CN111323815B - 基于方位角的灰度共生矩阵预测碳酸盐岩裂缝储层的方法 - Google Patents

基于方位角的灰度共生矩阵预测碳酸盐岩裂缝储层的方法 Download PDF

Info

Publication number
CN111323815B
CN111323815B CN202010095364.8A CN202010095364A CN111323815B CN 111323815 B CN111323815 B CN 111323815B CN 202010095364 A CN202010095364 A CN 202010095364A CN 111323815 B CN111323815 B CN 111323815B
Authority
CN
China
Prior art keywords
gray level
occurrence matrix
azimuth angle
carbonate
gray
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
Application number
CN202010095364.8A
Other languages
English (en)
Other versions
CN111323815A (zh
Inventor
何建军
李琼
廖敏
何广平
王艺蓉
王丽萍
郝思宇
蔡华鹏
徐璐瑶
吴一帆
胡译芳
杨明玉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Univeristy of Technology
Original Assignee
Chengdu Univeristy of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chengdu Univeristy of Technology filed Critical Chengdu Univeristy of Technology
Priority to CN202010095364.8A priority Critical patent/CN111323815B/zh
Publication of CN111323815A publication Critical patent/CN111323815A/zh
Application granted granted Critical
Publication of CN111323815B publication Critical patent/CN111323815B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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

本发明公开了一种基于方位角的灰度共生矩阵预测碳酸盐岩裂缝储层的方法，改进了传统灰度共生矩阵计算时选取固定的方向参数，引入了实际方位角对传统的灰度共生矩阵计算进行优化。本发明在原有的灰度共生矩阵构造方法中用实际的方位角代替固定的方向，按碳酸盐岩储层中裂缝发育的实际方位角来计算灰度共生矩阵的特征参数，最后完成参数等权加法融合成综合参数进行碳酸盐岩裂缝储层的预测。与传统的灰度共生矩阵方法相比较，基于方位角的灰度共生矩阵特征参数在碳酸盐岩裂缝发育带的识别和检测方面，更能精细的揭示出目标层位的储层裂缝发育特征。

