CN112883554A

CN112883554A - 一种构造圈闭识别方法及系统

Info

Publication number: CN112883554A
Application number: CN202110089778.4A
Authority: CN
Inventors: 康宇; 李婧; 吕文君; 李泽瑞; 昌吉; 许婷
Original assignee: University of Science and Technology of China USTC
Current assignee: University of Science and Technology of China USTC
Priority date: 2021-01-22
Filing date: 2021-01-22
Publication date: 2021-06-01
Anticipated expiration: 2041-01-22
Also published as: CN112883554B

Abstract

本发明公开了一种构造圈闭识别方法及系统，属于油气勘探技术领域，包括：获取断层数据，该断层数据包括断层数据点坐标集、数据点坐标集对应的断层编号以及数据点索引集；从断层数据中提取断层信息，该断层信息包括断层端点以及断层间的连接性；基于图论方法，对断层信息进行处理，识别出断层构造圈闭。本发明基于图论构造断层构造图，并在断层构造图上自动识别有效的断层构造圈闭，节省了大量的人力物力。

Description

一种构造圈闭识别方法及系统

技术领域

本发明涉及油气勘探技术领域，特别涉及一种构造圈闭识别方法及系统。

背景技术

随着经济的飞速发展，油气资源需求的不断增加，解决能源问题的能力已成为经济发展的关键因素之一，这对地质勘探开发提出了更高的要求。

在石油工程中，圈闭是能够阻止油气继续运移并聚集的场所，可概括为构造圈闭和非构造圈闭两大类。其中，断层构造圈闭是油气的主要聚集场所，在构造图上识别断层构造圈闭具有十分重要的意义，是勘探的基础工作。一个有效圈闭的同时俱备储集层、盖层和阻止油气继续运移形成油气聚集的遮挡物，并且构造圈闭由于特定的原因在特定的地质力学和地质环境中发生。

在传统的圈闭识别评价中，主要通过经验丰富的研究人员根据专家知识研究特定区域的构造和油气圈闭。首先以专家评价优选出的有利含油气区带为对象，整体部署设计测网，然后开展地震勘探及其它物化探工作，接着以所获得的测井、地震及相关地质资料为主要依据，划分圈闭序列，识别可能存在的所有圈闭。然而，分析需要综合各种信息，研究者的经验判断占据一定的地位，不够客观，整个过程更加复杂，且大量消耗人力资源。

发明内容

本发明的目的在于克服上述背景技术中的不足，以科学有效的识别断层构造圈闭。

为实现以上目的，一方面，采用一种构造圈闭识别方法，包括如下步骤：

获取断层数据，该断层数据包括断层数据点坐标集、数据点坐标集对应的断层编号以及数据点索引集；

从断层数据中提取断层信息，该断层信息包括断层端点以及断层间的连接性；

基于图论方法，对断层信息进行处理，识别出断层构造圈闭。

进一步地，所述从断层数据中提取断层信息，包括：

从所述断层数据中提取每个断层的两个端点；

根据各断层的端点，判断断层连接性并记录断层连接性的信息。

进一步地，所述根据各断层的端点，判断断层连接性并记录断层连接性的信息，包括：

将所述某断层的两个端点与其它断层中距该断层两端点最近的数据点间的距离分别与阈值θ进行比较；

当两个断层的端点与距端点最近的数据点间的距离均大于阈值θ时，则确定两断层之间未连接；

否则，确定两断层之间连接。

进一步地，在所述根据各断层的端点，判断断层连接性并记录断层连接性的信息之前，还包括：

对所述断层数据进行插值处理，得到数据密度统一的断层数据；

根据数据密度统一的断层数据，设置所述阈值θ。

进一步地，所述基于图论方法，对断层信息进行处理，识别出断层构造圈闭，包括：

模拟超图邻接矩阵H＝(V,E')的形式记录所述断层间连接的信息，V为断层的端点集，E'为断层端点间的连线集；

根据所述断层端点以及断层间的连接性，判断断层端点间的连接性，并将断层端点间的连接性记录为无向图G'＝(V,E')的邻接矩阵，其中，无向图G'＝(V,E')，无向图节点为端点集V，边线为断层端点间的连线集E'；

