CN116088047B - 一种基于断层模型的油气藏搜寻方法及系统 - Google Patents

一种基于断层模型的油气藏搜寻方法及系统 Download PDF

Info

Publication number
CN116088047B
CN116088047B CN202310279101.6A CN202310279101A CN116088047B CN 116088047 B CN116088047 B CN 116088047B CN 202310279101 A CN202310279101 A CN 202310279101A CN 116088047 B CN116088047 B CN 116088047B
Authority
CN
China
Prior art keywords
frequency
englist
image
value
optimized
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202310279101.6A
Other languages
English (en)
Other versions
CN116088047A (zh
Inventor
胡明
庞磊
孙同文
刘哲
王伟
王超
李佳静
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.)
Guangdong University of Petrochemical Technology
Original Assignee
Guangdong University of Petrochemical Technology
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 Guangdong University of Petrochemical Technology filed Critical Guangdong University of Petrochemical Technology
Priority to CN202310279101.6A priority Critical patent/CN116088047B/zh
Publication of CN116088047A publication Critical patent/CN116088047A/zh
Application granted granted Critical
Publication of CN116088047B publication Critical patent/CN116088047B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01V1/282—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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • 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
    • G01V2210/64—Geostructures, e.g. in 3D data cubes
    • G01V2210/642—Faults
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Geology (AREA)
  • Environmental & Geological Engineering (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Acoustics & Sound (AREA)
  • Geophysics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本发明涉及地质图像处理技术领域，提供了一种基于断层模型的油气藏搜寻方法及系统，利用三维地震数据选出最优的敏感性瞬时谱属性体；基于所述最优的敏感性瞬时谱属性体进行相干计算获得瞬时谱相干属性体；识别出低频阴影相关的区域作为待优化区域，对所述地层切片中的待优化区域进行优化获得优化后的地层切片图像获得优化后的地层切片图像；使用优化后的地层切片图像进行油气藏寻找和验证分析，通过结合各高低频频率信息对优选的目的层段地层切片信息进行优化，减轻了强反射等因素的干扰且凸显了与低频阴影现象相关的信息，减少了虚假低频阴影现象导致的油气藏预测错误的现象，提高了利用低频阴影现象进行油气藏识别的准确率。