Description

基于方位角的灰度共生矩阵预测碳酸盐岩裂缝储层的方法
技术领域
本发明涉及一种碳酸盐岩裂缝储层的预测方法，尤其涉及一种基于方位角的灰度共生矩阵预测碳酸盐岩裂缝储层的方法。
背景技术
地层在沉积后经受了多期构造运动破坏，发生错位移动、断裂，将会产生一系列的断层和裂缝、节理，它们相互组合形成三维网络，即裂缝系统。如果把三维地震数据体看成是一个三维图像数据体，则可以利用图形图像上的一些纹理处理手段来进行裂缝密度的检测，如灰度共生矩阵。由于纹理、裂缝是由灰度分布在空间位置上反复出现而形成的，因而在图像空间中相隔某距离的两象素之间会存在一定的灰度关系，即图像中灰度的空间相关特性，灰度共生矩阵就是一种通过研究灰度的空间相关特性来描述纹理、裂缝的常用方法。
灰度共生矩阵是整个裂缝检测过程的核心。灰度共生矩阵特征参数有能量、对比度、均一度、熵等参数。能量是灰度共生矩阵元素值的平方和，反映了图像灰度分布均匀程度和纹理粗细度。该值越大，说明指定方向上各种灰度组合出现概率越趋于一致，也就是图像的杂乱程度越高，裂缝发育程度越大。对比度反映了图像的清晰度和纹理沟纹深浅的程度。纹理沟纹越深，裂缝规模大，其对比度越大；反之，对比度小，则沟纹浅，效果模糊。均一度表示了图像中局部灰度相关性。该特征参数与对比度参数正好相反。熵表示了图像中纹理的非均匀程度或复杂程度，值越高纹理越清晰，裂缝密度越小。因此可用灰度共生矩阵来近似表征裂缝发育密度。
传统的灰度共生矩阵测碳酸盐岩裂缝储层方法，是在灰度共生矩阵计算中直接选取0°，45°，90°，135°四个方向计算纹理特征，构造出灰度共生矩阵从而计算出PD，通过这四个方向上的PD来检测裂缝发育程度。由于碳酸盐岩储层中裂缝发育方向的随机性与不定性，这种固定方向的灰度共生矩阵计算属性与裂缝发育方向不一定匹配，由此对裂缝的检测能力较弱。因此选择准确的方向参数构造出合理的灰度共生矩阵，成为碳酸盐岩裂缝储层预测的关键因素之一。
发明内容
本发明的目的就在于提供一种解决上述问题，改善传统灰度共生矩阵方向参数选择的问题，改变传统灰度共生矩阵对裂缝检测能力较弱的情况，提出了一种以方位角作为计算灰度共生矩阵的方向参数来预测碳酸盐岩裂缝储层的方法，是一种基于方位角的灰度共生矩阵预测碳酸盐岩裂缝储层的方法。
为了实现上述目的，本发明采用的技术方案是这样的：一种基于方位角的灰度共生矩阵预测碳酸盐岩裂缝储层的方法，包括以下步骤：
(1)读取一时长为T的3D地震数据体；
(2)求取3D地震数据体中所有像素点的方位角，得到方位角体，并将3D地震数据体灰度化，得到3D灰色图像体；
(3)抽取t＝0时，方位角体和3D灰色图像体的水平切片，t为采样时间；
(4)将方位角体的水平切片标记为Qt，再将3D灰色图像体V的水平切片压缩到N阶，得到N阶灰度图像，标记为Vt，且N阶灰度图像中每个像素点对应一灰度值；
(5)计算Vt上所有像素点带方位角的灰度共生矩阵Lt，并计算Lt对应的特征参数Pt；
(51)在Vt上设定一窗口W，其高度和宽度为N的倍数，其中心像素点对应在Qt中的方位角为Az；
(52)构建窗口W的灰度共生矩阵Lw，Lw为一N×N的二维数组，其元素为Lw(i，j)，i＝1，2，…，N，j＝1，2，…，N；
对于每个元素Lw(i，j)，在W窗口中，统计方向为Az、距离为d的两个像素值为(i，j)的像素对个数，并将该个数作为该元素的元素值；
(53)以Lw为基础，计算W中心像素点对应的特征参数Pw，所述Pw包括对比度CON、能量ASM、熵ENT、相关值COR；
(54)在Vt上移动窗口W，重复步骤(52)(53)，得到Vt中所有像素点的特征参数Pw、按行列排列得到t＝0时，Vt特征参数Pt；
(6)依次抽取t＝1，2，3…，T时，方位角体Q和3D灰色图像体V的水平切片，每抽取一次，重复步骤(4)(5)，最终得到t＝1，2，3…，T时，Vt的特征参数Pt；
(7)将所有特征参数构成3D特征参数属性体PD。
作为优选：所述步骤(2)中，方位角Az采用下式得到：
