CN112305599A - 高密度宽方位的地震数据分类方法及装置 - Google Patents
高密度宽方位的地震数据分类方法及装置 Download PDFInfo
- Publication number
- CN112305599A CN112305599A CN201910693153.1A CN201910693153A CN112305599A CN 112305599 A CN112305599 A CN 112305599A CN 201910693153 A CN201910693153 A CN 201910693153A CN 112305599 A CN112305599 A CN 112305599A
- Authority
- CN
- China
- Prior art keywords
- seismic data
- classification
- azimuth
- cdp
- grid
- 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
- 238000000034 method Methods 0.000 title claims abstract description 73
- 239000000523 sample Substances 0.000 claims abstract description 17
- 230000005540 biological transmission Effects 0.000 claims abstract description 4
- 238000004590 computer program Methods 0.000 claims description 17
- 238000013507 mapping Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 14
- 238000007781 pre-processing Methods 0.000 claims description 10
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 8
- 230000003068 static effect Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 12
- 238000004891 communication Methods 0.000 description 7
- 239000003208 petroleum Substances 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 102100023943 Arylsulfatase L Human genes 0.000 description 2
- 101000975827 Homo sapiens Arylsulfatase L Proteins 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- UGJYMKZYSUMAKJ-YSMVHXPUSA-N Neurosporaxanthin Natural products CC(=C/C=C/C=C(C)/C=C/C=C(C)/C=C/C1=C(C)CCCC1(C)C)C=CC=C(/C)C=CC=C(/C)C(=O)O UGJYMKZYSUMAKJ-YSMVHXPUSA-N 0.000 description 1
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 241000220317 Rosa Species 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000000047 product 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
- 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
- G01V1/36—Effecting static or dynamic corrections on records, e.g. correcting spread; Correlating seismic signals; Eliminating effects of unwanted energy
-
- 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
- G01V1/36—Effecting static or dynamic corrections on records, e.g. correcting spread; Correlating seismic signals; Eliminating effects of unwanted energy
- G01V1/362—Effecting static or dynamic corrections; Stacking
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/30—Noise handling
- G01V2210/32—Noise reduction
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/50—Corrections or adjustments related to wave propagation
- G01V2210/53—Statics correction, e.g. weathering layer or transformation to a datum
-
- 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
- G01V2210/63—Seismic attributes, e.g. amplitude, polarity, instant phase