Description

一种基于断层模型的油气藏搜寻方法及系统
技术领域
本发明涉及地质图像处理技术、石油与天然气勘测技术领域，具体涉及一种基于断层模型的油气藏搜寻方法及系统。
背景技术
目前石油与天然气勘探技术已经日渐成熟，在我国石油和天然气等能源还需要大量进口的背景下，加强对油气的资源的勘探对于满足国内各行业的油气资源需求具有重要的意义。低频阴影是位于石油或者天然气储存区下方的强能量瞬时低频率区域，是指示油气储层位置的一种重要属性，能直接指示出油气存储的位置，对油气储存层探测十分重要。现已有越来越多的技术开始使用三维地震数据构建断层模型，并在经瞬时谱技术构建的三维模型中对低频阴影进行搜寻，成功地以较低成本实现了对勘探区域中油气资源的探测。
现有公开文件（例如公开号为CN111257933A的中国发明专利）也有说明，经瞬时谱技术构建的三维模型中的低频阴影现象容易受到一些外界因素的干扰，会产生一些低频阴影的假象，这些假象很容易造成对油气储存层的误识别。这些的误导信息会影响油气资源探测的准确性和效率，为了弥补该缺陷，需要其他昂贵设备辅助测量更多的数据才能提高油气探测的效果，但会因此消耗更多的成本。
发明内容
本发明的目的在于提出一种基于断层模型的油气藏搜寻方法，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。
为了实现上述目的，根据本发明的一方面，提供一种基于断层模型的油气藏搜寻方法，所述方法包括以下步骤：
S100：利用所探测区域断层的三维地震数据计算多种敏感性瞬时谱属性体，并选出最优的敏感性瞬时谱属性体；
S200：基于所述最优的敏感性瞬时谱属性体进行相干计算获得瞬时谱相干属性体；
S300：对所述瞬时谱相干属性体进行频谱分析，按照频率的设定阈值将目的层段的瞬时谱相干属性体划分为低频和高频；
S400：从各个低频目的层段的瞬时谱相干属性体对应的地层切片中识别出低频阴影相关的区域作为待优化区域，对所述地层切片中的待优化区域进行优化获得优化后的地层切片图像。
进一步地，所述方法还包括步骤S500：使用优化后的地层切片图像进行油气藏寻找和验证分析。
进一步地，在S100中，利用所探测区域断层的三维地震数据计算多种敏感性瞬时谱属性体，并选出最优的敏感性瞬时谱属性体的方法为：
从三维地震数据中获取瞬时振幅谱属性体、瞬时频率谱属性体和瞬时相位谱属性体（即，所述的多种敏感性瞬时谱属性体包括振幅谱，频率谱和相位谱）；根据三维地震数据进行地层切片，并分别计算探测区域井孔储层厚度和对应地层切片之间的相关性系数；选择出相关性系数最大的敏感性瞬时谱属性体作为最优的敏感性瞬时谱属性体。
进一步地，在S200中，基于所述最优的敏感性瞬时谱属性体进行相干计算获得瞬时谱相干属性体的方法为：
通过相干计算得到瞬时谱相干属性体的相干属性值后选取相干属性值小于预设的相干阈值内的瞬时谱相干属性体；
根据标准道信号与所有地震道信号的关系，相干属性值C的计算方式如下：
Figure SMS_1
；
其中，Sj(i)表示三维地震数据中的第i个样本点的第j道地震信号，M为地震道信号总道数，j为地震道信号索引，N为计算窗的总样本点数，i为计算窗的样本点索引。
其中所述瞬时谱相干属性体的相干属性值C能够反映不同地震道信号间的相似程度，非断裂处地震道间的信号较为相似，C一般接近于1，相干性较大；断裂处地震道的信号间则会有一定的差异，C会有明显减小（为了突出异常，一般情况下会使用1-C表示相干性，取值范围一般为0～0.3），相干阈值一般设置为0.3～0.6，相干性较小，相干属性体计算弱化了连续处的信息，强化了不连续处的信息，所以相干属性体计算可以根据地震数据有效地提供地层中的断裂处和非断裂处的信息。地层的断裂处附近通常存在油气藏，是寻找油气藏的一个重要信息，通过相干属性计算识别油气藏附近的断裂可以结合更多信息减少虚假低频阴影的干扰，提高油气藏位置预测的准确性。
进一步地，在S300中，按照频率的设定阈值将目的层段的瞬时谱相干属性体划分为低频和高频的方法为：
按照频率的设定阈值将目的层段的瞬时谱相干属性体划分为低频和高频，具体为小于设定阈值为低频，大于设定阈值则为高频；
其中，令设定阈值为10Hz、15Hz、20Hz、25Hz、30Hz、35Hz中的任一频率，或者，小于10Hz、15Hz、20Hz、25Hz、30Hz、35Hz的中位数或者均值为低频，反之则为高频。
从三维地震数据中获取瞬时振幅谱属性体、瞬时频率谱属性体和瞬时相位谱属性体
收集到的三维地震数据和经过上述多个步骤处理后是复合多频率的数据体，本步骤对瞬时谱相干属性体进行了频谱分析，生成了一系列不同频率的瞬时谱相干属性体。优选地，本发明划分高低频的方式可以有两种，一种是把频率小于设定阈值（该设定阈值可以是10Hz、15Hz、20Hz、25Hz、30Hz、35Hz等）划归为低频，否则为高频；另一种是取这一系列频率的中位数或者均值作为划分标准，小于该中位数或者均值为低频，否则为高频。现有使用低频阴影预测油气藏方法主要基于独特低频阴影现象：低频时，三维地震数据会在油气藏下方的位置出现能量团，而高频时，对应位置的能量团就会消失。
本发明选择频率低于阈值的所有瞬时谱相干属性体地层切片作为低频切片，根据由于低频阴影的高频消失导致的信息空白现象筛选出信息丢失情况最轻微的单一频率下的低频目的层段的瞬时谱相干属性体地层切片；
上述的过程中以观察独特的低频阴影现象的方式选择出了信息保留较好的特定频率下的低频地层切片，所选择的切片仅包含单一频率三维地震数据的信息。相较于其他频率的地层切片，虽然所优选的地层切片包含更完整的信息，有许多的方法也直接使用优选的低频地层切片进行油气藏预测，但直接丢弃其他频率的信息并不是最好的选择。所丢弃的其他频率地层切片（例如高频地层切片）很可能包括断层圈闭或油气藏的更多轮廓和边缘信息，这些信息可提供更多的几何位置信息进一步辅助在断层模型进行油气藏预测，提高油气藏预测的准确性。
进一步地，在S400中，从各个低频目的层段的瞬时谱相干属性体对应的地层切片中识别出低频阴影相关的区域作为待优化区域，对所述地层切片中的待优化区域进行优化获得优化后的地层切片图像，具体步骤如下：
S401，把各个低频目的层段的瞬时谱相干属性体对应的地层切片转换成灰度图；
其中，灰度值大小为0到255的整数，灰度值的大小对应地层切片中位置能量的大小；
S402，对各个灰度图进行边缘检测以检测到的边缘线对各个灰度图依次分割出若干个图像区域；
其中，所述边缘检测为：使用Roberts算子、Prewitts算子、Sobel算子、Canny算子和Marr-Hildreth算子中的任意一类边缘检测算子的算法或分水岭算法；
以G为灰度图中所有图像区域的集合，i1为集合G中图像区域的序号，i1∈[1,N1]且为整数，N1为图像区域总数，Gi1表示集合G中第i1个图像区域；设置i1的初始值为1；设置一个空的集合A作为待优化区域集合；
（由于集合G中并不是所有的图像区域都与低频阴影有关，所以集合G中跟低频阴影有关的图像区域需要筛选出来）；
S403，筛选集合G中与低频阴影相关的图像区域作为待优化区域，具体为：
令图像区域Gi1所在的灰度图为当前灰度图；
遍历i1的取值范围，计算图像区域Gi1在除当前灰度图外的各灰度图上的相同位置中计算每个图像区域的像素灰度值总和作为Gi1位置对应的在对应图像区域的能量值Eng，按图像区域对应的频率从低到高进行排序构成Gi1位置对应的图像区域将对应的能量值构成列表EngList；把不同图像区域对应的频率按其频率值从低到高进行排序构成频率列表FreList；
由于灰度图是不同频率的目的层段地层切片一一对应地转换得到的，因此灰度图数量与频率总个数相同；记j1为与Gi1位置对应的灰度图的每个图像区域的能量值在列表EngList中的序号或不同频率在列表FreList的序号，j1∈[1,D1]且为整数，D1为地层切片的频率总个数；EngList中的第j1个图像区域的能量值表示为EngListj1；FreList中的第j1个频率为与第j1个图像区域对应的频率表示为FreListj1；
记EngList中的第c个元素为图像区域Gi1的能量值，c为Gi1的能量值在EngList中的序号，图像区域Gi1的能量值为EngListj1=c，与其对应瞬时谱相干属性体的地层切片的频率为列表FreList的第c个元素FreListj1=c；（FreListj1=c为当i1的值为c时的FreListj1）；
