CN117950016A - 基于地震倾角属性的地层模型构建方法、装置及电子设备 - Google Patents
基于地震倾角属性的地层模型构建方法、装置及电子设备 Download PDFInfo
- Publication number
- CN117950016A CN117950016A CN202211289292.6A CN202211289292A CN117950016A CN 117950016 A CN117950016 A CN 117950016A CN 202211289292 A CN202211289292 A CN 202211289292A CN 117950016 A CN117950016 A CN 117950016A
- Authority
- CN
- China
- Prior art keywords
- data
- horizon
- seismic data
- attribute
- seismic
- 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
- 238000010276 construction Methods 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 46
- 230000015572 biosynthetic process Effects 0.000 claims description 29
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 7
- 238000000354 decomposition reaction Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000004215 Carbon black (E152) Substances 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 229930195733 hydrocarbon Natural products 0.000 description 2
- 150000002430 hydrocarbons Chemical class 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Landscapes
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种基于地震倾角属性的地层模型构建方法、装置及电子设备,该方法包括:步骤S1:读取叠后的地震数据;步骤S2:计算所述地震数据中每个样点的倾角属性;步骤S3:基于所述倾角属性从所述地震数据中追踪出层位数据,并根据所述层位数据获得彼此间不交叉的N个层位面;步骤S4:基于N个所述层位面构建出地层模型。本发明能够提高地层建模的精度。
Description
技术领域
本发明属于油气地球物理勘探领域,更具体地,涉及一种基于地震倾角属性的地层模型构建方法、装置及电子设备。
背景技术
现有的地层模型建立技术是基于空间中有限个地质数据,再通过数学上的插值算法得到全工区的地质数据,比如地层面的高程值。在油气地球物理中所建的地层模型是基于波阻抗即认为均匀的波阻抗是一个地层,波阻抗的界面是地层的界面,因此在油气地球物理中地层模型的建立与地质工程中地层模型构建的方法是一致的,也就是首先建立好井上的波阻抗模型,一般地井不均匀地分布在空间位置上且井的数量较少,从每一口井上拾取一个地层面的高程值,所有井上拾取的高程值构成空间地层面上的若干个离散值,利用数学上的插值算法比如dem插值算法得到一个空间曲面,这个曲面就是建立的地层模型。地层不止一个,依次按照上述方法将所有地层计算完毕后按照相对地质年代排序,所有的地层就构成了地层模型。
地层模型的构建通常是模型驱动的,即根据地质的先验经验做出的地层在地下在空间的展布情况,这种做法适合于横向地层变化不明显的情形,当地质情况横向变换比较快的时候,采用模型驱动方法的地层建模精度将大大降低。
发明内容
本发明的目的是提出一种基于地震倾角属性的地层模型构建方法、装置及电子设备,提高地层建模的精度。
第一方面,本发明提供一种基于地震倾角属性的地层模型构建方法,包括:
步骤S1:读取叠后的地震数据;
步骤S2:计算所述地震数据中每个样点的倾角属性;
步骤S3:基于所述倾角属性从所述地震数据中追踪出层位数据,并根据所述层位数据获得彼此间不交叉的N个层位面;
步骤S4:基于N个所述层位面构建出地层模型。
可选地,所述步骤S2包括:
通过倾角属性张量计算所述地震数据中波峰和波谷样点的倾角属性;
通过内插法计算所述地震数据中非波峰和波谷样点的倾角属性。
