CN118112640A - 一种基于地震相引导的高精度连续反射剥离方法 - Google Patents
一种基于地震相引导的高精度连续反射剥离方法 Download PDFInfo
- Publication number
- CN118112640A CN118112640A CN202410253474.0A CN202410253474A CN118112640A CN 118112640 A CN118112640 A CN 118112640A CN 202410253474 A CN202410253474 A CN 202410253474A CN 118112640 A CN118112640 A CN 118112640A
- Authority
- CN
- China
- Prior art keywords
- data
- strong reflection
- continuous
- stripping
- correlation coefficient
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000000926 separation method Methods 0.000 claims abstract description 12
- 230000003068 static effect Effects 0.000 claims description 26
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000005070 sampling Methods 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
Abstract
本发明提出了一种基于地震相引导的高精度连续反射剥离方法,考虑地震相在局部发生变化,通过迭代,逐道对层拉平的地震数据进行多次波场分离,实现连续强反射的剥离,突显非均质体的响应特征,为后续缝洞体的识别和储层精细预测奠定良好基础。本发明算法简单,灵活度高,适用性广,结果具有很好的稳定性且精度很高。
Description
技术领域
本发明涉及地震勘探数据处理技术,具体为一种基于地震相引导的高精度连续反射剥离方法,考虑地震相在局部发生变化,通过迭代,逐道对层拉平的地震数据进行多次波场分离,提高连续强反射剥离精度,突显非均质体的响应特征。
背景技术
在地震勘探中,当储层附近存在泥灰岩、高速砂岩或者煤层等特殊岩性地层时,在地震剖面上出现连续强反射,使目标储层的反射信息被掩盖,影响储层预测的精度。在地震数据中,连续强反射表现为强振幅、强连续性的同相轴,相关性强,为连续沉积反射;目标储层表现为反射能量较弱,连续性差,相关性差,具有很强的非均质性,往往被连续强反射屏蔽。常规储层预测方法难以满足储层精细预测的需求,地震识别难,储层地震精细刻画难,因此需要对连续强反射剥离,突显目标储层的响应特征,为提高储层预测的精度奠定良好基础。
常规强反射剥离方法对层位拾取的精度较高,并且往往将整个剖面当作一个整体进行处理,没有考虑到地震相在局部发生变化,导致连续强反射剥离不完全,限制了其精度以及后续解释处理效果。
发明内容
为了提高连续强反射剥离精度,本发明提出了一种基于地震相引导的高精度连续反射剥离方法,考虑地震相在局部发生变化,通过迭代,逐道对层拉平的地震数据进行多次波场分离,实现连续强反射的剥离,突显非均质体的响应特征,为后续缝洞体的识别和储层精细预测奠定良好基础。
本发明具体实现技术方案为:
一种基于地震相引导的高精度连续反射剥离方法,步骤包括:
S1、获取某个工区的三维地震数据P和目标层位二维数据T和时间采样间隔Δt,将数据P看作一个M×N×L的三维矩阵,其中L为总线数、N为每条线的道数、M为每道采样点数,则T为N×L的二维矩阵;
S2、利用层位数据T对原始数据P进行层拉平得到数据Q,拉平数据每道采样点为M1,拉平后层位对应同相轴位于采样点m1处;
S3、初始化线号i=1、道号j=1、初始化连续强反射数据S=0,设置互相关系数计算时窗大小M2和阈值范围λ,根据地震相确定目标道子集包含的两侧线数I和道数J;
S4、令目标道为数据Q的第i条线第j道数据,则其在Q中对应的三维数据子集为Ai,j,为M1×(2J+1)×(2I+1)的三维矩阵,并按照线号展开为M1行(2J+1)×(2I+1)列的二维矩阵Bi,j;
S5、根据设置的互相关系数计算时窗大小M2,计算子集中每道数据与目标道的互相关系数Ci,j及对应的静校正量Di,j;