S404，根据频率从低到高按顺序逐一计算EngList中除了EngListc以外的其他能量值与EngListc之差的绝对值，记这些差的绝对值构成的列表为ChaList，即ChaList中每个差的绝对值由EngList中除EngListc以外的所有能量值与EngListc计算差值的绝对值得到；
从ChaList中选出最大值ChaMax，具体为：选出最大值ChaMax需要满足的条件是该最大值是EngList中对应频率为高频的能量值与EngListj1=c之差的绝对值，若不满足该条件则先将该最大值从ChaList忽略，重新选择新的最大值，直到得到满足条件的最大值ChaMax；之后，从ChaList中选出最小值ChaMin，具体为：选出最小值ChaMin需要满足的条件是该最小值是由EngList中对应频率为低频的能量值与EngListj1=c计算得到的，若不满足该条件则先将该最小值从ChaList忽略，重新选择新的最小值，直到得到满足条件的最小值ChaMin；
记EngList中的第i2个能量值EngListi2和第j2个能量值EngListj2分别与EngListj1=c计算得到了ChaMin和ChaMax，则FreListi2和FreListj2分别为EngListi2和EngListj2的对应频率，其中i2为ChaMin对应的能量值在EngList中能量值的序号，j2为ChaMax对应的能量值在EngList中能量值的序号；
S405，通过ChaMin和ChaMax确定EngList中的频率变能区间（频率变能区间反映了随频率变化地层切片中能量值变化最明显的区段），具体为：若i2＜c或i2＞c且j2-i2＞50（要求j2-i2＞50是因为考虑到样本不能太少，要不会导致较大的计算误差）,EngList的第i2到第j2个元素为频率变能区间，也就是与Gi1对应频率从FreListi2到FreListj2之间不同频率的图像区域的能量值；否则令i2的值为c，以EngList的第c到第j2个元素为频率变能区间，也就是与Gi1对应频率从FreListi2=c到FreListj2之间不同频率的图像区域的能量值；由EngList中频率变能区间之外的其他元素构成非频率变能区间；
计算频率变能区间的能量趋变系数η1：
Figure SMS_2
；
计算非频率变能区间的能量趋变系数η2：
Figure SMS_3
；
ln指自然对数运算；
或，计算频率变能区间/非频率变能区间的能量趋变系数η1/η2的方式为：
Figure SMS_4
；/>
Figure SMS_5
；
（相较于第一种计算η1/η2的方式，第二种计算方式更加简洁，但少考虑了更多其他因素对η1/η2的影响，并不如第一种计算η1/η2的方式精确）。
本发明判断图像区域Gi1是否与低频阴影相关的方法为比较频率变能区间和非频率变能区间的能量趋变系数大小；若η1>η2,则说明图像区域Gi1很可能与低频阴影相关，则把图像区域Gi1放进待优化区域集合A中；否则说明图像区域Gi1很可能与低频阴影无关，不把图像区域Gi1放进待优化区域集合A中；
S406，当i1≤N1时，令i1的值增加1并转到步骤S403，否则输出待优化区域集合A，转到步骤S407；记k1为待优化区域集合A中图像区域的序号，则集合A中的第k1个图像区域为Ak1；k1∈[1,B1]且为整数，B1待优化区域集合A中图像区域的总数；设置k1初始值为1；
选出与低频阴影相关的图像区域结合其他频率的图像区域信息进行信息优化，而不是对集合G所有的图像区域进行信息优化的原因是本发明侧重于通过低频阴影现象实现对油气藏的寻搜，低频阴影相关的图像区域相对来说更重要，这样可以避免引入一些不利于油气藏寻搜的噪音信息，且可以在一定程度上提高信息优化的效率，减少信息优化消耗的时间；
S407，遍历待优化区域集合A中的每个图像区域Ak1，Ak1结合与Ak1位置相同的且在频率变能区间中的不同频率地层切片灰度图的图像区域以EngList中的能量值作为权重对包括Ak1在内的上述所有图像区域进行加权求和（这里使用Ak1以及与Ak1对应的其他一系列在频率变能区间中的不同频率地层切片灰度图的图像区域进行信息融合的原因是因为在频率变能区间中的不同频率所对应的图像区域包含了与低频阴影相关的最重要信息，其中，此处的加权求和为将图像进行加权的相加运算），以得到信息优化后的图像区域AOPk1，按以上步骤遍历完待优化区域集合A则完成了对筛选出的低频地层切片所对应灰度图的信息优化；
记T为包括Ak1在内的灰度图中的与Ak1位置相同的图像区域的列表，（ T与Englist和FreList元素数量相同（都为D1），都按频率从低到高进行排序，因此一一对应）；所以T中的第j1个元素可表示为Tj1，且T的第c个元素Tj1=c= Ak1；AOPk1的计算方式为：
若i2≤c：
Figure SMS_6
；
若i2＞c：
Figure SMS_7
；
其中，
Figure SMS_8
表示能量值/>
Figure SMS_9
对图像区域/>
Figure SMS_10
中的像素值进行乘法运算。
S408，将信息优化后的优选的低频目的层段的瞬时谱相干属性体地层切片所对应的灰度图进行灰度变换以得到信息优化后的优选的低频目的层段的瞬时谱相干属性体地层切片，并输出该地层切片作为优化后的地层切片图像。
经过上述步骤得到了信息优化后的优选的低频目的层段的瞬时谱相干属性体地层切片，该地层切片融合了不同频率的地层切片的信息，具备了更丰富的信息，会更有利于油气藏的预测和搜寻。
虽然步骤S407可以结合其他频率的地层切片所对应的灰度图信息对优选的低频地层切片所对应的灰度图信息进行优化，但频率变能区间中的与Ak1对应的不同频率地层切片灰度图中的图像区域并不是所有位置的像素都适合与Ak1以Englist中的元素作为权重进行加权融合，因为Englist中的每个元素是一个图像区域中的能量值；这样进行融合容易使信息优化后的图像区域出现能量团局部模糊，无法识别一些较小的油气藏，从而影响油气藏搜寻的准确性，一定程度上也影响了经济效益；为了解决该问题，进一步地，结合其他频率的地层切片所对应的灰度图信息对优选的低频地层切片所对应的灰度图信息进行优化的步骤S407还可以是包括如下的步骤：
S4071，设置图像区域面积大小的划分标准为待优化区域集合A中的图像区域的以像素单位计算的面积的平均值或中位数或20×20像素；将待优化区域集合A中的图像区域根据面积大小划分为两部分，大于或等于该划分标准的图像区域属于大面积部分，小于该划分标准的图像区域属于小面积部分；设置k1的初始值为1；
对于大面积部分的图像区域还需要进行更细化的处理，对于小面积部分的图像区域则会直接对图像区域中的像素进行后续处理；
S4072，计算Ak1像素灰度值的平均值或中位数Pme和最大值Pmax，设置j1的初始值为i2；判断Ak1属于集合A中小面积部分还是大面积部分；Ak1属于集合A中小面积部分记状态值Big为False，Ak1属于集合A中大面积部分则记状态值Big为True；
S4073，若j1=c，转至步骤S40711，否则，若状态值Big为False则转至步骤S4074，若状态值Big为True则转至步骤S4075；
（对待优化区域集合A中小面积部分的图像区域的信息进行优化的方法）；
S4074，对与Ak1对应且频率为FreListj1的地层切片图像区域Tj1中的像素进行筛选，进而完成对Ak1的信息优化，具体为：将Tj1中像素灰度值小于Pmax但大于或等于Pme的所有像素记为对比像素1，将所有对比像素1与Ak1对应位置的像素求平均灰度值并把所有对比像素2的像素灰度值更新为所述平均灰度值，(与Tj1中像素灰度值小于Pme的像素位置对应的Ak1的像素并不会有任何像素灰度值的改变)，将Tj1中像素灰度值大于或等于Pmax的像素替代Ak1对应位置的像素；转至步骤S40711；
（对待优化区域集合A中大面积部分的图像区域的信息进行优化的方法）；
S4075，使用基于边缘检测图像分割算法或分水岭算法对图像区域Tj1以边缘线将分割出若干个更小的子图像区域；若分割出来的子图像区域面积若大于或等于所述划分标准，则将子图像区域与Ak1对应的子图像区域以图像区域能量值作为权重进行加权求和（将图像进行加权的相加运算）并用Ak1在加权求和的结果上对应位置的像素灰度值替代Ak1中对应的子图像区域的像素灰度值，继而完成Ak1中对应的子图像区域的信息优化；若存在分割出来的子图像区域面积小于S4071所提及的划分标准，则将这些面积小于所述划分标准的子图像区域构成集合Q并转至步骤S4076，否则转至步骤S40711；
S4076，计算Ak1几何重心与集合Q中每个子图像区域的几何重心的欧氏距离，获取这些欧氏距离的平均值或中位数Dme和最小值Dmin，并根据与Ak1几何重心的欧式距离从小到大对集合Q中元素进行重新排序，其中Ql1为子图像区域为集合Q中第l1个子图像区域，序号l1∈[1,P1]且为整数，P1为集合Q中子图像区域的总数；设置一个空的集合B；
S4077，以Ql1=1的几何重心点为圆心、Dme为半径的圆形区域为搜索范围Search1，将集合Q中几何重心在搜索范围Search1内且像素灰度值平均值或中位数大于Pme的子图像区域加入集合B中；
S4078，计算从Search1的圆心开始到集合Q中所有子图像区域的几何重心点的向量，将这些向量进行累加得到的新向量作为能量信号向量，记能量信号向量的模为Dsig；若Dsig＞Dmin，转至步骤S4079；若Dsig≤Dmin，转至步骤S40710；
S4079，将搜索范围Search1的圆心往能量信号向量的方向移动距离Dsig得到点Point1，此时搜索范围Search1变为以点Point1为圆心、以Dme为半径的圆形区域；将集合Q中几何重心在搜索范围Search1中且像素灰度值的平均值或中位数大于Pme的子图像区域放进集合B，若子图像区域先前已存在于集合B则不重复放进集合B；转至步骤S4078；
当Tj1存在面积较小的子图像区域(即小面积部分)时，并不是每个子图像区域的信息都有利于图像区域Ak1的信息优化，甚至有的子图像区域包含的是不利于信息优化的噪音信息，所以本发明选择出的信息和能量比较集中且呈现一定能量规律的子图像区域（集合B）对Ak1的信息进行优化。
S40710，使用集合B中的子图像区域对Ak1中对应的子图像区域进行信息优化，信息优化的过程与步骤S4074对集合A中小面积部分图像区域的信息优化过程相同，具体为：遍历集合B，遍历到的每个子图像区域时，各个子图像区域当中的像素灰度值小于Pmax但大于或等于Pme的所有像素记为对比像素2，将所有对比像素2与Ak1对应位置的像素求平均灰度值并把所有对比像素2的像素灰度值更新为所述平均灰度值，当中的像素灰度值大于或等于Pmax的像素则直接替代Ak1对应位置的像素，与当中像素灰度值小于Pme的像素位置对应的Ak1的像素则不会有任何像素灰度值的改变；
S40711，若j1≤j2；令j1的值增加1并转至步骤S4073，否则转至步骤S40712；
S40712，当k1≤B1时，令k1的值增加1并转至步骤S4072，否则对优选的低频目的层段的瞬时谱相干属性体地层切片所对应的灰度图的信息优化结束。
本发明还提供了一种基于断层模型的油气藏搜寻系统，所述一种基于断层模型的油气藏搜寻系统包括：处理器、存储器及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述一种基于断层模型的油气藏搜寻方法中的步骤，所述一种基于断层模型的油气藏搜寻系统可以运行于桌上型计算机、笔记本电脑、掌上电脑及云端数据中心等计算设备中，可运行的系统可包括，但不仅限于，处理器、存储器、服务器集群。
本发明的有益效果为：本发明提供一种基于断层模型的油气藏搜寻方法及系统，集合各种信息综合考虑了各种因素对油气藏搜寻的影响，通过结合各高低频频率信息对优选的目的层段地层切片信息进行优化，减轻了强反射等因素的干扰且凸显了与低频阴影现象相关的信息，减少了虚假低频阴影现象导致的油气藏预测错误的现象，提高了利用低频阴影现象进行油气藏识别的准确率。
附图说明
通过对结合附图所示出的实施方式进行详细说明，本发明的上述以及其他特征将更加明显，本发明附图中相同的参考标号表示相同或相似的元素，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所示为一种基于断层模型的油气藏搜寻方法的流程图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本发明的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
如图1所示为一种基于断层模型的油气藏搜寻方法的流程图，下面结合图1来阐述根据本发明的实施方式的一种基于断层模型的油气藏搜寻方法，所述方法包括以下步骤：
S100：利用所探测区域断层的三维地震数据计算多种敏感性瞬时谱属性体，并选出最优的敏感性瞬时谱属性体；
S200：基于所述最优的敏感性瞬时谱属性体进行相干计算获得瞬时谱相干属性体；
S300：对所述瞬时谱相干属性体进行频谱分析，按照频率的设定阈值将目的层段的瞬时谱相干属性体划分为低频和高频；
S400：从各个低频目的层段的瞬时谱相干属性体对应的地层切片中识别出低频阴影相关的区域作为待优化区域，对所述地层切片中的待优化区域进行优化获得优化后的地层切片图像。
进一步地，所述方法还包括步骤S500：使用优化后的地层切片图像进行油气藏寻找和验证分析，具体为：将优化后的地层切片图像导入TRAP-3D软件或者Recon软件
将所探测区域所有已证实的钻井油气解释成果与优化后的地层切片图像进行吻合性验证，如果地层切片图像中的油气藏位置与所探测区域所有已证实的钻井油气解释成果吻合，即为最终的油气藏平面预测结果。
优选地，或者，通过CN111257933B中的方法用优化后的地层切片图像进行油气藏寻找和验证分析。
进一步地，在S100中，利用所探测区域断层的三维地震数据计算多种敏感性瞬时谱属性体，并选出最优的敏感性瞬时谱属性体的方法为：
从三维地震数据中获取瞬时振幅谱属性体、瞬时频率谱属性体和瞬时相位谱属性体（即，所述的多种敏感性瞬时谱属性体包括振幅谱，频率谱和相位谱）；根据三维地震数据进行地层切片，并分别计算探测区域井孔储层厚度和对应地层切片之间的相关性系数；选择出相关性系数最大的敏感性瞬时谱属性体作为最优的敏感性瞬时谱属性体。
进一步地，在S200中，基于所述最优的敏感性瞬时谱属性体进行相干计算获得瞬时谱相干属性体的方法为：
通过相干计算得到瞬时谱相干属性体的相干属性值后选取相干属性值小于预设的相干阈值内的瞬时谱相干属性体；
根据标准道信号与所有地震道信号的关系，相干属性值C的计算方式如下：
Figure SMS_11
；
其中，Sj(i)表示三维地震数据中的第i个样本点的第j道地震信号，M为地震道信号总道数，j为地震道信号索引，N为计算窗的总样本点数，i为计算窗的样本点索引。
其中所述瞬时谱相干属性体的相干属性值C能够反映不同地震道信号间的相似程度，非断裂处地震道间的信号较为相似，C一般接近于1，相干性较大；断裂处地震道的信号间则会有一定的差异，C会有明显减小（为了突出异常，一般情况下会使用1-C表示相干性，取值范围一般为0～0.3），相干阈值一般设置为0.3～0.6，相干性较小，相干属性体计算弱化了连续处的信息，强化了不连续处的信息，所以相干属性体计算可以根据地震数据有效地提供地层中的断裂处和非断裂处的信息。地层的断裂处附近通常存在油气藏，是寻找油气藏的一个重要信息，通过相干属性计算识别油气藏附近的断裂可以结合更多信息减少虚假低频阴影的干扰，提高油气藏位置预测的准确性。
进一步地，在S300中，按照频率的设定阈值将目的层段的瞬时谱相干属性体划分为低频和高频的方法为：
按照频率的设定阈值将目的层段的瞬时谱相干属性体划分为低频和高频，具体为小于设定阈值为低频，大于设定阈值则为高频；
其中，令设定阈值为10Hz、15Hz、20Hz、25Hz、30Hz、35Hz中的任一频率，或者，小于10Hz、15Hz、20Hz、25Hz、30Hz、35Hz的中位数或者均值为低频，反之则为高频。
从三维地震数据中获取瞬时振幅谱属性体、瞬时频率谱属性体和瞬时相位谱属性体
收集到的三维地震数据和经过上述多个步骤处理后是复合多频率的数据体，本步骤对瞬时谱相干属性体进行了频谱分析，生成了一系列不同频率的瞬时谱相干属性体。优选地，本发明划分高低频的方式可以有两种，一种是把频率小于设定阈值（该设定阈值可以是10Hz、15Hz、20Hz、25Hz、30Hz、35Hz等）划归为低频，否则为高频；另一种是取这一系列频率的中位数或者均值作为划分标准，小于该中位数或者均值为低频，否则为高频。现有使用低频阴影预测油气藏方法主要基于独特低频阴影现象：低频时，三维地震数据会在油气藏下方的位置出现能量团，而高频时，对应位置的能量团就会消失。
本发明选择频率低于阈值的所有瞬时谱相干属性体地层切片作为低频切片，根据由于低频阴影的高频消失导致的信息空白现象筛选出信息丢失情况最轻微的单一频率下的低频目的层段的瞬时谱相干属性体地层切片；
