CN111290020A - 基于构造滤波处理、分频属性融合断裂检测方法及装置 - Google Patents
基于构造滤波处理、分频属性融合断裂检测方法及装置 Download PDFInfo
- Publication number
- CN111290020A CN111290020A CN202010216599.8A CN202010216599A CN111290020A CN 111290020 A CN111290020 A CN 111290020A CN 202010216599 A CN202010216599 A CN 202010216599A CN 111290020 A CN111290020 A CN 111290020A
- Authority
- CN
- China
- Prior art keywords
- frequency
- attribute
- fracture
- fusion
- fractured
- 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
- 230000004927 fusion Effects 0.000 title claims abstract description 72
- 238000012545 processing Methods 0.000 title claims abstract description 55
- 238000001914 filtration Methods 0.000 title claims abstract description 53
- 238000001514 detection method Methods 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 41
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 37
- 238000001228 spectrum Methods 0.000 claims abstract description 29
- 238000012216 screening Methods 0.000 claims abstract description 19
- 230000008569 process Effects 0.000 claims description 11
- 230000003595 spectral effect Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 238000011161 development Methods 0.000 abstract description 9
- 230000002349 favourable effect Effects 0.000 abstract description 4
- 238000005553 drilling Methods 0.000 abstract description 3
- 206010017076 Fracture Diseases 0.000 description 112
- 208000010392 Bone Fractures Diseases 0.000 description 105
- 230000000694 effects Effects 0.000 description 11
- 238000004458 analytical method Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 8
- 238000010276 construction Methods 0.000 description 6
- 238000009792 diffusion process Methods 0.000 description 6
- 230000015572 biosynthetic process Effects 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 5
- 208000013201 Stress fracture Diseases 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000008021 deposition Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000001427 coherent effect Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000010183 spectrum analysis Methods 0.000 description 2
