CN114063161A - 一种地震反演方法、装置及系统 - Google Patents
一种地震反演方法、装置及系统 Download PDFInfo
- Publication number
- CN114063161A CN114063161A CN202011360748.4A CN202011360748A CN114063161A CN 114063161 A CN114063161 A CN 114063161A CN 202011360748 A CN202011360748 A CN 202011360748A CN 114063161 A CN114063161 A CN 114063161A
- Authority
- CN
- China
- Prior art keywords
- work area
- data
- logging data
- seismic
- logging
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 81
- 238000012549 training Methods 0.000 claims abstract description 58
- 239000011159 matrix material Substances 0.000 claims abstract description 45
- 238000005070 sampling Methods 0.000 claims abstract description 35
- 238000004422 calculation algorithm Methods 0.000 claims description 30
- 238000004590 computer program Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 description 22
- 238000010586 diagram Methods 0.000 description 16
- 238000004891 communication Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 8
- 239000011435 rock Substances 0.000 description 7
- 230000006870 function Effects 0.000 description 4
- 238000003491 array Methods 0.000 description 3
- 230000000704 physical effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static 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
- G01V2210/61—Analysis by combining or comparing a seismic data set with other data
- G01V2210/616—Data from specific type of measurement
- G01V2210/6169—Data from specific type of measurement using well-logging
-
- 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
-
- 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
- G01V2210/66—Subsurface modeling
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
本申请实施例提供一种地震反演方法、装置及系统,其中方法包括:先通过一个工区的地震数据和测井数据进行训练得到一个训练好的地震反演模型。然后获取工区内一个剖面的地震数据和该剖面的测井数据,将该剖面的地震数据和测井数据进行拼接,得到待预测数据,最后将待预测数据输入至训练好的地震反演模型,预测该剖面的预测测井数据,其中,该剖面为该工区中的任一垂直剖面,该剖面的地震数据与测井数据均为k*c的二维矩阵,待预测数据为k*c*2的三维矩阵;预测测井数据为k*c的二维矩阵,其中,k为大于或等于1的正整数。通过一个剖面所包括的多个采样点的地震数据和测井数据进行地震反演,能够提高反演结果的准确性与连续性。
Description
技术领域
本申请涉及地球物理领域,尤其涉及一种地震反演方法、装置及系统。
背景技术
地震反演是将常规的界面型反射剖面转换成岩层型的测井剖面,测井剖面能够真实的反应地下岩性和物性的分布与变化,为地质勘探和资源开发提供重要依据。
当前地震反演包括基于模型的地震反演与基于深度学习的地震反演,基于模型的地震反演由于很难获得精确的地震子波以及多解性等问题,导致反演结果不准确、适用性差并且效率较低。而当前基于深度学习的方法中由于采用的输入数据是一维的地震道数据,在整个工区上的反演结果的横向连续性较差。因此,提供一种能够得到可靠性和横向连续性较强的地震反演模型是一个亟需解决的问题。
发明内容
本申请实施例公开了地震反演方法、装置及系统,通过结合地震数据和测井数据进行地震反演,能够提高反演结果的准确性与连续性。
第一方面,本申请实施例提供了一种地震反演方法,该方法包括:地震反演系统获取第一工区中第一剖面的地震数据和第一剖面的第一测井数据,然后将第一剖面的地震数据和第一测井数据进行拼接,得到k*c*2的三维矩阵形式的待预测数据,再将待预测数据输入至训练好的地震反演模型,预测所述第一剖面的第二测井数据。其中,第一剖面是第一工区中的任一垂直剖面,第一剖面的地震数据、第一测井数据以及第二测井数据均为k*c的二维矩阵,k为大于或等于1的正整数。
通过将一个剖面的地震数据与该剖面的测井数据进行结合用于地震反演的输入数据,能够提供该工区对应的有效的低频信息,使反演结果更加稳定与准确,同时每个剖面包括工区内相邻的采样点的地震数据与测井数据,通过随机选取多个剖面分别进行地震反演,分别得到各个剖面对应的测井数据之后,得到第一工区通过地震反演得到的测井数据体,能够提高反演结果的连续性。
在一种具体的实现方式中,上述获取第一剖面的地震数据和所述第一剖面的第一测井数据,包括:获取第一工区的地震数据体与第一工区的真实测井数据,根据预设插值算法对第一工区的真实测井数据进行插值操作,得到第一工区的测井数据体,从第一工区的地震数据体中获取第一剖面的地震数据并从第一工区的测井数据体中获取第一测井数据。其中,第一工区的地震数据体为a*b*c的三维矩阵,第一工区的真实测井数据为第一工区的m个测井的测井数据,m个测井中的每个测井的测井数据为一个一维数组,a*b表示所述第一工区的地震道的数量,c表示每个地震道的采样点的数量。
通过插值的方法得到工区对应的与地震数据体相同维度的测井数据体,然后从地震数据体中获取该工区一个剖面对应的地震数据,并从测井数据体中获取同一剖面对应的测井数据,将该剖面的地震数据与测井数据拼接后得到该剖面对应的三维矩阵,将该三维矩阵输入至训练好的地震反演模型中,得到该剖面对应的预测测井数据,从而能够提供该工区对应的有效的低频信息,使结合地震数据与插值后的测井数据的反演结果更加稳定与准确。
