CN112578446B - 一种地层反射杂乱程度的刻画方法及系统 - Google Patents

一种地层反射杂乱程度的刻画方法及系统 Download PDF

Info

Publication number
CN112578446B
CN112578446B CN201910937314.7A CN201910937314A CN112578446B CN 112578446 B CN112578446 B CN 112578446B CN 201910937314 A CN201910937314 A CN 201910937314A CN 112578446 B CN112578446 B CN 112578446B
Authority
CN
China
Prior art keywords
dot
point
dimensional data
clutter
angle
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
CN201910937314.7A
Other languages
English (en)
Other versions
CN112578446A (zh
Inventor
陈科
徐雷鸣
王鹏燕
邹森林
张杨
汪彩云
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 Petroleum and Chemical Corp
Sinopec Geophysical Research Institute
Original Assignee
China Petroleum and Chemical Corp
Sinopec Geophysical Research Institute
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 Petroleum and Chemical Corp, Sinopec Geophysical Research Institute filed Critical China Petroleum and Chemical Corp
Priority to CN201910937314.7A priority Critical patent/CN112578446B/zh
Publication of CN112578446A publication Critical patent/CN112578446A/zh
Application granted granted Critical
Publication of CN112578446B publication Critical patent/CN112578446B/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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

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)
  • Radar Systems Or Details Thereof (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本发明提供一种地层反射杂乱程度的刻画方法及系统，该方法包括：S1、提取三维数据体的倾角和方位角属性；S2、提取所述三维数据体内任意点Dot(x,y,z)的小三维数据体；S3、将所述小三维数据体中每一点的倾角和方位角投影到极坐标系；S4、计算点Dot(x,y,z)到小三维数据体中任意一点Dot(i,j,k)的距离Dis(i,j,k)；S5、计算点Dot(x,y,z)的杂乱度属性。本发明通过杂乱度属性反映反射杂乱程度，杂乱度值越大反射越杂乱，本发明能够剔除反射稳定的区域、识别地震剖面中反射比较杂乱的地方，有利于弱信号的识别。