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000011435 rock Substances 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
-
- 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
-
- 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
- G01V1/44—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging using generators and receivers in the same well
- G01V1/48—Processing data
-
- 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
- G01V1/44—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging using generators and receivers in the same well
- G01V1/48—Processing data
- G01V1/50—Analysing data
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Remote Sensing (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
本发明公开了一种基于构造滤波处理、分频属性融合断裂检测方法及装置,其中,基于构造滤波处理、分频属性融合断裂检测方法,包括:将原始地震数据进行频谱分解,于频率域中筛选出最清晰的频率段,得到频率段目标集;根据所述频率段目标集将所述原始地震数据进行分频处理,得到频率段集;提取所述频率段集中每个频率段的断裂属性体,得到断裂属性体集;将所述断裂属性体集中的断裂属性体进行融合,得到断裂预测属性融合体。该方法可大大提高同一区域内发育不同断距、不同类型断层且密集发育的检测精度,更加有利于指导油田的钻井部署。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种基于构造滤波处理、分频属性融合断裂检测方法、装置、储存介质及电子设备。
背景技术
现有常规的断裂、裂缝检测技术主要包括相干体技术,本征值相干、曲率等传统技术,这些技术受限于地震地质资料问题一般会出现断点位置不准确、属性效果模糊不清,尤其在碳酸盐岩地层断裂复杂区,断裂发育密集,并伴有走滑断裂发育,断距横向变化无规律,常规预测效果较差。
发明内容
(一)发明目的
本发明的目的是提供一种基于构造滤波处理、分频属性融合断裂检测方法、装置、储存介质及电子设备以解决现有技术地震检测断点位置不准确、属性效果模糊不清的问题。
(二)技术方案
为解决上述问题,本发明的第一方面提供了一种基于构造滤波处理、分频属性融合断裂检测方法,包括:将原始地震数据进行频谱分解,于频率域中筛选出最清晰的频率段,得到频率段目标集;根据所述频率段目标集将所述原始地震数据进行分频处理,得到频率段集;提取所述频率段集中每个频率段的断裂属性体,得到断裂属性体集;将所述断裂属性体集中的断裂属性体进行融合,得到断裂预测属性融合体。
进一步地,所述将原始地震数据进行频谱分解,于频率域中筛选出多个反映断裂最清晰的频率段,得到频率段目标集包括:将原始地震数据进行频谱分解,得到频率域地震数据体;于频率域数据体中利用切片属性筛选出反映不同类型断层和不同断距级别的断层最清晰的频率段,得到多个频率段目标集。
进一步地,所述最清晰的频率段具体为:反映断裂最好的频率段。
进一步地,所述提取所述频率段集中每个频率段的断裂属性体,得到断裂属性体集包括:将所述频率段集进行滤波处理,得到清晰的频率段集;提取所述清晰的频率段集中每个清晰频率段的断裂属性体,得到断裂属性体集。
进一步地,所述将所述断裂属性体集中的断裂属性体进行融合,得到断裂预测属性融合体包括:
将所述断裂属性体集中的断裂属性体进行同类属性融合和/或将所述断裂属性体集中的断裂属性体进行分类属性融合,得到断裂预测属性融合体。
根据本发明的另一个方面,提供一种基于构造滤波处理、分频属性融合断裂检测装置,包括:频谱分解模块,用于将原始地震数据进行频谱分解,得到频率域地震数据体,于频率域中筛选出最清晰的频率段;分频处理模块,用于根据所述频率段目标集将所述原始地震数据进行分频处理,得到频率段集;提取模块,用于提取所述频率段集中每个频率段的断裂属性体,得到断裂属性体集;融合模块,用于将所述断裂属性体集中的断裂属性体进行融合,得到断裂预测属性融合体。