在一种具体的实现方式中,上述根据预设插值算法对第一工区的真实测井数据进行插值操作,得到第一工区的测井数据体,包括:根据第一工区的地震数据体获取第一工区的层位信息,根据第一工区的层位信息与预设插值算法对第一工区的真实测井数据进行插值操作,得到第一工区的测井数据体,其中,层位信息包括每个地震道包括的地层类型以及每种地层类型对应的坐标区间。
在一种具体的实现方式中,上述根据第一工区的层位信息与预设插值算法对第一工区的真实测井数据进行插值操作,包括:根据第一工区的层位信息确定第一工区的真实测井数据中的每个测井数据对应的地层类型;获取第一工区中任意一个没有真实测井数据的目标插值点的坐标,确定目标插值点对应的目标地层类型;根据目标地层类型,在第一工区的真实测井数据中获取预设数量的测井数据,根据预设插值算法计算目标插值点的测井数据。
由于不同深度的地层的地质构造不同,相同地质构造的地层所处的深度不完全相同,因此在对不存在真实测井数据的目标坐标处进行插值计算时,根据最近的几处测井在相同地层类型处的采样值计算得到该目标坐标处的值,更加接近该目标坐标处的真实值,能够提高根据插值计算后的测井数据进行地震反演的结果的准确性。
在一种具体的实现方式中,上述真实测井数据为密度、速度、波阻抗或伽马值中的任意一种。
第二方面,本申请实施例提供了一种地震反演模型的训练方法,包括:首先获取第二剖面的地震数据和第二剖面的第三测井数据,然后将第二剖面的地震数据和第三测井数据进行拼接,得到训练数据,再将训练数据与第二剖面的真实测井数据输入至地震反演模型,对地震反演模型进行训练,得到训练好的地震反演模型,其中,第二剖面为第二工区中经过一个或多个测井的任一垂直剖面,第二剖面的地震数据与第三测井数据均为k*c的二维矩阵,训练数据为k*c*2的三维矩阵,所述第二剖面的真实测井数据包括所述一个或多个测井的测井数据,所述第三测井数据包括所述第二剖面的真实测井数据,k为大于或等于1的正整数。
在一种具体的实现方式中,上述获取第二剖面的地震数据和第二剖面的第三测井数据,包括:获取第二工区的地震数据体与所述第二工区的真实测井数据,然后根据预设插值算法对第二工区的真实测井数据进行插值操作,得到第二工区的测井数据体,最后从第二工区的地震数据体中获取第二剖面的地震数据,从第二工区的测井数据体中获取所述第三测井数据。其中,第二工区的地震数据体和测井数据体均为a*b*c的三维矩阵,第二工区的真实测井数据为第二工区的n个测井的测井数据,这n个测井中的每个测井的测井数据为一个一维数组,n个测井包括一个或多个测井,其中,a*b表示第一工区的地震道的数量,c表示每个地震道的采样点的数量。
在一种具体的实现方式中,上述根据预设插值算法对第二工区的真实测井数据进行插值操作,得到第二工区的测井数据体,包括:根据第二工区的地震数据体获取所述第二工区的层位信息;根据第二工区的层位信息与预设插值算法对第二工区的真实测井数据进行插值操作,得到第二工区的测井数据体,其中,层位信息包括每个地震道的地层类型以及所述每种地层类型对应的坐标区间。
在一种具体的实现方式中,上述根据预设插值算法对第二工区的真实测井数据进行插值操作,包括:根据第二工区的层位信息确定第二工区的真实测井数据中的每个测井数据对应的地层类型;获取目标插值点的坐标,确定目标插值点对应的目标地层类型,目标插值点是第二工区中任意一个没有真实测井数据的点;根据目标地层类型,在第二工区的真实测井数据中获取预设数量的测井数据,根据预设插值算法计算目标插值点的测井数据。
在一种具体的实现方式中,上述第二剖面经过多个测井时,这多个测井在同一条直线上或者在不同的直线上。
在一种具体的实现方式中,上述真实测井数据为密度、速度、波阻抗或伽马值中的任意一种。
第三方面,本申请实施例提供一种地震反演装置,包括用于执行第一方面或第一方面任一种具体实现方式中的数据处理方法的各个模块。
第四方面,本申请实施例提供一种地震反演模型的训练装置,包括用于执行第二方面或第二方面任一种具体实现方式中的数据处理方法的各个模块。
第五方面,本申请实施例提供一种地震反演系统,包括处理器和存储器,存储器用于存储指令,处理器用于执行所述指令,当处理器执行指令时,执行如第一方面或第一方面任意具体实现方式中所述的方法。
第六方面,本申请实施例提供一种地震反演模型的训练系统,包括处理器和存储器,存储器用于存储指令,处理器用于执行所述指令,当处理器执行指令时,执行如第二方面或第二方面任意具体实现方式中所述的方法。
第七方面,本申请实施例提供一种计算机可读存储介质,该计算机可读存储介质中存储有指令,当所述指令在计算设备上运行时执行如第一方面或第一方面任意具体实现方式中所述的方法。
第八方面,本申请实施例提供一种计算机可读存储介质,该计算机可读存储介质中存储有指令,当所述指令在计算设备上运行时执行如第二方面或第二方面任意具体实现方式中所述的方法。
第九方面,本申请实施例提供一种计算机程序产品,该计算机程序产品包括指令,当该计算机程序产品被计算机执行时,使得计算机可以执行上述第一方面或上述第一方面任意具体的实施方式中所述的方法。
第十方面,本申请实施例提供一种计算机程序产品,该计算机程序产品包括指令,当该计算机程序产品被计算机执行时,使得计算机可以执行上述第二方面或上述第二方面任意具体的实施方式中所述的方法。
本申请在上述各方面提供的实现方式的基础上,还可以进行进一步组合以提供更多实现方式。
附图说明
图1是本申请实施例提供的一种预测装置的部署示意图;
图2是本申请实施例提供的另一种预测装置的部署示意图;
图3是本申请实施例提供的一种地震反演过程的示意图;
图4是本申请实施例提供的一种地震反演方法的流程示意图;
图5是本申请实施例提供的一种根据工区建立的坐标系的示意图;
图6是本申请实施例提供的工区俯视示意图;
图7是本申请实施例提供的一种地震反演模型训练方法的流程示意图;
图8是本申请实施例提供的一种预测装置的结构示意图;
图9是本申请实施例提供的一种训练装置的结构示意图;
图10是本申请实施例提供的一种地震反演系统的结构示意图;
图11是本申请实施例提供的另一种地震反演系统的结构示意图。
具体实施方式
为了帮助本领域技术人员更好地理解本申请的技术方案,首先对本申请实施例中所涉及到的一些概念进行介绍。
地震数据是指利用地震勘探设备产生人工地震波,人工地震波向地下传播,遇分界面产生反射波,反射波传回地表后被检波器记录下来所形成的观测数据。
地震数据体是指对工区中的地震数据进行预处理和成像处理后得到的工区对应的三维地震数据。应理解,计算设备能够将地震数据体以三维立体图像的形式呈现给用户,地震数据体实际为a*b*c的三维矩阵,其中,a*b表示在工区中对上述反射波的采样点数量,c表示每个采样点对应的采样值的数量。
测井数据是指将测量设备下放到钻出的测井中,对测井对应的各个岩层对应的物理属性进行测量得到的数据,根据测量设备的不同,可以测得不同岩层对应的不同的物理属性,例如岩层对应的速度、密度、波阻抗以及伽马值等,其中,速度是指声波在岩层中的传播速度。
波阻抗是纵波速度和岩石密度的乘积,能够反映地震波在岩石中的穿透能力和反射能力,并能够用来进行储层预测。
本申请实施例提供一种地震反演方法,该方法由预测装置执行,预测装置的部署较为灵活。