可选地,所述通过倾角属性张量计算所述地震数据中波峰和波谷样点的倾角属性,包括:
设定所述地震数据中的样点值的表达公式为:
u=u(x,t) (1)
式中,u是地震信号的震动强度,x,t分别是地震道号序列和时间序列;
构建的倾角属性的张量:
其中,qtt、qtx、qxt、qxx为倾角属性的张量分量;
对式(2)进行特征值特征向量分解得到:λi,vi(i=1,2),二者分别对应一组特征值和特征向量;
取较小特征值对应的特征向量作为对应的地震数据样点的倾角方向。
可选地,所述通过内插法计算所述地震数据中非波峰和波谷样点的倾角属性通过以下公式计算:
其中,qj为数据样点j的倾角属性,q1为数据样点1的倾角属性,q2为数据样点2的倾角属性,数据样点j介于数据样点1和数据样点2之间。
可选地,所述步骤S3包括:
步骤S301:从所述地震数据的地震剖面上选择一个地震道标出所有波峰、波谷位置对应的N个极值点,记作:p1,p2....pN;
步骤S302:以极值点p1,p2....pN作为种子点并以倾角属性作为追踪依据,从所述地震数据中追踪出层位数据h1,h2....hN;
步骤S303:基于最优层位准则,从层位数据h1,h2....hN中选出m个最优层位,m≥1;
步骤S304:将所述地震数据拆分为m+1个部分,并对拆分的每部分地震数据重复步骤S301-S303的计算过程,直到被拆分的地震数据中不含有p1,p2....pN中的任意一个点为止,获得N个最优的层位面,且N个层位面彼此间不交叉。
可选地,所述最优层位准则的表达式为:
其中,σ=1,M为地震数据所有的道数,va为目标函数,该值越大表明层位越好,ti和tj为不同位置的层位的时间高程值。
可选地,所述步骤S4包括:
初始化一个新的地震数据体,并将数据样点的属性值记为0,所述属性值包括对应的道位置、纵向上的时间位置以及相对地层顺序号;
将所述步骤S3获得的N个所述层位面上的每个样点投影到新的地震数据体上,并将样点属性设置为相对地层顺序号的数值。
第二方面,本发明提出一种基于地震倾角属性的地层模型构建装置,包括:
数据读取模块,用于读取叠后的地震数据;
倾角属性计算模块,用于计算所述地震数据中每个样点的倾角属性;
层位面追踪模块,用于基于所述倾角属性从所述地震数据中追踪出层位数据,并根据所述层位数据获得彼此间不交叉的N个层位面;
地层构建模块,用于基于N个所述层位面构建出地层模型。
第三方面,本发明提出一种电子设备,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行第一方面任一所述的地层模型构建方法。
第四方面,本发明提出一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行权第一方面任一所述的地层模型构建方法。
本发明的有益效果在于:
本发明直接采用地震数据驱动的方法,在全局倾角属性基础上获得地层模型,相比地质模型驱动的方法它更适合于横向地层剧烈变化的情况,通过本方法建立的地层模型趋势与地震数据的趋势一致,能够准确地反映出地下构造的趋势,有效提高了地层建模的精度。
本发明的系统具有其它的特性和优点,这些特性和优点从并入本文中的附图和随后的具体实施方式中将是显而易见的,或者将在并入本文中的附图和随后的具体实施方式中进行详细陈述,这些附图和具体实施方式共同用于解释本发明的特定原理。
附图说明
通过结合附图对本发明示例性实施例进行更详细的描述,本发明的上述以及其它目的、特征和优势将变得更加明显,在本发明示例性实施例中,相同的参考标号通常代表相同部件。
图1示出了根据本发明的一种基于地震倾角属性的地层模型构建方法的步骤图。
图2示出了根据本发明的一个实施例的原始地震数据图。
图3示出了根据本发明的一种基于地震倾角属性的地层模型构建方法中获得的最优层位图。
图4示出了根据本发明的一种基于地震倾角属性的地层模型构建方法中获得地层模型图。
具体实施方式
下面将参照附图更详细地描述本发明。虽然附图中显示了本发明的优选实施例,然而应该理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了使本发明更加透彻和完整,并且能够将本发明的范围完整地传达给本领域的技术人员。
实施例1
如图1所示,一种基于地震倾角属性的地层模型构建方法,包括:
步骤S1:读取叠后的地震数据;
步骤S2:计算所述地震数据中每个样点的倾角属性;
本步骤为全局空间地震倾角属性计算,具体包括:
通过倾角属性张量计算所述地震数据中波峰和波谷样点的倾角属性;
通过内插法计算所述地震数据中非波峰和波谷样点的倾角属性。
具体地,计算地震全局倾角的方法采用的是两个方向分别计算,即地震叠后数据的inline方向和crossline方向,下面以inline方向为例说明如何获得全局空间地震倾角属性。
在inline方向上地震数据是一个2.5维的图像,即纵向上时间方向、横向上地震道方向,网格上每一个样点值就是地震信号震动的强度,图像是使用颜色来表述强弱的。
样点值的数学表达式可以为:
u=u(x,t) (1)
其中,u是地震信号的震动强度,x,t分别是地震道号序列和时间序列。
然后,
构建的倾角属性的张量:
其中,qtt、qtx、qxt、qxx为倾角属性的张量分量;
对式(2)进行特征值特征向量分解得到:λi,vi(i=1,2)分别对应一组特征值和特征向量,这里取较小特征值对应的特征向量,此特征向量就对应的就是地震数据样点的倾角方向,需要说明的是上述方法只针对地震数据的波峰、波谷点通过倾角属性张量计算此点的倾角属性。
当地震数据样点非波峰、波谷的时候,采用内插方法得到倾角属性,具体方法通过以下内插公式实现:
其中,数据样点j介于样点1,2之间,三个样点对应的倾角属性分别为:qj,q1,q2。
通过上述方法将所有地震数据样点的倾角属性计算完毕。
步骤S3:基于所述倾角属性从所述地震数据中追踪出层位数据,并根据所述层位数据获得彼此间不交叉的N个层位面;
具体地,当所有样点的地震倾角属性计算完毕后地层模型的构建随即开始,具体流程为:
步骤S301:从地震剖面上选择一个地震道标出其波峰、波谷的位置,假设共有N个极值点,记作:p1,p2....pN;
步骤S302:以这些初始的极值点作为种子点以步骤S2中获得的样点的倾角属性作为追踪依据,追踪出层位数据h1,h2....hN。
步骤S303:基于最优层位的准则选出m个最优层位,m≥1,最优层位的准则为:
其中σ=1,M为地震数据所有的道数,va为目标函数,这个值越大表明层位越好,ti和tj为不同位置的层位的时间高程值;
从中选择最好的一个层位记为:hb。
步骤S304:对于一个地震数据而言,若得到一条层位数据则将该地震数据分成2个独立的部分,若得到3条层位数据则将该地震数据分成4个部分,以此类推,即将所述地震数据拆分为m+1个部分,并对拆分的每部分地震数据重复步骤S301-S303的计算过程。
例如得到一个最优层位后,将地震数据被分为2部分,记为s1和s2,单独地将s1作为新的数据,重复流程(1)(2),s2也是同样的流程,直到被分解的地震数据中不含有p1,p2....pN任意一个点为止。这样我们就得到了N个最优的层位面,且这N个层位面彼此间不会交叉,满足地层模型构建的需要。
步骤S4:基于N个所述层位面构建出地层模型。
本步骤具体包括:
初始化一个新的地震数据体,并将数据样点的属性值记为0,所述属性值包括对应的道位置、纵向上的时间位置以及相对地层顺序号;
将所述步骤S3获得的N个所述层位面上的每个样点投影到新的地震数据体上,并将样点属性设置为相对地层顺序号的数值。
具体地,本步骤为地层模型构建。当一组N个最优层位面生成完毕后,需要对地层面按照相对地层顺序排序。设地震数据总共有n个地震道,每个地震道有sam个采样点,初始化一个新的地震数据体,数据大小与原始地震数据一致,并将数据样点的属性值记为0,将层位面投影到新的地震数据体上,属性是相对地层顺序号的数值,初始化的新的地震数据每个样点具有的特征为三个,即对应的道位置、纵向上的时间位置,以及相对地层顺序号,记作:s=s(x,t,rt),其中x,t,rt分别是道的序号,时间序号,相对地层顺序号,且值>=1,s是样点,对于任意新的地震数据中的样点sp,其对应的相对地层顺序号确定的方法为:
tr'=arg min(t'-t) (5)
其中t'是sp的时间序列,t是所有s中的时间序列,且sp与s具有相同的道序号与时间序号。
至此,地层模型的构建完毕。
在本实施例的一个具体应用示例中,图2为原始的地震振幅数据,在此数据上计算地震道上极值点的倾角属性,也就是波峰、波谷的倾角属性值,进而得到所有地震数据样点的倾角属性值;图3为计算得到的最优层位系列的示意图;图3是采用本实施例方法在全局倾角属性基础上得到的地层模型。比较图3和图1可以看出,计算出的地层模型与原始地震数据展示的构造是一致的。
可以看出,本实施例直接采用地震数据驱动的方法,相比地质模型驱动的方法,更适合于横向地层剧烈变化的情况,建立的地层模型趋势与地震数据的趋势一致,比较准确地反映了地下构造的趋势。
实施例2
本实施例提出一种基于地震倾角属性的地层模型构建装置,包括:
数据读取模块,用于读取叠后的地震数据;
倾角属性计算模块,用于计算所述地震数据中每个样点的倾角属性;
层位面追踪模块,用于基于所述倾角属性从所述地震数据中追踪出层位数据,并根据所述层位数据获得彼此间不交叉的N个层位面;
地层构建模块,用于基于N个所述层位面构建出地层模型。
本实施例中,倾角属性计算模块具体用于:
通过倾角属性张量计算所述地震数据中波峰和波谷样点的倾角属性;
通过内插法计算所述地震数据中非波峰和波谷样点的倾角属性。
其中,通过倾角属性张量计算所述地震数据中波峰和波谷样点的倾角属性,包括:
设定所述地震数据中的样点值的表达公式为:
u=u(x,t) (1)
式中,u是地震信号的震动强度,x,t分别是地震道号序列和时间序列;
构建的倾角属性的张量;
其中,
对式(2)进行特征值特征向量分解得到:λi,vi(i=1,2),二者分别对应一组特征值和特征向量;
取较小特征值对应的特征向量作为对应的地震数据样点的倾角方向。
通过内插法计算所述地震数据中非波峰和波谷样点的倾角属性通过以下公式计算:
其中,qj为数据样点j的倾角属性,q1为数据样点1的倾角属性,q2为数据样点2的倾角属性,数据样点j介于数据样点1和数据样点2之间。
本实施例中,所述层位面追踪模块基于所述倾角属性从所述地震数据中追踪出层位数据的方法包括:
步骤S301:从所述地震数据的地震剖面上选择一个地震道标出所有波峰、波谷位置对应的N个极值点,记作:p1,p2....pN;
步骤S302:以极值点p1,p2....pN作为种子点并以倾角属性作为追踪依据,从所述地震数据中追踪出层位数据h1,h2....hN;
步骤S303:基于最优层位准则,从层位数据h1,h2....hN中选出m个最优层位,m≥1;
步骤S304:将所述地震数据拆分为m+1个部分,并对拆分的每部分地震数据重复步骤S301-S303的计算过程,直到被拆分的地震数据中不含有p1,p2....pN中的任意一个点为止,获得N个最优的层位面,且N个层位面彼此间不交叉。
其中,所述最优层位准则的表达式为:
其中,σ=1,M为地震数据所有的道数,va为,该值越大表明层位越好,ti为,tj为。
本实施例中,所述地层构建模块基于N个所述层位面构建出地层模型的方法包括:
初始化一个新的地震数据体,并将数据样点的属性值记为0,所述属性值包括对应的道位置、纵向上的时间位置以及相对地层顺序号;
将获得的N个所述层位面上的每个样点投影到新的地震数据体上,并将样点属性设置为相对地层顺序号的数值。
具体地,当一组N个最优层位面生成完毕后,需要对地层面按照相对地层顺序排序。设地震数据总共有n个地震道,每个地震道有sam个采样点,初始化一个新的地震数据体,数据大小与原始地震数据一致,并将数据样点的属性值记为0,将层位面投影到新的地震数据体上,属性是相对地层顺序号的数值,初始化的新的地震数据每个样点具有的特征为三个,即对应的道位置、纵向上的时间位置,以及相对地层顺序号,记作:s=s(x,t,rt),其中x,t,rt分别是道的序号,时间序号,相对地层顺序号,且值>=1,s是样点,对于任意新的地震数据中的样点sp,其对应的相对地层顺序号确定的方法为:
tr'=arg min(t'-t) (5)
其中t'是sp的时间序列,t是所有s中的时间序列,且sp与s具有相同的道序号与时间序号。
实施例3
本实施例提供一种电子设备,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行实施例1所述的地层模型构建方法。
根据本公开实施例的电子设备包括存储器和处理器,该存储器用于存储非暂时性计算机可读指令。具体地,存储器可以包括一个或多个计算机程序产品,该计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。该易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。该非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。
该处理器可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元,并且可以控制电子设备中的其它组件以执行期望的功能。在本公开的一个实施例中,该处理器用于运行该存储器中存储的该计算机可读指令。
本领域技术人员应能理解,为了解决如何获得良好用户体验效果的技术问题,本实施例中也可以包括诸如通信总线、接口等公知的结构,这些公知的结构也应包含在本公开的保护范围之内。
有关本实施例的详细说明可以参考前述各实施例中的相应说明,在此不再赘述。
实施例4
本实施例提供一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执实施例1所述的地层模型构建方法。
根据本公开实施例的计算机可读存储介质,其上存储有非暂时性计算机可读指令。当该非暂时性计算机可读指令由处理器运行时,执行前述的本公开各实施例方法的全部或部分步骤。
上述计算机可读存储介质包括但不限于:光存储介质(例如:CD-ROM和DVD)、磁光存储介质(例如:MO)、磁存储介质(例如:磁带或移动硬盘)、具有内置的可重写非易失性存储器的媒体(例如:存储卡)和具有内置ROM的媒体(例如:ROM盒)。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。
Claims (10)
1.一种基于地震倾角属性的地层模型构建方法,其特征在于,包括:
步骤S1:读取叠后的地震数据;
步骤S2:计算所述地震数据中每个样点的倾角属性;
步骤S3:基于所述倾角属性从所述地震数据中追踪出层位数据,并根据所述层位数据获得彼此间不交叉的N个层位面;
步骤S4:基于N个所述层位面构建出地层模型。
2.根据权利要求1所述的地层模型构建方法,其特征在于,所述步骤S2包括:
通过倾角属性张量计算所述地震数据中波峰和波谷样点的倾角属性;
通过内插法计算所述地震数据中非波峰和波谷样点的倾角属性。
3.根据权利要求2所述的地层模型构建方法,其特征在于,所述通过倾角属性张量计算所述地震数据中波峰和波谷样点的倾角属性,包括:
设定所述地震数据中的样点值的表达公式为:
u=u(x,t) (1)
式中,u是地震信号的震动强度,x,t分别是地震道号序列和时间序列;
构建的倾角属性的张量:
其中,qtt、qtx、qxt、qxx为倾角属性的张量分量;
对式(2)进行特征值特征向量分解得到:λi,vi(i=1,2),二者分别对应一组特征值和特征向量;
取较小特征值对应的特征向量作为对应的地震数据样点的倾角方向。
4.根据权利要求2所述的地层模型构建方法,其特征在于,所述通过内插法计算所述地震数据中非波峰和波谷样点的倾角属性通过以下公式计算:
其中,qj为数据样点j的倾角属性,q1为数据样点1的倾角属性,q2为数据样点2的倾角属性,数据样点j介于数据样点1和数据样点2之间。
5.根据权利要求1所述的地层模型构建方法,其特征在于,所述步骤S3包括:
步骤S301:从所述地震数据的地震剖面上选择一个地震道标出所有波峰、波谷位置对应的N个极值点,记作:p1,p2....pN;
步骤S302:以极值点p1,p2....pN作为种子点并以倾角属性作为追踪依据,从所述地震数据中追踪出层位数据h1,h2....hN;
步骤S303:基于最优层位准则,从层位数据h1,h2....hN中选出m个最优层位,m≥1;
步骤S304:将所述地震数据拆分为m+1个部分,并对拆分的每部分地震数据重复步骤S301-S303的计算过程,直到被拆分的地震数据中不含有p1,p2....pN中的任意一个点为止,获得N个最优的层位面,且N个层位面彼此间不交叉。
6.根据权利要求5所述的地层模型构建方法,其特征在于,所述最优层位准则的表达式为:
其中,σ=1,M为地震数据所有的道数,va为目标函数,该值越大表明层位越好,ti和tj为不同位置的层位的时间高程值。
7.根据权利要求1所述的地层模型构建方法,其特征在于,所述步骤S4包括:
初始化一个新的地震数据体,并将数据样点的属性值记为0,所述属性值包括对应的道位置、纵向上的时间位置以及相对地层顺序号;
将所述步骤S3获得的N个所述层位面上的每个样点投影到新的地震数据体上,并将样点属性设置为相对地层顺序号的数值。
8.一种基于地震倾角属性的地层模型构建装置,其特征在于,包括:
数据读取模块,用于读取叠后的地震数据;
倾角属性计算模块,用于计算所述地震数据中每个样点的倾角属性;
层位面追踪模块,用于基于所述倾角属性从所述地震数据中追踪出层位数据,并根据所述层位数据获得彼此间不交叉的N个层位面;
地层构建模块,用于基于N个所述层位面构建出地层模型。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7任一所述的地层模型构建方法。
10.一种非暂态计算机可读存储介质,其特征在于,该非暂态计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行权利要求1-7任一所述的地层模型构建方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211289292.6A CN117950016A (zh) | 2022-10-20 | 2022-10-20 | 基于地震倾角属性的地层模型构建方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211289292.6A CN117950016A (zh) | 2022-10-20 | 2022-10-20 | 基于地震倾角属性的地层模型构建方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117950016A true CN117950016A (zh) | 2024-04-30 |
Family
ID=90795175
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211289292.6A Pending CN117950016A (zh) | 2022-10-20 | 2022-10-20 | 基于地震倾角属性的地层模型构建方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117950016A (zh) |
-
2022
- 2022-10-20 CN CN202211289292.6A patent/CN117950016A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Caers et al. | Multiple-point geostatistics: a quantitative vehicle for integrating geologic analogs into multiple reservoir models | |
US7379854B2 (en) | Method of conditioning a random field to have directionally varying anisotropic continuity | |
CN108139499A (zh) | Q-补偿的全波场反演 | |
AU2021208450B2 (en) | Correlation of multiple wells using subsurface representation | |
US9081918B2 (en) | Methods and systems regarding models of underground formations | |
WO2004049004A2 (en) | Improved method of predicting rock properties from seismic data | |
AU2020328458B2 (en) | Correlation matrix for simultaneously correlating multiple wells | |
US11105944B2 (en) | System and method for lateral statistical estimation of rock and fluid properties in a subsurface formation | |
CN109188520A (zh) | 薄储层厚度预测方法及装置 | |
CN117546051A (zh) | 使用s波速度模型和机器学习进行地震成像的方法和系统 | |
US20210405250A1 (en) | Conditioning of Surface-Based Geologic Models | |
MX2010006060A (es) | Estimacion de parametros elasticos sub-superficiales. | |
US20030182093A1 (en) | Controlling azimuthally varying continuity in geologic models | |
CN117950016A (zh) | 基于地震倾角属性的地层模型构建方法、装置及电子设备 | |
US20220035070A1 (en) | Determination of representative wells to characterize subsurface regions | |
CN110568488A (zh) | 一种基于非线性混沌算法的生物礁储层识别方法 | |
CN109581491B (zh) | 一种基于地层变换因子快速求取孔隙度的方法及系统 | |
CN107589457A (zh) | 测井资料尺度粗化的方法和装置 | |
Parra et al. | Self-organizing maps with cokriging porosity applied to sand-shale reservoirs using seismic | |
CN114488309A (zh) | 气枪震源-电缆组合沉放深度确定方法、装置、设备及介质 | |
CN114545508A (zh) | 沉积微相识别方法、装置、电子设备及介质 | |
CN117950061A (zh) | 页岩强各向异性叠前道集地震反演方法、装置、电子设备 | |
CN118033740A (zh) | 一种碳酸盐岩油气藏定量表征方法与系统 | |
CN118330729A (zh) | 一种相控薄储层反演方法、装置、计算机设备和存储介质 | |
CN116338781A (zh) | 基于高斯混合模型的储层岩性预测方法及电子设备 |
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 |