CN114002738A - 高角度断裂约束的叠前裂缝预测方法、装置及存储介质 - Google Patents
高角度断裂约束的叠前裂缝预测方法、装置及存储介质 Download PDFInfo
- Publication number
- CN114002738A CN114002738A CN202111291487.XA CN202111291487A CN114002738A CN 114002738 A CN114002738 A CN 114002738A CN 202111291487 A CN202111291487 A CN 202111291487A CN 114002738 A CN114002738 A CN 114002738A
- Authority
- CN
- China
- Prior art keywords
- stack
- fracture
- matrix
- dimensional
- formula
- 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 54
- 238000003860 storage Methods 0.000 title claims description 7
- 229910052704 radon Inorganic materials 0.000 claims abstract description 47
- SYUHGPGVQRZVTB-UHFFFAOYSA-N radon atom Chemical compound [Rn] SYUHGPGVQRZVTB-UHFFFAOYSA-N 0.000 claims abstract description 47
- 238000005070 sampling Methods 0.000 claims abstract description 40
- 230000009466 transformation Effects 0.000 claims abstract description 26
- 238000009499 grossing Methods 0.000 claims abstract description 17
- 238000010606 normalization Methods 0.000 claims abstract description 14
- 238000005516 engineering process Methods 0.000 claims abstract description 10
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000005457 optimization Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 3
- 150000001875 compounds Chemical class 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001131 transforming 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
- G01V1/30—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
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
本发明涉及一种高角度断裂约束的叠前裂缝预测方法,包括如下步骤:利用高分辨率Radon变换技术,从叠后地震数据中提取地震剖面所反映的高角度断裂地震反射信息;采用三维高斯平滑与归一化处理将上述高分辨率三维Radon变换提取的高角度断裂估计转换为三维地震数据体中各采样点参与叠前裂缝预测的先验权重;建立方位傅里叶反射系数公式的矩阵‑向量化方程;将三维地震数据中各采样点参与叠前裂缝预测的先验权重改写为矩阵‑向量系统,进一步加入上述方位傅里叶反射系数公式的矩阵‑向量化方程中。
Description
技术领域
本发明涉及油气田开发技术领域,具体是关于一种高角度断裂约束的叠前裂缝预测方法、装置及存储介质。
背景技术
裂缝发育程度是决定潜山类油气储层品质最核心的因素之一,现有裂缝预测方法可以分为依靠叠前地震资料的叠前裂缝预测与依靠叠后地震资料的叠后裂缝预测。叠前裂缝预测方法具有预测精度更高,同时能够预测裂缝走向的优势,而叠后裂缝预测方法则具有计算效率更快,同时预测结果与地下宏观断裂发育规律更为吻合的优势。上述叠前、叠后裂缝预测方法从不同尺度上表征着地下裂缝的发育规律与特征,单独依靠任何一种方法的裂缝预测结果均存在不确定性。
然而,现阶段缺乏能够有效结合叠前、叠后裂缝预测两者优势的裂缝预测方法和手段,这制约了裂缝预测结果的可靠性,进一步导致裂缝预测成果在实际生产项目中应用受限,而这种局限是由叠前预测方法或叠后预测方法本身的理论局限所导致的,并不能通过改进叠前或叠后裂缝预测方法来解决。
发明内容
针对上述问题,本发明的目的是提供一种高角度断裂约束的叠前裂缝预测方法、装置及存储介质,以解决上述技术问题。
为实现上述目的,本发明采取以下技术方案:
本发明所述的高角度断裂约束的叠前裂缝预测方法,包括如下步骤:
利用高分辨率Radon变换技术,从叠后地震数据中提取地震剖面所反映的高角度断裂地震反射信息;
采用三维高斯平滑与归一化处理将上述高分辨率三维Radon变换提取的高角度断裂估计转换为三维地震数据体中各采样点参与叠前裂缝预测的先验权重;
建立方位傅里叶反射系数公式的矩阵-向量化方程;