上述的过程中以观察独特的低频阴影现象的方式选择出了信息保留较好的特定频率下的低频地层切片，所选择的切片仅包含单一频率三维地震数据的信息。相较于其他频率的地层切片，虽然所优选的地层切片包含更完整的信息，有许多的方法也直接使用优选的低频地层切片进行油气藏预测，但直接丢弃其他频率的信息并不是最好的选择。所丢弃的其他频率地层切片（例如高频地层切片）很可能包括断层圈闭或油气藏的更多轮廓和边缘信息，这些信息可提供更多的几何位置信息进一步辅助在断层模型进行油气藏预测，提高油气藏预测的准确性。
进一步地，在S400中，从各个低频目的层段的瞬时谱相干属性体对应的地层切片中识别出低频阴影相关的区域作为待优化区域，对所述地层切片中的待优化区域进行优化获得优化后的地层切片图像，具体步骤如下：
S401，把各个低频目的层段的瞬时谱相干属性体对应的地层切片转换成灰度图；
其中，灰度值大小为0到255的整数，灰度值的大小对应地层切片中位置能量的大小；
S402，对各个灰度图进行边缘检测以检测到的边缘线对各个灰度图依次分割出若干个图像区域；
其中，所述边缘检测为：使用Roberts算子、Prewitts算子、Sobel算子、Canny算子和Marr-Hildreth算子中的任意一类边缘检测算子的算法或分水岭算法；
以G为灰度图中所有图像区域的集合，i1为集合G中图像区域的序号，i1∈[1,N1]且为整数，N1为图像区域总数，Gi1表示集合G中第i1个图像区域；设置i1的初始值为1；设置一个空的集合A作为待优化区域集合；
（由于集合G中并不是所有的图像区域都与低频阴影有关，所以集合G中跟低频阴影有关的图像区域需要筛选出来）；
S403，筛选集合G中与低频阴影相关的图像区域作为待优化区域，具体为：
令图像区域Gi1所在的灰度图为当前灰度图；
遍历i1的取值范围，计算图像区域Gi1在除当前灰度图外的各灰度图上的相同位置中计算每个图像区域的像素灰度值总和作为Gi1位置对应的在对应图像区域的能量值Eng，按图像区域对应的频率从低到高进行排序构成Gi1位置对应的图像区域将对应的能量值构成列表EngList；把不同图像区域对应的频率按其频率值从低到高进行排序构成频率列表FreList；
由于灰度图是不同频率的目的层段地层切片一一对应地转换得到的，因此灰度图数量与频率总个数相同；记j1为与Gi1位置对应的灰度图的每个图像区域的能量值在列表EngList中的序号或不同频率在列表FreList的序号，j1∈[1,D1]且为整数，D1为地层切片的频率总个数；EngList中的第j1个图像区域的能量值表示为EngListj1；FreList中的第j1个频率为与第j1个图像区域对应的频率表示为FreListj1；
记EngList中的第c个元素为图像区域Gi1的能量值，c为Gi1的能量值在EngList中的序号，图像区域Gi1的能量值为EngListj1=c，与其对应瞬时谱相干属性体的地层切片的频率为列表FreList的第c个元素FreListj1=c；（FreListj1=c为当i1的值为c时的FreListj1）；
S404，根据频率从低到高按顺序逐一计算EngList中除了EngListc以外的其他能量值与EngListc之差的绝对值，记这些差的绝对值构成的列表为ChaList，即ChaList中每个差的绝对值由EngList中除EngListc以外的所有能量值与EngListc计算差值的绝对值得到；
从ChaList中选出最大值ChaMax，具体为：选出最大值ChaMax需要满足的条件是该最大值是EngList中对应频率为高频的能量值与EngListj1=c之差的绝对值，若不满足该条件则先将该最大值从ChaList忽略，重新选择新的最大值，直到得到满足条件的最大值ChaMax；之后，从ChaList中选出最小值ChaMin，具体为：选出最小值ChaMin需要满足的条件是该最小值是由EngList中对应频率为低频的能量值与EngListj1=c计算得到的，若不满足该条件则先将该最小值从ChaList忽略，重新选择新的最小值，直到得到满足条件的最小值ChaMin；
记EngList中的第i2个能量值EngListi2和第j2个能量值EngListj2分别与EngListj1=c计算得到了ChaMin和ChaMax，则FreListi2和FreListj2分别为EngListi2和EngListj2的对应频率，其中i2为ChaMin对应的能量值在EngList中能量值的序号，j2为ChaMax对应的能量值在EngList中能量值的序号；
S405，通过ChaMin和ChaMax确定EngList中的频率变能区间（频率变能区间反映了随频率变化地层切片中能量值变化最明显的区段），具体为：若i2＜c或i2＞c且j2-i2＞50（要求j2-i2＞50是因为考虑到样本不能太少，要不会导致较大的计算误差）,EngList的第i2到第j2个元素为频率变能区间，也就是与Gi1对应频率从FreListi2到FreListj2之间不同频率的图像区域的能量值；否则令i2的值为c，以EngList的第c到第j2个元素为频率变能区间，也就是与Gi1对应频率从FreListi2=c到FreListj2之间不同频率的图像区域的能量值；由EngList中频率变能区间之外的其他元素构成非频率变能区间；
计算频率变能区间的能量趋变系数η1：
Figure SMS_12
；
计算非频率变能区间的能量趋变系数η2：
Figure SMS_13
；
ln指自然对数运算；
或，计算频率变能区间/非频率变能区间的能量趋变系数η1/η2的方式为：
Figure SMS_14
；/>
Figure SMS_15
；
（相较于第一种计算η1/η2的方式，第二种计算方式更加简洁，但少考虑了更多其他因素对η1/η2的影响，并不如第一种计算η1/η2的方式精确）。
本发明判断图像区域Gi1是否与低频阴影相关的方法为比较频率变能区间和非频率变能区间的能量趋变系数大小；若η1>η2,则说明图像区域Gi1很可能与低频阴影相关，则把图像区域Gi1放进待优化区域集合A中；否则说明图像区域Gi1很可能与低频阴影无关，不把图像区域Gi1放进待优化区域集合A中；
S406，当i1≤N1时，令i1的值增加1并转到步骤S403，否则输出待优化区域集合A，转到步骤S407；记k1为待优化区域集合A中图像区域的序号，则集合A中的第k1个图像区域为Ak1；k1∈[1,B1]且为整数，B1待优化区域集合A中图像区域的总数；设置k1初始值为1；
选出与低频阴影相关的图像区域结合其他频率的图像区域信息进行信息优化，而不是对集合G所有的图像区域进行信息优化的原因是本发明侧重于通过低频阴影现象实现对油气藏的寻搜，低频阴影相关的图像区域相对来说更重要，这样可以避免引入一些不利于油气藏寻搜的噪音信息，且可以在一定程度上提高信息优化的效率，减少信息优化消耗的时间；
S407，遍历待优化区域集合A中的每个图像区域Ak1，Ak1结合与Ak1位置相同的且在频率变能区间中的不同频率地层切片灰度图的图像区域以EngList中的能量值作为权重对包括Ak1在内的上述所有图像区域进行加权求和（这里使用Ak1以及与Ak1对应的其他一系列在频率变能区间中的不同频率地层切片灰度图的图像区域进行信息融合的原因是因为在频率变能区间中的不同频率所对应的图像区域包含了与低频阴影相关的最重要信息，其中，此处的加权求和为将图像进行加权的相加运算），以得到信息优化后的图像区域AOPk1，按以上步骤遍历完待优化区域集合A则完成了对筛选出的低频地层切片所对应灰度图的信息优化；
记T为包括Ak1在内的灰度图中的与Ak1位置相同的图像区域的列表，（ T与Englist和FreList元素数量相同（都为D1），都按频率从低到高进行排序，因此一一对应）；所以T中的第j1个元素可表示为Tj1，且T的第c个元素Tj1=c= Ak1；AOPk1的计算方式为：
若i2≤c：
Figure SMS_16
；
若i2＞c：
Figure SMS_17
；
其中，
Figure SMS_18
表示能量值/>
Figure SMS_19
对图像区域/>
Figure SMS_20
中的像素值进行乘法运算。
S408，将信息优化后的优选的低频目的层段的瞬时谱相干属性体地层切片所对应的灰度图进行灰度变换以得到信息优化后的优选的低频目的层段的瞬时谱相干属性体地层切片，并输出该地层切片作为优化后的地层切片图像。
经过上述步骤得到了信息优化后的优选的低频目的层段的瞬时谱相干属性体地层切片，该地层切片融合了不同频率的地层切片的信息，具备了更丰富的信息，会更有利于油气藏的预测和搜寻。
