CN111337980A - 基于时移全波形反演的二氧化碳封存监测方法和系统 - Google Patents
基于时移全波形反演的二氧化碳封存监测方法和系统 Download PDFInfo
- Publication number
- CN111337980A CN111337980A CN202010302751.4A CN202010302751A CN111337980A CN 111337980 A CN111337980 A CN 111337980A CN 202010302751 A CN202010302751 A CN 202010302751A CN 111337980 A CN111337980 A CN 111337980A
- Authority
- CN
- China
- Prior art keywords
- time
- curvelet
- inversion
- lapse seismic
- lapse
- 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
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 title claims abstract description 124
- 229910002092 carbon dioxide Inorganic materials 0.000 title claims abstract description 63
- 239000001569 carbon dioxide Substances 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000012544 monitoring process Methods 0.000 title claims abstract description 36
- 230000009919 sequestration Effects 0.000 title claims abstract description 34
- 230000009466 transformation Effects 0.000 claims abstract description 37
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 18
- 238000009792 diffusion process Methods 0.000 claims abstract description 15
- 230000008569 process Effects 0.000 claims abstract description 15
- 238000007789 sealing Methods 0.000 claims abstract description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 8
- 239000000243 solution Substances 0.000 description 6
- 238000013499 data model Methods 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction 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. analysis, for interpretation, for correction
- 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
- G01V1/28—Processing seismic data, e.g. analysis, for interpretation, for correction
- G01V1/30—Analysis
- G01V1/303—Analysis for determining velocity profiles or travel times
-
- 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. analysis, for interpretation, for correction
- G01V1/30—Analysis
- G01V1/306—Analysis for determining physical properties of the subsurface, e.g. impedance, porosity or attenuation profiles
-
- G01V20/00—
-
- 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
- G01V2210/622—Velocity, density or impedance
- G01V2210/6222—Velocity; travel time
-
- 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