Description

一种地层反射杂乱程度的刻画方法及系统
技术领域
本发明涉及地球物理勘探领域，尤其涉及一种地层反射杂乱程度的刻画方法及系统。
背景技术
地震采集利用各种震源(炸药震源、可控震源、气枪等)激发地震子波，地震子波向地下传播过程中遇到地层阻抗差异界面(即地层反射界面)便产生透射和反射，通过地面布置的检波器接收地下地层反射到地面上来的地震信号。通过对检波器接收到的地震信号进行处理即可获得与地下地层反射界面相对应的地震剖面，地震剖面包含了丰富的地震波振幅和旅行时等信息，从地震剖面中能够获得到地下地层的产状、波阻抗差异(振幅)、旅行时等信息。比如，当地震波穿过平稳地层时，地震剖面上表现为稳定的反射同相轴；当地下地层岩石分布不均匀(如垮塌、破碎带等)、地层不稳定、地下岩石分布杂乱时，地震剖面上则表现为比较杂乱的反射，没有比较连续的同相轴。比如西北塔河地区的碳酸盐岩奥陶系储层，随着勘探与开发的不断推进，较明显的强能量“串珠状”异常反射的缝洞体储层开发动用程度已很高，大量由小缝洞形成的非串珠状储集体逐步成为部署即剩余油开发的潜力，但是这类储层表现为不规则的弱串珠、能量小、反射杂乱，识别与开发难度较大。传统的相干、曲率等不连续性检测技术能够用于表示地下地层的断裂系统和地层特征，刻画断层的边界，在生产中已得到广泛的应用。但是，目前还没有专门用于刻画地层反射杂乱程度的一种属性，不能够去除地层稳定的成分、保留或识别处地层反射杂乱的区域。
发明内容
本发明的特征和优点在下文的描述中部分地陈述，或者可从该描述显而易见，或者可通过实践本发明而学习。
本发明提供一种地层反射杂乱程度的刻画方法，包括：
S1、提取三维数据体的倾角和方位角属性；
S2、提取所述三维数据体内任意点Dot(x,y,z)的小三维数据体；
S3、将所述小三维数据体中每一点的倾角和方位角投影到极坐标系；
S4、计算点Dot(x,y,z)到小三维数据体中任意一点Dot(i,j,k)的距离Dis(i,j,k)；
S5、计算点Dot(x,y,z)的杂乱度属性。
可选地，所述步骤S5之后，包括：
对于所述三维数据体中的任意一点，重复步骤S2到步骤S5，提取整个三维数据体Cube的杂乱度属性Disarray。
可选地，所述步骤S2具体包括：
以点Dot(x,y,z)为中心，提取(2m+1)*(2m+1)*(2n+1)个样点的倾角和方位角属性，其中2m+1为线和道的数量，2n+1为时间方向的样点数。
可选地，所述步骤S4中，所述Dis(i,j,k)为：
Figure BDA0002221906870000021
可选地，所述步骤S5中所述点Dot(x,y,z)的杂乱度属性为点Dot(x,y,z)与小三维数据体CubeDot(x,y,z)中所有点的距离之和。
本发明提供一种地层反射杂乱程度的刻画系统，包括：
第一提取模块，用于提取三维数据体的倾角和方位角属性；
第二提取模块，用于提取所述三维数据体内任意点Dot(x,y,z)的小三维数据体CubeDot(x,y,z)；
投影模块，用于将所述小三维数据体中每一点的倾角和方位角投影到极坐标系；
第一计算模块，用于计算点Dot(x,y,z)到小三维数据体中任意一点Dot(i,j,k)的距离Dis(i,j,k)；
第二计算模块，用于计算点Dot(x,y,z)的杂乱度属性。
可选地，所述第二提取模块用于：以点Dot(x,y,z)为中心，提取(2m+1)*(2m+1)*(2n+1)个样点的倾角和方位角属性，其中2m+1为线和道的数量，2n+1为时间方向的样点数。
可选地，所述Dis(i,j,k)为：
Figure BDA0002221906870000031
可选地，所述点Dot(x,y,z)的杂乱度属性为点Dot(x,y,z)与小三维数据体中所有点的距离Dis(i,j,k)之和。
本发明提供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计算机可执行的至少一个程序，所述至少一个程序被所述计算机执行时使所述计算机执行本发明任一实施提供的方法中的步骤。
本发明提供了一种地层反射杂乱程度的刻画方法及系统，通过杂乱度属性反映反射杂乱程度，杂乱度值越大反射越杂乱。据此能够剔除反射稳定的区域、识别地震剖面中反射比较杂乱的地方，有利于弱信号的识别。
通过阅读说明书，本领域普通技术人员将更好地了解这些技术方案的特征和内容。
附图说明
图1为本发明实施例提供的地层反射杂乱程度刻画方法的步骤流程图。
图2为本发明实施例提供的地层反射杂乱程度刻画方系统的结构示意图。
图3为以三维空间中某点为中心的小三维内的倾角、方位角投影到极坐标系下的离散点分布情况。
图4为以三维空间中某点为中心的小三维内的倾角、方位角投影到极坐标系下的离散点分布情况。
图5为一条实际地震数据提取的倾角属性剖面。
图6为一条实际地震数据提取的方位角属性剖面。
图7A为原始地震数据的示意图。
图7B为提取的该剖面数据的杂乱度属性的示意图。
具体实施方式
如图1所示，本发明提供一种地层反射杂乱程度的刻画方法，包括步骤：
S1、提取三维数据体的倾角Angle、方位角Trend属性。
输入三维叠后地震数据体即三维数据体Cube，提取三维数据体的倾角Angle和方位角Trend属性。倾角、方位角属性的提取可以采用传统计算方法，即通过拟合空间某点所在的平面，计算倾角和方位角属性。
S2、提取三维数据体内任意点Dot(x,y,z)的小三维数据体CubeDot(x,y,z)。
以点Dot(x,y,z)为中心，提取(2m+1)*(2m+1)*(2n+1)个样点的倾角和方位角属性，其中2m+1为线和道方向的面元大小，即线和道的数量，2n+1为时间方向的样点数。其中，m取自1～10的任一自然数，n取自1～50的任一自然数。举例来说，当m取值为1，n取值为1时，平面上面元大小为3*3，时间方向样点数为3。
其中，Dot(x,y,z)中的x表示线号、y表示道号、z表示时间方向的样点数。
S3、将小三维数据体CubeDot(x,y,z)里每一个点的倾角和方位角投影到极坐标系。
极坐标系中任意点P可表示为(ρ,θ)，其中ρ表示极径、θ表示极角；将小三维数据体中每个点的倾角Angle(x,y,z)、方位角Trend(x,y,z)投影到极坐标系中，即将倾角作为极坐标系中点的极径、方位角作为极坐标系中点的极角，则空间中任意点在极坐标系中可表示为(Angle(x,y,z),Trend(x,y,z))。
S4、计算点Dot(x,y,z)到小三维数据体CubeDot(x,y,z)中任意一点Dot(i,j,k)的距离。
按照如下公式计算点Dot(x,y,z)到小三维体中点Dot(i,j,k)的距离Dis(i,j,k)：
Figure BDA0002221906870000051
其中，(i,j,k)为空间中的坐标点位置，Angle为倾角，Trend为方位角。
S5、计算点Dot(x,y,z)的杂乱度属性。
点Dot(x,y,z)的杂乱度属性是点Dot(x,y,z)与小三维数据体CubeDot(x,y,z)中所有点的距离Dis(i,j,k)之和。
更具体地，按照步骤S4计算点Dot(x,y,z)与小三维数据体CubeDot(x,y,z)中所有点的距离Dis(i,j,k)，按照如下公式计算点Dot(x,y,z)的杂乱度属性Disarray(x,y,z)。
Disarray(x,y,z)＝∑Dis(i,j,k)   (2)
其中，i的范围为i∈[x-m,x+m]，j的范围为j∈[y-m,y+m]，k的范围为k∈[z-n,z+n]。
S6、对于三维数据体中的任意一点，重复步骤S2到步骤S5，即可提取整个三维数据体Cube的杂乱度属性Disarray。
在每一个小三维数据体内计算中心点的距离作为该中心点的杂乱度属性，延伸到整个三维数据体，每个点的杂乱度都为一个具体的数值，数值越大，即表示该点越杂乱。在计算三维空间中每个点的杂乱度属性时用到了前后左右上下多个样点(m和n决定)的倾角和方位角属性。
在获得整个三维数据体Cube的杂乱度属性Disarray后，可以结合三维地震数据体生成图7B所示的杂乱度属性图。更具体地，将每个样点上的杂乱度属性值在该三维地震数据体上显示出来即可。
如图2所示，本发明提供一种地层反射杂乱程度的刻画系统，包括：第一提取模块10、第二提取模块20、投影模块30、第一计算模块40、第二计算模块50。其中：
第一提取模块10用于提取三维数据体的倾角和方位角属性；更具体地，输入三维叠后地震数据体即三维数据体Cube，提取三维数据体的倾角Angle和方位角Trend属性。倾角、方位角属性的提取可以采用传统计算方法，即通过拟合空间某点所在的平面，计算倾角和方位角属性。
第二提取模块20用于提取所述三维数据体内任意点Dot(x,y,z)的小三维数据体CubeDot(x,y,z)；在具体实施时，以点Dot(x,y,z)为中心，提取(2m+1)*(2m+1)*(2n+1)个样点的倾角和方位角属性，其中2m+1为线和道方向的面元大小，即线和道的数量，2n+1为时间方向的样点数。其中，m取自1～10的任一自然数，n取自1～50的任一自然数。本实施例中，m取值为1，n取值为1，即平面上面元大小为3*3，时间方向样点数为3。其中，Dot(x,y,z)中的x表示线号、y表示道号、z表示时间方向的样点数。