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
本发明提供了一种高密度宽方位的地震数据分类方法及装置，该方法包括：根据预设的共深度点CDP面元网格尺寸及高密度宽方位的地震数据的大地坐标，建立网格坐标，所述网格坐标用于确定所述地震数据所在CDP面元网格；根据所述地震数据的炮点及检波点的网格坐标，计算所述地震数据的方位角；根据所述地震数据的线号、CDP号、偏移距、时间及所述方位角对所述地震数据进行分类。本发明能够建立一种适合于高密度宽方位的地震数据的分类方法，本方法具有较好的去噪能力，且能较好的保护在有限偏移距范围内的方位角信息，进而可以提高反演精度和裂缝预测精度。
Description
技术领域
本发明涉及石油勘探领域，尤其是地球物理高密度宽方位地震勘探技术领域，具体涉及一种高密度宽方位的地震数据分类方法及装置。
背景技术
随着勘探程度的不断深入，复杂地区和复杂油气藏勘探已经成为地球物理勘探的主要目标。复杂地区和复杂油气藏勘探是一项非常复杂的系统工程，大多数都表现为方向各向异性，常规的勘探处理方法已经很难满足这类油气藏的勘探需求，因此高密度宽方位(CDP面元网格尺寸小于15米*15米)采集已经成为野外采集的主流技术，高密度宽方位得到的采集数据不仅仅是覆盖次数的增高，更重要的是包含了来自不同方位上的地下反射信息，这些信息为进行方位各向异性分析及裂缝检测提供了可能，因此处理中需要对这些信息加以保护。
对于目前叠前三维数据，在共炮点道集和共偏移距道集上进行比较，这两种道集同样是时间空间域，所看到的反射信号同相轴有着很大的差别。所以，数据的排列不同，反射信号的同相轴会有很大的差别。
发明内容
针对现有技术中的问题，本发明能够建立一种适合于高密度宽方位的地震数据的分类方法，本方法具有较好的去噪能力，且能较好的保护在有限偏移距范围内的方位角信息，进而可以提高反演精度和裂缝预测精度，
为解决上述技术问题，本发明提供以下技术方案：
第一方面，本发明提供一种高密度宽方位的地震数据分类方法，包括：
根据预设的共深度点CDP面元网格尺寸及高密度宽方位的地震数据的大地坐标，建立网格坐标，网格坐标用于确定地震数据所在CDP面元网格；
根据地震数据的炮点及检波点的网格坐标，计算地震数据的方位角；
根据地震数据的线号、CDP号、偏移距、时间及方位角对地震数据进行分类。
一实施例中，高密度宽方位的地震数据分类方法还包括：
根据地震数据的线号、CDP号、偏移距、时间及方位角生成地震数据的分类指数；
根据分类指数生成地震数据的分类结果。
一实施例中，高密度宽方位的地震数据分类方法还包括：建立分类指数与分类结果的映射关系。
一实施例中，根据分类指数生成地震数据的分类结果，包括：查询分类指数在映射关系中对应的分类结果。
一实施例中，方位角范围为0-180°。
一实施例中，高密度宽方位的地震数据分类方法还包括：采集高密度宽方位的地震数据。
一实施例中，高密度宽方位的地震数据分类方法还包括：对采集得到的高密度宽方位的地震数据进行预处理，包括：去噪、静校正、反褶积、速度分析、能量补偿及对异常值进行插值。
一实施例中，方位角为炮点与检波点的连线的中点与大地坐标的原点的连线与网格坐标X轴正方向的夹角。
第二方面，本发明提供一种高密度宽方位的地震数据分类装置，该装置包括：
网格坐标建立单元，用于根据预设的CDP面元网格尺寸及高密度宽方位的地震数据的大地坐标，建立网格坐标，网格坐标用于确定地震数据所在CDP面元网格；
方位角计算单元，用于根据地震数据的炮点及检波点的网格坐标，计算地震数据的方位角；
地震数据分类单元，用于根据地震数据的线号、CDP号、偏移距、时间及方位角对地震数据进行分类。
一实施例中，高密度宽方位的地震数据分类装置还包括：
分类指数生成单元，用于根据地震数据的线号、CDP号、偏移距、时间及方位角生成地震数据的分类指数；
分类结果生成单元，用于根据分类指数生成地震数据的分类结果。
一实施例中，高密度宽方位的地震数据分类装置还包括：映射关系建立单元，用于建立分类指数与分类结果的映射关系。
一实施例中，分类结果生成单元具体用于查询分类指数在映射关系中对应的分类结果。
一实施例中，高密度宽方位的地震数据分类装置还包括：地震数据采集单元，用于采集高密度宽方位的地震数据。
一实施例中，高密度宽方位的地震数据分类装置还包括：预处理单元，用于对采集得到的高密度宽方位的地震数据进行预处理，包括：去噪、静校正、反褶积、速度分析、能量补偿及对异常值进行插值。
第三方面，本发明提供一种电子设备，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，处理器执行程序时实现高密度宽方位的地震数据分类方法的步骤。
第四方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现高密度宽方位的地震数据分类方法的步骤。
从上述描述可知，本发明提供高密度宽方位的地震数据分类方法及装置，通过CDP面元网格及地震数据的大地坐标，建立网格坐标，在此基础上，计算地震数据的方位角，并依据地震数据的线号、CDP号、偏移距、时间及所述方位角对地震数据进行分类，分类之后的地震数据相关性相对分类之前的有着较大的提高，本方法可以更准确地获取方位速度和更好的成像效果，偏移后可以保留更精确的方位和偏移距信息，便于方位相关的属性提取。综上，本方法为精确去噪奠定了基础，且能较好的保护在有限偏移距范围内的方位角信息，去噪后地震数据能更好地提高反演精度和裂缝预测精度，从而为后期石油勘探裂缝预测创造良好的条件。
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。
图1为本发明的实施例中的高密度宽方位的地震数据分类方法的流程示意图；
图2为本发明的实施例中步骤300的流程示意图；
图3为本发明的具体应用实例中的高密度宽方位的地震数据分类方法的流程示意图；
图4为本发明的具体应用实例中的采集地震数据的观测系统示意图；
图5为本发明的具体应用实例中的网格坐标示意图；
图6为本发明的具体应用实例中的三维CDP地震剖面图(分类前)；
图7为本发明的具体应用实例中的玫瑰图；
图8为本发明的具体应用实例中的共检波点距分布示意图
