RU2710972C1

RU2710972C1 - Multivariate tomography method of seismic survey data

Info

Publication number: RU2710972C1
Application number: RU2019134362A
Authority: RU
Inventors: Олег Александрович Силаенков; Дмитрий Борисович Фиников; Руслан Гурьевич Анисимов
Original assignee: Общество с ограниченной ответственностью «Сейсмотек»
Priority date: 2019-10-28
Filing date: 2019-10-28
Publication date: 2020-01-14

Abstract

FIELD: data processing.SUBSTANCE: invention relates to a computer-implemented method for multivariable tomography of seismic survey data. Method involves obtaining a plurality of realizations of solutions of an inverse kinematic seismic survey problem. Method includes stages, at which time of arrival of seismic waves in parametric form is measured from seismograms obtained as a result of seismic experiment data processing. Multiple realizations of measured values of arrival of reflected waves are obtained as a result of averaging of data of initial seismograms with random weights uniformly distributed on a segment with observance of normalization condition. Multiple realizations of responses of inverse kinematic problem for each depth horizon are obtained from multiple realizations of measured values of arrival of reflected waves, multiple implementations for previous horizons, as well as multiple smoothed with random solutions weights. Based on the obtained plurality of realizations of the responses of the inverse kinematic problem, probability cubes and estimates of the reliability of deep constructions are constructed.EFFECT: high reliability of deep structures.4 cl, 4 dwg

Description

ОБЛАСТЬ ТЕХНИКИFIELD OF TECHNOLOGY

Настоящее техническое решение относится к области обработки и интерпретации данных сейсморазведки, в частности, к компьютерно-реализованному способу многовариантной томографии данных сейсморазведки.This technical solution relates to the field of processing and interpretation of seismic data, in particular, to a computer-implemented method of multivariate tomography of seismic data.

УРОВЕНЬ ТЕХНИКИBACKGROUND

Задача оценивания достоверности глубинных построений может быть отнесена к проблематике геостатистики. Геостатистика оперирует аппаратом статистических методов при том, что для их корректного применения отсутствуют необходимые наборы данных.The task of assessing the reliability of deep constructions can be attributed to the problems of geostatistics. Geostatistics operates with the apparatus of statistical methods, despite the fact that for their correct application there are no necessary data sets.

Сложность объектов изучения оправдывает применение статистических приёмов, но при этом следует принимать во внимание недостаточную обоснованность их приложений. Необходимо разрабатывать аппарат, сочетающий в себе детерминистические подходы и вероятностные методы.The complexity of the objects of study justifies the use of statistical techniques, but the insufficient validity of their applications should be taken into account. It is necessary to develop an apparatus combining deterministic approaches and probabilistic methods.

Чтобы получить множественность различных решений обратной кинематической задачи (далее, томографии) нужно подавать различные входные данные о времени прихода отраженных волн на обработку. В известных алгоритмах многовариантной томографии к измеренным временам добавляют малые случайные величины. Способ одинаково должен работать как на плохих (зашумленные данные; содержащие сложные интерференционные участки записей и т.д.), так и на хороших данных, что является недостатком такого подхода.To obtain the multiplicity of various solutions of the inverse kinematic problem (hereinafter, tomography), it is necessary to submit various input data on the time of arrival of the reflected waves for processing. In known multivariate tomography algorithms, small random variables are added to the measured times. The method should equally work both on bad (noisy data; containing complex interference portions of records, etc.), and on good data, which is a drawback of this approach.

В настоящее время есть немало вариантов многовариантной томографии, однако множественность решений в них обусловлена неоднозначностью, которая определяется многочисленностью искомых переменных и некорректностью задачи их определения.Currently, there are many options for multivariate tomography, however, the multiplicity of solutions in them is due to the ambiguity, which is determined by the multiplicity of the desired variables and the incorrectness of the problem of their determination.

