CN111859637A - 近地表结构模型构建的方法及装置 - Google Patents

近地表结构模型构建的方法及装置 Download PDF

Info

Publication number
CN111859637A
CN111859637A CN202010639881.7A CN202010639881A CN111859637A CN 111859637 A CN111859637 A CN 111859637A CN 202010639881 A CN202010639881 A CN 202010639881A CN 111859637 A CN111859637 A CN 111859637A
Authority
CN
China
Prior art keywords
surface structure
fused
structure model
model
determining
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
Application number
CN202010639881.7A
Other languages
English (en)
Inventor
杨智超
彭海
李自龙
王雪梅
张鹏
刘伟
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.)
China National Petroleum Corp
BGP Inc
Original Assignee
China National Petroleum Corp
BGP Inc
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 China National Petroleum Corp, BGP Inc filed Critical China National Petroleum Corp
Priority to CN202010639881.7A priority Critical patent/CN111859637A/zh
Publication of CN111859637A publication Critical patent/CN111859637A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)

Abstract

本发明提供一种近地表结构模型构建的方法及装置，该方法包括：收集多个待融合的近地表结构模型；根据近地表结构的深度值，确定每一待融合的近地表结构模型在不同深度的纵向权重值；根据近地表结构的地表特征，确定每一待融合的近地表结构模型在不同区域的横向权重值；根据每一待融合的近地表结构模型，及每一待融合的近地表结构模型在不同深度的纵向权重值，每一待融合的近地表结构模型在不同区域的横向权重值，构建融合的近地表结构模型。本发明考虑了近地表结构模型在横向和纵向的精度变化情况，利用了近地表结构的深度值和地表特征，可解决在不同地表段多个近地表结构模型的精度差异较大的问题，提高了构建的近地表结构模型精度。