投影模块30分别与第一提取模块10、第二提取模块20相连，投影模块30用于将小三维数据体中每一点的倾角和方位角投影到极坐标系；极坐标系中任意点P可表示为(ρ,θ)，其中ρ表示极径、θ表示极角；将小三维数据体中每个点的倾角Angle(x,y,z)、方位角Trend(x,y,z)投影到极坐标系中，即将倾角作为极坐标系中点的极径、方位角作为极坐标系中点的极角，则空间中任意点在极坐标系中可表示为(Angle(x,y,z),Trend(x,y,z))。
第一计算模块40与投影模块30相连，第一计算模块40用于计算点Dot(x,y,z)到小三维数据体中任意一点Dot(i,j,k)的距离Dis(i,j,k)；可以按照如下公式计算点Dot(x,y,z)到小三维体中点Dot(i,j,k)的距离Dis(i,j,k)：
Figure BDA0002221906870000071
其中，(i,j,k)为空间中的坐标点位置，Angle为倾角，Trend为方位角。
第二计算模块50，用于计算点Dot(x,y,z)的杂乱度属性。点Dot(x,y,z)的杂乱度属性是点Dot(x,y,z)与小三维数据体CubeDot(x,y,z)中所有点的距离Dis(i,j,k)之和。更具体地，按照步骤S4计算点Dot(x,y,z)与小三维数据体CubeDot(x,y,z)中所有点的距离Dis(i,j,k)，按照如下公式计算点Dot(x,y,z)的杂乱度属性Disarray(x,y,z)。
Disarray(x,y,z)＝∑Dis(i,j,k)   (2)
其中，i的范围为i∈[x-m,x+m]，j的范围为j∈[y-m,y+m]，k的范围为k∈[z-n,z+n]。
第一计算模块40及第二计算模块50可以对三维数据体中的任意一点进行计算对应的杂乱度属性，进而提取整个三维数据体Cube的杂乱度属性Disarray。也就是说，在每一个小三维数据体内计算中心点的距离作为该中心点的杂乱度属性(即所述的距离值)，延伸到整个三维数据体，每个点的杂乱度都算出来之后，对于某一个点距离值越大，即表示该点越杂乱。
在具体实施时，可以进一步包括杂乱度属性图生成单元，用于在获得整个三维数据体Cube的杂乱度属性Disarray后，结合三维地震数据体生成图7B所示的杂乱度属性图。更具体地，将每个样点上的杂乱度属性值在该三维地震数据体上显示出来即可。
图3示出了以三维空间中某点为中心的小三维内的倾角、方位角投影到极坐标系下的离散点分布情况，根据设置的参数，样点数应为27个，即3*3*3。图中小圆圈中带加号的表示该点为中心点，其他点为以该中心点为中心取得周围26个样点，其中某些点存在重复的现象，即倾角和方位角都一致；也有一些样点处的倾角和方位角都为0，那么在极坐标系中则投影在极点处，图中中心点处的极径(倾角)为4.16，极角(方位角)为61.26度，根据公式(1)和公式(2)提取的杂乱度属性为137.37；小范围内的点分布较分散，距离较大，杂乱程度较高。
图4示意了空间中另一个点的情况，中心点极径(倾角)为8.27，极角(方位角)为0度，即图中带加号的小圆圈，从该图中可以看出其他的样点离中心点较远，提取的杂乱度属性值为240.09，值较大，杂乱程度越高。
图5为根据步骤S1提取一条实际地震数据剖面的倾角属性，图6为该条地震剖面的方位角属性。图7A为原始地震数据、图7B为提取的杂乱度属性，从图中可以看出杂乱度属性中颜色较深的部位与地震剖面中地震反射较杂乱的部位一致，而地震剖面中地层反射较稳定的地方提取的杂乱度属性值较低。
本发明提供了一种地层反射杂乱程度的刻画方法及系统，根据断裂、破碎带或小缝洞群附近地层反射杂乱的现象，结合该范围内倾角、方位角变化较快的特点，将倾角、方位角属性投影到极坐标系中，提取空间小范围内所有点到中心点的距离表示该中心点的杂乱程度，定义为“杂乱度”属性。地层反射杂乱，则地层倾角、方位角变化越快，投影到极坐标系中离散点较分散，则距离越大、杂乱程度越高；地层反射稳定，则地层倾角、方位角变化较小，投影到极坐标系中的离散点较集中，则距离越小，则表示不杂乱。本发明提出的杂乱度属性能够较好的识别出地震剖面中的杂乱反射带，有利于断层、破碎带或小缝洞群的识别。
以上参照附图说明了本发明的优选实施例，本领域技术人员不脱离本发明的范围和实质，可以有多种变型方案实现本发明。举例而言，作为一个实施例的部分示出或描述的特征可用于另一实施例以得到又一实施例。以上仅为本发明较佳可行的实施例而已，并非因此局限本发明的权利范围，凡运用本发明说明书及附图内容所作的等效变化，均包含于本发明的权利范围之内。