将三维地震数据中各采样点参与叠前裂缝预测的先验权重改写为矩阵-向量系统,进一步加入上述方位傅里叶反射系数公式的矩阵-向量化方程中。
所述的叠前裂缝预测方法,优选地,还包括如下步骤:
将带有先验权重约束的方位傅里叶反射系数公式的矩阵-向量化方程改写成最小二乘反演目标函数形式。
所述的叠前裂缝预测方法,优选地,还包括如下步骤:
将叠前宽方位地震道集数据与对应的叠后三维地震数据中各采样点参与叠前裂缝预测的先验权重,输入到上述带有先验权重约束的方位傅里叶反射系数裂缝预测目标函数中,基于最优化算法求解得到裂缝密度与裂缝走向估计。
所述的叠前裂缝预测方法,优选地,所述从叠后地震数据中提取地震剖面所反映的高角度断裂地震反射信息的具体方法为:
通过三维高分辨率Radon正变换沿着特定的空间路径将叠后地震数据变换到τ-px-py域中,再通过在τ-px-py域中压制非高角度反射信号,然后将只保留高角度反射信号的τ-px-py域阈值结果再通过反Radon变换至t-x-y域,从而得到地震剖面中包含的高角度断裂地震反射信息;
具体地,高分辨率三维Radon变换技术实质是对输入数据沿特定空间路径进行积分,从而将具有规律排列的信号分解为Radon域内的稀疏散点,以此实现信号识别与分离,三维线性Radon正变换可表达为:
其对应的反变换为:
式中,m表示三维地震数据体d在τ-px-py域中的变换结果;x,y,t分别表示主测线、联络测线、时间方向;px,py,τ分别表示主测线方向斜率、联络测线方向斜率、时间截距;
通过Fourier变换,式(2)可写为经典矩阵-向量系统:
d=Lm, (3)
式中,d表示t-x-y域三维地震数据;L表示Radon变换算子;m表示待求解的τ-px-py域Radon变换系数矩阵;
进一步的高分辨率Radon变换目标泛函为:
所述的叠前裂缝预测方法,优选地,所述采用三维高斯平滑与归一化处理将高分辨率三维Radon变换提取的高角度断裂估计转换为三维地震数据体中各采样点参与叠前裂缝预测的先验权重的具体方法为;
其中,采用的三维高斯平滑公式为:
式中,wx,y,t表示各采样点参与裂缝预测先验权重;SGauss表示高斯平滑算子;rx,ry,rt分别表示主测线、联络测线、时间方向上的高斯平滑半径;ax,y,t表示对高分辨率Radon变换提取的高角度断裂估计dx,y,t以cthreshold作为门槛值得到的阈值结果;
进一步对wx,y,t进行归一化处理,采用的公式为:
wx,y,t=[wx,y,t-min(wx,y,t)][max(wx,y,t)-min(wx,y,t)]. (6)
其中max(·)和min(·)分别代表最大化、最小化函数。
所述的叠前裂缝预测方法,优选地,所述建立方位傅里叶反射系数公式的矩阵-向量化方程具体方法为:
方位傅里叶反射系数公式裂缝预测原理可用式(7)-(9)表达:
Rpp(φ,θ)=r0(θ)+r2(θ)cos(2(φ-φsym)), (7)
其中:
r0(θ)=A+Bsin2θ+Csin2θtan2θ, (8)
r2(θ)=0.5Banisin2θ. (9)
式(7)为方位傅里叶反射系数公式,上述各式中φ表示方位角;θ表示平均入射角;R(φ,θ)表示随方位角与入射角变化的纵波反射系数;Bani表示各向异性梯度,与待预测的裂缝密度成正比例关系;φsym表示观测方位角,与裂缝走向方向垂直;A,B,C表示各向异性常数;r0表示方位各向同性项向量;r2表示方位各向异性项向量,代表对裂缝发育密度的估计;
进一步将式(7)重写为矩阵-向量形式:
R=r0+Fφr2. (10)
式中,R表示方位各向异性反射系数向量;r0表示方位各向同性项向量;r2表示方位各向异性项向量,代表对裂缝发育密度的估计;Fφ表示方位角函数项cos(2(φ-φsym)组成的角度矩阵算子。
所述的叠前裂缝预测方法,优选地,所述将三维地震数据中各采样点参与叠前裂缝预测的先验权重改写为矩阵-向量系统,加入方位傅里叶反射系数公式的矩阵-向量化方程中的具体方法为;
首先将三维地震数据中各采样点参与叠前裂缝预测的先验权重重写为矩阵-向量形式,之后根据方位傅里叶反射系数公式的矩阵-向量化方程:R=r0+Fφr2.,在公式等号两边同时乘以三维地震数据中各采样点参与叠前裂缝预测的先验权重的矩阵-向量形式;得到式(11):
wR=w[r0+Fφr2]. (11)
式中,w表示先验权重矩阵;R表示方位各向异性反射系数向量;r0表示方位各向同性项向量;r2表示方位各向异性项向量,代表对裂缝发育密度的估计;Fφ表示方位角函数项[cos(2(φ-φsym)]组成的角度矩阵算子。
所述的叠前裂缝预测方法,优选地,将带有先验权重约束的方位傅里叶反射系数公式的矩阵-向量化方程改写成最小二乘反演目标函数形式,如式(12)所示;
本发明所述的高角度断裂约束的叠前裂缝预测装置,包括:
第一处理单元,用于利用高分辨率Radon变换技术,从叠后地震数据中提取地震剖面所反映的高角度断裂地震反射信息;
第二处理单元,用于采用三维高斯平滑与归一化处理将上述高分辨率三维Radon变换提取的高角度断裂估计转换为三维地震数据体中各采样点参与叠前裂缝预测的先验权重;
第三处理单元,用于建立方位傅里叶反射系数公式的矩阵-向量化方程;
第四处理单元,用于将三维地震数据中各采样点参与叠前裂缝预测的先验权重改写为矩阵-向量系统,进一步加入上述方位傅里叶反射系数公式的矩阵-向量化方程中;
第五处理单元,用于将三维地震数据中各采样点参与叠前裂缝预测的先验权重改写为矩阵-向量系统,进一步加入上述方位傅里叶反射系数公式的矩阵-向量化方程中;
第六处理单元,用于将叠前宽方位地震道集数据与对应的叠后三维地震数据中各采样点参与叠前裂缝预测的先验权重,输入到上述带有先验权重约束的方位傅里叶反射系数裂缝预测目标函数中,基于最优化算法求解得到裂缝密度与裂缝走向估计。