Figure BDA0002385074160000031
其中，v1(x)、v1(y)是通过梯度结构张量方法计算出x,y方向上的特征向量。
作为优选：步骤(53)中，对比度CON、能量ASM、熵ENT、相关值COR分别采用下式得到：
对比度CON(t)：
Figure BDA0002385074160000041
能量ASM(t)：
Figure BDA0002385074160000042
熵ENT(t)：
Figure BDA0002385074160000043
相关性COR(t)：
Figure BDA0002385074160000044
其中，μi、μj、σi、σj分别是Li、Lj的均值和标准差，
Figure BDA0002385074160000045
和
Figure BDA0002385074160000046
分别为共生灰度矩阵Lt的每行、列数据之和。
作为优选：还包括以下步骤：
(8)选择一待测时间层作为目标层，从PD中抽取目标层的特征参数；
(9)将特征参数中，对比度CON、能参ASM、熵ENT、相关值COR四种参数均一化后等权加融合得到综合参数P，利用综合参数P对碳酸盐岩裂缝储层发育特征进行预测。
作为优选：所述N＝8或16。
本发明的主要思路为：
从3D地震数据体中得到对应的方位角体、3D灰色图像体，然后分别抽取不同时间对应的水平切片，方位角体和3D灰色图像体，在同一时间条件下，是一一对应的关系，本发明先针对同一时间条件的两水平切片处理，得到该时间条件下的灰度共生矩阵，利用灰度共生矩来求取特征参数。再循环上述操作，最终将所有时间条件下的特征参数构成3D特征参数属性体，再进行等权加法融合成一种综合参数，能准确地预测碳酸盐岩裂缝储层发育特征。
本发明虽然用到了灰度共生矩阵，但灰度共生矩阵的获取方法与现有技术完全不同。这是因为：
(1)传统的灰度共生矩阵测碳酸盐岩裂缝储层方法，是在灰度共生矩阵计算中直接选取0°，45°，90°，135°四个方向计算纹理特征，构造出灰度共生矩阵，是基于上述四个方向来检测裂缝发育程度。但由于碳酸盐岩储层中裂缝发育方向的随机性与不定性，这种固定方向的灰度共生矩阵计算属性与裂缝发育方向不一定匹配，由此对裂缝的检测能力较弱。所以本发明提出可一种新的灰度共生矩阵的统计方法。
(2)本发明是基于裂缝发育的实际方位角计算灰度共生矩阵，所以灰度共生矩阵中的角度并非0°，45°，90°，135°，而是需要根据本发明方法进行确定，再基于确定下来的方位角，计算灰度共生矩阵。
本发明在确定方位角时，必须用到方位角体，也就是说，必须已知3D地震数据体中所有像素点的方位角，所以本发明首先将3D地震数据体处理成了方位角体，另外，在同一时间条件的水平切片下，方位角体和3D灰色图像体的水平切片是一一对应的，所以经过本发明步骤(4)以后，同一时间条件下的Qt和Vt是一一对应的。这样，我们在Vt上设定窗口W后，当找到W的中心像素点时，就能在对应的Qt上，去查找该中心像素点的方位角，将该方位角，用于窗口W的灰度共生矩阵计算中。由于本发明是以特定的方位角作为灰度共生矩阵计算的方向参数，计算出灰度共生矩阵对应的特征参数体，最后进行等权加法融合成一种综合参数。由于计算中采用的方位角与碳酸盐岩裂缝发育方位保持一致，由此该综合参数能准确地预测碳酸盐岩裂缝储层发育特征。
与现有技术相比，本发明的优点在于：
(1)本发明提供了一种新的预测方法，改善了传统灰度共生矩阵方向参数选择为固定值，从而导致灰度共生矩阵计算属性与裂缝发育方向不一定匹配，由此对裂缝的检测能力较弱的技术缺陷，提出了一种利用方位角来求取带方位角的灰度共生矩阵的方法，为每个像素点都匹配对应的方位角来计算灰度共生矩阵，从而使灰度共生矩阵的计算属性与裂缝发育方向尽量匹配，本发明的方法很适应碳酸盐岩储层中裂缝发育方向的随机性与不定性，使用该方法计算得到的灰度共生矩阵，其特征参数与裂缝发育方向匹配度高，对裂缝的检测能力高。