图1是本申请实施例提供的一种预测装置的部署示意图,预测装置可部署在云环境中,云环境是云计算模式下利用基础资源向用户提供云服务的实体。云环境包括云数据中心和云服务平台,云数据中心包括云服务提供商拥有的大量基础资源,例如计算资源、存储资源和网络资源等,计算资源可以是大量的计算设备(例如服务器)。预测装置可以是云数据中心中用于进行地震反演的服务器,也可以是创建在云数据中心中的用于进行地震反演的虚拟机,还可以是部署在云数据中心中的服务器或者虚拟机上的软件装置。该软件装置可以分布式地部署在多个服务器上、或者分布式地部署在多个虚拟机上、或者分布式地部署在虚拟机和服务器上。如图1所示,预测装置由云服务提供商在云服务平台抽象成一种地震反演的云服务提供给用户,用户在云服务平台购买该云服务后,云服务平台利用预测装置向用户提供地震反演的云服务,用户使用的终端设备可以通过应用程序接口(application program interface,API)或者通过云服务平台提供的网页界面上传用于地震反演的相关数据至云服务平台,预测装置接收到地震反演的相关数据后进行计算得到反演结果,计算得到的结果由预测装置返回至用户使用的终端设备,或者存储在云环境,例如:呈现在云服务平台的网页界面上供用户查看。
图2是本申请实施例提供的另一种预测装置的部署示意图,预测装置还可以部署在用户使用的终端设备(如:服务器、笔记本电脑、平板电脑、个人台式电脑)中。预测装置中进行地震反演采用的是训练好的地震反演模型。本申请实施例中,采用训练装置训练地震反演模型,训练装置可以部署在上述云环境的云数据中心中,训练装置在根据样本数据训练地震反演模型之后,用户可以通过使用的终端设备从云环境中将地震反演模型下载至该终端设备中,在终端设备构建预测装置。在需要进行地震反演时,用户只需上传用于地震反演的相关数据至终端设备,预测装置接收用于地震反演的相关数据后进行计算得到反演结果,计算得到的反演结果呈现在终端设备的显示界面上供用户查看。
在一种可能的实施方式中,上述预测装置还可以部署在边缘数据中心,上述边缘数据中心是部署在距离用户使用的终端设备较近的边缘计算设备的集合。
本申请实施例中,上述训练装置可以部署在云环境的云数据中心中,也可以部署在边缘数据中心,上述训练装置在云环境的数据中心中的部署方式可以参照上述预测装置在云环境的云数据中心中的部署方式,在此不再赘述。上述预测装置与上述训练装置可以部署在相同环境中,也可以部署在不同的环境中,若预测装置与训练装置部署在相同的环境中,预测装置与训练装置可以部署在同一个计算设备中,也可以部署在不同的计算设备中。
在训练阶段,通过测井数据进行插值计算得到对应的插值测井数据体,然后将测井数据体与地震数据体作为训练数据,真实测井数据作为标签对地震反演模型进行训练进,可以得到训练好的地震反演模型。其中,地震反演模型可以是卷积神经网络(convolutional neural networks,CNN)、残差网络(residual network,ResNet)等。本申请实施例中,根据测井数据中的数据类型不同,可以训练得到不同的地震反演模型。例如,当测井数据是波阻抗数据时,训练好的地震反演模型可以进行波阻抗反演,当测井数据是密度数据时,训练好的地震反演模型可以进行密度预测。用户在需要对其中一种类型的数据进行预测时,则训练时将该类型的数据作为测井数据,本申请实施例以波阻抗为例,对地震反演模型的训练过程与预测过程进行介绍。
图3是本申请实施例提供的一种地震反演过程的示意图,预测装置首先根据同一个工区对应的地震数据体与测井数据,通过插值的方法获取该工区对应的插值测井数据体;然后在地震数据体中,获取该工区内一个垂直剖面对应的地震剖面,并在测井数据体中,获取同一个垂直剖面对应的测井剖面,其中,地震剖面和测井剖面均为k*c的二维矩阵,应说明的是,如图3中所示,预测装置能够将地震剖面与测井剖面以图像的形式呈现给用户,为描述方便,本申请实施例中,将地震剖面表述为地震剖面对应的二维矩阵,将测井剖面表述为测井剖面对应的二维矩阵;最后将同一个剖面对应的地震剖面与测井剖面进行拼接,得到一个k*c*2的三维矩阵,将该三维矩阵输入至训练好的地震反演模型中,得到该垂直剖面对应的预测测井数据,该预测测井数据为k*c的二维矩阵。预测装置通过上述方法可以获得多个不同垂直剖面对应的预测测井数据,将该多个预测测井数据进行融合,即可得到该工区对应的预测测井数据体。
图4是本申请实施例提供的一种地震反演方法的流程示意图,该地震反演方法应用于上述预测装置,包括以下步骤S401至S404。
S401、获取第一工区的地震数据体和第一工区的真实测井数据。
以第一工区为长方体为例,将该长方体对应的地面上的一个角作为坐标原点建立直角坐标系,如图5所示,第一工区对应的地震数据体与测井数据如图5所示,其中,xoy平面表示第一工区地面,图5中垂直于xoy的直线表示测井以及测井在第一工区内的位置。应理解,由于钻进成本高,一个工区中的钻井数量有限,因此一个工区内采集的测井数据有限。本申请实施例中,第一工区的地震数据体为a*b*c的三维矩阵,即第一工区的地震数据体包括该工区a*b个地震道的地震数据,每个地震道包括c个测井数据采样点,即每个地震道采集c个数值,地震数据体包括a*b*c个地震数据采样点。对应到如图5所示的坐标系中,(xi,yj)表示一个地震道,(xi,yj,z1)至(xi,yj,zc)表示一个地震道采集的c个数值,其中,a、b与c均为正整数,0<i≤a,0<j≤b。第一工区的真实测井数据是第一工区的m个测井的测井数据,每个测井采集的数据的数量不完全一样,每个测井采集的真实测井数据为一个一维数组,则第一工区的m个测井包括m个一维数组,对应到如图5所示的坐标系中,在xoy平面有m个测井,其中m为小于a*b的正整数。如图6所示,图6是图5所示的第一工区的俯视图,图6中每个网格表示一个地震道,每个圆圈表示一个测井。
S402、根据第一工区的地震数据体和第一工区的真实测井数据,对真实测井数据进行插值计算得到第一工区的测井数据体。
本申请实施例中,第一工区的地震数据体为a*b*c的三维矩阵,第一工区的真实测井数据包括m个一维数组,预设装置通过预设插值算法对第一工区的真实测井数据进行插值计算后,能够将测井数据转换为a*b*c的三维矩阵,得到第一工区的测井数据体。经过插值计算之后,得到的第一工区的测井数据体同样为a*b*c的三维矩阵,即第一工区的测井数据体相当于包括a*b个测井对应的测井数据以及a*b*c个测井数据采样点,且a*b个测井与a*b个地震道的位置重合,但测井数据体中只有m个一维数组为真实测井数据,其余数值为通过插值计算得到的。
在一种具体的实现方式中,对于已经存在真实测井数据的m个测井中的一个测井进行插值计算为例,在z轴方向上,测井数据的一个测井包括t(t小于或等于c)个数值,这t个数值的x轴坐标与y轴坐标均相同,为(xi,yj),z轴坐标不同且这t个数值对应的z轴坐标不连续,当需要将一个测井的t个数值扩展为c个数值时,若坐标为(xi,yj,zk)的目标插值点处没有采样值,则在该测井对应的数据中,获取离该目标插值点最近的预设数量的已经存在采样值的坐标点的采样值,通过加权计算得到(xi,yj,zk)处的采样值。例如,坐标(xi,yj,z5)坐标处没有采样值,坐标(xi,yj,z4)与(xi,yj,z8)处有采样值,则可以根据(xi,yj,z4)与(xi,yj,z8)两处的采样值通过加权计算得到(xi,yj,z5)处的采样值。
对于不存在真实测井数据的测井,例如该测井对应的坐标为(xi,yj),计算该测井对应的c个采样值时,对于坐标为(xi,yj,zk)的目标插值点处的采样值,获取与该测井距离最近的预设数量的已经存在采样值的测井在z轴坐标为zk处的采样值,例如,与采样点(xi,yj)距离最近的四处已经存在采样值的测井的坐标分别为(xi-2,yj)、(xi,yj+3)、(xi+2,yj+1)以及(xi+5,yj+4),则获取(xi-2,yj,zk)、(xi,yj+3,zk)、(xi+2,yj+1,zk)与(xi+5,yj+4,zk)这四个坐标点的采样值,通过加权计算得到(xi,yj,zk)处的采样值。