S6、通过互相关系数阈值筛选出与目标道相关性较强的道数据组成二维数据Ei,j,并按照相关系数从大到小对筛选后的道数据和静校正量进行重新排序得到一个新的二维数据Fi,j及对应的静校正量D′i,j,然后对Fi,j进行静校正得到高精度层拉平数据Gi,j;
S7、对静校正后的数据Gi,j进行标量波场分离得到连续强反射数据Hi,j,波场分离方法可以为均值滤波、中值滤波、SVD滤波中的一种;
S8、对S7得到的连续强反射数据Hi,j进行加权输出为一道数据Oi,j,作为目标道的连续强反射结果;
S9、改变互相关系数阈值,重复步骤S5~S7,将几次迭代得到目标道连续强反射结果Oi,j再次加权输出得到稳定的目标道连续强反射结果Ri,j;
S10、依次增加线号i和道号j,完成层拉平数据所有道的目标道连续强反射剥离R;
S11、利用层位时间T对层拉平数据连续强反射剥离结果R进行反拉平得到连续强反射剥离结果S,并从原始数据P中减去连续强反射结果S得到目标道弱响应输出结果W。
进一步的:
步骤S2所述的拉平数据Q可以表示为:
Q[m-T[n][l]][n][l]=P[m][n][l]
其中m∈[0,M],n∈[1,N],l∈[1,L]。
步骤S4所述的目标道对应的子集Ai,j和Bi,j分别为:
其中m∈[0,M1],n∈[j-J,j+J],l∈[i-I,i+I],x∈[1,2J+1],y∈[1,2I+1]。
步骤S5所述的互相关系数数据可以通过下式计算:
其中z∈[1,(2J+1)·(2I+1)]。
步骤S5所述的静校正量数据可以通过下式计算:
其中m2∈[-M1+1,M1]。
步骤S6所述筛选后的互相关系数数据可以通过下式计算:
其中k∈[1,K],K为筛选后数据子集的道数。
静校正得到高精度层拉平数据Gi,j可以通过下式计算:
Gi,j[m][k]=Fi,j[m+D′i,j[k]][k]
步骤S8所述的加权方法可以为高斯加权、均值加权方法。
本发明算法简单,灵活度高,适用性广,结果具有很好的稳定性且精度很高。
附图说明
图1a为实施例中某工区原始三维地震数据的第51条inline剖面;
图1b为实施例中图1a剖面对应的目标层位时间;
图1c为实施例中对图1a中剖面利用图1b层位拉平后的剖面;
图2a为实施例中图1c中第200道数据对应的数据子集;
图2b为实施例中对图1a数据子集中其他各道与目标道的互相关系数曲线图;
图2c为实施例中对图1a数据子集中其他各道与目标道的静校正量曲线图;
图3a为实施例中对图2a进行互相关系数阈值筛选后二维数据;
图3b为实施例中对图3a中道数据按照互相关系数从大到小重排后的数据;
图3c为实施例中对图2b互相关系数按阈值筛选并重排后的互相关系数曲线图;
图3d为实施例中对图3b和3c对应的静校正量曲线图;
图3e为实施例中对图3b数据静校正后的结果;
图3f为实施例中对图3e进行标量波场分离后的结果;
图4a为实施例中对图1a进行基于地震相引导的高精度连续反射剥离后的连续强反射剖面;
图4b为实施例中对图1a进行基于地震相引导的高精度连续反射剥离后的弱响应剖面;
图5a为实施例中工区原始三维数据的沿层切片;
图5b为实施例中工区原始三维数据进行基于地震相引导的高精度连续强反射剥离后的连续强反射沿层切片;
图5c为实施例中工区原始三维数据进行基于地震相引导的高精度连续强反射剥离后的弱响应沿层切片;
具体实施方式
本发明涉及地震勘探数据处理技术,具体为一种基于地震相引导的高精度连续反射剥离方法,考虑地震相在局部发生变化,通过迭代,逐道对层拉平的地震数据进行多次波场分离,提高连续强反射剥离精度,突显非均质体的响应特征。
以下结合附图详细说明本发明。
本发明具体步骤为:
S1、获取某个工区的三维地震数据P和目标层位二维数据T和时间采样间隔Δt,将数据P看作一个M×N×L的三维矩阵,其中L为总线数、N为每条线的道数、M为每道采样点数,则T为N×L的二维矩阵;
图1a为某工区原始三维地震数据的第51条inline剖面,图1b其对应的目标层位时间;
S2、利用层位数据T对原始数据P进行层拉平得到数据Q,拉平数据每道采样点为M1,拉平后层位对应同相轴位于采样点m1处;
图1c为对图1a中剖面进行层拉平后并沿层位上下各截取80ms后的层拉平剖面,可以看出在局部部分同相轴并没有完全拉平,尤其是在断层处;
S3、、初始化线号i=1、道号j=1、初始化连续强反射数据S=0,设置互相关系数计算时窗大小M2和阈值范围λ,根据地震相确定目标道子集包含的两侧线数I和道数J;
S4、假设目标道为数据Q的第i条线第j道数据,则其在Q中对应的三维数据子集为Ai,j,为M1×(2J+1)×(2I+1)的三维矩阵,并按照线号展开为M1行(2J+1)×(2I+1)列的二维矩阵Bi,j;