(2)基于本发明方法计算出的特征参数，整合成综合参数进行碳酸盐岩裂缝储层检测，能使裂缝发育带的识别和检测方面准确率明显提升，效果更加显著。
(3)本发明改进后精准检测出裂缝发育带，准确率明显提升，实现对灰度共生矩阵预测碳酸盐岩裂缝储层方法优化。
附图说明
图1为实施例1一目标层中方位角取45°时计算的综合特征参数图；
图2为本发明流程图；
图3a为实施例3步骤(8)得到的对比度特征参数平面图；
图3b为实施例3步骤(8)得到的能量特征参数平面图；
图3c为实施例3步骤(8)得到的熵特征参数平面图；
图3d为实施例3步骤(8)得到的相关值特征参数平面图；
图4为实施例3经步骤(9)得到的综合参数P平面图。
具体实施方式
下面将结合附图对本发明作进一步说明。
实施例1：参见图1，一种传统的灰度共生矩阵预测碳酸盐岩裂缝储层的方法是：
(1)将3D地震数据体灰度化为3D灰色图像体；
(2)抽取t＝0时3D灰色图像体的2D图像；
(3)计算步骤(2)得到的2D图像的纹理属性图像；
(31)将步骤(2)得到的2D图像的灰度级数压缩为8，形成8阶2D图像；
(32)设定计算窗口W，计算W中心点像素点在0°，45°，90°，135°方向上的灰度共生矩阵Lt；
(33)计算Lt的特征参数；
(34)移动窗口W，重复(31)(32)(33)步骤，完成8阶2D图像上所有像素点的灰度共生矩阵对应的特征参数的计算组成特征属性图像。
(4)抽取t＝1,2,3…T(T为最大时间)时D灰色图像体的2D图像，重复步骤(3)步骤直到整个3D灰色图像体完成计算，将特征属性图像构成3D属性体；
(5)从3D属性体中抽取目的层的特征参数，均一化后等权加融合得到综合参数P。
(6)以P为基础进行裂缝储层的检测。
本方法中，计算灰度共生矩阵是裂缝储层的检测的核心步骤，传统的选择方向都是0°，45°，90°，135°计算灰度共生矩阵，图1是方位角取45°时的结果，而图1中所示研究区的主断层发育方向与这四个方向均不匹配，从而灰度共生矩阵属性参数检测结果反映出整工区裂缝无方向性，裂缝储层区域内分布杂乱，没有反映出目的层的裂缝性储层发育特征，因此该方法对裂缝的检测能力较弱。所以根据传统的固定方向来构造出来的灰度共生矩阵参数检测裂缝发育，效果非常差，应该考虑从裂缝的走向与灰度共生矩阵相结合，更加有利于对裂缝带的检测。
实施例2：参见图2，一种基于方位角的灰度共生矩阵预测碳酸盐岩裂缝储层的方法，包括以下步骤：
(1)读取一时长为T的3D地震数据体；
(2)求取3D地震数据体中所有像素点的方位角，得到方位角体，并将3D地震数据体灰度化，得到3D灰色图像体；
(3)抽取t＝0时，方位角体和3D灰色图像体的水平切片，t为采样时间；
(4)将方位角体的水平切片标记为Qt，再将3D灰色图像体V的水平切片压缩到N阶，得到N阶灰度图像，标记为Vt，且N阶灰度图像中每个像素点对应一灰度值；
(5)计算Vt上所有像素点带方位角的灰度共生矩阵Lt，并计算Lt对应的特征参数Pt；
(51)在Vt上设定一窗口W，其高度和宽度为N的倍数，其中心像素点对应在Qt中的方位角为Az；
(52)构建窗口W的灰度共生矩阵Lw，Lw为一N×N的二维数组，其元素为Lw(i，j)，i＝1，2，…，N，j＝1，2，…，N；
对于每个元素Lw(i，j)，在W窗口中，统计方向为Az、距离为d的两个像素值为(i，j)的像素对个数，并将该个数作为该元素的元素值；
(53)以Lw为基础，计算W中心像素点对应的特征参数Pw，所述Pw包括对比度CON、能量ASM、熵ENT、相关值COR；
(54)在Vt上移动窗口W，重复步骤(52)(53)，得到Vt中所有像素点的特征参数Pw、按行列排列得到t＝0时，Vt特征参数Pt；
(6)依次抽取t＝1，2，3…，T时，方位角体Q和3D灰色图像体V的水平切片，每抽取一次，重复步骤(4)(5)，最终得到t＝1，2，3…，T时，Vt的特征参数Pt；
(7)将所有特征参数构成3D特征参数属性体PD。
本实施例中：所述步骤(2)中，方位角Az采用下式得到：