进一步地,所述频谱分解模块包括:频谱分解单元,用于将原始地震数据进行频谱分解,得到频率域地震数据体;筛选单元,用于筛选所述不同的频率段中反映不同类型断层和不同断距级别的断层最清晰的频率段,得到频率段目标集。
进一步地,所述最清晰的频率段具体为:反映断裂最好的频率段。
进一步地,所述提取模块包括:滤波单元,用于将所述频率段集进行滤波处理,得到清晰的频率段集;提取单元,用于提取所述清晰的频率段集中每个清晰频率段的断裂属性体,得到断裂属性体集。
进一步地,所述融合模块包括:同类属性融合单元,用于将所述断裂属性体集中的断裂属性体进行同类属性融合,得到断裂预测属性融合体;和/或分类属性融合单元,用于将所述断裂属性体集中的断裂属性体进行分类属性融合,得到断裂预测属性融合体。
根据本发明的又一方面,提供一种储存介质,所述存储介质上存储有计算机程序,所述程序被处理器执行时实现上述技术方案中任意一项所述方法的步骤。
根据本发明的又一方面,提供一种电子设备,包括存储器、显示器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现上述技术方案中任意一项所述方法的步骤。
(三)有益效果
本发明的上述技术方案具有如下有益的技术效果:
本发明通过频谱分解分析及分频处理,在不同频率域提取相干、曲率等常规属性,可测试不同频率段属性,可清晰反映不同断距、不同类型的断层,通过不同频率域属性融合合并处理形成一个完整的断裂检测数据体,可大大提高同一区域内发育不同断距、不同类型断层且密集发育的检测精度,更加有利于指导油田的钻井部署。
附图说明
图1是根据本发明第一实施方式的基于构造滤波处理、分频属性融合断裂检测方法流程图;
图2是根据本发明一可选实施方式的基于构造滤波处理、分频属性融合断裂检测方法流程图;
图3是根据本发明一可选实施方式的构造滤波处理前后断裂识别对比地震剖面图;
图4是根据本发明第一实施方式的地震数据常规断裂识别相干属性图;
图5是根据本发明第一实施方式的分频处理后35-55频段(主频45HZ)断裂识别相干属性图;
图6是根据本发明第一实施方式的主频25、主频45HZ相干融合属性图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了,下面结合具体实施方式并参照附图,对本发明进一步详细说明。应该理解,这些描述只是示例性的,而并非要限制本发明的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本发明的概念。
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。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
如图1所示,在本发明实施例的第一方面,提供了一种基于构造滤波处理、分频属性融合断裂检测方法,包括:
S1:将原始地震数据进行频谱分解,于频率域中筛选出最清晰的频率段,得到频率段目标集;
其中,频谱分解技术是一种频率域的解释方法,主要是沿某一地震时窗层段(小于60ms)进行频谱分析,用频率随时间的变化关系来研究断层、薄储层及沉积环境等。分频技术的基本算法为离散傅里叶变换或最大熵方法,频谱分解技术主要生成两种类型的数据体:调谐数据体和离散频率能量数据体。其中调谐数据体为频率域数据体,可通过频率切片属性分析确定反映断裂最好的频率段,一般认为同一区域内断层类型相同,断距变化不大,在某一频段即可最好的、清晰的反映该区的断裂展布,如果在同一区域范围内断层类型不同(正断层、逆断层、走滑断层)、断距大小变化快,不同断层一般会在不同频段显示更为清晰。
S2:根据所述频率段目标集将所述原始地震数据进行分频处理,得到频率段集;
根据频谱分解分析结果,根据优选的频率段将原三维地震数据进行分频处理,形成多个频段的地震数据,并且分频处理的过程也可以消除原三维地震数据的残余噪声。需要说明的是对于频带较窄的地震数据可适当先进行拓频处理,再进行分频处理。
S3:提取所述频率段集中每个频率段的断裂属性体,得到断裂属性体集;
该步骤针对分频地震数据体的构造滤波处理包括两个方面,即基于扩散方程的沿地层构造方向的滤波和基于离散算法的沿构造方向的断裂增强滤波,这些预处理能在不影响构造复杂性的前提下消除噪声,改善断裂与微断裂的成像。
基于扩散方程的构造滤波目的是为了在地震资料滤波过程中保留构造特征的同时压制噪声;沿构造方向的断裂增强滤波采用的是离散矢量倾角搜索的相似扫描方法。该滤波处理能使层位的断点得到有效加强,在消除噪声的同时,并不会改变地震资料的频率和相位。通过体时窗对地震反射同相轴计算构造方向,基于扩散方程的构造滤波和断裂增强滤波采用构造方向的分析结果,对地震数据进行滤波处理,实现对断点的增强,反射同相轴横向连续性的改善,提高了地震数据的信噪比。经滤波处理后的地震数据能够更加有效地刻画褶皱、裂缝和岩溶地貌等地质构造特征。
