CN115877449A - 用于在勘测区域内获得地下堆叠图像的计算机实现方法 - Google Patents
用于在勘测区域内获得地下堆叠图像的计算机实现方法 Download PDFInfo
- Publication number
- CN115877449A CN115877449A CN202211180345.0A CN202211180345A CN115877449A CN 115877449 A CN115877449 A CN 115877449A CN 202211180345 A CN202211180345 A CN 202211180345A CN 115877449 A CN115877449 A CN 115877449A
- Authority
- CN
- China
- Prior art keywords
- updated
- transitory computer
- initial
- memory device
- readable memory
- 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 117
- 230000015654 memory Effects 0.000 claims description 71
- 238000013508 migration Methods 0.000 claims description 33
- 230000005012 migration Effects 0.000 claims description 33
- 230000002441 reversible effect Effects 0.000 claims description 28
- 230000002596 correlated effect Effects 0.000 claims 2
- 230000000875 corresponding effect Effects 0.000 claims 2
- 238000003384 imaging method Methods 0.000 abstract description 11
- 238000004590 computer program Methods 0.000 abstract description 7
- 238000003860 storage Methods 0.000 description 33
- 238000004422 calculation algorithm Methods 0.000 description 28
- 238000004458 analytical method Methods 0.000 description 25
- 238000005755 formation reaction Methods 0.000 description 22
- 230000015572 biosynthetic process Effects 0.000 description 21
- 230000008569 process Effects 0.000 description 21
- 238000003325 tomography Methods 0.000 description 16
- 238000012545 processing Methods 0.000 description 14
- 238000005259 measurement Methods 0.000 description 12
- 230000005540 biological transmission Effects 0.000 description 11
- 230000009471 action Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 229930195733 hydrocarbon Natural products 0.000 description 6
- 150000002430 hydrocarbons Chemical class 0.000 description 6
- 239000003921 oil Substances 0.000 description 5
- 239000004215 Carbon black (E152) Substances 0.000 description 4
- 238000013459 approach Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000012512 characterization method Methods 0.000 description 4
- 238000013500 data storage Methods 0.000 description 4
- 238000005553 drilling Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000002123 temporal effect Effects 0.000 description 4
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000007639 printing Methods 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000002939 conjugate gradient method Methods 0.000 description 2
- 238000013479 data entry Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- RXZBMPWDPOLZGW-HEWSMUCTSA-N (Z)-roxithromycin Chemical group O([C@@H]1[C@@H](C)C(=O)O[C@@H]([C@@]([C@H](O)[C@@H](C)C(=N\OCOCCOC)/[C@H](C)C[C@@](C)(O)[C@H](O[C@H]2[C@@H]([C@H](C[C@@H](C)O2)N(C)C)O)[C@H]1C)(C)O)CC)[C@H]1C[C@@](C)(OC)[C@@H](O)[C@H](C)O1 RXZBMPWDPOLZGW-HEWSMUCTSA-N 0.000 description 1
- 241000894006 Bacteria Species 0.000 description 1
- 241000272194 Ciconiiformes Species 0.000 description 1
- 241000218631 Coniferophyta Species 0.000 description 1
- 241000557829 Herbertus Species 0.000 description 1
- 235000019687 Lamb Nutrition 0.000 description 1
- 241000276498 Pollachius virens Species 0.000 description 1
- 235000011449 Rosa Nutrition 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 230000003334 potential effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 238000004448 titration Methods 0.000 description 1
- 230000009466 transformation 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
- G01V1/303—Analysis for determining velocity profiles or travel times
-
- 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
- G01V1/282—Application of seismic models, synthetic seismograms
-
- 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
- G01V2210/50—Corrections or adjustments related to wave propagation
- G01V2210/51—Migration
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/50—Corrections or adjustments related to wave propagation
- G01V2210/51—Migration
- G01V2210/512—Pre-stack
-
- 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
- G01V2210/614—Synthetically generated data
-
- 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
- G01V2210/622—Velocity, density or impedance
- G01V2210/6222—Velocity; travel time
-
- 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
- G01V2210/67—Wave propagation modeling
- G01V2210/679—Reverse-time modeling or coalescence modelling, i.e. starting from receivers
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
一种计算机实现方法以及被编程为执行计算机实现方法的操作的系统设备，以在具有高速对比地质体的整个勘测区域上获得地下堆叠图像、地下角度道集和地下速度模型。具体地，用户输入、输入速度模型和地面地震数据通过固定的震源和接收器来获得，然后由嵌入计算系统设备中的计算机程序产品使用，以减小获得最终速度模型、最终堆叠图像和最终角度道集所需的迭代次数，其中它们的平坦度偏差等于或小于用户定义的平坦度值。因此，由所述计算机实现方法和系统开发的属性可以帮助解决亚高速对比地质体如盐下储层或盐悬深微型盆地的成像问题。
Description
技术领域
本公开总体上涉及用于地下地层的地震勘探的计算机实现的方法及系统，其中使用基于射线的方法及系统来获得用于亚高速对比地质体(例如，盐下储层或盐悬深微型盆地)的公共图像道集，但是所述方法及系统不能为那些困难区域提供可靠的公共图像道集，这是因为逆时偏移角度道集的残余时差曲率与基于射线的方法是不同的，特别是对于大角度而言。因此，无法实现逆时偏移角度道集与基于射线的残余时差曲线的收敛。
背景技术
1.概述