在另一种具体的实现方式中,通过第一工区的地震数据体可以确定第一工区的层位信息,该层位信息包括每个地震道包括的地层类型以及每种地层类型的坐标区间。在对不存在真实测井数据的测井进行插值计算时,由于进行插值计算之后的a*b个测井与a*b个地震道的位置重合,首先根据需要进行插值计算的测井对应的地震道获取该测井对应的层位信息;然后根据该测井对应的层位信息确定该测井中的需要进行插值计算的目标插值点处的地层类型;再获取与该测井距离最近的预设数量的已经存在采样值的测井在相同地层类型处的采样值,最后根据获取的预设数量的采样值,通过加权计算得到该目标插值点处的采样值。
例如,测井对应的坐标为(xi,yj),该测井对应的地震道的坐标同样为(xi,yj),对于坐标为(xi,yj,zk)的目标插值点,根据地震道(xi,yj)对应的地层信息,确定目标插值点的地层属于A类型。然后确定距离(xi,yj)最近的四个已经存在采样值的测井的坐标分别为(xi-2,yj)、(xi,yj+3)、(xi+2,yj+1)以及(xi+5,yj+4),再获取这四个测井中,地层类型属于A类型的测井数据采样点处的采样值,例如属于A类型的测井数据采样点的坐标分别为(xi-2,yj,zk)、(xi,yj+3,zk-3)、(xi+2,yj+1,zk-2)与(xi+5,yj+4,zk+5),则获取(xi-2,yj,zk)、(xi,yj+3,zk-3)、(xi+2,yj+1,zk-2)与(xi+5,yj+4,zk+5)这四个坐标的采样值,根据这4个坐标处的采样值进行加权计算,得到目标插值点(xi,yj,zk)的采样值。
由于不同深度的地层的地质构造不同,相同地质构造的地层所处的深度不完全相同,因此在对不存在真实测井数据的目标坐标处进行插值计算时,根据最近的几处测井在相同地层类型处的采样值计算得到该目标坐标处的值,更加接近该目标坐标处的真实值,能够提高根据插值计算后的测井数据进行地震反演的结果的准确性。
通过上述方法,能够将测井数据体中不存在采样值的数据通过插值计算的方法,将第一工区的测井数据转换为与地震数据体相同维度的测井数据体。
S403、根据第一工区的地震数据体以及测井数据体,获取第一剖面的地震数据和第一剖面的第一测井数据。
其中,第一剖面为第一工区中的任意一个垂直剖面,第一剖面对应的地震数据是k*c的二维矩阵,k为第一剖面经过的地震道的数量,这k个地震道可以是位于同一条直线上的地震道,也可以不是位于同一条直线上的地震道。具体的,获取第一剖面的地震数据与第一剖面的测井数据的方法如下:在如图6所示的xoy平面,随机选择一条经过k个网格的路径,每个地震道对应的是一个1行c列的一维数组,则该路径对应的数据为k*c的二维矩阵,即为第一剖面对应的地震数据。由于测井数据体的各个地震道与地震数据体的各个测井在空间位置上一一对应,同样根据相同的路径在测井数据体中获取该路径对应的k*c的二维矩阵,即可得到第一剖面的第一测井数据。
需要说明的是,k为大于或等于1的正整数,若k等于1,则表示是通过一个地震道的地震数据与该地震道对应的测井的测井数据进行地震反演。
S404、将第一剖面的地震数据和第一剖面的第一测井数据进行拼接,得到待预测数据。
上述第一剖面的地震数据与第一剖面的第一测井数据均为k行c列的二维矩阵,将第一剖面的地震数据和第一剖面的第一测井数据进行拼接后,得到的k*c*2的三维待预测数据。
S405、将待预测数据输入至训练好的地震反演模型,得到第一剖面的第二测井数据。
将上述待预测数据输入至训练好的地震反演模型中,地震反演模型能够根据第一剖面的地震数据以及通过插值得到的第一剖面的第一测井数据,得到第一剖面的第二测井数据,其中,第二测井数据为k*c的二维矩阵。
根据上述S403至S405中描述的方法,能够得到第一工区中不同剖面对应的第二测井数据,将不同剖面对应的预测测井数据进行拼接,能够得到通过地震反演模型预测的第一工区的测井数据体。
通过一个工区的地震数据体获取该工区的地层信息,根据地层信息以及该工区有限的测井数据,通过插值的方法得到该工区对应的与地震数据体相同维度的测井数据体,然后从地震数据体中获取该工区一个剖面对应的地震数据,并从测井数据体中获取同一剖面对应的测井数据,将该剖面的地震数据与测井数据拼接后得到该剖面对应的三维矩阵,将该三维矩阵输入至训练好的地震反演模型中,得到该剖面对应的预测测井数据,即该剖面对应的地震反演结果。通过插值的方法得到该工区的测井数据体,从而能够提供该工区对应的有效的低频信息,使反演结果更加稳定与准确,同时通过一个剖面所包括的相邻的多个地震道的地震数据和对应的多个测井的测井数据进行地震反演,能够提高反演结果的准确性和连续性。
图7是本申请实施例提供的一种地震反演模型训练方法的流程示意图,地震反演模型训练方法包括:
S701、获取第二工区的地震数据体和第二工区的真实测井数据。
S702、根据第二工区的地震数据体和第二工区的真实测井数据,对第二工区的真实测井数据进行插值计算得到第二工区的测井数据体。
上述S701获取第二工区的地震数据体和第二工区的真实测井数据的方法与上述S401中描述的方法相同,S702获取第二工区的测井数据体的方法与上述S402中描述的方法相同,在此不再详细介绍。
S703、根据第二工区的地震数据体以及测井数据体,获取第二剖面的地震数据和第二剖面的第三测井数据。
在得到测井数据体之后,根据测井数据体和地震数据体,可以获得第二工区对应的多组训练数据,每组训练数据包括第二工区中第二剖面的地震数据、第二剖面的测井数据和第二剖面的标签数据。其中,第二剖面的地震数据、第二剖面的测井数据以及第二剖面的标签数据均为k*c的二维矩阵,k为每个第二剖面经过的地震道的数量。具体的,获取一组训练数据的方法如下:在如图6所示的xoy平面,随机选择一条经过一个或多个测井的路径,并且使该路径经过的地震道的数量为k,以该路径下的垂直剖面为第二剖面,由于每个地震道对应的数据是一个1*c的一维数组,则第二剖面的地震数据为k*c的二维矩阵。由于测井数据体的各个测井与地震数据体的各个地震道在空间位置上一一对应,同样根据相同的路径在测井数据体中获取第二剖面对应的测井数据,即第三测井数据。第二剖面的标签数据是将第三测井数据中通过上述插值计算得到的数值用0替换,保留第二剖面经过的一个或多个测井的真实测井数据后得到的。
在一种具体的实现方式中,上述选择的路径需要满足以下条件中的任意一个或者多个:1)一条路径不能重复经过同一口测井;2)同一路径中连续三口测井之间的两条连线所组成的夹角大于预设角度,例如预设角度为80度,图5中如直线L1(测井2与测井3之间的连线)与直线L2(测井3与测井7之间的连线)之间的夹角应大于80度;3)一条路径的起始点与终止点的x轴坐标值大于第一阈值,起始点与终止点的y轴坐标值大于第二阈值;4)一条路径经过的测井数量大于或等于第三阈值。应理解,选择路径时需要满足得到条件还可以包括除上述四种以外的其他条件。
S704、将第二剖面的地震数据和第三测井数据进行拼接,得到训练数据。
上述第二剖面的地震数据和第三测井数据均为k*c的二维矩阵,将第二剖面的地震数据与第三测井数据中对应的地震数据与测井数据拼接到一起,得到k*c*2的三维拼接数据,第二剖面的标签数据为三维拼接数据对应的标签,上述三维拼接数据与标签数据即为通过第二工区的地震数据体和测井数据体得到的一组训练数据。
