CN113296157B - 一种利用广义高斯分布进行储层的预测方法及装置 - Google Patents
一种利用广义高斯分布进行储层的预测方法及装置 Download PDFInfo
- Publication number
- CN113296157B CN113296157B CN202010107313.2A CN202010107313A CN113296157B CN 113296157 B CN113296157 B CN 113296157B CN 202010107313 A CN202010107313 A CN 202010107313A CN 113296157 B CN113296157 B CN 113296157B
- Authority
- CN
- China
- Prior art keywords
- seismic signal
- target interval
- distribution function
- generalized gaussian
- obtaining
- 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
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000005315 distribution function Methods 0.000 claims abstract description 97
- 238000012935 Averaging Methods 0.000 claims abstract description 8
- 230000006870 function Effects 0.000 claims description 36
- 230000002159 abnormal effect Effects 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 18
- 238000007781 pre-processing Methods 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 19
- 238000012545 processing Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 1
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000009827 uniform distribution Methods 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
- G01V1/36—Effecting static or dynamic corrections on records, e.g. correcting spread; Correlating seismic signals; Eliminating effects of unwanted energy
-
- 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
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
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
本发明提供了一种利用广义高斯分布进行储层的预测方法及装置，包括：对获取的目的层段第一地震信号进行零均值化预处理，得到第二地震信号；根据第二地震信号获得目的层段的广义高斯概率分布函数；获取目的层段单道地震信号样本分布函数与广义高斯概率分布函数之间的偏离程度，并根据偏离程度获得目的层段的储层预测平面图。本申请通过检测地震信号振幅统计特征偏离广义高斯分布的程度达到预测地下储层的目的。
Description
技术领域
本申请属于地震资料处理技术领域，具体地讲，涉及一种利用广义高斯分布进行储层的预测方法及装置。
背景技术
现有技术中，对储层进行预测多通过地震反演技术，但是在现有的储层预测方法中，在地震采集过程中受到干扰，因此获取的地震信号含有随机白噪声，地震信号中包含的随机白噪声会对后续的预测产生干扰和影响，而白噪声难以去除，因此亟需一种能够避开白噪声干扰的储层预测方法。
发明内容
本申请提供了一种利用广义高斯分布进行储层预测的方法及装置，以至少解决现有的储层预测方法中，地震采集过程中受到随机白噪声干扰进而对后续的预测产生影响的问题。
根据本申请的一个方面，提供了一种利用广义高斯分布进行储层预测的方法，包括：对获取的目的层段第一地震信号进行零均值化预处理，得到第二地震信号；