图9为本发明的具体应用实例中的三维CDP地震剖面图(分类后)；
图10为本发明的实施例中的高密度宽方位的地震数据分类装置的结构示意图；
图11为本发明的实施例中的电子设备的结构示意图。
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，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，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作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。
本发明的实施例提供一种高密度宽方位的地震数据分类方法的具体实施方式，参见图1，该方法具体包括如下内容：
步骤100：根据预设的共深度点CDP面元网格尺寸及高密度宽方位的地震数据的大地坐标，建立网格坐标。
共深度点CDP(common depth point)道集：地震资料采集中，当反射界面水平时，在测线上不同的共炮点道集中，总能找到不同的道，其都来自地下界面上的某个共同点，该点称为共深度点或共反射点，具有共同深度反射点的相应各记录道组成共深度点(或共反射点)道集称为CDP道集。
步骤100中的网格坐标用于确定地震数据所在CDP面元网格。可以理解的是，预设的CDP面元网格尺寸要远小于偏移距，以保证每个CDP面元网格有一定的覆盖次数。
步骤200：根据地震数据的炮点及检波点的网格坐标，计算地震数据的方位角。
可以理解的是，步骤200中的方位角是指炮点与检波点的连线的中点与大地坐标的原点的连线与网格坐标X轴正方向的夹角。根据该夹角的大小对地震数据进行排序，可以将相关性较大的地震道分为一类。
步骤200在具体实施时，可以计算炮点网格数，具体地，根据预设CDP面元网格网格和地震数据的原点大地坐标，计算炮点在原点坐标系中的X方向的网格数(即网格坐标)和Y方向的网格数，需要注意的是，该网格数可以为负数。采用同样的方法，计算检波点在坐标系中的X方向的网格数和Y方向的网格数。接着，计算炮点和检波点中点网格数及其与坐标轴X轴正方向的夹角。
步骤300：根据地震数据的线号、CDP号、偏移距、时间及方位角对地震数据进行分类。
可以理解的是，同样的数据，从不同的角度去观测，看到的东西是不同的。最简单的例子是一个单道数据，看到有波形的地方，可能是反射信号，也可能是直达波，折射波，面波，多次波等，这些都是有限带宽信号。对于叠前三维地震数据，例如在共炮点道集和共偏移距道集，同样是时间空间域，所看到的反射信号同相轴有很大的差别。根据地震数据的线号、CDP号、偏移距、时间及方位角对地震数据进行分类，可以使得分类后的相邻地震道有更好的相关性。
从上述描述可知，本发明提供高密度宽方位的地震数据分类方法，通过CDP面元网格及地震数据的大地坐标，建立网格坐标，在此基础上，计算地震数据的方位角，并依据地震数据的线号、CDP号、偏移距、时间及所述方位角对地震数据进行分类，分类之后的地震数据相关性相对分类之前的有着较大的提高，本方法可以更准确地获取方位速度和更好的成像效果，偏移后可以保留更精确的方位和偏移距信息，便于方位相关的属性提取。综上，本方法为精确去噪奠定了基础，且能较好的保护在有限偏移距范围内的方位角信息，去噪后地震数据能更好地提高反演精度和裂缝预测精度，从而为后期石油勘探裂缝预测创造良好的条件。
一实施例中，参见图2，步骤300包括：
步骤301：根据地震数据的线号、CDP号、偏移距、时间及方位角生成地震数据的分类指数。
步骤301在具体实施时，首先设置地震数据的线号、CDP号、偏移距、时间及方位角五个参数的各自权重，根据该权重及五个参数生成地震数据的分类指数。
步骤302：建立分类指数与分类结果的映射关系。
可以理解的是，该映射关系是通过大量的实际地震数据生成的具有代表性的统计数据库。
步骤303：根据分类指数生成地震数据的分类结果。
步骤303在具体实施时，可以为查询分类指数在映射关系中对应的分类结果。
一实施例中，方位角为炮点与检波点的连线的中点与大地坐标的原点的连线与网格坐标X轴正方向的夹角。
可以理解的是，该方位角的范围为0-180°。
一实施例中，高密度宽方位的地震数据分类方法还包括：采集高密度宽方位的地震数据。
一实施例中，高密度宽方位的地震数据分类方法还包括：对采集得到的高密度宽方位的地震数据进行预处理，包括：去噪、静校正、反褶积、速度分析、能量补偿及对异常值进行插值。
可以理解的是，高密度宽方位地震勘探具有高密度激发、连续记录、高覆盖次数、宽方位角、大道数均衡接收等优势。有助于提高复杂地区地震资料精度和精细地识别地下地质体的各种信息，特别有利于精细刻画小断块、小构造、薄储集层等，对寻找非构造油气藏、老油田挖潜等方面有着举足轻重的作用。
为进一步地说明本方案，本发明以某油田为例，提供基于线号、CDP号、偏移距分段、方位角及时间五维参数的高密度宽方位的地震数据分类方法的具体应用实例，该具体应用实例具体包括如下内容，参见图3。
S0：采集高密度宽方位的地震数据。
可以理解的是，S0中的地震数据是指三维叠前数据。
S1：预处理。
对采集到的三维叠前数据进行去噪、静校正、反褶积、速度分析、能量补偿及对异常值进行插值。异常值进行插值是指对少量不太规则的地震道进行规则化处理，以保证整个工区的每个地震道都处于规则的位置上。
S2：建立网格坐标。
参见图4，采集目标三维数据之后，按共炮点道集排列。按照炮检坐标中心点的位置，把每个地震道都设置在如图5所示的CDP网格里(CDP面元)，就排列成叠前三维CDP道集，这个道集数据可以参看实际地震数据(动校正后)，如图6所示。
步骤S2在具体实施时，可以通过以下方式实现，CDP面元网格设置为12.5×12.5米；最大偏移距7200米，设置网格坐标的原点的大地坐标为X＝511293.3，Y＝3094408.8，以地震道炮点A为例：
地震道炮点A坐标为：spX＝512406.3，spY＝3094954.8，则计算该炮点在X坐标方向所在的网格数为：nspX＝(511293.3-512406.3)/12.5＝8.904(网格数可以为小数，以保证计算精度。)
原点的起始CDP号X方向CDPX＝1，炮点A相对原点X方向距离为spX’＝12.5×(nspX-CDPX)/IncCDPX＝98.8米,其中IncCDPX是预设参数，一般情况省略值为1.。
