CN113791448A - 一种基于地质结构特征的多维数据可视化方法及系统 - Google Patents
一种基于地质结构特征的多维数据可视化方法及系统 Download PDFInfo
- Publication number
- CN113791448A CN113791448A CN202110993201.6A CN202110993201A CN113791448A CN 113791448 A CN113791448 A CN 113791448A CN 202110993201 A CN202110993201 A CN 202110993201A CN 113791448 A CN113791448 A CN 113791448A
- Authority
- CN
- China
- Prior art keywords
- data
- extreme
- sequence
- column
- point
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000013079 data visualisation Methods 0.000 title claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 32
- 238000001914 filtration Methods 0.000 claims abstract description 27
- 238000000605 extraction Methods 0.000 claims abstract description 23
- 238000007781 pre-processing Methods 0.000 claims abstract description 14
- 238000009499 grossing Methods 0.000 claims description 10
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 238000003491 array Methods 0.000 claims description 3
- 230000001174 ascending effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000000717 retained effect Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000007 visual effect Effects 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
- G01V1/34—Displaying seismic recordings or visualisation of seismic data or attributes
- G01V1/345—Visualisation of seismic data or attributes, e.g. in 3D cubes
-
- 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
- G01V1/301—Analysis for determining seismic cross-sections or geostructures
-
- 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
- G01V1/364—Seismic filtering
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/20—Trace signal pre-filtering to select, remove or transform specific events or signal components, i.e. trace-in/trace-out
- G01V2210/22—Time-domain filtering
-
- 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
- G01V2210/64—Geostructures, e.g. in 3D data cubes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/70—Other details related to processing
- G01V2210/74—Visualisation of seismic data