断裂增强的构造倾角滤波处理的效果可以达到消去随机噪声和消除与地震反射同相轴相交的非随机噪声,并能在处理时窗内保持断点的非连续性。因此,该技术可以改进地震资料在横向上的连续性,并使断点的非连续性加强。构造倾角滤波处理是后续的构造解释、微断裂成像、裂缝储层预测和含气检测的基础。对比处理前后的地震剖面,可以看到数据的信噪比得到改善,地震信号的横向连续性得到了加强,垂向上不连续性得到加强,水平切片上的噪声也得到一定程度的降低。
S4:将所述断裂属性体集中的断裂属性体进行融合,得到断裂预测属性融合体。但是,在工区较小,断层特征近似的情况下一般用一个频率段的属性即可达到最佳效果,不需进行融合计算。
利用分频数据体制作传统的裂缝预测体(相干、曲率或蚂蚁体等)属性融合主要包括2类,一是同类属性融合,二是分类属性融合。既可以按照属性层位融合,也可形成属性融合地震数据体。同类属性融合按照数据合并计算即可,分类属性融合原理是假设同一地层窗口有N个属性,每个属性各成一类,计算属性相关系数,将彼此相关的属性合并为一个新属性类别,形成地震属性体或属性层位,用以反映断裂、沉积、油气特征等不同地质特征。
需要说明的是属性体是传统的相干、曲率、蚂蚁体等常规数据体。
上述实施例方法通过频谱分解分析及分频处理,在不同频率域提取相干、曲率等常规属性,可测试不同频率段属性可清晰反映不同断距、不同类型的断层,通过不同频率域属性融合合并处理形成一个完整的断裂检测数据体,可大大提高同一区域内发育不同断距、不同类型断层且密集发育的检测精度。
可选的,所述将原始地震数据进行频谱分解,于频率域中筛选出最清晰的频率段,得到频率段目标集包括:将原始地震数据进行频谱分解,得到频率域数据体,利用频率切片属性筛选出反映不同类型断层和不同断距级别的断层最清晰的频率段,得到频率段目标集。
可选的,所述最清晰的频率段具体为:一个或多个反映断裂最好的频率段。
可选的,所述提取所述频率段集中每个频率段的断裂属性体,得到断裂属性体集包括:将所述频率段集进行滤波处理,得到清晰的频率段集;提取所述清晰的频率段集中每个清晰频率段的断裂属性体,得到断裂属性体集。
可选的,所述将所述断裂属性体集中的断裂属性体进行融合,得到断裂预测属性融合体包括:将所述断裂属性体集中的断裂属性体进行同类属性融合和/或将所述断裂属性体集中的断裂属性体进行分类属性融合,得到断裂预测属性融合体。
如图2所示,在本发明一可选实施例中,提供了一种基于构造滤波处理、分频属性融合断裂检测方法,包括:
针对原始地震数据目标层进行频谱分解,选取目标层时窗形成频率域能量团数据,基于频率域属性提取不同频率段能量属性,不同频率域可以最清晰的反映不同类型、不同断距级别的断层,优选反映断裂最好的频率段。
进行分频处理,根据频谱分解优选的有利频段,将三维地震数据进行分频处理,形成不同频段地震数据,并提取有利频段的断裂属性体(属性体是传统的相干、曲率、蚂蚁体等常规数据体)。
针对三维分频地震数据的构造滤波处理,增强地震相位终止点(断点)的尖锐程度,提取的断层识别属性更清晰。
将不同频段识别的不同断距、不同类型的断裂属性体进行融合合并处理,得到最佳并且完整的断裂识别属性体。
说明:在工区较小,断层特征近似的情况下一般用一个频率段的属性即可达到最佳效果,不需进行融合计算。
频谱分解分析
频谱分解技术是一种频率域的解释方法,主要是沿某一地震时窗层段(小于60ms)进行频谱分析,用频率随时间的变化关系来研究断层、薄储层及沉积环境等。分频技术的基本算法为离散傅里叶变换或最大熵方法,频谱分解技术主要生成两种类型的数据体:调谐数据体和离散频率能量数据体。其中调谐数据体为频率域数据体,可通过频率切片属性分析确定反映断裂最好的频率段,一般认为同一区域内断层类型相同,断距变化不大,在某一频段即可最好的、清晰的反映该区的断裂展布,如果在同一区域范围内断层类型不同(正断层、逆断层、走滑断层)、断距大小变化快,不同断层一般会在不同频段显示更为清晰。
分频处理
根据频谱分解分析结果,根据优选的频率段将原三维地震数据进行分频处理,形成多个频段的地震数据,并且分频处理的过程也可以消除原三维地震数据的残余噪声。
说明:对于频带较窄的地震数据可适当先进行拓频处理,再进行分频处理。
构造滤波处理
针对分频地震数据体的构造滤波处理包括两个方面,即基于扩散方程的沿地层构造方向的滤波和基于离散算法的沿构造方向的断裂增强滤波,这些预处理能在不影响构造复杂性的前提下消除噪声,改善断裂与微断裂的成像。
基于扩散方程的构造滤波目的是为了在地震资料滤波过程中保留构造特征的同时压制噪声;沿构造方向的断裂增强滤波采用的是离散矢量倾角搜索的相似扫描方法。该滤波处理能使层位的断点得到有效加强,在消除噪声的同时,并不会改变地震资料的频率和相位。通过体时窗对地震反射同相轴计算构造方向,基于扩散方程的构造滤波和断裂增强滤波采用构造方向的分析结果,对地震数据进行滤波处理,实现对断点的增强,反射同相轴横向连续性的改善,提高了地震数据的信噪比。经滤波处理后的地震数据能够更加有效地刻画褶皱、裂缝和岩溶地貌等地质构造特征。
