行偏移处理;
根据偏移后的地震数据计算每一个网格的成像Semblance值;得到目标区域的成像结果。
6.如权利要求3所述的方法,其特征在于,对所述第一成像结果进行克里金网格化处理前,还包括:将所述第一成像结果在预定的时间段内进行叠加处理。
7.如权利要求4所述的方法,其特征在于,在速度模型中确定目标区域的网格以及网格走时表,包括:
将目标区域划分为大小一致的离散网格;
计算每个网格到地表所有检波器的走时;
根据每个网格到地表的所有检波器的走时绘制走时表。
8.一种微地震成像裂缝提取装置,其特征在于,包括:
获取模块,用于获取微地震产生的地震数据;
处理模块,用于根据所述地震数据得到目标区域的第一成像结果;
对所述第一成像结果进行去噪处理得到第二成像结果;
将所述第二成像结果映射为二维矩阵;
确定所述二维矩阵的拟合函数及所述拟合函数的极值点;
将所述极值点作为裂缝提取范围的最大阈值;
利用所述最大阈值;采用图像细化算法将所述第二成像结果进行细化最终的图像结果。
9.一种微地震成像裂缝提取设备,其特征在于,包括:至少一个处理器和至少一个存储器;
所述存储器用于存储一个或多个程序指令;
所述处理器,用于运行一个或多个程序指令,用以执行如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中包含一个或多个程序指令,所述一个或多个程序指令用于被执行如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911215850.2A CN110967748A (zh) | 2019-12-02 | 2019-12-02 | 微地震成像裂缝提取方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911215850.2A CN110967748A (zh) | 2019-12-02 | 2019-12-02 | 微地震成像裂缝提取方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110967748A true CN110967748A (zh) | 2020-04-07 |
Family
ID=70032828
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911215850.2A Pending CN110967748A (zh) | 2019-12-02 | 2019-12-02 | 微地震成像裂缝提取方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110967748A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111650669A (zh) * | 2020-05-27 | 2020-09-11 | 吉林大学 | 一种水力压裂震电信号联合处理方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013116294A1 (en) * | 2012-01-30 | 2013-08-08 | Schlumberger Canada Limited | Method of performing error-correction of nmr data |
CN104459775A (zh) * | 2014-11-28 | 2015-03-25 | 中国石油集团川庆钻探工程有限公司地球物理勘探公司 | 基于微地震监测数据的页岩气藏裂缝建模方法 |
CN104765064A (zh) * | 2015-03-25 | 2015-07-08 | 中国科学院声学研究所 | 一种微地震干涉成像的方法 |
CN106226813A (zh) * | 2016-09-08 | 2016-12-14 | 南京特雷西能源科技有限公司 | 基于微地震的压裂缝网重构方法及装置 |
CN110378004A (zh) * | 2019-07-11 | 2019-10-25 | 中国石油大学(北京) | 一种用于微地震解释压裂裂缝参数结果的校正方法 |
-
2019
- 2019-12-02 CN CN201911215850.2A patent/CN110967748A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013116294A1 (en) * | 2012-01-30 | 2013-08-08 | Schlumberger Canada Limited | Method of performing error-correction of nmr data |
CN104459775A (zh) * | 2014-11-28 | 2015-03-25 | 中国石油集团川庆钻探工程有限公司地球物理勘探公司 | 基于微地震监测数据的页岩气藏裂缝建模方法 |
CN104765064A (zh) * | 2015-03-25 | 2015-07-08 | 中国科学院声学研究所 | 一种微地震干涉成像的方法 |
CN106226813A (zh) * | 2016-09-08 | 2016-12-14 | 南京特雷西能源科技有限公司 | 基于微地震的压裂缝网重构方法及装置 |
CN110378004A (zh) * | 2019-07-11 | 2019-10-25 | 中国石油大学(北京) | 一种用于微地震解释压裂裂缝参数结果的校正方法 |
Non-Patent Citations (1)
Title |
---|
杨瑞召 等: "页岩气压裂缝地震监测中的裂缝成像方法", 《地质勘探》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111650669A (zh) * | 2020-05-27 | 2020-09-11 | 吉林大学 | 一种水力压裂震电信号联合处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111164462B (zh) | 一种人工源面波勘探方法、面波勘探装置及终端设备 | |
CN104395779A (zh) | 用于估计和减弱地震数据中的噪声的系统和方法 | |
CN108897041B (zh) | 一种铀矿富集区的预测方法和装置 | |
CN112231974B (zh) | 基于深度学习的tbm破岩震源地震波场特征恢复方法及系统 | |
CN110632662A (zh) | 一种利用DCNN-Inception网络自动识别微地震信号的算法 | |
CN110501751B (zh) | 一种基于多分量梯度数据联合和深度加权的相关成像方法 | |
CN102819038A (zh) | 一种碳酸盐岩内油水识别的方法及系统 | |
CN110967748A (zh) | 微地震成像裂缝提取方法、装置、设备和存储介质 | |
CN104656140A (zh) | 一种基于垂直地震衰减规律的中值滤波方法以及系统 | |
CN107991707A (zh) | 一种基于shear let域内峰度特性的井中微地震初至波拾取方法 | |
CN109598068B (zh) | 古构造约束建模方法、装置和设备 | |
CN108072893B (zh) | 一种微地震压裂裂缝模型的多样化构建方法 | |
CA2924938A1 (en) | Method and device for increasing frequency of seismic digital signal | |
CN105975990A (zh) | 一种复垦土壤剖面的精细表达方法 | |
CN101592738A (zh) | 二维起伏海底多次波的确定方法 | |
CN108090929B (zh) | 矿区线性异常分析提取新型方法 | |
CN108376245B (zh) | 基于ud通道的时空序列图像震源识别方法 | |
CN113126157B (zh) | 频率波数域高角度断裂提取方法、装置、存储介质及设备 | |
CN113721296A (zh) | 远震数据处理方法及装置 | |
CN104375180B (zh) | 一种地震数据处理方法、装置及系统 | |
CN113866827A (zh) | 一种解释性速度建模地震成像方法、系统、介质和设备 | |
CN113126156A (zh) | 拉东域高角度断裂提取方法、装置、存储介质及设备 | |
CN104166162B (zh) | 基于迭代三参数小波变换的缝洞发育带检测方法 | |
CN112799132B (zh) | 微局部线性噪声压制方法及装置 | |
CN113835123B (zh) | 基于地质目标叠前偏移成像的地震采集参数分析方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200407 |