В статье «Model-uncertainty quantification in seismic tomography: method and applications» Konstantin Osypov;Yi Yang;Aimй Fournier;Natalia Ivanova;Ran Bachrach;Can Yarman;Yu You;Dave Nichols;Marta Woodward; Geophysical Prospecting. 61(6):1114–1134, NOVEMBER 2013 описывается метод оценивания неопределенностей в определении сейсмических скоростей и в истинных положениях глубин отражающих горизонтов. Данный метод может привести к значительному улучшению количественной оценки риска разведки (например, выявления ложных структур), риска бурения (например, сухих скважин и аномального порового давления) и неопределенности объёма залежей. Количественная оценка этих неопределенностей обеспечивает ценный инструмент для понимания и оценки рисков, а также для разработки более эффективных планов по снижению рисков и стратегий принятия решений.In the article “Model-uncertainty quantification in seismic tomography: method and applications” Konstantin Osypov; Yi Yang; Aimé Fournier; Natalia Ivanova; Ran Bachrach; Can Yarman; Yu You; Dave Nichols; Marta Woodward; Geophysical Prospecting. 61 (6): 1114–1134, NOVEMBER 2013 describes a method for estimating uncertainties in determining seismic velocities and in the true positions of the depths of reflecting horizons. This method can lead to a significant improvement in the quantitative assessment of exploration risk (for example, identifying false structures), drilling risk (for example, dry wells and abnormal pore pressure) and uncertainty in the volume of deposits. Quantifying these uncertainties provides a valuable tool for understanding and assessing risks, as well as for developing more effective risk reduction plans and decision strategies.

Заявленное техническое решение отличается от вышеуказанного метода тем, что подход в многовариантной томографии опирается на неопределённость в параметрах алгоритма для решения обратной задачи и на экспериментально моделируемую неопределённость в исходных данных, что позволяет оценивать вариации решений, обусловленные не только некорректностью задачи, но и в условиях корректной постановки изучать неоднозначность, которая определяется качеством реальных измерений.The claimed technical solution differs from the above method in that the approach in multivariate tomography is based on the uncertainty in the parameters of the algorithm for solving the inverse problem and on experimentally simulated uncertainty in the initial data, which allows us to evaluate the variations of the solutions, caused not only by the incorrectness of the problem, but also under the conditions of the correct statements to study the ambiguity, which is determined by the quality of real measurements.

Наиболее близким аналогом является патент на изобретение RU 2126984 C1, 27.02.1999, в котором описывается способ определения глубинно-скоростных параметров среды и построения её изображения по сейсмическим данным. Определение глубинно-скоростных параметров среды осуществляют с проверкой адекватности выбранной модели среды и реальных данных путём решения обратной задачи двумя способами, один из которых использует краевые условия на кровле, а другой - на подошве, и сопоставления их результатов между собой, миграцию временного разреза в рамках пластовой модели среды выполняют послойно с учётом адекватности выбранной глубинно-скоростной модели реальной среде.The closest analogue is the patent for invention RU 2126984 C1, 02.27.1999, which describes a method for determining the depth-velocity parameters of the medium and constructing its image from seismic data. The determination of the depth-velocity parameters of the medium is carried out by checking the adequacy of the selected model of the medium and real data by solving the inverse problem in two ways, one of which uses the boundary conditions on the roof and the other on the sole, and comparing their results with each other, migrating the time section within formation model of the environment is performed in layers, taking into account the adequacy of the selected depth-velocity model of the real environment.

Заявленное техническое решение отличается от вышеуказанного метода тем, что получают множество реализаций решений обратной кинематической задачи сейсморазведки и по разбросу полученных реализаций получают информацию о достоверности решений.The claimed technical solution differs from the above method in that it receives a lot of implementations of the solutions of the inverse kinematic seismic survey problem and obtains information on the reliability of the solutions from the scatter of the obtained implementations.

СУЩНОСТЬ ИЗОБРЕТЕНИЯSUMMARY OF THE INVENTION

Технической проблемой, на решение которой направлено заявленное техническое решение, является создание компьютерно-реализуемого способа многовариантной томографии данных сейсморазведки, который охарактеризован в независимом пункте формулы. Дополнительные варианты реализации настоящего изобретения представлены в зависимых пунктах изобретения.The technical problem to which the claimed technical solution is directed is the creation of a computer-implemented method of multivariate tomography of seismic data, which is described in an independent claim. Additional embodiments of the present invention are presented in the dependent claims.

Технический результат заключается в повышении и оценке достоверности глубинных построений.The technical result consists in increasing and evaluating the reliability of the deep structures.

Получая множество реализаций глубинно-скоростной модели среды, можно выделить те или иные факторы, которые в большей степени влияют на ответ обратной задачи, соответственно, можно отдельно исследовать эти факторы и предпринять попытки снизить влияние конкретного из них. Оценка достоверности позволяет понимать и принимать решение, где стоит ставить скважины и вообще стоит ли.Obtaining many realizations of the deep-speed model of the medium, it is possible to single out certain factors that are more likely to influence the answer to the inverse problem, respectively, you can separately study these factors and try to reduce the impact of a particular one. Reliability assessment allows you to understand and make a decision where to put the wells and whether it is worth it at all.