断裂增强的构造倾角滤波处理的效果可以达到消去随机噪声和消除与地震反射同相轴相交的非随机噪声,并能在处理时窗内保持断点的非连续性。因此,该技术可以改进地震资料在横向上的连续性,并使断点的非连续性加强。构造倾角滤波处理是后续的构造解释、微断裂成像、裂缝储层预测和含气检测的基础。对比处理前后的地震剖面,可以看到数据的信噪比得到改善,地震信号的横向连续性得到了加强,垂向上不连续性得到加强,水平切片上的噪声也得到一定程度的降低。如图3所示,分频处理及构造滤波处理前后断裂识别对比地震剖面,可清楚看出处理后断裂识别的干脆程度及成像清晰程度明显提高。
属性融合技术
利用分频数据体制作传统的裂缝预测体(相干、曲率或蚂蚁体等)属性融合主要包括2类,一是同类属性融合,二是分类属性融合。既可以按照属性层位融合,也可形成属性融合地震数据体。同类属性融合按照数据合并计算即可,分类属性融合原理是假设同一地层窗口有N个属性,每个属性各成一类,计算属性相关系数,将彼此相关的属性合并为一个新属性类别,形成地震属性体或属性层位,用以反映断裂、沉积、油气特征等不同地质特征。如图4-6所示,图4识别的断裂模糊、断断续续;图5识别效果清晰,断层的连续性,切割关系均十分清楚;图6包含了两个2个频段识别断裂的分布,不仅识别效果清晰且识别断裂数量更多。
在本发明实施例的另一个方面,提供一种基于构造滤波处理、分频属性融合断裂检测装置,包括:频谱分解模块,用于将原始地震数据进行频谱分解,于频率域数据中筛选出反映断裂最清晰的频率段,得到频率段目标集;分频处理模块,用于根据所述频率段目标集将所述原始地震数据进行分频处理,得到频率段集;提取模块,用于提取所述频率段集中每个频率段的断裂属性体,得到断裂属性体集;融合模块,用于将所述断裂属性体集中的断裂属性体进行融合,得到断裂预测属性融合体。
可选的,所述频谱分解模块包括:频谱分解单元,用于将原始地震数据进行频谱分解,得到不同的频率段;筛选单元,用于筛选所述不同的频率段中反映不同类型断层和不同断距级别的断层最清晰的频率段,得到频率段目标集。
可选的,所述最清晰的频率段具体为:反映断裂最好的频率段。
可选的,所述提取模块包括:滤波单元,用于将所述频率段集进行滤波处理,得到清晰的频率段集;提取单元,用于提取所述清晰的频率段集中每个清晰频率段的断裂属性体,得到断裂属性体集。
可选的,所述融合模块包括:同类属性融合单元,用于将所述断裂属性体集中的断裂属性体进行同类属性融合,得到断裂预测属性融合体;和/或分类属性融合单元,用于将所述断裂属性体集中的断裂属性体进行分类属性融合,得到断裂预测属性融合体。
在本发明实施例的又一方面,提供一种储存介质,所述存储介质上存储有计算机程序,所述程序被处理器执行时实现上述技术方案中任意一项所述方法的步骤。
在本发明实施例的又一方面,提供一种电子设备,包括存储器、显示器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现上述技术方案中任意一项所述方法的步骤。
本发明旨在保护一种基于构造滤波处理、分频属性融合断裂检测方法,包括:将原始地震数据进行频谱分解,筛选出不同频率域中最清晰的频率段,得到频率段目标集;根据所述频率段目标集将所述原始地震数据进行分频处理,得到频率段集;提取所述频率段集中每个频率段的断裂属性体,得到断裂属性体集;将所述断裂属性体集中的断裂属性体进行融合,得到断裂预测属性融合体。该方法可大大提高同一区域内发育不同断距、不同类型断层且密集发育的检测精度,更加有利于指导油田的钻井部署。
应当理解的是,本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理,而不构成对本发明的限制。因此,在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。此外,本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。
Claims (12)
1.一种基于构造滤波处理、分频属性融合断裂检测方法,其特征在于,包括:
将原始地震数据进行频谱分解,于频率域中筛选出最清晰的频率段,得到频率段目标集;
根据所述频率段目标集将所述原始地震数据进行分频处理,得到频率段集;
提取所述频率段集中每个频率段的断裂属性体,得到断裂属性体集;
将所述断裂属性体集中的断裂属性体进行融合,得到断裂预测属性融合体。
2.根据权利要求1所述的检测方法,其特征在于,所述将原始地震数据进行频谱分解,于频率域中筛选出最清晰的频率段,得到频率段目标集包括:
将原始地震数据进行频谱分解,得到不同的频率段;
筛选所述不同的频率段中反映不同类型断层和不同断距级别的断层最清晰的频率段,得到频率段目标集。