根据无向图G'＝(V,E')的邻接矩阵提取连通子图，并去除孤立断层得到能构成圈闭的连通子图；

对能构成圈闭的连通子图，采用Alpha Shape算法增添辅助线，得到封闭图形；

识别出封闭图形中的基本环为断层构造圈闭。

进一步地，所述根据所述断层端点以及断层间的连接性，判断断层端点间的连接性，包括：

分别利用欧式距离计算所述邻接矩阵H＝(V,E')中记录的所有交点与所述断层的两端点之间的距离，并分别得到距离两端点最近的交点；

将除距离两端点最近的交点之外的交点依据与两端点间的距离依次连接，得到所有断层端点间的连接性。

进一步地，还包括：

对特殊断层端点间的连接性判断结果进行修正，得到修正后的断层端点间的连接性判断结果；

相应地，将修正后的断层端点间的连接性记录到已有的无向图G'＝(V,E')的邻接矩阵。

另一方面，采用一种构造圈闭识别系统，包括获取模块、信息提取模块和识别模块，其中：

获取模块用于获取断层数据，该断层数据包括断层数据点坐标集、数据点坐标集对应的断层编号以及数据点索引集；

信息提取模块用于从断层数据中提取断层信息，该断层信息包括断层端点以及断层间的连接性；

识别模块用于基于图论方法，对断层信息进行处理，识别出断层构造圈闭。

进一步地，所述提取模块包括端点确定单元和断层连接性确定单元，其中：

端点确定单元用于从所述断层数据中提取每个断层的两个端点；

断层连接性确定单元用于根据各断层的端点，判断断层连接性并记录断层连接性的信息。

进一步地，所述识别模块包括断层间连接性记录单元、断层端点间连接性判断单元、连通子图提取单元、辅助线获取单元和识别单元，其中：

断层间连接性记录单元用于模拟超图邻接矩阵H＝(V,E')的形式记录所述断层间连接性的信息，V为断层的端点集，E'为断层端点间的连线集；

断层端点间连接性判断单元用于根据所述断层端点以及断层间的连接性，判断断层端点间的连接性，并将断层端点间的连接性记录为无向图G'＝(V,E')的邻接矩阵，其中，无向图G'＝(V,E')，无向图节点为端点集V，边线为断层端点间的连线集E'；

连通子图提取单元用于从无向图G'＝(V,E')的邻接矩阵中提取连通子图，并去除孤立断层得到能构成圈闭的连通子图；

辅助线获取单元用于对能构成圈闭的连通子图，采用Alpha Shape算法增添辅助线，得到封闭图形；

识别单元用于识别出封闭图形中的基本环为断层构造圈闭。

与现有技术相比，本发明存在以下技术效果：本发明基于图论构造断层构造图，并在断层构造图上自动识别有效的断层构造圈闭，节省了大量的人力物力。

附图说明

下面结合附图，对本发明的具体实施方式进行详细描述：

图1是一种构造圈闭识别方法的流程图；

图2是基于图论的构造圈闭自动识别框架；

图3是本发明技术方案示意图；

图4是模拟邻接矩阵的记录示意图；

图5是简单区域具体实施结果示意图；

图6是复杂区域具体实施结果示意图；

图7是一种构造圈闭识别系统的结构图。

具体实施方式

为了更进一步说明本发明的特征，请参阅以下有关本发明的详细说明与附图。所附图仅供参考与说明之用，并非用来对本发明的保护范围加以限制。

如图1至图2所示，本实施例公开了一种构造圈闭识别方法，包括如下步骤S1至S2：

S1、获取断层数据，该断层数据包括断层数据点坐标集、数据点坐标集对应的断层编号以及数据点索引集；

S2、从断层数据中提取断层信息，该断层信息包括断层端点以及断层间的连接性；

S3、基于图论方法，对断层信息进行处理，识别出断层构造圈闭。

需要说明的是，本实施例利用图论相关知识构造断层构造图，并在断层构造图上自动识别出有效的断层构造圈闭，能够达到传统人工识别断层构造圈闭的效果，节省了大量的人力物力，效率更高。