В предпочтительном варианте реализации заявлен компьютерно-реализованный способ многовариантной томографии данных сейсморазведки, заключающийся в получении множества реализаций решений обратной кинематической задачи сейсморазведки и включающий в себя следующие этапы:In a preferred embodiment, a computer-implemented method for multivariate tomography of seismic data is claimed, which consists in obtaining many implementations of solutions to the inverse kinematic seismic problem and includes the following steps:

а) измеряют время прихода сейсмических волн в параметрической форме по сейсмограммам, полученным в результате обработки данных сейсмического эксперимента;a) measure the time of arrival of seismic waves in parametric form from seismograms obtained as a result of processing data from a seismic experiment;

б) получают множество реализаций измеренных величин прихода отраженных волн в результате осреднения данных исходных сейсмограмм со случайными весами, равномерно распределенными на отрезке с соблюдением условия нормировки;b) get a lot of realizations of the measured values of the arrival of the reflected waves as a result of averaging the data of the initial seismograms with random weights uniformly distributed over the interval in compliance with the normalization condition;

в) получают множество реализаций ответов обратной кинематической задачи для каждого глубинного горизонта по множеству реализаций измеренных величин прихода отраженных волн, множеству реализаций для предшествующих горизонтов, а также множеству сглаженных со случайными весами решений;c) get a lot of realizations of the answers of the inverse kinematic problem for each deep horizon for a lot of realizations of the measured values of the arrival of reflected waves, a lot of realizations for the previous horizons, as well as a lot of solutions smoothed with random weights;

г) на основе полученного множества реализаций ответов обратной кинематической задачи строят кубы вероятности и оценки достоверности глубинных построений.d) on the basis of the obtained set of realizations of the answers of the inverse kinematic problem, probability cubes and confidence estimates of the deep constructions are built.

В частном варианте параметры описывающие времена прихода сейсмических волн определяются по значениям функции подобия трасс вдоль перебираемых кривых, на каждой сейсмограмме, причём функция подобия тоже может рассчитываться со случайными весами, при оценивании входящих в неё средних величин.In a particular embodiment, the parameters describing the arrival times of seismic waves are determined by the values of the similarity function of the paths along the sorted curves on each seismogram, and the similarity function can also be calculated with random weights when evaluating the average values included in it.

В другом частном варианте, в результате решения обратной кинематической задачи, дополнительно получают параметры анизотропии пластов, параметры вертикального градиента скоростей, параметры, определяющие положение контрастных границ внутри пластов.In another particular embodiment, as a result of solving the inverse kinematic problem, the formation anisotropy parameters, the parameters of the vertical velocity gradient, and the parameters determining the position of the contrasting boundaries inside the layers are additionally obtained.

В другом частном варианте получаемые оценки статистического разброса, получаемых в результате сглаживаний со случайными параметрами решений позволяют выбрать параметры глубинно-скоростной модели.In another particular embodiment, the obtained estimates of the statistical spread obtained as a result of smoothing with random decision parameters make it possible to choose the parameters of the depth-velocity model.

ОПИСАНИЕ ЧЕРТЕЖЕЙDESCRIPTION OF DRAWINGS

Реализация изобретения будет описана в дальнейшем в соответствии с прилагаемыми чертежами, которые представлены для пояснения сути изобретения и никоим образом не ограничивают область изобретения. К заявке прилагаются следующие чертежи:The implementation of the invention will be described hereinafter in accordance with the accompanying drawings, which are presented to illustrate the essence of the invention and in no way limit the scope of the invention. The following drawings are attached to the application:

Фиг. 1 иллюстрирует блок-схему этапов способа многовариантной томографии данных сейсморазведки.FIG. 1 illustrates a flow diagram of the steps of a multivariate tomography method for seismic data.

Фиг. 2 иллюстрирует метод стохастических средних.FIG. 2 illustrates the stochastic means method.

Фиг. 3 иллюстрирует выбор случайного мьютинга данных.FIG. 3 illustrates the selection of random data muting.

Фиг. 4 иллюстрирует комбинирование различных реализаций обратной задачи для очередного слоя с одной из реализаций построенной модели выше.FIG. 4 illustrates the combination of various implementations of the inverse problem for the next layer with one of the implementations of the constructed model above.

