CN111045079B - 一种增强地震反射特征的数据处理方法 - Google Patents
一种增强地震反射特征的数据处理方法 Download PDFInfo
- Publication number
- CN111045079B CN111045079B CN201911327189.4A CN201911327189A CN111045079B CN 111045079 B CN111045079 B CN 111045079B CN 201911327189 A CN201911327189 A CN 201911327189A CN 111045079 B CN111045079 B CN 111045079B
- Authority
- CN
- China
- Prior art keywords
- seismic
- seismic data
- formula
- index
- calculation
- 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
- 230000002708 enhancing effect Effects 0.000 title claims abstract description 11
- 238000003672 processing method Methods 0.000 title claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims abstract description 28
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 16
- 238000001228 spectrum Methods 0.000 claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 7
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 5
- 238000007405 data analysis Methods 0.000 claims abstract description 4
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 3
- 239000012530 fluid Substances 0.000 abstract description 4
- 230000008021 deposition Effects 0.000 abstract 2
- 238000011282 treatment Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G01V1/307—Analysis for determining seismic attributes, e.g. amplitude, instantaneous phase or frequency, reflection strength or polarity
-
- 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
- G01V1/301—Analysis for determining seismic cross-sections or geostructures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/30—Analysis
- G01V1/306—Analysis for determining physical properties of the subsurface, e.g. impedance, porosity or attenuation profiles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/62—Physical property of subsurface
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/62—Physical property of subsurface
- G01V2210/624—Reservoir parameters
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明属于地震资料处理和解释技术领域,具体涉及一种增强地震反射特征的数据处理方法。本发明包括如下步骤:步骤一、确定地震数据分析的E指数算法;步骤二、根据E指数的级数分解公式,变换地震数据的指数运算;步骤三、计算简化步骤二中的公式;步骤四、通过比较不同级数的计算处理结果以及他们的频谱,得到地震数据的自然指数谱。本发明能够提高地震反射的细微差别,识别对地质沉积的细微差别,或者储层中含有流体或气体的差别,提高地震对油气或者地质沉积的识别能力。
Description
技术领域
本发明属于地震资料处理和解释技术领域,具体涉及一种增强地震反射特征的数据处理方法。
背景技术
在地震资料解释反演过程中,需要对地震进行特殊处理,增加地震主频,保持地震的反射振幅特征。由于地震本身的属性限制,无法很好地提高反射地震识别能力。
在地震资料解释中需要增强地震信号的反射强度,突出地震反射的细微差别,或者需要进行反演处理,实现对地层岩性的识别和描述。通过地震反射的振幅差异、频率特征等多种属性进行聚类分析,实现对地层的孔隙度变化,含有油或含水情况进行描述。现有技术的算法,直接进行指数运算得到非常大数值,超出正常数据边界,无法进行E指数谱运算的缺点。
发明内容
本发明要解决的技术问题
本发明提供一种增强地震反射特征的数据处理方法,能够提高地震反射的细微差别,识别对地质沉积的细微差别,或者储层中含有流体或气体的差别,提高地震对油气或者地质沉积的识别能力。
为解决上述技术问题,本发明一种
一种增强地震反射特征的数据处理方法,包括如下步骤:步骤一、确定地震数据分析的E指数算法;步骤二、根据E指数的级数分解公式,变换地震数据的指数运算;步骤三、计算简化步骤二中的公式;步骤四、通过比较不同级数的计算处理结果以及他们的频谱,得到地震数据的自然指数谱。
所述步骤一中,对地震数据进行指数运算,将地震数据转换到正实数空间。
所述步骤一包括如下步骤,设震道集数据为S(t),根据指数运算公式(1)求得地震数据的指数值h(t)为:
h(t)=es(t) (1)
对公式(1)计算的地震数据进行傅里叶变换,得到公式(2)
S(t)为地震数据,H(ω)为E指数谱,为地震数据E指数运算后傅里叶变化后的结果,ω为频率,i为虚数单位。
所述步骤二包括如下步骤,根据E指数的级数分解公式,地震数据的指数运算可表示为如下级数公式(3):
通过级数的简化处理,数据处理包含sn(t)项,利用级数的前几项来代替E指数计算。
所述步骤三包括如下步骤,计算级数简化公式前5项,通过处理得到利用级数分解前6次项处理的剖面参加的计算结果,计算结果代表利用级数分解前6次项处理的剖面的结果分析;计算简化公式前4、6项,处理结果分别包含了地震的s3(t)的计算结果和s5(t)项参加的计算结果,计算结果为正负对称分布,作为地震反射系数强化分析。
所述步骤四包括如下步骤,通过偶数级数计算,突出了强振幅和提高了高频地震信号的特征;通过奇数次的运算,提高了高能量地震信号的反射特征。