同理可以计算炮点A在Y坐标方向所在的网格数nspY＝(3094954.8-3094408.8)/12.5＝43.68。参考原点的起始CDP号Y方向CDPY＝1，炮点A相对原点Y方向距离为spY’＝12.5×(nspY-CDPY)/IncCDPY＝533.5米。
以同样方法计算该地震道所对应的检波点B相对于原点的坐标，地震道检波点B坐标为：gpX＝511260.5，gpY＝3093784.1，可以计算出检波点在X坐标方向所在的网格数为：ngpX＝(511293.3-511260.5)/12.5＝2.627。参考原点的起始CDP号X方向CDPX＝1，炮点相对原点X方向坐标为gpX’＝12.5×(ngpX-CDPX)/IncCDPX＝20.3375米。同理可以计算检波点在Y坐标方向所在的网格数丨(3093784.1-3094408.8)丨/12.5＝49.976。参考原点的起始CDP号Y方向CDPY＝1，检波点相对原点Y方向坐标为gpY’＝12.5×(ngpY-CDPY)/IncCDPY＝-612.2米(负值代表该检波点位于坐标轴X的下方)其中IncCDPY是用户提供的参数，一般情况省略值为1。
S3：计算地震数据的方位角。
步骤S3中的方位角为炮点与检波点的连线的中点与大地坐标的原点的连线与网格坐标X轴正方向的夹角，且其范围为0-180°。
同样以步骤S2中的炮点A及检波点B为例，炮检中点坐标为：CDPX’＝(spX’+gpX’)/2＝59.56785(米)，CDPY’＝(spY’+gpY’)/2＝-39.35。
则炮点与炮检点的中点连钱与原点坐标X＝511293.3，Y＝3094408.8，X轴的夹角的正切值为tant(a)＝(spY’-CDPY’)/(spX’-CDPX’)＝14.6003263。夹角为a＝atant(14.6003263)＝1.5024,其中tant()为正切函数表示，atant()为反正切函数。并把夹角a转换成弧度数为：radian＝a×180/3.1415926＝86.08度。
需要注意的是，若radian如果大于360°，radian可以赋值为0，即：radian＝0°，若radian小于零，则radian＝radian+360°，在执行前面两个操作后，若还存在radian还有大于180°的情况，radian＝radian-180°。
S4：偏移距分段。
本具体应用实例按800米进行偏移距分段处理，即将偏移距每隔800米分为一段，则本具体应用实例共有7200/800＝9段。
S5：地震数据分类。
参见图7至图8，按照炮检坐标中心点的位置分布密度做成玫瑰图，并画上等间隔的同心圆和过圆心的等分线(偏移距)，就形成了若干扇形面元。从同一个面元里取距离更相近两地震道同CDP的地震道数据，则这两道的相关性肯定会比CDP道集组合要好。按照上述方法进行分选，就可以把叠前的三维CDP道集变成五维地震数据体，其特点是相邻道之间比原始的叠前三维CDP道集有更好的相关性。
步骤S5在具体实施时，可以按照线号、CDP号、偏移距分段号、炮检线与坐标X方向的夹角大小排序，可以排成如图9所示的数据体。图9中数据一共分成9段，每段内的地震道相似性最大。每段的属性各有变化。在图6中看到的连续同相轴基本上是水平的，但在分类成图9后发现同相轴有一定的倾角，图9的9个不同的分段分别对应了图7玫瑰图中9个不同的位置，这充分证明该勘探工区内9个不同位置属性存在差别。
从上述描述可知，本发明提供高密度宽方位的地震数据分类方法，通过CDP面元网格及地震数据的大地坐标，建立网格坐标，在此基础上，计算地震数据的方位角，并依据地震数据的线号、CDP号、偏移距、时间及所述方位角对地震数据进行分类，分类之后的地震数据相关性相对分类之前的有着较大的提高，本方法可以更准确地获取方位速度和更好的成像效果，偏移后可以保留更精确的方位和偏移距信息，便于方位相关的属性提取。综上，本方法为精确去噪奠定了基础，且能较好的保护在有限偏移距范围内的方位角信息，去噪后地震数据能更好地提高反演精度和裂缝预测精度，从而为后期石油勘探裂缝预测创造良好的条件。
基于同一发明构思，本申请实施例还提供了高密度宽方位的地震数据分类装置，可以用于实现上述实施例所描述的方法，如下面的实施例。由于高密度宽方位的地震数据分类装置解决问题的原理与高密度宽方位的地震数据分类方法相似，因此高密度宽方位的地震数据分类装置的实施可以参见高密度宽方位的地震数据分类方法实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的系统较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
本发明的实施例提供一种能够实现高密度宽方位的地震数据分类方法的高密度宽方位的地震数据分类装置的具体实施方式，参见图10，高密度宽方位的地震数据分类装置具体包括如下内容：
网格坐标建立单元10，用于根据预设的CDP面元网格尺寸及高密度宽方位的地震数据的大地坐标，建立网格坐标，网格坐标用于确定地震数据所在CDP面元网格；
方位角计算单元20，用于根据地震数据的炮点及检波点的网格坐标，计算地震数据的方位角；
地震数据分类单元30，用于根据地震数据的线号、CDP号、偏移距、时间及方位角对地震数据进行分类。
一实施例中，高密度宽方位的地震数据分类装置还包括：
分类指数生成单元，用于根据地震数据的线号、CDP号、偏移距、时间及方位角生成地震数据的分类指数；
分类结果生成单元，用于根据分类指数生成地震数据的分类结果。
一实施例中，高密度宽方位的地震数据分类装置还包括：映射关系建立单元，用于建立分类指数与分类结果的映射关系。
一实施例中，分类结果生成单元具体用于查询分类指数在映射关系中对应的分类结果。
一实施例中，高密度宽方位的地震数据分类装置还包括：地震数据采集单元，用于采集高密度宽方位的地震数据。
一实施例中，高密度宽方位的地震数据分类装置还包括：预处理单元，用于对采集得到的高密度宽方位的地震数据进行预处理，包括：去噪、静校正、反褶积、速度分析、能量补偿及对异常值进行插值。
