CN115728818A - 花岗岩潜山储层垂向分带地震识别方法及装置 - Google Patents

Abstract

本发明公开了一种花岗岩潜山储层垂向分带地震识别方法及装置，其中该方法包括：获取待识别花岗岩潜山储层的叠后地震数据；将待识别花岗岩潜山储层的叠后地震数据，输入到预先训练好的变分自编码器中，输出待识别花岗岩潜山储层的地震响应深度特征信息；根据待识别花岗岩潜山储层的地震响应深度特征信息，确定待识别花岗岩潜山储层的垂向地震相带，其中，不同的垂向地震相带对应不同的地震响应深度特征信息。本发明能够从花岗岩潜山储层的叠后地震数据中，快速、高精度地自动识别出花岗岩潜山储层的垂向分带。

Description

花岗岩潜山储层垂向分带地震识别方法及装置

技术领域

本发明涉及地球物理勘探技术领域，尤其涉及一种花岗岩潜山储层垂向分带地震识别方法及装置。

背景技术

本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

古潜山储层包括碳酸盐岩古潜山、花岗岩古潜山，广泛分布于我国的珠江口盆地、琼东南盆地、渤海湾盆地、辽河盆地等地区，海外也存在大量的酸盐岩和花岗岩古潜山储层。与碳酸盐岩相比，花岗岩本身致密坚硬，且为岩性结构。由野外观察到的花岗岩露头，可知花岗岩具有较强的风化现象。风化作用和溶蚀作用导致坚硬的花岗岩组成的岩石中形成了众多的、大小不均匀的孔、洞，以及受后期的构造作用力，发育一系列的裂缝。这些风化和溶蚀形成的孔洞，以及构造应力产生的裂缝使得花岗岩成为有效的油气储集空间。岩心和薄片综合分析表明，花岗岩储层可划分为孔隙型储层和裂缝型储层，其储集空间主要为构造裂缝、构造-溶解缝、破碎粒间孔、溶孔及解理缝。

大量的勘探实践表明，以花岗岩为主的古潜山储层主要发育在古潜山顶面300米左右范围内。与碳酸盐岩古潜山储层主要聚集在古潜山风化壳表面的裂缝和溶蚀孔隙中相比，花岗岩古潜山最表层受风化淋滤作用及其强烈，花岗岩一般完全风化成黏土矿物，储集性能完成丧失，其优质储层集中发育在潜山顶面以下的一定深度内，并且花岗岩潜山内部储层的储集性能逐渐变差。与岩石成分相对简单的碳酸盐岩而言，花岗岩潜山基岩的成分复杂，主要包括花岗岩、正长石、闪长石和二长石等岩浆岩，以及混合花岗岩、片麻岩等正变质岩，其岩石的矿物组分和元素包括石英、长石、角闪石和云母等。不同的矿物组分和元素其溶蚀能力存在显著差异，且在构造作用力下垂向上裂缝的发育程度存在差异，使得花岗岩潜山储层在纵向上具有明显的分层性。根据花岗岩潜山储层的测井响应特征，尤其是成像测井特征，以花岗岩为主的潜山储层纵向上可以划分为风化淋滤带、缝洞发育带、半充填裂缝破碎带和致密带。这些岩石物性的变化为地震资料预测储层的空间展布提供了机会，也决定了花岗岩潜山储层油气藏的空间展布具有似层状的特征。风化淋滤带主要分布在潜山的表层，岩石结构非均质性强，总体岩石破碎。在地震剖面上看，该地震反射与上覆的沉积层之间有明显的反射界面，内部以连续性较好的强振幅反射特征为主，成层性较好。缝洞发育带与上覆风化淋滤带之间有相对较明显的反射界面，呈块状特征，但厚度变化大，具有高构造部位厚，低部位薄。在地震剖面上看，内部以次连续的低频弱振幅反射特征为主。半充填带裂缝发育带岩石结构完整、裂缝偶尔有发育，以高角度缝为主，溶蚀现象不明显，与上覆的缝洞发育带之间呈过度关系，界面不明显，内部地震反射以低频弱反射特征为主。致密带岩石结构完整，一般不存在天然裂缝，内部的地震反射特征以低频杂乱反射为主。尽管整体上有别于沉积岩地层，花岗岩储层成层性较差，分带性在地震剖面上部明显，平面分布不稳定，但是有效利用地震响应特征是大范围地识别出花岗岩的垂直分带情况的一种有效手段。花岗岩潜山地层的垂向分带地震识别有助于花岗岩储层的精细描述。

目前，针对花岗岩潜山储层垂向分带地震识别工作主要有两大类：一种是地震解释专家以花岗岩潜山储层模式的地质规律为约束，人工在地震剖面观察不同分带的地震响应特征，进行垂向分带的划分；另一种是采用时间-频率属性分析技术、谱分解技术、振幅衰减梯度技术、基于古地貌的多信息融合技术、地震反演、地震裂缝预测技术等系列技术获得结果，进行综合分析识别花岗岩潜山储层的垂直分带。

综合分析，可认识到现有花岗岩潜山储层的垂直分带技术存在以下不足：

(1)尽管潜山花岗岩地质体在纵向上地震响应特征存在一定的差异，但是差别具有高度的复杂性。地质和地球物理专家仅仅根据经验知识，通过观察地震剖面中呈现的地震反射特征划分花岗岩潜山储层垂向分带，具有非常强的不确定性和主观性。

(2)现有的基于地震属性分析、地震反演、地震裂缝预测、地震波形特征等技术的花岗岩潜山储层垂向分带地震识别方法仅仅利用了不同带产生的地震响应在单道波形上的地震响应差异，或者单个采样点处地震属性差异，忽略了花岗岩潜山储层垂向不同带空间分布特征，难以充分同时利用由花岗岩潜山储层不同带产生的不同地震道纵向、横向结构信息。

发明内容

本发明实施例中提供了一种花岗岩潜山储层垂向分带地震识别方法，用以解决现有技术中花岗岩潜山储层垂向分带地震识别存在困难的技术问题，该方法包括：获取待识别花岗岩潜山储层的叠后地震数据；将待识别花岗岩潜山储层的叠后地震数据，输入到预先训练好的变分自编码器中，输出待识别花岗岩潜山储层的地震响应深度特征信息；根据待识别花岗岩潜山储层的地震响应深度特征信息，确定待识别花岗岩潜山储层的垂向地震相带，其中，不同的垂向地震相带对应不同的地震响应深度特征信息。

本发明实施例中还提供了一种花岗岩潜山储层垂向分带地震识别装置，用以解决现有技术中花岗岩潜山储层垂向分带地震识别存在困难的技术问题，该装置包括：地震数据获取模块，用于获取待识别花岗岩潜山储层的叠后地震数据；地震响应深度特征提取模块，用于将待识别花岗岩潜山储层的叠后地震数据，输入到预先训练好的变分自编码器中，输出待识别花岗岩潜山储层的地震响应深度特征信息；垂向地震相带识别模块，用于根据待识别花岗岩潜山储层的地震响应深度特征信息，确定待识别花岗岩潜山储层的垂向地震相带，其中，不同的垂向地震相带对应不同的地震响应深度特征信息。

本发明实施例中还提供了一种计算机设备，用以解决现有技术中花岗岩潜山储层垂向分带地震识别存在困难的技术问题，该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，处理器执行计算机程序时实现上述花岗岩潜山储层垂向分带地震识别方法。

本发明实施例中还提供了一种计算机可读存储介质，用以解决现有技术中花岗岩潜山储层垂向分带地震识别存在困难的技术问题，该计算机可读存储介质存储有执行上述花岗岩潜山储层垂向分带地震识别方法的计算机程序。

本发明实施例中提供的花岗岩潜山储层垂向分带地震识别方法、装置、计算机设备及计算机可读存储介质，通过机器学习预先训练一个根据叠后地震数据提取地震响应深度特征信息的变分自编码器，在获取到待识别花岗岩潜山储层的叠后地震数据后，将待识别花岗岩潜山储层的叠后地震数据，输入到预先训练好的变分自编码器中，输出待识别花岗岩潜山储层的地震响应深度特征信息，进而根据待识别花岗岩潜山储层的地震响应深度特征信息，确定待识别花岗岩潜山储层的垂向地震相带。

通过本发明实施例，能够从花岗岩潜山储层的叠后地震数据中，快速、高精度地自动识别出花岗岩潜山储层的垂向分带。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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本发明的一些实施例，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，还可以根据这些附图获得其他的附图。在附图中：

图1为本发明实施例中的一种花岗岩潜山储层垂向分带地震识别方法流程图；

图2为本发明实施例中的一种花岗岩潜山储层垂向分带地震识别方法的具体实施流程图；

图3为本发明实施例中的一种变分自编码器结构示意图；

图4为本发明实施例中的一种种子点选取示意图；

图5为本发明实施例中的一种种子点地震响应特征类别示意图；

图6为本发明实施例中的一种种子区域生长算法示意图；

图7为本发明实施例中的一条联井测线上花岗岩的地震剖面示意图；

图8为本发明实施例中的一条联井测线上花岗岩垂向相带识别结果示意图；

图9为本发明实施例中的与图7对应的瞬时频率剖面示意图；

图10为本发明实施例中的另一条联井测线上花岗岩的地震剖面示意图；

图11为本发明实施例中的另一条联井测线上花岗岩垂向相带识别结果示意图；

图12为本发明实施例中的与图10对应的瞬时频率剖面示意图；

图13为本发明实施例中的一种花岗岩潜山储层垂向分带地震识别装置示意图；

图14为本发明实施例中的一种计算机设备示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。

现有的花岗岩潜山储层垂向分带地震识别都是提取一系列的地震属性后，由单个地震采样点的地震数据构成分类的样本，然后采用由监督和无监督的方法进行分类，忽略了花岗岩潜山储层垂向分带的空间结构差异产生的地震响应特征。

以机器学习和图像分割理论为基础，本发明实施例中提供了一种花岗岩潜山储层垂向分带地震识别方法，考虑花岗岩潜山储层垂向分带的空间结构差异，能够使得识别结果更加准确。

图1为本发明实施例中的一种花岗岩潜山储层垂向分带地震识别方法流程图，如图1所示，该方法包括如下步骤：

S101，获取待识别花岗岩潜山储层的叠后地震数据。

S102，将待识别花岗岩潜山储层的叠后地震数据，输入到预先训练好的变分自编码器中，输出待识别花岗岩潜山储层的地震响应深度特征信息。

需要说明的是，上述变分自编码器为预先通过机器学习训练得到的一个根据叠后地震数据提取地震响应深度特征信息的模型。

在具体实施时，针对花岗岩潜山储层地震响应特征的复杂性，采用变分自编码器(Variational Auto-Encoder，VAE)结构中的编码器实现花岗岩潜山储层地震响应的特征提取。以测井位置提取的待分析点地震数据子体作为变分自编码器的输入，训练变分自编码器，获得自编码器的网络结构。将获得变分自编码器结构中的编码器深度网络作为最终的花岗岩潜山储层地震响应深度特征提取的深度网络。

本发明实施例中，采用变分自编码器对待分析点形成的地震子体进行深度特征提取，有助于充分挖掘花岗岩潜山储层垂向分带的空间结构差异产生的地震响应特征。通过本发明实施例，能够快速自动地划分花岗岩潜山地层的垂向地震相带，并可以将其方法快速应用于相似地质情况的工。

S103，根据待识别花岗岩潜山储层的地震响应深度特征信息，确定待识别花岗岩潜山储层的垂向地震相带，其中，不同的垂向地震相带对应不同的地震响应深度特征信息。

在具体实施时，利用测井或者地质认识先验信息选择可靠的花岗岩潜山储层不同分带的位置，分析花岗岩潜山储层不同分带的地震响应深度特征，利用分类方法获得不同分带的地震响应深度特征中心。将可靠的花岗岩潜山储层不同分带的位置作为种子点的出发点，基于提取的花岗岩潜山储层的地震响应深度特征与花岗岩潜山储层不同分带的地震响应深度特征中心进行比较，利用图像分割领域的种子区域生长算法将地震数据体划分为不同地震响应特征的区域，实现花岗岩潜山储层垂向分带的地震自动识别。