ДЕТАЛЬНОЕ ОПИСАНИЕ ИЗОБРЕТЕНИЯDETAILED DESCRIPTION OF THE INVENTION

В приведённом ниже подробном описании реализации изобретения приведены многочисленные детали реализации, призванные обеспечить отчётливое понимание настоящего изобретения. Однако квалифицированному в предметной области специалисту, будет очевидно каким образом можно использовать настоящее изобретение, как с данными деталями реализации, так и без них. В других случаях хорошо известные методы, процедуры и компоненты не были описаны подробно, чтобы не затруднять понимание особенностей настоящего изобретения.In the following detailed description of the implementation of the invention, numerous implementation details are provided to provide a clear understanding of the present invention. However, to a person skilled in the art, it will be obvious how the present invention can be used, both with and without implementation details. In other cases, well-known methods, procedures, and components have not been described in detail so as not to obscure the features of the present invention.

Кроме того, из приведённого изложения будет ясно, что изобретение не ограничивается приведённой реализацией. Многочисленные возможные модификации, изменения, вариации и замены, сохраняющие суть и форму настоящего изобретения, будут очевидными для квалифицированных в предметной области специалистов.In addition, from the foregoing it will be clear that the invention is not limited to the above implementation. Numerous possible modifications, changes, variations and replacements preserving the essence and form of the present invention will be apparent to those skilled in the subject field.

Настоящее изобретение направлено на обеспечение компьютерно-реализованного способа многовариантной томографии данных сейсморазведки.The present invention is directed to providing a computer-implemented method of multivariate tomography of seismic data.

Заявленный способ многовариантной томографии данных сейсморазведки заключается в получении множества реализаций решений обратной кинематической задачи сейсморазведки, необходимых для оценивания достоверности получаемых моделей, отображающих глубинное строение Земли по сейсмическим измерениям. Эти измерения получают в результате сейсмического эксперимента, при котором целенаправленно воздействуют на приповерхностную часть земной среды источниками колебаний и регистрируют сейсмоприёмниками образовавшееся волновое поле. Преимущественно изучают волны, отражённые от границ раздела слоёв земной среды, которые отличаются друг от друга физическими характеристиками. Эти характеристики, в первую очередь, скорости распространения упругих волн, изучают в процессе обработки и интерпретации данных сейсморазведки.The claimed method of multivariate tomography of seismic data is to obtain many implementations of the solutions of the inverse kinematic seismic problem necessary to assess the reliability of the resulting models displaying the deep structure of the Earth by seismic measurements. These measurements are obtained as a result of a seismic experiment in which they purposefully act on the surface part of the earth's environment by vibration sources and record the generated wave field by the geophones. They mainly study waves reflected from the boundaries of the layers of the earth's environment, which differ from each other in physical characteristics. These characteristics, primarily the propagation velocity of elastic waves, are studied during the processing and interpretation of seismic data.

Задача сейсмической томографии заключается в оценивании расположения границ раздела слоёв и других параметров среды, влияющих на времена прихода отражённых волн.The task of seismic tomography is to assess the location of the layer interfaces and other environmental parameters that affect the arrival times of the reflected waves.

На фигуре 1 представлена блок-схема, содержащая этапы способа многовариантной томографии данных сейсморазведки, на которых: стохастически генерируют набор реализаций спектров параметров, описывающих времена прихода отражённых волн от текущего горизонта, включённого в модель среды; интерпретируют реализации спектров параметров, описывающих времена отражённых волн от текущего горизонта, включённого в модель среды; получают множество реализаций времён прихода отражённых волн для текущего горизонта, включённого в модель среды; генерируют случайный вектор, каждый элемент которого состоит из номера случайной реализации входных данных, случайной реализации параметров алгоритма обратной задачи и случайного номера реализации модели выше текущего горизонта; решают обратную задачу для каждого элемента случайного вектора, сгенерированного на предыдущем шаге; получают множество реализаций ответов обратной кинематической задачи. Обработка шагов способа происходит при помощи вычислительного устройства, содержащего процессор и память.The figure 1 presents a flowchart containing the steps of a method of multivariate tomography of seismic data, in which: stochastically generate a set of realizations of the spectra of parameters that describe the times of arrival of reflected waves from the current horizon included in the model of the medium; interpret the implementation of the spectra of parameters describing the times of the reflected waves from the current horizon included in the model of the medium; get many realizations of the times of arrival of reflected waves for the current horizon included in the model of the medium; generate a random vector, each element of which consists of a random implementation number of input data, a random implementation of the parameters of the inverse task algorithm and a random model implementation number above the current horizon; solve the inverse problem for each element of a random vector generated in the previous step; get many realizations of the answers of the inverse kinematic problem. The processing of the steps of the method occurs using a computing device containing a processor and memory.