3.根据权利要求2所述的检测方法,其特征在于,所述最清晰的频率段具体为:
反映断裂最好的频率段。
4.根据权利要求1所述的检测方法,其特征在于,所述提取所述频率段集中每个频率段的断裂属性体,得到断裂属性体集包括:
将所述频率段集进行滤波处理,得到清晰的频率段集;
提取所述清晰的频率段集中每个清晰频率段的断裂属性体,得到断裂属性体集。
5.根据权利要求1所述的检测方法,其特征在于,所述将所述断裂属性体集中的断裂属性体进行融合,得到断裂预测属性融合体包括:
将所述断裂属性体集中的断裂属性体进行同类属性融合和/或将所述断裂属性体集中的断裂属性体进行分类属性融合,得到断裂预测属性融合体。
6.一种基于构造滤波处理、分频属性融合断裂检测装置,其特征在于,包括:
频谱分解模块,用于将原始地震数据进行频谱分解,于频率域中筛选出最清晰的频率段,得到频率段目标集;
分频处理模块,用于根据所述频率段目标集将所述原始地震数据进行分频处理,得到频率段集;
提取模块,用于提取所述频率段集中每个频率段的断裂属性体,得到断裂属性体集;
融合模块,用于将所述断裂属性体集中的断裂属性体进行融合,得到断裂预测属性融合体。
7.根据权利要求6所述的检测装置,其特征在于,所述频谱分解模块包括:
频谱分解单元,用于将原始地震数据进行频谱分解,得到不同的频率段;
筛选单元,用于筛选所述不同的频率段中反映不同类型断层和不同断距级别的断层最清晰的频率段,得到频率段目标集。
8.根据权利要求7所述的检测装置,其特征在于,所述最清晰的频率段具体为:
反映断裂最好的频率段。
9.根据权利要求6所述的检测装置,其特征在于,所述提取模块包括:
滤波单元,用于将所述频率段集进行滤波处理,得到清晰的频率段集;
提取单元,用于提取所述清晰的频率段集中每个清晰频率段的断裂属性体,得到断裂属性体集。
10.根据权利要求1所述的检测装置,其特征在于,所述融合模块包括:
同类属性融合单元,用于将所述断裂属性体集中的断裂属性体进行同类属性融合,得到断裂预测属性融合体;和/或
分类属性融合单元,用于将所述断裂属性体集中的断裂属性体进行分类属性融合,得到断裂预测属性融合体。
11.一种储存介质,其特征在于,所述存储介质上存储有计算机程序,所述程序被处理器执行时实现权利要求1-5中任意一项所述方法的步骤。
12.一种电子设备,其特征在于,包括存储器、显示器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现权利要求1-5中任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010216599.8A CN111290020A (zh) | 2020-03-25 | 2020-03-25 | 基于构造滤波处理、分频属性融合断裂检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010216599.8A CN111290020A (zh) | 2020-03-25 | 2020-03-25 | 基于构造滤波处理、分频属性融合断裂检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111290020A true CN111290020A (zh) | 2020-06-16 |
Family
ID=71031124
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010216599.8A Pending CN111290020A (zh) | 2020-03-25 | 2020-03-25 | 基于构造滤波处理、分频属性融合断裂检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111290020A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111897008A (zh) * | 2020-08-07 | 2020-11-06 | 西南石油大学 | 一种基于地震分频技术的断裂分级预测方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050125157A1 (en) * | 2003-12-05 | 2005-06-09 | Shlumberger Technology Corporation | Method and system and program storage device for analyzing compressional 2D seismic data to identify zones of open natural fractures within rock formations |
CN102879822A (zh) * | 2012-09-28 | 2013-01-16 | 电子科技大学 | 一种基于Contourlet变换的地震多属性融合方法 |