根据上述相同的方法,在第二工区对应的地震数据体以及测井数据体中,随机选择多条路径,能够得到不同剖面的地震数据、测井数据以及标签数据,从而能够得到该工区对应的多组训练数据。
S705、利用训练数据对地震反演模型进行训练,得到训练好的地震反演模型。
本申请实施例中,将每组训练数据分别输入至地震反演模型中进行训练,通过地震反演模型获得的预测测井数据与标签数据计算损失函数,根据损失函数的值调整地震反演模型中的参数。其中,地震反演模型输出的预测测井数据为k*c的二维矩阵。本申请实施例采用下述(公式1)所示的损失函数计算损失值L。
其中,第二剖面是k行c列的二维矩阵,(i,j)表示第二剖面中第i行第j列,ω(i,j)为掩码矩阵,y1(i,j)表示第i行第j列的真实测井数据,y2(i,j)表示第i行第j列的预测值,当坐标为(i,j)的采样点对应有真实测井数据时,ω(i,j)的值为1,当坐标(i,j)的采样点没有对应的真实测井数据时,ω(i,j)的值为0。
值得说明的是,对于上述方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本发明所必须的。
本领域的技术人员根据以上描述的内容,能够想到的其他合理的步骤组合,也属于本发明的保护范围内。其次,本领域技术人员也应该熟悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本发明所必须的。
上文中结合图1至图7详细描述了根据本申请实施例所提供的地震反演方法,下面结合图8至图11,描述本申请实施例所提供的关于地震反演的相关装置与系统。参见图8,图8是本申请实施例提供的一种预测装置的结构示意图,该预测装置800包括:获取模块810和预测模块820,其中,
获取模块810,用于获取第一剖面对应的第一地震数据和第一剖面对应的第一测井数据,其中,第一剖面为第一工区中的任一垂直剖面,第一地震数据与第一测井数据均为k*c的二维矩阵。
预测模块820,用于将第一地震数据和第一测井数据进行拼接,得到待预测数据,待预测数据为k*c*2的三维矩阵;将待预测数据输入至训练好的地震反演模型,预测第一剖面对应的第二测井数据,其中,第二测井数据为k*c的二维矩阵。
具体的,上述预测装置800中获取模块810或者预测模块820实现地震反演的方法可参照上述方法实施例中S401至S405中的操作,在此不再赘述。
上述模块之间互相可以通过通信通路进行数据传输,应理解,装置800包括的各模块可以为软件模块、也可以为硬件模块、或部分为软件模块部分为硬件模块。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置和各个模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
参见图9,图9是本申请实施例提供的一种训练装置的结构示意图,该训练装置900包括:获取模块910和训练模块920,其中,
获取模块910,获取第二剖面对应的第二地震数据和第二剖面对应的第四测井数据,其中,第二剖面为第二工区中经过一个或多个测井的任一垂直剖面,第二地震数据与所述第四测井数据均为k*c的二维矩阵,其中,k为大于或等于1的正整数;
训练模块920将所述第二地震数据和所述第四测井数据进行拼接,得到训练数据,所述训练数据为k*c*2的三维矩阵;
将所述训练数据与所述第二剖面对应的第五测井数据输入至地震反演模型,对所述地震反演模型进行训练,得到训练好的地震反演模型,所述第五测井数据是所述一个或多个测井的真实测井数据,所述第四测井数据包括所述第五测井数据。
具体的,上述预测装置900中获取模块910或者训练模块920实现地震反演的方法可参照上述方法实施例中S701至S705中的操作,在此不再赘述。
上述模块之间互相可以通过通信通路进行数据传输,应理解,装置900包括的各模块可以为软件模块、也可以为硬件模块、或部分为软件模块部分为硬件模块。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置和各个模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请还提供一种地震反演系统,该地震反演系统可以包括一个或者多个计算设备,当该系统包括一个计算设备时,该系统的结构示意图可参见图10,当该系统包括多个计算设备时,该系统的结构示意图可参见图11。
参见图10,图10是本申请实施例提供的一种计算设备100的示意图,该计算设备100包括:一个或者多个处理器110、通信接口120以及存储器130,处理器110、通信接口120以及存储器130通过总线140相互连接,其中,
所述处理器110执行各种操作的具体实现可参照上述方法实施例中的具体操作。例如处理器110用于执行上述图4中S402至S405的操作,或者执行上述图7中S702至S705的操作,在此不再赘述。
处理器110可以有多种具体实现形式,例如处理器110可以为中央处理器(centralprocessing unit,CPU)或图像处理器(graphics processing unit,GPU),处理器110还可以是单核处理器或多核处理器。处理器110可以由CPU和硬件芯片的组合。上述硬件芯片可以是专用集成电路(application-specific integrated circuit,ASIC),可编程逻辑器件(programmable logic device,PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(complex programmable logic device,CPLD),现场可编程逻辑门阵列(field-programmable gate array,FPGA),通用阵列逻辑(generic array logic,GAL)或其任意组合。处理器110也可以单独采用内置处理逻辑的逻辑器件来实现,例如FPGA或数字信号处理器(digital signal processor,DSP)等。
通信接口120可以为有线接口或无线接口,用于与其他模块或设备进行通信,有线接口可以是以太接口、局域互联网络(local interconnect network,LIN)等,无线接口可以是蜂窝网络接口或使用无线局域网接口等。本申请实施例中通信接口120具体可用于执行上述S401中获取地震数据体和测井数据等操作。
存储器130可以是非易失性存储器,例如,只读存储器(read-only memory,ROM)、可编程只读存储器(programmable ROM,PROM)、可擦除可编程只读存储器(erasable PROM,EPROM)、电可擦除可编程只读存储器(electrically EPROM,EEPROM)或闪存。存储器130也可以是易失性存储器,易失性存储器可以是随机存取存储器(random access memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(static RAM,SRAM)、动态随机存取存储器(dynamic RAM,DRAM)、同步动态随机存取存储器(synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(double data rate SDRAM,DDR SDRAM)、增强型同步动态随机存取存储器(enhancedSDRAM,ESDRAM)、同步连接动态随机存取存储器(synchlink DRAM,SLDRAM)和直接内存总线随机存取存储器(direct rambus RAM,DR RAM)。