本发明实施例中提供的花岗岩潜山储层垂向分带地震识别方法，通过机器学习方法从地震数据图像中提取出花岗岩储层垂向分带的深度特征，增强花岗岩储层垂向分带地震响应特征的差异，并采用图像分割的方法分析机器学习提取的深度特征的空间关系，能够快速、高精度地根据花岗岩潜山地震的深度反射特征划分花岗岩潜山储层垂向地震相带，不需要人为的选择地震属性，能够避免解释人员主观性的影响。

在一个实施例中，本发明实施例中提供的花岗岩潜山储层垂向分带地震识别方法还可以包括如下步骤：获取花岗岩潜山储层不同垂向分带对应的地震响应深度特征信息；根据花岗岩潜山储层不同垂向分带对应的地震响应深度特征信息，确定花岗岩潜山储层不同垂向分带对应的地震响应深度特征中心。该实施例中，上述S103可通过如下步骤来实现：将待识别花岗岩潜山储层的地震响应深度特征信息，与花岗岩潜山储层不同垂向分带对应的地震响应深度特征中心进行比对，采用种子区域生长算法对待识别花岗岩潜山储层的地震响应深度特征信息进行区域分割，得到花岗岩潜山储层的垂向地震相带。

在一个实施例中，本发明实施例中提供的花岗岩潜山储层垂向分带地震识别方法还可以包括如下步骤：确定至少一个种子点，其中，每个种子点对应一个种子区域。该实施例中，上述S103可通过如下步骤来实现：根据待识别花岗岩潜山储层的地震响应深度特征信息，计算每个种子区域与周围相邻点之间的深度特征相似度；根据每个种子区域与周围相邻点之间的深度特征相似度，将叠后地震数据中的各个点划分到花岗岩潜山储层不同垂向分带对应的区域内，得到花岗岩潜山储层的垂向地震相带。

在确定至少一个种子点的时候，本发明实施例中提供的花岗岩潜山储层垂向分带地震识别方法，可以通过如下步骤来来实现：获取待识别花岗岩潜山储层的测井数据；根据待识别花岗岩潜山储层的测井数据，确定叠后地震数据中包含的一个或多个井点位置，将每个井点位置作为一个种子区域生长的一个种子点。

图2为本发明实施例中的一种花岗岩潜山储层垂向分带地震识别方法的具体实施流程图，如图2所示，具体可包括：

一、测井数据分析，获得钻井位置花岗岩储层垂直分带的具体位置。

二、井震标定，获得待处理的地震数据范围。

三、获取分析点的地震数据样本。神经网络能够处理高维数据，因此在此步骤中，将构建三维地震数据训练集。在具体实施时，可以窗口大小为s₁×s₂×s₃的固定窗口大小从三维体地震数据中，依次步长为1切取数据，其中S1、S2、S3分别为Inline(地震勘探主测线)、Crossline(地震勘探联络测线)和Time/Depth方向的采样点数。一般Inline和Xline取值为5～9，Time/Depth为地震反波的一个主周期或一个波长。将利用测井或者地质认识先验信息选择可靠的花岗岩潜山储层不同分带的位置的地震数据样本作为训练数据，且保证训练样本数据尽可能的多，这样最大程度的保证了变分自编码器网络不会发生过拟合现象。

四、地震数据样本的深度特征提取：

花岗岩潜山地层在地震中反射特征主要表现为低频的凌乱反射，而识别这种凌乱反射特征成为识别花岗岩潜山地层不同相带空间分布的关键。目前的地震属性方法还只是针对一些规律反射，而很难找到一种能够很好反映规律复杂凌乱反射特征的地震属性提取方法。变分自编码器中的编码部分神经网络是一种深度特征的有效表征，其被广泛应用于属性提取和降维中。VAE不需要数据的任何先验假设，能够很好的适应于花岗岩潜山地层地震反射特征的提取。