- G01V2210/622—Velocity, density or impedance
- G01V2210/6224—Density
-
- 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
Abstract
本发明提供了一种基于时移全波形反演的二氧化碳封存监测方法和系统,包括:获取待监测地层在封存二氧化碳过程中的不同时期的多个时移地震数据;分别对每个时移地震数据进行曲波变换操作,得到多个曲波系数;基于多个曲波系数对多个时移地震数据进行全波形反演操作,得到多个目标时移反演结果;多个目标时移反演结果包括待监测地层在封存二氧化碳过程中的不同时期的地层参数;基于多个目标时移反演结果,确定待监测地层中被封存的二氧化碳在不同时期的的扩散情况。本发明缓解了现有技术中存在的由于“周波跳跃”及缺失低频信息导致的二氧化碳封存监测准确性差的技术问题。
Description
技术领域
本发明涉及二氧化碳封存技术领域,尤其是涉及一种基于时移全波形反演的二氧化碳封存监测方法和系统。
背景技术
化石能源的大量燃烧,导致空气中的二氧化碳(CO2)浓度在不断增加,而碳捕集与封存(Carbon Capture and Storage,CCS)被认为是减少空气中CO2浓度的最快速、有效的方法之一。但是这需要大量的经济成本,所以人们常将CO2用于驱油来平衡这一经济支出。CO2的扩散情况监测是驱油状况及安全封存的关键,但是CO2扩散引起的地层参数变化是微小的,需要采用高精度的方法来进行预测。目前全波形反演(Full Waveform Inversion,FWI)被认为是精度最高的地层参数反演方法,但是由于“周波跳跃”及缺失低频信息,导致全波形反演在实际应用,尤其是陆地勘探中以及二氧化碳封存监测中存在着准确性差的技术问题。
发明内容
有鉴于此,本发明的目的在于提供一种基于时移全波形反演的二氧化碳封存监测方法和系统,以缓解了现有技术中存在的由于“周波跳跃”及缺失低频信息导致的二氧化碳封存监测准确性差的技术问题。
第一方面,本发明实施例提供了一种基于时移全波形反演的二氧化碳封存监测方法,包括:获取待监测地层在封存二氧化碳过程中的不同时期的多个时移地震数据;其中,一个时期对应一个时移地震数据;分别对每个时移地震数据进行曲波变换操作,得到多个曲波系数;基于所述多个曲波系数对所述多个时移地震数据进行全波形反演操作,得到多个目标时移反演结果;所述多个目标时移反演结果包括所述待监测地层在封存二氧化碳过程中的不同时期的地层参数;一个目标时移反演结果对应一个时期的地层参数;基于所述多个目标时移反演结果,确定所述待监测地层中被封存的二氧化碳在不同时期的扩散情况。
进一步地,分别对每个时移地震数据进行曲波变换操作,得到多个曲波系数,包括:通过如下算式对每个时移地震数据进行曲波变换操作:其中,c表示所述曲波系数,表示窗函数Uj,l,k(w)的反傅里叶变换函数,f(w)表示所述时移地震数据,w表示组成所述时移地震数据的参数,j表示所述曲波变换的尺度参数,l表示所述曲波变换的方向参数,k表示所述曲波变换的位置参数,π为圆周率。
进一步地,每个曲波系数均包括N个尺度层,每个尺度层包括多个方向数据,N为大于1的整数;基于所述多个曲波系数对所述多个时移地震数据进行全波形反演操作,得到多个目标时移反演结果,包括:分别对每个曲波系数中的N个尺度层的方向数据进行曲波反变换操作,得到不同尺度层所对应的多个时移地震尺度数据;其中,一个曲波系数对应N个时移地震尺度数据;将对应于同一个曲波系数的N个时移地震尺度数据按照尺度从粗到细进行排列,使得每个时移地震尺度数据都比后面的时移地震尺度数据粗一级;从第一个时移地震尺度数据开始,分别对所述对应于同一个曲波系数的N个时移地震尺度数据中的每个时移地震尺度数据进行全波形反演操作;其中,对每个时移地震数据进行全波反演操作后得到的时移反演结果,作为对下一个时移地震数据进行全波反演操作时的初始模型,对第一个时移地震数据进行全波反演操作时的初始模型为以下任一项:平均模型,测井插值模型;分别将对第N个时移地震尺度数据进行全波反演操作之后得到的时移反演结果,作为每个曲波系数对应的目标时移反演结果,得到多个目标时移反演结果。
进一步地,基于所述多个曲波系数对所述多个时移地震数据进行全波形反演操作,得到多个目标时移反演结果,包括:获取预设初始模型;所述预设初始模型包括以下任一项:平均模型,测井插值模型;基于所述预设初始模型,对所述多个曲波系数进行全波形反演操作,得到多个反演后的曲波系数;其中,一个反演后的曲波系数对应一个曲波系数;对所述多个反演后的曲波系数进行曲波反变换,得到多个目标时移反演结果;一个反演后的曲波系数对应一个目标时移反演结果。
进一步地,在分别对每个时移地震数据进行曲波变换操作,得到多个曲波系数之后,所述方法还包括:基于所述多个曲波系数,对所述多个时移地震数据中的随机噪声进行去除操作,得到衰减噪声之后的多个时移地震数据。