图2a为实施例中图1c中第220道数据对应的三维数据子集展开后的二维数据(沿层位上下各截取80ms),即第51条线第220道数据对应的数据子集,其中I=J=7,数据子集共有225道数据,目标道数据在第113道;
S5、根据设置的互相关系数计算时窗大小M2,计算子集中每道数据与目标道的互相关系数Ci,j及对应的静校正量Di,j;
图2b和图2c分别为对图1a中数据子集中其他各道与目标道的互相关系数和静校正量曲线图;
S6、通过互相关系数阈值λ筛选出与目标道相关性较强的道数据组成二维数据Ei,j,并按照相关系数从大到小对筛选后的道数据和静校正量进行重新排序得到一个新的二维数据Fi,j及对应的静校正量D′i,j,然后对Fi,j进行静校正得到高精度层拉平数据Gi,j;
图3a为对图1a中数据子集进行互相关系数阈值为λ=0.80筛选后的二维数据,图3b为图3a中数据按照互相关系数从大到小重新排序后的结果,图3c和3d分别为互相关系数按阈值筛选并重排后的互相关系数和静校正量曲线图,图3e为对图3b数据静校正后的结果,可以看出静校正后数据拉平精度明显提升,为提高层位附近连续强反射的剥离奠定好的数据基础;
S7、对静校正后的数据Gi,j进行标量波场分离得到连续强反射数据Hi,j,波场分离方法可以为均值滤波、中值滤波、SVD滤波中的一种;
图3f为对图3e进行标量波场分离后的连续强反射结果,可以看出分离出的连续强反射一致性强;
S8、对S7得到的连续强反射数据Hi,j进行加权输出为一道数据Oi,j,作为目标道的连续强反射结果;
S9、改变互相关系数阈值,重复步骤S5~S7,将几次迭代得到目标道连续强反射结果Oi,j再次加权输出得到稳定的目标道连续强反射结果Ri,j;
S10、依次增加线号i和道号j,完成层拉平数据所有道的目标道连续强反射剥离R;
S11、利用层位时间T对层拉平数据连续强反射剥离结果R进行反拉平得到连续强反射剥离结果S,并从原始数据P中减去连续强反射结果S得到目标道弱响应输出结果W。
图4a和图4b分别为对图1a数据进行基于地震相引导的高精度连续反射剥离后的连续强反射和弱响应剖面,可以看出本方法能够较好的剥离的连续强反射,突显缝洞体等弱响应非均质体的响应特征。图5a、5b和5c分别为该工区原始三维数据、基于地震相引导的高精度连续强反射剥离后的连续强反射和弱响应沿层切片,可以看出剥离连续强反射后,弱响应非均质体的响应特征得到凸显,有利于下步缝洞体的识别和储层预测。
本发明算法简单,灵活度高,适用性广,结果具有很好的稳定性且精度很高。
Claims (7)
1.一种基于地震相引导的高精度连续反射剥离方法,其特征在于,步骤以下包括:
S1、获取某个工区的三维地震数据P和目标层位二维数据T和时间采样间隔Δt,将数据P看作一个M×N×L的三维矩阵,其中L为总线数、N为每条线的道数、M为每道采样点数,则T为N×L的二维矩阵;
S2、利用层位数据T对原始数据P进行层拉平得到数据Q,拉平数据每道采样点为M1,拉平后层位对应同相轴位于采样点m1处;
S3、初始化线号i=1、道号j=1、初始化连续强反射数据S=0,设置互相关系数计算时窗大小M2和阈值范围λ,根据地震相确定目标道子集包含的两侧线数I和道数J;
S4、子集生成:令目标道为数据Q的第i条线第j道数据,则其在Q中对应的三维数据子集为Ai,j,为M1×(2J+1)×(2I+1)的三维矩阵,并按照线号展开为M1行(2J+1)×(2I+1)列的二维矩阵Bi,j;
S5、根据设置的互相关系数计算时窗大小M2,计算子集中每道数据与目标道的互相关系数Ci,j及对应的静校正量Di,j;
S6、通过互相关系数阈值筛选出与目标道相关性较强的道数据组成二维数据Ei,j,并按照相关系数从大到小对筛选后的道数据和静校正量进行重新排序得到一个新的二维数据Fi,j及对应的静校正量D′i,j,然后对Fi,j进行静校正得到高精度层拉平数据Gi,j;
S7、对静校正后的数据Gi,j进行标量波场分离得到连续强反射数据Hi,j,波场分离方法可以为均值滤波、中值滤波、SVD滤波中的一种;
S8、对S7得到的连续强反射数据Hi,j进行加权输出为一道数据Oi,j,作为目标道的连续强反射结果;
S9、改变互相关系数阈值,重复步骤S5~S7,将几次迭代得到目标道连续强反射结果Oi,j再次加权输出得到稳定的目标道连续强反射结果Ri,j;
S10、依次增加线号i和道号j,完成层拉平数据所有道的目标道连续强反射剥离R;
S11、利用层位时间T对层拉平数据连续强反射剥离结果R进行反拉平得到连续强反射剥离结果S,并从原始数据P中减去连续强反射结果S得到目标道弱响应输出结果W。
2.根据权利要求1所述的一种基于地震相引导的高精度连续反射剥离方法,其特征在于,步骤S2所述的拉平数据Q表示为:
Q[m-T[n][l]][n][l]=P[m][n][l]
其中m∈[0,M],n∈[1,N],l∈[1,L]。
3.根据权利要求1所述的一种基于地震相引导的高精度连续反射剥离方法,其特征在于,步骤S4所述的目标道对应的子集Ai,j和Bi,j分别为:
其中m∈[0,M1],n∈[j-J,j+J],l∈[i-I,i+I],x∈[1,2J+1],y∈[1,2I+1]。
4.根据权利要求1所述的一种基于地震相引导的高精度连续反射剥离方法,其特征在于,步骤S5所述的互相关系数数据通过下式计算:
其中z∈[1,(2J+1)·(2I+1)]。
5.根据权利要求1所述的一种基于地震相引导的高精度连续反射剥离方法,其特征在于,步骤S5所述的静校正量数据通过下式计算:
其中m2∈[-M1+1,M1]。
6.根据权利要求1所述的一种基于地震相引导的高精度连续反射剥离方法,其特征在于,步骤S6所述筛选后的互相关系数数据通过下式计算:
其中k∈[1,K],K为筛选后数据子集的道数;
静校正得到高精度层拉平数据Gi,j通过下式计算:
Gi,j[m][k]=Fi,j[m+D′i,j[k]][k]。
7.根据权利要求1所述的一种基于地震相引导的高精度连续反射剥离方法,其特征在于,步骤S8所述的加权方法为高斯加权或者均值加权方法。
Publications (1)
Publication Number | Publication Date |
---|---|
CN118112640A true CN118112640A (zh) | 2024-05-31 |
Family
ID=
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111273348B (zh) | 基于更新概率比率恒定理论的多点地质统计叠前反演方法 | |
CN107688201B (zh) | 基于rbm地震叠前信号聚类方法 | |
CN107193046A (zh) | 一种基于谱反演的砂体厚度预测方法及系统 | |
CA2412995C (en) | Seismic survey system | |
CN113568058B (zh) | 一种基于多分辨率奇异值分解的大地电磁信噪分离方法及系统 | |
Wang et al. | Coherence cube enhancement based on local histogram specification | |
CN111352163B (zh) | 一种基于大地电磁测深的静态效应校正方法及系统 | |
CN118112640A (zh) | 一种基于地震相引导的高精度连续反射剥离方法 | |
CN117406272A (zh) | 一种快速多元信息约束的反褶积宽频处理方法及装置 | |
CN112444850A (zh) | 地震资料速度建模方法、存储介质及计算设备 | |
CN113419278B (zh) | 一种基于状态空间模型与支持向量回归的井震联合多目标同时反演方法 | |
CN106842322B (zh) | 一种二氧化碳驱油监控地震时差校正方法 | |
CN114462703A (zh) | 声波参数曲线预测、测井曲线预测方法及电子设备 | |
CN110858005B (zh) | 一种基于基追踪横向多道约束的各向异性参数反演方法 | |
CN114859404A (zh) | 超采样地震波形匹配方法及装置 | |
CN109991657A (zh) | 基于逆二分递推奇异值分解的地震资料高分辨率处理方法 | |
CN111856559A (zh) | 基于稀疏贝叶斯学习理论的多道地震谱反演方法及系统 | |
CN112558147B (zh) | 一种井中微地震数据的偏振分析方法及系统 | |
CN117434592B (zh) | 地震数据处理方法、装置及电子设备 | |
CN110398773B (zh) | 一种针对部分缺失的地震数据的恢复重构方法 | |
CN111239816B (zh) | 一种基于匹配追踪的超低信噪比高精度速度谱生成方法 | |
CN117518239A (zh) | 地震资料解释方法、装置、电子设备及可读存储介质 | |
CN116859450A (zh) | 基于字典学习与匹配追踪分解的广义s变换时频分析方法 | |
CN112946750A (zh) | 井震标定方法及系统 | |
CN117724151A (zh) | 一种河流相致密非均质储层低频模型的构建方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication |