CN114019565B - 快速叠前裂缝预测方法、装置、计算机存储介质及设备 - Google Patents

快速叠前裂缝预测方法、装置、计算机存储介质及设备 Download PDF

Info

Publication number
CN114019565B
CN114019565B CN202111287518.4A CN202111287518A CN114019565B CN 114019565 B CN114019565 B CN 114019565B CN 202111287518 A CN202111287518 A CN 202111287518A CN 114019565 B CN114019565 B CN 114019565B
Authority
CN
China
Prior art keywords
azimuth
stack
seismic data
prestack
offset
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
CN202111287518.4A
Other languages
English (en)
Other versions
CN114019565A (zh
Inventor
杜昕
范廷恩
马淑芳
范洪军
高云峰
樊鹏军
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.)
Beijing Research Center of CNOOC China Ltd
CNOOC China Ltd
Original Assignee
Beijing Research Center of CNOOC China Ltd
CNOOC China Ltd
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 Beijing Research Center of CNOOC China Ltd, CNOOC China Ltd filed Critical Beijing Research Center of CNOOC China Ltd
Priority to CN202111287518.4A priority Critical patent/CN114019565B/zh
Publication of CN114019565A publication Critical patent/CN114019565A/zh
Application granted granted Critical
Publication of CN114019565B publication Critical patent/CN114019565B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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. analysis, for interpretation, for correction
    • G01V1/30—Analysis
    • G01V1/301—Analysis for determining seismic cross-sections or geostructures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • 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
    • G01V2210/63—Seismic attributes, e.g. amplitude, polarity, instant phase
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Remote Sensing (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Geophysics (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geology (AREA)
  • Environmental & Geological Engineering (AREA)
  • Acoustics & Sound (AREA)
  • Computing Systems (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本发明涉及一种快速叠前裂缝预测方法，包括：建立基于方位傅里叶反射系数公式的快速叠前裂缝预测方法最小二乘反演目标函数A1；对叠前宽方位地震道集开展振幅随方位角变化特性分析，明确具有振幅各向异性特性的叠前地震资料偏移距范围R1；将叠前地震资料偏移距范围R1进一步划分为C1、C2、C3,对不同偏移距范围C1、C2、C3的叠前地震资料分别采用全部方位角信息进行数据叠加，形成分偏移距全方位叠加地震数据，进一步根据地震剖面反映的断层、断裂强度，确定具有最强振幅各向异性特性的偏移距叠加范围Cn。

Description

快速叠前裂缝预测方法、装置、计算机存储介质及设备
技术领域
本发明涉及油气田开发技术领域，具体是关于一种快速叠前裂缝预测方法、装置、计算机存储介质及设备。
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，而依靠叠前地震资料的裂缝预测方法与依靠叠后资料的裂缝预测方法相比具有预测精度更高，同时能够预测裂缝走向的优势。现有依靠叠前地震资料的裂缝预测方法中，一种主流方法是基于振幅随方位角变化(振幅各向异性)原理，该类方法具体地利用Ruger反射系数近似公式，输入包括多方位、多偏移距的叠前道集数据，采用椭圆拟合的方式求解得到裂缝密度与裂缝走向估计。但该类方法涉及的数据运算量巨大，计算效率过低，难以满足实际生产项目的工作需求，导致叠前裂缝预测在实际生产项目中应用受限。
发明内容
针对上述问题，本发明的目的是提供一种快速叠前裂缝预测方法、装置、计算机存储介质及设备，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：
本发明所述的快速叠前裂缝预测方法，包括如下步骤：
建立基于方位傅里叶反射系数公式的快速叠前裂缝预测方法最小二乘反演目标函数A1；
对叠前宽方位地震道集开展振幅随方位角变化特性分析，明确具有振幅各向异性特性的叠前地震资料偏移距范围R1；
将叠前地震资料偏移距范围R1进一步划分为C1、C2、C3,对不同偏移距范围C1、C2、C3的叠前地震资料分别采用全部方位角信息进行数据叠加，形成分偏移距全方位叠加地震数据，进一步根据地震剖面反映的断层、断裂强度，确定具有最强振幅各向异性特性的偏移距叠加范围Cn。
所述的快速叠前裂缝预测方法，优选地，还包括如下步骤：
以特定方位角为固定间隔，将叠前宽方位道集具有的方位角范围划分为S1、S2、S3、S4、S5、S6，选取最佳方位特性偏移距叠加范围Cn，对S1、S2、S3、S4、S5、S6每个方位角区间叠前地震数据进行部分偏移距范围叠加，形成分方位角区间的部分偏移距叠加地震数据D1、D2、D3、D4、D5、D6。
所述的快速叠前裂缝预测方法，优选地，还包括如下步骤：
将分方位角区间的部分偏移距叠加地震数据D1、D2、D3、D4、D5、D6拼接成多方位单偏移距叠前道集地震数据F1，将F1输入基于方位傅里叶反射系数公式的快速叠前裂缝预测方法目标函数A1，基于最优化算法求解得到裂缝密度与裂缝走向估计。
所述的快速叠前裂缝预测方法，优选地，建立基于方位傅里叶反射系数公式的快速叠前裂缝预测方法最小二乘反演目标函数A1的方式为：
根据式(1)-(4)建立基于方位傅里叶反射系数公式的快速叠前裂缝预测方法最小二乘反演框架：
Rpp(φ，θ)＝r0(θ)+r2(θ)cos(2(φ-φsym))， (1)
r0(θ)＝A+B sin2θ+C sin2θtan2θ， (2)
r2(θ)＝0.5Banisin2θ (3)
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；
将方位傅里叶反射系数公式重写为矩阵-向量形式：
R＝r0+Fφr2. (4)
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；
利用最小二乘反演框架建立基于方位傅里叶反射系数公式的快速叠前裂缝预测方法最小二乘反演目标函数A1：
式中，μ表示最小二乘约束项的超参数。
本发明所述的快速叠前裂缝预测装置，包括：
第一处理单元，用于建立基于方位傅里叶反射系数公式的快速叠前裂缝预测方法最小二乘反演目标函数A1；
第二处理单元，用于对叠前宽方位地震道集开展振幅随方位角变化特性分析，明确具有振幅各向异性特性的叠前地震资料偏移距范围R1；
第三处理单元，用于将叠前地震资料偏移距范围R1进一步划分为C1、C2、C3,对不同偏移距范围C1、C2、C3的叠前地震资料分别采用全部方位角信息进行数据叠加，形成分偏移距全方位叠加地震数据，进一步根据地震剖面反映的断层、断裂强度，确定具有最强振幅各向异性特性的偏移距叠加范围Cn；
第四处理单元，用于以特定方位角为固定间隔，将叠前宽方位道集具有的方位角范围划分为S1、S2、S3、S4、S5、S6，选取最佳方位特性偏移距叠加范围Cn，对S1、S2、S3、S4、S5、S6每个方位角区间叠前地震数据进行部分偏移距范围叠加，形成分方位角区间的部分偏移距叠加地震数据D1、D2、D3、D4、D5、D6；
第五处理单元，用于将分方位角区间的部分偏移距叠加地震数据D1、D2、D3、D4、D5、D6拼接成多方位单偏移距叠前道集地震数据F1，将F1输入基于方位傅里叶反射系数公式的快速叠前裂缝预测方法目标函数A1，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快速叠前裂缝预测方法步骤。
本发明还提供一种计算机设备，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，所述处理器执行所述计算机程序时实现上述快速叠前裂缝预测方法步骤。
本发明由于采取以上技术方案，其具有以下优点：
本发明能够利用方位傅里叶反射系数公式，简化依靠叠前地震资料的裂缝预测方法中基于振幅各向异性的裂缝预测方法的输入数据，使输入数据由具有多方位多偏移距的叠前道集地震数据，简化为具有多方位、单偏移距的部分叠加地震数据，大幅度简化裂缝预测数据输入，从而显著提升依靠叠前地震资料的裂缝预测方法运算效率，实现裂缝密度与裂缝走向的快速预测。
附图说明
图1为本发明的快速叠前裂缝预测方法的流程图；
图2为对A油田宽方位叠前道集地震数据开展振幅随方位角变化特性分析的结果示意图；
图3为以0-1500米、1500-2500米、2000-3500米偏移距范围的叠前地震资料分别采用全部方位角信息进行叠加，形成的分偏移距全方位叠加地震数据的地震剖面图，其中a)为0-1500米，b)为1500-2500米，c)为2000-3500米；
图4为以300方位角为固定间隔，形成的00-300方位区间、300-600方位区间、600-900方位区间、900-1200方位区间、1200-1500方位区间、1500-1800方位区间叠前地震数据中，抽取2000-3500米偏移距范围进行叠加而形成的分方位部分偏移距叠加地震数据的地震剖面图，其中，a)为00-300方位区间、b)为300-600方位区间、c)为600-900方位区间、d)为900-1200方位区间、e)为1200-1500方位区间、f)为1500-1800方位区间；
图5为基于方位傅里叶反射系数公式的快速叠前裂缝预测方法在A油田潜山裂缝性储层中应用形成的裂缝密度估计与裂缝走向估计平面效果图，其中，a)为裂缝密度估计平面效果图，b)为裂缝走向估计平面效果图。
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。
本发明提供一种快速叠前裂缝预测方法，包括如下步骤：建立基于方位傅里叶反射系数公式的快速叠前裂缝预测方法最小二乘反演目标函数A1；对叠前宽方位地震道集开展振幅随方位角变化特性分析，明确具有振幅各向异性特性的叠前地震资料偏移距范围R1；将叠前宽方位道集具有的偏移距范围R1进一步划分为C1、C2、C3,对不同偏移距范围(C1、C2、C3)的叠前地震资料分别采用全部方位角信息进行数据叠加，形成分偏移距全方位叠加地震数据，进一步根据地震剖面反映的断层、断裂强度，确定具有最强振幅各向异性特性的偏移距叠加范围Cn。本发明利用方位傅里叶反射系数公式，简化依靠叠前地震资料的裂缝预测方法中基于振幅各向异性的裂缝预测方法的输入数据，使输入数据由具有多方位多偏移距的叠前道集地震数据，简化为具有多方位、单偏移距的部分叠加地震数据，大幅度简化裂缝预测数据输入，从而显著提升依靠叠前地震资料的裂缝预测方法运算效率，实现裂缝密度与裂缝走向的快速预测。
如图1所示，以渤海A油田裂缝性储层预测为例，采用本发明方法快速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)基于方位傅里叶反射系数公式裂缝预测原理，建立基于方位傅里叶反射系数公式的快速叠前裂缝预测方法最小二乘反演目标函数A1；
Rpp(φ，θ)＝r0(θ)+r2(θ)cos(2(φ-φsym))， (1)
r0(θ)＝A+B sin2θ+C sin2θtan2θ， (2)
r2(θ)＝0.5Banisin2θ. (3)
其中，式(1)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。
进一步将方位傅里叶反射系数公式重写为矩阵-向量形式：
R＝r0+Fφr2. (4)
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。
利用最小二乘反演框架建立基于方位傅里叶反射系数公式的快速叠前裂缝预测方法最小二乘反演目标函数A1：
式中μ表示最小二乘约束项的超参数，式(5)具有解析解形式可利用共轭梯度等优化算法求解，得到裂缝密度与裂缝走向预测结果。
2)对叠前宽方位地震道集开展振幅随方位角变化特性分析，明确具有振幅各向异性特性的叠前地震资料偏移距范围R1；
具体地，对叠前宽方位地震道集开展振幅随方位角变化特性分析，分析结果如图2所示，结果显示叠前道集的最大有效偏移距约为3500米，偏移距越大地震道集的振幅各向异性特性越明显，偏移距范围在0米至3500米的地震叠前道集均具有振幅各向异性特性。
3)将叠前地震资料偏移距范围R1进一步划分为C1、C2、C3,对不同偏移距范围(C1、C2、C3)的叠前地震资料分别采用全部方位角信息进行数据叠加，形成分偏移距全方位叠加地震数据，进一步根据地震剖面反映的断层、断裂强度，确定具有最强振幅各向异性特性的偏移距叠加范围Cn。
具体地，将步骤2)确定的叠前宽方位道集具有的偏移距范围0-3500米进一步划分为0-1500米、1500-2500米、2000-3500米三个范围,对上述三个不同偏移距范围的叠前地震资料分别采用全部方位角信息进行数据叠加，形成分偏移距全方位叠加地震数据(如图3所示)，从图3展示的地震剖面能够进一步观察到选择2000-3500米偏移距范围(图3c)叠加的地震数据表现出更强的断裂特征，而断裂与裂缝密切相关，以此判断出2000-3500米为最佳振幅各向异性特性偏移距叠加范围。
4)以特定方位角为固定间隔，将叠前宽方位道集具有的方位角范围划分为S1、S2、S3、S4、S5、S6，选取最佳方位特性偏移距叠加范围Cn，对S1、S2、S3、S4、S5、S6每个方位角区间叠前地震数据进行部分偏移距范围叠加，形成分方位角区间的部分偏移距叠加地震数据D1、D2、D3、D4、D5、D6。
具体地，以30°方位角为固定的方位间隔，将叠前宽方位道集具有的方位角范围划分为0°-30°方位区间、30°-60°方位区间、60°-90°方位区间、90°-120°方位区间、120°-150°方位区间、150°-180°方位区间叠前地震数据。进一步根据步骤3)确定的2000-3500米最佳振幅各向异性特性偏移距叠加范围，对0°-30°方位区间、30°-60°方位区间、60°-90°方位区间、9°-120°方位区间、120°-150°方位区间、150°-180°方位区间叠前地震数据分别提取2000-3500米偏移距范围进行数据叠加，形成6个分方位部分偏移距叠加地震数据，即0°-30°方位/(2000-3500米偏移距)叠加数据、30°-60°方位/(2000-3500米偏移距)叠加数据、60°-90°方位/(2000-3500米偏移距)叠加数据、90°-120°方位/(2000-3500米偏移距)叠加数据、120°-150°方位/(2000-3500米偏移距)叠加数据、150°-180°方位/(2000-3500米偏移距)叠加数据,如图4a至4f所示。
5)将分方位角区间的部分偏移距叠加地震数据D1、D2、D3、D4、D5、D6拼接成多方位单偏移距叠前道集地震数据F1，将F1输入基于方位傅里叶反射系数公式的快速叠前裂缝预测方法目标函数A1，基于最优化算法求解得到裂缝密度与裂缝走向估计。
具体地，将步骤4)所述的6个分方位部分偏移距叠加地震数据拼接成1个多方位单偏移距叠前道集地震数据，该数据的偏移距范围为2000-3500米，同时每个偏移距下均包含6个方位数据。将该数据输入步骤1)所述基于方位傅里叶反射系数公式的快速叠前裂缝预测方法目标函数中，基于共轭梯度最优化算法求解得到A油田潜山裂缝性储层的裂缝密度与裂缝走向平面预测结果，如图5所示。
基于上述实施例提供的快速叠前裂缝预测方法，本发明还提供一种快速叠前裂缝预测装置，包括：
第一处理单元，用于建立基于方位傅里叶反射系数公式的快速叠前裂缝预测方法最小二乘反演目标函数A1；
第二处理单元，用于对叠前宽方位地震道集开展振幅随方位角变化特性分析，明确具有振幅各向异性特性的叠前地震资料偏移距范围R1；
第三处理单元，用于将叠前宽方位道集具有的偏移距范围R1进一步划分为C1、C2、C3,对不同偏移距范围(C1、C2、C3)的叠前地震资料分别采用全部方位角信息进行数据叠加，形成分偏移距全方位叠加地震数据，进一步根据地震剖面反映的断层、断裂强度，确定具有最强振幅各向异性特性的偏移距叠加范围Cn；
第四处理单元，用于以特定方位角为固定间隔，将叠前宽方位道集具有的方位角范围划分为S1、S2、S3、S4、S5、S6，选取最佳方位特性偏移距叠加范围Cn，对S1、S2、S3、S4、S5、S6每个方位角区间叠前地震数据进行部分偏移距范围叠加，形成分方位部分偏移距叠加地震数据D1、D2、D3、D4、D5、D6；
第五处理单元，用于将分方位角区间的部分偏移距叠加地震数据D1、D2、D3、D4、D5、D6拼接成多方位单偏移距叠前道集地震数据F1，将F1输入基于方位傅里叶反射系数公式的快速叠前裂缝预测方法目标函数A1，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快速叠前裂缝预测方法步骤。
本发明还提供一种计算机设备，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，所述处理器执行所述计算机程序时实现上述快速叠前裂缝预测方法步骤。
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 (4)

1.一种快速叠前裂缝预测方法，其特征在于，包括如下步骤：
建立基于方位傅里叶反射系数公式的快速叠前裂缝预测方法最小二乘反演目标函数A1；
对叠前宽方位地震道集开展振幅随方位角变化特性分析，明确具有振幅各向异性特性的叠前地震资料偏移距范围R1；
将叠前地震资料偏移距范围R1进一步划分为C1、C2、C3,对不同偏移距范围C1、C2、C3的叠前地震资料分别采用全部方位角信息进行数据叠加，形成分偏移距全方位叠加地震数据，进一步根据地震剖面反映的断层或断裂强度，确定具有最强振幅各向异性特性的偏移距叠加范围Cn；
其中，还包括如下步骤：
以特定方位角为固定间隔，将叠前宽方位道集具有的方位角范围划分为S1、S2、S3、S4、S5、S6，选取最佳方位特性偏移距叠加范围Cn，对S1、S2、S3、S4、S5、S6每个方位角区间叠前地震数据进行部分偏移距范围叠加，形成分方位角区间的部分偏移距叠加地震数据D1、D2、D3、D4、D5、D6；
其中，还包括如下步骤：
将分方位角区间的部分偏移距叠加地震数据D1、D2、D3、D4、D5、D6拼接成多方位单偏移距叠前道集地震数据F1，将F1输入基于方位傅里叶反射系数公式的快速叠前裂缝预测方法目标函数A1，基于最优化算法求解得到裂缝密度与裂缝走向估计；
其中，建立基于方位傅里叶反射系数公式的快速叠前裂缝预测方法最小二乘反演目标函数A1的方式为：
根据式(1)-(4)建立基于方位傅里叶反射系数公式的快速叠前裂缝预测方法最小二乘反演框架：
Rpp(φ，θ)＝r0(θ)+r2(θ)cos(2(φ-φsym))， (1)
r0(θ)＝A+B sin2θ+C sin2θtan2θ， (2)
r2(θ)＝0.5Banisin2θ (3)
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；
将方位傅里叶反射系数公式重写为矩阵-向量形式：
R＝r0+Fφr2· (4)
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；
利用最小二乘反演框架建立基于方位傅里叶反射系数公式的快速叠前裂缝预测方法最小二乘反演目标函数A1：
式中，μ表示最小二乘约束项的超参数。
2.一种基于权利要求1所述的快速叠前裂缝预测方法的快速叠前裂缝预测装置，其特征在于，包括：
第一处理单元，用于建立基于方位傅里叶反射系数公式的快速叠前裂缝预测方法最小二乘反演目标函数A1；
第二处理单元，用于对叠前宽方位地震道集开展振幅随方位角变化特性分析，明确具有振幅各向异性特性的叠前地震资料偏移距范围R1；
第三处理单元，用于将叠前地震资料偏移距范围R1进一步划分为C1、C2、C3,对不同偏移距范围C1、C2、C3的叠前地震资料分别采用全部方位角信息进行数据叠加，形成分偏移距全方位叠加地震数据，进一步根据地震剖面反映的断层、断裂强度，确定具有最强振幅各向异性特性的偏移距叠加范围Cn；
第四处理单元，用于以特定方位角为固定间隔，将叠前宽方位道集具有的方位角范围划分为S1、S2、S3、S4、S5、S6，选取最佳方位特性偏移距叠加范围Cn，对S1、S2、S3、S4、S5、S6每个方位角区间叠前地震数据进行部分偏移距范围叠加，形成分方位角区间的部分偏移距叠加地震数据D1、D2、D3、D4、D5、D6；
第五处理单元，用于将分方位角区间的部分偏移距叠加地震数据D1、D2、D3、D4、D5、D6拼接成多方位单偏移距叠前道集地震数据F1，将F1输入基于方位傅里叶反射系数公式的快速叠前裂缝预测方法目标函数A1，基于最优化算法求解得到裂缝密度与裂缝走向估计。
3.一种计算机存储介质，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所述的快速叠前裂缝预测方法步骤。
4.一种计算机设备，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计算机程序时实现权利要求1所述快速叠前裂缝预测方法步骤。
CN202111287518.4A 2021-11-02 2021-11-02 快速叠前裂缝预测方法、装置、计算机存储介质及设备 Active CN114019565B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111287518.4A CN114019565B (zh) 2021-11-02 2021-11-02 快速叠前裂缝预测方法、装置、计算机存储介质及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111287518.4A CN114019565B (zh) 2021-11-02 2021-11-02 快速叠前裂缝预测方法、装置、计算机存储介质及设备

Publications (2)

Publication Number Publication Date
CN114019565A CN114019565A (zh) 2022-02-08
CN114019565B true CN114019565B (zh) 2023-10-13

Family

ID=80060248

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111287518.4A Active CN114019565B (zh) 2021-11-02 2021-11-02 快速叠前裂缝预测方法、装置、计算机存储介质及设备

Country Status (1)

Country Link
CN (1) CN114019565B (zh)

Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104635269A (zh) * 2013-11-13 2015-05-20 中国石油化工股份有限公司 一种基于叠前方位角道集预测火成岩裂缝型储层的方法
WO2016036979A1 (en) * 2014-09-03 2016-03-10 The Board Of Regents For Oklahoma State University Methods of generation of fracture density maps from seismic data
CN106597545A (zh) * 2016-12-07 2017-04-26 中国矿业大学(北京) 一种水平裂缝地震叠前反演方法和装置
CN106772579A (zh) * 2016-12-07 2017-05-31 中国矿业大学(北京) 一种薄煤层中地震叠前反演方法和装置
CA2950552A1 (en) * 2015-12-04 2017-06-04 Jonathan Downton Method and apparatus for analyzing fractures using avoaz inversion
CN106873032A (zh) * 2017-02-16 2017-06-20 中国海洋石油总公司 一种花岗岩潜山储层裂缝预测方法
CN107045143A (zh) * 2017-02-22 2017-08-15 中国石油天然气股份有限公司 一种预测裂缝发育的方法及装置
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
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
CN112394408A (zh) * 2020-10-30 2021-02-23 中国石油天然气集团有限公司 各向异性介质裂缝预测方法及装置
CN112558160A (zh) * 2020-11-06 2021-03-26 中国海洋石油集团有限公司 一种方位差异三维地震叠前融合处理方法和系统
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
CN113126156A (zh) * 2021-04-13 2021-07-16 中海石油(中国)有限公司 拉东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
CN113312583A (zh) * 2021-05-26 2021-08-27 中南大学 裂缝性页岩气储层性能参数预测方法及系统
CN113568046A (zh) * 2021-07-28 2021-10-29 中国海洋石油集团有限公司 裂缝方位约束的多维信息裂缝表征方法

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104635269A (zh) * 2013-11-13 2015-05-20 中国石油化工股份有限公司 一种基于叠前方位角道集预测火成岩裂缝型储层的方法
WO2016036979A1 (en) * 2014-09-03 2016-03-10 The Board Of Regents For Oklahoma State University Methods of generation of fracture density maps from seismic data
CA2950552A1 (en) * 2015-12-04 2017-06-04 Jonathan Downton Method and apparatus for analyzing fractures using avoaz inversion
CN106597545A (zh) * 2016-12-07 2017-04-26 中国矿业大学(北京) 一种水平裂缝地震叠前反演方法和装置
CN106772579A (zh) * 2016-12-07 2017-05-31 中国矿业大学(北京) 一种薄煤层中地震叠前反演方法和装置
CN106873032A (zh) * 2017-02-16 2017-06-20 中国海洋石油总公司 一种花岗岩潜山储层裂缝预测方法
CN107045143A (zh) * 2017-02-22 2017-08-15 中国石油天然气股份有限公司 一种预测裂缝发育的方法及装置
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
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
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
CN112394408A (zh) * 2020-10-30 2021-02-23 中国石油天然气集团有限公司 各向异性介质裂缝预测方法及装置
CN112558160A (zh) * 2020-11-06 2021-03-26 中国海洋石油集团有限公司 一种方位差异三维地震叠前融合处理方法和系统
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
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
CN113126156A (zh) * 2021-04-13 2021-07-16 中海石油(中国)有限公司 拉东域高角度断裂提取方法、装置、存储介质及设备
CN113312583A (zh) * 2021-05-26 2021-08-27 中南大学 裂缝性页岩气储层性能参数预测方法及系统
CN113568046A (zh) * 2021-07-28 2021-10-29 中国海洋石油集团有限公司 裂缝方位约束的多维信息裂缝表征方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
A two-step multitrace inversion based on shaping regularization;Fan, T., Du, X., Zhang, X., & Zhang, J;《SEG Technical Program Expanded Abstracts 2019》;774-778 *
Inversion of reservoir porosity and permeability based on velocity dispersion in 3D two-phase orthotropic crack medium;Zhang, X., Wang, D., Fan, T., Zhang, J., & Du, X;《SEG International Exposition and Annual Meeting》;1-3 *
Restricted model domain time radon transforms;SABBIONE J I;《Geophysics》;第81卷(第6期);17-21 *
地震数据在储层裂缝预测中的应用研究;聂妍;范廷恩;张雨晴;刘向南;;《信息记录材料》(第03期);65-66 *
多尺度地震波资料匹配研究进展;马季;巴晶;李玉凤;孙淑琴;王荣伟;;《地球物理学进展》;第26卷(第03期);1022-1025 *
正交介质方位傅里叶反射系数及裂缝密度预测;张繁昌;路亚威;桑凯恒;慎国强;王振涛;;《中国石油大学学报(自然科学版)》(第02期);42-49 *
裂缝储层地震预测技术在锦州25-1南潜山的应用研究;高云峰;李绪宣;陈桂华;王尚旭;;《中国海上油气》;第20卷(第01期);23-25 *

Also Published As

Publication number Publication date
CN114019565A (zh) 2022-02-08

Similar Documents

Publication Publication Date Title
EP3403120B1 (en) Frequency weighting in broadband acoustic beamforming
Benmeddour et al. Numerical modeling of guided wave interaction with non-axisymmetric cracks in elastic cylinders
EP3182165A1 (en) Method and apparatus for analyzing fractures using avoaz inversion
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
CN107894613B (zh) 弹性波矢量成像方法、装置、存储介质及设备
FR2909185A1 (fr) Methode d'interpretation stratigraphique d'images sismiques
CN109521469B (zh) 一种海底沉积物弹性参数的正则化反演方法
CN111505718A (zh) 一种高分辨率地下结构保幅成像方法
CN114019565B (zh) 快速叠前裂缝预测方法、装置、计算机存储介质及设备
CN111025389A (zh) 多尺度相干降维融合的裂缝预测方法及系统
CN101576621A (zh) 海底电缆双检地震勘探的数据处理方法及数据处理装置
CN113009572B (zh) 一种基于横波偏振分析预测裂缝方位角的方法
You et al. One-way true-amplitude migration using matrix decomposition
CN105572629A (zh) 一种适用于任意阵列结构的低运算复杂度的二维测向方法
CN115993649B (zh) 基于等效方位杨氏模量的裂缝参数预测方法及系统
CN114609669B (zh) 基于方位弹性阻抗的hti型裂缝储层参数预测方法及系统
CN113703044A (zh) 古河道宽度的校正方法、装置、电子设备及存储介质
CN103926329A (zh) 一种基于单纯形法的半无限域基体涂层结构材料弹性性质获取方法
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
FR2980854A1 (fr) Procede de pointage d'horizons sismiques discontinus dans des images sismiques.
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
CN111830562B (zh) 一种油气储层渗透率预测方法及装置
CN115903024B (zh) 一种基于梯度下降法的横波分裂分析方法
CN111158053B (zh) 裂缝预测方法及装置
Hashimoto et al. Studies toward the development of accurate directional spectrum estimation method using field observation 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