CN112444852A - 地震数据反射系数标签的自动标定方法 - Google Patents

Abstract

本发明涉及一种地震数据反射系数标签的自动标定方法，涉及物理勘探技术领域。本发明的地震数据反射系数标签的自动标定方法，以反射界面位置为约束，通过提取到的瞬时子波对所述地震记录进行反演计算获得反射系数，该反射系数位置与约束的反射系数位置是相吻合的，因此能够将该井上的反射系数数据精确地标定到地震数据上，从而克服了井震尺度匹配问题。

Description

地震数据反射系数标签的自动标定方法

技术领域

本发明涉及物理勘探技术领域，特别地涉及一种地震数据反射系数标签的自动标定方法。

背景技术

国外在基于深度学习对地震数据进行高精度处理、解释上已经进行了初步的研究，并取得了一定的成绩，这些技术可能在具体实现中有所不同，但目标就是不断提升地震解释工作的效率与精度。当前简单油气藏逐渐减少，薄层、薄互层等复杂地质体已成为油气藏勘探开发的主要目标，因而对勘探精度的要求也越来越高。利用深度学习技术结合井震联合实现对地面地震数据的高精度处理解释技术，推出相应算法对不断提升地震解释工作的效率与精度有重要的意义。

地震数据的反射系数标定可用于基于人工智能的地震反演等，但是目前人工智能在地球物理中的应用面临的一大难题是地震数据标签的不足，地震数据的标签也就是地震数据反映的地下构造、岩性等情况，由地下的构造、岩性等生成的地震数据这是正演的过程，反过来地震数据也对应着地下的构造、岩性等，如何给地震数据准确地打上这些标签是一个难题，主要的障碍在于井震尺度的不匹配，一般地井上的深度域采样为0.125m粗略地估计其时间采样为0.1ms左右，而地震数据的时间采样约为1ms是其10倍，井震匹配的过程就算时、深比较准确井上的物理量相当于被每10个点采一个数据，仍然会带来井上更多信息的丢失，如果信息丢失严重这无疑对地震数据的标定带来很大的问题。

发明内容

本发明提供一种地震数据反射系数标签的自动标定方法，能够将反射系数尽可能准确地标定在地震数据上，来满足人工智能应用过程中地震数据打标签的问题。

本发明提供一种地震数据反射系数标签的自动标定方法，包括以下步骤：

根据褶积模型重构变子波的地震记录；

将地震信号自适应地划分为多个平稳的信号片段；

分别在每个平稳的片段内提取瞬时子波；

以反射界面位置为约束，通过提取到的瞬时子波对所述地震记录进行反演计算获得反射系数，将所述反射系数作为所述地震记录的标签。

在一个实施方式中，在某个地层片段内子波是常子波，则地震记录S(t)满足下列表达式：

其中，W^j(t)为第j个地层片段内的子波；

L为地层片段的个数；

为反射系数；

t为时间；

Δt为采样时间间隔；

kΔt为第k个采样时刻；

c_k为第k时刻反射系数的值；

δ为脉冲函数符号；

k，M₁和M₂均为自然数。

在一个实施方式中，对地震记录S(t)进行傅里叶域变换，获得变子波地震记录的傅里叶域表达式：

其中，W^j(w)为第j个地层片段内的频率域瞬时子波；

t_k为第k个采样上的时刻，t_k＝kΔt；

i为虚数单位；

在一个实施方式中，第j个地层片段内，瞬时子波的振幅谱s^j(w)满足下列表达式：

在一个实施方式中，通过构造自适应Gabor标架，以使得覆盖在此区域的地震子波是平稳的来将地震信号自适应地划分为多个平稳的信号片段。

在一个实施方式中，将地震信号自适应地划分为多个平稳的信号片段包括以下子步骤：

在各个采样点均给定一个相同的Gabor小原子，其原子窗为高斯窗；

采用希尔伯特变换的方式求取地震子波的瞬时频率；

根据所述地震子波的瞬时频率获得地震子波的振幅包络加权频率，对所述振幅包络加权频率曲线采取保边平滑滤波处理；

将所述高斯窗作用于保边平滑滤波处理后的结果上，以将地震信号自适应地划分为多个平稳的信号片段。

在一个实施方式中，地震子波的瞬时频率f(t)满足下列表达式：

其中，s(t)是地震信号的实部；

s^*(t)是地震信号的虚部；

a²(t)是瞬时包络振幅；

a²(t)满足下列表达式：

a²(t)＝s²(t)+s²*(t) (13)。

在一个实施方式中，地震子波的振幅包络加权频率f'(t)满足下列表达式：

其中，W(t)是瞬时振幅包络。

在一个实施方式中，原子窗满足以下高斯函数：

其中，T为小原子窗的半周期。

在一个实施方式中，在每个平稳的信号片段内子波均为0相位。

与现有技术相比，本发明的优点在于：以反射界面位置为约束，通过提取到的瞬时子波对所述地震记录进行反演计算获得反射系数，该反射系数位置与约束的反射系数位置是相吻合的，因此能够将该井上的反射系数数据精确地标定到地震数据上，从而克服了井震尺度匹配问题。