作为进一步优选的技术方案，上述步骤S2：从断层数据中提取断层信息，该断层信息包括断层端点以及断层间的连接性，包括如下细分步骤S21至S22：

S21、从所述断层数据中提取每个断层的两个端点；

具体地，断层以数据点的形式记录，其端点是承载断层信息最多的点。为了减少计算量，本实施例采用最大距离法确定断层的两端点，且该方法的实施效果如图3(a)所示：

假设某一断层共有n个数据点，这n个数据点首尾同点组成断层的闭合图形，(x_i,y_i)为第i个数据点的位置坐标，假设该断层的两端点分别为第i个和第j个数据点，则最大距离法寻找断层端点可用如下公式描述：

其中，

为该断层数据点的经度坐标集，

为该断层数据点的纬度坐标集。

S22、根据各断层的端点，判断断层连接性并记录断层连接性的信息。

需要说明的是，断层间的相交以某一断层深入另一断层内部为主，极少数存在恰好交于断层表面某点的情况，于是判断两断层是否相连接的问题转换为判断某一断层的端点是否在另一段内部的问题。

本实施例在已知断层端点的情况下，通过设定阈值θ来判定两个断层是否连接，以及连接的大致位置，当两个断层的端点与距端点最近的数据点间的距离均大于该阈值时，则两断层不存在连接关系，否则确定两断层之间连接，如图3(b)所示。

需要说明的是，由于数据密度的影响，最终可能得到错误的连接性判断。因此，本实施例在进行断层间的连接性判断之前，先对断层数据进行数据密度统一处理，具体为通过对前后两点进行插值的方式实现该数据密度的统一(如图3(c)所示)，并基于数据密度统一的断层数据，设置阈值θ，其计算公式如下：

其中，N为包括数据点本身的插值点数，L为插值前两相邻数据点的间距，l为设定的插值后两相邻数据点间的间距。

对比数据密度统一前的距离，统一数据密度后需判断的断层间的距离几乎与垂直距离重合(如图3(d)所示)，在此基础上选择合适的阈值θ即可得到断层间的连接性。

作为进一步优选的技术方案，上述步骤S3：所述基于图论方法，对断层信息进行处理，识别出断层构造圈闭，包括如下细分步骤S31至S35：

S31、模拟超图邻接矩阵H＝(V,E')的形式记录所述断层间连接性的信息，V为断层的端点集，E'为断层端点间的连线集；

需要说明的是，如图3(e)和4(a)所示，为了记录断层间的连接性，并且作为之后判断断层端点间的连接性的基础，模拟超图邻接矩阵H＝(V,E')的形式记录断层间连接性的相关信息，V为断层的端点集，E'为断层端点的连线集，假设为V＝{A,B,C,D,E,F,G,H,I,J}为断层端点的集合，E'＝{1,2,3,4,5}为断层端点连线所得的边集合，V和E'分别对应断层的端点和边，即1号断层的端点为A,B，那么H矩阵中E'＝1，V＝A和E'＝1，V＝B的值为1。若断层4交断层3于端点G，那么H矩阵中除E'＝3，V＝E和E'＝3，V＝F的值为3外，E'＝3，V＝G的值也记录为4，表示断层4和断层3间的连接关系及连接点，其余没有连接关系的点均记录为0。

S32、根据所述断层端点以及断层间的连接性，判断断层端点间的连接性，并将断层端点间的连接性记录为无向图G'＝(V,E')的邻接矩阵，其中，无向图G'＝(V,E')，无向图节点为端点集V，边线为断层端点间的连线集E'；

需要说明的是，利用断层端点及它们之间的连接性，建立无向图G'＝(V,E')，无向图的边线集是端点间的连线，也就是前面得到的断层端点连接性，因端点具有位置属性而不认为该无向图与图论中严格相符。设无向图节点为端点集V＝{A,B,C,D,E,F,G,H,I,J}，边线为断层端点间的连线集，即E'＝{{A,B},{C,D},{E,F},{G,H},{I,J}}，结合断层连接性判断中的假设，断层4交断层3于端点G，但是在无向图G'＝(V,E')中不存在断层本身宽度的概念，断层本身宽度导致简化为线时产生中间空隙的问题使得在无向图中没有关于端点G和端点E,F间的关系，即无法认为此三个端点之间相互连接。