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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于数据处理技术领域,具体的说是一种基于地质结构特征的多维数据可视化方法及系统,该方法包括以下步骤:S1:将专业人员采集到的用来描述地质信息的离散数据输入电脑系统中;S2:利用结构特征提取算法来处理描述地质信息的离散数据,得到最具有结构特征的序列;S3:将通过S2得到的最具有结构特征的序列通过电脑显示屏显示出来;所述结构特征提取算法包括数据预处理算法和同相轴提取;所述同相轴提取采用相关法;所述数据预处理算法包括平滑滤波和特征选择;分析所有的离散数据之间的联系,从中找出能够代表地质结构特征的数据序列,并且通过显示屏显示出来。
Description
技术领域
本发明属于数据处理技术领域,具体的说是一种基于地质结构特征的多维数据可视化方法及系统。
背景技术
石油作为国家经济命脉之一,随着油田开采的地质结构越来越复杂,所以其开采技术的要求也越来越高,加之开采成本巨大,专业人员也很需要使用更能真实反映地质结构特征的图像来帮助判断油气在地下储藏的位置。
地质勘探人员会使用科学方法收集用来描述地质信息的离散数据,但由于单个离散数据值中所蕴含的地质特征信息太少,所以需要通过分析所有的离散数据之间的联系,从中找出能够代表地质结构特征的数据序列;为此,本发明提供一种基于地质结构特征的多维数据可视化方法及系统。
发明内容
为了弥补现有技术的不足,解决由于单个离散数据值中所蕴含的地质特征信息太少,多个离散数据分析困难的问题,本发明提出的一种基于地质结构特征的多维数据可视化方法及系统。
本发明解决其技术问题所采用的技术方案是:本发明所述的一种基于地质结构特征的多维数据可视化方法,该方法包括以下步骤:
S1:将专业人员采集到的用来描述地质信息的离散数据输入电脑系统中;
S2:利用结构特征提取算法来处理描述地质信息的离散数据,得到最具有结构特征的序列;
S3:将通过S2得到的最具有结构特征的序列通过电脑显示屏显示出来。
进一步,所述结构特征提取算法包括数据预处理算法和同相轴提取;所述同相轴提取采用相关法;所述数据预处理算法包括平滑滤波和特征选择;所述数据预处理算法步骤如下:S1:输入数据;S2:数据平滑滤波;S3:极值点捕获:S4:正切值过滤极值点;S5:相关法寻找结构特征序列;S6:结构特征初始序列;平滑滤波和特征选择是对数据做预处理,平滑滤波是用来对地震勘探数据中边缘信息做平滑处理,降低噪音,提高信噪比;特征选择是对提取出来的极值点序列再一次筛选,选出最具有结构特征的序列,此序列是为后续可视化显示提供数据来源。
进一步,所述数据平滑滤波的算法过程为:假设采用滑动窗口大小为5,则以每个滑动时窗的中心点为基准Di,分别在中心点向上和向下取两个时间单位的坐标点Di-2,Di-1和Di+1,Di+2,然后给这五个点分别赋予权重值1,2,3,2,1,最后每个像素点与其对应的权重相乘求和,和数除总权重得到中心点的平均值,当遇到中心点向上或向下不足两个单位时,中心点的权重仍为3,其余点按离中心点的距离赋对应权重值。
进一步,所述寻找极值点的过程为:先对平滑后滤波的数据集按列划分,然后寻找每一列数据的极大、极小值,在每一列数据中存在一个元素比左右两边的数都小,则这个元素为极小值,若这个元素比左右两边的数都大,则这个元素是极大值,极大值和极小值分别存放在两个列表;数据平滑滤波和寻找极值点算法只关注数组中有效数据点,无效数据点赋值为-99999。
进一步,所述方差过滤极值点的过程为:所有的极值点都是从平滑后的地震数据中提取的,上述算法的极大值列表和极小值列表按相同列数进行交叉排序,即按行序号排序得到数组每列的极值点序列;根据实际二维数组的大小选定一个序列宽度W,每个极值点计算方差的序列就以自己为中心,分别向上、向下对称取到共W个数量的数,在计算序列的方差之前,将W个数据经过线性归一化处理,所有参与方差计算的数被压缩在范围[0,1]之间;对归一化后的数据进行总体标准偏差的计算,确定一个阈值,若方差小于此阈值,则舍弃;最终保留下的极值点就是特征选择后的最能表现结构特征的值。
进一步,所述正切值过滤极值点的过程为:设定正切值的阈值,每个极值点以时间序号为x坐标,即读取的二维数组的行坐标,以极值点本身值的大小作为y坐标,每个极值点都需要与同列集中相邻两个极值点计算斜率,只有一个极值点两边的正切值的绝对值均大于斜率阈值,才可以保留。
进一步,相关法寻找结构特征序列的过程为:S1:根据特征选择提取出来的最值数组的大小,来确定合适的同相轴的判定窗口大小(值为win_wtd)和连接邻接列的窗口大小(值为neighbor_wtd);与之前的做法相同,窗口大小一般设为奇数,这样可以直接把目标点定位到窗口的中心位置;S2:从第i列开始作为参考列,i列的所有经过特征选择筛选留下的极值点按行坐标升序排列,存放在extremums二维数组中;S3:在extremums数组中,第i列的前几个极值点时间序号小于(win_wtd-1)/2,那么取原数据中有效数据的前win_wtd个值作为这些极值点的相关系数求解序列;S4:在extremums数组中,第i列的后几个极值点时间序号大于原始数据中第i列有效数据的最大坐标值减去(win_wtd-1)/2,那么取原数据中有效数据的后win_wtd个值作为这些极值点的相关系数求解序列;S5:从extremums数组里第i列中间部分的极值点开始,行序号设为j,每一个分别映射到同相轴判定窗口的中心位置,然后又分别对这些极值点向上和向下分别取(win_wtd-1)/2个原数据的数值,作为各自的相关系数求解序列;S6:根据neighbor_wtd来确定该参考列右侧需要的邻接列的个数,按上述S2-S5的做法同样求解出邻接列内有关极值点各自对应的相关系数求解序列;参考列中的一个极值点j会分别对应邻接列中行序号为j-(neighbor_wtd-1)/2,…,j-1,j,j+1,…,j+(neighbor_wtd-1)/2的极值点,这些极值点的行坐标在原数据中可能不是连续的;S7:有了相关系数的求解序列,则利用公式可以得到参考列中行坐标为j的极值点与邻接列的上中下各极值点的相关系数,根据阈值去掉相关性弱的极值点;S8:重复上述第二步至第七步计算第i+1列中极值点间的相关系数,最后把符合相关大小的各极值点相连,得到初始结构特征序列。