虽然步骤S407可以结合其他频率的地层切片所对应的灰度图信息对优选的低频地层切片所对应的灰度图信息进行优化，但频率变能区间中的与Ak1对应的不同频率地层切片灰度图中的图像区域并不是所有位置的像素都适合与Ak1以Englist中的元素作为权重进行加权融合，因为Englist中的每个元素是一个图像区域中的能量值；这样进行融合容易使信息优化后的图像区域出现能量团局部模糊，无法识别一些较小的油气藏，从而影响油气藏搜寻的准确性，一定程度上也影响了经济效益；为了解决该问题，进一步地，结合其他频率的地层切片所对应的灰度图信息对优选的低频地层切片所对应的灰度图信息进行优化的步骤S407还可以是包括如下的步骤：
S4071，设置图像区域面积大小的划分标准为待优化区域集合A中的图像区域的以像素单位计算的面积的平均值或中位数或20×20像素；将待优化区域集合A中的图像区域根据面积大小划分为两部分，大于或等于该划分标准的图像区域属于大面积部分，小于该划分标准的图像区域属于小面积部分；设置k1的初始值为1；
对于大面积部分的图像区域还需要进行更细化的处理，对于小面积部分的图像区域则会直接对图像区域中的像素进行后续处理；
S4072，计算Ak1像素灰度值的平均值或中位数Pme和最大值Pmax，设置j1的初始值为i2；判断Ak1属于集合A中小面积部分还是大面积部分；Ak1属于集合A中小面积部分记状态值Big为False，Ak1属于集合A中大面积部分则记状态值Big为True；
S4073，若j1=c，转至步骤S40711，否则，若状态值Big为False则转至步骤S4074，若状态值Big为True则转至步骤S4075；
（对待优化区域集合A中小面积部分的图像区域的信息进行优化的方法）；
S4074，对与Ak1对应且频率为FreListj1的地层切片图像区域Tj1中的像素进行筛选，进而完成对Ak1的信息优化，具体为：将Tj1中像素灰度值小于Pmax但大于或等于Pme的所有像素记为对比像素1，将所有对比像素1与Ak1对应位置的像素求平均灰度值并把所有对比像素2的像素灰度值更新为所述平均灰度值，(与Tj1中像素灰度值小于Pme的像素位置对应的Ak1的像素并不会有任何像素灰度值的改变)，将Tj1中像素灰度值大于或等于Pmax的像素替代Ak1对应位置的像素；转至步骤S40711；
（对待优化区域集合A中大面积部分的图像区域的信息进行优化的方法）；
S4075，使用基于边缘检测图像分割算法或分水岭算法对图像区域Tj1以边缘线将分割出若干个更小的子图像区域；若分割出来的子图像区域面积若大于或等于所述划分标准，则将子图像区域与Ak1对应的子图像区域以图像区域能量值作为权重进行加权求和（将图像进行加权的相加运算）并用Ak1在加权求和的结果上对应位置的像素灰度值替代Ak1中对应的子图像区域的像素灰度值，继而完成Ak1中对应的子图像区域的信息优化；若存在分割出来的子图像区域面积小于S4071所提及的划分标准，则将这些面积小于所述划分标准的子图像区域构成集合Q并转至步骤S4076，否则转至步骤S40711；
S4076，计算Ak1几何重心与集合Q中每个子图像区域的几何重心的欧氏距离，获取这些欧氏距离的平均值或中位数Dme和最小值Dmin，并根据与Ak1几何重心的欧式距离从小到大对集合Q中元素进行重新排序，其中Ql1为子图像区域为集合Q中第l1个子图像区域，序号l1∈[1,P1]且为整数，P1为集合Q中子图像区域的总数；设置一个空的集合B；
S4077，以Ql1=1的几何重心点为圆心、Dme为半径的圆形区域为搜索范围Search1，将集合Q中几何重心在搜索范围Search1内且像素灰度值平均值或中位数大于Pme的子图像区域加入集合B中；
S4078，计算从Search1的圆心开始到集合Q中所有子图像区域的几何重心点的向量，将这些向量进行累加得到的新向量作为能量信号向量，记能量信号向量的模为Dsig；若Dsig＞Dmin，转至步骤S4079；若Dsig≤Dmin，转至步骤S40710；
S4079，将搜索范围Search1的圆心往能量信号向量的方向移动距离Dsig得到点Point1，此时搜索范围Search1变为以点Point1为圆心、以Dme为半径的圆形区域；将集合Q中几何重心在搜索范围Search1中且像素灰度值的平均值或中位数大于Pme的子图像区域放进集合B，若子图像区域先前已存在于集合B则不重复放进集合B；转至步骤S4078；
当Tj1存在面积较小的子图像区域(即小面积部分)时，并不是每个子图像区域的信息都有利于图像区域Ak1的信息优化，甚至有的子图像区域包含的是不利于信息优化的噪音信息，所以本发明选择出的信息和能量比较集中且呈现一定能量规律的子图像区域（集合B）对Ak1的信息进行优化。
S40710，使用集合B中的子图像区域对Ak1中对应的子图像区域进行信息优化，信息优化的过程与步骤S4074对集合A中小面积部分图像区域的信息优化过程相同，具体为：遍历集合B，遍历到的每个子图像区域时，各个子图像区域当中的像素灰度值小于Pmax但大于或等于Pme的所有像素记为对比像素2，将所有对比像素2与Ak1对应位置的像素求平均灰度值并把所有对比像素2的像素灰度值更新为所述平均灰度值，当中的像素灰度值大于或等于Pmax的像素则直接替代Ak1对应位置的像素，与当中像素灰度值小于Pme的像素位置对应的Ak1的像素则不会有任何像素灰度值的改变；
S40711，若j1≤j2；令j1的值增加1并转至步骤S4073，否则转至步骤S40712；
S40712，当k1≤B1时，令k1的值增加1并转至步骤S4072，否则对优选的低频目的层段的瞬时谱相干属性体地层切片所对应的灰度图的信息优化结束。
本发明的有益效果为：本发明提供一种基于断层模型的油气藏搜寻方法及系统，集合各种信息综合考虑了各种因素对油气藏搜寻的影响，通过结合各高低频频率信息对优选的目的层段地层切片信息进行优化，减轻了强反射等因素的干扰且凸显了与低频阴影现象相关的信息，减少了虚假低频阴影现象导致的油气藏预测错误的现象，提高了利用低频阴影现象进行油气藏识别的准确率。
本发明的实施例提供的一种基于断层模型的油气藏搜寻系统，该实施例的一种基于断层模型的油气藏搜寻系统包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种基于断层模型的油气藏搜寻系统实施例中的步骤。
所述一种基于断层模型的油气藏搜寻系统可以运行于桌上型计算机、笔记本电脑、掌上电脑及云端服务器等计算设备中。所述一种基于断层模型的油气藏搜寻系统，可运行的系统可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述例子仅仅是一种基于断层模型的油气藏搜寻系统的示例，并不构成对一种基于断层模型的油气藏搜寻系统的限定，可以包括比例子更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述一种基于断层模型的油气藏搜寻系统还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列 (Field-Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述一种基于断层模型的油气藏搜寻系统运行系统的控制中心，利用各种接口和线路连接整个一种基于断层模型的油气藏搜寻系统可运行系统的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述一种基于断层模型的油气藏搜寻系统的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序（比如声音播放功能、图像播放功能等）等；存储数据区可存储根据手机的使用所创建的数据（比如音频数据、电话本等）等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡（Smart Media Card, SMC），安全数字（SecureDigital, SD）卡，闪存卡（Flash Card）、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
尽管本发明的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，从而有效地涵盖本发明的预定范围。此外，上文以发明人可预见的实施例对本发明进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本发明的非实质性改动仍可代表本发明的等效改动。