地震勘探也称为地震勘测，涉及对感兴趣的所述地下地层和地质结构的研究。一般来说，地震勘探的目的是对勘测区域的地下进行成像，以识别地下碳氢化合物的潜在位置。通常，地震勘探和储层表征是在被勘测的土壤和流体势特性的区域上实现的。根据在勘测区域中发现的特性，可以建立一个或多个碳氢化合物储层(即石油和天然气)。有时，这些储层可能在地下高速对比地质体(如盐下储层或在盐悬深微型盆地地区)之下发现。
在地震勘探中，将一个或多个地震能量源(即入射点或炮点)放置在地球表面附近的不同位置，以产生波形式的信号，该信号通过地球向下传播，进入地下高速对比地质体。一旦由所发射的地震能量而产生的波进入地下地层，这些波就会在整个地下被反射、折射或散射，然后由记录、采样或测量所述波的接收传感器来捕获。在本领域中，所记录的波通常称为地面反射地震数据或地震道。这些数据或道可能包含有关正在勘探的探测区域的地质结构和特性的信息。然后使用计算机实现的方法对它们进行分析，以提取正在勘探的地层探测区域的结构和特性的详细信息。许多计算机实现的方法使用一种反演模型，该模型包括一种分析方法，其中将对应于来自地球地下地层之间的反射界面的声能反射的深度域信号转换为一个或多个代表地层的物理属性的道。
然而，大多数感兴趣的地下地层(或地质结构)已经形成了在岩溶化期间产生的裂缝，然后这些岩溶系统被埋在地下。因此，油气的主要储存空间可能是在含有裂缝带的洞穴中，这在某种意义上作为岩溶表征的关键内容而成为洞穴识别(Tian F，X.B Lu，S.QZheng，H.F Zhang，Y.S Rong，D.B Yang和N.G Liu.2017，Structure and fillingcharacteristics of paleokarst reservoirs in the northern Tarim basin，revealedby outcrop，core and borehole image；Open Geosciences vol.9第266-280页；和TianF，H.F Wang，F.Q Cheng，W Xin，O Fayemi，W Zhang，and X.C Shan.2019，Three-dimensional geophysical characterization of deeply buried paleokarst systemin the Tahe oilfield Tarim basin，China；Water vol.11(5)，p.1045.)。由于这不是一件容易的任务，由Fei Tian等人，同上，(2019)最初提出了通过岩心样本描述、测井解释、3D地震建模和高分辨率阻抗数据集的多管齐下的方法来描绘古洞穴和其他古岩溶油田的3D几何形态。然而，这仍然需要帮助本领域的技术人员进行高速对比地质体识别，因为它还需要使用像本发明这样的创新计算机实现方法来解决高速对比地质体识别的问题。
2.叠前偏移的基本依据
偏移是一种地震数据处理技术，用于将地震事件映射到它们的合适位置(Sheriff，R E.，&Gerdart，L.P.，1995，勘探地震学，剑桥大学出版社)。根据岩性的复杂性，偏移是在时域或深度域中完成。在存在与复杂的上覆层岩结构相关的强烈横向速度变化的情况下，时间偏移会产生不准确的图像。在这种情况下，地层成像是通过深度偏移来完成的。强烈的横向速度变化会导致层边界处的明显射线的弯曲，从而引起在共中心点(CMP)道集上反射时间的非双曲线行为。因此，在基于双曲线时差假设的常规CMP叠加期间，与具有非双曲线时差的反射事件相关的振幅和旅行时会失真。这会导致CMP叠加偏离理想的零偏移波场。因此，当需要深度偏移时，原则上是在叠加之前而不是叠加之后完成(Yilmaz，Oz，2001，Seismic Data Analysis，Society of Exploration Geophysicists)。在大多数情况下会实施逆时偏移(RTM)，因为它是一种适用于复杂结构区域成像的叠前双向波动方程偏移算法方案，能够处理陡峭的结构倾角和高速对比。
深度偏移的第一步是选择一个层速度深度模型。深度图像的质量在很大程度上取决于输入数据、反演算法和选择的模型类别(反射界面的数量、界面的参数化、几何形状和层内的速度等)。时间偏移和深度偏移都使用衍射项来将能量沿着衍射双曲线折叠到其顶点，只有深度偏移算法执行用于明确解释横向速度变化的附加薄透镜项。本领域的普通技术人员对于叠前深度偏移的一般工作流程如下：
1)沿时间层位的堆叠速度分析；
2)沿时间偏移层位的均方根(RMS)速度分析；
3)沿时间层位的堆叠速度细化；
4)沿时间偏移层位的RMS速度细化；
5)层速度和深度模型的创建(相干性反演)；和
6)层速度和深度模型的细化和建模(断层成像)。
然而，由于在具有粗糙地形的复杂地质条件下获得的几何形状很少是规则的，基尔霍夫叠前深度偏移似乎是首选方法。用于数据外推和偏移的特定基尔霍夫积分(参见例如Schneider，William A.,1978，Integral Formulation for Migration in two andthree dimensions，Geophysics vol.43第49-76页；以及Bleistein，N.和S.H.Gray，2001，From the Hagedoom imaging technique to Kirchhoff migration and inversion，Geophysical Prospecting，vol.49，第629-645页)是基于格林定理(Morese，Philip M.和Feshbach，Herman，1953，Methods of theoretical physics，International Series inPuer and Applied Physics，第791-869页)和波动方程的积分解，在不同的表面点集上记录的3D叠前地震数据。在实践中，近似的基尔霍夫积分(Sava，Paul，和Biondi，Biondo，2004，Wave-equation migration velocity analysis-I：Theory，GeophysicalProspecting，Stanford Exploration Project，StanfordUniversity)由下式给出：
其中，图像I(r)被定义在三维空间r＝(x，y，z)中，等于在时间tD(r,m,h)处评估且由适当的幅度因子W(r,m,h)的加权的数据值D(t，m，h)的总和。mi和hi分别是中点和偏移位置。
等式(1)在数值上计算作为每个图像点I(r)上的循环，并将偏移孔径内的所有输入轨迹的贡献相加。基尔霍夫叠前深度偏移应用从每个震点源到每个接收传感器的实际射线路径。该射线路径用于构建衍射表面。地震剖面的偏移通过将每个衍射双曲线折叠到其原点(顶点)来实现。在实践中，首先将每个偏移平面单独迁移，然后将所有偏移相加在一起以生成叠加的迁移图像。因此，基尔霍夫叠前深度偏移分两步实施。首先将具有相等偏移量的数据点求和，然后沿偏移量求和。
由于其灵活性，基尔霍夫叠前深度偏移(PSDM)是用于处理地震数据最常用的工具之一。基于CPU的PSDM已在本领域中应用，尤其是在CPU集群上。一些如逆时迁移(RTM)的算法优先在基于图形处理单元(GPU)的集群上运行(Xinyi Sun和Sang Suh，2011，Maximizingthroughputforhigh performance TTI-RTM：From CPU-RTM to GPU-RTM，SEGTechnicalProgramExpanded Abstracts，第3179-3183页)，因此需要复杂结构的计算机系统，通常包括输入设备、存储器资源、编码用于计算子进程或子程序阵列的非暂态程序存储计算机可读存储器、系统计算器、计算机系统和输出设备。投入基于GPU的集群意味着更多软件需要被有效转换，以优化硬件利用率并降低地震处理成本。基尔霍夫PSDM似乎是这种转换的主要候选方案。
与当前的CPU相比，GPU拥有更多的内核。然而，要利用这种并行性，需要修改现有的单纯CPU代码。这些变化并不简单，与实现单纯CPU软件相比，它们需要更多关于GPU硬件架构的知识。一些良好性能的主要要求是内存对齐和访问模式，例如运算通用设备架构(CUDA)编程。尽管如此，迄今为止，大多数关于将Kirchhoff偏移算法、逆时偏移或其派生(如AI-Yahya(1989)或Biondi和Symes(2004))移值到CPU/GPU的文章都倾向于应用CPU或GPU内的大部分可用的计算能力仅处理达到“足够低”的平坦度值所需的多次迭代(参见Panetta，Jairo&Teixeira，Thiago&Filho，P.R.P.&Finho，C.A.&Sotelo，David&Roxo，Fernando&Pinheiro，S.S.&Pedrosa，I.&Rosa，A.LR.&Monnerat，Luiz&Carneiro，L.T.&Albrecht，C.H.B.，2009，Accelerating Kirchhoff Migration by CPU and GPUCooperation，第26-32页，10.1109/SBAC-PAD.2009.29.；以及BrouwerW.，Natoli，V.&Lamont，M.，2011，A novel GPGPU approach to Kirchhoff Time Migration，SEGTechnical Program Expanded Abstracts，第3465-3469页)，本发明的实施例解决了这些问题。
3.断层成像反演
至于深度偏移道集的断层成像，这往往是嵌入在残余时差方法中的子程序，以细化速度-深度模型。断层成像的原理是，如果实施偏移，使用正确的速度深度模型，图像道集应在所有接收传感器处具有相等的事件深度(Tian-wen Lo和Philip Linder Weisen，1994，Fundamentals of seismic Tomography，SEG monograph series)。因此，断层成像试图通过分析PSDM后的残余延迟来纠正速度深度模型的误差。当使用基于非全局方法的反演方法得出的初始不正确速度模型来进行叠前深度偏移时，深度道集将展现出非平坦性。非平坦度是模型中的误差的量度。断层成像使用这种非平坦度的测量(残余时差分析)作为输入，并试图找到一个可替代的模型以使误差最小化。断层成像原理将时间误差归因于速度和深度两者的误差。
然而，在反演理论领域，基于与对象关联的测量或观测来描述对象。对于工业规模的应用，没有足够的数据来确定一个唯一的解决方案，并且获得的数据可能是嘈杂的和/或不可靠的。因此，通过基于对不准确、不充分和不一致的数据的解释来估计解决方案的尝试，已经发展出数学的一个完整分支。在地震实验中开展旅行时间测量的情况下，试图解决的反演问题便是地球的速度结构。
将断层成像的概念与多维结构反演相结合，可以观察到，自1970年代后期以来，它已被用于油田勘探。但这种反演的分辨率通常以几公里甚至几十公里为单位。由于模型中包含了数千个节点，因而无法解决与油田勘探的复杂系统相关的细节，因此，3D成像仍然是基于集中式离线处理，并且通常由多个主动源以多年跨度的变化作为主要目标来记录完成。为了实现这一点，需要新的方案和方法来解决使用单一计算算法无法实现的实时地震断层成像反演问题。这是开发计算机实现方法的动机之一，该方法可以为高速对比地质体提供准确的成像系统和模型。