Description

近地表结构模型构建的方法及装置
技术领域
本发明涉及地球物理勘探技术领域，特别涉及一种近地表结构模型构建的方法及装置。
背景技术
本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
构建近地表结构模型(包括近地表速度结构模型)的主要方法，包括：利用微测井资料构建方法、利用小折射资料构建方法、利用地震炮初至层析反演方法、利用面波反演方法、电法勘探方法和雷达法方法。对于复杂的地表结构区域，利用任何一种单一的方法，都不能构建高精度的、能客观真实地反映近地表实际速度结构的模型。不同的方法所构建的近地表结构模型，在不同的地表条件位置或不同的深度点，精度会不一样。因此要构建高精度的近地表结构模型，就需要对根据以上的单一方法构建的多个近地表结构模型进行融合，重新构建成新的、集合了不同模型精度优势的高精度近地表结构模型。目前，利用多种近地表结构模型，融合构建成高精度的近地表结构模型的方法，主要是加权方法，而加权方法主要采用的是简单的同值加权法和反距离加权法。
同值加权法，即对参与融合的多个近地表结构模型，分别赋予一个权重值，进行加权融合，但该方法不能解决不同地表段，多个近地表结构模型的精度差异较大的问题。
而反距离加权法是指随着未知点距离基准点距离的增加，某变量的权重随之增加或减小的方法。其中，反距离加权法涉及如下公式：
Figure BDA0002571123460000011
其中Z'(s0)为未知点s0处的预测值；N为预测计算过程中要使用的预测点周围样点的数量；λi为预测计算过程中第i个样点的权重，该值随着样点与预测点之间距离的增加而减少；Z'(si)为第i个基准点的已知值。确定权重的计算公式为：
Figure BDA0002571123460000021
其中，p为指数值；di0是预测点s0与各已知样点si之间的距离。样点在预测点值的计算过程中所占权重的大小受参数p的影响；随着预测点与标准样点之间距离的增加，标准样点对预测点影响的权重按指数规律减少。在预测过程中，各样点值对预测点值作用的权重大小是成比例的，这些权重值的总和为1。这种反距离加权法，只是简单的考虑未知点距离基准点距离的增加，某变量的权重随之增加或减小，导致构建出的近地表结构模型的精度较低。
发明内容
本发明实施例提供了一种近地表结构模型构建的方法，用以提高构建的近地表结构模型的精度，该方法包括：
收集多个待融合的近地表结构模型；
根据近地表结构的深度值，确定每一待融合的近地表结构模型在不同深度的纵向权重值；
根据近地表结构的地表特征，确定每一待融合的近地表结构模型在不同区域的横向权重值；
根据每一待融合的近地表结构模型，及每一待融合的近地表结构模型在不同深度的纵向权重值，每一待融合的近地表结构模型在不同区域的横向权重值，构建融合的近地表结构模型。
本发明实施例还提供了一种近地表结构模型构建的装置，用以提高构建的近地表结构模型的精度，该装置包括：
待融合模型收集模块，用于收集多个待融合的近地表结构模型；
纵向权重值确定模块，用于根据近地表结构的深度值，确定每一待融合的近地表结构模型在不同深度的纵向权重值；
横向权重值确定模块，用于根据近地表结构的地表特征，确定每一待融合的近地表结构模型在不同区域的横向权重值；
近地表结构模型构建模块，用于根据每一待融合的近地表结构模型，及每一待融合的近地表结构模型在不同深度的纵向权重值，每一待融合的近地表结构模型在不同区域的横向权重值，构建融合的近地表结构模型。
本发明实施例还提供了一种计算机设备，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，所述处理器执行所述计算机程序时实现上述近地表结构模型构建的方法。
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述近地表结构模型构建的方法的计算机程序。
本发明实施例中，收集多个待融合的近地表结构模型；根据近地表结构的深度值，确定每一待融合的近地表结构模型在不同深度的纵向权重值；根据近地表结构的地表特征，确定每一待融合的近地表结构模型在不同区域的横向权重值；根据每一待融合的近地表结构模型，及每一待融合的近地表结构模型在不同深度的纵向权重值，每一待融合的近地表结构模型在不同区域的横向权重值，构建融合的近地表结构模型，从而分别计算待融合近地表结构模型的横向权重值和纵向权重值，考虑了近地表结构模型在横向和纵向的精度变化情况，与现有技术对比，利用近地表结构的深度值和地表特征，解决了在不同地表段多个近地表结构模型的精度差异较大的问题，提高了构建的近地表结构模型精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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本发明的一些实施例，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。在附图中：
图1是本发明实施例提供的一种近地表结构模型构建的方法的流程示意图；