本实施例设计算法实现从断层间连接性到断层端点间连接性的转换，利用欧氏距离对H邻接矩阵中记录的所有交点与断层的某一端点进行距离计算，并判断得到距离该端点最近的交点，另一个端点处也采取同样的方法得到距离另一个端点最近的交点，将除距离两端点最近的交点之外的交点依据与端点间的距离依次连接(一个断层的两个端点之间，可能存在与多个其它断层的交点(交点也就是其它断层的端点)，这些点的连接次序，是根据与端点的距离确定的)，最终得到所有断层端点的连接性，并将断层端点间的连接性记录为无向图G'＝(V,E')的邻接矩阵，如图4(b)所示。对于无向图，邻接矩阵是一个对称矩阵，即A→B和B→A的连接是等价的，矩阵中行和列均为无向图的节点，也就是断层的端点，1表示两端点间有连接，0表示两端点间无连接，节点本身是不存在连接性的，即此邻接矩阵的对角线值均为0。而对于两断层相交的端点G，此时作为中间节点分别连接到端点E,F，E,F间不再有直接的连接边线,如图3(f)所示。

S33、从无向图G'＝(V,E')的邻接矩阵中提取连通子图，并去除孤立断层得到能构成圈闭的连通子图；

需要说明的是，地下环境中存在很大比例的孤立断层，这些孤立断层不存在与其他断层一起构成构造圈闭的可能，因此为了降低复杂度，首先忽略掉它们。设计算法提取该无向图的连通子图，只有两个节点的连通子图即为需要被去除的孤立断层。如图3(g)所示，在1→5断层中，3号断层和4号断层具有连接性，除此之外，1、2、5号断层不与其它断层相交，显然为孤立断层，不存在形成圈闭的可能，以此为约束条件，使得孤立断层不再加入考虑，非孤立断层因相交而存在形成构造圈闭的可能，如在图3(g)中，只有S₄被保留，因而去除孤立断层后，所有的连通子图中只有可能构成圈闭的断层被保留，其它的连通子图被筛除，进而达到降低复杂度的目的。

S34、对能构成圈闭的连通子图，采用Alpha Shape算法增添辅助线，得到封闭图形；

需要说明的是，对被保留的连通子图应用单阈值Alpha Shape算法：

首先，对于保留下来的某一连通子图，例如图3(h)所示，节点{E,F,G,H}和边{{E,G},{G,F},{G,H}}形成的连通子图，取出其所有节点。其次，选出节点数为3的连通子图，并直接在没有连接的两节点之间增加辅助线。

经过Alpha Shape算法增添辅助线后，得到封闭图形，此时示例中的边变为{{E,G},{G,F},{G,H},{E,H},{F,H}}。

S35、识别出封闭图形中的基本环为断层构造圈闭。

需要说明的是，结合图论的相关知识，该连通子图中的基本环，即为最终需要的断层构造圈闭，因此，构造圈闭识别的问题就变成了在连通子图中寻找基本环的问题。

对此，设计基于DFS的递归算法对连通子图中所有环路进行搜索。得到连通子图的所有环路之后，以环路中辅助线的个数作为判断是否为基本环的约束条件，因为在基本环中，必然只能存在一条Alpha Shape算法增添的辅助线，若有两条或者更多则无法达到满足基本环的条件，最终得到构造图中满足圈闭形成条件的所有基本环，如图3(i)所示得到填充色块的两个基本环。

特别地，由于地下还存在特殊的大断层，它们的宽度与前面涉及到的断层明显不是一个数量级。此类断层极有可能造成中间很大的断裂谷，进而导致断层两边的深度差别巨大。若仍然按照上述方式，把断层逐步简为单一点和线的连接必然会出现问题。如图3(j)所示，假设断层{1,2,3,4,5}中，1号断层为特殊的大断层，2号和4号断层交1号断层于同一侧，3号和5号断层交于另一侧，此时，按照上述方法判断断层端点连接性时，不考虑其宽度，返回结果中，2,3,4,5号断层与1号断层相交的端点依次相连，此时断层端点的连接性判断结果是错误的。