Figure BDA0002385074160000091
其中，v1(x)、v1(y)是通过梯度结构张量方法计算出x,y方向上的特征向量。
本实施例中：步骤(53)中，对比度CON、能量ASM、熵ENT、相关值COR分别采用下式得到：
对比度CON(t)：
Figure BDA0002385074160000101
能量ASM(t)：
Figure BDA0002385074160000102
熵ENT(t)：
Figure BDA0002385074160000103
相关性COR(t)：
Figure BDA0002385074160000104
其中，μi、μj、σi、σj分别是Li、Lj的均值和标准差，
Figure BDA0002385074160000105
和
Figure BDA0002385074160000106
分别为共生灰度矩阵Lt的每行、列数据之和。t为某一目标层时间。
本实施例中，所述N＝8或16。
为了更好的说明如何构建灰度共生矩阵，我们做如下描述：
假设步骤(51)中，在Vt上设定一窗口W，我们找到这个窗口W的中心，中心对应了一Vt上像素点，我们将其作为窗口W的中心像素点，利用这个中心像素点去对应的Qt图像上，找到该中心像素点的方位角，假设为20°：
则步骤(52)中，在构建窗口W的灰度共生矩阵Lw时，我们就用20°作为方向。假设距离为d＝1，也可以是其他值，则灰度共生矩阵中，第1行第1列的元素Lw(1，1)，则是统计W窗口中，方向为20°，距离为1的两个像素值为(1，1)的像素对个数，若为1对，则Lw(1，1)＝1，若为3对，则Lw(1，1)＝3。
同理，第3行第4列的元素Lw(3，4)，则是统计W窗口中，方向为20°，距离为1的两个像素值为(3，4)的像素对个数，若为1对，则Lw(3，4)＝1，若为2对，则Lw(3，4)＝2；依此类推。
本发明与实施例1采用传统计算灰度共生矩阵时选取的四个固定方向参数0°，45°，90°，135°的方法不同，而是根据利用裂缝实际发育的方位角来求取带方位角的灰度共生矩阵的方法，用于更加准确预测碳酸盐岩裂缝储层。
由于纹理、裂缝是由灰度分布在空间位置上反复出现而形成的。求得单个像素的方位角，目的是求解每个像素按方位角方向的灰度共生矩阵。正是因为不是根据固有的四个角度，而是根据裂缝的走势计算出灰度荏矩阵的属性参数，在此基础上让裂缝发育带的识别和检测准确率有明显提升，效果更加显著。
实施例3：参见图2-图4，本实施例3与实施例2相比，还包括以下步骤：
(8)选择一待测时间层作为目标层，从PD中抽取目标层的特征参数；
(9)将特征参数中，对比度CON、能参ASM、熵ENT、相关值COR四种参数均一化后等权加融合得到综合参数P，利用综合参数P对碳酸盐岩裂缝储层发育特征进行预测。
其余与实施例2相同。
对比实施例1和实施例3，我们可以得到以下结论：
本文实例对比传统的灰度共生矩阵预测碳酸盐层裂缝储层方法和带方位角的灰度共生矩阵预测碳酸盐层方法，在保证原数据不变、参数不变的情况下进行实验对比。实验一为传统灰度共生矩阵进行储层检测，实验二为本文提出的基于方位角的灰度共生矩阵预测碳酸盐层裂缝储层检测。
数据模拟实验分析：本文对两种算法进行了模拟实验，采用控制变量法，在保证数据不变、参数不变的情况下进行实验对比。实施例1为传统灰度共生矩阵储层检测，其灰度共生矩阵的计算采用通用45°方位角，再将其结果进行求取均值融合，其结果如图一所示。
实施例2、3，均为本文提出的基于方位角的灰度共生矩阵各属性参数预测碳酸盐岩裂缝储层检测。在灰度共生矩阵的具体计算中引入方位角。其特点是灰度共生矩阵的计算方向采用的是由数据中提取出的方位角，而不是统一的固定0°、45°、90°、135°四个方向。计算出四个特征图像如图3所示，经过等权加融合后得到图4目标层碳酸盐岩裂缝储层检测结果，图中揭示出较准确裂缝储层平面发育特征。从图4中可以看出，本发明方法检测出的碳酸盐岩储层中裂缝发育带在图4虚线圈中所示，均沿主断层分布，与断层关系明显，平面上分布规律性强，钻井也证实了裂缝性储层检测结果非常准确。