Claims (6)

1.一种地层反射杂乱程度的刻画方法，其特征在于，包括：
S1、提取三维数据体的倾角和方位角属性；
S2、提取所述三维数据体内任意点Dot(x,y,z)的小三维数据体；
S3、将所述小三维数据体中每一点的倾角和方位角投影到极坐标系；
S4、计算点Dot(x,y,z)到小三维数据体中任意一点Dot(i,j,k)的距离Dis(i,j,k)：
按照如下公式计算点Dot(x,y,z)到小三维体中点Dot(i,j,k)的距离Dis(i,j,k)：
Figure FDA0004036309880000011
其中，Dot(x,y,z)中的x表示线号、y表示道号、z表示时间方向的样点数，(i,j,k)为空间中的坐标点位置，Angle为倾角，Trend为方位角；
S5、计算点Dot(x,y,z)的杂乱度属性：
按照如下公式计算点Dot(x,y,z)的杂乱度属性Disarray(x,y,z)：
Disarray(x,y,z)＝∑Dis(i,j,k)
其中，i的范围为i∈[x-m,x+m]，j的范围为j∈[y-m,y+m]，k的范围为k∈[z-n,z+n]，m取自1～10的任一自然数，n取自1～50的任一自然数。
2.根据权利要求1所述地层反射杂乱程度的刻画方法，其特征在于，所述步骤S5之后，包括：
S6、对于所述三维数据体中的任意一点，重复步骤S2到步骤S5，提取整个三维数据体Cube的杂乱度属性Disarray。
3.根据权利要求1所述地层反射杂乱程度的刻画方法，其特征在于，所述步骤S2具体包括：
以点Dot(x,y,z)为中心，提取(2m+1)*(2m+1)*(2n+1)个样点的倾角和方位角属性，其中2m+1为线和道的数量，2n+1为时间方向的样点数。
4.一种地层反射杂乱程度的刻画系统，其特征在于，包括：
第一提取模块，用于提取三维数据体的倾角和方位角属性；
第二提取模块，用于提取所述三维数据体内任意点Dot(x,y,z)的小三维数据体CubeDot(x,y,z)；
投影模块，用于将所述小三维数据体中每一点的倾角和方位角投影到极坐标系；
第一计算模块，用于计算点Dot(x,y,z)到小三维数据体中任意一点Dot(i,j,k)的距离Dis(i,j,k)：
按照如下公式计算点Dot(x,y,z)到小三维体中点Dot(i,j,k)的距离Dis(i,j,k)：
Figure FDA0004036309880000021
其中，Dot(x,y,z)中的x表示线号、y表示道号、z表示时间方向的样点数，(i,j,k)为空间中的坐标点位置，Angle为倾角，Trend为方位角；
第二计算模块，用于计算点Dot(x,y,z)的杂乱度属性：
按照如下公式计算点Dot(x,y,z)的杂乱度属性Disarray(x,y,z)：
Disarray(x,y,z)＝∑Dis(i,j,k)
其中，i的范围为i∈[x-m,x+m]，j的范围为j∈[y-m,y+m]，k的范围为k∈[z-n,z+n]，m取自1～10的任一自然数，n取自1～50的任一自然数。
5.根据权利要求4所述地层反射杂乱程度的刻画系统，其特征在于，所述第二提取模块用于：以点Dot(x,y,z)为中心，提取(2m+1)*(2m+1)*(2n+1)个样点的倾角和方位角属性，其中2m+1为线和道的数量，2n+1为时间方向的样点数。
6.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行的至少一个程序，其特征在于，所述至少一个程序被所述计算机执行时使所述计算机执行上述权利要求1～3任一项所述的方法中的步骤。
CN201910937314.7A 2019-09-30 2019-09-30 一种地层反射杂乱程度的刻画方法及系统 Active CN112578446B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910937314.7A CN112578446B (zh) 2019-09-30 2019-09-30 一种地层反射杂乱程度的刻画方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910937314.7A CN112578446B (zh) 2019-09-30 2019-09-30 一种地层反射杂乱程度的刻画方法及系统

Publications (2)

Publication Number Publication Date
CN112578446A CN112578446A (zh) 2021-03-30
CN112578446B true CN112578446B (zh) 2023-04-11

Family

ID=75110956

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910937314.7A Active CN112578446B (zh) 2019-09-30 2019-09-30 一种地层反射杂乱程度的刻画方法及系统

Country Status (1)

Country Link
CN (1) CN112578446B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107515423A (zh) * 2017-08-31 2017-12-26 中国石油天然气股份有限公司 一种高陡构造的三维地质模型构建方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB9904101D0 (en) * 1998-06-09 1999-04-14 Geco As Subsurface structure identification method
WO2011005353A1 (en) * 2009-07-06 2011-01-13 Exxonmobil Upstream Research Company Method for seismic interpretation using seismic texture attributes
CN106896405B (zh) * 2017-02-28 2019-06-21 中国石油化工股份有限公司 一种基于混沌属性的砂砾岩体空间展布预测方法及装置
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
CN109541677A (zh) * 2018-11-15 2019-03-29 中石化石油工程技术服务有限公司 一种保护激发频率的延时震源组合参数计算方法
CN109492775B (zh) * 2018-11-19 2020-05-12 中国矿业大学(北京) 一种地质构造解释的检测方法，检测装置及可读存储介质

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107515423A (zh) * 2017-08-31 2017-12-26 中国石油天然气股份有限公司 一种高陡构造的三维地质模型构建方法

Also Published As

Publication number Publication date
CN112578446A (zh) 2021-03-30

Similar Documents

Publication Publication Date Title
Araya-Polo et al. Automated fault detection without seismic processing
Cohen et al. Detection and extraction of fault surfaces in 3D seismic data
Di et al. Multi-attribute k-means clustering for salt-boundary delineation from three-dimensional seismic data
CN104101902B (zh) 地震属性聚类方法及装置
Wu et al. Deep learning for characterizing paleokarst collapse features in 3‐D seismic images
CN110609320B (zh) 一种基于多尺度特征融合的叠前地震反射模式识别方法
CN107688201B (zh) 基于rbm地震叠前信号聚类方法
CN103424777B (zh) 一种提高地震成像分辨率的方法
Mousa et al. A new technique for first-arrival picking of refracted seismic data based on digital image segmentation
CN102866421A (zh) 识别小断距断点的散射波叠前成像方法
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
US10969507B2 (en) Seismic channel geobody extraction for basin fairway simulation
Chamarczuk et al. Unsupervised learning used in automatic detection and classification of ambient‐noise recordings from a large‐N array
CN106154315A (zh) 一种对称均匀的高密度地震采集方法
CN117546051A (zh) 使用s波速度模型和机器学习进行地震成像的方法和系统
Mattéo et al. Automatic fault mapping in remote optical images and topographic data with deep learning
CN108226997A (zh) 一种基于叠前地震数据的地震相划分方法
CN103869362A (zh) 体曲率获取方法和设备
CN116256801A (zh) 基于图像融合的深地油气精准导航断层表征方法与系统
Chen et al. Curvature attributes with the 3D seismic Kalman filter for fault opening description—An application to a shale oil reservoir in the Jimsar sag, Junggar Basin, Xinjiang
CN112578446B (zh) 一种地层反射杂乱程度的刻画方法及系统
CN106501851B (zh) 一种地震属性优化方法及装置
CN112114358A (zh) 一种基于三维地震资料表征的地下火山通道识别方法
CN109307887A (zh) 地震弱反射体识别方法及系统
Wang et al. Application of deep learning in first-break picking of shallow OBN data

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