为了解决特殊断层对圈闭识别过程带来的影响，对此类断层的判断设计修正算法。特殊断层同侧的断层所处的深度位置是一致的，则正确的状态是同侧2号和4号断层间存在连接性，采用修正算法对这些特殊断层的端点连接判断进行修正：

如图3(k)所示，首先，将已经得到的特殊断层端点间的连接关系全部忽略，重新对它们进行新的判断。其次，实现对特殊断层(1号)更加密集的插值，在此基础上，将距离非特殊断层(2,3,4,5号)端点最近的插值点看作是该端点的替代点，利用替代点的序号大小增添连接信息，序号距离近的数据点所对应的端点即判定为连接。

如图6所示，本实施例公开了一种构造圈闭识别系统，包括获取模块、信息提取模块和识别模块，其中：

作为进一步优选的技术方案，所述提取模块包括端点确定单元和断层连接性确定单元，其中：

作为进一步优选的技术方案，所述识别模块包括断层间连接性记录单元、断层端点间连接性判断单元、连通子图提取单元、辅助线获取单元和识别单元，其中：

识别单元用于识别出封闭图形中的基本环为断层构造圈闭。

作为进一步优选的技术方案，还包括修正模块，用于对特殊大断层端点间的连接性判断结果进行修正，得到修正后的断层端点间的连接性判断结果。

以下通过一具体实施事例对本发明实现步骤进行详细说明，如图5所示：

(1)数据准备：

使用胜利油田某区域的断层数据用于本发明的断层圈闭识别任务，且将断层数据中的重复或异常数据筛除。

(2)数据预处理：

在实际工程中，断层数据点首尾同点形成的封闭图形作为一个断层。首先，依次判断所有数据是否符合完整断层的条件，保留首尾同点的断层数据，共有124个完整断层。接下来，选择恰当的设定值l对所有断层数据进行插值，得到更加密集的断层数据点。

(3)断层构造圈闭自动识别算法实现：

3-1)断层连接性判断及记录：

输入有断层端点坐标集X_n×2，端点集所对应的断层编号Y，端点索引集index_ends，阈值θ。

初始化classes←unique(Y)，ends←unique(index_ends)，c←length(classes)为断层的个数，e←length(ends)为所有断层端点的个数，A_c×c＝0，H_c×e＝0，A_c×c是横纵坐标都是断层编号的矩阵。

对a＝0,1,…,c-1，首先将断层与其本身端点的H_c×e矩阵值设为1，在此基础上令b＝0,1,…c-1，v←Y＝classes[b]所在的行，X_n←X[v]，且将插值点存储到X_n，令t←X_b的行数，X_a0设为X[index_ends[a,0]]复制t份，由此变为t行，X_a1设为X[index_ends[a,1]]复制，同样变为t行，接下来分别计算断层a的两端点到断层b所有插值得到的数据点之间的最小值，

和

将得到的最小值与设定的阈值θ做比较，若a≠b且min≠0那么A[a,b]＝1，u←ends＝index_ends[a,0]所在的行，H[b,u]←classes[a]，否则若A[a,b]＝1那么u←ends＝index_ends[a,1]所在的行，H[b,u]←classes[a]。最终，因为A_c×c为对称矩阵，所以计算A←A+A^T，A[A>0]←1，计算得到的H_c×e即为断层间连接性的判断结果。

3-2)断层端点连接性判断及记录：

输入有断层端点坐标集X_n×2，端点集所对应的断层编号Y，端点索引集index_ends，断层间连接性矩阵H_c×e。

初始化classes←unique(Y)，ends←unique(index_ends)，c←length(classes)为断层的个数，e←length(ends)为所有断层端点的个数，A_e×e＝0，H_c'_×e←H_c×e的深度复制。