从上述描述可知，本发明提供高密度宽方位的地震数据分类装置，通过CDP面元网格及地震数据的大地坐标，建立网格坐标，在此基础上，计算地震数据的方位角，并依据地震数据的线号、CDP号、偏移距、时间及所述方位角对地震数据进行分类，分类之后的地震数据相关性相对分类之前的有着较大的提高，本方法可以更准确地获取方位速度和更好的成像效果，偏移后可以保留更精确的方位和偏移距信息，便于方位相关的属性提取。综上，本方法具有较好的去噪能力，且能较好的保护在有限偏移距范围内的方位角信息，进而可以提高反演精度和裂缝预测精度，从而为后期石油勘探裂缝预测创造良好的条件。
本申请的实施例还提供能够实现上述实施例中的高密度宽方位的地震数据分类方法中全部步骤的一种电子设备的具体实施方式，参见图11，电子设备具体包括如下内容：
处理器(processor)1201、存储器(memory)1202、通信接口(CommunicationsInterface)1203和总线1204；
其中，处理器1201、存储器1202、通信接口1203通过总线1204完成相互间的通信；通信接口1203用于实现服务器端设备、测量设备以及用户端设备等相关设备之间的信息传输。
处理器1201用于调用存储器1202中的计算机程序，处理器执行计算机程序时实现上述实施例中的高密度宽方位的地震数据分类方法中的全部步骤，例如，处理器执行计算机程序时实现下述步骤：
步骤100：根据预设的共深度点CDP面元网格尺寸及高密度宽方位的地震数据的大地坐标，建立网格坐标。
步骤200：根据地震数据的炮点及检波点的网格坐标，计算地震数据的方位角。
步骤300：根据地震数据的线号、CDP号、偏移距、时间及方位角对地震数据进行分类。
从上述描述可知，本申请实施例中的电子设备，通过CDP面元网格及地震数据的大地坐标，建立网格坐标，在此基础上，计算地震数据的方位角，并依据地震数据的线号、CDP号、偏移距、时间及所述方位角对地震数据进行分类，分类之后的地震数据相关性相对分类之前的有着较大的提高，本方法可以更准确地获取方位速度和更好的成像效果，偏移后可以保留更精确的方位和偏移距信息，便于方位相关的属性提取。综上，本方法为精确去噪奠定了基础，且能较好的保护在有限偏移距范围内的方位角信息，去噪后地震数据能更好地提高反演精度和裂缝预测精度，从而为后期石油勘探裂缝预测创造良好的条件。
本申请的实施例还提供能够实现上述实施例中的高密度宽方位的地震数据分类方法中全部步骤的一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中的高密度宽方位的地震数据分类方法的全部步骤，例如，处理器执行计算机程序时实现下述步骤：
步骤100：根据预设的共深度点CDP面元网格尺寸及高密度宽方位的地震数据的大地坐标，建立网格坐标。
步骤200：根据地震数据的炮点及检波点的网格坐标，计算地震数据的方位角。
步骤300：根据地震数据的线号、CDP号、偏移距、时间及方位角对地震数据进行分类。
从上述描述可知，本申请实施例中的计算机可读存储介质，通过CDP面元网格及地震数据的大地坐标，建立网格坐标，在此基础上，计算地震数据的方位角，并依据地震数据的线号、CDP号、偏移距、时间及所述方位角对地震数据进行分类，分类之后的地震数据相关性相对分类之前的有着较大的提高，本方法可以更准确地获取方位速度和更好的成像效果，偏移后可以保留更精确的方位和偏移距信息，便于方位相关的属性提取。综上，本方法为精确去噪奠定了基础，且能较好的保护在有限偏移距范围内的方位角信息，去噪后地震数据能更好地提高反演精度和裂缝预测精度，从而为后期石油勘探裂缝预测创造良好的条件。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于硬件+程序类实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
虽然本申请提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的装置或客户端产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。
虽然本说明书实施例提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的手段可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的装置或终端产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境，甚至为分布式数据处理环境)。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、产品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、产品或者设备所固有的要素。在没有更多限制的情况下，并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。
为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本说明书实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现，也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
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。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书实施例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，本说明书实施例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。
本说明书实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书实施例的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