附图说明

在下文中将基于实施例并参考附图来对本发明进行更详细的描述。

图1是本发明的实施例中地震数据反射系数标签的自动标定方法的流程图；

图2是本发明的实施例中地震信号的曲线图；

图3是发明的实施例中瞬时频率瞬时加权频率曲线图；

图4是本发明的实施例中采取保边平滑滤波处理后获得的曲线图；

图5是本发明的实施例中将地震信号自适应地划分为多个平稳的信号片段的结果图；

图6a和图6b分别是本发明的实施例中在平稳的片段内提取的瞬时子波图；

图7是本发明的实施例中地震剖面以及过井的地震道；

图8是本发明的实施例中无约束下的反射系数的反演结果；

图9是本发明的实施例中有地质约束下的反射系数反演结果。

具体实施方式

下面将结合附图对本发明作进一步说明。

如图1所示，本发明提供一种地震数据反射系数标签的自动标定方法，其包括以下步骤：

第一步，根据褶积模型重构变子波的地震记录。

传统的地震道模型可以用褶积模型来描述：

s(t)＝w(t)*r(t) (1)

表达式(1)中，S(t)表示地震记录，w(t)表示子波，r(t)表示反射系数序列，*表示数学表达式的褶积运算。这一模型是建立在若干假设条件之上的，其中假设条件之一就是子波在地下介质传播时子波是不断变化的，如果子波是常子波即子波不随深度的变化而变化显然(1)式是不够精确的，需要建立变子波的褶积模型。

下面采用矩阵的方式来推导出变子波的褶积模型。

首先，对于常子波的情况，假设子波是一时间序列设为：

w(m)＝[w₁,w₂....w_m] (2)

则常子波的地震记录(褶积模型)为：

表达式(3)可以分为三个部分，从左到右依次是地震记录矢量、子波矩阵和反射系数序列，其中的子波矩阵大小为N*N，N为地震记录的采样点个数。中间的子波矩阵代表的是褶积过程的精简过程即褶积模型后将记录“掐头去尾”之后的结果，特别地空白处不是充0，而是省略了其他子波矩阵的元素。

进一步地，将常子波的褶积模型扩充到时变子波的情况，也就是子波在每一个时刻都是变化的，直接重写公式(3)可以得到：

下面分析时变子波的频率域的情况。令Δt表示时间的采样间隔，t_k＝kΔt表示第k个采样上的时刻，c_k表示第k时刻反射系数的值，正负值表示其极性，则脉冲的表达式可以表示为：

假设垂直地层上子波是时变的，也即在某个地层片段内子波是常子波，此时地震记录S(t)可以表示为：

其中，W^j(t)为第j个地层片段内的子波；

L为地层片段的个数；

为反射系数；

t为时间；

Δt为采样时间间隔；

kΔt为第k个采样时刻；

c_k为第k时刻反射系数的值；

δ为脉冲函数符号；

k，M₁和M₂均为自然数，且M₁＜M₂。

对地震记录S(t)进行傅里叶域变换，获得变子波地震记录的傅里叶域表达式：

其中，W^j(w)为第j个地层片段内的频率域瞬时子波；

t_k为第k个采样上的时刻，t_k＝kΔt；

i为虚数单位。

特别地，对于某一个地层片段而言，瞬时子波其振幅谱可以表达为如下的形式：

第二步，将地震信号自适应地划分为多个平稳的信号片段。具体地，通过构造自适应Gabor标架，以使得覆盖在此区域的地震子波是平稳的来将地震信号自适应地划分为多个平稳的信号片段。

地震信号是典型的非平稳信号，通过将地震信号自适应地划分为若干个平稳的片段，在每个片段内地震的子波都是常子波。假设每个片段内的地震子波都是0相位的，以便将复杂的地震传播问题简单化便于问题的解决。

下面说明如何构造Gabor标架，使得覆盖在此区域的地震子波是平稳的。

在各个采样点给一个相同的gabor小原子，将相邻小原子窗加起来就形成了分子窗。假定原子窗为如下的高斯函数：

其中Δt为时间采样间隔，T为小原子窗的半周期，t为时间，在地震信号分析中时窗的延迟可以表示为：

g′(t)＝g(t-t₀) (10)