Сначала измеряют время прихода сейсмических волн в параметрической форме по сейсмограммам, полученным в результате обработки данных сейсмического эксперимента. Параметры, описывающие времена прихода сейсмических волн, определяются по значениям функции подобия трасс вдоль перебираемых кривых на каждой сейсмограмме. Совокупность значений функции подобия трасс в зависимости от параметра называют спектром этого параметра. Такие спектры считают в каждой точке, где существует сейсмограмма, и прослеживают его максимумы по площади (или по сечению). Для этого на этапе интерпретации спектра производят автоматическую корреляцию экстремальных значений функции, отображающей поведение кривой (годограф), вдоль которой сигналы подобны по форме и близки по амплитуде. Сигналы, отражённые от глубинной границы, имеют похожую форму и выстроены вдоль кривой. Положения максимумов этих сигналов напрямую связаны с временами прихода волн и являются входными данными для решения обратной задачи. В интерпретации и последующих расчётах возможны два сценария. Первый включает в себя участие эксперта, а второй является полностью автоматизированным. В первом сценарии перед интерпретацией стохастических реализаций спектров требуется участие эксперта. Для этого производится расчёт детерминированного варианта спектра, то есть при расчёте используются равные весовые множители. Затем эксперт в полуавтоматическом режиме производит интерпретацию детерминированного варианта спектра, после чего производится автоматическая интерпретация стохастических реализаций спектров с опорой на экспертную интерпретацию. Далее при решении обратной задачи ответ, полученный из экспертной оценки, может использоваться в качестве математического ожидания множества реализаций построенных глубинно-скоростных моделей. Второй сценарий не предусматривает привлечения эксперта, и стохастические реализации спектров подвергаются самостоятельной автоматической интерпретации. В этом случае в отличии от первого сценария математическое ожидание строится по множеству реализаций глубинно-скоростных моделей.First, the arrival time of seismic waves in parametric form is measured from seismograms obtained as a result of processing data from a seismic experiment. The parameters describing the arrival times of seismic waves are determined by the values of the similarity function of the paths along the sorted curves in each seismogram. The set of values of the similarity function of traces depending on the parameter is called the spectrum of this parameter. Such spectra are counted at each point where a seismogram exists, and its maxima are traced by area (or by section). To do this, at the stage of spectrum interpretation, an automatic correlation is made of the extreme values of the function that displays the behavior of the curve (hodograph) along which the signals are similar in shape and close in amplitude. Signals reflected from the deep boundary have a similar shape and are aligned along the curve. The positions of the maxima of these signals are directly related to the times of arrival of the waves and are input data for solving the inverse problem. In the interpretation and subsequent calculations, two scenarios are possible. The first involves the participation of an expert, and the second is fully automated. In the first scenario, the participation of an expert is required before interpreting stochastic spectral realizations. For this, a deterministic version of the spectrum is calculated, that is, equal weighting factors are used in the calculation. Then, the expert, in a semi-automatic mode, interprets a determinate version of the spectrum, after which an automatic interpretation of stochastic realizations of the spectra based on expert interpretation is performed. Further, when solving the inverse problem, the answer obtained from the expert assessment can be used as the mathematical expectation of many realizations of the constructed deep-speed models. The second scenario does not involve the involvement of an expert, and stochastic spectral implementations undergo independent automatic interpretation. In this case, in contrast to the first scenario, the mathematical expectation is based on many realizations of deep-speed models.

В большинстве случаев сейсмограммы пересчитываются из области времени в область глубины, а полученные кривые пересчитываются обратно в область времени. Данный пересчёт делается для упрощения формы кривой, чтобы она описывалась одним параметром.In most cases, seismograms are recounted from the time domain to the depth domain, and the resulting curves are recounted back to the time domain. This recalculation is done to simplify the shape of the curve so that it is described by one parameter.

Прослеживание максимумов спектров вдоль профиля или по площади и является интерпретацией спектров.Tracking the maximums of the spectra along the profile or over the area is an interpretation of the spectra.