灰度共生矩阵的计算中，主要有如下参数的确定：灰度级数、窗口大小、步长、方向。实验过程中固定了灰度级数、窗口大小、步长，然后研究方向的选取对实验结果的影响，特别是本文的以方位角为灰度共生矩阵的计算方向。通过分析比较，本文基于方位角的灰度共生矩阵预测碳酸盐层裂缝储层的方法，在细节上更能精细的揭示目标层位的裂缝发育特征，可以看出检测出的碳酸盐岩储层中裂缝发育带(圆圈内)均沿主断层分布，与断层关系明显，平面上分布规律性强，钻井也证实了裂缝性储层检测结果非常准确。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种基于方位角的灰度共生矩阵预测碳酸盐岩裂缝储层的方法，其特征在于：包括以下步骤：
(1)读取一时长为T的3D地震数据体；
(2)求取3D地震数据体中所有像素点的方位角，得到方位角体，并将3D地震数据体灰度化，得到3D灰色图像体；
(3)抽取t＝0时，方位角体和3D灰色图像体的水平切片，t为采样时间；
(4)将方位角体的水平切片标记为Qt，再将3D灰色图像体V的水平切片压缩到N阶，得到N阶灰度图像，标记为Vt，且N阶灰度图像中每个像素点对应一灰度值；
(5)计算Vt上所有像素点带方位角的灰度共生矩阵Lt，并计算Lt对应的特征参数Pt；
(51)在Vt上设定一窗口W，其高度和宽度为N的倍数，其中心像素点对应在Qt中的方位角为Az；
(52)构建窗口W的灰度共生矩阵Lw，Lw为一N×N的二维数组，其元素为Lw(i，j)，i＝1，2，…，N，j＝1，2，…，N；
对于每个元素Lw(i，j)，在W窗口中，统计方向为Az、距离为d的两个像素值为(i，j)的像素对个数，并将该个数作为该元素的元素值；
(53)以Lw为基础，计算W中心像素点对应的特征参数Pw，所述Pw包括对比度CON、能量ASM、熵ENT、相关值COR；
(54)在Vt上移动窗口W，重复步骤(52)(53)，得到Vt中所有像素点的特征参数Pw、按行列排列得到t＝0时，Vt特征参数Pt；
(6)依次抽取t＝1，2，3…，T时，方位角体Q和3D灰色图像体V的水平切片，每抽取一次，重复步骤(4)(5)，最终得到t＝1，2，3…，T时，Vt的特征参数Pt；
(7)将所有特征参数构成3D特征参数属性体PD。
2.根据权利要求1所述的基于方位角的灰度共生矩阵预测碳酸盐岩裂缝储层的方法，其特征在于：所述步骤(2)中，方位角Az采用下式得到：
Figure FDA0002944135170000021
其中，v1(x)、v1(y)是通过梯度结构张量方法计算出x,y方向上的特征向量。
3.根据权利要求1所述的基于方位角的灰度共生矩阵预测碳酸盐岩裂缝储层的方法，其特征在于：还包括以下步骤：
(8)选择一待测时间层作为目标层，从PD中抽取目标层的特征参数；
(9)将特征参数中，对比度CON、能量ASM、熵ENT、相关值COR四种参数均一化后等权加融合得到综合参数P，利用综合参数P对碳酸盐岩裂缝储层发育特征进行预测。
4.根据权利要求1所述的基于方位角的灰度共生矩阵预测碳酸盐岩裂缝储层的方法，其特征在于：所述N＝8或16。
CN202010095364.8A 2020-02-17 2020-02-17 基于方位角的灰度共生矩阵预测碳酸盐岩裂缝储层的方法 Active CN111323815B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010095364.8A CN111323815B (zh) 2020-02-17 2020-02-17 基于方位角的灰度共生矩阵预测碳酸盐岩裂缝储层的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010095364.8A CN111323815B (zh) 2020-02-17 2020-02-17 基于方位角的灰度共生矩阵预测碳酸盐岩裂缝储层的方法