以上所述仅为本说明书实施例的实施例而已，并不用于限制本说明书实施例。对于本领域技术人员来说，本说明书实施例可以有各种更改和变化。凡在本说明书实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书实施例的权利要求范围之内。
Claims (16)
1.一种高密度宽方位的地震数据分类方法，其特征在于，包括：
根据预设的共深度点CDP面元网格尺寸及高密度宽方位的地震数据的大地坐标，建立网格坐标，所述网格坐标用于确定所述地震数据所在CDP面元网格；
根据所述地震数据的炮点及检波点的网格坐标，计算所述地震数据的方位角；
根据所述地震数据的线号、CDP号、偏移距、时间及所述方位角对所述地震数据进行分类。
2.如权利要求1所述的地震数据分类方法，其特征在于，还包括：
根据所述地震数据的线号、CDP号、偏移距、时间及所述方位角生成所述地震数据的分类指数；
根据所述分类指数生成所述地震数据的分类结果。
3.如权利要求2所述的地震数据分类方法，其特征在于，还包括：
建立所述分类指数与所述分类结果的映射关系。
4.如权利要求3所述的地震数据分类方法，其特征在于，所述根据所述分类指数生成所述地震数据的分类结果，包括：
查询所述分类指数在所述映射关系中对应的分类结果。
5.如权利要求1所述的地震数据分类方法，其特征在于，所述方位角范围为0-180°。
6.如权利要求1所述的地震数据分类方法，其特征在于，还包括：采集所述高密度宽方位的地震数据。
7.如权利要求6所述的地震数据分类方法，其特征在于，还包括：对采集得到的高密度宽方位的地震数据进行预处理，包括：去噪、静校正、反褶积、速度分析、能量补偿及对异常值进行插值。
8.如权利要求1所述的地震数据分类方法，其特征在于，所述方位角为所述炮点与所述检波点的连线的中点与所述大地坐标的原点的连线与所述网格坐标X轴正方向的夹角。
9.一种高密度宽方位的地震数据分类装置，其特征在于，包括：
网格坐标建立单元，用于根据预设的CDP面元网格尺寸及高密度宽方位的地震数据的大地坐标，建立网格坐标，所述网格坐标用于确定所述地震数据所在CDP面元网格；
方位角计算单元，用于根据所述地震数据的炮点及检波点的网格坐标，计算所述地震数据的方位角；
地震数据分类单元，用于根据所述地震数据的线号、CDP号、偏移距、时间及所述方位角对所述地震数据进行分类。
10.如权利要求9所述的地震数据分类装置，其特征在于，还包括：
分类指数生成单元，用于根据所述地震数据的线号、CDP号、偏移距、时间及所述方位角生成所述地震数据的分类指数；
分类结果生成单元，用于根据所述分类指数生成所述地震数据的分类结果。
11.如权利要求10所述的地震数据分类装置，其特征在于，还包括：
映射关系建立单元，用于建立所述分类指数与所述分类结果的映射关系。
12.如权利要求11所述的地震数据分类装置，其特征在于，分类结果生成单元具体用于查询所述分类指数在所述映射关系中对应的分类结果。
13.如权利要求9所述的地震数据分类装置，其特征在于，还包括：地震数据采集单元，用于采集所述高密度宽方位的地震数据。
14.如权利要求9所述的地震数据分类装置，其特征在于，还包括：预处理单元，用于对采集得到的高密度宽方位的地震数据进行预处理，包括：去噪、静校正、反褶积、速度分析、能量补偿及对异常值进行插值。
15.一种电子设备，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，其特征在于，所述处理器执行所述程序时实现权利要求1至8任一项所述高密度宽方位的地震数据分类方法的步骤。
16.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至8任一项所述高密度宽方位的地震数据分类方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910693153.1A CN112305599A (zh) | 2019-07-30 | 2019-07-30 | 高密度宽方位的地震数据分类方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910693153.1A CN112305599A (zh) | 2019-07-30 | 2019-07-30 | 高密度宽方位的地震数据分类方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112305599A true CN112305599A (zh) | 2021-02-02 |
Family
ID=74330288
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910693153.1A Pending CN112305599A (zh) | 2019-07-30 | 2019-07-30 | 高密度宽方位的地震数据分类方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112305599A (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0297852A2 (en) * | 1987-07-02 | 1989-01-04 | Mobil Oil Corporation | Method for real time display of marine seismic survey data coverage |
| US6470276B1 (en) * | 1999-05-25 | 2002-10-22 | Westerngeco L.L.C. | Method of determining merit of offset and azimuth distributions in seismic data acquisition |
| NO20031077D0 (no) * | 2002-04-01 | 2003-03-07 | Pgs Americas Inc | Fremgangsmåte og apparat for opplösning av seismikkdata for skj¶rbölger |