根据第二地震信号获得目的层段的广义高斯概率分布函数；
获取目的层段单道地震信号样本分布函数与广义高斯概率分布函数之间的偏离程度，并根据偏离程度获得目的层段的储层预测平面图。
在一实施例中，对获取的目的层段地震信号进行零均值化预处理，包括：
将目的层段地震信号沿时间方向依次相加获得地震信号总和；
通过地震信号总和获取地震信号平均值；
根据目的层段地震信号与地震信号平均值获得第二地震信号。
在一实施例中，根据第二地震信号获得目的层段的广义高斯概率分布函数，包括：
对第二地震信号进行广义高斯分布参数估计，获得目的层段的广义高斯分布密度函数；
根据广义高斯分布密度函数获得目的层段的广义高斯概率分布函数。
在一实施例中，获取目的层段单道地震信号样本分布函数与目的层段的广义高斯概率分布函数之间的偏离程度，包括：
逐道计算目的层段单道地震信号样本分布函数；
根据目的层段单道地震信号样本分布函数与广义高斯概率分布函数的差值，获得偏离程度。
在一实施例中，根据偏离程度获得目的层段的储层预测平面图，包括：
确定偏离程度的属性，偏离程度的属性包括：异常和正常；
根据偏离程度的属性生成储层预测平面图。
在一实施例中，确定偏离程度的属性，具体包括：
根据偏离程度与预设阈值的大小确定偏离程度的属性；如果大于预设阈值，则偏离程度的属性为异常。
根据本申请的另一方面，还提供了一种储层预测的装置，包括：
零均值预处理单元，用于对获取的目的层段第一地震信号进行零均值化预处理，得到第二地震信号；
高斯概率分布函数获得单元，用于根据第二地震信号获得目的层段的广义高斯概率分布函数；
储层预测平面图生成单元，用于对比获取目的层段单道地震信号样本分布函数与目的层段的广义高斯概率分布函数之间的偏离程度，并根据偏离程度获得目的层段的储层预测平面图。
在一实施例中，零均值预处理单元包括：
叠加模块，用于将目的层段地震信号沿时间方向依次相加获得地震信号总和；
平均值获取模块，用于通过地震信号总和获取地震信号平均值；
第二地震信号获得模块，用于根据目的层段地震信号与地震信号平均值获得第二地震信号。
在一实施例中，高斯概率分布函数获得单元包括：
参数估计模块，用于对第二地震信号进行广义高斯分布参数估计，获得目的层段的广义高斯分布密度函数；
分布函数获取模块，用于根据广义高斯分布密度函数获得目的层段的广义高斯概率分布函数。
在一实施例中，储层预测平面图生成单元包括：
逐道计算模块，用于逐道计算目的层段单道地震信号样本分布函数；
偏离程度获取模块，用于根据目的层段单道地震信号样本分布函数与广义高斯概率分布函数的差值，获得偏离程度。
在一实施例中，储层预测平面图生成单元包括：
属性确定模块，用于确定偏离程度的属性，偏离程度的属性包括：异常和正常；
生成模块，用于根据偏离程度的属性生成储层预测平面图。
在一实施例中，属性确定模块具体包括：
判断模块，用于判断根据偏离程度与预设阈值的大小，确定偏离程度的属性；如果大于预设阈值，则偏离程度的属性为异常。
本申请通过检测地震信号振幅统计特征偏离广义高斯分布的程度，运用地震信号统计特征的异常变化从而达到预测地下储层的目的，减少了由于地震信号的不确定性而带来的储层预测技术的多解性，获得了更加精准的储层预测结果。
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。
图1为本申请提供的一种利用广义高斯分布进行储层预测的方法的流程图。
图2为本申请实施例中对获取的目的层段地震信号进行零均值化预处理的流程图。
图3为本申请实施例中根据第二地震信号获得目的层段的广义高斯概率分布函数的流程图。
图4为本申请实施例中获取目的层段单道地震信号样本分布函数与目的层段的广义高斯概率分布函数之间的偏离程度的流程图。
图5为本申请实施例中根据偏离程度获得目的层段的储层预测平面图的流程图。
图6为本申请实施例中某一条件下的GGD的概率密度函数图形。
图7为本申请实施例中另一条件下的GGD的概率密度函数图形。
图8为本申请实施例中正常沉积地层的地震统计特征图。
图9为本申请实施例中有异常或储层变化的地震统计特征图。
图10为本申请提供的一种利用广义高斯分布进行储层预测的装置的结构框图。
图11为本申请实施例中零均值预处理单元的结构框图。
图12为本申请实施例中高斯概率分布函数获得单元的结构框图。
图13和图14为本申请实施例中储层预测平面图生成单元的结构框图。
图15为本申请提供的一种电子设备的具体实施方式。
具体实施方式
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、完整地描述，显然，所描述的实施例仅仅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做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。