当需要将所有的分析时窗加起来的时候只需要将时间延迟的小原子窗代数相加就可以了。具体的实现可以见下面的式子。

地震信号是实数信号，通过希尔伯特变换可将其变换为复数道的信号，则瞬时频率f(t)可以表示为：

其中s(t)是地震信号的实部，s^*(t)是地震信号的虚部，也是地震信号希尔伯特变换的虚部。

瞬时包络振幅为：

a²(t)＝s²(t)+s²*(t) (13)

根据瞬时频率f(t)计算获得振幅包络加权频率f'(t)，其表达式如下：

其中，W(t)为瞬时振幅包络。

如图2所示，选择了一道地震信号，这道地震信号是从实际地震资料中抽取出来的，地震资料明显是复合波的状态，是非平稳的状态，理论上没有真正的瞬时频率，因此采用常规的计算方法即希尔伯特变换的方式求取瞬时频率。

如图3所示，为采用公式(12)和公式(14)计算的结果，其中一条震荡得非常剧烈的曲线是瞬时频率曲线，另一条曲线是振幅的加权平均结果，可以看出，其平滑了很多，因此该曲线可以看成是震荡得非常剧烈的曲线的趋势线。根据该趋势线，可以将临近的比较接近的瞬时频率认为是同一个平稳时窗的内的。如果能得到这样的划分，那么就可将这个片段当做地震信号的平稳片段。

因为从上文可以看出，地震信号可以看成子波与反射序列在时间域的褶积同时也是在频率域的直接相乘，由褶积模型的原理可以看出子波的振幅谱是平滑的部分，反射系数的谱是杂乱的快速的变化的，地震记录是介于地震子波和反射序列之间，因此将地震信号的谱通过平滑的方法求其趋势就是对瞬时子波主频的估计。将附近临近的频率聚合成一个片段依次按照这样的方式将其他的微小片段再聚集成小段就完成了将地震信号自适应地划分为平稳的片段。

下面将详细说明如何自适应划分这些片段。

当前位置处的滤波结果为以其为窗口中心点，整个窗口内所有像素点的一个加权平均的结果，其中，窗口中邻域点的滤波权重由邻域点和当前点之间的距离所决定，距离越远的邻域点像素值的权重越小。显然，这种滤波器不关心图像内容，不管是边缘区域还是平坦区域，只要两个点的位置关系不变，滤波器权重都不变。因此，此类滤波器对边缘区域并不具备保留作用，然而，在人类的视觉系统中，对图像中的梯度信息是十分敏感的。因此，具有保边平滑性质的滤波器在图像处理领域得到了很好的发展。

保边平滑滤波，顾名思义，就是在对图像进行平滑的同时，能够保留边缘信息保护图像或者信号的边缘同时平滑非图像的边缘，保边平滑滤波是图像处理中的常规技术。一个保边滤波器可以看做是两个矛盾的目标的结合体。对于一副输入图像，一方面希望其尽可能近似目标图像，与此同时除了在一些边缘梯度变化比较大的地方外应该越平滑越好。

如图4所示，为保边平滑的结果。其中一条曲线为瞬时加权频率的趋势线，另一条类似方波样的曲线为保边平滑后的结果。它将加权瞬时频率进行局部的平滑自动地将地震信号划分为若干个片段。利用上文中的小原子高斯窗作用在保边平滑的结果之上，就可以地震信号自适应地划分为平稳的信号片段(当然这种划分不可能十分的准确原因就是瞬时的频率的估计本身就是不准确的，可以认为是一种近似)，图5显示了为自适应划分的结果。

由此即可将非平稳的地震信号自适应地化为平稳的片段。

第三步，分别在每个平稳的片段内提取瞬时子波。在每个平稳的片段内采用常规提取子波的方法就可以提取0相位的子波。图6a和图6b分别显示了在平稳信号内提取的子波。

第四步，以反射界面位置为约束，通过提取到的瞬时子波对所述地震记录进行反演计算获得反射系数，将所述反射系数作为所述地震记录的标签。

井上的反射系数序列是波阻抗的计算结果。最理想的情况是井上计算出的反射序列直接与井旁道的地震数据做标定，但是这样会存在的问题：

1)反射系数与地震道之间能否直接建立联系。

2)在生产实际中发现波阻抗无法将薄层的砂、泥岩分开，但是伽马曲线确实可以分开得很好。在这种情况下将井上的计算的反射系数直接标记到井旁的地震道上对于薄砂体来说是没有意义的，但是伽马曲线的地质分层却可以派得上用场，但是从伽马曲线上却无法获得波阻抗以及反射系数序列。

3)井上的地质分层过于精细而地震上的分层相对尺度比较大，怎样将两者结合统一到地震的尺度以及哪些反射系数可以忽略等问题也是急需要解决的问题。

为此采用了井上只给出反射界面，在这种地质约束下通过地震数据反演出反射系数的方法将反演的结果作为标签，而且每口井都是如此做法，尤其是针对多口井的地层，其优势体现在反射规律得到了统一。而如果直接采用反射系数的标定，那么由于标定上的误差反而使得规律得不到统一，也就是说，出现的规律是随机的，没有统一的规律可言，则必然导致网络模型作用于地震道的结果是随机错乱的结果。

图7所示的是选取的地震剖面以及从井旁抽取的一道地震道。图7示出了原始的地震剖面，竖线代表虚拟井分析的地震道就是从此处抽取而来的，图8示出了无地质约束(即无反射界面位置约束)下的自由反演，让算法自由地寻找最优正交基，从图8中可以看出，在无约束下反演出的反射系数大小暂且不论，位置上就有不小的偏差，其精度需要提高。

图9所示的是在地质约束下的反射系数反演结果。从图9可以看出，反演出的反射系数位置与约束的反射系数位置是相吻合的，其大小就是反演出的结果。特别地，在信号的尾部出现了无地质约束的情况，此时这一部分是算法自由反演的部分，也就是无约束的反演结果。

综上所述，本发明能够克服井震尺度匹配问题，通过将反演获得的反射系数作为地震数据的标签以达到准确地标定地震数据的目的，即能够准确地给地震数据打上地下的构造、岩性等标签，从而为开展人工智能应用提供技术支持，是人工智能在地震处理解释应用中的重要一环。

虽然已经参考优选实施例对本发明进行了描述，但在不脱离本发明的范围的情况下，可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是，只要不存在结构冲突，各个实施例中所提到的各项技术特征均可以任意方式组合起来。本发明并不局限于文中公开的特定实施例，而是包括落入权利要求的范围内的所有技术方案。

Claims (10)

1.一种地震数据反射系数标签的自动标定方法，其特征在于，包括以下步骤：

根据褶积模型重构变子波的地震记录；

将地震信号自适应地划分为多个平稳的信号片段；

分别在每个平稳的片段内提取瞬时子波；

以反射界面位置为约束，通过提取到的瞬时子波对所述地震记录进行反演计算获得反射系数，将所述反射系数作为所述地震记录的标签。

2.根据权利要求1所述的地震数据反射系数标签的自动标定方法，其特征在于，在某个地层片段内子波是常子波，则地震记录S(t)满足下列表达式：

其中，W^j(t)为第j个地层片段内的子波；

L为地层片段的个数；

为反射系数；

t为时间；

Δt为采样时间间隔；

kΔt为第k个采样时刻；

c_k为第k时刻反射系数的值；

δ为脉冲函数符号；

k，M₁和M₂均为自然数。

3.根据权利要求2所述的地震数据反射系数标签的自动标定方法，其特征在于，对地震记录S(t)进行傅里叶域变换，获得变子波地震记录的傅里叶域表达式：

其中，W^j(w)为第j个地层片段内的频率域瞬时子波；

t_k为第k个采样上的时刻，t_k＝kΔt；

i为虚数单位。

4.根据权利要求3所述的地震数据反射系数标签的自动标定方法，其特征在于，第j个地层片段内，瞬时子波的振幅谱s^j(w)满足下列表达式：

5.根据权利要求1-4中任一项所述的地震数据反射系数标签的自动标定方法，其特征在于，通过构造自适应Gabor标架，以使得覆盖在此区域的地震子波是平稳的来将地震信号自适应地划分为多个平稳的信号片段。

6.根据权利要求1-4中任一项所述的地震数据反射系数标签的自动标定方法，其特征在于，将地震信号自适应地划分为多个平稳的信号片段包括以下子步骤：

在各个采样点均给定一个相同的Gabor小原子，其原子窗为高斯窗；

采用希尔伯特变换的方式求取地震子波的瞬时频率；

根据所述地震子波的瞬时频率获得地震子波的振幅包络加权频率，对所述振幅包络加权频率曲线采取保边平滑滤波处理；

将所述高斯窗作用于保边平滑滤波处理后的结果上，以将地震信号自适应地划分为多个平稳的信号片段。

7.根据权利要求6所述的地震数据反射系数标签的自动标定方法，其特征在于，地震子波的瞬时频率f(t)满足下列表达式：

其中，s(t)是地震信号的实部；

s^*(t)是地震信号的虚部；

a²(t)是瞬时包络振幅；

a²(t)满足下列表达式：

a²(t)＝s²(t)+s²*(t) (13)。

8.根据权利要求6所述的地震数据反射系数标签的自动标定方法，其特征在于，地震子波的振幅包络加权频率f'(t)满足下列表达式：

其中，W(t)是瞬时振幅包络。

9.根据权利要求6所述的地震数据反射系数标签的自动标定方法，其特征在于，原子窗满足以下高斯函数：

其中，T为小原子窗的半周期。

10.根据权利要求6所述的地震数据反射系数标签的自动标定方法，其特征在于，在每个平稳的信号片段内子波均为0相位。

Images