存储器130也可用于存储程序代码和数据,以便于处理器110调用存储器130中存储的程序代码执行上述方法实施例中实现地震反演或地震反演模型训练的操作步骤。此外,计算设备100可能包含相比于图10展示的更多或者更少的组件,或者有不同的组件配置方式。
总线140可以是外设部件互连标准(peripheral component interconnect,PCI)总线或扩展工业标准结构(extended industry standard architecture,EISA)总线等。所述总线140可以分为地址总线、数据总线、控制总线等。为便于表示,图10中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
可选地,该计算设备100还可以包括输入/输出接口150,输入/输出接口150连接有输入/输出设备,用于接收输入的信息,输出操作结果。
具体地,上述计算设备100执行各种操作的具体实现可参照上述方法实施例中S401至S405执行的具体操作,在此不再赘述。
由于本申请提供的预测装置中的各个模块可以分布式地部署在同一环境或者不同环境中的多个计算设备上,因此,本申请还提供一种如图11所示的系统,该系统包括多个计算设备200,每个计算设备200包括一个或者多个处理器210、通信接口220以及存储器230,其中,处理器210、通信接口220以及存储器230通过总线240相互连接,总线240可包括在计算设备200各个部件(例如,处理器210、通信接口220、存储器230)之间传送信息的通路。其中,上述处理器210的具体形式可以参照上述计算设备100中对处理器110的相关描述,上述通信接口220的具体形式可以参照上述计算设备100中对处理器120的相关描述,上述存储器230的具体形式可以参照上述计算设备100中对处理器130的相关描述,在此不再赘述。
可选地,计算设备200还可以包括输入/输出接口250,输入/输出接口250连接有输入/输出设备,用于接收输入的信息,输出操作结果。
上述每个计算设备200间通过通信网络建立通信通路。每个计算设备200上运行获取模块810或处理模块820中的任意一个或多个。例如,第一计算设备中运行有获取模块810与处理模块820,获取模块810用于获取地震数据体和测井数据,处理模块820用于执行上述S402中对测井数据的插值操作,以及执行S402中识别待炼制配合煤的组分的操作。在第二计算设备中同样运行有获取模块810与处理模块820,第二计算设备中的获取模块510用于执行S403根据地震数据体以及测井数据体,获取同一垂直剖面对应的地震数据和插值测井数据,处理模块820用于执行上述S404和S405中描述的方法。其中,任一计算设备200可以为云数据中心中的计算机(例如:服务器),或边缘数据中心中的计算机,或终端计算设备。
应理解,地震反演系统中的地震反演模型是通过训练数据训练后得到的,因此本申请还提供一种地震反演模型的训练系统,用于实现上述图7中描述的方法。该地震反演模型的系统可以包括一个或者多个计算设备,当该系统包括一个计算设备时,该系统的结构示意图可参见上述图10,当该系统包括多个计算设备时,该系统的结构示意图可参见上述图11,在此不再赘述。本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在处理器上运行时,可以实现上述方法实施例中的方法步骤,所述计算机可读存储介质的处理器在执行上述方法步骤的具体实现可参照上述方法实施例的具体操作,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其它实施例的相关描述。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质、或者半导体介质。半导体介质可以是固态硬盘(solid state drive,SSD)。
本申请实施例方法中的步骤可以根据实际需要进行顺序调整、合并或删减;本申请实施例装置中的模块可以根据实际需要进行划分、合并或删减。
以上对本申请实施例进行了详细介绍,本文中应用了具体个例对本申请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申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,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申请的限制。
Claims (25)
1.一种地震反演方法,其特征在于,包括:
获取第一剖面的地震数据和所述第一剖面的第一测井数据,其中,所述第一剖面为第一工区中的任一垂直剖面,所述第一剖面的地震数据与所述第一测井数据均为k*c的二维矩阵,其中,k为大于或等于1的正整数;
将所述第一剖面的地震数据和所述第一测井数据进行拼接,得到待预测数据,所述待预测数据为k*c*2的三维矩阵;
将所述待预测数据输入至训练好的地震反演模型,预测所述第一剖面的第二测井数据,所述第二测井数据为k*c的二维矩阵。
2.根据权利要求1所述的方法,其特征在于,所述获取第一剖面的地震数据和所述第一剖面的第一测井数据,包括:
获取所述第一工区的地震数据体与所述第一工区的真实测井数据,所述第一工区的地震数据体为a*b*c的三维矩阵,所述第一工区的真实测井数据为所述第一工区的m个测井的测井数据,所述m个测井中的每个测井的测井数据为一个一维数组,其中,a*b表示所述第一工区的地震道的数量,c表示每个地震道的采样点的数量;
根据预设插值算法对所述第一工区的真实测井数据进行插值操作,得到所述第一工区的测井数据体,所述第一工区的测井数据体为a*b*c的三维矩阵;
从所述第一工区的地震数据体中获取所述第一剖面的地震数据,从所述第一工区的测井数据体中获取所述第一测井数据。
3.根据权利要求2所述的方法,其特征在于,所述根据预设插值算法对所述第一工区的真实测井数据进行插值操作,得到所述第一工区的测井数据体,包括:
根据所述第一工区的地震数据体获取所述第一工区的层位信息,所述层位信息包括所述每个地震道包括的地层类型以及每种地层类型对应的坐标区间;
根据所述第一工区的层位信息与所述预设插值算法对所述第一工区的真实测井数据进行插值操作,得到所述第一工区的测井数据体。
4.根据权利要求3所述的方法,其特征在于,所述根据所述第一工区的层位信息与所述预设插值算法对所述第一工区的真实测井数据进行插值操作,包括:
根据所述第一工区的层位信息确定所述第一工区的真实测井数据中的每个测井数据对应的地层类型;
获取目标插值点的坐标,确定所述目标插值点对应的目标地层类型,所述目标插值点是所述第一工区中任意一个没有真实测井数据的点;
根据所述目标地层类型,在所述第一工区的真实测井数据中获取预设数量的测井数据,根据预设插值算法计算所述目标插值点的测井数据。
5.根据权利要求2至4任一项所述的方法,其特征在于,所述真实测井数据为密度、速度、波阻抗或伽马值中的任意一种。
6.一种地震反演模型的训练方法,其特征在于,包括:
获取第二剖面的地震数据和所述第二剖面的第三测井数据,其中,所述第二剖面为第二工区中经过一个或多个测井的任一垂直剖面,所述第二剖面的地震数据与所述第三测井数据均为k*c的二维矩阵,其中,k为大于或等于1的正整数;
将所述第二剖面的地震数据和所述第三测井数据进行拼接,得到训练数据,所述训练数据为k*c*2的三维矩阵;