图2是本发明实施例提供的一种近地表结构模型构建的方法的流程示意图；
图3是本发明实施例提供的一种近地表结构模型构建的方法实例的示意图；
图4是本发明实施例提供的一种近地表结构模型构建的装置的结构示意图；
图5是本发明实施例提供的一种近地表结构模型构建的装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。
发明人发现：传统的近地表结构模型构建的方法中，并没有考虑采样点与预测点之间距离增加的方向性，即权重随纵向深度增加的变化情况和权重随横向地面距离增加的变化情况。真实的情况中，地球物理模型参数地精度往往是随深度和地面距离的增加，精度的变化是不一致的。
因此在本发明实施例中提供了一种近地表结构模型构建的方法，用以提高构建的近地表结构模型的精度，如图1所示，该方法可以包括：
步骤101：收集多个待融合的近地表结构模型；
步骤102：根据近地表结构的深度值，确定每一待融合的近地表结构模型在不同深度的纵向权重值；
步骤103：根据近地表结构的地表特征，确定每一待融合的近地表结构模型在不同区域的横向权重值；
步骤104：根据每一待融合的近地表结构模型，及每一待融合的近地表结构模型在不同深度的纵向权重值，每一待融合的近地表结构模型在不同区域的横向权重值，构建融合的近地表结构模型。
本发明实施例中，收集多个待融合的近地表结构模型；根据近地表结构的深度值，确定每一待融合的近地表结构模型在不同深度的纵向权重值；根据近地表结构的地表特征，确定每一待融合的近地表结构模型在不同区域的横向权重值；根据每一待融合的近地表结构模型，及每一待融合的近地表结构模型在不同深度的纵向权重值，每一待融合的近地表结构模型在不同区域的横向权重值，构建融合的近地表结构模型，从而分别计算待融合近地表结构模型的横向权重值和纵向权重值，考虑了近地表结构模型在横向和纵向的精度变化情况，与现有技术对比，利用近地表结构的深度值和地表特征，解决了在不同地表段多个近地表结构模型的精度差异较大的问题，提高了构建的近地表结构模型精度。
具体实施时，首先可收集多个待融合的近地表结构模型。
实施例中，首先需要准备多个参与融合建模的近地表结构模型的数据。近地表结构模型包括用于描述地表及地下浅层地层速度的大小及变化情况的数据。例如，多个待融合的近地表结构模型可包括按如下方法构建的近地表结构模型：利用微测井资料、利用小折射资料、利用地震炮初至层析反演方法、利用面波反演方法、电法勘探(电法)方法和雷达法等方法。在收集多个待融合的近地表结构模型时，可根据近地表结构模型所在地点的需要，收集多个以上述多种方法构建的近地表结构模型。
在上述实施例中，通过收集多个待融合的近地表结构模型，有助于构建融合的近地表结构模型，提高了构建的近地表结构模型的精度。
具体实施时，在收集多个待融合的近地表结构模型后，本发明实施例中提供的近地表结构模型构建的方法还可以包括：以预设的网格，对每一待融合的近地表结构模型进行网格化划分，得到每一待融合的近地表结构模型对应每一网格的精度数据；
根据近地表结构的深度值，确定每一待融合的近地表结构模型在不同深度的纵向权重值，可以包括：根据近地表结构的深度值，每一待融合的近地表结构模型对应每一网格的精度数据，确定每一待融合的近地表结构模型在不同深度的纵向权重值；
根据近地表结构的地表特征，确定每一待融合的近地表结构模型在不同区域的横向权重值，可以包括：根据近地表结构的地表特征，每一待融合的近地表结构模型对应每一网格的精度数据，确定每一待融合的近地表结构模型在不同区域的横向权重值；
根据每一待融合的近地表结构模型，及每一待融合的近地表结构模型在不同深度的纵向权重值，每一待融合的近地表结构模型在不同区域的横向权重值，构建融合的近地表结构模型，可以包括：根据每一待融合的近地表结构模型对应每一网格的精度数据，及每一待融合的近地表结构模型在不同深度的纵向权重值，每一待融合的近地表结构模型在不同区域的横向权重值，构建融合的近地表结构模型。
实施例中，由于需融合不同的近地表结构模型，而不同的近地表结构模型的网格大小不尽相同，导致不同的近地表结构模型的网格点不能一一对应，所以需要用相同大小的网格进行分划，便于后面融合计算。
实施例中，根据近地表结构的深度值，每一待融合的近地表结构模型对应每一网格的精度数据，确定每一待融合的近地表结构模型在不同深度的纵向权重值，从而可通过近地表结构的深度值和每一待融合的近地表结构模型对应每一网格的精度数据确定不同深度对应的纵向权重值，以便于提高构建的融合的近地表结构模型的纵向精度。根据近地表结构的地表特征，每一待融合的近地表结构模型对应每一网格的精度数据，确定每一待融合的近地表结构模型在不同区域的横向权重值，从而可近地表结构的地表特征和每一待融合的近地表结构模型对应每一网格的精度数据，确定不同区域对应的横向权重值，以便于提高构建的融合的近地表结构模型的横向精度。
实施例中，根据每一待融合的近地表结构模型对应每一网格的精度数据，及每一待融合的近地表结构模型在不同深度的纵向权重值，每一待融合的近地表结构模型在不同区域的横向权重值，构建融合的近地表结构模型，从而可考虑不同近地表结构模型的精度随深度(纵向)变化的改变情况和随地面地表实际(横向)变化而改变情况，充分考虑了应用各种方法所获得近地表结构模型在不同位置点的横向精度差异和纵向精度差异，以便于提高构建的近地表结构模型的精度。
在上述实施例中，根据每一待融合的近地表结构模型对应每一网格的精度数据，及每一待融合的近地表结构模型在不同深度的纵向权重值，每一待融合的近地表结构模型在不同区域的横向权重值，构建融合的近地表结构模型，考虑了近地表结构模型在横向和纵向的精度变化情况，因此提高了构建的近地表结构模型的精度。
具体实施时，根据近地表结构的深度值，每一待融合的近地表结构模型对应每一网格的精度数据，确定每一待融合的近地表结构模型在不同深度的纵向权重值，可以包括：将近地表结构的深度值，划分为预设数量的深度值区间段；对任一深度值区间段，确定每一待融合的近地表结构模型中，处于该深度值区间段的每一网格的精度数据；根据全部待融合的近地表结构模型中，处于该深度值区间段的每一网格的精度数据，确定每一待融合的近地表结构模型中，每一网格的纵向权重值。
实施例中，近地表结构的深度值可通过需要构建的近地表结构模型的深度值来确定；根据参与融合的各种近地表结构模型在纵向上(深度域)的精度情况，可进一步确定在不同深度值区间段内，每一待融合的近地表结构模型中对应该深度值区间段的每一网格的纵向权重值。
在上述实施例中，根据全部待融合的近地表结构模型中，处于该深度值区间段的每一网格的精度数据，确定每一待融合的近地表结构模型中，每一网格的纵向权重值，考虑了近地表结构模型在横向的精度变化情况，因此提高了构建的近地表结构模型的精度。
具体实施时，根据近地表结构的地表特征，每一待融合的近地表结构模型对应每一网格的精度数据，确定每一待融合的近地表结构模型在不同区域段的横向权重值，可以包括：根据近地表结构的地表特征，将近地表结构的整体区域，划分为预设数量的区域段；对任一区域段，确定每一待融合的近地表结构模型中，处于该区域段的每一网格的精度数据；根据全部待融合的近地表结构模型中，处于该区域段的每一网格的精度数据，确定每一待融合的近地表结构模型中，每一网格的横向权重值。
实施例中，近地表结构的地表特征可包括需要构建的近地表结构模型的实际区域的地表实际情况；区域段可以包括各种近地表结构模型在横向上不同区域的位置点；根据参与融合的各种近地表结构模型在横向上不同区域段的精度情况，可分别确定在不同的区域段，每个参与融合的近地表结构模型中对应该区域段的每一网格的横向权重值。
在上述实施例中，根据全部待融合的近地表结构模型中，处于该区域段的每一网格的精度数据，确定每一待融合的近地表结构模型中，每一网格的横向权重值，考虑了近地表结构模型在纵向的精度变化情况，因此提高了构建的近地表结构模型的精度。
具体实施时，根据每一待融合的近地表结构模型对应每一网格的精度数据，及每一待融合的近地表结构模型在不同深度的纵向权重值，每一待融合的近地表结构模型在不同区域的横向权重值，构建融合的近地表结构模型，如图2所示，可以包括如下步骤：
步骤201：根据每一待融合的近地表结构模型对应每一网格的精度数据，和每一待融合的近地表结构模型在不同深度的纵向权重值，确定近地表结构纵向加权后模型；
步骤202：根据每一待融合的近地表结构模型对应每一网格的精度数据，和每一待融合的近地表结构模型在不同区域的横向权重值，确定近地表结构横向加权后模型；
步骤203：根据近地表结构纵向加权后模型，和近地表结构横向加权后模型，构建融合的近地表结构模型。
实施例中，根据近地表结构纵向加权后模型，和近地表结构横向加权后模型，构建融合的近地表结构模型，考虑了近地表结构模型在横向和纵向的精度变化情况，因此提高了构建的近地表结构模型的精度。
具体实施时，本发明实施例提供的近地表结构模型构建的方法还可以包括：按如下公式，确定近地表结构纵向加权后模型：
Figure BDA0002571123460000081
其中，
Figure BDA0002571123460000082
A为近地表结构纵向加权后模型中sj位置对应网格的精度数据，N为在sj位置的待融合的近地表结构模型的数量，λji为近地表结构中sj位置的第i个待融合的近地表结构模型的纵向权重值，Z'(sji)为近地表结构中sj位置的第i个待融合的近地表结构模型的精度数据；
按如下公式，确定近地表结构横向加权后模型：
Figure BDA0002571123460000083
其中，
Figure BDA0002571123460000084
B为近地表结构横向加权后模型中sj位置对应网格的精度数据，N为在sj位置的待融合的近地表结构模型的数量，βji为近地表结构中sj位置的第i个待融合的近地表结构模型的横向权重值，Z'(sji)为近地表结构中sj位置的第i个待融合的近地表结构模型的精度数据。
实施例中，通过上述两个公式，可分别确定近地表结构纵向加权后模型和近地表结构横向加权后模型，实现了近地表结构纵向加权后模型和近地表结构横向加权后模型的构建，考虑了近地表结构模型在横向和纵向的精度变化情况，因此提高了构建的近地表结构模型的精度。
具体实施时，本发明实施例提供的近地表结构模型构建的方法还可以包括：按如下公式，构建融合的近地表结构模型：
Figure BDA0002571123460000085
其中，Z'(sj)为融合的近地表结构模型中sj位置的预测精度数据。
实施例中，上述公式提供了一种加权融合构建近地表结构模型的计算方法，与传统方法相比，本发明实施例考虑了不同的近地表结构模型的精度随深度(纵向)变化的改变情况和随地面地表实际变化而改变情况，实现了近地表结构纵向加权后模型和近地表结构横向加权后模型的构建，充分考虑了收集的多个待融合的近地表结构模型在不同位置点的横向精度差异和纵向精度差异，提高了构建的近地表结构模型的精度。
举一实例，图3是本发明实施例提供的一种近地表结构模型构建的方法实例的示意图。图3中，收集多个待融合的近地表结构模型分别为面波反演近地表结构模型B、雷达法近地表结构模型C和电法近地表结构模型D。以预设的网格，对每一待融合的近地表结构模型进行网格化划分，可得到如图3所示的面波反演近地表结构模型B、雷达法近地表结构模型C和电法近地表结构模型D的网格化划分结果。
本实例中，构建的融合的近地表结构模型为重新构建的近地表结构模型A。以选取的编号为73的网格为例，该编号为73的网格对应着一深度值区间段和一区域段。图3中面波反演近地表结构模型B、雷达法近地表结构模型C和电法近地表结构模型D中对应选取的网格的精度数据分别为B73、C73、D73。应用本发明实施例提供的近地表结构模型构建的方法可确定出：面波反演近地表结构模型B、雷达法近地表结构模型C和电法近地表结构模型D中对应选取的网格的纵向权重值和横向权重值。其中，对于选取的网格的位置，面波反演近地表结构模型B、雷达法近地表结构模型C和电法近地表结构模型D中的对应选取的网格的纵向权重值的纵向权重值分别为λB73、λC73、λD73；面波反演近地表结构模型B、雷达法近地表结构模型C和电法近地表结构模型D中的对应选取的网格的纵向权重值分别为βB73、βC73、βD73。按如下公式，可确定融合的近地表结构模型中对应选取的网格位置的预测精度数据：
Figure BDA0002571123460000091
其中，A73代表构建的融合的近地表结构模型A中与上述三个待融合的近地表结构模型处于相同位置的网格的精度数据。
本发明实施例中，收集多个待融合的近地表结构模型；根据近地表结构的深度值，确定每一待融合的近地表结构模型在不同深度的纵向权重值；根据近地表结构的地表特征，确定每一待融合的近地表结构模型在不同区域的横向权重值；根据每一待融合的近地表结构模型，及每一待融合的近地表结构模型在不同深度的纵向权重值，每一待融合的近地表结构模型在不同区域的横向权重值，构建融合的近地表结构模型，从而分别计算待融合近地表结构模型的横向权重值和纵向权重值，考虑了近地表结构模型在横向和纵向的精度变化情况，与现有技术对比，利用近地表结构的深度值和地表特征，解决了在不同地表段多个近地表结构模型的精度差异较大的问题，提高了构建的近地表结构模型精度。
如上所述，本发明实施例构建的融合的近地表结构模型，具有参与加权计算的各个地球物理模型在不同位置的横向和纵向的精度优势，如多个待融合的近地表结构模型在不同位置的横向和纵向的精度优势，可以更真实地刻画目标区域的近地表结构模型，在地震勘探、水利、工程施工，数字模型构建中应用前景较为广阔。
本发明实施例中还提供了一种近地表结构模型构建的装置，如下面的实施例所述。由于该装置解决问题的原理与近地表结构模型构建的方法相似，因此该装置的实施可以参见近地表结构模型构建的方法的实施，重复之处不再赘述。
图4是本发明实施例提供的一种近地表结构模型构建的装置的结构示意图，如图4所示，可以包括：
待融合模型收集模块01，用于收集多个待融合的近地表结构模型；
纵向权重值确定模块02，用于根据近地表结构的深度值，确定每一待融合的近地表结构模型在不同深度的纵向权重值；
横向权重值确定模块03，用于根据近地表结构的地表特征，确定每一待融合的近地表结构模型在不同区域的横向权重值；
近地表结构模型构建模块04，用于根据每一待融合的近地表结构模型，及每一待融合的近地表结构模型在不同深度的纵向权重值，每一待融合的近地表结构模型在不同区域的横向权重值，构建融合的近地表结构模型。
在一个实施例中，本发明实施例提供的一种近地表结构模型构建的装置，如图5所示，还可以包括：网格化模块05，用于在待融合模型收集模块收集多个待融合的近地表结构模型后，以预设的网格，对每一待融合的近地表结构模型进行网格化划分，得到每一待融合的近地表结构模型对应每一网格的精度数据；纵向权重值确定模块具体可用于：根据近地表结构的深度值，每一待融合的近地表结构模型对应每一网格的精度数据，确定每一待融合的近地表结构模型在不同深度的纵向权重值；横向权重值确定模块具体可用于：根据近地表结构的地表特征，每一待融合的近地表结构模型对应每一网格的精度数据，确定每一待融合的近地表结构模型在不同区域的横向权重值；近地表结构模型构建模块，具体可用于：根据每一待融合的近地表结构模型对应每一网格的精度数据，及每一待融合的近地表结构模型在不同深度的纵向权重值，每一待融合的近地表结构模型在不同区域的横向权重值，构建融合的近地表结构模型。