本发明的有益技术效果在于:
(1)本发明提供的一种增强地震反射特征的数据处理方法,充分利用了地震反射强度与地质和地层中流体引起的振幅微弱差别,可以有效地提高地震反射特征的细微差别;
(2)本发明提供的一种增强地震反射特征的数据处理方法,不仅能够获得目的层反射信号反射特征,同时可以得到与结果相似的处理结果,实现反射振幅的快速有效的地质评价和含有流体状况的描述。
附图说明
图1为E指数函数的曲线图;
图2为利用级数分解前5次项处理的频谱;
图3为前6次项处理的频谱;
图4利用级数分解前5次项处理的剖面;
图5利用级数分解前4次项处理的剖面;
图6为前6次项处理的剖面;
图7为直接利用E指数处理的剖面。
具体实施方式
下面结合附图和实施例对本发明提供的一种增强地震反射特征的数据处理方法作进一步详细说明。
本发明提供的一种增强地震反射特征的数据处理方法,具体包括如下步骤:
步骤一、地震数据分析的E指数算法。对地震数据进行指数运算,将地震数据转换到正实数空间。提高地震剖面的识别能力,突出反射率微小特征,实现对地层细小差别研究。
设震道集数据为S(t),根据指数运算公式(1)求得地震数据的指数值h(t)为:
h(t)=es(t) (1)
对公式(1)计算的地震数据进行傅里叶变换,得到公式(2)
S(t)为地震数据,H(ω)为E指数谱,为地震数据E指数运算后傅里叶变化后的结果,ω为频率,i为虚数单位。
优点:地震实际振幅为-A-A,那么转换完后的范围为E-A-EA,全部为正实数(图1);突出地震振幅大于1的地震效果,显示强振幅的细微差别;通过频谱分析,能够得到更丰富的频率信息。增强地震资料中的强振幅的特征,更充分地利用地震反射特征和地质结合。
步骤二、根据E指数的级数分解公式,地震数据的指数运算可表示为如下级数公式(3):
本实施例采取前面级数的前面有限项,通过级数的简化处理,数据处理包含sn(t)项,可以利用级数的前几项来代替E指数计算。数据处理结果会有明显的规律,取偶数项计算时,计算结果为s(t)的奇数次幂,结果是有正负,图5、图6为利用级数分解前4、6次项处理的剖面;当取奇数项运算时,计算结果为正数,与用E指数运算结果相似,图5为利用级数前5项计算结果。
步骤三、计算级数简化公式前5项,通过处理可以得到利用级数分解前6次项处理的剖面参加的计算结果,计算结果可以代表利用级数分解前6次项处理的剖面的结果分析。结果剖面和频谱分析结果如图2。
步骤四、计算简化公式前4、6项,处理结果分别包含了地震的s3(t)的计算结果(图5)和s5(t)项参加的计算结果(图6),计算结果为正负对称分布,可作为地震反射系数强化分析。
步骤五、通过比较不同级数的计算处理结果以及他们的频谱(图2、图3),可以得到地震数据的自然指数谱。通过偶数级数计算,我们可以得到如图2的频谱,在低频有异常增强,在频率70赫兹处振幅也有明显增大,这样计算突出了强振幅和提高了高频地震信号的特征。
步骤六、通过奇数次的运算,得到如图4的计算结果,剖面特征与直接取E的指数运算结果相似,处理结果极大地提高了高能量地震信号的反射特征。
Claims (1)
1.一种增强地震反射特征的数据处理方法,其特征在于:包括如下步骤:步骤一、确定地震数据分析的E指数算法;步骤二、根据E指数的级数分解公式,变换地震数据的指数运算;步骤三、计算简化步骤二中的公式;步骤四、通过比较不同级数的计算处理结果以及他们的频谱,得到地震数据的自然指数谱;
所述步骤一中,对地震数据进行指数运算,将地震数据转换到正实数空间;
所述步骤一包括如下步骤,设震道集数据为S(t),根据指数运算公式(1)求得地震数据的指数值h(t)为:
h(t)=es(t) (1)
对公式(1)计算的地震数据进行傅里叶变换,得到公式(2)
S(t)为地震数据,H(ω)为E指数谱,为地震数据E指数运算后傅里叶变化后的结果,ω为频率,i为虚数单位;
所述步骤二包括如下步骤,根据E指数的级数分解公式,地震数据的指数运算可表示为如下级数公式(3):
通过级数的简化处理,数据处理包含sn(t)项,利用级数的前几项来代替E指数计算;
所述步骤三包括如下步骤,计算级数简化公式前5项,通过处理得到利用级数分解前6次项处理的剖面参加的计算结果,计算结果代表利用级数分解前6次项处理的剖面的结果分析;计算简化公式前4、6项,处理结果分别包含了地震的s3(t)的计算结果和s5(t)项参加的计算结果,计算结果为正负对称分布,作为地震反射系数强化分析;
所述步骤四包括如下步骤,通过偶数级数计算,突出了强振幅和提高了高频地震信号的特征;通过奇数次的运算,提高了高能量地震信号的反射特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911327189.4A CN111045079B (zh) | 2019-12-20 | 2019-12-20 | 一种增强地震反射特征的数据处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911327189.4A CN111045079B (zh) | 2019-12-20 | 2019-12-20 | 一种增强地震反射特征的数据处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111045079A CN111045079A (zh) | 2020-04-21 |
CN111045079B true CN111045079B (zh) | 2021-11-30 |
Family
ID=70238244
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911327189.4A Active CN111045079B (zh) | 2019-12-20 | 2019-12-20 | 一种增强地震反射特征的数据处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111045079B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1461458A (zh) * | 2000-10-30 | 2003-12-10 | 迈吉尔厄思有限公司 | 用于分析和成像三维体数据集合的系统和方法 |
CN102147478B (zh) * | 2010-12-29 | 2013-06-26 | 中国海洋大学 | 复杂油藏的叠前低频信号识别方法 |
KR101476111B1 (ko) * | 2014-09-30 | 2014-12-24 | 한국해양대학교 산학협력단 | 단시간 푸리에 변환기법을 이용한 탄성파 반사법 탐사자료의 개별 주파수 특성 분석 방법 및 장치 |
CN105277984A (zh) * | 2014-07-04 | 2016-01-27 | 中国石油化工股份有限公司 | 一种时移地震互约束频率一致性处理方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101545983A (zh) * | 2009-05-05 | 2009-09-30 | 中国石油集团西北地质研究所 | 基于小波变换的多属性分频成像方法 |
CN102830432B (zh) * | 2011-06-13 | 2015-04-15 | 中国石油化工股份有限公司 | 一种煤系强地震反射特征掩盖下弱反射储层的识别方法 |