CN106154327A (zh) * | 2016-08-17 | 2016-11-23 | 中国石油化工股份有限公司 | 一种提高隐蔽断层识别精度的方法 |
CN106997060A (zh) * | 2017-06-14 | 2017-08-01 | 中国石油大学(华东) | 一种基于Shearlet‑fastICA的地震多属性融合方法 |
CN108931814A (zh) * | 2017-05-26 | 2018-12-04 | 中国石油化工股份有限公司 | 一种基于多属性融合的基岩裂缝预测的方法 |
CN109061764A (zh) * | 2018-09-07 | 2018-12-21 | 中国石油化工股份有限公司 | 一种分频融合波阻抗反演方法 |
CN109116414A (zh) * | 2018-08-29 | 2019-01-01 | 中国海洋石油集团有限公司 | 一种基于谱分解和相干属性融合流程的水道复合体沉积要素精细识别方法 |
CN109425891A (zh) * | 2017-08-28 | 2019-03-05 | 中国石油化工股份有限公司 | 一种基于地质模型的断裂成像品质检测方法 |
CN109709612A (zh) * | 2018-11-07 | 2019-05-03 | 中国石油大学(北京) | 砂体分布预测方法、装置、设备及可读存储介质 |
CN110333533A (zh) * | 2019-04-28 | 2019-10-15 | 中国石油大学(华东) | 基于匹配追踪和rgb色彩融合的亮点油气检测方法及系统 |
-
2020
- 2020-03-25 CN CN202010216599.8A patent/CN111290020A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050125157A1 (en) * | 2003-12-05 | 2005-06-09 | Shlumberger Technology Corporation | Method and system and program storage device for analyzing compressional 2D seismic data to identify zones of open natural fractures within rock formations |
CN102879822A (zh) * | 2012-09-28 | 2013-01-16 | 电子科技大学 | 一种基于Contourlet变换的地震多属性融合方法 |
CN106154327A (zh) * | 2016-08-17 | 2016-11-23 | 中国石油化工股份有限公司 | 一种提高隐蔽断层识别精度的方法 |
CN108931814A (zh) * | 2017-05-26 | 2018-12-04 | 中国石油化工股份有限公司 | 一种基于多属性融合的基岩裂缝预测的方法 |
CN106997060A (zh) * | 2017-06-14 | 2017-08-01 | 中国石油大学(华东) | 一种基于Shearlet‑fastICA的地震多属性融合方法 |
CN109425891A (zh) * | 2017-08-28 | 2019-03-05 | 中国石油化工股份有限公司 | 一种基于地质模型的断裂成像品质检测方法 |
CN109116414A (zh) * | 2018-08-29 | 2019-01-01 | 中国海洋石油集团有限公司 | 一种基于谱分解和相干属性融合流程的水道复合体沉积要素精细识别方法 |
CN109061764A (zh) * | 2018-09-07 | 2018-12-21 | 中国石油化工股份有限公司 | 一种分频融合波阻抗反演方法 |
CN109709612A (zh) * | 2018-11-07 | 2019-05-03 | 中国石油大学(北京) | 砂体分布预测方法、装置、设备及可读存储介质 |
CN110333533A (zh) * | 2019-04-28 | 2019-10-15 | 中国石油大学(华东) | 基于匹配追踪和rgb色彩融合的亮点油气检测方法及系统 |
Non-Patent Citations (3)
Title |
---|
于静芳,张长建,陈群等: "GeoReservoirTM软件在玉北3井三维工区的应用", 《新疆地质》 * |
印兴耀,周静毅: "地震属性优化方法综述", 《石油地球物理勘探》 * |
唐春燕,张利红,彭国桃: "裂缝检测方法研究在普光地区的应用", 《勘探开发》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111897008A (zh) * | 2020-08-07 | 2020-11-06 | 西南石油大学 | 一种基于地震分频技术的断裂分级预测方法 |