本发明所述的计算机存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述的叠前裂缝预测方法的步骤。
本发明由于采取以上技术方案,其具有以下优点:
本发明利用高分辨率Radon变换技术,首先从叠后地震数据中提取地震剖面上的高角度断裂反射信息,进一步将该信息映射为方位傅里叶系数叠前裂缝预测目标函数中各采样点的先验权重,以此建立基于叠后高角度断裂约束的叠前裂缝预测反演目标函数,最终求解得到裂缝密度与方位角估计。使叠前裂缝预测与叠后裂缝预测方法相结合,有效提升裂缝预测结果的精度与地质意义。
附图说明
图1为本发明实施提供的高角度断裂约束的叠前裂缝预测方法的流程图;
图2(a)-(b)分别表示A油田叠后地震剖面与采用高分辨率三维Radon变换技术提取得到的高角度断裂反射信息剖面图;
图3表示采用三维高斯平滑与归一化处理,将基于高分辨率三维Radon变换提取得到的高角度断裂估计,映射成三维地震数据中各采样点参与叠前裂缝预测的先验权重对应图2(b)结果的剖面图;
图4表示上述三维地震数据中各采样点参与叠前裂缝预测的先验权重结果沿着A油田潜山顶面的沿层属性切片;
图5(a)-(b)分别表示采用本发明提出的考虑高角度断裂约束的裂缝密度预测结果与常规未考虑高角度断裂约束的裂缝密度预测结果在A油田潜山顶面附近的沿层属性切片。
具体实施方式
以下将结合附图对本发明的较佳实施例进行详细说明,以便更清楚理解本发明的目的、特点和优点。应理解的是,附图所示的实施例并不是对本发明范围的限制,而只是为了说明本发明技术方案的实质精神。
本发明提供一种高角度断裂约束的叠前裂缝预测方法,包括如下步骤:利用高分辨率Radon变换技术,从叠后地震数据中提取地震剖面所反映的高角度断裂地震反射信息;采用三维高斯平滑与归一化处理将上述高分辨率三维Radon变换提取的高角度断裂估计转换为三维地震数据体中各采样点参与叠前裂缝预测的先验权重;建立方位傅里叶反射系数公式的矩阵-向量化方程;将三维地震数据中各采样点参与叠前裂缝预测的先验权重改写为矩阵-向量系统,进一步加入上述方位傅里叶反射系数公式的矩阵-向量化方程中。本发明能够使叠前裂缝预测与叠后裂缝预测方法相结合,有效提升裂缝预测结果的精度与地质意义。
如图1所示,以渤海A油田裂缝性储层预测为例,采用本发明方法实现了裂缝密度与裂缝走向的平面预测,具体包括以下步骤:
1)利用高分辨率三维Radon变换技术,从叠后地震数据中提取地震剖面所反映的高角度断裂地震反射信息。
具体地,高分辨率三维Radon变换技术实质是对输入数据沿特定空间路径进行积分,从而将具有规律排列的信号分解为Radon域内的稀疏散点,以此实现信号识别与分离,三维线性Radon正变换可表达为:
其对应的反变换为:
式中,m表示三维地震数据体d在τ-px-py域中的变换结果;x,y,t分别表示主测线、联络测线、时间方向;px,py,τ分别表示主测线方向斜率、联络测线方向斜率、时间截距。
通过Fourier变换,式(2)可写为经典矩阵-向量系统:
d=Lm, (3)
式中,d表示t-x-y域三维地震数据;L表示Radon变换算子;m表示待求解的τ-px-py域Radon变换系数矩阵。
进一步的高分辨率Radon变换目标泛函为:
应用式(1),通过三维高分辨率Radon正变换沿着特定的空间路径将叠后地震数据变换到τ-px-py域中,再通过在τ-px-py域中压制非高角度反射信号,然后将只保留高角度反射信号的τ-px-py域阈值结果再通过反Radon变换(即式4)变换至t-x-y域,从而得到地震剖面中包含的高角度断裂地震反射信息。图2a所示地震剖面经过上述处理得到的高角度断裂地震反射信息如图2b所示。
2)采用三维高斯平滑与归一化处理将步骤1)中提取的高角度断裂估计转换为三维地震数据体中各采样点参与叠前裂缝预测的先验权重。其中采用的三维高斯平滑公式为:
式中,wx,y,t表示各采样点参与裂缝预测先验权重;SGauss表示高斯平滑算子;rx,ry,rt分别表示主测线、联络测线、时间方向上的高斯平滑半径;ax,y,t表示对高分辨率Radon变换提取的高角度断裂估计dx,y,t以cthreshold(阈值常数)作为门槛值得到的阈值结果。
进一步对wx,y,t进行归一化处理,如式(6)所示:
wx,y,t=[wx,y,t-min(wx,y,t)]/[max(wx,y,t)-min(wx,y,t)]. (6)
式中,max(·)和min(·)分别表示最大化、最小化函数。最终得到的图2a所示地震数据所对应的先验权重剖面如图3所示,整个三维先验权重数据体沿潜山顶面的属性切片如图4所示。
3)建立方位傅里叶反射系数公式的矩阵-向量化方程。
方位傅里叶反射系数公式裂缝预测原理可用式(7)-(9)表达:
Rpp(φ,θ)=r0(θ)+r2(θ)cos(2(φ-φsym)). (7)
r0(θ)=A+B sin2θ+C sin2θtan2θ, (8)
r2(θ)=0.5Banisin2θ. (9)
式(7)为方位傅里叶反射系数公式,上述各式中φ表示方位角;θ表示平均入射角;Rpp(φ,θ)表示随方位角与入射角变化的纵波反射系数;Bani表示各向异性梯度,与待预测的裂缝密度成正比例关系;φsym表示观测方位角,与裂缝走向方向垂直;A,B,C表示各向异性常数;r0表示方位各向同性项向量;r2表示方位各向异性项向量,代表对裂缝发育密度的估计;。
进一步将式(7)重写为矩阵-向量形式:
R=r0+Fφr2. (10)
式中,R表示方位各向异性反射系数向量;r0表示方位各向同性项向量;r2表示方位各向异性项向量,代表对裂缝发育密度的估计;Fφ表示方位角函数项cos(2(φ-φsym)组成的角度矩阵算子。
至此,式(10)建立了方位傅里叶反射系数公式的矩阵-向量化方程。