CN106842298A (zh) * | 2015-12-04 | 2017-06-13 | 中国石油化工股份有限公司 | 一种基于匹配追踪的不整合强反射自适应分离方法 |
-
2019
- 2019-12-20 CN CN201911327189.4A patent/CN111045079B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1461458A (zh) * | 2000-10-30 | 2003-12-10 | 迈吉尔厄思有限公司 | 用于分析和成像三维体数据集合的系统和方法 |
CN102147478B (zh) * | 2010-12-29 | 2013-06-26 | 中国海洋大学 | 复杂油藏的叠前低频信号识别方法 |
CN105277984A (zh) * | 2014-07-04 | 2016-01-27 | 中国石油化工股份有限公司 | 一种时移地震互约束频率一致性处理方法 |
KR101476111B1 (ko) * | 2014-09-30 | 2014-12-24 | 한국해양대학교 산학협력단 | 단시간 푸리에 변환기법을 이용한 탄성파 반사법 탐사자료의 개별 주파수 특성 분석 방법 및 장치 |
Non-Patent Citations (1)
Title |
---|
基于逆散射级数法的鬼波压制方法;王芳芳等;《地球物理学报》;20130531;第56卷(第5期);第1628-1636页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111045079A (zh) | 2020-04-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Huang et al. | Unveiling the signals from extremely noisy microseismic data for high-resolution hydraulic fracturing monitoring | |
Li et al. | Weak signal detection using multiscale morphology in microseismic monitoring | |
CN108267784A (zh) | 一种地震信号随机噪声压制处理方法 | |
CN104849757B (zh) | 消除地震信号中随机噪声系统及方法 | |
CN105445801B (zh) | 一种消除二维地震资料随机噪音的处理方法 | |
Qi et al. | A method for reducing transient electromagnetic noise: Combination of variational mode decomposition and wavelet denoising algorithm | |
CN104408288A (zh) | 基于小波和参数补偿的多稳态随机共振微弱信号检测方法 | |
CN110646841B (zh) | 时变稀疏反褶积方法及系统 | |
Ma et al. | Double Gaussian potential stochastic resonance method and its application in centrifugal fan blade crack detection | |
Saad et al. | Uncovering the microseismic signals from noisy data for high-fidelity 3D source-location imaging using deep learning | |
Russell et al. | Real and random patterns associated with molluscan spatial and temporal distributions | |
Kimiaefar et al. | Random noise attenuation by Wiener-ANFIS filtering | |
CN111045079B (zh) | 一种增强地震反射特征的数据处理方法 | |
Meng et al. | A gear fault diagnosis method based on improved accommodative random weighting algorithm and BB-1D-TP | |
Lara-Cueva et al. | On finding possible frequencies for recognizing microearthquakes at Cotopaxi volcano: A machine learning based approach | |
Zhang et al. | A adaptive stochastic resonance method based on two-dimensional tristable controllable system and its application in bearing fault diagnosis | |
Li et al. | Magnetotelluric data denoising method combining two deep-learning-based models | |
Lin et al. | Research on microseismic denoising method based on CBDNet | |
Bai et al. | A U-Net based deep learning approach for seismic random noise suppression | |
CN116502091A (zh) | 一种基于lstm和注意力机制的网络入侵检测方法 | |
Ye et al. | Multi-variable classification model for valve internal leakage based on acoustic emission time–frequency domain characteristics and random forest | |
Wen et al. | Fast recovery of weak signal based on three‐dimensional curvelet transform and generalised cross validation | |
CN113869358A (zh) | 基于循环相关熵和一维浅卷积神经网络的轴承故障诊断方法 | |
Ma et al. | A Global and Multi-Scale Denoising Method Based on Generative Adversarial Network for DAS VSP Data | |
CN113093277A (zh) | 基于时效的隐蔽油气藏目标增强解释性处理方法 |
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 |