CN114019566A - 连续面块地层切片薄互层预测方法 - Google Patents

连续面块地层切片薄互层预测方法 Download PDF

Info

Publication number
CN114019566A
CN114019566A CN202111301903.XA CN202111301903A CN114019566A CN 114019566 A CN114019566 A CN 114019566A CN 202111301903 A CN202111301903 A CN 202111301903A CN 114019566 A CN114019566 A CN 114019566A
Authority
CN
China
Prior art keywords
slices
slice
time window
layer
configuration
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.)
Pending
Application number
CN202111301903.XA
Other languages
English (en)
Inventor
刘力辉
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 Rockstar Petroleum Technology Co ltd
Original Assignee
Beijing Rockstar Petroleum Technology Co 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 Rockstar Petroleum Technology Co ltd filed Critical Beijing Rockstar Petroleum Technology Co ltd
Priority to CN202111301903.XA priority Critical patent/CN114019566A/zh
Publication of CN114019566A publication Critical patent/CN114019566A/zh
Pending legal-status Critical Current

Links

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

本发明公开了一种连续面块地层切片薄互层预测方法，以解决现有技术需要确定零值点或需要测井信息、工作量大等问题。该方法包括：对目的层细分层位，获得目的层中每一层的切片，并沿层依次排列得到切片组；采用滑动时窗遍历所述切片组，在滑动时窗内对连续切片进行加权叠加处理，依次生成对应于不同中心时间节点的切片，或者将时窗起点切片与时窗终点切片相加；从多个加权叠加切片或者多个相加切片中选取符合构形的加权叠加切片或者相加切片，作为目标薄互层构形的图像。本发明无需井资料参与计算、无需确定零值点，减少了工作量。

Description

连续面块地层切片薄互层预测方法
技术领域
本发明涉及石油地质探测技术领域，具体涉及一种地下沉积砂体储层的探测方法。
背景技术
受沉积环境影响，地下沉积砂体储层是交叉叠置的，因此当薄层厚度小于地震分辨率极限且受相邻反射干涉时，很难通过层位解释识别薄层，且无法在切片上分辨薄互层储层的形态特征。
为了能够识别单个砂体分布范围，科研人员进行了一系列研究；其中：
李国发等人提出了利用零值点地震切片刻画河道砂体的方法，提高了复杂构造背景下薄层结构的精度。该方法需要确定地震零值点，以相邻零值点的时间间隔为砂体在时间域的厚度。
曾洪流提出了使用波形分析法确定多层薄砂体位置，该方法通过对连续时间切片进行扫描显示，以平剖结合的方式识别砂体具体位置。
倪长宽提出了利用最小干涉频率切片相消的方法以突出目标砂体，该方法充分利用了测井信息，先计算出干涉砂体的地震响应，再从地震中减去该干涉以达到突出目标砂体。
以上方法存在以下缺陷：1、零值点法的算法是寻找零值，但多砂体叠置时，干涉作用下无法精准确定目标砂体的零值。2、波形分析法需要平剖结合下的连续时间切片扫描定位，需要丰富的地质经验，且工作量繁多。3、最小干涉频率法需要测井信息，适用于有井区，对于无井区无法使用该方法；且很难精准获取最小干涉频率，后期需反复调试并与井验证，工作量大。
发明内容
为此，本发明实施例提供一种连续面块地层切片薄互层预测方法，以解决现有技术需要确定零值点或需要测井信息、工作量大等问题。
为了实现上述目的，本发明实施例提供如下技术方案：
第一种方案，连续面块地层切片薄互层预测方法，包括：
对目的层细分层位，获得目的层中每一细分层位的切片，并沿细分层位依次排列得到切片组；
采用滑动时窗遍历所述切片组，在滑动时窗内对连续切片进行加权叠加处理，依次生成对应于不同中心时间节点的切片，记为加权叠加切片；
从多个所述加权叠加切片中选取符合构形的加权叠加切片，作为目标薄互层构形的图像。
可选地，所述加权叠加处理，具体是：
设切片组为S，含有n张切片；当前设置的滑动时窗大小为W，权重为
Figure BDA0003338638500000021
计算公式如下：
Figure BDA0003338638500000022
式中，Ri为第i个结果；Sj为输入的切片；i为当前计算结果的顺序；j为输入切片的编号。
可选地，从多个所述加权叠加切片中选取符合构形的加权叠加切片，具体是通过人工判断、选取最显著表达薄互层构形的图像。当然，也可以通过建立模板库、机器学习等方式进行智能判别(筛选)。
可选地，若按照当前设置的滑动时窗处理得到的多个加权叠加切片均不符合构形，则调整滑动时窗的大小，重新遍历所述切片组、进行加权叠加处理，直到满足条件。
可选地，根据需要，还对符合构形的加权叠加切片进行图像灰度处理，以便于更突出砂体边界。
第二种方案，连续面块地层切片薄互层预测方法，其特征在于，包括：
对目的层细分层位，获得目的层中每一细分层位的切片，并沿细分层位依次排列得到切片组；
采用滑动时窗遍历所述切片组，
将时窗起点切片与时窗终点切片相加，得到相加切片；
从多个相加切片中选取符合构形的切片，作为目标薄互层构形的图像。
相加处理，具体是：设当前设置的滑动时窗为W，计算公式如下：
Ri＝Si+Si+W,i＝1,2,3,…,n-W
式中，Ri为第i个结果；S为输入的切片；i为当前计算结果的编号。
可选地，从所述多个相加切片中选取符合构形的相加切片，具体是通过人工判断、选取最显著表达薄互层构形的图像。当然，也可以通过建立模板库、机器学习等方式进行智能判别(筛选)。
可选地，若按照当前设置的滑动时窗处理得到的多个相加切片均不符合构形，则调整滑动时窗的大小，重新遍历所述切片组、进行时窗首尾切片相加处理，直到满足条件。
可选地，根据需要，还对符合构形的相加切片进行图像灰度处理，以便于更突出砂体边界。
本发明至少具有以下有益效果：
本发明的一种方法根据波的周期震动，利用波的相消来削弱干涉层以突出目标薄互层，将目的层内细分层位，沿层提取切片组，采用滑动时窗遍历切片、加权叠加处理的方式，加权计算处理得到多个叠加切片，在目标砂体内叠加时，目标砂体地震响应相位一致，叠加增强，干涉砂体地震响应一致性差，叠加后削弱；选取符合构形的叠加切片作为目标薄互层构形的图像；从而无需井资料参与计算、无需确定零值点，自动滑动窗口计算，减少了工作量。
本发明的另一种方法将上述时窗内切片加权叠加的方式改为将时窗起点与时窗终点切片相加的方式，也同理无需井资料参与计算、无需确定零值点，自动滑动窗口计算，减少了工作量。
附图说明
为了更清楚地说明现有技术以及本发明，下面将对现有技术以及本发明实施例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示例性的，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，还可以根据提供的附图引申获得其它的附图。
图1为本发明一个实施例的连续面块地层切片薄互层预测方法基本流程示意图；
图2为本发明一个实施例的连续面块地层切片薄互层预测方法优化的运行流程示意图；
图3为本发明一个实施例中沿层提取切片组的理论模型示意图；
图4为基于图3所示理论模型的对应不同时间位置的切片的示意图。
图5为设置窗长为10ms时的切片组(多个加权叠加切片)的示意图。
图6为对筛选出的三个加权叠加切片进一步调整色标压制干涉层后的单砂体切片构形图像。
图7为某一实际地质目的层内细分层位的沿层振幅切片。
图8为按照图2所示流程方法迭代至窗口W为3时得到的切片组(多个加权叠加切片)。
图9为实施例处理后的结果(图8中的第8个切片)与原始切片(图7中的第9个切片)的对比示意图。
图10为本发明一个实施例的连续面块地层切片薄互层预测装置的模块架构示意图。
图11为本发明另一个实施例的连续面块地层切片薄互层预测方法的运行流程示意图；
图12为按照图11所示流程方法设置窗长为8ms时的切片组(多个叠加切片)的示意图；
图13为某一实际地质目的层内细分层位的沿层振幅切片。
图14为按照图11所示流程方法迭代至窗口W为6时得到的切片组(多个叠加切片)。
图15为实施例处理后的结果的对比示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在一个实施例中，如图1所示，提供了一种连续面块地层切片薄互层预测方法，包括以下步骤：
S1：对目的层细分层位，获得目的层中每一层的切片，并沿层依次排列得到切片组；
S2：采用滑动时窗遍历所述切片组，在滑动时窗内对连续切片进行加权叠加处理，依次生成对应于不同中心时间节点的切片，记为加权叠加切片；
S3：从多个所述加权叠加切片中选取符合构形的加权叠加切片，作为目标薄互层构形的图像。
上述方法根据波的周期震动，利用波的相消来削弱干涉层以突出目标薄互层。具体来说，将目的层内细分层位，沿层提取切片组，采用滑动时窗遍历切片、加权叠加处理的方式，加权计算处理得到多个叠加切片，在目标砂体内叠加时，目标砂体地震响应相位一致，叠加增强，干涉砂体地震响应一致性差，叠加后削弱；选取符合构形的叠加切片作为目标薄互层构形的图像；从而无需井资料参与计算、无需确定零值点，自动滑动窗口计算，减少了工作量。
其中，从多个加权叠加切片中选取符合构形的加权叠加切片，具体可以通过人工判断、选取最显著表达薄互层构形的图像。当然，也可以通过建立模板库、机器学习等方式进行智能判别(筛选)。
根据需要，还对符合构形的加权叠加切片进行图像灰度处理，以便于更突出砂体边界。
如图2所示，给出了一个更具体的实施例，或者说是更适合计算机运行处理的算法：
A、在目的层内细分层位，沿层提取切片组；
B、将切片组数据输入并设置滑动时窗W大小；
C、在时窗内切片加权叠加，权重为
Figure BDA0003338638500000061
D、结果展示并人工判断是否符合构形，若否，则重复步骤B、C、D直到满足条件。
设切片组为S，含有n张切片；当前设置的滑动时窗大小为W，权重为
Figure BDA0003338638500000062
计算公式具体如下：
Figure BDA0003338638500000063
式中，Ri为第i个结果；Sj为输入的切片；i为当前计算结果的顺序；j为输入切片的编号。
该方法采用历遍数据组并加权叠加的方式，实现半自动化处理，减少人工处理时间和工作量。
本实施例还设置了模型论证该方法。图3为沿层提取切片组的理论模型，图中“3”，“4”，“5”是一种理想的模型模式，实际上存在波的旁瓣。图4为对应时间位置的切片。设置窗长为10ms，采用滑动时窗遍历切片、加权叠加处理得到的切片组如图5所示，第6、10、16张能分别不削弱其他“数字的”情况下相对消除层间干涉“4”、“5”、“3”。通过进一步调整色标压制干涉层，得到图6的单砂体切片构形显示。
将本实施例方法应用于实际地质探测，图7展示了目的层内细分层位的沿层振幅切片，其中切片9能够较好的展示河道构型，但是河道边界并不清晰。采用滑动时窗遍历切片、加权叠加处理，迭代至窗口W为3时，得到如图8的切片组，其中切片8能够很好显示河道构形。图9为原始切片9与处理后结果对比，其中有同一结果的不同色标表达。对比可见，本实施例方法的处理结果能够更清晰地刻画砂体边界。
在一个实施例中，提供了一种连续面块地层切片薄互层预测装置，如图10，包括以下程序模块：
切片获取模块，用于对目的层细分层位，获得目的层中每一层的切片，并沿层依次排列得到切片组；
叠加切片生成模块，用于采用滑动时窗遍历所述切片组，在滑动时窗内对连续切片进行加权叠加处理，依次生成对应于不同中心时间节点的切片，记为加权叠加切片；
结果推送模块，用于从多个所述加权叠加切片中选取符合构形的加权叠加切片，作为目标薄互层构形的图像。
可选地，还包括：时窗调整模块，用于在所述叠加切片生成模块得到的多个加权叠加切片均不符合构形时，调整滑动时窗的大小，重新运行所述叠加切片生成模块，直到满足条件。
可选地，还包括：图像优化模块，用于根据需要对符合构形的加权叠加切片进行图像灰度处理，以便于更突出砂体边界。
关于上述装置的具体限定可以参见上文中对于连续面块地层切片薄互层预测方法的限定，在此不再赘述。上述装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
基于上述装置实现连续面块地层切片薄互层预测，无需井资料，采用历遍切片组叠加的方法，设定时窗大小后，在切片组滑动窗口内加权叠加，并输出计算结果切片组。在目标砂体内叠加时，目标砂体地震响应相位一致，叠加增强，干涉砂体地震响应一致性差，叠加后削弱。本实施例无需确定零值点，自动滑动窗口计算，减少了工作量，也无需井资料参与计算。
在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，涉及上述实施例方法中的全部或部分流程。
在一个实施例中，还提供了一种计算机可读存储介质，其上存储有计算机程序，涉及上述实施例方法中的全部或部分流程。
上述预测方法的另一个实施例，可将时窗内切片加权叠加的方式改为将时窗起点与时窗终点切片相加，具体如图11所示：
A、首先在目的层内细分层位，沿层提取切片组；
B、将切片组数据输入并设置滑动时窗W大小；
C、时窗起点与时窗终点切片相加；
D、结果展示并人工判断是否符合构形，若否则重复步骤B、C、D直到满足条件。
设当前设置的滑动时窗为W，计算公式具体如下：
Ri＝Si+Si+W,i＝1,2,3,…,n-W
式中，Ri为第i个结果；S为输入的切片；i为当前计算结果的编号。
相应地，也设置了模型论证该方法。仍然采用图3所示的沿层提取切片组的理论模型以及如图4所示的对应时间位置的切片。设置窗长8ms时的切片组为图12，其中第1、3、8张能分别相对消除层间干涉“3”、“4”、“5”。
将本实施例方法应用于实际地质探测，图13展示了目的层内细分层位的沿层振幅切片。其中切片9能够较好地展示河道构型，但是河道边界并不清晰。应该本文方法，迭代至窗口W为6时，得到如图14的切片组，其中切片5能够很好显示河道构形。图15为原始切片9与处理后结果，对比发现应用该方法的处理结果也能够更清晰地刻画砂体边界。
以上几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (7)

1.连续面块地层切片薄互层预测方法，其特征在于，包括：
对目的层细分层位，获得目的层中每一细分层位的切片，并沿细分层位依次排列得到切片组；
采用滑动时窗遍历所述切片组，在滑动时窗内对连续切片进行加权叠加处理，依次生成对应于不同中心时间节点的切片，记为加权叠加切片；
从多个所述加权叠加切片中选取符合构形的加权叠加切片，作为目标薄互层构形的图像。
2.根据权利要求1所述的连续面块地层切片薄互层预测方法，其特征在于，所述加权叠加处理，具体是：
设切片组为S，含有n张切片；当前设置的滑动时窗大小为W，权重为
Figure FDA0003338638490000011
计算公式如下：
Figure FDA0003338638490000012
式中，Ri为第i个结果；Sj为输入的切片；i为当前计算结果的顺序；j为输入切片的编号。
3.根据权利要求1所述的连续面块地层切片薄互层预测方法，其特征在于，从多个所述加权叠加切片中选取符合构形的加权叠加切片，具体是通过人工判断、选取最显著表达薄互层构形的图像。
4.根据权利要求1所述的连续面块地层切片薄互层预测方法，其特征在于，还包括：
若按照当前设置的滑动时窗处理得到的多个加权叠加切片均不符合构形，则调整滑动时窗的大小，重新遍历所述切片组、进行时窗内加权叠加处理，直到满足条件。
5.根据权利要求1所述的连续面块地层切片薄互层预测方法，其特征在于，根据需要，还对符合构形的加权叠加切片进行图像灰度处理，以便于更突出砂体边界。
6.连续面块地层切片薄互层预测方法，其特征在于，包括：
对目的层细分层位，获得目的层中每一细分层位的切片，并沿细分层位依次排列得到切片组；
采用滑动时窗遍历所述切片组，
将时窗起点切片与时窗终点切片相加，得到相加切片；
从多个相加切片中选取符合构形的切片，作为目标薄互层构形的图像。
7.根据权利要求6所述的连续面块地层切片薄互层预测方法，其特征在于，所述将时窗起点切片与时窗终点切片相加，具体是：设当前设置的滑动时窗为W，计算公式如下：
Ri＝Si+Si+W,i＝1,2,3,…,n-W
式中，Ri为第i个结果；S为输入的切片；i为当前计算结果的编号。
CN202111301903.XA 2021-11-04 2021-11-04 连续面块地层切片薄互层预测方法 Pending CN114019566A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111301903.XA CN114019566A (zh) 2021-11-04 2021-11-04 连续面块地层切片薄互层预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111301903.XA CN114019566A (zh) 2021-11-04 2021-11-04 连续面块地层切片薄互层预测方法

Publications (1)

Publication Number Publication Date
CN114019566A true CN114019566A (zh) 2022-02-08

Family

ID=80060950

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111301903.XA Pending CN114019566A (zh) 2021-11-04 2021-11-04 连续面块地层切片薄互层预测方法

Country Status (1)

Country Link
CN (1) CN114019566A (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5298862A (en) * 1991-11-13 1994-03-29 Hennig Juergen Method for muclear magnetic resonance (NMR) tomography
US20090129694A1 (en) * 2007-11-15 2009-05-21 Avisonic Technology Corp. Method and apparatus thereof for enhancing digital image
CN104297792A (zh) * 2014-10-14 2015-01-21 成都北方石油勘探开发技术有限公司 一种扇上叠置水道储层的相控反演方法
CN104459792A (zh) * 2014-11-12 2015-03-25 中国石油化工股份有限公司 一种构造约束下的边缘保护滤波方法
CN104991275A (zh) * 2015-07-09 2015-10-21 北京诺克斯达石油科技有限公司 一种特征切片薄互层分析法
CN106405647A (zh) * 2016-12-22 2017-02-15 成都晶石石油科技有限公司 一种关于沉积地层厚度的调谐反演方法
CN107356965A (zh) * 2017-07-20 2017-11-17 中国石油化工股份有限公司 基于加权叠加噪音压制策略的反射系数反演储层预测方法
CN109212627A (zh) * 2017-07-06 2019-01-15 中国石油化工股份有限公司 一种基于细分层系的薄储层描述及增储规模确定方法
CN111366977A (zh) * 2020-03-27 2020-07-03 电子科技大学 一种基于切片叠加的薄层预测方法
CN111399048A (zh) * 2020-04-29 2020-07-10 四川杰瑞泰克科技有限公司 一种对断溶体计算相关属性及数据加权重构的方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5298862A (en) * 1991-11-13 1994-03-29 Hennig Juergen Method for muclear magnetic resonance (NMR) tomography
US20090129694A1 (en) * 2007-11-15 2009-05-21 Avisonic Technology Corp. Method and apparatus thereof for enhancing digital image
CN104297792A (zh) * 2014-10-14 2015-01-21 成都北方石油勘探开发技术有限公司 一种扇上叠置水道储层的相控反演方法
CN104459792A (zh) * 2014-11-12 2015-03-25 中国石油化工股份有限公司 一种构造约束下的边缘保护滤波方法
CN104991275A (zh) * 2015-07-09 2015-10-21 北京诺克斯达石油科技有限公司 一种特征切片薄互层分析法
CN106405647A (zh) * 2016-12-22 2017-02-15 成都晶石石油科技有限公司 一种关于沉积地层厚度的调谐反演方法
CN109212627A (zh) * 2017-07-06 2019-01-15 中国石油化工股份有限公司 一种基于细分层系的薄储层描述及增储规模确定方法
CN107356965A (zh) * 2017-07-20 2017-11-17 中国石油化工股份有限公司 基于加权叠加噪音压制策略的反射系数反演储层预测方法
CN111366977A (zh) * 2020-03-27 2020-07-03 电子科技大学 一种基于切片叠加的薄层预测方法
CN111399048A (zh) * 2020-04-29 2020-07-10 四川杰瑞泰克科技有限公司 一种对断溶体计算相关属性及数据加权重构的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
杜世通: "《地震储层解释技术》", 石油工业出版社, pages: 156 - 159 *

Similar Documents

Publication Publication Date Title
Wu et al. Seismic impedance inversion using fully convolutional residual network and transfer learning
CN109709603B (zh) 地震层位识别与追踪方法、系统
WO2017106127A1 (en) Automated near surface analysis by surface-consistent refraction methods
US8103453B2 (en) Method of seismic data interpolation by projection on convex sets
US20120004849A1 (en) Efficient windowed radon transform
EP1058131A1 (en) Method and determining spatial changes in subsurface structure stratigraphy, lithology and fluid content and of reducing seismic noise
CN104280777B (zh) 一种压制陆上地震资料多次波干扰的方法
Gibson et al. Automatic Fault Detection for 3D Seismic Data.
WO2020231379A1 (en) System and method for identifying subsurface structures
CN110058298B (zh) 一种三维地质体空间插值方法及系统
AlSalmi et al. Automated seismic semantic segmentation using Attention U-Net
Yang et al. A multi-task learning method for relative geologic time, horizons, and faults with prior information and transformer
Mahadik et al. Fault detection and optimization in seismic dataset using multiscale fusion of a geometric attribute
CN111983683B (zh) 一种少井条件下盐下湖相灰岩储层预测方法和系统
CN110954958A (zh) 裂缝与断层的预测方法及系统
CN114019566A (zh) 连续面块地层切片薄互层预测方法
WO2016023598A1 (en) Method and apparatus for processing seismic data
CN107884830A (zh) 沉积地层旋回划分方法及装置
CN109459790B (zh) 针对煤系地层地震速度场建立方法及系统
CN115639605A (zh) 基于深度学习的高分辨率断层的自动识别方法和装置
CN116068644A (zh) 一种利用生成对抗网络提升地震数据分辨率和降噪的方法
US11454734B2 (en) Automated extraction of horizon patches from seismic data
Li et al. Progressive multitask learning for high-resolution prediction of reservoir elastic parameters
Cheng et al. Multiscale fracture prediction technique via deep learning, seismic gradient disorder, and aberrance: Applied to tight sandstone reservoirs in the Hutubi block, southern Junggar Basin
Li et al. Seismic full-waveform inversion based on superresolution for high-precision prediction of reservoir parameters

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