Claims (6)

1.一种基于断层模型的油气藏搜寻方法，其特征在于，所述方法包括以下步骤：
S100：利用所探测区域断层的三维地震数据计算多种敏感性瞬时谱属性体，并选出最优的敏感性瞬时谱属性体；
S200：基于所述最优的敏感性瞬时谱属性体进行相干计算获得瞬时谱相干属性体；
S300：对所述瞬时谱相干属性体进行频谱分析，按照频率的设定阈值将目的层段的瞬时谱相干属性体划分为低频和高频；
S400：从各个低频目的层段的瞬时谱相干属性体对应的地层切片中识别出低频阴影相关的区域作为待优化区域，对所述地层切片中的待优化区域进行优化获得优化后的地层切片图像；
其中，在S400 中，从各个低频目的层段的瞬时谱相干属性体对应的地层切片中识别出低频阴影相关的区域作为待优化区域，对所述地层切片中的待优化区域进行优化获得优化后的地层切片图像，具体步骤如下：
S401，把各个低频目的层段的瞬时谱相干属性体对应的地层切片转换成灰度图；
S402，对各个灰度图进行边缘检测以检测到的边缘线对各个灰度图依次分割出若干个图像区域；以G为灰度图中所有图像区域的集合，i1为集合G中图像区域的序号，i1∈[1,N1]且为整数，N1为图像区域总数，Gi1表示集合G中第i1个图像区域；设置i1的初始值为1；设置一个空的集合A作为待优化区域集合；
S403，筛选集合G中与低频阴影相关的图像区域作为待优化区域，具体为：
令图像区域Gi1所在的灰度图为当前灰度图；
遍历i1的取值范围，计算图像区域Gi1在除当前灰度图外的各灰度图上的相同位置中计算每个图像区域的像素灰度值总和作为Gi1位置对应的在对应图像区域的能量值Eng，按图像区域对应的频率从低到高进行排序构成Gi1位置对应的图像区域将对应的能量值构成列表EngList；把不同图像区域对应的频率按其频率值从低到高进行排序构成频率列表FreList；
由于灰度图是不同频率的目的层段地层切片一一对应地转换得到的，因此灰度图数量与频率总个数相同；记j1为与Gi1位置对应的灰度图的每个图像区域的能量值在列表EngList中的序号或不同频率在列表FreList的序号，j1∈[1,D1]且为整数，D1为地层切片的频率总个数；EngList中的第j1个图像区域的能量值表示为EngListj1；FreList中的第j1个频率为与第j1个图像区域对应的频率表示为FreListj1；
记EngList中的第c个元素为图像区域Gi1的能量值，c为Gi1的能量值在EngList中的序号，图像区域Gi1的能量值为EngListj1=c，与其对应瞬时谱相干属性体的地层切片的频率为列表FreList的第c个元素FreListj1=c；
S404，根据频率从低到高按顺序逐一计算EngList中除了EngListc以外的其他能量值与EngListc之差的绝对值，记这些差的绝对值构成的列表为ChaList；
从ChaList中选出最大值ChaMax，之后，从ChaList中选出最小值ChaMin，
记EngList中的第i2个能量值EngListi2和第j2个能量值EngListj2分别与EngListj1=c计算得到了ChaMin和ChaMax，则FreListi2和FreListj2分别为EngListi2和EngListj2的对应频率，其中i2为ChaMin对应的能量值在EngList中能量值的序号，j2为ChaMax对应的能量值在EngList中能量值的序号；
S405，通过ChaMin和ChaMax确定EngList中的频率变能区间，具体为：若i2＜c或i2＞c且j2-i2＞50,EngList的第i2到第j2个元素为频率变能区间，也就是与Gi1对应频率从FreListi2到FreListj2之间不同频率的图像区域的能量值；否则令i2的值为c，以EngList的第c到第j2个元素为频率变能区间，也就是与Gi1对应频率从FreListi2=c到FreListj2之间不同频率的图像区域的能量值；由EngList中频率变能区间之外的其他元素构成非频率变能区间；
计算频率变能区间/非频率变能区间的能量趋变系数η1/η2的方式为：
Figure QLYQS_1
；
Figure QLYQS_2
；
若η1＞η2,则把图像区域Gi1放进待优化区域集合A中；
S406，当i1≤N1时，令i1的值增加1并转到步骤S403，否则输出待优化区域集合A，转到步骤S407；记k1为待优化区域集合A中图像区域的序号，则集合A中的第k1个图像区域为Ak1；k1∈[1,B1]且为整数，B1待优化区域集合A中图像区域的总数；设置k1初始值为1；
S407，遍历待优化区域集合A中的每个图像区域Ak1，Ak1结合与Ak1位置相同的且在频率变能区间中的不同频率地层切片灰度图的图像区域以EngList中的能量值作为权重对包括Ak1在内的上述所有图像区域进行加权求和，以得到信息优化后的图像区域AOPk1，按以上步骤遍历完待优化区域集合A则完成了对筛选出的低频地层切片所对应灰度图的信息优化；
记T为包括Ak1在内的灰度图中的与Ak1位置相同的图像区域的列表；所以T中的第j1个元素可表示为Tj1，且T的第c个元素Tj1=c= Ak1；AOPk1的计算方式为：
若i2≤c：
Figure QLYQS_3
；
若i2＞c：
Figure QLYQS_4
；
其中，
Figure QLYQS_5
表示能量值/>
Figure QLYQS_6
对图像区域/>
Figure QLYQS_7
中的像素值进行乘法运算；
S408，将信息优化后的低频目的层段的瞬时谱相干属性体地层切片所对应的灰度图进行灰度变换以得到信息优化后的低频目的层段的瞬时谱相干属性体地层切片，并输出该地层切片作为优化后的地层切片图像。
2.根据权利要求1所述的一种基于断层模型的油气藏搜寻方法，其特征在于，在S100中，利用所探测区域断层的三维地震数据计算多种敏感性瞬时谱属性体，并选出最优的敏感性瞬时谱属性体的方法为：从三维地震数据中获取瞬时振幅谱属性体、瞬时频率谱属性体和瞬时相位谱属性体；根据三维地震数据进行地层切片，并分别计算探测区域井孔储层厚度和对应地层切片之间的相关性系数；选择出相关性系数最大的敏感性瞬时谱属性体作为最优的敏感性瞬时谱属性体。
3.根据权利要求1所述的一种基于断层模型的油气藏搜寻方法，其特征在于，在S200中，基于所述最优的敏感性瞬时谱属性体进行相干计算获得瞬时谱相干属性体的方法为：
通过相干计算得到瞬时谱相干属性体的相干属性值后选取相干属性值小于预设的相干阈值内的瞬时谱相干属性体；
根据标准道信号与所有地震道信号的关系，相干属性值C的计算方式如下：
Figure QLYQS_8
；
其中，Sj(i)表示三维地震数据中的第i个样本点的第j道地震信号，M为地震道信号总道数，j为地震道信号索引，N为计算窗的总样本点数，i为计算窗的样本点索引。
4.根据权利要求1所述的一种基于断层模型的油气藏搜寻方法，其特征在于，在S300中，按照频率的设定阈值将目的层段的瞬时谱相干属性体划分为低频和高频的方法为：按照频率的设定阈值将目的层段的瞬时谱相干属性体划分为低频和高频，具体为小于设定阈值为低频，大于设定阈值则为高频。
5.根据权利要求4所述的一种基于断层模型的油气藏搜寻方法，其特征在于，令设定阈值为10Hz、15Hz、20Hz、25Hz、30Hz、35Hz中的任一频率。
6.一种基于断层模型的油气藏搜寻系统，其特征在于，所述一种基于断层模型的油气藏搜寻系统包括：处理器、存储器及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现权利要求1-5中的任一项所述的一种基于断层模型的油气藏搜寻方法中的步骤。
CN202310279101.6A 2023-03-22 2023-03-22 一种基于断层模型的油气藏搜寻方法及系统 Active CN116088047B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310279101.6A CN116088047B (zh) 2023-03-22 2023-03-22 一种基于断层模型的油气藏搜寻方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310279101.6A CN116088047B (zh) 2023-03-22 2023-03-22 一种基于断层模型的油气藏搜寻方法及系统