将所述训练数据与所述第二剖面的真实测井数据输入至地震反演模型,对所述地震反演模型进行训练,得到训练好的地震反演模型,所述第二剖面的真实测井数据包括所述一个或多个测井的测井数据,所述第三测井数据包括所述第二剖面的真实测井数据。
7.根据权利要求6所述的方法,其特征在于,所述获取第二剖面的地震数据和所述第二剖面的第三测井数据,包括:
获取所述第二工区的地震数据体与所述第二工区的真实测井数据,所述第二工区的地震数据体为a*b*c的三维矩阵,所述第二工区的真实测井数据为所述第二工区的n个测井的测井数据,所述n个测井中的每个测井的测井数据为一个一维数组,所述n个测井包括所述一个或多个测井,其中,a*b表示所述第一工区的地震道的数量,c表示每个地震道的采样点的数量;
根据预设插值算法对所述第二工区的真实测井数据进行插值操作,得到所述第二工区的测井数据体,所述第二工区的测井数据体为a*b*c的三维矩阵;
从所述第二工区的地震数据体中获取所述第二剖面的地震数据,从所述第二工区的测井数据体中获取所述第三测井数据。
8.根据权利要求7所述的方法,其特征在于,所述根据预设插值算法对所述第二工区的真实测井数据进行插值操作,得到所述第二工区的测井数据体,包括:
根据所述第二工区的地震数据体获取所述第二工区的层位信息,所述层位信息包括每个地震道的地层类型以及所述每种地层类型对应的坐标区间;
根据所述第二工区的层位信息与所述预设插值算法对所述第二工区的真实测井数据进行插值操作,得到所述第二工区的测井数据体。
9.根据权利要求8所述的方法,其特征在于,所述根据预设插值算法对所述第二工区的真实测井数据进行插值操作,包括:
根据所述第二工区的层位信息确定所述第二工区的真实测井数据中的每个测井数据对应的地层类型;
获取目标插值点的坐标,确定所述目标插值点对应的目标地层类型,所述目标插值点是所述第二工区中任意一个没有真实测井数据的点;
根据所述目标地层类型,在所述第二工区的真实测井数据中获取预设数量的测井数据,根据预设插值算法计算所述目标插值点的测井数据。
10.根据权利要求6至9任一项所述的方法,其特征在于,在所述第二剖面经过多个测井时,所述多个测井在同一条直线上或者在不同的直线上。
11.根据权利要求6至10任一项所述的方法,其特征在于,所述真实测井数据为密度、速度、波阻抗或伽马值中的任意一种。
12.一种地震反演装置,其特征在于,包括:
获取模块,用于获取第一剖面的地震数据和所述第一剖面的第一测井数据,其中,所述第一剖面为第一工区中的任一垂直剖面,所述第一剖面的地震数据与所述第一测井数据均为k*c的二维矩阵,其中,k为大于或等于1的正整数;
预测模块:用于将所述第一剖面的地震数据和所述第一测井数据进行拼接,得到待预测数据,所述待预测数据为k*c*2的三维矩阵;
将所述待预测数据输入至训练好的地震反演模型,预测所述第一剖面的第二测井数据,所述第二测井数据为k*c的二维矩阵。
13.根据权利要求12所述的装置,其特征在于,所述获取模块具体用于:
获取所述第一工区的地震数据体与所述第一工区的真实测井数据,所述第一工区的地震数据体为a*b*c的三维矩阵,所述第一工区的真实测井数据为所述第一工区的m个测井的测井数据,所述m个测井中的每个测井的测井数据为一个一维数组,其中,a*b表示所述第一工区的地震道的数量,c表示每个地震道的采样点的数量;
根据预设插值算法对所述第一工区的真实测井数据进行插值操作,得到所述第一工区的测井数据体,所述第一工区的测井数据体为a*b*c的三维矩阵;
从所述第一工区的地震数据体中获取所述第一剖面的地震数据,从所述第一工区的测井数据体中获取所述第一测井数据。
14.根据权利要求13所述的装置,其特征在于,所述获取模块根据预设插值算法对所述第一工区的真实测井数据进行插值操作,得到所述第一工区的测井数据体,具体包括:
根据所述第一工区的地震数据体获取所述第一工区的层位信息,所述层位信息包括所述每个地震道包括的地层类型以及每种地层类型对应的坐标区间;
根据所述第一工区的层位信息与所述预设插值算法对所述第一工区的真实测井数据进行插值操作,得到所述第一工区的测井数据体。
15.根据权利要求14所述的装置,其特征在于,所述获取模块根据所述第一工区的层位信息与所述预设插值算法对所述第一工区的真实测井数据进行插值操作,具体包括:
根据所述第一工区的层位信息确定所述第一工区的真实测井数据中的每个测井数据对应的地层类型;
获取目标插值点的坐标,确定所述目标插值点对应的目标地层类型,所述目标插值点是所述第一工区中任意一个没有真实测井数据的点;
根据所述目标地层类型,在所述第一工区的真实测井数据中获取预设数量的测井数据,根据预设插值算法计算所述目标插值点的测井数据。
16.根据权利要求13至15任一项所述的装置,其特征在于,所述真实测井数据为密度、速度、波阻抗或伽马值中的任意一种。
17.一种地震反演模型的训练装置,其特征在于,包括:
获取模块,用于获取第二剖面的地震数据和所述第二剖面的第三测井数据,其中,所述第二剖面为第二工区中经过一个或多个测井的任一垂直剖面,所述第二剖面的地震数据与所述第三测井数据均为k*c的二维矩阵,其中,k为大于或等于1的正整数;
训练模块:将所述第二剖面的地震数据和所述第三测井数据进行拼接,得到训练数据,所述训练数据为k*c*2的三维矩阵;
将所述训练数据与所述第二剖面的真实测井数据输入至地震反演模型,对所述地震反演模型进行训练,得到训练好的地震反演模型,所述第二剖面的真实测井数据包括所述一个或多个测井的测井数据,所述第三测井数据包括所述第二剖面的真实测井数据。
18.根据权利要求17所述的装置,其特征在于,所述获取模块具体用于:
获取所述第二工区的地震数据体与所述第二工区的真实测井数据,所述第二工区的地震数据体为a*b*c的三维矩阵,所述第二工区的真实测井数据为所述第二工区的n个测井的测井数据,所述n个测井中的每个测井的测井数据为一个一维数组,所述n个测井包括所述一个或多个测井,其中,a*b表示所述第一工区的地震道的数量,c表示每个地震道的采样点的数量;
根据预设插值算法对所述第二工区的真实测井数据进行插值操作,得到所述第二工区的测井数据体,所述第二工区的测井数据体为a*b*c的三维矩阵;
从所述第二工区的地震数据体中获取所述第二剖面的地震数据,从所述第二工区的测井数据体中获取所述第三测井数据。
19.根据权利要求18所述的装置,其特征在于,所述获取模块根据预设插值算法对所述第二工区的真实测井数据进行插值操作,得到所述第二工区的测井数据体,具体包括:
根据所述第二工区的地震数据体获取所述第二工区的层位信息,所述层位信息包括每个地震道的地层类型以及所述每种地层类型对应的坐标区间;
根据所述第二工区的层位信息与所述预设插值算法对所述第二工区的真实测井数据进行插值操作,得到所述第二工区的测井数据体。
20.根据权利要求19所述的装置,其特征在于,所述获取模块根据预设插值算法对所述第二工区的真实测井数据进行插值操作,具体包括:
根据所述第二工区的层位信息确定所述第二工区的真实测井数据中的每个测井数据对应的地层类型;
获取目标插值点的坐标,确定所述目标插值点对应的目标地层类型,所述目标插值点是所述第二工区中任意一个没有真实测井数据的点;
根据所述目标地层类型,在所述第二工区的真实测井数据中获取预设数量的测井数据,根据预设插值算法计算所述目标插值点的测井数据。
21.根据权利要求17至20任一项所述的装置,其特征在于,在所述第二剖面经过多个测井时,所述多个测井在同一条直线上或者在不同的直线上。
22.根据权利要求17至21任一项所述的装置,其特征在于,所述真实测井数据为密度、速度、波阻抗或伽马值中的任意一种。