现今，对储层进行预测大多通过地震反演技术，但是在现有的储层预测方法中，在地震采集过程中很容易受到干扰，因此获取的地震信号多含有随机白噪声，白噪声会对后续的储层预测产生干扰并且难以去除。基于这一问题，本申请引入了一种利用地震信号统计特征的异常变化来进行储层预测的方法，以此来规避现有技术中的地震信号存在白噪声的问题。
目前，在物探领域的研究表明，地震反射系数是符合广义高斯分布的，在均匀层状介质的情况下，地震信号是零均值的、接近于对称的、服从广义高斯分布规律的信号。然而，当地下介质的性质发生变化时，地震信号除了其振幅的频率和大小会发生变化，其统计特征也会发生变化。
基于上述原理，本申请提供了一种利用广义高斯分布进行储层预测的方法，如图1所示，具体包括以下步骤：
S101：对获取的目的层段第一地震信号进行零均值化预处理，得到第二地震信号。
读取目的层段的叠前道集数据(第一地震信号)，此叠前道集数据为未经处理的地震信号数据，对此叠前道及数据采取零均值化的预处理方式，预处理后的数据即为第二地震信号。
S102：根据第二地震信号获得目的层段的广义高斯概率分布函数。
在S101中对采集的原始叠前道集数据进行预处理后得到第二地震信号，对获得的第二地震信号进行广义高斯分布参数估计获得密度函数后进而求得目的层段的广义高斯概率分布函数。
S103：获取目的层段单道地震信号样本分布函数与广义高斯概率分布函数之间的偏离程度，并根据偏离程度获得目的层段的储层预测平面图。
逐道计算目的层段的单道地震信号的样本分布函数，再用单道地震信号的样本分布函数与S102中获得的广义高斯分布函数进行比较，计算单道地震信号的样本分布函数偏离广义高丝分布函数的程度，再根据偏离程度得到地下介质异常区，根据地下介质异常区获得储层预测的平面图。
图1所述的方法的执行主体可以为服务器、PC、移动终端。在现有的储层预测方法中，大多依赖于地震信号，但返回的地震信号中不可避免地会掺杂白噪声，并且白噪声无法去除，所以现有的储层预测方法会导致预测不准确的问题，而本申请则从地震信号的分布规律角度入手，利用均质地层的地震信号均符合广义高斯概率分布规律的原理，避开了地震信号中白噪声对预测结果的干扰，另辟蹊径地实现了地下储层的精准预测的功能。
在一实施例中，对获取的目的层段地震信号进行零均值化预处理，如图2所示，包括：
S201：将目的层段地震信号沿时间方向依次相加获得地震信号总和。
在一具体实施例中，将整个工区目的层段的地震信号沿时间方向依次相加，获得地震信号总和。
S202：通过地震信号总和获取地震信号平均值。
在一具体实施例中，利用地震信号总和除以相加的地震信号的个数得到地震信号平均值。
S203：根据目的层段地震信号与地震信号平均值获得第二地震信号。
在一具体实施例中，S101中获得的目的层段地震信号减去S202中获得的地震信号平均值得到的差值，即为零均值化预处理后的地震信号(第二地震信号)。
在一实施例中，根据第二地震信号获得目的层段的广义高斯概率分布函数，如图3所示，包括：
S301：对第二地震信号进行广义高斯分布参数估计，获得目的层段的广义高斯分布密度函数。
这里先介绍一下广义高斯分布，广义高斯分布GGD(Generalized GaussianDistribution)是一类以高斯分布、拉普拉斯分布为特例，以δ函数和均匀分布为级限形式的对称分布，许多随机变量都可以用它来描述。
广义高斯分布(GGD)的密度函数是广义伽玛分布的密度函数的推广形式，它的概率密度函数为：
其中，Γ(·)函数为：
式中，μ、σ、α、β分别为GGD的均值，标准差，形状参数和尺度参数。
一般只考虑均值为零的情形即μ＝0。形状参数α决定了GGD密度函数的衰减速度：当α＝2时，分布为高斯分布；当α＝1时，分布为拉普拉斯分布；当α→0时，分布越来越集中在0值附近，密度函数的图形也趋于δ函数；当α→+∞时，分布则趋于均匀分布。图6是μ＝0,σ＝1,β＝1，α＝0.5,1,2,4,8,16时GGD的概率密度函数图形；图7是μ＝0,σ＝1,α＝2，β＝0.1,0.2,0.4,0.8,1.6时GGD的概率密度函数图形。
设x＝(x1,x2,…,xn)为来自均值为μ＝0，GGD总体X的样本，下面采用矩阵估计的方法讨论参数α和β的估计问题。
因GGD是对称分布，其奇数阶原点矩为零，故采用绝对矩来进行讨论。当μ＝0，由式(3-1)知k绝对矩mk为
为了得到参数α的估计式，我们构造
式中，k，m，p，r，为正整数，l，n，q，s为非负整数。当kl+mn＝pq+rs时，T中只含有参数α，即
取k＝l＝m＝n＝1，p＝2，q＝1，r＝1，s＝0，得到式(3-4)的特殊情形为：
即可得到α的矩估计：
另由式(3-2)，令k＝1，则β的矩估计为：
m1和m2的估计可由下式得到：
由此获得地球物理学中的高阶统计量(广义高斯概率分布函数)。
在地震勘探领域内，地震反射系数在均匀层状介质的情况下是服从广义高斯分布的。在S203中得到了第二地震信号后对第二地震信号进行常规的广义高斯分布参数估计，获得整个工区目的层段的广义高斯分布的密度函数fa(s)。
S302：根据广义高斯分布密度函数获得目的层段的广义高斯概率分布函数。
在一具体实施例中，对S301中的广义高斯分布的密度函数fa(s)进行求导即可获得整个工区的目的层段的广义高斯概率分布函数Fa(s)，将获得的广义高斯概率分布函数Fa(s)作为标准(因为只有当地下介质均匀时，第二地震信号才符合广义高斯概率分布)，如图8所示。如果地下介质发生变化，例如碳酸盐岩存在生物礁滩体、空洞裂缝时，如图9所示，其第二地震信号的统计特征与作为标准的广义高斯概率分布函数相比会发生变化。
在一实施例中，获取目的层段单道地震信号样本分布函数与目的层段的广义高斯概率分布函数之间的偏离程度，如图4所示，包括：
S401：逐道计算目的层段单道地震信号样本分布函数。
在一具体实施例中，利用常规手段逐道计算目的层段的每一单道的地震信号样本分布函数Fo(s)。
S402：根据目的层段单道地震信号样本分布函数与广义高斯概率分布函数的差值，获得偏离程度。
在一具体实施例中，利用S401中获得的每一单道的地震信号样本分布函数Fo(s)，减去广义高斯分布函数|Fo(s)-Fa(s)|，得到的差值中的最大值，即MAX|Fo(s)-Fa(s)|即为该单道的地震信号样本分布函数与广义高斯分布函数(标准)的偏离程度。
在一实施例中，根据偏离程度获得目的层段的储层预测平面图，如图5所示，包括：
S501：确定偏离程度的属性，偏离程度的属性包括：异常和正常。
在一具体实施例中，从S402中获得了每一单道地震信号的样本分布函数与广义高丝分布函数之间的偏离程度后，根据偏离程度的大小确定属性，如果偏离程度大于预设的阈值，则认为此单道地震信号的样本分布函数为异常，如果偏离程度不超过预设的阈值，则认为此单道地震信号的样本分布函数为正常。
S502：根据偏离程度的属性生成储层预测平面图。
在一具体实施例中，将异常的单道地震信号所对应的地区在地平面图中标出，即可得到储层预测平面图，储层预测平面图上能够清晰地显示出地震信号异常区域。
在一实施例中，确定偏离程度的属性，具体包括：
根据偏离程度与预设阈值的大小确定偏离程度的属性；如果大于预设阈值，则偏离程度的属性为异常。
基于同一发明构思，本申请实施例还提供了一种利用广义高斯分布进行储层预测的装置，可以用于实现上述实施例中所描述的方法，如下面实施例所述。由于该利用广义高斯分布进行储层预测的装置解决问题的原理与利用广义高斯分布进行储层预测的方法相似，因此利用广义高斯分布进行储层预测的装置的实施可以参见利用广义高斯分布进行储层预测的方法的实施，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。
图10为本申请提供的一种利用广义高斯分布进行储层预测的装置的结构框图，包括：
零均值预处理单元1001，用于对获取的目的层段第一地震信号进行零均值化预处理，得到第二地震信号；
高斯概率分布函数获得单元1002，用于根据第二地震信号获得目的层段的广义高斯概率分布函数；
储层预测平面图生成单元1003，用于对比获取目的层段单道地震信号样本分布函数与目的层段的广义高斯概率分布函数之间的偏离程度，并根据偏离程度获得目的层段的储层预测平面图。
在一实施例中，如图11所示，零均值预处理单元1001包括：
叠加模块1101，用于将目的层段地震信号沿时间方向依次相加获得地震信号总和；
平均值获取模块1102，用于通过地震信号总和获取地震信号平均值；
第二地震信号获得模块1103，用于根据目的层段地震信号与地震信号平均值获得第二地震信号。
在一实施例中，如图12所示，高斯概率分布函数获得单元1002包括：
参数估计模块1201，用于对第二地震信号进行广义高斯分布参数估计，获得目的层段的广义高斯分布密度函数；
分布函数获取模块1202，用于根据广义高斯分布密度函数获得目的层段的广义高斯概率分布函数。
在一实施例中，如图13所示，储层预测平面图生成单元1003包括：
逐道计算模块1301，用于逐道计算目的层段单道地震信号样本分布函数；
偏离程度获取模块1302，用于根据目的层段单道地震信号样本分布函数与广义高斯概率分布函数的差值，获得偏离程度。
在一实施例中，如图14所示，储层预测平面图生成单元1003还包括：
属性确定模块1401，用于确定偏离程度的属性，偏离程度的属性包括：异常和正常；
生成模块1402，用于根据偏离程度的属性生成储层预测平面图。