首先使用变分自编码器对叠后地震数据进行深度特征提取。变分自编码器的网络结构示意图如图3所示。变分自编码器由多层神经网络组成，其主要分为两部分：编码器E(·)和解码器D(·)。解码器的主要作用是将地震数据x通过神经网络映射到潜在空间，即z＝E(x)，z为潜在空间的隐变量。然后再由解码器D(·)将隐变量z解码还原为地震数据

编码器E(·)将地震数据x解码为均值μ_x和方差σ_x，均值和方差叠加形成隐变量z，即z＝μ_x+σ_x。在VAE中，希望得到的均值μ_x和方差σ_x接近正太分布。KL散度被用于衡量两个分布之间的相似性，因此在VAE的损失函数中包含了如下关于隐变量z的损失函数：

变分自编码器的另外一项损失函数是关于输入的地震数据x和重构地震数据

最小平方差：

VAE最终的损失函数为：

L＝L₁+L₂ (3)

对于式(3)的优化，运用梯度下降法进行优化。

五、种子点的选取：

种子点的选取是本发明技术取得成效的关键之一。种子点可以由解释人员的专家经验知识给定，也可由钻井信息获得。通常在地震勘探区域存在少量的井点数据，而井点数据中的测井和录井数据是对地下岩层最为真实的反映。因此我们根据S1获得的钻井位置花岗岩储层垂直分带的具体位置作为种子区域生长的种子点，如图3所示。

将花岗岩潜山地层中的种子点分为两类：一类是具有溶蚀孔洞、裂缝发育的破碎花岗岩相带，其主要反射特征为低频较为连续的同相轴；另一类是致密花岗岩相带，其主要反射特征为凌乱弱地震反射。其上覆沉积岩地层为第三类，即是横向连续的沉积岩相带，其主要反射特征为横向地震反射连续、频率较高、能量较强的地震反射，如图4所示。

六、种子区域生长的花岗岩潜山储层垂向分带地震自动识别：

采用种子区域生长算法对于三维地震数据的花岗岩潜山储层垂向分带地震自动识别的主要步骤如下：

将三维地震数据中的井点位置作为种子点

其中N表示种子点的个数。将每个种子点作为一个区域

计算每个区域Q_i与周围相邻点之间的深度特征的相似性。本发明采用距离度量相邻点基于变分自编码器提取的地震反射深度特征的相似性。对于种子点周围相邻点，找出与其深度特征距离最小的区域，并将其包含到这个区域中；

重复步骤S202，直到地震数据体中所有的点被划入不同带对应的区域；

最终得到的区域

为花岗岩潜山储层的垂向地震相带空间分布数据。

相邻点x_n与区域Q_i之间深度特征的距离度量计算如下：

其中

表示区域Q_i的平均值，||·||₂表示二范数。

图3为本发明实施例中的一种变分自编码器结构示意图，如图3所示，本发明实施例中采用的变分自编码器由深度神经网络构成，整体结构分为两个部分，即编码器和解码器。编码器是一个神经网络，其作用是将输入的地震信号编码为隐变量，是一种在最大限度的保持输入信号特征的前提下，实现学习将数据有效压缩到低维空间的方法。解码器也是一个神经网络，将隐变量解码为与原始信号一致的信号。VAE的目标是要求解码得到的地震信号和输入的地震信号竟可能的一致，即VAE需要有足够的重构能力。与此同时，VAE还要求得到隐变量服从正太分布。VAE利用梯度下降法优化网络。

图4为本发明实施例中的一种种子点选取示意图，如图4中左图所示为花岗岩潜山储层地震勘探示意图，右图为地面地震勘探获得叠后地震数据体中的抽取的一条过井叠后地震剖面。本发明实施例中，将钻遇花岗岩体测井段区域生长算法中所指的种子点位置。

图5为本发明实施例中的一种种子点地震响应特征类别示意图，如图5所示，本发明实施例中，将花岗岩潜山地层的种子点地震响应特征分为两类：一类是具有溶蚀孔洞、裂缝发育的破碎花岗岩相带，其主要反射特征为低频较为连续的同相轴；另一类是致密花岗岩相带，其主要反射特征为凌乱弱地震反射。其上覆沉积岩地层为第三类，即是横向连续的沉积岩相带，其主要反射特征为横向地震反射连续、频率较高、能量较强的地震反射；

图6为本发明实施例中的一种种子区域生长算法示意图，如图6所示，每一个方格表示为叠后地震剖面上的振幅点，图标601所示的图案填充区域表示区域Q_i，图标602所以的图案填充表示与区域Q_i相邻的点x_n，

表示区域Q_i所有振幅点的平均值。

图7为本发明实施例中的一条联井测线上花岗岩的地震剖面示意图，图8为对应该条联井测线上花岗岩垂向相带识别结果示意图，如图7和图8所示，展示于剖面中蓝色层位线为花岗岩潜山与上覆沉积岩的分界面，即花岗岩地层的顶。图中插入的井曲线为声波速度曲线。声波曲线的特征表明，花岗岩地层的速度远高于上覆沉积岩的地层速度，花岗岩地层中速度的变化与花岗岩的溶蚀和裂缝发育成都密切相关，整体上自潜山顶面开始速度有逐渐增大的趋势。XTB、XTF、XTF2、XTHF、XBT分别为由测井、钻井、录井等资料综合识别的潜山顶界(风化淋滤带顶界)、缝洞发育带上段顶界、缝洞发育带下段顶界、半充填裂缝破碎带顶界和致密带的顶界。由于受地震资料分辨率的限制，本次将风化淋滤带、缝洞发育带作为花岗岩潜山储层发育带，即将其作为一个整体进行识别，而半充填裂缝破碎带和致密带作为一个整体。在提取的叠后地震反射深度特征的基础上，利用种子区域生长将花岗岩潜山地层划分为两个相带，图8中区域A表示花岗岩溶蚀、裂缝发育的破碎带分布区域；图8中区域B表示致密花岗岩地层分布区。其层位上部区域C表示相带代表沉积岩地层。

图9为与图7所示地震剖面对应的瞬时频率剖面。在瞬时频率剖面，上覆沉积岩地层整体表现为横向连续，瞬时频率高的特征，花岗岩潜山地层整体上表现为低频特征，且自潜山顶面向下瞬时频率有增高的趋势，其花岗岩溶蚀、裂缝发育区域致密带未见清晰分界面。

图10和图11分别另一条联井测线上花岗岩的地震剖面和垂向相带识别结果示意图；图10、图11中标注符号、曲线与图7、图8相同。图10中区域A表示花岗岩溶蚀、裂缝发育的破碎带分布区域；图10中区域B表示致密花岗岩地层分布区。其层位上部区域C表示相带代表沉积岩地层。图12为与图10所示地震剖面对应的瞬时频率剖面。

基于同一发明构思，本发明实施例中还提供了一种花岗岩潜山储层垂向分带地震识别装置，如下面的实施例所述。由于该装置解决问题的原理与花岗岩潜山储层垂向分带地震识别方法相似，因此该装置的实施可以参见花岗岩潜山储层垂向分带地震识别方法的实施，重复之处不再赘述。

图13为本发明实施例中的一种花岗岩潜山储层垂向分带地震识别装置示意图，如图13所示，该装置包括：地震数据获取模块131、地震响应深度特征提取模块132和垂向地震相带识别模块133。

其中，地震数据获取模块131，用于获取待识别花岗岩潜山储层的叠后地震数据；地震响应深度特征提取模块132，用于将待识别花岗岩潜山储层的叠后地震数据，输入到预先训练好的变分自编码器中，输出待识别花岗岩潜山储层的地震响应深度特征信息；垂向地震相带识别模块133，用于根据待识别花岗岩潜山储层的地震响应深度特征信息，确定待识别花岗岩潜山储层的垂向地震相带，其中，不同的垂向地震相带对应不同的地震响应深度特征信息。

此处需要说明的是，上述地震数据获取模块131、地震响应深度特征提取模块132和垂向地震相带识别模块133对应于方法实施例中的S101～S103，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述方法实施例所公开的内容。需要说明的是，上述模块作为装置的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。