由于断层成像是基于射线追踪的，因此它可以针对反射、透射和折射来形成。在地震反射探测中用于计算静态学校正的几种技术使用折射断层成像，而透射断层成像应用于在介质内部(钻孔内)的震源和接收器的跨井应用；因此，可访问任何传输的到达信息。除了到达时间之外，勘探振幅信息可进一步帮助基于射线的断层成像来估计可靠的速度模型(例如，参见Semtchenok NM，Popov MM，Verdel AR，2009，Gaussian beam tomography，Extended Abstracts，第71届EAGE会议和展览，阿姆斯特丹，U032)。除了速度估计之外，断层成像还可用于估计其他地层参数，例如吸收。另外，断层成像尝试使用穿过模型中单元的射线路径来求解一组联立的方程。对于共中心点(CMP)道集，对于给定的地下反射器元件有许多旅行时间测量值，因此这些射线路径的旅行时间的表达式可以写为：
T＝D*S (2)
其中，T为沿射线路径的总旅行时间，D为速度单元中的射线路径的长度，S为速度单元中的慢度(即速度的倒数)。
然而，在大多数情况下，矩阵D是不可逆的。为了可逆，它需要被平方(即，旅行时间测量的数量应恰好与模型中速度单元的数量相同)并满足一些其他标准。因此，可替代的是，该算法被倒置为时间延迟和慢度更新，其表达式为：
Δt＝D*Δs (3)
然而，在上述方法的描述中存在一些循环论证，这是因为为了估计单元中的射线路径段长度，需要对每个单元中的反射器段进行射线追踪、慢度更新和局部倾角估计。因此，当通过使用模型的初始猜测的射线追踪以及计算的相关旅行时间来启动基于正向建模而形成的方法时，本发明提供了初步猜测或估计模型。然后，通过将所观察到的旅行时间与通过用于当前猜测的模型的射线追踪而计算的旅行时间之间的差异最小化，断层成像应被迭代以便收敛于真实模型的最佳估计。话虽如此，本领域的技术人员会意识到算法(2)还有其他求解方法，例如：直接求解器，它仅一步求解，但仅适用于较小规模的问题；或迭代求解器，例如共轭梯度法(Scales，J.A.，1987，Tomographic inversion via the conjugategradient method，Geophysics，vol.52，第179-85页)，其适用于大规模系统。
到目前为止所描述的断层成像反演程序是根据来自未偏移数据中的观测的和射线追踪的旅行时间来得到的。然而，在过去十年中，本领域技术人员主要处理深度偏移域中的数据和测量，因此还需要修改断层成像算法以解释测量域的变化。因此，可以在叠前时间偏移之后实现偏移域中的断层成像反演(参见Pierre Hardy和Jean-Paul Jeannot，1999，3-D reflection tomography in time-migrated space，SEG Technical ProgramExpanded Abstracts，第1287-1290页)或叠前深度偏移(例如，Christof Stork，1992，Reflection tomography in the post-migrated domain，Geophysics vol.57，第680-692页)，在这两种情况下都产生了深度模型，但最广泛的工业实践是使用叠前深度偏移数据的测量值进行反演。同样，当这些模型中的一个被独立使用时，它们对本领域技术人员来说很少用于解释岩性识别。
4.速度分析
叠前偏移方法可用于根据地震反射数据重建地下图像。一般来说，叠前偏移被认为是一种稳健的方法，因为它聚集了基于正常时差(NMO)校正和共中心点(CMP)道集的叠加而完成的常规数据处理无法集中的能量。此外，叠前数据运动学考虑了震源与接收器之间的距离，因此震源-接收器偏移定义了一个叠前体积(参见Bancroft，J.C.，H.D.Geiger，和G.F.Margrave，1998，The equivalent offset method of prestacktime migration:Geophysics，63，2042-2053，doi:10.1190/1.1444497)。
同样，偏移速度分析(MVA)也是叠前时间成像中重要的地震处理步骤。基本上，MVA利用地震数据的冗余来改进先验(或输入)速度模型。当使用正确的速度模型时，需要将不同偏移量的地震数据迁移到相同的位置(参见Sattlegger，J.W.，1975，Migrationvelocity determine,Part I:Philosophy:Geophysics，40，1-5，doi:10.119011.1440512)。因此，无论结构如何，这些图像都必须水平对齐。然而，使用太低或太高的偏移速度会导致与偏移量/角度相关的错误定位(即，偏移量/角度聚集不平坦)，称为偏移微笑或皱眉(参见例如AI-Yahya，K.，1989，Velocity analysis by iterativeprofile migration:Geophysics，54，718-729，doi:10.119011.1442699)。
本领域的普通技术人员已经知道，来自逆时偏移(RTM)的深度域地震图像通过阻抗对比揭示了地下界面的反射率；而堆叠图像和角度道集包含了与随角度而变化的振幅(AVA)有关的信息。众所周知，不同尺度和大小的高速对比地质体是碳酸盐岩裂缝性储层的共同特征。这些系统为石油和天然气的生产做出了很大贡献，因为它们为碳氢化合物提供了储存空间和迁移途径。利用地震数据(如叠前道集)和地震属性来识别高速对比地质体的特征，是更好地了解碳酸盐岩的裂缝性储层路径的关键方法。因此，已经提出了几种方法。事实上，多年来已经为新的MVA方法的开发付出了巨大的努力，但都没有获得准确的解决方案。尽管如此，由于其概念清晰和简单，大多数方案倾向于基于残差时差(RMO)分析的使用。许多所述RMO算法基于偏移域中水平反射体的时差公式，或基于在AI-Yahya，K.，1989，Velocity analysis by iterative profile migration:Geophysics，54，718-729，doi:10.119011.1442699中展现的偏移角域。尽管如此，在高倾角反射体的情况下，这种校正并未考虑由偏移速度的变化而引起的反射体图像的横向移位，因此需要多次迭代过程才能通过包含将反射体倾角作为附加参数来处理并获得更新速度的更高精度(参见Biondi，B.和W.W.Symes:Angle-domaincommon-image gathers for migration velocity analysis bywavefield-continuationimaging:Geophysics，v.69，第1283-1298页)。
因此，由于所有这些减少累积误差的失败尝试，为了提供准确和合理的结果，近年来从地震反射数据中直接和间接提取堆叠图像和角度道集的方案获得了很多关注，特别是所提供的针对解决需要多次迭代的方法所需的高性能计算系统的更广泛的可用性和访问。然而，没有人提出这样一种方法，其仅需要最少迭代次数因此可采用一致的方法来解决这些问题，同时减少所需的计算资源(CPU或GPU)的数量。
5.相似性分析
如前所述，建立地下速度模型是地球物理勘探中最重要的问题之一。一般来说，建立速度模型有四种方法。这四种方法之一是采用基于正常时差(NMO)的速度分析，这需要选择速度谱中的峰值(参见Taner，M.T.和F.Koehler，1969，Velocity spectra--Digitalcomputer derivation and applications of velocity functions:Geophysics，34，859-881；Fomel，S.，2009，Velocity analysis using AB semblance:GeophysicalProspecting，57，no.3，311-321；Luo，S.，and D.Hale，2012，Velocity analysis usingweighted semblance:Geophysics，77，no.2，U15-U22)，这又是通过应用几个具有不同速度的NMO、然后计算它们相应的相似度而获得的。可以看出，使用相似度测量是建立初始地下速度模型不可或缺的步骤。然而，根据所使用的特定数据集，存在几种类型的相似性方法。本领域的普通技术人员将认识到，使用传统方法是最常用的相似性方法。
传统的相似性方法最初由Neidell和Taner在1971年作如下定义(参见Neidell，N.S.和M.T.Taner，1971，Semblance and other coherency measure for multichanneldata:Geophysics，vol.36，第482-497页)：
其中，i和j为时间样本索引，s(i)表示时间索引i的相似度，2M+1为沿时间轴的平滑窗口的长度(在此公式中使用boxcar滤波器)，a[j,k]为NMO校正共中心点(CMP)道集在时间索引j和道数k处的道幅度。
其他人已经开发出传统的相似度方法的变型，如Sarkar，D.，J.P.Castagna和W.Lamb，2001，AVO and velocity analysis:Geophysics，vol.66，第1284-1293页；以及Formel，S.；和E.Landa，2014，Structuraluncertainty of time-migrated seismicimages:Journal of Applied Geophysics，vol.101，第27-30页，这些方案修改了传统的相似度公式，并提出了幅度随偏移量变化(AVO)的自适应相似度。类似地，Luo和Hale(同上)建议提高相似度图的分辨率以区分初级反射与多次反射之间的峰值。由于存在多个共中心点(CMP)道集(Luo和Hale，同上)，它们这样做是为了提高相似度能谱的分辨率，以挑选真正的NMO速度。
6.结论
因此，所展示的方法的组合受到多种限制，这些限制使得难以获得可靠和准确的读数，从而限制了本领域的技术人员正确评估高速对比地质体。因此，鉴于现有技术，因此本发明的一个目的在于改进和增强已知的方法和系统，用于使用先进的计算机实现系统来表征和识别高速对比地质体，其可以最少的迭代量快速且准确地计算一组函数，同时为所述计算机实现系统的用户(通常是本领域的技术人员)提供对所应用的调节过程的完全控制和理解，从而获得更大的信心和较小的对于高速对比地质体的结果的不确定性，用于具有至少一个油气井或储层位置的勘测区域的随后的储层表征。事实上，本公开通过将逆时偏移角度道集与大角度的残余时差曲率进行匹配，解决了在诸如AI-Yahya(1989)以及Biondi和Symes(2004)算法中观察到的问题，而不需要使用上述任何一个假设。特别是，AlYahya(1989)要求使用Kirchhoff表面偏移转换的角度道集，而Biondi和Symes(2004)要求他们的算法仅在静止射线路径的假设下应用于真实角域。
发明内容
公开了一种用于创建速度模型、堆叠图像和角度道集的计算机实现方法及系统，其中在预设勘测区域内的局部均匀介质中的包括大角度在内的全角度范围内，逆时偏移的角度道集可以与残余时差曲率完美地收敛。根据在勘测区域中发现的特性，可以建立一个或多个碳氢化合物储层(即石油和天然气)。一旦在勘测区域内建立了这些储层或井，计算机实现方法就用于自动解释地震结果。许多这些计算机实现方法被本领域技术人员独立使用，因为它们在处理大量数据、同时执行不同的计算算法或由单一的计算机实现的分析方法(其中对应于来自地球地下地层之间的反射界面的声能反射的深度域信号被转换为代表地层物理属性的一条或多条轨迹)组成时存在局限性。另外，这些属性然后由本领域技术人员(例如地球物理学家)进行离线分析，他们又在另一个现有的计算机实现程序(如文字处理器或电子表格)中创建摘要文档。