在一实施例中，属性确定模块1401具体包括：
判断模块，用于判断根据偏离程度与预设阈值的大小，确定偏离程度的属性；如果大于预设阈值，则偏离程度的属性为异常。
本申请提供的装置运用地震信号统计特征的异常变化进行储层预测，首先对整个目的层段进行广义高斯分布估算求取概率分布函数，然后求取各单道目的层段的地震信号样本分布函数，最后求取各单道样本分布函数与整体概率分布函数(广义高斯分布)之间的差值，利用差值预测储层的平面分布图，实现了通过检测地震信号振幅的统计特征偏离广义高斯分布(标准)的程度达到预测地下储层的目的，
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。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
本申请的实施例还提供能够实现上述实施例中的方法中全部步骤的一种电子设备的具体实施方式，参见图15，所述电子设备具体包括如下内容：
处理器(processor)1501、内存1502、通信接口(Communications Interface)1503、总线1504和非易失性存储器1505；
其中，所述处理器1501、内存1502、通信接口1503通过所述总线1504完成相互间的通信；
所述处理器1501用于调用所述内存1502和非易失性存储器1505中的计算机程序，所述处理器执行所述计算机程序时实现上述实施例中的方法中的全部步骤，例如，所述处理器执行所述计算机程序时实现下述步骤：
S101：对获取的目的层段第一地震信号进行零均值化预处理，得到第二地震信号。
S102：根据第二地震信号获得目的层段的广义高斯概率分布函数。
S103：获取目的层段单道地震信号样本分布函数与广义高斯概率分布函数之间的偏离程度，并根据偏离程度获得目的层段的储层预测平面图。
本申请的实施例还提供能够实现上述实施例中的方法中全部步骤的一种计算机可读存储介质，所述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方法的全部步骤，例如，所述处理器执行所述计算机程序时实现下述步骤：
S101：对获取的目的层段第一地震信号进行零均值化预处理，得到第二地震信号。
S102：根据第二地震信号获得目的层段的广义高斯概率分布函数。
S103：获取目的层段单道地震信号样本分布函数与广义高斯概率分布函数之间的偏离程度，并根据偏离程度获得目的层段的储层预测平面图。
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。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。
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。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 (10)
1.一种储层的预测方法，其特征在于，包括：
对获取的目的层段第一地震信号进行零均值化预处理，得到第二地震信号；
根据所述第二地震信号获得目的层段的广义高斯概率分布函数；
获取目的层段单道地震信号样本分布函数与所述目的层段的广义高斯概率分布函数之间的偏离程度，并根据偏离程度获得目的层段的储层预测平面图；
所述根据所述第二地震信号获得目的层段的广义高斯概率分布函数，包括：
对所述第二地震信号进行广义高斯分布参数估计，获得目的层段的广义高斯分布密度函数；
对所述广义高斯分布密度函数进行求导获得目的层段的所述广义高斯概率分布函数；
所述根据偏离程度获得目的层段的储层预测平面图，包括：
确定所述偏离程度的属性，所述偏离程度的属性包括：异常和正常；
根据所述偏离程度的属性生成所述储层预测平面图。
2.根据权利要求1所述的预测方法，其特征在于，所述对获取的目的层段第一地震信号进行零均值化预处理，包括：
将所述目的层段的第一地震信号沿时间方向依次相加获得地震信号总和；
通过所述地震信号总和获取地震信号平均值；
根据所述目的层段的第一地震信号与所述地震信号平均值获得所述第二地震信号。
3.根据权利要求1所述的预测方法，其特征在于，所述获取目的层段单道地震信号样本分布函数与所述目的层段的广义高斯概率分布函数之间的偏离程度，包括：
逐道计算所述目的层段单道地震信号样本分布函数；
根据所述目的层段单道地震信号样本分布函数与所述广义高斯概率分布函数的差值，获得所述偏离程度。
4.根据权利要求1所述的预测方法，其特征在于，所述确定所述偏离程度的属性，具体包括：
根据所述偏离程度与预设阈值的大小确定所述偏离程度的属性；如果大于预设阈值，则所述偏离程度的属性为异常。
5.一种储层的预测装置，其特征在于，包括：