Publications (2)

Publication Number Publication Date
CN111323815A CN111323815A (zh) 2020-06-23
CN111323815B true CN111323815B (zh) 2021-04-02

Family

ID=71168934

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010095364.8A Active CN111323815B (zh) 2020-02-17 2020-02-17 基于方位角的灰度共生矩阵预测碳酸盐岩裂缝储层的方法

Country Status (1)

Country Link
CN (1) CN111323815B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113960673B (zh) * 2021-10-26 2022-05-13 广州海洋地质调查局 一种基于地震反演的块体流沉积封堵性评价方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6438493B1 (en) * 2000-09-29 2002-08-20 Exxonmobil Upstream Research Co. Method for seismic facies interpretation using textural analysis and neural networks
US20100025109A1 (en) * 2008-07-30 2010-02-04 Baker Hughes Incorporated Apparatus and Method for Generating Formation Textural Feature Images
WO2014165512A1 (en) * 2013-04-02 2014-10-09 Schlumberger Canada Limited Processing seismic attributes using mathematical morphology
CN103488971B (zh) * 2013-09-06 2017-02-08 电子科技大学 生物礁储层的几何形态识别方法
CN103559496B (zh) * 2013-11-15 2016-08-17 中南大学 泡沫图像多尺度多方向纹理特征的提取方法
CN105303548B (zh) * 2015-06-02 2017-12-22 杭州电子科技大学 基于混合智能优化算法的sar图像特征选择方法
CN108008446B (zh) * 2017-11-29 2019-04-02 西南石油大学 基于线形自适应灰阶化理论的地震属性突变界线求取方法
CN108415077B (zh) * 2018-02-11 2021-02-26 中国石油化工股份有限公司 边缘检测低序级断层识别方法

Also Published As

Publication number Publication date
CN111323815A (zh) 2020-06-23

Similar Documents

Publication Publication Date Title
CN105487121B (zh) 基于ct扫描图像与电成像图像融合构建多尺度数字岩心方法
US10223782B2 (en) Digital rock physics-based trend determination and usage for upscaling
CN110659718A (zh) 基于深度卷积神经网络的小卷积核细胞计数方法及系统
CN101915943B (zh) 均匀背景介质的介电常数和隐蔽目标参数的联合反演方法
CN103473786B (zh) 基于多目标模糊聚类的灰度图像分割方法
CN105931257B (zh) 基于纹理特征和结构相似度的sar图像质量评估方法
CN109977968B (zh) 一种深度学习分类后比较的sar变化检测方法
CN103425990B (zh) 一种基于纹理特征的合成孔径声纳目标检测方法
CN111323815B (zh) 基于方位角的灰度共生矩阵预测碳酸盐岩裂缝储层的方法
Abouelatta Classification of copper alloys microstructure using image processing and neural network
CN110047079A (zh) 一种基于对象相似性的最优分割尺度选择方法
CN106908774B (zh) 基于多尺度核稀疏保持投影的一维距离像识别方法
CN113075731B (zh) 深层储层连续性井筒数字建模方法及装置
CN106226831A (zh) 一种岩心的孔隙度矩阵反演方法
Li et al. 3D ground penetrating radar road underground target identification algorithm using time-frequency statistical features of data
Perfect et al. Accuracy of generalized dimensions estimated from grayscale images using the method of moments
CN104732190A (zh) 一种基于正交纹理相关分析的合成孔径声纳目标检测方法
CN107437260A (zh) 基于纹理分析的缝洞储集体形态描述方法
Riveiro et al. Automated calibration of fem models using lidar point clouds
CN111222223A (zh) 用于确定无线电波传播环境电磁参数的方法
CN111986078A (zh) 一种基于引导数据的多尺度岩心ct图像融合重建的方法
Li et al. Description of shale pore fracture structure based on multi-fractal theory
Huang et al. Enhanced Quantum Force Sensing by Digital Twinning of Atomic Bose-Einstein Condensates
Antonova et al. Error estimation for computed polycrystalline texture characteristics by varying measurement parameters in electron microscopy methods
Cheng Research on a New Reconstruction Technology and Evaluation Method for 3D Digital Core Pore Structure

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