因此，相比之下，本发明实施例的一个目的是提供一种单一的计算机实现方法和系统，其用于使用地震反射数据阵列来生成速度模型、堆叠图像和角度道集，以便成功地、有效地且准确地从覆盖层和碳酸盐岩背景层的反射事件中识别与高速对比地质体相关的衍射。新颖的逆时偏移算法为在角度域中建立断层成像模型提供了必要的输入，其被分解为方位角扇区和张角。此后，使用曲率分析(伽玛扫描)和相似性提取来实现信息拾取，然后将它们组合成一个拾取算法。基于网络内断层成像反演，本文描述了改进分布式方法的实时性能的方法及系统的实施例。实时断层成像反演的关键挑战是在得到地震事件的所有信息之前逐渐地更新系统模型。一方面，可使用分布式增量最小二乘算法，其中历史数据根据旧度的指数加权而得到。另一方面，提出了使用行动作矩阵方法，这种方法不需要将完整的设计矩阵一次存储在存储器中。事实上，连续反投影的方法可以实时合并新信息(射线路径或行)。在这种情况下，模型不断地被新信息更新，并通过用于减小计算成本、技术人员的主观性和进一步归纳任何分析的需要的高性能计算系统设备而并入到计算机实现方法中。
本发明的另一目的包括使用具有计算机程序产品的计算系统设备，该计算机程序产品预编程有用于在具有高速对比地质体的整个勘测区域上获得地下堆叠图像、地下角度道集和地下速度模型的计算机实现方法。预编程有计算机实现方法的计算机程序产品接收某些初始速度模型和地震反射数据，这些数据被转化为初始堆叠图像和初始角度道集。然后，初始堆叠图像用于通过使用移动窗口技术分析相关变化来计算倾角场，而初始角度道集用于使用在所提出的计算机实现方法中效果最佳的独特开发的算法来计算真实角度域中的残余时差偏移深度。此后，角度道集的体积曲率分析基本上在所提供的范围内进行扫描，并拾取具有最大相似度的曲线，以捕获存在于独特开发的RTM算法中的深度和角度信息，其中这种分析可以在每个方位角扇区上单独进行体积分析。这种拾取方案由通过互相关技术测量时差偏移的更通用的拾取算法来补充。然后，计算机实现方法使用高斯平滑器将断层成像反演应用于正则化，这使得计算系统设备能够从低频到高频逐步建立更新的速度模型，并逐渐展平在预设范围内结束的角度道集，从而输出最终堆叠图像、最终道集和最终速度模型。下面将参照以下列出的附图来描述本发明的进一步细节、示例和方面。
附图说明
通过结合附图并考虑以下描述，可以容易地理解本发明的教导。
图1是示出了根据本公开的某些实施例的具有震源入射点、地震接收器、井位置、井筒、地质体、反射体区域(例如，地层或其他反射体面积)、各种传输轨迹、各种深度和各种入射角的说明性勘测区域的剖面示意图；
图2A和2B示出了根据本公开的一个实施例的由用于在具有高速对比地质体的整个勘测区域上获得地下堆叠图像、地下角度道集和地下速度模型的计算机系统设备来实施的计算机实现方法的工作流程图；
图3是根据本公开的一个实施例的在编程为执行该计算机实现方法的计算系统设备的框图中的高级电气图；和
图4A、图4B和图4C以图形的形式示出了用于一系列高速对比地质体的一组(常规比例和放大比例)角度道集，其中，一系列地下反射体由用于在具有高速对比地质体的整个勘测区域上获得地下堆叠图像、地下角度道集和地下速度模型的计算系统设备来产生(图4A)，以及以现有方法(图4B和图4C)的图形形式示出用于说明当与由本公开生成的输出相比时，现有方法的输出如何在角度域中产生RMO曲线的错位。
具体实施方式
现在将详细参考本公开的几个实施例，其示例在附图中示出。应注意的是，在适用之处，附图中使用相同或相似的附图标记来相同或相似的功能。这些附图仅出于说明的目的描绘了本公开的实施例。本领域的技术人员将从以下描述中容易地认识到，在不脱离本公开所描述的原理的情况下，可以采用本文所示的结构、系统和方法的替代实施例。
图1为勘测区域101上的地层的一部分的截面图，其示出了不同类型的地层102、103和104，这些地层包含本发明中使用的部分地震勘测数据。本领域普通技术人员很快就会意识到，本示例示出了一种常见的共中点式道集，其中地震数据轨迹通过地层几何形状来分类，以近似地层中的单个反射点。在这个示例中，来自多个炮点105和接收器106的数据可以组合成单个图像道集、共中点位置，或者根据所执行的分析类型而单独使用。炮点105生成震源轨迹或震源波场107。尽管本示例示出了地质体108、平面反射体(例如，层位)和它们各自的图像道集类别，然而也可使用本领域已知的其他类型或类别的图像道集，并且其选择可以取决于在各种地层条件或事件的存在。
如图1所示，来自多个入射点或炮点105的地震能量将从不同地层102、103和104之间的层界面以及从地质体108处反射。这些反射109包含从入射点105发出的地层地震数据和能量，它们之后将由多个地震数据记录传感器106捕获，每个地震数据记录传感器106可放置在彼此不同的位置偏移距110处和井111处。相比之下，本领域普通技术人员将认识到单独的震源轨迹也可以从撞击地质体108的震源105处发出，其然后衍射成多个接收器轨迹109，这些接收器轨迹109行进到用于接收或记录的传感器106。
因为所有入射点105和所有地震数据记录传感器106都放置在不同的偏移距110处，所以勘测地震数据或轨迹(入射轨迹107和接收轨迹109，在本领域中也称为道集)将各种入射角112处记录下来。入射点105通过记录传感器106在地层中产生由它们的向上传输反射109捕获的向下传输射线107。在该示例中，井位置111通过附接到井筒113的现有钻井来表示，可沿该井筒使用本领域已知的技术来获得多个测量值。该井筒113用于获得测井数据，包括P波速度、S波速度、密度等。未在图1中示出的其他传感器被放置在勘测区域内，还捕获供本领域普通技术人员和解释者去开展各种地球物理分析所需的层位数据信息。另外，在勘测区域101中的井场处形成了储存在坑114中的钻井液或泥浆，它们通过井筒113的泥浆通道输送以润滑线缆或随钻测井(LWD)井下系统钻头，随后，钻井液或泥浆还用于在返回到用于再循环的坑114时将地层岩屑带到地面。更重要的是，线缆或随钻测井(LWD)井下系统包括一个井下钻具组合(BHA)，其通常设置在钻头附近处，具有测量、处理、计算、生成和存储信息的能力，以及与地上计算系统设备301无线或有线地通信以进行进一步处理。
在本示例中，道集将从现场记录中提取得到，以检查振幅、信噪比、时差、频率内容、相位和其他地震属性对入射角112、偏移测量110、方位角和其它对数据处理和成像很重要并且本领域普通技术人员已知的几何属性的依赖性。接收传感器106收集的所有数据将被临时地就地存储，然后由数据传输系统115从所述传感器106无线地传输到用于检索、存储、处理、计算和生成的图3示出的计算系统设备中。
如前所述，本公开旨在解决在分析来自地震勘探勘测区域的信息时所观察到的最基本问题之一。尤其是逆时偏移角度道集不与常规的残余时差曲线收敛这一事实，使得本领域普通技术人员难以(如果不是不可能的话)将逆时偏移角道集直接应用于断层成像反演子进程或子程序。一般来说，对于固定的震源105和接收器106的对来说，由于传播时间和偏移量总是保持不变，因此在经过一些简单的三角函数运算后，对于恒速模型和平面反射器，本领域的技术人员会最终得到以下算法，其中zm为偏移深度，zt为真实深度，
vm为偏移速度，vt为真实速度，θm为偏移角度，θt为真实角度：
尽管如此，因为以下始终成立：
其中，h为半偏移距110，并且将算法(6)和(7)代入(5)，本领域普通技术人员已经得到AI-Yahya(1989)算法(8)，它仍然没有提供如由图4B所观察到的在逆时偏移角度道集与残余时差曲率之间的真实对齐：
类似地，为了在一定程度上实现逆时偏移角度与残余时差曲率的收敛，本领域普通技术人员的剩下的另一种选择是使用Biondi和Symes(2004)和算法(9)的选项，该算法限制了潜在的使用，因为它本质上需要一个固定的射线路径，偏移结构倾角场与真实的结构倾角场相同，并且偏移开角与真实的开角相同：
因此，在此提出了一种可替代的替代方案，其中图2A和图2B的计算机实现方法会产生更准确的收敛，从而提供对子地层的更好理解，包括例如，高速对比地质体是否可作为对钻井工程师的指导，以便以最佳方式放置和定位它们的井轨迹到预期的碳氢化合物储层。
如图2A和图2B所示，计算机实现方法201通常嵌入在非瞬态计算机可读存储设备305的存储器设备307内的计算机程序产品中。所述方法301通过使用非瞬态计算机可读存储设备305从存储器资源303中检索数据(步骤202和203)来启动，该数据由位于勘测区域101内的多个现场接收传感器106来获得。所采集的数据通常包括不同类型的输入，例如：用时域表示的测井数据、输入速度模型202(其中输入速度模型(V0)基本上源自整个勘测区域的P波)、用时域表示的地面地震反射数据，该地面地震反射数据203基本上由在整个勘测区域上的共炮点P波组成，并还包括来自地震轨迹214的数据、震源和接收波场信息。地面地震反射数据203可直接从地质体108获得并由数据传输系统115无线传输，也可为由遥测系统302接收并通过网络304传输到数据库303上，用于进一步编译，例如图4A所展示的那样。地面地震反射数据203还可以由非瞬态计算机可读存储设备405和计算机系统输出设备308从数据库303中检索得到。为使本发明正常发挥作用，输入速度模型本质上是从P波中导出的，而以时域数据表示的地面地震反射数据本质上是由共炮点P波组成，但本领域普通技术人员将意识到，在本实施例中也可以收集和存储其他数据集。另外，所检索到的两组数据集都包括多个数据点，这些数据点与在以时域中表示的各种入射角112下的勘测区域101内的入射点105的数量一致。尽管如此，由于该地面地震反射数据203太原始、噪声太大或来自不同的入射点105，它需要被进一步处理，因此它需要由非瞬态计算机可读存储设备305存储到存储器资源303中。当非瞬态计算机可读存储设备305向存储器资源303发送消息时会发生进一步的细化，它将通过在步骤205和206处执行初始逆时偏移，从所存储的输入速度模型和所存储的地面地震反射数据开始计算初始堆叠图像和初始角度道集。此外，根据在使用错误速度时偏移数据中的图像将失真的原理，并且共图像道集处的成像深度差(残余时差)是速度误差的量度，地层内部的复杂地质体的成像需要合理的速度，该速度由步骤205和206所计算的偏移速度模型来提供。这一步骤对于计算机实现方法201来说是至关重要的，因为它要求正确的输入速度并准确地解释反射轨迹109之间的相对时间延迟，反射轨迹109源自地下的同一层界面，但在反射点处以不同的顶角反射112。一旦子程序或独立过程205和206完成，在步骤207和208处由非瞬态计算机可读存储设备生成初始堆栈图像和初始角度道集，并在步骤209和210处存储到存储器资源。
非瞬态计算机可读存储设备305然后在并行操作(由图2B上的228表示)中从存储器资源303中获得针对所存储的初始角度道集的用户定义的平坦度值。这个用户定义的平坦度值对于本公开来说是至关重要的，因为它将防止计算机实现方法301进入到无限循环。所述用户定义的平坦度值对于本发明的计算机实现方法而言意味着堆叠图像的聚焦良好，并且不包含摆动噪声。另外，这意味着对于同一地震事件，角度道集按角度范围排列(例如从0度到90度)，以查看道集是否看起来像水平的平线。
通过使用非瞬态计算机可读存储设备来分析根据移动窗口技术的相关偏移，然后由非瞬态计算机可读存储设备在步骤211处计算倾角场。根据现有技术中可用的所述移动窗口技术，这被预编程到非瞬态计算机可读存储设备305的存储器资源307上。然而，为了正确执行步骤211，使用初始图像道集中的对应轨迹并提取分析窗口，其中所提取的分析窗口的开端和尾端在长度上逐渐变细，等于10个样本中较小的一个，或分析窗口的1/4。然后由非瞬态计算机可读存储设备305在计算机系统输出308的显示器310的数据窗口中计算自相关进程，其中自相关的长度等于期望波长的1/2。自相关的幅度能谱由非瞬态计算机可读存储设备305来计算，并且自相关的平方根也由非瞬态计算机可读存储设备305来计算以获得倾角场(步骤211)。一旦执行了倾角场的计算步骤，非瞬态计算机可读存储设备将向存储器资源303发送消息，以在步骤212开始存储所述计算的倾角场。
然后，存储器资源303向非瞬态计算机可读存储设备305发送消息钩子，以启动复杂算法子例程213。所述子例程213是在计算机实现方法中的关键路径(步骤)，因为它是在逆时偏移角度道集和残余时差曲率之间提供完美收敛的路径，这在本领域的现有技术中是无法实现的。这样，子例程213由非瞬态计算机可读存储设备305通过从存储器资源303检索在步骤210存储的初始角度道集来启动。一旦完成，存储器资源将再次向非瞬态计算机可读存储设备305发送消息，以使用非瞬态计算机可读存储器设备305的混合GPU/CPU计算机硬件来计算在真实角度域中的残余时差偏移深度，其中，两个计算组件都需要参与波传播和波场互相关的计算。根据以下算法，这种方法降低了计算成本：
一旦在步骤213计算了真实角度域中的残余时差偏移深度，非瞬态计算机可读存储器设备305就将在打印设备313处生成残余时差值的图形形式以及数字表示的输出，然后在步骤215将该输出发送到存储器资源303进行存储。使用所存储的倾角场(步骤212)和最近存储的残余时差(步骤215)的组合，非瞬态计算机可读存储器设备305将在步骤216开始通过执行断层成像反演来计算初始速度扰动(dv)，其必须在非瞬态计算机可读存储器设备305中预编程。然后在步骤217由在非瞬态计算机可读存储器设备305生成初始速度扰动，并将其传输到存储器资源303进行存储，如步骤218所示。
子例程219开始于非瞬态计算机可读存储器设备305从存储器资源303接收到步骤218已成功完成的消息钩子，并且在步骤219使用所存储的初始速度扰动和所存储的初始速度模型来计算更新后的速度模型。该更新后的速度模型假设为Vk+1的数值表示，其中Vk+1为先前速度模型的当前第k+1次迭代。因此，对于第一次计算的更新后的速度模型会使用如下V1表示(比初始速度模型V0多一次迭代)，而在下一个循环中，更新后的速度模型最终将是V2，以此类推。然后，最后计算的更新后的速度模型在步骤220由非瞬态计算机可读存储器设备305生成。在步骤220生成的更新后的速度模型并不被存储到存储器资源303中，以避免必须对非瞬态计算机可读存储器设备305进行预编程来创建用于每个更新的速度模型的版本系统，同时节约计算资源。事实上，只有在由步骤227开始的循环完成时，非瞬态计算机可读存储器设备305才会向存储器资源303发送消息，以存储在步骤233发生的最后所生成的，即，最终的速度模型。
一旦在步骤220生成了更新的速度模型，图2B说明了由计算机实现方法201执行的其余操作。这里，通过从已生成的更新后的速度模型和所存储的地面地震数据中执行逆时偏移，非瞬态计算机可读存储器设备305将在步骤221开始计算更新后的堆叠图像，并在步骤224开始计算更新的角度道集。考虑到处理步骤221和224所需的最小计算资源，非瞬态计算机可读存储器设备305随后并行执行，在步骤223和244分别生成更新的堆叠图像和更新的角度聚集，并在步骤225和226分别存储更新的堆叠图像和更新的角度聚集。这些并行的步骤可防止计算系统设备出现卡顿，并为接下来的迭代步骤节省资源。
特别地，非瞬态计算机可读存储器设备305启动子例程227，以获得一组最终的平坦图像角度道集。非瞬态计算机可读存储器设备305将每个生成的更新的角度道集与用户定义的针对初始角度道集的平坦度值进行比较，并且仅在成功确定了最新更新的角度道集的更新的平坦度值等于或小于用户定义的针对初始角度道集的平坦度值时关闭循环。然后，在步骤231生成最终的“平坦化的”图像角度道集，并在步骤232将其存储在存储器资源303中。类似地，在成功退出循环227时，非瞬态计算机可读存储器设备305在步骤229生成堆叠图像，并在步骤230将堆叠图像存储到存储器资源。非瞬态计算机可读存储器设备还在步骤233将最新更新的速度模型(即，Vk+1)存储到存储器资源303。然后，通过计算机输出系统设备308的用户界面显示所有这些信息(即，更新的速度模型、最终的堆叠图像和最终的角度道集)，并使用打印设备313打印出来。
事实上，就图3而言，它示出了计算系统设备301的功能框图，该设备301用于执行计算机实现方法201的一系列操作，该计算机实现方法201用来在具有高速对比地质体的勘测区域中开展地下地质体识别。计算系统设备301还包括：有线和/或无线的存储器资源303，用于存储使用无线传输系统115从接收传感器106传输过来的数据，和存储无线传送至计算系统设备的遥测系统302的数据；计算机系统输出设备308；具有处理器306和存储资源307的非瞬态计算机可读存储器设备305；以及网络或通信总线304，通过它们的嵌入式网络接口连接到计算系统设备的每个单独组件。
计算机系统输出设备308作为非瞬态计算机可读存储器设备305和存储器资源303的用户接口，以输入、设置、选择和执行检索、获取、计算、生成、存储和重复函数的操作(消息钩子进程)。所述计算机系统输出设备308还与非瞬态计算机可读存储器设备305和存储器资源303有线和/或无线地连接。计算机系统输出设备308还包括其他设备，例如中央处理单元(CPU)309、显示器或监视器310、键盘311、鼠标312和打印机313。
计算机系统输出设备308、非瞬态计算机可读存储器设备305和存储器资源303都具有为多个连接设备的连接和互操作性而提供的固件和软件。每个设备还包括操作系统、一组预编程的消息钩子程序和系统应用。
嵌入在计算机系统输出设备308、非瞬态计算机可读存储器设备305和存储器资源303内的操作系统可以是微软“WINDOWS”操作系统、来自IBM Corporation的OS/2、UNIX、LINUX、Sun Microsystems、或Apple操作系统，以及无数嵌入式应用程序操作系统(例如可从Wind River,Inc获得的)。
计算系统设备301的消息钩子进程可例如表示存储器资源303、计算机系统输出设备308、非瞬态计算机可读存储器设备305的操作或命令，该进程可能当前正在执行计算机实现方法的某个步骤进程或子例程，用以使用地震反射数据开展小洞穴识别。
这组消息钩子进程可首先由来自以下的输入而启动：用户，例如用户定义的平坦度值(在获取的步骤217之前)或参数的输入；计算机系统输出设备308的操作；在非瞬态计算机可读存储器设备305中的处理操作；或者一旦特定数据已经被存储器资源303或非瞬态计算机可读存储器设备305自动存储或检索就自动地进行。根据这些输入、过程或操作事件中的任何一种，存储器资源303、非瞬态计算机可读存储器设备305或计算机系统输出设备308生成通过网络系统404传递的数据包，该数据包指示已经发生的事件以及需要发生的事件。当存储器资源303、非瞬态计算机可读存储器设备305或计算机系统输出设备308接收到数据包时，它根据事件将其转换为消息并执行计算机实现方法201所需的步骤。计算机实现方法201包括一组用于辨识一系列消息挂钩钩子进程的消息钩子列表。当操作系统接收到消息时，它会检查消息钩子列表，以确定是否有任何消息钩子进程已经在操作系统完成自身注册。如果至少一个消息钩子进程已经在操作系统完成了自身注册，操作系统将把消息传递给列表中第一个出现的已注册的消息钩子进程。被调用的消息钩子执行并向存储器资源303、非瞬态计算机可读存储器设备305或计算机系统输出设备308返回一个值，从而指示它们将消息传递给下一个已注册的消息钩子挂钩以及遥测系统302、存储器资源303、非瞬态计算机可读存储器305和计算机系统输出设备308中的一个。非瞬态计算机可读存储器设备305继续执行操作，直到所有已注册的消息钩子都已被传递，这表明计算机实现方法201的完成。
在最后一个消息钩子进程已经传递或发出之后，非瞬态计算机可读存储器设备305通过用户界面在显示器310上显示向最终用户指示非瞬态计算机可读存储器设备305已完成计算机实现方法的消息，并准备在显示器310上显示以及在打印设备313上打印所存储的更新速度模型、所存储的最终堆叠图像和所存储的最终角度道集。
在图4A中，图形表示示出了以非平面表示的最终角度道集，从而表明将使用计算机实现方法和具有+10％速度误差(即
)的对齐。特别地，附图标记402表示由非瞬态计算机可读存储器设备305输出或生成的道集，而附图标记403为相同但放大了的图形表示，其同样用于展示了利用本公开实施例获得的结果。事实上，人们可以清楚且准确地观察到白点404，其表示本公开实施例如何生成逆时偏移角度道集的残余时差曲率，根据算法(10)，对于包括大角度的全角度范围而言，该残余时差曲率与逆时偏移计算的角度道集完美地收敛。类似地，附图标记405表示在逆时偏移角度道集中所偏移的共图像轨迹的峰之间的连接。另一方面，图4B说明了根据现有技术的公式(8)的输出角度道集406，特别是那些在偏移角度域中使用基于RMO算法的AI-Yahya(1989)的方法，其中所放大的图形407显示了在AI-Yahya(1989)得出的分析残余时差曲率(由白点表示)与逆时偏移计算的角度道集(由偏移图像轨迹的峰值表示)之间的所围出的圆圈408中的明显和显着的差异、错位。另外，图4C示出了根据现有技术的公式(9)而输出的角度道集409，特别是在真实角度域中使用基于RMO算法的Biondi和Symes'(2004)的那些方法，其中所放大的图形410显示了在Biondi和Symes(2004)得出的分析残余时差曲率(由白点表示)与逆时偏移计算的角度道集(由偏移图像轨迹的峰值表示)的所围出的圆圈411中的清晰的(尽管很小)差异、错位或不收敛。由于在圆圈411处所示的偏差、差异、未对准或非收敛很小，所以更相关的偏差、差异、未对准或非收敛如所围出的圆圈412那样以更高的角度显示。如上所述，本领域技术人员可以继续重复过程，从而消耗更多时间、计算资源以及项目的金钱资源，或者决定继续分析这些差异、错位或不收敛。
除非另有特别说明，否则“定义”、“创造”、“包括”、“代表”、“预分析”、“预定义”、“选择”、“构建”、“分配”、“创建”、“引入”、“消除”、“重新划分网格”、“整合”、“发现”、“执行”、“预测”、“确定”、“输入”、“输出”、“识别”、“分析”、“使用”、“分配”、“干扰”、“增加”、“调整”、“合并”、“模拟”、“减少”、“分配”、“指定”、“提取”、“显示”、“执行”、“实施”和“管理”等术语可以指代计算机系统或其他电子设备的动作和过程，其将表示在某些电气设备的存储(如存储器资源或非瞬态计算机可读存储)中的物理(电子、磁或光学)量数据转换为类似表示在存储内或传输或显示设备中的物理量的其他数据。
根据本发明的优选实施例，对特定硬件和软件的描述进行了详细说明，仅作为示例实施例，并不用于限制所公开的实施例的实施结构。例如，虽然已经描述了图3的计算系统设备的许多内部和外部组件，但是本领域普通技术人员将理解已知的这些组件及其互连。另外，所公开的发明的某些方面可以体现在使用一个或多个非瞬态计算机可读存储器设备305而执行的软件中。该技术的程序方面可被认为是“产品”或“制品”，通常以可执行代码和/或相关数据的形式承载或嵌入在一种机器可读介质中。有形的非瞬态“存储”类型介质和设备包括：任何或所有存储器，或用于计算机、进程等的其他存储，或包括例如各种半导体存储器、磁带驱动器、磁盘驱动器、光盘或磁盘等可以随时为软件编程提供存储的类似物的相关模块。
如本文所用的术语“勘测区域”是指地质感兴趣的区域或体积，并可与该区域或体积在任何测量尺度下的几何形状、姿态和布局相关联。一个区域可能具有其中已经发生的例如折叠、断层、冷却、卸载和/或断裂的特征。
如本文所用的术语“计算”涵盖多种动作，包括计算、确定、处理、导出、调查、查找(例如，在表、数据库或其他数据结构中查找)、确定等。它还可以包括接收(例如，接收信息)、访问(例如，访问存储器中的数据)等。此外，“计算”可包括解析、挑选、选择、建立等。
如本文所用的术语“修剪静态”、“静态修整”用于指代从互相关过程估计并直接应用于输入迹线的任何时间偏移。
如本文所用的“地下”和“地层”是指在任何海拔或海拔范围内的任何土地块的顶面之下，无论是高于、低于或处于海平面，和/或低于任何大量的水的地面表面，无论是高于、低于还是在海平面。
本文所公开的实施例还涉及计算机实现系统，以及用于执行本文的操作的计算机系统。该系统可以为所需目的专门构建，或者它可包括由存储在存储器资源或非瞬态计算机可读存储器中的计算机程序或代码来选择性地激活或重新配置的通用计算机。这样，计算机程序或代码可以存储或编码在计算机可读介质中或在某些类型的传输介质上实现。计算机可读介质包括用于由例如计算机的机器(在本文中，“机器”和“计算机”可同义地使用)来以可读的形式存储或传输信息的任何介质或机制。作为非限制性示例，计算机可读介质可包括计算机可读存储介质(例如，只读存储器(ROM)、随机存取存储器(RAM)、磁盘存储介质、光存储介质、闪存设备等)。传输介质可以是双绞线、同轴电缆、光纤或一些其他合适的有线或无线传输介质，用于传输信号，例如电、光、声或其他形式的传播信号(例如，载波、红外信号、数字信号等)。
如本文所使用的计算机系统通常至少包括：能够执行机器可读指令的硬件，以及用于执行产生期望结果的动作(通常为机器可读指令)的软件。此外，计算机系统可包括：硬件和软件的混合，以及计算机子系统。
硬件通常至少包括：具有处理器能力的平台，例如客户端机器(也称为服务器)和手持式处理设备(例如，智能电话、个人数字助理(PDA)或个人计算设备(PCD))。另外，硬件可包括可存储机器可读指令的任何物理设备，例如存储器或其他数据存储设备。其他形式的硬件包括：包含传输设备(例如调制解调器、调制解调器卡、端口和端口卡)的硬件子系统。
软件包括：存储在任何存储介质(例如，RAM或ROM)中的任何机器代码，以及存储在其他设备(例如非瞬态计算机可读介质(如外部硬盘驱动器或闪存))上的机器代码。软件可包括：源代码或目标代码，包括能够在客户端机器、服务器机器、远程桌面或终端中执行的任何指令集。
软件和硬件的组合也可用于为所公开的发明的某些实施例提供增强的功能和性能。一个例子是将软件功能直接制作到硅芯片中。因此，硬件和软件的组合也包括在计算机系统的定义内，这样本发明将其设想为可能的等效结构和等效方法。
例如，计算机可读介质或存储器资源包括：诸如随机存取存储器(RAM)的无源数据存储以及诸如外部硬盘驱动器和外部数据库之类的半永久性数据存储。此外，本发明的一个实施例可体现在计算机的RAM中，以将标准计算机转换为新的特定计算机机器。
数据结构是可以能够作为本发明实施例所定义的数据组织。例如，数据结构可提供数据的组织，或可执行代码的组织。数据信号可由非瞬态传输介质承载并将各种数据结构存储和传输，因此可用于传输本发明的一个实施例。
系统计算机可设计为在任何特定架构上运行。例如，该系统可在高性能计算系统上执行，该系统通常包括多个单台计算机的集群，物理连接或通过局域网、客户端-服务器网络、广域网、互联网、手持与其他便携式和无线设备、和网络来连接。
“计算机系统输出设备”或“输出设备”包括：导致生成的直接行为，以及促进生成的任何间接行为。间接行为包括：向用户提供软件、维护用户能通过其影响显示的网站、超链接到此类网站或者与执行此类直接或间接行为的实体协作或合作。这样，用户可以单独操作或与第三方供应商合作操作从而使得能够在显示设备上生成参考信号。作为输出设备可包括显示设备，并且应适合于显示所需的信息，例如但不限于CRT监视器、LCD监视器、等离子设备、平板设备或打印机。显示设备可包括已经使用旨在用于评估、校正和/或改进显示结果的任何常规软件来校准的设备(例如，已经使用监视器校准软件来调节的彩色监视器)。与在显示设备上显示参考图像不同(或除此之外)，与本发明一致的方法可以包括向对象提供参考图像。“提供参考图像”可包括通过物理、电话或电子传递创建或分发参考图像给对象，通过网络提供对参考的访问，或者创建或分发软件给对象，该软件被配置为在对象的工作站或包括参考图像的计算机上运行。在一个示例中，提供参考图像可涉及使对象能够通过打印机以硬拷贝的形式获得参考图像。例如，信息、软件和/或指令可以被传输(例如，以电子方式，或通过数据存储设备或硬拷贝的物理方式)和/或以其他方式提供(例如，通过网络)从而促使对象使用打印机以硬拷贝的形式来打印参考图像。在这样的示例中，打印机可以是已经使用旨在用于评估、校正和/或改进打印结果的任何常规软件来校准的打印机(例如，已经使用颜色校正软件来调节的彩色打印机)。
一个或多个数据库可包括任何标准或专有数据库软件，例如Oracle、MicrosoftAccess、SyBase或DBase II。数据库可具有字段、记录、数据和可以通过与数据库特定软件关联的其他数据库元素。此外，可以映射数据。映射是将一个数据条目与另一个数据条目相关联的过程。例如，在字符文件位置中包含的数据可映射到第二个表格中的字段。数据库的物理位置是不受限制的，并且数据库可以是分布式的。例如，数据库可远离服务器而设置，并在单独的平台上运行。此外，可以通过局域网、无线的因特网网络来访问数据库。
另外，模块、特征、属性、方法和其他方面可以软件、硬件、固件或其任何组合方式来实现。无论本发明的组件作为软件来实现，该组件都可以作为独立程序、作为更大程序的一部分、作为多个单独的程序、作为静态或动态链接库、作为内核可加载模块、作为设备驱动、和/或以计算机编程领域的技术人员在现在或将来已知的所有和任何其他方式来实现。此外，本发明不限于在任何特定操作系统或环境中实施。
如本文所用的各种术语定义如下。如果权利要求中使用的术语未在下面定义，则应给出相关领域的人员已经提供的最广泛的定义，所提供的术语反映在至少一份印刷出版物或已发布的专利中。
如本文所用，“和/或”置于第一实体和第二实体之间是指(1)第一实体、(2)第二实体、以及(3)第一实体和第二实体中的一个项。使用“和/或”列出的多个元素应以相同的方式解释，即“一个或多个”这样结合的元素。
此外，图中的流程图和框图说明了根据本公开的各种实施例的系统、方法和计算机程序产品的可能实现的架构、功能和操作。还应注意的是，在一些替代实施方式中，方框中标注的功能可能不按图中标注的顺序出现。例如，连续示出的两个方框实际上可以基本上同时执行，或者有时方框可以以相反的顺序执行，这取决于所涉及的功能。还将注意的是，框图和/或流程图说明的每个方框，以及框图和/或流程图说明的方框的组合，可以由执行指定硬件功能或动作的基于硬件的专用系统来实现，或由专用硬件和计算机指令的组合来实现。
尽管在上述说明书中已经结合其某些优选实施例描述了本公开，并且为了说明目的已经阐述了许多细节，但是本发明没有过分限制于为了说明目的而阐述的前述内容。相反，多种修改和替代实施例对于本领域技术人员将是显而易见的，而不背离本发明的真实范围，如下文所阐述的权利要求书所定义。此外，应当理解的是，在本文任何一个实施例中所示的或所描述的结构特征或方法步骤也可用于其他实施例中。
Claims (3)
1.一种由计算系统设备执行的用于在具有高速对比地质体的整个勘测区域上获得地下堆叠图像、地下角度道集和地下速度模型的计算机实现方法，该方法包括：
通过具有耦合到计算机系统输入设备、耦合到存储器资源和耦合到计算机系统输出设备的非瞬态计算机可读存储器设备的所述计算系统设备来检索输入速度模型，其中所述输入速度模型基本上是从整个勘测区域的P波中导出的；
通过所述非瞬态计算机可读存储器设备从耦合的存储器资源中检索基本上由所述整个勘测区域上的共炮点P波组成的地面地震反射数据；
使用所述非瞬态计算机可读存储器设备将所检索到的所述输入速度模型和所检索到的所述地面地震反射数据存储到所述存储器资源；
通过从所存储的输入速度模型和所存储的地面地震反射数据执行初始逆时偏移来由所述非瞬态计算机可读存储器设备计算初始堆叠图像和初始角度道集；
使用所述非瞬态计算机可读存储器设备从所计算的初始堆叠图像和初始角度道集中生成初始堆叠图像和初始角度道集；
使用所述非瞬态计算机可读存储器设备将所生成的初始堆叠图像和初始角度道集存储到所述存储器资源；
通过所述非瞬态计算机可读存储器设备从所述存储器资源中获取用于所存储的初始角度道集的用户定义的平坦度值；
由所述非瞬态计算机可读存储器设备通过使用移动窗口技术分析相关变化并通过所存储的初始堆叠图像来计算倾角场；
使用所述非瞬态计算机可读存储器设备将所计算的倾角场存储到所述存储器资源；
由所述非瞬态计算机可读存储器设备根据如下表达式使用所存储的初始角度道集来计算真实角度域中的残余时差偏移深度：
由所述非瞬态计算机可读存储器设备使用所计算的真实角度域中的残余时差偏移深度来生成真实角度域中的残余时差偏移深度；
使用所述非瞬态计算机可读存储器设备将在真实角度域中生成的残余时差偏移深度存储到存储器资源中；
通过使用所述非瞬态计算机可读存储器设备执行断层成像反演来从所存储的真实角度域中的残余时差偏移深度和所存储的倾角场中计算初始速度扰动；
使用所述非瞬态计算机可读存储器设备从所计算的初始速度扰动生成初始速度扰动；
使用所述非瞬态计算机可读存储器设备将所生成的初始速度扰动存储到存储器资源；
由所述非瞬态计算机可读存储器设备从所存储的初始速度扰动和所存储的初始速度模型来计算更新的速度模型；
使用所述非瞬态计算机可读存储器设备从所计算的更新的速度模型中生成更新的速度模型；
由所述非瞬态计算机可读存储器设备通过从所生成的更新的速度模型和所存储的地面地震数据中执行逆时偏移来计算更新的堆叠图像和更新的角度道集；
使用所述非瞬态计算机可读存储器设备从所计算的更新的堆叠图像和更新的角度道集中生成具有更新的平坦度值的更新的堆叠图像和更新的角度道集；
由所述非瞬态计算机可读存储器设备将所生成的更新的堆叠图像和更新的角度道集存储到存储器资源；
重复以下步骤：通过使用移动窗口技术分析相关变化来计算倾角场，将所计算出的倾角场存储到所述存储器资源，计算在真实角度域中的残余时差偏移深度，生成真实角度域中的残余时差偏移深度，存储所生成的在真实角域中的残余时差偏移深度，计算初始速度扰动，生成初始速度扰动，存储所生成的初始速度扰动，计算更新的速度模型，生成更新的速度模型，计算更新的堆叠图像和更新的角度道集，生成具有更新的平坦度值的更新的堆叠图像和更新的角度道集，将所生成的具有更新的平坦度值的更新的堆叠图像和更新的角度道集存储到存储器资源，直到所述更新的角度道集所具有的更新的平坦度值等于或小于用于初始角度道集的用户定义的平坦度值；
一旦所重复更新的角度道集的更新的平坦度值等于或小于用于初始角度道集的用户定义的平坦度值，就由所述非瞬态计算机可读存储器设备从所存储的更新的堆叠图像和所存储的更新的角度道集中生成最终的堆叠图像和最终的角度道集；和
一旦所重复更新的角度道集的更新的平坦度值等于或小于用于初始角度道集的用户定义的平坦度值，就由所述非瞬态计算机可读存储器设备将所生成的更新的速度模型、所生成的最终的堆叠图像和所生成的最终的角度道集存储到存储器资源。
2.一种计算系统设备，其被编程为执行计算机实现方法的一组操作，用于在具有高速对比地质体的整个勘测区域上获得地下堆叠图像、地下角度道集和地下速度模型，包括：
计算机系统输入设备，其用于执行获取、检索、存储、计算、生成和重复的操作；