零均值预处理单元，用于对获取的目的层段第一地震信号进行零均值化预处理，得到第二地震信号；
高斯概率分布函数获得单元，用于根据所述第二地震信号获得目的层段的广义高斯概率分布函数；
储层预测平面图生成单元，用于对比获取目的层段单道地震信号样本分布函数与所述目的层段的广义高斯概率分布函数之间的偏离程度，并根据偏离程度获得目的层段的储层预测平面图；
所述高斯概率分布函数获得单元包括：
参数估计模块，用于对所述第二地震信号进行广义高斯分布参数估计，获得目的层段的广义高斯分布密度函数；
分布函数获取模块，用于对所述广义高斯分布密度函数进行求导获得目的层段的所述广义高斯概率分布函数；
所述储层预测平面图生成单元包括：
属性确定模块，用于确定所述偏离程度的属性，所述偏离程度的属性包括：异常和正常；
生成模块，用于根据所述偏离程度的属性生成所述储层预测平面图。
6.根据权利要求5所述的预测装置，其特征在于，所述零均值预处理单元包括：
叠加模块，用于将所述目的层段的第一地震信号沿时间方向依次相加获得地震信号总和；
平均值获取模块，用于通过所述地震信号总和获取地震信号平均值；
第二地震信号获得模块，用于根据所述目的层段的第一地震信号与所述地震信号平均值获得所述第二地震信号。
7.根据权利要求6所述的预测装置，其特征在于，所述储层预测平面图生成单元包括：
逐道计算模块，用于逐道计算所述目的层段单道地震信号样本分布函数；
偏离程度获取模块，用于根据所述目的层段单道地震信号样本分布函数与所述广义高斯概率分布函数的差值，获得所述偏离程度。
8.根据权利要求7所述的预测装置，其特征在于，所述属性确定模块具体包括：
判断模块，用于根据所述偏离程度与预设阈值的大小，确定所述偏离程度的属性；如果大于预设阈值，则所述偏离程度的属性为异常。
9.一种电子设备，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4中任一项所述储层的预测方法。
10.一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4中任一项所述储层的预测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010107313.2A CN113296157B (zh) | 2020-02-21 | 2020-02-21 | 一种利用广义高斯分布进行储层的预测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010107313.2A CN113296157B (zh) | 2020-02-21 | 2020-02-21 | 一种利用广义高斯分布进行储层的预测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113296157A CN113296157A (zh) | 2021-08-24 |
| CN113296157B true CN113296157B (zh) | 2023-05-26 |
Family
ID=77317658
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010107313.2A Active CN113296157B (zh) | 2020-02-21 | 2020-02-21 | 一种利用广义高斯分布进行储层的预测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113296157B (zh) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2005062196A2 (en) * | 2003-12-11 | 2005-07-07 | Geoenergy, Inc. | Method and apparatus for efficient data acquisition and interpolation |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4688198A (en) * | 1984-12-24 | 1987-08-18 | Schlumberger Technology Corporation | Entropy guided deconvolution of seismic signals |
| US9261615B2 (en) * | 2012-06-15 | 2016-02-16 | Exxonmobil Upstream Research Company | Seismic anomaly detection using double-windowed statistical analysis |