第二方面,本发明实施例还提供了一种基于时移全波形反演的二氧化碳封存监测系统,包括:获取模块,曲波变换模块,反演模块和监测模块,其中,所述获取模块,用于获取待监测地层在封存二氧化碳过程中的不同时期的多个时移地震数据;其中,一个时期对应一个时移地震数据;所述曲波变换模块,用于分别对每个时移地震数据进行曲波变换操作,得到多个曲波系数;所述反演模块,用于基于所述多个曲波系数对所述多个时移地震数据进行全波形反演操作,得到多个目标时移反演结果;所述多个目标时移反演结果包括所述待监测地层在封存二氧化碳过程中的不同时期的地层参数;一个目标时移反演结果对应一个时期的地层参数;所述监测模块,用于基于所述多个目标时移反演结果,确定所述待监测地层中被封存的二氧化碳在不同时期的扩散情况。
进一步地,每个曲波系数均包括N个尺度层,每个尺度层包括多个方向数据,N为大于1的整数;所述反演模块还包括第一反演单元,用于:分别对每个曲波系数中的N个尺度层的方向数据进行曲波反变换操作,得到不同尺度层所对应的多个时移地震尺度数据;其中,一个曲波系数对应N个时移地震尺度数据;将对应于同一个曲波系数的N个时移地震尺度数据按照尺度从粗到细进行排列,使得每个时移地震尺度数据都比后面的时移地震尺度数据粗一级;从第一个时移地震尺度数据开始,分别对所述对应于同一个曲波系数的N个时移地震尺度数据中的每个时移地震尺度数据进行全波形反演操作;其中,对每个时移地震数据进行全波反演操作后得到的时移反演结果,作为对下一个时移地震数据进行全波反演操作时的初始模型,对第一个时移地震数据进行全波反演操作时的初始模型为以下任一项:平均模型,测井插值模型;分别将对第N个时移地震尺度数据进行全波反演操作之后得到的时移反演结果,作为每个曲波系数对应的目标时移反演结果,得到多个目标时移反演结果。
进一步地,所述反演模块还包括第二反演单元,用于:获取预设初始模型;所述预设初始模型包括以下任一项:平均模型,测井插值模型;基于所述预设初始模型,对所述多个曲波系数进行全波形反演操作,得到多个反演后的曲波系数;其中,一个反演后的曲波系数对应一个曲波系数;对所述多个反演后的曲波系数进行曲波反变换,得到多个目标时移反演结果;一个反演后的曲波系数对应一个目标时移反演结果。
进一步地,所述系统还包括:降噪模块,用于基于所述多个曲波系数,对所述多个时移地震数据中的随机噪声进行去除操作,得到衰减噪声之后的多个时移地震数据。
第三方面,本发明实施例还提供了一种电子设备,包括存储器、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计算机程序时实现上述第一方面所述的方法的步骤。
本发明提供了一种基于时移全波形反演的二氧化碳封存监测方法和系统,获取待监测地层在封存二氧化碳过程中的不同时期的多个时移地震数据;对多个时移地震数据进行曲波变换操作,得到多个曲波系数;基于多个曲波系数对多个时移地震数据进行全波形反演操作,得到多个目标时移反演结果;基于多个目标时移反演结果,确定待监测地层中被封存的二氧化碳在不同时期的扩散情况。本发明利用曲波变换的高稀疏性来对时移地震数据进行处理,然后通过时移全波形反演预测二氧化碳的扩散情况,可以有效缓解现有技术中存在的由于“周波跳跃”及缺失低频信息导致的二氧化碳封存监测准确性差的技术问题。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体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,下面描述中的附图是本发明的一些实施方式,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,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种基于时移全波形反演的二氧化碳封存监测方法的流程图;
图2为本发明实施例提供的第一种基于曲波变换的全波形反演方法流程图;
图3为本发明实施例提供的第二种基于曲波变换的全波形反演方法流程图;
图4为本发明实施例提供的一种无噪声情况下的纵波速度反演结果示意图;
图5为本发明实施例提供的一种加入噪声之后的纵波速度反演结果示意图;
图6为本发明实施例提供的一种基于时移全波形反演的二氧化碳封存监测系统的示意图;
图7为本发明实施例提供的另一种基于时移全波形反演的二氧化碳封存监测系统的示意图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,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。
实施例一:
图1是根据本发明实施例提供的一种基于时移全波形反演的二氧化碳封存监测方法的流程图。如图1所示,该方法具体包括如下步骤:
步骤S102,获取待监测地层在封存二氧化碳过程中的不同时期的多个时移地震数据。其中,一个时期对应一个时移地震数据。
步骤S104,分别对每个时移地震数据进行曲波变换操作,得到多个曲波系数。
在本发明实施例中,通过如下算式对每个时移地震数据进行曲波变换操作:
其中,c表示曲波系数,表示窗函数Uj,l,k(w)的反傅里叶变换函数,f(w)表示时移地震数据,w表示组成时移地震数据的参数,j表示曲波变换的尺度参数,l表示曲波变换的方向参数,k表示曲波变换的位置参数。在本发明实施例中,j、l、k三个参数可以根据实际需要进行设置。