在一个实施例中，纵向权重值确定模块具体可用于：将近地表结构的深度值，划分为预设数量的深度值区间段；对任一深度值区间段，确定每一待融合的近地表结构模型中，处于该深度值区间段的每一网格的精度数据；根据全部待融合的近地表结构模型中，处于该深度值区间段的每一网格的精度数据，确定每一待融合的近地表结构模型中，每一网格的纵向权重值。
在一个实施例中，横向权重值确定模块具体可用于：根据近地表结构的地表特征，将近地表结构的整体区域，划分为预设数量的区域段；对任一区域段，确定每一待融合的近地表结构模型中，处于该区域段的每一网格的精度数据；根据全部待融合的近地表结构模型中，处于该区域段的每一网格的精度数据，确定每一待融合的近地表结构模型中，每一网格的横向权重值。
在一个实施例中，近地表结构模型构建模块，具体可用于：根据每一待融合的近地表结构模型对应每一网格的精度数据，和每一待融合的近地表结构模型在不同深度的纵向权重值，确定近地表结构纵向加权后模型；根据每一待融合的近地表结构模型对应每一网格的精度数据，和每一待融合的近地表结构模型在不同区域的横向权重值，确定近地表结构横向加权后模型；根据近地表结构纵向加权后模型，和近地表结构横向加权后模型，构建融合的近地表结构模型。
在一个实施例中，近地表结构模型构建模块，还可用于：按如下公式，确定近地表结构纵向加权后模型：
Figure BDA0002571123460000111
其中，
Figure BDA0002571123460000112
A为近地表结构纵向加权后模型中sj位置对应网格的精度数据，N为在sj位置的待融合的近地表结构模型的数量，λji为近地表结构中sj位置的第i个待融合的近地表结构模型的纵向权重值，Z'(sji)为近地表结构中sj位置的第i个待融合的近地表结构模型的精度数据；
按如下公式，确定近地表结构横向加权后模型：
Figure BDA0002571123460000113
其中，
Figure BDA0002571123460000114
B为近地表结构横向加权后模型中sj位置对应网格的精度数据，N为在sj位置的待融合的近地表结构模型的数量，βji为近地表结构中sj位置的第i个待融合的近地表结构模型的横向权重值，Z'(sji)为近地表结构中sj位置的第i个待融合的近地表结构模型的精度数据。
在一个实施例中，近地表结构模型构建模块，还可用于：按如下公式，构建融合的近地表结构模型：
Figure BDA0002571123460000121
其中，Z'(sj)为融合的近地表结构模型中sj位置的预测精度数据。
本发明实施例还提供了一种计算机设备，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，所述处理器执行所述计算机程序时实现上述近地表结构模型构建的方法。
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述近地表结构模型构建的方法的计算机程序。
本发明实施例中，收集多个待融合的近地表结构模型；根据近地表结构的深度值，确定每一待融合的近地表结构模型在不同深度的纵向权重值；根据近地表结构的地表特征，确定每一待融合的近地表结构模型在不同区域的横向权重值；根据每一待融合的近地表结构模型，及每一待融合的近地表结构模型在不同深度的纵向权重值，每一待融合的近地表结构模型在不同区域的横向权重值，构建融合的近地表结构模型，从而分别计算待融合近地表结构模型的横向权重值和纵向权重值，考虑了近地表结构模型在横向和纵向的精度变化情况，与现有技术对比，利用近地表结构的深度值和地表特征，解决了在不同地表段多个近地表结构模型的精度差异较大的问题，提高了构建的近地表结构模型精度。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种近地表结构模型构建的方法，其特征在于，包括：
收集多个待融合的近地表结构模型；
根据近地表结构的深度值，确定每一待融合的近地表结构模型在不同深度的纵向权重值；
根据近地表结构的地表特征，确定每一待融合的近地表结构模型在不同区域的横向权重值；
根据每一待融合的近地表结构模型，及每一待融合的近地表结构模型在不同深度的纵向权重值，每一待融合的近地表结构模型在不同区域的横向权重值，构建融合的近地表结构模型。
2.如权利要求1所述的方法，其特征在于，在收集多个待融合的近地表结构模型后，还包括：以预设的网格，对每一待融合的近地表结构模型进行网格化划分，得到每一待融合的近地表结构模型对应每一网格的精度数据；
根据近地表结构的深度值，确定每一待融合的近地表结构模型在不同深度的纵向权重值，包括：根据近地表结构的深度值，每一待融合的近地表结构模型对应每一网格的精度数据，确定每一待融合的近地表结构模型在不同深度的纵向权重值；
根据近地表结构的地表特征，确定每一待融合的近地表结构模型在不同区域的横向权重值，包括：根据近地表结构的地表特征，每一待融合的近地表结构模型对应每一网格的精度数据，确定每一待融合的近地表结构模型在不同区域的横向权重值；