Publications (2)

Publication Number Publication Date
CN116088047A CN116088047A (zh) 2023-05-09
CN116088047B true CN116088047B (zh) 2023-06-09

Family

ID=86187153

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310279101.6A Active CN116088047B (zh) 2023-03-22 2023-03-22 一种基于断层模型的油气藏搜寻方法及系统

Country Status (1)

Country Link
CN (1) CN116088047B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011109839A2 (en) * 2010-03-05 2011-09-09 Vialogy Llc Active noise injection computations for improved predictability in oil and gas reservoir discovery and characterization
CN102809762A (zh) * 2012-08-13 2012-12-05 成都理工大学 基于全频带地震信息挖掘的储层成像技术
CN103064112A (zh) * 2011-10-18 2013-04-24 中国石油化工股份有限公司 一种检测地层含油气性的吸收方法
CN103197347A (zh) * 2013-02-20 2013-07-10 中国海洋石油总公司 一种基于自适应时窗的吸收分析油气预测方法
CN104199093A (zh) * 2014-09-01 2014-12-10 中国海洋石油总公司 基于时频域能量自适应加权的地震信号分辨率增强方法
CN104656136A (zh) * 2015-01-28 2015-05-27 成都理工大学 基于实际模型地震模拟指导下的油气储层低频阴影识别技术
CN111257933A (zh) * 2019-12-26 2020-06-09 中国地质大学（武汉） 基于低频阴影现象的油气藏预测新方法
CN113947559A (zh) * 2020-07-15 2022-01-18 中国石油化工股份有限公司 地震属性多尺度融合方法、装置、电子设备及介质
CN114994750A (zh) * 2022-06-22 2022-09-02 成都理工大学 提取油气储层瞬时谱异常的地震信号稀疏时频分解方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011109839A2 (en) * 2010-03-05 2011-09-09 Vialogy Llc Active noise injection computations for improved predictability in oil and gas reservoir discovery and characterization
CN103064112A (zh) * 2011-10-18 2013-04-24 中国石油化工股份有限公司 一种检测地层含油气性的吸收方法
CN102809762A (zh) * 2012-08-13 2012-12-05 成都理工大学 基于全频带地震信息挖掘的储层成像技术
CN103197347A (zh) * 2013-02-20 2013-07-10 中国海洋石油总公司 一种基于自适应时窗的吸收分析油气预测方法
CN104199093A (zh) * 2014-09-01 2014-12-10 中国海洋石油总公司 基于时频域能量自适应加权的地震信号分辨率增强方法
CN104656136A (zh) * 2015-01-28 2015-05-27 成都理工大学 基于实际模型地震模拟指导下的油气储层低频阴影识别技术
CN111257933A (zh) * 2019-12-26 2020-06-09 中国地质大学（武汉） 基于低频阴影现象的油气藏预测新方法
CN113947559A (zh) * 2020-07-15 2022-01-18 中国石油化工股份有限公司 地震属性多尺度融合方法、装置、电子设备及介质
CN114994750A (zh) * 2022-06-22 2022-09-02 成都理工大学 提取油气储层瞬时谱异常的地震信号稀疏时频分解方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
低序级断层结构导向坎尼属性边缘检测识别方法;马玉歌;苏朝光;张健;刘军胜;;物探与化探(第03期);698-703 *
基于小波包边缘检测方法的断层多边形图像处理;李培;陈伟;任丛荣;;科技广场(第08期);20-25 *

Also Published As

Publication number Publication date
CN116088047A (zh) 2023-05-09

Similar Documents

Publication Publication Date Title
CN103236063B (zh) 基于多尺度谱聚类及决策级融合的sar图像溢油检测方法
US8566069B2 (en) Method for geologically modeling seismic data by trace correlation
Qu et al. Automatic high-resolution microseismic event detection via supervised machine learning
RU2012152447A (ru) Выполняемый в окне статистический анализ для обнаружения аномалий в наборах геофизических данных
CN110633711B (zh) 训练特征点检测器的计算机装置、方法及特征点检测方法
Sun et al. River detection algorithm in SAR images based on edge extraction and ridge tracing techniques
Muneeswaran et al. Gallbladder shape estimation using tree-seed optimization tuned radial basis function network for assessment of acute cholecystitis
CN111381275A (zh) 一种地震数据的初至拾取方法和装置
Kaur et al. A deep learning framework for seismic facies classification
EP3217354B1 (en) Seismic modeling system providing seismic survey data frequency domain inpainting and related methods
EP3211594B1 (en) Seismic modeling system providing seismic survey data inpainting based upon suspect region boundary comparisons and related methods
Carvalho et al. Soil classification system from cone penetration test data applying distance-based machine learning algorithms
CN117723893B (zh) 基于rlmd的故障行波识别方法、装置和计算机设备
Prabhakaran et al. Investigating spatial heterogeneity within fracture networks using hierarchical clustering and graph distance metrics
CN116088047B (zh) 一种基于断层模型的油气藏搜寻方法及系统
US11143769B2 (en) Seismic modeling system providing seismic survey data spatial domain exemplar inpainting and related methods
CN104200472A (zh) 基于非局部小波信息的遥感图像变化检测方法
Lv Noise suppression of microseismic data based on a fast singular value decomposition algorithm
Pasanen et al. Scale space multiresolution correlation analysis for time series data
CN115935142A (zh) 一种基于短周期密集台阵城市背景噪声的成像方法及装置
NO343122B1 (no) Analyse av geologiske strukturer basert på seismiske attributter
Zhang et al. First break of the seismic signals in oil exploration based on information theory
CN114202020A (zh) 直推式支持向量机的落水洞检测方法、系统、终端及介质
Manavalan et al. Evaluation of textural feature extraction from Grlm for prostate cancer trus medical images
Manavalan et al. Evaluation of textural feature extraction methods for prostate cancer trus medical images

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