4)将步骤2)得到的三维地震数据中各采样点参与叠前裂缝预测的先验权重改写为矩阵-向量系统,进一步加入步骤3)得到的方位傅里叶反射系数公式的矩阵-向量化方程中。
首先将三维地震数据中各采样点参与叠前裂缝预测的先验权重重写为矩阵-向量形式,之后根据方位傅里叶反射系数公式的矩阵-向量化方程:R=r0+Fφr2.,在公式等号两边同时乘以三维地震数据中各采样点参与叠前裂缝预测的先验权重的矩阵-向量形式;得到式(11):
wR=w[r0+Fφr2]. (11)
式中,w表示先验权重矩阵;R表示方位各向异性反射系数向量;r0表示方位各向同性项向量;r2表示方位各向异性项向量,代表对裂缝发育密度的估计;Fφ表示方位角函数项[cos(2(φ-φsym)]组成的角度矩阵算子。
5)将步骤4)所述带有先验权重约束的方位傅里叶反射系数公式的矩阵-向量化方程改写成最小二乘反演目标函数形式,如式(12)所示;
6)将叠前宽方位地震道集数据与对应的叠后三维地震数据中各采样点参与叠前裂缝预测的先验权重,输入到步骤5)得到的先验权重约束的方位傅里叶反射系数裂缝预测目标函数中(式12),基于最优化算法求解得到裂缝密度与裂缝走向估计。该方法应用于A油田潜山裂缝性储层预测,得到的裂缝密度预测结果如图5(a)所示,与未考虑叠后高角度断裂约束的裂缝预测结果(图5b)相比,经检验与测井电成像解释裂缝密度更为匹配。
本发明还提供一种高角度断裂约束的叠前裂缝预测装置,包括:
第一处理单元,用于利用高分辨率Radon变换技术,从叠后地震数据中提取地震剖面所反映的高角度断裂地震反射信息;
第二处理单元,用于采用三维高斯平滑与归一化处理将上述高分辨率三维Radon变换提取的高角度断裂估计转换为三维地震数据体中各采样点参与叠前裂缝预测的先验权重;
第三处理单元,用于建立方位傅里叶反射系数公式的矩阵-向量化方程;
第四处理单元,用于将三维地震数据中各采样点参与叠前裂缝预测的先验权重改写为矩阵-向量系统,进一步加入上述方位傅里叶反射系数公式的矩阵-向量化方程中;
第五处理单元,用于将三维地震数据中各采样点参与叠前裂缝预测的先验权重改写为矩阵-向量系统,进一步加入上述方位傅里叶反射系数公式的矩阵-向量化方程中;
第六处理单元,用于将叠前宽方位地震道集数据与对应的叠后三维地震数据中各采样点参与叠前裂缝预测的先验权重,输入到上述带有先验权重约束的方位傅里叶反射系数裂缝预测目标函数中,基于最优化算法求解得到裂缝密度与裂缝走向估计。
本发明还提供一种计算机存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述的叠前裂缝预测方法的步骤。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种高角度断裂约束的叠前裂缝预测方法,其特征在于,包括如下步骤:
利用高分辨率Radon变换技术,从叠后地震数据中提取地震剖面所反映的高角度断裂地震反射信息;
采用三维高斯平滑与归一化处理将上述高分辨率三维Radon变换提取的高角度断裂估计转换为三维地震数据体中各采样点参与叠前裂缝预测的先验权重;
建立方位傅里叶反射系数公式的矩阵-向量化方程;
将三维地震数据中各采样点参与叠前裂缝预测的先验权重改写为矩阵-向量系统,进一步加入上述方位傅里叶反射系数公式的矩阵-向量化方程中。
2.根据权利要求1所述的叠前裂缝预测方法,其特征在于,还包括如下步骤:
将带有先验权重约束的方位傅里叶反射系数公式的矩阵-向量化方程改写成最小二乘反演目标函数形式。
3.根据权利要求2所述的叠前裂缝预测方法,其特征在于,还包括如下步骤:
将叠前宽方位地震道集数据与对应的叠后三维地震数据中各采样点参与叠前裂缝预测的先验权重,输入到上述带有先验权重约束的方位傅里叶反射系数裂缝预测目标函数中,基于最优化算法求解得到裂缝密度与裂缝走向估计。
4.根据权利要求1所述的叠前裂缝预测方法,其特征在于,所述从叠后地震数据中提取地震剖面所反映的高角度断裂地震反射信息的具体方法为:
通过三维高分辨率Radon正变换沿着特定的空间路径将叠后地震数据变换到τ-px-py域中,再通过在τ-px-py域中压制非高角度反射信号,然后将只保留高角度反射信号的τ-px-py域阈值结果再通过反Radon变换至t-x-y域,从而得到地震剖面中包含的高角度断裂地震反射信息;
具体地,高分辨率三维Radon变换技术实质是对输入数据沿特定空间路径进行积分,从而将具有规律排列的信号分解为Radon域内的稀疏散点,以此实现信号识别与分离,三维线性Radon正变换可表达为:
其对应的反变换为:
式中,m表示三维地震数据体d在τ-px-py域中的变换结果;x,y,t分别表示主测线、联络测线、时间方向;px,py,τ分别表示主测线方向斜率、联络测线方向斜率、时间截距;
通过Fourier变换,式(2)可写为经典矩阵-向量系统:
d=Lm, (3)
式中,d表示t-x-y域三维地震数据;L表示Radon变换算子;m表示待求解的τ-px-py域Radon变换系数矩阵;
进一步的高分辨率Radon变换目标泛函为:
5.根据权利要求1所述的叠前裂缝预测方法,其特征在于,所述采用三维高斯平滑与归一化处理将高分辨率三维Radon变换提取的高角度断裂估计转换为三维地震数据体中各采样点参与叠前裂缝预测的先验权重的具体方法为;
其中,采用的三维高斯平滑公式为:
式中,wx,y,t表示各采样点参与裂缝预测先验权重;SGauss表示高斯平滑算子;rx,ry,rt分别表示主测线、联络测线、时间方向上的高斯平滑半径;ax,y,t表示对高分辨率Radon变换提取的高角度断裂估计dx,y,t以cthreshold作为门槛值得到的阈值结果;
进一步对wx,y,t进行归一化处理,采用的公式为:
wx,y,t=[wx,y,t-min(wx,y,t)]/[max(wx,y,t)-min(wx,y,t)]. (6)
其中max(·)和min(·)分别代表最大化、最小化函数。
6.根据权利要求1所述的叠前裂缝预测方法,其特征在于,所述建立方位傅里叶反射系数公式的矩阵-向量化方程具体方法为:
方位傅里叶反射系数公式裂缝预测原理可用式(7)-(9)表达:
Rpp(φ,θ)=r0(θ)+r2(θ)cos(2(φ-φsym)), (7)
其中:
r0(θ)=A+Bsin2θ+Csin2θtan2θ, (8)
r2(θ)=0.5Banisin2θ. (9)
式(7)为方位傅里叶反射系数公式,上述各式中φ表示方位角;θ表示平均入射角;R(φ,θ)表示随方位角与入射角变化的纵波反射系数;Bani表示各向异性梯度,与待预测的裂缝密度成正比例关系;φsym表示观测方位角,与裂缝走向方向垂直;A,B,C表示各向异性常数;r0表示方位各向同性项向量;r2表示方位各向异性项向量,代表对裂缝发育密度的估计;
进一步将式(7)重写为矩阵-向量形式:
R=r0+Fφr2. (10)
式中,R表示方位各向异性反射系数向量;r0表示方位各向同性项向量;r2表示方位各向异性项向量,代表对裂缝发育密度的估计;Fφ表示方位角函数项cos(2(φ-φsym)组成的角度矩阵算子。
7.根据权利要求1所述的叠前裂缝预测方法,其特征在于,所述将三维地震数据中各采样点参与叠前裂缝预测的先验权重改写为矩阵-向量系统,加入方位傅里叶反射系数公式的矩阵-向量化方程中的具体方法为;
首先将三维地震数据中各采样点参与叠前裂缝预测的先验权重重写为矩阵-向量形式,之后根据方位傅里叶反射系数公式的矩阵-向量化方程:R=r0+Fφr2.,在公式等号两边同时乘以三维地震数据中各采样点参与叠前裂缝预测的先验权重的矩阵-向量形式;得到式(11):
wR=w[r0+Fφr2]. (11)
式中,w表示先验权重矩阵;R表示方位各向异性反射系数向量;r0表示方位各向同性项向量;r2表示方位各向异性项向量,代表对裂缝发育密度的估计;Fφ表示方位角函数项[cos(2(φ-φsym)]组成的角度矩阵算子。
9.一种高角度断裂约束的叠前裂缝预测装置,其特征在于,包括:
第一处理单元,用于利用高分辨率Radon变换技术,从叠后地震数据中提取地震剖面所反映的高角度断裂地震反射信息;
第二处理单元,用于采用三维高斯平滑与归一化处理将上述高分辨率三维Radon变换提取的高角度断裂估计转换为三维地震数据体中各采样点参与叠前裂缝预测的先验权重;
第三处理单元,用于建立方位傅里叶反射系数公式的矩阵-向量化方程;
第四处理单元,用于将三维地震数据中各采样点参与叠前裂缝预测的先验权重改写为矩阵-向量系统,进一步加入上述方位傅里叶反射系数公式的矩阵-向量化方程中;
第五处理单元,用于将三维地震数据中各采样点参与叠前裂缝预测的先验权重改写为矩阵-向量系统,进一步加入上述方位傅里叶反射系数公式的矩阵-向量化方程中;
第六处理单元,用于将叠前宽方位地震道集数据与对应的叠后三维地震数据中各采样点参与叠前裂缝预测的先验权重,输入到上述带有先验权重约束的方位傅里叶反射系数裂缝预测目标函数中,基于最优化算法求解得到裂缝密度与裂缝走向估计。
10.一种计算机存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-8中任一项所述的叠前裂缝预测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111291487.XA CN114002738B (zh) | 2021-11-02 | 2021-11-02 | 高角度断裂约束的叠前裂缝预测方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111291487.XA CN114002738B (zh) | 2021-11-02 | 2021-11-02 | 高角度断裂约束的叠前裂缝预测方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114002738A true CN114002738A (zh) | 2022-02-01 |
CN114002738B CN114002738B (zh) | 2023-08-15 |
Family
ID=79926919
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111291487.XA Active CN114002738B (zh) | 2021-11-02 | 2021-11-02 | 高角度断裂约束的叠前裂缝预测方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114002738B (zh) |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2730580A1 (en) * | 2010-03-22 | 2011-09-22 | Schlumberger Canada Limited | Efficient windowed radon transform |
CN103076623A (zh) * | 2011-10-25 | 2013-05-01 | 中国石油化工股份有限公司 | 一种基于叠前相干的裂缝检测方法 |
CN103713323A (zh) * | 2013-12-31 | 2014-04-09 | 孙赞东 | 一种全方位各向异性保幅成像与抽道集方法 |