根据每一待融合的近地表结构模型，及每一待融合的近地表结构模型在不同深度的纵向权重值，每一待融合的近地表结构模型在不同区域的横向权重值，构建融合的近地表结构模型，包括：根据每一待融合的近地表结构模型对应每一网格的精度数据，及每一待融合的近地表结构模型在不同深度的纵向权重值，每一待融合的近地表结构模型在不同区域的横向权重值，构建融合的近地表结构模型。
3.如权利要求2所述的方法，其特征在于，根据近地表结构的深度值，每一待融合的近地表结构模型对应每一网格的精度数据，确定每一待融合的近地表结构模型在不同深度的纵向权重值，包括：
将近地表结构的深度值，划分为预设数量的深度值区间段；
对任一深度值区间段，确定每一待融合的近地表结构模型中，处于该深度值区间段的每一网格的精度数据；根据全部待融合的近地表结构模型中，处于该深度值区间段的每一网格的精度数据，确定每一待融合的近地表结构模型中，每一网格的纵向权重值。
4.如权利要求2所述的方法，其特征在于，根据近地表结构的地表特征，每一待融合的近地表结构模型对应每一网格的精度数据，确定每一待融合的近地表结构模型在不同区域段的横向权重值，包括：
根据近地表结构的地表特征，将近地表结构的整体区域，划分为预设数量的区域段；
对任一区域段，确定每一待融合的近地表结构模型中，处于该区域段的每一网格的精度数据；根据全部待融合的近地表结构模型中，处于该区域段的每一网格的精度数据，确定每一待融合的近地表结构模型中，每一网格的横向权重值。
5.如权利要求2所述的方法，其特征在于，根据每一待融合的近地表结构模型对应每一网格的精度数据，及每一待融合的近地表结构模型在不同深度的纵向权重值，每一待融合的近地表结构模型在不同区域的横向权重值，构建融合的近地表结构模型，包括：
根据每一待融合的近地表结构模型对应每一网格的精度数据，和每一待融合的近地表结构模型在不同深度的纵向权重值，确定近地表结构纵向加权后模型；
根据每一待融合的近地表结构模型对应每一网格的精度数据，和每一待融合的近地表结构模型在不同区域的横向权重值，确定近地表结构横向加权后模型；
根据近地表结构纵向加权后模型，和近地表结构横向加权后模型，构建融合的近地表结构模型。
6.如权利要求5所述的方法，其特征在于，还包括：
按如下公式，确定近地表结构纵向加权后模型：
Figure FDA0002571123450000021
其中，
Figure FDA0002571123450000022
A为近地表结构纵向加权后模型中sj位置对应网格的精度数据，N为在sj位置的待融合的近地表结构模型的数量，λji为近地表结构中sj位置的第i个待融合的近地表结构模型的纵向权重值，Z'(sji)为近地表结构中sj位置的第i个待融合的近地表结构模型的精度数据；
按如下公式，确定近地表结构横向加权后模型：
Figure FDA0002571123450000031
其中，
Figure FDA0002571123450000032
B为近地表结构横向加权后模型中sj位置对应网格的精度数据，N为在sj位置的待融合的近地表结构模型的数量，βji为近地表结构中sj位置的第i个待融合的近地表结构模型的横向权重值，Z'(sji)为近地表结构中sj位置的第i个待融合的近地表结构模型的精度数据。
7.如权利要求6所述的方法，其特征在于，还包括：按如下公式，构建融合的近地表结构模型：
Figure FDA0002571123450000033
其中，Z'(sj)为融合的近地表结构模型中sj位置的预测精度数据。
8.一种近地表结构模型构建的装置，其特征在于，包括：
待融合模型收集模块，用于收集多个待融合的近地表结构模型；
纵向权重值确定模块，用于根据近地表结构的深度值，确定每一待融合的近地表结构模型在不同深度的纵向权重值；
横向权重值确定模块，用于根据近地表结构的地表特征，确定每一待融合的近地表结构模型在不同区域的横向权重值；
近地表结构模型构建模块，用于根据每一待融合的近地表结构模型，及每一待融合的近地表结构模型在不同深度的纵向权重值，每一待融合的近地表结构模型在不同区域的横向权重值，构建融合的近地表结构模型。
9.一种计算机设备，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，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7任一所述方法。
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存储有执行权利要求1至7任一所述方法的计算机程序。
CN202010639881.7A 2020-07-06 2020-07-06 近地表结构模型构建的方法及装置 Pending CN111859637A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010639881.7A CN111859637A (zh) 2020-07-06 2020-07-06 近地表结构模型构建的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010639881.7A CN111859637A (zh) 2020-07-06 2020-07-06 近地表结构模型构建的方法及装置

Publications (1)

Publication Number Publication Date
CN111859637A true CN111859637A (zh) 2020-10-30

Family

ID=73152187

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010639881.7A Pending CN111859637A (zh) 2020-07-06 2020-07-06 近地表结构模型构建的方法及装置

Country Status (1)

Country Link
CN (1) CN111859637A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104330827A (zh) * 2014-07-31 2015-02-04 中国石油化工股份有限公司 一种地表模型静校正的处理方法
CN105093277A (zh) * 2014-05-14 2015-11-25 中国石油化工股份有限公司 地震建模中的浅中深层速度融合方法
CN106249290A (zh) * 2016-08-25 2016-12-21 中国石油集团川庆钻探工程有限公司地球物理勘探公司 一种利用多级数据融合建立表层速度结构模型的方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105093277A (zh) * 2014-05-14 2015-11-25 中国石油化工股份有限公司 地震建模中的浅中深层速度融合方法
CN104330827A (zh) * 2014-07-31 2015-02-04 中国石油化工股份有限公司 一种地表模型静校正的处理方法
CN106249290A (zh) * 2016-08-25 2016-12-21 中国石油集团川庆钻探工程有限公司地球物理勘探公司 一种利用多级数据融合建立表层速度结构模型的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
杨智超;侯泽富;王佚;王雪梅;耿春;胡峰;刘伟;: "四川盆地复杂地表高精度建模技术及其应用", 天然气勘探与开发, no. 04, pages 75 - 83 *

Similar Documents

Publication Publication Date Title
CN102147479B (zh) 一种储层空间物性参数的建模方法
CN105277978B (zh) 一种确定近地表速度模型的方法及装置
Mizukami et al. mizuRoute version 1: a river network routing tool for a continental domain water resources applications
CN110097637B (zh) 一种三维地质属性模型时空插值方法及系统
Xiong et al. Geomorphological inheritance for loess landform evolution in a severe soil erosion region of Loess Plateau of China based on digital elevation models
CN109459787B (zh) 基于地震槽波全波形反演的煤矿井下构造成像方法及系统
CN108828669B (zh) 一种二维相交测线静校正处理方法、装置及系统
CN110286416B (zh) 一种基于物性函数的快速二维密度反演方法
CN116774292B (zh) 一种地震波走时确定方法、系统、电子设备及存储介质
CN103278848A (zh) 基于mpi并行预条件迭代的地震成像正演方法
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
CN111123374A (zh) 一种基于匹配滤波的探地雷达全波形反演方法
EP1292848B1 (en) Seismic survey system
CN109655890A (zh) 一种深度域浅中深层联合层析反演速度建模方法及系统
CN106257309B (zh) 叠后地震数据体处理方法及装置
CN108508481B (zh) 一种纵波转换波地震数据时间匹配的方法、装置及系统
CN110927793A (zh) 一种基于序贯随机模糊模拟的储层预测方法及系统
CN108680968B (zh) 复杂构造区地震勘探数据采集观测系统评价方法及装置
CN117236518B (zh) 一种地铁沿线地质形变的预测方法
CN105277974A (zh) 一种地层数据插值方法
CN105301638A (zh) 一种提取风化层底界面的方法和装置
CN106353801B (zh) 三维Laplace域声波方程数值模拟方法及装置
CN111859637A (zh) 近地表结构模型构建的方法及装置
CN109188522B (zh) 速度场构建方法及装置
CN116794736A (zh) 一种基于transform的大地电磁反演模型建立方法

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