进一步,所述结构特征序列的提取过程为:S1:当出现extremums[i][j]与extremums[i+1][j+k]已经相连,extremums[i][j+1]与extremums[i+1][j+k]上部的某个极值点相连,此时可以判定为同相轴交叉,切断相连extremums[i][j+1]的这段同相轴;S2:所有需要断开的同相轴均为第i列中行坐标大的连线,保留行坐标小的连线;S3:计算每个同相轴的长度,设定一个结构特征序列中包含极值点少于5个的时候,将会被剔除。
一种基于地质结构特征的多维数据可视化系统,该系统适用于上述中任意一项所述的基于地质结构特征的多维数据可视化方法,包括总控单元、数据处理单元、显示单元和异常处理单元;所述总控单元、数据处理单元、显示单元和异常处理单元均基于电脑终端运行;所述总控单元可控制数据处理单元、显示单元和异常处理单元的运行;所述数据处理单元包括结构特征提取算法,用以处理输入的离散数据,产生最具有结构特征的序列,并且将这些信息通过显示单元显示出来;所述异常处理单元用以处理异常的离散数据,并且将这些信息通过显示单元显示出来。
本发明的有益效果如下:
本发明所述的一种基于地质结构特征的多维数据可视化方法及系统,通过将数据预处理算法和同相轴提取算法应用于多个地质信息离散数据的分析中,分析所有的离散数据之间的联系,从中找出能够代表地质结构特征的数据序列,并且通过显示屏显示出来,使得专业人员能够需要快速、准确地从大量数据中找出数据反映的结构特征信息,确保了开发工作顺利进行,能够尽可能多的了解地质结构特征,来判断油气资源在地下储藏的位置。
附图说明
下面结合附图对本发明作进一步说明。
图1为本发明的方法流程图;
图2为本发明中数据预处理算法流程图;
图3为本发明中结构特征提取算法流程图;
图4为本发明中基于方差过滤的结构特征图;
图5为本发明中基于正切值过滤的结构特征图;
图6为本发明中系统流程图;
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体实施方式,进一步阐述本发明。
如图1至图6所示,本发明所述的一种基于地质结构特征的多维数据可视化方法,该方法包括以下步骤:
S1:将专业人员采集到的用来描述地质信息的离散数据输入电脑系统中;
S2:利用结构特征提取算法来处理描述地质信息的离散数据,得到最具有结构特征的序列;
S3:将通过S2得到的最具有结构特征的序列通过电脑显示屏显示出来。
为了进一步实现本发明的内容,所述结构特征提取算法包括数据预处理算法和同相轴提取;所述同相轴提取采用相关法;所述数据预处理算法包括平滑滤波和特征选择;所述数据预处理算法步骤如下:S1:输入数据;S2:数据平滑滤波;S3:极值点捕获:S4:正切值过滤极值点;S5:相关法寻找结构特征序列;S6:结构特征初始序列。
为了进一步实现本发明的内容,所述数据平滑滤波的算法过程为:假设采用滑动窗口大小为5,则以每个滑动时窗的中心点为基准Di,分别在中心点向上和向下取两个时间单位的坐标点Di-2,Di-1和Di+1,Di+2,然后给这五个点分别赋予权重值1,2,3,2,1,最后每个像素点与其对应的权重相乘求和,和数除总权重得到中心点的平均值,当遇到中心点向上或向下不足两个单位时,中心点的权重仍为3,其余点按离中心点的距离赋对应权重值。
为了进一步实现本发明的内容,所述寻找极值点的过程为:先对平滑后滤波的数据集按列划分,然后寻找每一列数据的极大、极小值,在每一列数据中存在一个元素比左右两边的数都小,则这个元素为极小值,若这个元素比左右两边的数都大,则这个元素是极大值,极大值和极小值分别存放在两个列表。
为了进一步实现本发明的内容,所述方差过滤极值点的过程为:所有的极值点都是从平滑后的地震数据中提取的,上述算法的极大值列表和极小值列表按相同列数进行交叉排序,即按行序号排序得到数组每列的极值点序列;根据实际二维数组的大小选定一个序列宽度W,每个极值点计算方差的序列就以自己为中心,分别向上、向下对称取到共W个数量的数,在计算序列的方差之前,将W个数据经过线性归一化处理,所有参与方差计算的数被压缩在范围[0,1]之间;对归一化后的数据进行总体标准偏差的计算,确定一个阈值,若方差小于此阈值,则舍弃;最终保留下的极值点就是特征选择后的最能表现结构特征的值;采用方差过滤法得到的结构特征提取的同相轴大部分都不光滑,折点处较多,连续性较差。