CN106094029A (zh) * | 2016-08-24 | 2016-11-09 | 中国石油集团川庆钻探工程有限公司地球物理勘探公司 | 利用偏移距矢量片地震数据预测储层裂缝的方法 |
CN106443775A (zh) * | 2016-05-25 | 2017-02-22 | 中国石油集团川庆钻探工程有限公司地球物理勘探公司 | 高分辨率转换波裂缝预测方法 |
CN106556861A (zh) * | 2015-09-24 | 2017-04-05 | 中国石油化工股份有限公司 | 一种基于全方位地震资料的方位avo反演方法 |
CA2950552A1 (en) * | 2015-12-04 | 2017-06-04 | Jonathan Downton | Method and apparatus for analyzing fractures using avoaz inversion |
CN109521474A (zh) * | 2018-11-29 | 2019-03-26 | 中海石油(中国)有限公司 | 一种三维双控下的叠前地质统计学反演方法 |
CN110174698A (zh) * | 2019-06-27 | 2019-08-27 | 中国石油大学(华东) | 一种基于方位傅里叶系数的弹性阻抗反演方法及系统 |
WO2020033465A1 (en) * | 2018-08-10 | 2020-02-13 | University Of Houston System | Surface wave estimation and removal from seismic data |
CN110873897A (zh) * | 2018-09-04 | 2020-03-10 | 中国石油化工股份有限公司 | 基于方位弹性阻抗傅里叶级数展开的裂缝预测方法及系统 |
CN111208560A (zh) * | 2020-01-15 | 2020-05-29 | 中南大学 | 正交介质裂缝型储层水平裂缝及垂直裂缝同步预测方法 |
CN111897006A (zh) * | 2020-07-15 | 2020-11-06 | 中国石油大学(华东) | 一种基于方位弹性阻抗差异奇异值分解的裂缝密度及方向预测方法及系统与应用 |
CN112444872A (zh) * | 2019-08-30 | 2021-03-05 | 中国石油化工股份有限公司 | 基于正交介质的叠前裂缝预测方法和存储介质 |
CN112684498A (zh) * | 2019-10-18 | 2021-04-20 | 中国石油天然气集团有限公司 | 一种基于宽方位地震数据的储层裂缝预测方法及系统 |
CN112835101A (zh) * | 2021-03-13 | 2021-05-25 | 中国石油大学(华东) | 裂缝流体因子预测方法及系统 |
US20210199830A1 (en) * | 2019-12-25 | 2021-07-01 | Chengdu University Of Technology | Method of low-frequency seismic data enhancement for improving characterization precision of deep carbonate reservoir |
CN113126157A (zh) * | 2021-04-13 | 2021-07-16 | 中海石油(中国)有限公司 | 频率波数域高角度断裂提取方法、装置、存储介质及设备 |
CN113176612A (zh) * | 2021-03-26 | 2021-07-27 | 中国石油大学(华东) | 一种高角度裂缝密度反演方法 |
-
2021
- 2021-11-02 CN CN202111291487.XA patent/CN114002738B/zh active Active
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2730580A1 (en) * | 2010-03-22 | 2011-09-22 | Schlumberger Canada Limited | Efficient windowed radon transform |
CN103076623A (zh) * | 2011-10-25 | 2013-05-01 | 中国石油化工股份有限公司 | 一种基于叠前相干的裂缝检测方法 |
CN103713323A (zh) * | 2013-12-31 | 2014-04-09 | 孙赞东 | 一种全方位各向异性保幅成像与抽道集方法 |
CN106556861A (zh) * | 2015-09-24 | 2017-04-05 | 中国石油化工股份有限公司 | 一种基于全方位地震资料的方位avo反演方法 |
CA2950552A1 (en) * | 2015-12-04 | 2017-06-04 | Jonathan Downton | Method and apparatus for analyzing fractures using avoaz inversion |
CN106443775A (zh) * | 2016-05-25 | 2017-02-22 | 中国石油集团川庆钻探工程有限公司地球物理勘探公司 | 高分辨率转换波裂缝预测方法 |
CN106094029A (zh) * | 2016-08-24 | 2016-11-09 | 中国石油集团川庆钻探工程有限公司地球物理勘探公司 | 利用偏移距矢量片地震数据预测储层裂缝的方法 |
WO2020033465A1 (en) * | 2018-08-10 | 2020-02-13 | University Of Houston System | Surface wave estimation and removal from seismic data |
CN110873897A (zh) * | 2018-09-04 | 2020-03-10 | 中国石油化工股份有限公司 | 基于方位弹性阻抗傅里叶级数展开的裂缝预测方法及系统 |
CN109521474A (zh) * | 2018-11-29 | 2019-03-26 | 中海石油(中国)有限公司 | 一种三维双控下的叠前地质统计学反演方法 |
CN110174698A (zh) * | 2019-06-27 | 2019-08-27 | 中国石油大学(华东) | 一种基于方位傅里叶系数的弹性阻抗反演方法及系统 |
CN112444872A (zh) * | 2019-08-30 | 2021-03-05 | 中国石油化工股份有限公司 | 基于正交介质的叠前裂缝预测方法和存储介质 |
CN112684498A (zh) * | 2019-10-18 | 2021-04-20 | 中国石油天然气集团有限公司 | 一种基于宽方位地震数据的储层裂缝预测方法及系统 |
US20210199830A1 (en) * | 2019-12-25 | 2021-07-01 | Chengdu University Of Technology | Method of low-frequency seismic data enhancement for improving characterization precision of deep carbonate reservoir |
CN111208560A (zh) * | 2020-01-15 | 2020-05-29 | 中南大学 | 正交介质裂缝型储层水平裂缝及垂直裂缝同步预测方法 |
CN111897006A (zh) * | 2020-07-15 | 2020-11-06 | 中国石油大学(华东) | 一种基于方位弹性阻抗差异奇异值分解的裂缝密度及方向预测方法及系统与应用 |
CN112835101A (zh) * | 2021-03-13 | 2021-05-25 | 中国石油大学(华东) | 裂缝流体因子预测方法及系统 |
CN113176612A (zh) * | 2021-03-26 | 2021-07-27 | 中国石油大学(华东) | 一种高角度裂缝密度反演方法 |
CN113126157A (zh) * | 2021-04-13 | 2021-07-16 | 中海石油(中国)有限公司 | 频率波数域高角度断裂提取方法、装置、存储介质及设备 |
Non-Patent Citations (7)
Title |
---|
ZHANG, X., WANG, D., FAN, T., ZHANG, J., & DU, X: "Inversion of reservoir porosity and permeability based on velocity dispersion in 3D two-phase orthotropic crack medium", 《SEG INTERNATIONAL EXPOSITION AND ANNUAL MEETING》, pages 1 - 4 * |
姜晓宇等: "花岗岩潜山裂缝地震预测技术", 《室友地球物理勘探》, vol. 55, no. 3, pages 694 - 704 * |
张雨晴;王晖;范廷恩;宋来明;聂妍;梁旭;陈飞;: "花岗岩潜山储层裂缝建模表征方法――以渤海花岗岩潜山A油田为例", 《吉林大学学报(地球科学版)》, vol. 46, no. 05, pages 1313 - 1315 * |
王康宁;孙赞东;侯昕晔;: "基于傅里叶级数展开的纵波方位各向异性裂缝预测", 《石油物探》, vol. 54, no. 06, pages 756 - 758 * |
聂妍;范廷恩;张雨晴;刘向南;: "地震数据在储层裂缝预测中的应用研究", 《信息记录材料》, no. 03, pages 65 - 66 * |
郑多明;邹义;关宝珠;刘永雷;赵锐锐;徐博;: "基于OVT域五维道集碳酸盐岩叠前裂缝预测技术", 《物探化探计算技术》, no. 01, pages 11 - 18 * |
高角度断裂约束的方位傅里叶系数裂缝预测方法及在M气田的应用_范廷恩: "A two-step multitrace inversion based on shaping regularization", 《SEG TECHNICAL PROGRAM EXPANDED ABSTRACTS 2019,SOCIETY OF EXPLORATION GEOPHYSICISTS》, pages 774 - 778 * |
Also Published As
Publication number | Publication date |
---|---|
CN114002738B (zh) | 2023-08-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Fedi | DEXP: A fast method to determine the depth and the structural index of potential fields sources | |
West et al. | Interactive seismic facies classification using textural attributes and neural networks | |