令H'[H'>0]←1，对d＝0,1,…,c-1，首先，令p←H'[d]的和值，index←H'[d]＝classes[d]的列表，若p＝2，那么E←H[d]＝classes[d]的列表，O为不是断层本身端点而是与其它断层交点的端点的列表，O_xy←X[ends[O]]，O_n←O的长度，令e_{0_xy}←X[ends[E[0]]]，e_{1_xy}←X[ends[E[1]]]，且X_d0设为e_{0_xy}复制O_n份，由此变为O_n行，

S←按升序排列D的元素索引，令A[E[0],O[S[0]]]＝1，A[E[1],O[S[-1]]]＝1，l←S的长度。对f＝0,1,…l-2，令A[O[S[f]],O[S[f+1]]]＝1。最终，计算A←A+A^T，A[A>0]←1，计算得到的A_e×e即为断层端点间连接性的判断结果，也就是无向图的邻接矩阵。

3-3)特殊断层的修正：

输入A_e×e为无向图的邻接矩阵，断层间连接性矩阵H_c×e，L为特殊断层的序号集，断层端点坐标集X_n×2，断层端点序号集E_s，端点集所对应的断层编号Y。k依次取L中特殊断层的序号，令n←H[k-1,:]>0的索引值，对于g＝0,1,…,n-1，h＝0,1,…,n-1，令A[g,h]＝0，通过此步骤将已经得到的特殊断层端点间的连接关系全部忽略，令X_k←k特殊断层所有数据点的坐标集，X_kl←k特殊断层所有经过插值后的数据点的坐标集，n_kl←X_kl集合中元素的个数，令O_m为一个空列表。对于m＝0,1,…,n-1，E_xy←E_s[g]的坐标值集合，e_min←距离端点最近的数据点，将e_min的索引添加到O_m。令S←O_m从最小到最大的索引，n_s←S的元素个数，对于q＝0,1,…,n_s-1，令A[n[S[q]],n[s[q+1]]]＝1。之后，令A[n[S[n_s-1]],n[s[0]]]＝1，最终，A←A+A^T，A[A>0]←1，此时A_e×e为修正之后的无向图邻接矩阵。

3-4)连通子图提取：

输入为修正后的无向图邻接矩阵A_e×e，初始化R＝Φ，V←无向图中的所有节点。

当V中仍有节点时，删除并返回V中的最后一个元素v，令字典S←{v}，序列Q←[v]，当Q中仍有节点时，返回Q中的第一个元素w，令N←w的所有相邻节点，接下来，从N中除去S，从N中除去V，用N中更新S，用N扩展Q。当Q中不再有节点时，将S添加入R，当V中不再有节点时，得到最终的R，即得到所有连通子图的集合。

3-5)基本环判定：

输入A_e×e为修正后的无向图的邻接矩阵，v←当前节点，l←路径的长度，

s←开始的节点，P←当前路径，c←路径的个数，M←节点标记结果，且初始化M[v]＝True。若l＝0，即路径长度为0，令M[v]＝False。若A[v,s]＝1，那么c自增1，将s添加到P中，删除并返回P中的最后一个元素，之后将P存入cycle_list(所得基本环集合)。对于w＝0,1,…,n-1，若M[w]＝False并且A[v,w]＝1，那么将w添加到P中，并递归该基本环判定算法，输入为(A_n×n,M,l-1,v,s,P,c)，每一次递归中都令M[v]＝False。最终得到无向图中所有的基本环集合cycle_list。

(4)输出计算机自动识别得到80个断层构造圈闭。

图5为圈闭识别过程的中间结果，分别为寻找断层端点，数据密度统一，断层连接性判断，断层端点连接性判断，Alpha shape获取辅助线和基本环判定。在5(a)中，可以看到有编号为{50,78,79,81,82}的五个断层，且这五个断层中不存在大的特殊断层。在经过最大距离法寻找断层端点后，断层端点被准确的找到并记录。