为了进一步实现本发明的内容,所述正切值过滤极值点的过程为:设定正切值的阈值,每个极值点以时间序号为x坐标,即读取的二维数组的行坐标,以极值点本身值的大小作为y坐标,每个极值点都需要与同列集中相邻两个极值点计算斜率,只有一个极值点两边的正切值的绝对值均大于斜率阈值,才可以保留;经过正切值过滤的结构特征连续性更强,比较有规律,也不会出现过度曲折和两条同相轴交叠的现象,更加符合地质结构的实际情况;通过两种过滤方法的结果的比较,正切值过滤方法效果更好。
为了进一步实现本发明的内容,相关法寻找结构特征序列的过程为:S1:根据特征选择提取出来的最值数组的大小,来确定合适的同相轴的判定窗口大小(值为win_wtd)和连接邻接列的窗口大小(值为neighbor_wtd);与之前的做法相同,窗口大小一般设为奇数,这样可以直接把目标点定位到窗口的中心位置;S2:从第i列开始作为参考列,i列的所有经过特征选择筛选留下的极值点按行坐标升序排列,存放在extremums二维数组中;S3:在extremums数组中,第i列的前几个极值点时间序号小于(win_wtd-1)/2,那么取原数据中有效数据的前win_wtd个值作为这些极值点的相关系数求解序列;S4:在extremums数组中,第i列的后几个极值点时间序号大于原始数据中第i列有效数据的最大坐标值减去(win_wtd-1)/2,那么取原数据中有效数据的后win_wtd个值作为这些极值点的相关系数求解序列;S5:从extremums数组里第i列中间部分的极值点开始,行序号设为j,每一个分别映射到同相轴判定窗口的中心位置,然后又分别对这些极值点向上和向下分别取(win_wtd-1)/2个原数据的数值,作为各自的相关系数求解序列;S6:根据neighbor_wtd来确定该参考列右侧需要的邻接列的个数,按上述S2-S5的做法同样求解出邻接列内有关极值点各自对应的相关系数求解序列;参考列中的一个极值点j会分别对应邻接列中行序号为j-(neighbor_wtd-1)/2,…,j-1,j,j+1,…,j+(neighbor_wtd-1)/2的极值点,这些极值点的行坐标在原数据中可能不是连续的;S7:有了相关系数的求解序列,则利用公式可以得到参考列中行坐标为j的极值点与邻接列的上中下各极值点的相关系数,根据阈值去掉相关性弱的极值点;S8:重复上述第二步至第七步计算第i+1列中极值点间的相关系数,最后把符合相关大小的各极值点相连,得到初始结构特征序列。
为了进一步实现本发明的内容,所述结构特征序列的提取过程为:S1:当出现extremums[i][j]与extremums[i+1][j+k]已经相连,extremums[i][j+1]与extremums[i+1][j+k]上部的某个极值点相连,此时可以判定为同相轴交叉,切断相连extremums[i][j+1]的这段同相轴;S2:所有需要断开的同相轴均为第i列中行坐标大的连线,保留行坐标小的连线;S3:计算每个同相轴的长度,设定一个结构特征序列中包含极值点少于5个的时候,将会被剔除。
一种基于地质结构特征的多维数据可视化系统,该系统适用于上述中任意一项所述的基于地质结构特征的多维数据可视化方法,包括总控单元、数据处理单元、显示单元和异常处理单元;所述总控单元、数据处理单元、显示单元和异常处理单元均基于电脑终端运行;所述总控单元可控制数据处理单元、显示单元和异常处理单元的运行;所述数据处理单元包括结构特征提取算法,用以处理输入的离散数据,产生最具有结构特征的序列,并且将这些信息通过显示单元显示出来;所述异常处理单元用以处理异常的离散数据,并且将这些信息通过显示单元显示出来。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (9)
1.一种基于地质结构特征的多维数据可视化方法,其特征在于:该方法包括以下步骤:
S1:将专业人员采集到的用来描述地质信息的离散数据输入电脑系统中;
S2:利用结构特征提取算法来处理描述地质信息的离散数据,得到最具有结构特征的序列;
S3:将通过S2得到的最具有结构特征的序列通过电脑显示屏显示出来。
2.根据权利要求1所述的一种基于地质结构特征的多维数据可视化方法,其特征在于:所述结构特征提取算法包括数据预处理算法和同相轴提取;所述同相轴提取采用相关法;所述数据预处理算法包括平滑滤波和特征选择;所述数据预处理算法步骤如下:S1:输入数据;S2:数据平滑滤波;S3:极值点捕获:S4:正切值过滤极值点;S5:相关法寻找结构特征序列;S6:结构特征初始序列。
3.根据权利要求2所述的一种基于地质结构特征的多维数据可视化方法,其特征在于:所述数据平滑滤波的算法过程为:假设采用滑动窗口大小为5,则以每个滑动时窗的中心点为基准Di,分别在中心点向上和向下取两个时间单位的坐标点Di-2,Di-1和Di+1,Di+2,然后给这五个点分别赋予权重值1,2,3,2,1,最后每个像素点与其对应的权重相乘求和,和数除总权重得到中心点的平均值,当遇到中心点向上或向下不足两个单位时,中心点的权重仍为3,其余点按离中心点的距离赋对应权重值。
4.根据权利要求3所述的一种基于地质结构特征的多维数据可视化方法,其特征在于:所述寻找极值点的过程为:先对平滑后滤波的数据集按列划分,然后寻找每一列数据的极大、极小值,在每一列数据中存在一个元素比左右两边的数都小,则这个元素为极小值,若这个元素比左右两边的数都大,则这个元素是极大值,极大值和极小值分别存放在两个列表。
5.根据权利要求4所述的一种基于地质结构特征的多维数据可视化方法,其特征在于:所述方差过滤极值点的过程为:所有的极值点都是从平滑后的地震数据中提取的,上述算法的极大值列表和极小值列表按相同列数进行交叉排序,即按行序号排序得到数组每列的极值点序列;根据实际二维数组的大小选定一个序列宽度W,每个极值点计算方差的序列就以自己为中心,分别向上、向下对称取到共W个数量的数,在计算序列的方差之前,将W个数据经过线性归一化处理,所有参与方差计算的数被压缩在范围[0,1]之间;对归一化后的数据进行总体标准偏差的计算,确定一个阈值,若方差小于此阈值,则舍弃;最终保留下的极值点就是特征选择后的最能表现结构特征的值。
6.根据权利要求5所述的一种基于地质结构特征的多维数据可视化方法,其特征在于:所述正切值过滤极值点的过程为:设定正切值的阈值,每个极值点以时间序号为x坐标,即读取的二维数组的行坐标,以极值点本身值的大小作为y坐标,每个极值点都需要与同列集中相邻两个极值点计算斜率,只有一个极值点两边的正切值的绝对值均大于斜率阈值,才可以保留。
7.根据权利要求6所述的一种基于地质结构特征的多维数据可视化方法,其特征在于:相关法寻找结构特征序列的过程为:S1:根据特征选择提取出来的最值数组的大小,来确定合适的同相轴的判定窗口大小(值为win_wtd)和连接邻接列的窗口大小(值为neighbor_wtd);与之前的做法相同,窗口大小一般设为奇数,这样可以直接把目标点定位到窗口的中心位置;S2:从第i列开始作为参考列,i列的所有经过特征选择筛选留下的极值点按行坐标升序排列,存放在extremums二维数组中;S3:在extremums数组中,第i列的前几个极值点时间序号小于(win_wtd-1)/2,那么取原数据中有效数据的前win_wtd个值作为这些极值点的相关系数求解序列;S4:在extremums数组中,第i列的后几个极值点时间序号大于原始数据中第i列有效数据的最大坐标值减去(win_wtd-1)/2,那么取原数据中有效数据的后win_wtd个值作为这些极值点的相关系数求解序列;S5:从extremums数组里第i列中间部分的极值点开始,行序号设为j,每一个分别映射到同相轴判定窗口的中心位置,然后又分别对这些极值点向上和向下分别取(win_wtd-1)/2个原数据的数值,作为各自的相关系数求解序列;S6:根据neighbor_wtd来确定该参考列右侧需要的邻接列的个数,按上述S2-S5的做法同样求解出邻接列内有关极值点各自对应的相关系数求解序列;参考列中的一个极值点j会分别对应邻接列中行序号为j-(neighbor_wtd-1)/2,…,j-1,j,j+1,…,j+(neighbor_wtd-1)/2的极值点,这些极值点的行坐标在原数据中可能不是连续的;S7:有了相关系数的求解序列,则利用公式可以得到参考列中行坐标为j的极值点与邻接列的上中下各极值点的相关系数,根据阈值去掉相关性弱的极值点;S8:重复上述第二步至第七步计算第i+1列中极值点间的相关系数,最后把符合相关大小的各极值点相连,得到初始结构特征序列。
8.根据权利要求7所述的一种基于地质结构特征的多维数据可视化方法,其特征在于:所述结构特征序列的提取过程为:S1:当出现extremums[i][j]与extremums[i+1][j+k]已经相连,extremums[i][j+1]与extremums[i+1][j+k]上部的某个极值点相连,此时可以判定为同相轴交叉,切断相连extremums[i][j+1]的这段同相轴;S2:所有需要断开的同相轴均为第i列中行坐标大的连线,保留行坐标小的连线;S3:计算每个同相轴的长度,设定一个结构特征序列中包含极值点少于5个的时候,将会被剔除。
9.一种基于地质结构特征的多维数据可视化系统,该系统适用于权利1-8中任意一项所述的基于地质结构特征的多维数据可视化方法,其特征在于:包括总控单元、数据处理单元、显示单元和异常处理单元;所述总控单元、数据处理单元、显示单元和异常处理单元均基于电脑终端运行;所述总控单元可控制数据处理单元、显示单元和异常处理单元的运行;所述数据处理单元包括结构特征提取算法,用以处理输入的离散数据,产生最具有结构特征的序列,并且将这些信息通过显示单元显示出来;所述异常处理单元用以处理异常的离散数据,并且将这些信息通过显示单元显示出来。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110993201.6A CN113791448B (zh) | 2021-08-26 | 2021-08-26 | 一种基于地质结构特征的多维数据可视化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110993201.6A CN113791448B (zh) | 2021-08-26 | 2021-08-26 | 一种基于地质结构特征的多维数据可视化方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113791448A true CN113791448A (zh) | 2021-12-14 |
CN113791448B CN113791448B (zh) | 2024-01-23 |
Family
ID=78876559
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110993201.6A Active CN113791448B (zh) | 2021-08-26 | 2021-08-26 | 一种基于地质结构特征的多维数据可视化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113791448B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102176052A (zh) * | 2011-01-26 | 2011-09-07 | 北京航空航天大学 | 一种面向三维层面网格生成的层序分析方法 |
WO2011149609A1 (en) * | 2010-05-28 | 2011-12-01 | Exxonmobil Upstream Research Company | Method for seismic hydrocarbon system analysis |
CN104297794A (zh) * | 2014-07-23 | 2015-01-21 | 中国石油化工股份有限公司 | 地震数据成图方法及系统 |
US20150030209A1 (en) * | 2013-07-29 | 2015-01-29 | Schlumberger Technology Corporation | Methods of analyzing seismic data |
CN105814456A (zh) * | 2013-12-31 | 2016-07-27 | 雪佛龙美国公司 | 用于复杂地下的地震成像的系统和方法 |
CN107329172A (zh) * | 2017-09-06 | 2017-11-07 | 四川易诚智讯科技有限公司 | 基于空间信息的多属性可视分析方法 |
CN109597127A (zh) * | 2018-10-29 | 2019-04-09 | 中国科学院计算技术研究所 | 一种地震数据的可视化方法 |
CN110389380A (zh) * | 2018-04-23 | 2019-10-29 | 中国石油天然气股份有限公司 | 地震剖面的同相轴自动拾取方法、装置及存储介质 |
CN110727030A (zh) * | 2019-10-22 | 2020-01-24 | 中国石油化工股份有限公司 | 一种基于子波多极值特征联合分析的储层预测方法 |
CN111142161A (zh) * | 2019-12-31 | 2020-05-12 | 北京东方盈科伟业科技有限公司 | 基于地震数据的复数域地质影像方法及电子设备 |
US20200326442A1 (en) * | 2019-04-09 | 2020-10-15 | Petrochina Company Limited | Seismic full horizon tracking method, computer device and computer-readable storage medium |
-
2021
- 2021-08-26 CN CN202110993201.6A patent/CN113791448B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011149609A1 (en) * | 2010-05-28 | 2011-12-01 | Exxonmobil Upstream Research Company | Method for seismic hydrocarbon system analysis |
CN102176052A (zh) * | 2011-01-26 | 2011-09-07 | 北京航空航天大学 | 一种面向三维层面网格生成的层序分析方法 |
US20150030209A1 (en) * | 2013-07-29 | 2015-01-29 | Schlumberger Technology Corporation | Methods of analyzing seismic data |
CN105814456A (zh) * | 2013-12-31 | 2016-07-27 | 雪佛龙美国公司 | 用于复杂地下的地震成像的系统和方法 |
CN104297794A (zh) * | 2014-07-23 | 2015-01-21 | 中国石油化工股份有限公司 | 地震数据成图方法及系统 |
CN107329172A (zh) * | 2017-09-06 | 2017-11-07 | 四川易诚智讯科技有限公司 | 基于空间信息的多属性可视分析方法 |
CN110389380A (zh) * | 2018-04-23 | 2019-10-29 | 中国石油天然气股份有限公司 | 地震剖面的同相轴自动拾取方法、装置及存储介质 |