| CN105182418A (zh) * | 2015-09-11 | 2015-12-23 | 合肥工业大学 | 一种基于双树复小波域的地震信号降噪方法及系统 |
-
2020
- 2020-02-21 CN CN202010107313.2A patent/CN113296157B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2005062196A2 (en) * | 2003-12-11 | 2005-07-07 | Geoenergy, Inc. | Method and apparatus for efficient data acquisition and interpolation |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113296157A (zh) | 2021-08-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105158796B (zh) | 确定toc含量的方法和装置 | |
| CN104656139A (zh) | 一种转换波的静校正方法及设备 | |
| Sgobba et al. | Spatial correlation model of systematic site and path effects for ground‐motion fields in northern Italy | |
| EP4182733A1 (en) | Systems and methods for detecting seismic discontinuties using singular vector variances | |
| CN115239105A (zh) | 一种在役风电场的风资源的评估方法以及装置 | |
| US20220342108A1 (en) | Method, device and medium for acquiring logging parameters | |
| CN113296157B (zh) | 一种利用广义高斯分布进行储层的预测方法及装置 | |
| CN111812716A (zh) | 页岩气储层总有机碳含量叠前定量预测方法、装置及设备 | |
| CN112684498A (zh) | 一种基于宽方位地震数据的储层裂缝预测方法及系统 | |
| RU2591239C1 (ru) | Системы и способы для оценивания возможности коллекторной системы | |
| CN116148924A (zh) | 基于统计岩石物理的页岩纹层密度预测方法及相关设备 | |
| GB2490600A (en) | Line and edge detection and enhancement of seismic data | |
| GB2583906A (en) | Method of estimating a mineral content of a geological structure | |
| CN104832161A (zh) | 基于双尺度相关对比的自动深度校正方法及系统 | |
| CN112630840B (zh) | 基于统计特征参数的随机反演方法及处理器 | |
| CN112363243A (zh) | 预测页岩油优质储层的方法、装置、计算机设备及介质 | |
| CN110824555B (zh) | 地震能量均衡方法及装置、计算机可读存储介质 | |
| CN112578458A (zh) | 叠前弹性阻抗随机反演方法、装置、存储介质及处理器 | |
| CN113009577B (zh) | 一种低幅构造校正方法、装置、计算机设备及存储介质 | |
| CN113138412A (zh) | 深层页岩气孔隙度地震预测方法及装置 | |
| CN113267810B (zh) | 地震勘探全深度速度建模方法及装置 | |
| CN117150207B (zh) | 伴生氦气资源量的评价方法、设备及存储介质 | |
| CN112698394B (zh) | 二维观测系统设计面元尺寸的确定方法及装置 | |
| CN113495296B (zh) | 层析静校正量的确定方法、装置、设备及可读存储介质 | |
| CN111856585A (zh) | 时深转换速度场的构建方法、装置、设备及可读存储介质 |
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 |