| US20060018191A1 (en) * | 2004-07-23 | 2006-01-26 | Input/Output, Inc. | Offset-azimuth binning for migration and velocity analysis |
| CN102375154A (zh) * | 2010-08-20 | 2012-03-14 | 中国石油天然气集团公司 | 基于宽方位三维地震的裂缝参数确定方法 |
| CN104502967A (zh) * | 2014-12-23 | 2015-04-08 | 中国石油天然气集团公司 | 快速获取地震勘探观测系统面元信息的方法及装置 |
| CN105866833A (zh) * | 2016-06-16 | 2016-08-17 | 中国石油集团川庆钻探工程有限公司地球物理勘探公司 | Vsp-cdp叠加方法及三维vsp覆盖次数计算方法 |
| CN106249283A (zh) * | 2015-06-15 | 2016-12-21 | 中国石油化工股份有限公司 | 多元化的地震资料观测系统定义方法及系统 |
| CN106908836A (zh) * | 2015-12-23 | 2017-06-30 | 中国石油天然气股份有限公司 | 采集脚印压制方法及系统 |
| CN107300717A (zh) * | 2016-04-15 | 2017-10-27 | 中国石油化工股份有限公司 | 一种三维空间的方位偏移距道集匀化的方法 |
| CN107765298A (zh) * | 2017-07-14 | 2018-03-06 | 中国石油天然气集团公司 | 一种确定近地表速度模型的方法及装置 |
-
2019
- 2019-07-30 CN CN201910693153.1A patent/CN112305599A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0297852A2 (en) * | 1987-07-02 | 1989-01-04 | Mobil Oil Corporation | Method for real time display of marine seismic survey data coverage |
| US6470276B1 (en) * | 1999-05-25 | 2002-10-22 | Westerngeco L.L.C. | Method of determining merit of offset and azimuth distributions in seismic data acquisition |
| NO20031077D0 (no) * | 2002-04-01 | 2003-03-07 | Pgs Americas Inc | Fremgangsmåte og apparat for opplösning av seismikkdata for skj¶rbölger |
| US20060018191A1 (en) * | 2004-07-23 | 2006-01-26 | Input/Output, Inc. | Offset-azimuth binning for migration and velocity analysis |
| CN102375154A (zh) * | 2010-08-20 | 2012-03-14 | 中国石油天然气集团公司 | 基于宽方位三维地震的裂缝参数确定方法 |
| CN104502967A (zh) * | 2014-12-23 | 2015-04-08 | 中国石油天然气集团公司 | 快速获取地震勘探观测系统面元信息的方法及装置 |
| CN106249283A (zh) * | 2015-06-15 | 2016-12-21 | 中国石油化工股份有限公司 | 多元化的地震资料观测系统定义方法及系统 |
| CN106908836A (zh) * | 2015-12-23 | 2017-06-30 | 中国石油天然气股份有限公司 | 采集脚印压制方法及系统 |
| CN107300717A (zh) * | 2016-04-15 | 2017-10-27 | 中国石油化工股份有限公司 | 一种三维空间的方位偏移距道集匀化的方法 |
| CN105866833A (zh) * | 2016-06-16 | 2016-08-17 | 中国石油集团川庆钻探工程有限公司地球物理勘探公司 | Vsp-cdp叠加方法及三维vsp覆盖次数计算方法 |
| CN107765298A (zh) * | 2017-07-14 | 2018-03-06 | 中国石油天然气集团公司 | 一种确定近地表速度模型的方法及装置 |
Non-Patent Citations (7)
| Title |
|---|
| YAOJUN WANG ET AL: "《Anisotropic characteristics of mesoscale fractures and applications to wide azimuth 3D P-wave seismic data》", 《JOURNAL OF GEOPHYSICS AND ENGINEERING》, no. 12, 31 December 2015 (2015-12-31), pages 448 - 464 * |
| 娄兵 等: "《高密度宽方位地震数据处理技术在玛湖凹陷的应用》", 《新疆石油地质》, vol. 36, no. 2, 30 April 2015 (2015-04-30), pages 208 - 213 * |
| 张兴岩 等: "《共炮检距矢量域海底电缆数据规则化技术及应用》", 《石油物探》, vol. 55, no. 3, 31 May 2016 (2016-05-31), pages 357 - 365 * |
| 李娜;: "基于OVT域的高密度宽方位地震资料处理技术", 西部探矿工程, no. 04, 15 April 2017 (2017-04-15) * |
| 李新祥: "《三维地震共炮检距向量道集》", 《石油物探》, vol. 46, no. 6, 30 November 2007 (2007-11-30), pages 545 - 551 * |
| 王兆磊 等: "《高密度宽方位地震资料处理技术研究进展》", 《物探化探计算技术》, vol. 37, no. 4, 31 July 2015 (2015-07-31), pages 465 - 471 * |
| 赵镨 等: "《高密度采集技术在西部煤炭资源勘探中的应用》", 《中国煤炭地质》, vol. 20, no. 6, 30 June 2008 (2008-06-30), pages 11 - 15 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3055715B1 (en) | System and method for regularizing seismic data | |
| US6401042B1 (en) | Method of determining spatial changes in subsurface structure, stratigraphy, lithology and fluid content and of reducing seismic noise | |
| CN108254784B (zh) | 一种基于二维地震数据的断层识别方法、装置及系统 | |
| US20090204332A1 (en) | Method For Indexing A Subsurface Volume For The Purpose Of Inferring Geologic Information | |
| CN108828668B (zh) | 一种叠前时间偏移数据处理方法及装置 | |
| US20220221604A1 (en) | Method of analysing seismic data | |
| Chamarczuk et al. | Unsupervised learning used in automatic detection and classification of ambient‐noise recordings from a large‐N array | |
| WO2021127382A1 (en) | Full waveform inversion in the midpoint-offset domain | |
| Zhang et al. | Automatic time-domain velocity estimation based on an accelerated clustering method | |
| Bugge et al. | Automatic extraction of dislocated horizons from 3D seismic data using nonlocal trace matching | |
| Benfield et al. | Diffraction imaging–a tool to reduce exploration and development risk | |
| Ward et al. | Automatic slowness vector measurements of seismic arrivals with uncertainty estimates using bootstrap sampling, array methods and unsupervised learning | |
| Decker et al. | Quantifying and correcting residual azimuthal anisotropic moveout in image gathers using dynamic time warping | |
| CN108226997A (zh) | 一种基于叠前地震数据的地震相划分方法 | |
| CN112305599A (zh) | 高密度宽方位的地震数据分类方法及装置 | |
| Li et al. | A 3D reflection ray-tracing method based on linear traveltime perturbation interpolation | |
| CN108387934B (zh) | 一种裂缝储层预测方法、装置、电子设备及存储介质 | |
| Aitken et al. | Semiautomated quantification of the influence of data richness on confidence in the geologic interpretation of aeromagnetic maps | |
| US11768303B2 (en) | Automatic data enhancement for full waveform inversion in the midpoint-offset domain | |
| CN109471173B (zh) | 一种剩余静校正方法及装置 | |
| Niksejel et al. | Towards a regional, automated full moment tensor inversion for medium to large magnitude events in the Iranian plateau | |
| CA2606203A1 (en) | Seismic data processing method for rmo picking | |
| CN108802817B (zh) | 一种多孔径深度偏移成像的方法、装置及系统 | |
| Bugge et al. | Data-driven identification of stratigraphic units in 3D seismic data using hierarchical density-based clustering | |
| AU2002333947B2 (en) | Improvements to surface picking techniques |
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 |