步骤S106,基于多个曲波系数对多个时移地震数据进行全波形反演操作,得到多个目标时移反演结果;多个目标时移反演结果包括待监测地层在封存二氧化碳过程中的不同时期的地层参数,例如,横波速度,纵波速度,密度等;一个目标时移反演结果对应一个时期的地层参数。
步骤S108,基于多个目标时移反演结果,确定待监测地层中被封存的二氧化碳在不同时期的扩散情况。
例如,可以根据多个目标时移反演结果之间的差值,得到目标反演结果在不同时期的变化量,然后基于变化量再结合CO2注入会引起待监测底层的纵波速度(还有横波速度、密度)值的变小这一特性,可以确定待监测底层中被封存的二氧化碳在不同时期的扩散情况。
本发明提供的一种基于时移全波形反演的二氧化碳封存监测方法,利用曲波变换的高稀疏性来对时移地震数据进行处理,然后通过时移全波形反演预测二氧化碳的扩散情况,可以有效缓解现有技术中存在的由于“周波跳跃”及缺失低频信息导致的二氧化碳封存监测准确性差的技术问题。
可选地,本发明实施例提供了两种实施方式,实现利用曲波系数对时移地震数据进行全波形反演操作。
实施方式一:
首先,分别对每个曲波系数中的N个尺度层的方向数据进行曲波反变换操作,得到不同尺度层所对应的多个时移地震尺度数据;其中,每个曲波系数均包括N个尺度层,每个尺度层包括多个方向数据,N为大于1的整数;一个曲波系数对应N个时移地震尺度数据。
然后,将对应于同一个曲波系数的N个时移地震尺度数据按照尺度从粗到细进行排列,使得每个时移地震尺度数据都比后面的时移地震尺度数据粗一级;从第一个时移地震尺度数据开始,分别对对应于同一个曲波系数的N个时移地震尺度数据中的每个时移地震尺度数据进行全波形反演操作;其中,对每个时移地震数据进行全波反演操作后得到的时移反演结果,作为对下一个时移地震数据进行全波反演操作时的初始模型,对第一个时移地震数据进行全波反演操作时的初始模型为以下任一项:平均模型,测井插值模型。
最后,分别将对第N个时移地震尺度数据进行全波反演操作之后得到的时移反演结果,作为每个曲波系数对应的目标时移反演结果,得到多个目标时移反演结果。
例如,图2是根据本发明实施例提供的第一种基于曲波变换的全波形反演方法流程图,如图2所示,对于一个时移地震数据进行全波形反演时包括如下步骤:对时移地震数据进行曲波变换和曲波反变换,得到曲波系数的三个尺度层所对应的三组时移地震尺度数据,分别为:粗尺度数据,中尺度数据和细尺度数据,其中,粗尺度数据包含待监测地层的趋势信息,细尺度数据包含待监测地层的细节信息;将不同尺度的数据分别进行全波形反演,前者反演结果作为后者反演的初始模型,得到目标时移反演结果。
具体地,首先利用初始模型(例如可以是平均模型,测井插值模型等)对粗尺度数据进行全波形反演,然后将得到的第一反演结果作为新的初始模型,对中尺度数据进行全波形反演,最后将得到的第二反演结果作为新的初始模型,对细尺度数据进行全波形反演,得到反演结果,将最后得到的反演结果作为目标时移反演结果。
实施方式二:
首先,获取预设初始模型;预设初始模型包括以下任一项:平均模型,测井插值模型;然后,基于预设初始模型,对多个曲波系数进行全波形反演操作,得到多个反演后的曲波系数;其中,一个反演后的曲波系数对应一个曲波系数;最后,对多个反演后的曲波系数进行曲波反变换,得到多个目标时移反演结果;一个反演后的曲波系数对应一个目标时移反演结果。
例如,图3是根据本发明实施例提供的第二种基于曲波变换的全波形反演方法流程图,如图3所示,对于一个时移地震数据进行全波形反演时包括如下步骤:将时移地震数据通过曲波变换变换到曲波域,得到曲波系数,然后利用曲波系数和初始模型进行全波形反演,得到反演后曲波系数,再经过曲波反变换,得到目标时移反演结果。
可选地,本发明实施例提供的方法还包括对时移地震数据进行降噪的方法,在步骤S104之后,包括:基于多个曲波系数,对多个时移地震数据中的随机噪声进行去除操作,得到衰减噪声之后的多个时移地震数据。
具体地,是将变换得到的曲波系数,按照数值大小进行从小到大排序,再根据设置好的阈值,即可去除小于阈值的曲波系数,经过反变换,即可达到去噪或者分尺度的目的。
本发明实施例提供了一种基于时移全波形反演的二氧化碳封存监测方法,①利用曲波变换的高稀疏性来对时移地震数据进行处理,提取不同尺度的数据用于全波形反演,其中粗尺度可以反映地层的宏观信息,细尺度可以反映地层的细节信息。②将时移地震数据变换到曲波域,针对曲波系数进行反演,再经过反变换得到反演结果。通过时移FWI预测CO2的气驱前缘位置,实现CO2安全封存的监测。
图4和图5分别为基于Marmousi模型对本发明实施例提供的方法进行测试的两次模拟结果示意图。图4为无噪声情况下的纵波速度反演结果示意图,如图4所示,(a)为实际背景数据模型,(b)为基于曲波变换的背景数据反演结果,(c)为监测数据模型,(d)为基于曲波变换的监测数据反演结果,(e)为初始模型,(f)为两次反演结果的差。
图5为加入噪声(SNR=12)之后的纵波速度反演结果示意图。如图5所示,(a)为常规反演结果,(b)为基于曲波变换的反演结果,(c)为常规反演的时移数据结果差,(d)为基于曲波变换的时移反演结果的差。
实施例二:
图6时根据本发明实施例提供的一种基于时移全波形反演的二氧化碳封存监测系统的示意图。如图6所示,该系统包括:获取模块10,曲波变换模块20,反演模块30和监测模块40。
具体地,获取模块10,用于获取待监测地层在封存二氧化碳过程中的不同时期的多个时移地震数据;其中,一个时期对应一个时移地震数据。
曲波变换模块20,用于分别对每个时移地震数据进行曲波变换操作,得到多个曲波系数。
反演模块30,用于基于多个曲波系数对多个时移地震数据进行全波形反演操作,得到多个目标时移反演结果;多个目标时移反演结果包括待监测地层在封存二氧化碳过程中的不同时期的地层参数;一个目标时移反演结果对应一个时期的地层参数。
监测模块40,用于基于多个目标时移反演结果,确定待监测地层中被封存的二氧化碳在不同时期的扩散情况。
例如,监测模块40可以根据多个目标时移反演结果之间的差值,得到目标反演结果在不同时期的变化量,然后基于变化量再结合CO2注入会引起待监测底层的纵波速度(还有横波速度、密度)值的变小这一特性,可以确定待监测底层中被封存的二氧化碳在不同时期的扩散情况。
本发明提供的一种基于时移全波形反演的二氧化碳封存监测系统,利用曲波变换的高稀疏性来对时移地震数据进行处理,然后通过时移全波形反演预测二氧化碳的扩散情况,可以有效缓解现有技术中存在的由于“周波跳跃”及缺失低频信息导致的二氧化碳封存监测准确性差的技术问题。
在本发明实施例中,每个曲波系数均包括N个尺度层,每个尺度层包括多个方向数据,N为大于1的整数。
可选地,图7时根据本发明实施例提供的另一种基于时移全波形反演的二氧化碳封存监测系统的示意图。如图7所示,反演模块30还包括第一反演单元31,用于:分别对每个曲波系数中的N个尺度层的方向数据进行曲波反变换操作,得到不同尺度层所对应的多个时移地震尺度数据;其中,一个曲波系数对应N个时移地震尺度数据;将对应于同一个曲波系数的N个时移地震尺度数据按照尺度从粗到细进行排列,使得每个时移地震尺度数据都比后面的时移地震尺度数据粗一级;从第一个时移地震尺度数据开始,分别对对应于同一个曲波系数的N个时移地震尺度数据中的每个时移地震尺度数据进行全波形反演操作;其中,对每个时移地震数据进行全波反演操作后得到的时移反演结果,作为对下一个时移地震数据进行全波反演操作时的初始模型,对第一个时移地震数据进行全波反演操作时的初始模型为以下任一项:平均模型,测井插值模型;分别将对第N个时移地震尺度数据进行全波反演操作之后得到的时移反演结果,作为每个曲波系数对应的目标时移反演结果,得到多个目标时移反演结果。
可选地,如图7所示,反演模块30还包括第二反演单元32,用于:获取预设初始模型;预设初始模型包括以下任一项:平均模型,测井插值模型;基于预设初始模型,对多个曲波系数进行全波形反演操作,得到多个反演后的曲波系数;其中,一个反演后的曲波系数对应一个曲波系数;对多个反演后的曲波系数进行曲波反变换,得到多个目标时移反演结果;一个反演后的曲波系数对应一个目标时移反演结果。
可选地,如图7所示,该系统还包括:降噪模块50,用于基于多个曲波系数,对多个时移地震数据中的随机噪声进行去除操作,得到衰减噪声之后的多个时移地震数据。
本发明实施例还提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述实施例一中的方法的步骤。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种基于时移全波形反演的二氧化碳封存监测方法,其特征在于,包括:
获取待监测地层在封存二氧化碳过程中的不同时期的多个时移地震数据;其中,一个时期对应一个时移地震数据;
分别对每个时移地震数据进行曲波变换操作,得到多个曲波系数;
基于所述多个曲波系数对所述多个时移地震数据进行全波形反演操作,得到多个目标时移反演结果;所述多个目标时移反演结果包括所述待监测地层在封存二氧化碳过程中的不同时期的地层参数;一个目标时移反演结果对应一个时期的地层参数;
基于所述多个目标时移反演结果,确定所述待监测地层中被封存的二氧化碳在不同时期的扩散情况。
3.根据权利要求1所述的方法,其特征在于,每个曲波系数均包括N个尺度层,每个尺度层包括多个方向数据,N为大于1的整数;基于所述多个曲波系数对所述多个时移地震数据进行全波形反演操作,得到多个目标时移反演结果,包括:
分别对每个曲波系数中的N个尺度层的方向数据进行曲波反变换操作,得到不同尺度层所对应的多个时移地震尺度数据;其中,一个曲波系数对应N个时移地震尺度数据;
将对应于同一个曲波系数的N个时移地震尺度数据按照尺度从粗到细进行排列,使得每个时移地震尺度数据都比后面的时移地震尺度数据粗一级;
从第一个时移地震尺度数据开始,分别对所述对应于同一个曲波系数的N个时移地震尺度数据中的每个时移地震尺度数据进行全波形反演操作;其中,对每个时移地震数据进行全波反演操作后得到的时移反演结果,作为对下一个时移地震数据进行全波反演操作时的初始模型,对第一个时移地震数据进行全波反演操作时的初始模型为以下任一项:平均模型,测井插值模型;
分别将对第N个时移地震尺度数据进行全波反演操作之后得到的时移反演结果,作为每个曲波系数对应的目标时移反演结果,得到多个目标时移反演结果。
4.根据权利要求1所述的方法,其特征在于,基于所述多个曲波系数对所述多个时移地震数据进行全波形反演操作,得到多个目标时移反演结果,包括:
获取预设初始模型;所述预设初始模型包括以下任一项:平均模型,测井插值模型;
基于所述预设初始模型,对所述多个曲波系数进行全波形反演操作,得到多个反演后的曲波系数;其中,一个反演后的曲波系数对应一个曲波系数;
对所述多个反演后的曲波系数进行曲波反变换,得到多个目标时移反演结果;一个反演后的曲波系数对应一个目标时移反演结果。
5.根据权利要求1所述的方法,其特征在于,在分别对每个时移地震数据进行曲波变换操作,得到多个曲波系数之后,所述方法还包括:
基于所述多个曲波系数,对所述多个时移地震数据中的随机噪声进行去除操作,得到衰减噪声之后的多个时移地震数据。
6.一种基于时移全波形反演的二氧化碳封存监测系统,其特征在于,包括:获取模块,曲波变换模块,反演模块和监测模块,其中,
所述获取模块,用于获取待监测地层在封存二氧化碳过程中的不同时期的多个时移地震数据;其中,一个时期对应一个时移地震数据;
所述曲波变换模块,用于分别对每个时移地震数据进行曲波变换操作,得到多个曲波系数;
所述反演模块,用于基于所述多个曲波系数对所述多个时移地震数据进行全波形反演操作,得到多个目标时移反演结果;所述多个目标时移反演结果包括所述待监测地层在封存二氧化碳过程中的不同时期的地层参数;一个目标时移反演结果对应一个时期的地层参数;
所述监测模块,用于基于所述多个目标时移反演结果,确定所述待监测地层中被封存的二氧化碳在不同时期的扩散情况。
7.根据权利要求6所述的系统,其特征在于,每个曲波系数均包括N个尺度层,每个尺度层包括多个方向数据,N为大于1的整数;所述反演模块还包括第一反演单元,用于:
分别对每个曲波系数中的N个尺度层的方向数据进行曲波反变换操作,得到不同尺度层所对应的多个时移地震尺度数据;其中,一个曲波系数对应N个时移地震尺度数据;
将对应于同一个曲波系数的N个时移地震尺度数据按照尺度从粗到细进行排列,使得每个时移地震尺度数据都比后面的时移地震尺度数据粗一级;
从第一个时移地震尺度数据开始,分别对所述对应于同一个曲波系数的N个时移地震尺度数据中的每个时移地震尺度数据进行全波形反演操作;其中,对每个时移地震数据进行全波反演操作后得到的时移反演结果,作为对下一个时移地震数据进行全波反演操作时的初始模型,对第一个时移地震数据进行全波反演操作时的初始模型为以下任一项:平均模型,测井插值模型;
分别将对第N个时移地震尺度数据进行全波反演操作之后得到的时移反演结果,作为每个曲波系数对应的目标时移反演结果,得到多个目标时移反演结果。
8.根据权利要求6所述的系统,其特征在于,所述反演模块还包括第二反演单元,用于:
获取预设初始模型;所述预设初始模型包括以下任一项:平均模型,测井插值模型;
基于所述预设初始模型,对所述多个曲波系数进行全波形反演操作,得到多个反演后的曲波系数;其中,一个反演后的曲波系数对应一个曲波系数;
对所述多个反演后的曲波系数进行曲波反变换,得到多个目标时移反演结果;一个反演后的曲波系数对应一个目标时移反演结果。
9.根据权利要求6所述的系统,其特征在于,所述系统还包括:降噪模块,用于基于所述多个曲波系数,对所述多个时移地震数据中的随机噪声进行去除操作,得到衰减噪声之后的多个时移地震数据。
10.一种电子设备,包括存储器、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,其特征在于,所述处理器执行所述计算机程序时实现上述权利要求1至5任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010302751.4A CN111337980B (zh) | 2020-04-16 | 2020-04-16 | 基于时移全波形反演的二氧化碳封存监测方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010302751.4A CN111337980B (zh) | 2020-04-16 | 2020-04-16 | 基于时移全波形反演的二氧化碳封存监测方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111337980A true CN111337980A (zh) | 2020-06-26 |
CN111337980B CN111337980B (zh) | 2021-03-16 |
Family
ID=71184788
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010302751.4A Active CN111337980B (zh) | 2020-04-16 | 2020-04-16 | 基于时移全波形反演的二氧化碳封存监测方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111337980B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114563820A (zh) * | 2022-03-07 | 2022-05-31 | 中国矿业大学(北京) | 地球物理监测方法、装置及系统 |
CN114966856A (zh) * | 2022-08-02 | 2022-08-30 | 中国科学院地质与地球物理研究所 | 基于多频带地震资料的碳封存场址优选方法、系统和设备 |
CN115166822A (zh) * | 2022-08-02 | 2022-10-11 | 中国矿业大学(北京) | 储层弹性参数的预测方法、装置和电子设备 |
US11933691B2 (en) | 2021-12-15 | 2024-03-19 | Institute Of Geology And Geophysics, Chinese Academy Of Sciences | CO2 storage state networking monitoring device, system and method with multi-information fusion |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103091711A (zh) * | 2013-01-24 | 2013-05-08 | 中国石油天然气集团公司 | 全波形反演方法及装置 |
CN103527186A (zh) * | 2013-11-04 | 2014-01-22 | 西北大学 | 一种评价co2地质封存体的方法 |
CN105607118A (zh) * | 2015-09-22 | 2016-05-25 | 西北大学 | Co2地质封存中四维多分量地震监测的转换波avo计算方法 |
WO2016134210A1 (en) * | 2015-02-20 | 2016-08-25 | Schlumberger Technology Corporation | Microseismic sensitivity analysis and scenario modelling |
CN106249291A (zh) * | 2016-09-26 | 2016-12-21 | 东华理工大学 | 一种基于二维非均匀曲波变换的高精度地震数据重建方法 |
CN106970419A (zh) * | 2017-04-10 | 2017-07-21 | 东华理工大学 | 一种基于线性Bregman算法的非均匀曲波三维地震数据重建方法 |
CN107172626A (zh) * | 2017-04-18 | 2017-09-15 | 中国矿业大学 | 一种co2地质封存区域的传感网络节点定位优化方法 |
-
2020
- 2020-04-16 CN CN202010302751.4A patent/CN111337980B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103091711A (zh) * | 2013-01-24 | 2013-05-08 | 中国石油天然气集团公司 | 全波形反演方法及装置 |
CN103527186A (zh) * | 2013-11-04 | 2014-01-22 | 西北大学 | 一种评价co2地质封存体的方法 |
WO2016134210A1 (en) * | 2015-02-20 | 2016-08-25 | Schlumberger Technology Corporation | Microseismic sensitivity analysis and scenario modelling |
CN105607118A (zh) * | 2015-09-22 | 2016-05-25 | 西北大学 | Co2地质封存中四维多分量地震监测的转换波avo计算方法 |
CN106249291A (zh) * | 2016-09-26 | 2016-12-21 | 东华理工大学 | 一种基于二维非均匀曲波变换的高精度地震数据重建方法 |
CN106970419A (zh) * | 2017-04-10 | 2017-07-21 | 东华理工大学 | 一种基于线性Bregman算法的非均匀曲波三维地震数据重建方法 |
CN107172626A (zh) * | 2017-04-18 | 2017-09-15 | 中国矿业大学 | 一种co2地质封存区域的传感网络节点定位优化方法 |
Non-Patent Citations (4)
Title |
---|
杨扬 等: "CO_2地质封存四维多分量地震监测技术进展", 《地球科学进展》 * |
杨贺龙 等: "波场相位相关时移全波形反演", 《石油物探》 * |
王喆 等: "CO2驱油与封存过程中时移地震纹理属性分析——以胜利油田G89区块为例", 《地球物理学进展》 * |
赵海英 等: "CO_2地质封存时移垂直地震监测技术", 《岩土力学》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11933691B2 (en) | 2021-12-15 | 2024-03-19 | Institute Of Geology And Geophysics, Chinese Academy Of Sciences | CO2 storage state networking monitoring device, system and method with multi-information fusion |
CN114563820A (zh) * | 2022-03-07 | 2022-05-31 | 中国矿业大学(北京) | 地球物理监测方法、装置及系统 |
CN114966856A (zh) * | 2022-08-02 | 2022-08-30 | 中国科学院地质与地球物理研究所 | 基于多频带地震资料的碳封存场址优选方法、系统和设备 |
CN115166822A (zh) * | 2022-08-02 | 2022-10-11 | 中国矿业大学(北京) | 储层弹性参数的预测方法、装置和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111337980B (zh) | 2021-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111337980B (zh) | 基于时移全波形反演的二氧化碳封存监测方法和系统 | |
Gurley et al. | First-and higher-order correlation detection using wavelet transforms | |
Myers | To be or not to be... stationary? That is the question | |
Wu et al. | Noise attenuation for 2-D seismic data by radial-trace time-frequency peak filtering | |
EP1600796B1 (fr) | Méthode de reconstruction d'un modèle stochastique pour améliorer son calage par les données de production | |
CN102288843B (zh) | 一种电能质量扰动信号检测方法 | |
CN105116442A (zh) | 岩性油气藏弱反射地震信号的重构方法 | |
CN108334987B (zh) | 一种基于小波分解-神经网络的海浪波高预测方法 | |
CN103576060A (zh) | 基于小波自适应阈值的局部放电信号去噪方法 | |
Gan et al. | Improved random noise attenuation using f− x empirical mode decomposition and local similarity | |
CN103163554A (zh) | 利用零偏vsp资料估计速度和q值的自适应波形的反演方法 | |
CN107179550B (zh) | 一种数据驱动的地震信号零相位反褶积方法 | |
Zhang et al. | Image edge detection method of combining wavelet lift with Canny operator | |
CN103995950A (zh) | 基于空域相关修正阈值的变小波系数局部放电信号消噪方法 | |
CN111580161A (zh) | 基于多尺度卷积自编码神经网络的地震随机噪音压制方法 | |
CN113687433A (zh) | 一种基于Bi-LSTM的大地电磁信号去噪方法及系统 | |
WO2016001491A1 (fr) | Procede de determination de caves geologiques | |
CN105700019B (zh) | 一种基于Born‑Jordan时频分布的地震信号时频峰值滤波方法 | |
CN102854530B (zh) | 基于对数时频域双曲平滑的动态反褶积方法 | |
Huang et al. | Frequency–Space-Dependent Smoothing Regularized Nonstationary Predictive Filtering | |
Yu et al. | Wavelet denoising of well logs and its geological performance | |
Ma et al. | Random noise attenuation by fx spatial projection-based complex empirical mode decomposition predictive filtering | |
Yin et al. | Noise reduction method for vibration signals 2D time‐frequency distribution using anisotropic diffusion equation | |
Hao et al. | Denoising method based on spectral subtraction in time-frequency domain | |
CN110703089B (zh) | 一种用于低频振荡Prony分析的小波阈值去噪方法 |
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 |