在一个实施例中，如图13所示，本发明实施例中提供的花岗岩潜山储层垂向分带地震识别装置还可以包括：花岗岩潜山储层分析模块134，用于获取花岗岩潜山储层不同垂向分带对应的地震响应深度特征信息；以及根据花岗岩潜山储层不同垂向分带对应的地震响应深度特征信息，确定花岗岩潜山储层不同垂向分带对应的地震响应深度特征中心；该实施例中，上述垂向地震相带识别模块133还用于将待识别花岗岩潜山储层的地震响应深度特征信息，与花岗岩潜山储层不同垂向分带对应的地震响应深度特征中心进行比对，采用种子区域生长算法对待识别花岗岩潜山储层的地震响应深度特征信息进行区域分割，得到花岗岩潜山储层的垂向地震相带。

在一个实施例中，如图13所示，本发明实施例中提供的花岗岩潜山储层垂向分带地震识别装置还可以包括：种子点确定模块135，用于确定至少一个种子点，其中，每个种子点对应一个种子区域；该实施例中，上述垂向地震相带识别模块133还用于根据待识别花岗岩潜山储层的地震响应深度特征信息，计算每个种子区域与周围相邻点之间的深度特征相似度；以及根据每个种子区域与周围相邻点之间的深度特征相似度，将叠后地震数据中的各个点划分到花岗岩潜山储层不同垂向分带对应的区域内，得到花岗岩潜山储层的垂向地震相带。

在一个实施例中，如图13所示，本发明实施例中提供的花岗岩潜山储层垂向分带地震识别装置还可以包括：测井数据获取模块136，用于获取待识别花岗岩潜山储层的测井数据；该实施例中，上述种子点确定模块135还用于根据待识别花岗岩潜山储层的测井数据，确定叠后地震数据中包含的一个或多个井点位置，将每个井点位置作为一个种子区域生长的一个种子点。

基于同一发明构思，本发明实施例中还提供了一种计算机设备，用以解决现有技术中花岗岩潜山储层垂向分带地震识别存在困难的技术问题，图14为本发明实施例中的一种计算机设备示意图，如图14所示，该计算机设备14包括存储器141、处理器142及存储在存储器141上并可在处理器142上运行的计算机程序，处理器142执行计算机程序时实现上述花岗岩潜山储层垂向分带地震识别方法。

基于同一发明构思，本发明实施例中还提供了一种计算机可读存储介质，用以解决现有技术中花岗岩潜山储层垂向分带地震识别存在困难的技术问题，该计算机可读存储介质存储有执行上述花岗岩潜山储层垂向分带地震识别方法的计算机程序。

综上所述，本发明实施例中提供的花岗岩潜山储层垂向分带地震识别方法、装置、计算机设备及计算机可读存储介质，通过机器学习预先训练一个根据叠后地震数据提取地震响应深度特征信息的变分自编码器，在获取到待识别花岗岩潜山储层的叠后地震数据后，将待识别花岗岩潜山储层的叠后地震数据，输入到预先训练好的变分自编码器中，输出待识别花岗岩潜山储层的地震响应深度特征信息，进而根据待识别花岗岩潜山储层的地震响应深度特征信息，确定待识别花岗岩潜山储层的垂向地震相带。

通过本发明实施例，能够从花岗岩潜山储层的叠后地震数据中，快速、高精度地自动识别出花岗岩潜山储层的垂向分带。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种花岗岩潜山储层垂向分带地震识别方法，其特征在于，包括：

获取待识别花岗岩潜山储层的叠后地震数据；

将所述待识别花岗岩潜山储层的叠后地震数据，输入到预先训练好的变分自编码器中，输出所述待识别花岗岩潜山储层的地震响应深度特征信息；

根据所述待识别花岗岩潜山储层的地震响应深度特征信息，确定所述待识别花岗岩潜山储层的垂向地震相带，其中，不同的垂向地震相带对应不同的地震响应深度特征信息。

2.如权利要求1所述的方法，其特征在于，所述方法还包括：

获取花岗岩潜山储层不同垂向分带对应的地震响应深度特征信息；

根据花岗岩潜山储层不同垂向分带对应的地震响应深度特征信息，确定花岗岩潜山储层不同垂向分带对应的地震响应深度特征中心；

其中，根据所述待识别花岗岩潜山储层的地震响应深度特征信息，确定所述待识别花岗岩潜山储层的垂向地震相带，包括：将所述待识别花岗岩潜山储层的地震响应深度特征信息，与花岗岩潜山储层不同垂向分带对应的地震响应深度特征中心进行比对，采用种子区域生长算法对所述待识别花岗岩潜山储层的地震响应深度特征信息进行区域分割，得到所述花岗岩潜山储层的垂向地震相带。