接下来，为了提高判定断层连接与否的准确性，首先进行了数据密度统一，结果如5(b)所示，圆点为原始数据点，星号点为新增加的数据点。明显地，原始数据点不仅密度不统一且大多数距离较远，若直接进行断层连接性判断必然会使判断错误。在此基础上，得到断层间的连接结果如5(c)。可以看到，79与82号间具有连接性，50、78和81为孤立断层，该判断结果与观察的结果是相符合的。在得到断层间连接性的基础上，继续进行各端点间的连接性判断，结果为图5(d)。由此，在两断层连接的基础上，断层82号的端点153与断层79的两端点建立了连接关系，并得到无向图。

在所建立的无向图中找出所有的连通子图，在此基础上利用Alpha Shape添加辅助线，之后则识别基本环，结果分别为5(e)和5(f)。在该范围内的两个基本环都被填充色块，即被找出，且最终找出的基本环与依据经验判断的结果一致。

最终，在更加复杂的区域中，进一步分析圈闭自动识别的准确性。，对实验得到的基本环路进行分析。

如图6所示，断层间连接情况错综复杂，同时特殊断层交杂其中。可以看到，在截取的这些区域中，均存在特殊断层，以6(a)为例，有两个特殊断层存在，即42号和76号。特殊断层两侧可能存在大的高度差，与其两侧相连的断层间此时必然不存在连接关系，因此为解决这一问题，将每一侧的断层各自相连，对于42号和76号特殊断层的基本环判断结果是可行的。除此之外，所有可能成为圈闭的基本环路均被识别出，验证了系统从初始到判定基本环路工作的有效性。

在6(b)中，有一些可能形成基本环的小断层之间没能够添加辅助线，如36和45号断层两端点间和85,86,88号断层端点间。但是，这些断层都被包围在了一个更大的环路中，如此一来，结果并没有因为这些小断层间没有正确添加辅助线而造成漏判。这些小断层不能正确添加辅助线是因为在Alpha Shape算法的判断中，alpha值的设定使得它们的端点都成为了更大范围环路的内点。当然，若这些小断层没有被更大范围的环路完全包含，AlphaShape算法无法将其端点判断为内点，小断层间会正常添加辅助线，如6(c)所示，这也是导致该区域中出现色块重叠的原因。有的基本环存在部分重叠，但不是完全包含的关系，所以会得到两个独立的基本环。与经验对比可以发现，整个圈闭识别系统的工作达到了较好的效果。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，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

1.一种构造圈闭识别方法，其特征在于，包括：

2.如权利要求1所述的构造圈闭识别方法，其特征在于，所述从断层数据中提取断层信息，包括：

从所述断层数据中提取每个断层的两个端点；

3.如权利要求2所述的构造圈闭识别方法，其特征在于，所述根据各断层的端点，判断断层连接性并记录断层连接性的信息，包括：

当存在两个断层的端点与距端点最近的数据点间的距离均大于阈值θ时，则确定两断层之间未连接；

否则，确定两断层之间连接。

4.如权利要求2所述的构造圈闭识别方法，其特征在于，在所述根据各断层的端点，判断断层连接性并记录断层连接性的信息之前，还包括：

根据数据密度统一的断层数据，设置所述阈值θ。

5.如权利要求1所述的构造圈闭识别方法，其特征在于，所述基于图论方法，对断层信息进行处理，识别出断层构造圈闭，包括：

识别出封闭图形中的基本环为断层构造圈闭。

6.如权利要求5所述的构造圈闭识别方法，其特征在于，根据所述断层端点以及断层间的连接性，判断断层端点间的连接性，包括：

7.如权利要求5所述的构造圈闭识别方法，其特征在于，还包括：

8.一种构造圈闭识别系统，其特征在于，包括获取模块、信息提取模块和识别模块，其中：

9.如权利要求8所述的构造圈闭识别系统，其特征在于，所述提取模块包括端点确定单元和断层连接性确定单元，其中：

10.如权利要求8所述的构造圈闭识别系统，其特征在于，所述识别模块包括断层间连接性记录单元、断层端点间连接性判断单元、连通子图提取单元、辅助线获取单元和识别单元，其中：

断层间连接性记录单元用于模拟超图邻接矩阵H＝(V,E')的形式记录所述断层间连接的信息，V为断层的端点集，E'为断层端点间的连线集；

识别单元用于识别出封闭图形中的基本环为断层构造圈闭。