Martin et al. | Gravity inversion using wavelet-based compression on parallel hybrid CPU/GPU systems: application to southwest Ghana | |
Huang et al. | Bidimensional empirical mode decomposition (BEMD) for extraction of gravity anomalies associated with gold mineralization in the Tongshi gold field, Western Shandong Uplifted Block, Eastern China | |
Florio et al. | Multiridge euler deconvolution | |
CN110873897B (zh) | 基于方位弹性阻抗傅里叶级数展开的裂缝预测方法及系统 | |
BR112012006931B1 (pt) | Método de exploração de hidrocarbonetos no interior de volume predeterminado da terra contendo características estruturais e estratigráficas conducentes à geração, migração, acumulação ou presença dos referidos hidrocarbonetos | |
Di et al. | Semi‐automatic fault/fracture interpretation based on seismic geometry analysis | |
US10795039B2 (en) | Generating pseudo pressure wavefields utilizing a warping attribute | |
Clark | New methods for interpretation of magnetic vector and gradient tensor data II: application to the Mount Leyshon anomaly, Queensland, Australia | |
Beiki | TSVD analysis of Euler deconvolution to improve estimating magnetic source parameters: An example from the Åsele area, Sweden | |
Liu et al. | Automatic stacking‐velocity estimation using similarity‐weighted clustering | |
Trinks et al. | Beyond amplitudes: Multi-trace coherence analysis for ground-penetrating radar data imaging | |
CN112731522A (zh) | 地震地层智能识别方法、装置、设备及存储介质 | |
US20220237891A1 (en) | Method and system for image-based reservoir property estimation using machine learning | |
Zhong et al. | Reverse time migration of ground‐penetrating radar with full wavefield decomposition based on the Hilbert transform | |
Brackenhoff et al. | 3D Marchenko applications: Implementation and examples | |
US9952269B2 (en) | Measurement of complex dielectric constant and permeability | |
WO2022159698A1 (en) | Method and system for image-based reservoir property estimation using machine learning | |
Dai et al. | 3DInvNet: A deep learning-based 3D ground-penetrating radar data inversion | |
Di et al. | Seismic attribute-aided fault detection in petroleum industry: A review | |
Chen et al. | Machine learning method to determine salt structures from gravity data | |
CN114002738B (zh) | 高角度断裂约束的叠前裂缝预测方法、装置及存储介质 | |
CN112444872A (zh) | 基于正交介质的叠前裂缝预测方法和存储介质 | |
WANG et al. | Simultaneous-source wavefield separation based on adaptive Wiener threshold in Contourlet domain |
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 |