存储器资源，其用于存储与获取和存储输入速度模型、地面地震反射数据、初始堆叠图像、初始角度道集、用于所存储的角度道集的用户定义的平坦度值、通过使用移动窗口技术分析相关性的变化而得到的倾角场、真实角度域中的残余时差偏移深度、初始速度扰动、更新的速度模型、更新的堆叠图像、更新的角度道集、最终的堆叠图像和最终的角度道集的操作相对应的数据；
计算机系统输出设备，其耦合到所述存储器资源，用于生成与生成初始堆叠图像、初始角度道集、真实角度域中的残余时差偏移深度、初始速度扰动、更新的速度模型、更新的堆叠图像、具有更新的平坦度值的更新的角度道集、最终的堆叠图像和最终的角度道集的操作对应的数据；和
非瞬态计算机可读存储器设备，其耦合到所述计算机系统输入设备、耦合到所述存储器资源，并耦合到所述计算机系统输出设备，用于执行以下操作：
通过具有耦合到计算机系统输入设备、耦合到存储器资源和耦合到计算机系统输出设备的非瞬态计算机可读存储器设备的所述计算系统设备来检索输入速度模型，其中所述输入速度模型基本上是从整个勘测区域的P波中导出的；
通过所述非瞬态计算机可读存储器设备从耦合的存储器资源中检索基本上由所述整个勘测区域上的共炮点P波组成的地面地震反射数据；
使用所述非瞬态计算机可读存储器设备将所检索到的所述输入速度模型和所检索到的所述地面地震反射数据存储到所述存储器资源；
通过从所存储的输入速度模型和所存储的地面地震反射数据执行初始逆时偏移来由所述非瞬态计算机可读存储器设备计算初始堆叠图像和初始角度道集；
使用所述非瞬态计算机可读存储器设备从所计算的初始堆叠图像和初始角度道集中生成初始堆叠图像和初始角度道集；
使用所述非瞬态计算机可读存储器设备将所生成的初始堆叠图像和初始角度道集存储到所述存储器资源；
通过所述非瞬态计算机可读存储器设备从所述存储器资源中获取用于所存储的初始角度道集的用户定义的平坦度值；
由所述非瞬态计算机可读存储器设备通过使用移动窗口技术分析相关变化并通过所存储的初始堆叠图像来计算倾角场；
使用所述非瞬态计算机可读存储器设备将所计算的倾角场存储到所述存储器资源；
由所述非瞬态计算机可读存储器设备根据如下表达式使用所存储的初始角度道集来计算真实角度域中的残余时差偏移深度：
由所述非瞬态计算机可读存储器设备使用所计算的真实角度域中的残余时差偏移深度来生成真实角度域中的残余时差偏移深度；
使用所述非瞬态计算机可读存储器设备将在真实角度域中生成的残余时差偏移深度存储到存储器资源中；
通过使用所述非瞬态计算机可读存储器设备执行断层成像反演来从所存储的真实角度域中的残余时差偏移深度和所存储的倾角场中计算初始速度扰动；
使用所述非瞬态计算机可读存储器设备从所计算的初始速度扰动生成初始速度扰动；
使用所述非瞬态计算机可读存储器设备将所生成的初始速度扰动存储到存储器资源；
由所述非瞬态计算机可读存储器设备从所存储的初始速度扰动和所存储的初始速度模型来计算更新的速度模型；
使用所述非瞬态计算机可读存储器设备从所计算的更新的速度模型中生成更新的速度模型；
由所述非瞬态计算机可读存储器设备通过从所生成的更新的速度模型和所存储的地面地震数据中执行逆时偏移来计算更新的堆叠图像和更新的角度道集；
使用所述非瞬态计算机可读存储器设备从所计算的更新的堆叠图像和更新的角度道集中生成具有更新的平坦度值的更新的堆叠图像和更新的角度道集
由所述非瞬态计算机可读存储器设备将所生成的更新的堆叠图像和更新的角度道集存储到存储器资源；
重复以下步骤：通过使用移动窗口技术分析相关变化来计算倾角场，将所计算出的倾角场存储到所述存储器资源，计算在真实角度域中的残余时差偏移深度，生成真实角度域中的残余时差偏移深度，存储所生成的在真实角域中的残余时差偏移深度，计算初始速度扰动，生成初始速度扰动，存储所生成的初始速度扰动，计算更新的速度模型，生成更新的速度模型，计算更新的堆叠图像和更新的角度道集，生成具有更新的平坦度值的更新的堆叠图像和更新的角度道集，将所生成的具有更新的平坦度值的更新的堆叠图像和更新的角度道集存储到存储器资源，直到所述更新的角度道集所具有的更新的平坦度值等于或小于用于初始角度道集的用户定义的平坦度值；
一旦所重复更新的角度道集的更新的平坦度值等于或小于用于初始角度道集的用户定义的平坦度值，就由所述非瞬态计算机可读存储器设备从所存储的更新的堆叠图像和所存储的更新的角度道集中生成最终的堆叠图像和最终的角度道集；和
一旦所重复更新的角度道集的更新的平坦度值等于或小于用于初始角度道集的用户定义的平坦度值，就由所述非瞬态计算机可读存储器设备将所生成的更新的速度模型、所生成的最终的堆叠图像和所生成的最终的角度道集存储到存储器资源。
3.根据权利要求2所述的计算系统设备，其特征在于，所述计算机系统输出设备还被编程为显示用户界面，并打印所存储的更新的速度模型、所存储的最终的堆叠图像和最终的角度道集。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US17/487,182 | 2021-09-28 | ||
| US17/487,182 US11644591B1 (en) | 2021-09-28 | 2021-09-28 | Computer-implemented method and system for obtaining a subsurface stack image, subsurface angle gathers, and a subsurface velocity model, over an entire survey region having high velocity contrast geo-bodies |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115877449A true CN115877449A (zh) | 2023-03-31 |
| CN115877449B CN115877449B (zh) | 2024-02-13 |
Family
ID=85770062
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211180345.0A Active CN115877449B (zh) | 2021-09-28 | 2022-09-27 | 用于在勘测区域内获得地下叠加图像的计算机实现方法 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US11644591B1 (zh) |
| CN (1) | CN115877449B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021008712A1 (en) * | 2019-07-18 | 2021-01-21 | Toyota Motor Europe | Method for calculating information relative to a relative speed between an object and a camera |
| US11821307B2 (en) * | 2021-10-06 | 2023-11-21 | Saudi Arabian Oil Company | 1D mono frequency ratio log extraction workflow procedure from seismic attribute depth volume |
| CN116699684B (zh) * | 2023-06-09 | 2024-08-02 | 中海石油(中国)有限公司深圳分公司 | 面向储层预测的地震数据拼接方法、装置、设备及介质 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101315427A (zh) * | 2007-05-29 | 2008-12-03 | 中国石油天然气集团公司 | 一种复杂地区地震勘探资料处理的方法及系统 |
| US20110075516A1 (en) * | 2009-09-25 | 2011-03-31 | Halliburton Energy Services, Inc. | Seismic Imaging Systems and Methods Employing Tomographic Migration-Velocity Analysis Using Common Angle Image Gathers |
| CN102565852A (zh) * | 2010-12-08 | 2012-07-11 | 同济大学 | 针对储层含油气性检测的角度域叠前偏移数据处理方法 |
| WO2013152062A2 (en) * | 2012-04-04 | 2013-10-10 | Bp Corporation North America Inc. | Systems and methods for optimal stacking of seismic data |
| US20140233352A1 (en) * | 2013-02-20 | 2014-08-21 | Chevron U.S.A. Inc. | Velocity models for processing seismic data based on basin modeling |
| US20150124559A1 (en) * | 2013-11-05 | 2015-05-07 | Young Ho Cha | Seismic Image Dip Decomposition Estimation and Recomposition |
| CN109738945A (zh) * | 2018-11-08 | 2019-05-10 | 成都捷科思石油天然气技术发展有限公司 | 一种利用叠前深度偏移成果直接生成构造图的方法 |
| US20190154857A1 (en) * | 2017-11-17 | 2019-05-23 | Cgg Services Sas | Seismic exploration using image-based reflection full waveform inversion to update low wavenumber velocity model |
| CN109839660A (zh) * | 2018-11-08 | 2019-06-04 | 成都捷科思石油天然气技术发展有限公司 | 一种利用叠前道集数据建立速度深度模型的方法 |
| CN110050205A (zh) * | 2016-12-02 | 2019-07-23 | Bp北美公司 | 使用偏移道集的潜波照明 |
| US20190302293A1 (en) * | 2018-03-30 | 2019-10-03 | Cgg Services Sas | Methods using travel-time full waveform inversion for imaging subsurface formations with salt bodies |
| CN111239822A (zh) * | 2020-02-27 | 2020-06-05 | 广州海洋地质调查局 | 一种消除井震闭合差的断层下速度建模方法及处理终端 |
| CN111257969A (zh) * | 2020-02-27 | 2020-06-09 | 广州海洋地质调查局 | 一种断层控制下高精度速度建模方法及处理终端 |