CN109597127A (zh) * | 2018-10-29 | 2019-04-09 | 中国科学院计算技术研究所 | 一种地震数据的可视化方法 |
US20200326442A1 (en) * | 2019-04-09 | 2020-10-15 | Petrochina Company Limited | Seismic full horizon tracking method, computer device and computer-readable storage medium |
CN111796324A (zh) * | 2019-04-09 | 2020-10-20 | 中国石油天然气股份有限公司 | 地震全层位追踪方法及装置 |
CN110727030A (zh) * | 2019-10-22 | 2020-01-24 | 中国石油化工股份有限公司 | 一种基于子波多极值特征联合分析的储层预测方法 |
CN111142161A (zh) * | 2019-12-31 | 2020-05-12 | 北京东方盈科伟业科技有限公司 | 基于地震数据的复数域地质影像方法及电子设备 |
Non-Patent Citations (1)
Title |
---|
梁宏刚;先伟;李文平;: "塔河油田超深层、薄储层、窄河道砂体识别与描述技术", 地质科技情报, no. 05, pages 185 - 188 * |
Also Published As
Publication number | Publication date |
---|---|
CN113791448B (zh) | 2024-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1295650C (zh) | 无需全部容积对准的对象一致性识别 | |
US20130229891A1 (en) | Method and system for image-guided fault extraction from a fault-enhanced seismic image | |
CN100544622C (zh) | 机器人服装触觉传感信息融合数据处理方法 | |
CN106780552B (zh) | 基于局部区域联合跟踪检测学习的抗遮挡目标跟踪方法 | |
CN108830842B (zh) | 一种基于角点检测的医学图像处理方法 | |
Št et al. | Connected component labeling in CUDA | |
US20130156307A1 (en) | Systems and methods for efficiently and accurately detecting changes in spatial feature data | |
CN115330940B (zh) | 一种三维重建方法、装置、设备和介质 | |
CN106127782A (zh) | 一种图像分割方法及系统 | |
EP2776864A1 (en) | Method of generating and combining multiple horizons to determine a seismic horizon and its uncertainty | |
CN110674726A (zh) | 基于目标检测与迁移学习的皮肤病辅助诊断方法及系统 | |
CN112734747B (zh) | 一种目标检测方法、装置、电子设备和存储介质 | |
CN112182125B (zh) | 一种商务集聚区边界识别系统 | |
CN113096080B (zh) | 图像分析方法及系统 | |
CN106777707A (zh) | 一种利用改进的蜘蛛网图进行测井岩性定量识别的方法 | |
CN116994721B (zh) | 一种数字病理切片图的快速处理系统 | |
CN113791448B (zh) | 一种基于地质结构特征的多维数据可视化方法及系统 | |
CN113326863A (zh) | 建筑结构健康状况检测方法、系统及修缮方案确定方法 | |
CN111400565A (zh) | 一种可视化拖拽在线数据处理方法和系统 | |
US20240104804A1 (en) | System for clustering data points | |
CN112925041B (zh) | 储层裂缝的发育程度确定方法、装置、设备及存储介质 | |
CN114220013A (zh) | 一种基于边界交替引导的伪装物体检测方法 | |
CN111784059A (zh) | 一种煤层宏观裂隙优势发育方位预测方法 | |
Perrier et al. | Enhanced AI-Driven Automatic Dip Picking in Horizontal Wells Through Deep Learning, Clustering and Interpolation, in Real Time | |
CN111627109B (zh) | 一种多尺度隐式构造界面建模方法 |
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 |