CN111897008B (zh) * | 2020-08-07 | 2022-03-01 | 西南石油大学 | 一种基于地震分频技术的断裂分级预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wu et al. | Automatic fault interpretation with optimal surface voting | |
Li et al. | A method for low-frequency noise suppression based on mathematical morphology in microseismic monitoring | |
US8385603B2 (en) | Method for hierarchical determination of coherent events in a seismic image | |
Cohen et al. | Detection and extraction of fault surfaces in 3D seismic data | |
CN108415077A (zh) | 新的边缘检测低序级断层识别方法 | |
CN108710888B (zh) | 一种探地雷达数据配准方法 | |
Al-Dossary et al. | Lineament-preserving filtering | |
CN111582114B (zh) | 一种地震断层识别方法、装置、设备和存储介质 | |
CN109425891B (zh) | 一种基于地质模型的断裂成像品质检测方法 | |
Huang et al. | Random noise attenuation by planar mathematical morphological filtering | |
CN109100803B (zh) | 微断裂的确定方法和装置 | |
CN111290020A (zh) | 基于构造滤波处理、分频属性融合断裂检测方法及装置 | |
Otchere et al. | Improving seismic fault mapping through data conditioning using a pre-trained deep convolutional neural network: A case study on Groningen field | |
Alsalmi et al. | Mask filtering to the Wigner-Ville distribution | |
CN112698382B (zh) | 小尺度断控岩溶型储层地震预测方法及装置 | |
CN110333533B (zh) | 基于匹配追踪和rgb色彩融合的亮点油气检测方法及系统 | |
CN109283575A (zh) | 基于时频分解的断裂检测方法及系统 | |
CN110727025A (zh) | 一种隐蔽断层的识别方法 | |
CN110261905A (zh) | 基于倾角控制的复值相干微断层识别方法 | |
Wu et al. | Noise suppression of distributed fiber-optical acoustic sensing seismic data by attention-guided multiscale generative adversarial network | |
CN113138407B (zh) | 一种深层页岩气的多尺度断裂地震预测方法及系统 | |
Chen et al. | Curvature attributes with the 3D seismic Kalman filter for fault opening description—An application to a shale oil reservoir in the Jimsar sag, Junggar Basin, Xinjiang | |
CN113093274A (zh) | 低级序断层识别的方法、装置、终端及存储介质 | |
Li et al. | Signal-to-noise ratio enhancement for downhole microseismic data based on 3D shearlet transform | |
Yang et al. | Fractal Slope‐Based Seismic Wave Detection Method |
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 |