| CN112904430A (zh) * | 2019-12-03 | 2021-06-04 | 中国石油化工股份有限公司 | 非线性直接叠前地震泊松阻抗反演的计算机实现的方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10310123B2 (en) | 2012-03-09 | 2019-06-04 | Cgg Services Sas | Seismic reflection full waveform inversion for reflected seismic data |
| US9268776B2 (en) | 2012-06-25 | 2016-02-23 | International Business Machines Corporation | Methods and apparatus for data collection |
| EP3069171B1 (en) | 2013-11-12 | 2021-08-25 | Westerngeco LLC | Seismic data processing |
-
2021
- 2021-09-28 US US17/487,182 patent/US11644591B1/en active Active
-
2022
- 2022-09-27 CN CN202211180345.0A patent/CN115877449B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101315427A (zh) * | 2007-05-29 | 2008-12-03 | 中国石油天然气集团公司 | 一种复杂地区地震勘探资料处理的方法及系统 |
| US20110075516A1 (en) * | 2009-09-25 | 2011-03-31 | Halliburton Energy Services, Inc. | Seismic Imaging Systems and Methods Employing Tomographic Migration-Velocity Analysis Using Common Angle Image Gathers |
| CN102565852A (zh) * | 2010-12-08 | 2012-07-11 | 同济大学 | 针对储层含油气性检测的角度域叠前偏移数据处理方法 |
| WO2013152062A2 (en) * | 2012-04-04 | 2013-10-10 | Bp Corporation North America Inc. | Systems and methods for optimal stacking of seismic data |
| US20140233352A1 (en) * | 2013-02-20 | 2014-08-21 | Chevron U.S.A. Inc. | Velocity models for processing seismic data based on basin modeling |
| US20150124559A1 (en) * | 2013-11-05 | 2015-05-07 | Young Ho Cha | Seismic Image Dip Decomposition Estimation and Recomposition |
| CN110050205A (zh) * | 2016-12-02 | 2019-07-23 | Bp北美公司 | 使用偏移道集的潜波照明 |
| US20190154857A1 (en) * | 2017-11-17 | 2019-05-23 | Cgg Services Sas | Seismic exploration using image-based reflection full waveform inversion to update low wavenumber velocity model |
| US20190302293A1 (en) * | 2018-03-30 | 2019-10-03 | Cgg Services Sas | Methods using travel-time full waveform inversion for imaging subsurface formations with salt bodies |
| CN109839660A (zh) * | 2018-11-08 | 2019-06-04 | 成都捷科思石油天然气技术发展有限公司 | 一种利用叠前道集数据建立速度深度模型的方法 |
| CN109738945A (zh) * | 2018-11-08 | 2019-05-10 | 成都捷科思石油天然气技术发展有限公司 | 一种利用叠前深度偏移成果直接生成构造图的方法 |
| CN112904430A (zh) * | 2019-12-03 | 2021-06-04 | 中国石油化工股份有限公司 | 非线性直接叠前地震泊松阻抗反演的计算机实现的方法 |
| CN111239822A (zh) * | 2020-02-27 | 2020-06-05 | 广州海洋地质调查局 | 一种消除井震闭合差的断层下速度建模方法及处理终端 |
| CN111257969A (zh) * | 2020-02-27 | 2020-06-09 | 广州海洋地质调查局 | 一种断层控制下高精度速度建模方法及处理终端 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20230119357A1 (en) | 2023-04-20 |
| US11644591B1 (en) | 2023-05-09 |
| CN115877449B (zh) | 2024-02-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11048000B2 (en) | Seismic image data interpretation system | |
| US10295683B2 (en) | Amplitude inversion on partitioned depth image gathers using point spread functions | |
| Süss et al. | P wave seismic velocity structure derived from sonic logs and industry reflection data in the Los Angeles basin, California | |
| US11143776B2 (en) | Computer-implemented method and system for small cave recognition using seismic reflection data | |
| US11493658B2 (en) | Computer-implemented method and system employing nonlinear direct prestack seismic inversion for poisson impedance | |
| WO2017035104A1 (en) | Velocity model seismic static correction | |
| CN115877449B (zh) | 用于在勘测区域内获得地下叠加图像的计算机实现方法 | |
| US11333782B2 (en) | Computer-implemented method and system for removing low frequency and low wavenumber noises to generate an enhanced image | |
| Zhou | Multiscale deformable-layer tomography | |
| US20230125277A1 (en) | Integration of upholes with inversion-based velocity modeling | |
| WO2022221513A1 (en) | Determining a seismic quality factor for subsurface formations for marine vertical seismic profiles | |
| US11947062B2 (en) | Velocity tomography using time lags of wave equation migration | |
| EP3724694A1 (en) | Subsalt imaging tool for interpreters | |
| US11768303B2 (en) | Automatic data enhancement for full waveform inversion in the midpoint-offset domain | |
| US11391855B2 (en) | Developing a three-dimensional quality factor model of a subterranean formation based on vertical seismic profiles | |
| US11531129B2 (en) | Picking seismic stacking velocity based on structures in a subterranean formation | |
| Zhou | First-break vertical seismic profiling tomography for Vinton Salt Dome | |
| US11022710B2 (en) | Identifying anomalies in a subterranean formation based on seismic attributes | |
| CN114114412B (zh) | 使用各向异性参数来生成时间偏移图像道集的方法和系统 | |
| US20240288599A1 (en) | Method and system for subsurface imaging using multi-physics joint migration inversion and geophysical constraints | |
| US20240302553A1 (en) | Identifying Geological Structural Style in Seismic Reflections | |
| WO2024191795A1 (en) | Seismic imaging framework | |
| Gadallah et al. | Seismic Interpretation | |
| Wo et al. | First-arrival traveltime tomography with near-surface structural regularization | |
| WO2024015895A2 (en) | Seismic horizon tracking framework |
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 |