3.如权利要求1所述的方法，其特征在于，所述方法还包括：

确定至少一个种子点，其中，每个种子点对应一个种子区域；

其中，根据所述待识别花岗岩潜山储层的地震响应深度特征信息，确定所述待识别花岗岩潜山储层的垂向地震相带，包括：根据所述待识别花岗岩潜山储层的地震响应深度特征信息，计算每个种子区域与周围相邻点之间的深度特征相似度；根据每个种子区域与周围相邻点之间的深度特征相似度，将所述叠后地震数据中的各个点划分到花岗岩潜山储层不同垂向分带对应的区域内，得到所述花岗岩潜山储层的垂向地震相带。

4.如权利要求3所述的方法，其特征在于，确定至少一个种子点，包括：

获取所述待识别花岗岩潜山储层的测井数据；

根据所述待识别花岗岩潜山储层的测井数据，确定所述叠后地震数据中包含的一个或多个井点位置，将每个井点位置作为一个种子区域生长的一个种子点。

5.一种花岗岩潜山储层垂向分带地震识别装置，其特征在于，包括：

地震数据获取模块，用于获取待识别花岗岩潜山储层的叠后地震数据；

地震响应深度特征提取模块，用于将所述待识别花岗岩潜山储层的叠后地震数据，输入到预先训练好的变分自编码器中，输出所述待识别花岗岩潜山储层的地震响应深度特征信息；

垂向地震相带识别模块，用于根据所述待识别花岗岩潜山储层的地震响应深度特征信息，确定所述待识别花岗岩潜山储层的垂向地震相带，其中，不同的垂向地震相带对应不同的地震响应深度特征信息。

6.如权利要求5所述的装置，其特征在于，所述装置还包括：

花岗岩潜山储层分析模块，用于获取花岗岩潜山储层不同垂向分带对应的地震响应深度特征信息；以及根据花岗岩潜山储层不同垂向分带对应的地震响应深度特征信息，确定花岗岩潜山储层不同垂向分带对应的地震响应深度特征中心；

其中，所述垂向地震相带识别模块还用于将所述待识别花岗岩潜山储层的地震响应深度特征信息，与花岗岩潜山储层不同垂向分带对应的地震响应深度特征中心进行比对，采用种子区域生长算法对所述待识别花岗岩潜山储层的地震响应深度特征信息进行区域分割，得到所述花岗岩潜山储层的垂向地震相带。

7.如权利要求5所述的装置，其特征在于，所述装置还包括：

种子点确定模块，用于确定至少一个种子点，其中，每个种子点对应一个种子区域；

其中，所述垂向地震相带识别模块还用于根据所述待识别花岗岩潜山储层的地震响应深度特征信息，计算每个种子区域与周围相邻点之间的深度特征相似度；以及根据每个种子区域与周围相邻点之间的深度特征相似度，将所述叠后地震数据中的各个点划分到花岗岩潜山储层不同垂向分带对应的区域内，得到所述花岗岩潜山储层的垂向地震相带。

8.如权利要求7所述的装置，其特征在于，所述装置还包括：

测井数据获取模块，用于获取所述待识别花岗岩潜山储层的测井数据；

其中，所述种子点确定模块还用于根据所述待识别花岗岩潜山储层的测井数据，确定所述叠后地震数据中包含的一个或多个井点位置，将每个井点位置作为一个种子区域生长的一个种子点。

9.一种计算机设备，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至4任一项所述花岗岩潜山储层垂向分带地震识别方法。

10.一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执行权利要求1至4任一项所述花岗岩潜山储层垂向分带地震识别方法的计算机程序。

Images