23.一种地震反演系统,其特征在于,包括处理器和存储器;所述存储器用于存储指令,所述处理器用于执行所述指令,当所述处理器执行所述指令时,所述系统执行如权利要求1至5任一项所述的方法。
24.一种地震反演模型的训练系统,其特征在于,包括处理器和存储器;所述存储器用于存储指令,所述处理器用于执行所述指令,当所述处理器执行所述指令时,所述系统执行如权利要求6至11任一项所述的方法。
25.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时,所述处理器执行如权利要求1至5或者执行如权利要求6至11任一项所述的方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010768657 | 2020-08-03 | ||
CN2020107686578 | 2020-08-03 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114063161A true CN114063161A (zh) | 2022-02-18 |
Family
ID=80233182
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011360748.4A Pending CN114063161A (zh) | 2020-08-03 | 2020-11-27 | 一种地震反演方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114063161A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116609852A (zh) * | 2023-07-06 | 2023-08-18 | 中国石油大学(华东) | 一种井震融合的地下介质参数高精度建模方法以及设备 |
-
2020
- 2020-11-27 CN CN202011360748.4A patent/CN114063161A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116609852A (zh) * | 2023-07-06 | 2023-08-18 | 中国石油大学(华东) | 一种井震融合的地下介质参数高精度建模方法以及设备 |
CN116609852B (zh) * | 2023-07-06 | 2024-01-23 | 中国石油大学(华东) | 一种井震融合的地下介质参数高精度建模方法以及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2653893B1 (en) | Faulted geological structures containing unconformities | |
EP3371629B1 (en) | Representing structural uncertainty in a mesh representing a geological environment | |
CN105277978B (zh) | 一种确定近地表速度模型的方法及装置 | |
Zheng et al. | A new perspective for the directivity of Rock Quality Designation (RQD) and an anisotropy index of jointing degree for rock masses | |
US10564317B2 (en) | Reservoir mesh creation using extended anisotropic, geometry-adaptive refinement of polyhedra | |
WO2016001697A1 (en) | Systems and methods for geologic surface reconstruction using implicit functions | |
EP2975438B1 (en) | Multiscale method for reservoir models | |
EP3978961B1 (en) | System and method for quantitative seismic integration modeling workflow | |
AU2013399056B2 (en) | CART-based proxy flow simulation procedure for ranking geostatistical realizations of rock properties | |
CN114063161A (zh) | 一种地震反演方法、装置及系统 | |
US10422925B2 (en) | 2.5D stadia meshing | |
CN114491774B (zh) | 一种深部背斜构造及地层结构三维数值模型构建方法 | |
CA3111539C (en) | Distributed sequencial gaussian simulation | |
Alghalandis et al. | Similarity analysis of discrete fracture networks | |
CN113221409B (zh) | 一种有限元和边界元耦合的声波二维数值模拟方法和装置 | |
Elmouttie et al. | Stochastic representation of sedimentary geology | |
He et al. | A procedure to detect, construct, quantify, numerically simulate and validate fracture networks in coal blocks | |
CN111502647B (zh) | 一种钻井地质环境因素确定方法、装置及存储介质 | |
CN111025393B (zh) | 针对含薄煤层地层的储层预测方法、装置、设备及介质 | |
US11255993B2 (en) | Variable aperture estimation using bottom-up ray tracing | |
Verscheure et al. | History matching of a realistic stochastic fault model using fractal geometry and the gradual deformation method | |
CN114063169B (zh) | 一种波阻抗反演方法、系统、设备和存储介质 | |
Berg | Methods for Estimating Fracture Abundance and Size From Borehole Observations (includes associated erratum) | |
CN113031073B (zh) | 叠前深度偏移速度确定方法、装置及设备 | |
Mogbolu et al. | Application of genetic algorithm in deconvolution of logs |
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 |