Реальные сейсмограммы обычно зашумлены, сигналы и спектры имеют сложную форму и множество побочных максимумов. Чтобы времена определялись надёжно, сейсмограммы всегда осредняют на некоторой скользящей по латеральным координатам базе. При стохастическом осреднении сейсмограммы осредняются со случайными весами

, равномерно распределёнными на отрезке [0,1] с соблюдением условия нормировки (сумма весов равна 1) по формулеReal seismograms are usually noisy, signals and spectra have a complex shape and many side maxima. In order for the times to be determined reliably, seismograms are always averaged over a base moving along lateral coordinates. With stochastic averaging, seismograms are averaged with random weights

uniformly distributed over the interval [0,1] subject to the normalization condition (the sum of the weights is 1) according to the formula

.

Здесь k - номер псевдослучайной величины, выдаваемой стандартным датчиком случайных чисел. Функция random(k) – стандартная функция обеспечивающая генерацию равномерно распределённой на отрезке [0,1] псевдослучайной величины

.Here k is the number of the pseudo-random variable generated by the standard random number generator. The random (k) function is a standard function providing the generation of a pseudo-random variable uniformly distributed over the interval [0,1]

.

В результате получают множество реализаций измеренных величин прихода отражённых волн. Если данные в высокой степени однородны, эти реализации будут практически одинаковы. Если же данные существенно отличаются от однородных, то дисперсия в реализациях оценок будет велика. Все остальные построения осуществляются на основе полученного множества реализаций этих оценок.As a result, many realizations of the measured values of the arrival of reflected waves are obtained. If the data is highly homogeneous, these implementations will be almost the same. If the data differ significantly from the homogeneous, then the variance in the implementations of the estimates will be large. All other constructions are carried out on the basis of the obtained set of realizations of these estimates.

Такая операция осреднения может быть применена к набору исходных сейсмограмм при вычислении спектра параметра при расчёте функции подобия трасс, которая включает в себя средние значения записей вдоль перебираемых кривых и средние значения их квадратов. Тогда расчёт функции подобия осуществляют по формуле:Such an averaging operation can be applied to the set of initial seismograms when calculating the parameter spectrum when calculating the similarity function of the traces, which includes the average values of the records along the sorted curves and the average values of their squares. Then the calculation of the similarity function is carried out according to the formula:

Здесь k – номер трассы в пределах уже осреднённой сейсмограммы с введёнными подвижками (подвижки определяются значением очередного параметра предполагаемой аналитической функции, описывающей времена прихода сигналов),

форма записи очередной трассы,

- весовые коэффициенты, которые определяются так же, как и в предыдущей формуле,

- переменная временной координаты,

временной интервал на котором рассчитывается функция подобия,

- размер базы на которой вычисляется функция подобия.Here k is the trace number within the already averaged seismogram with the entered shifts (the shifts are determined by the value of the next parameter of the proposed analytical function that describes the arrival times of the signals),

recording form of the next track,

- weighting factors, which are determined in the same way as in the previous formula,

- time coordinate variable,

the time interval over which the similarity function is calculated,

- the size of the base on which the similarity function is calculated.

Также случайным образом могут варьироваться и другие параметры расчёта функции подобия, такие, например, как максимальное расстояние между источником и приёмником на каждой сейсмограмме, которое определяется параметром

предыдущей формулы, или длиной окна расчёта функции подобия, определяемого интервалом

. Помимо этого, к входным трассам

могут применяться различные фильтры, имеющие случайную реализацию своих параметров. Например, может быть использован полосовой фильтр со случайными значениями частот среза.Also, other parameters of the calculation of the similarity function, such as, for example, the maximum distance between the source and receiver in each seismogram, which is determined by the parameter

the previous formula, or the length of the window for calculating the similarity function, determined by the interval

. In addition, to the entry routes

various filters can be applied that have a random implementation of their parameters. For example, a band-pass filter with random cutoff frequencies may be used.

На фигуре 2, в нижней части, показаны сейсмограммы, участвующие в расчёте спектра параметра кривой, описывающей кинематику изучаемой волны. В каждой точке по латерали этого спектра участвует набор просуммированных со случайными весами сейсмограмм, представленный ниже.Figure 2, in the lower part, shows the seismograms involved in the calculation of the spectrum of the curve parameter describing the kinematics of the wave being studied. At each point along the lateral of this spectrum, a set of seismograms summarized with random weights is presented below.

На фигуре 3 показаны точно такие же сейсмограммы, но часть из трасс каждой сейсмограммы затонирована. Эта область определяется параметром мьютинга

, который также может быть выбран случайным образом.Figure 3 shows exactly the same seismograms, but some of the traces of each seismogram are toned. This area is determined by the mute parameter.

which can also be randomly selected.

Затонированная область не участвует в расчёте функции подобия. Использование данного параметра позволяет оценить, как влияние помех на больших удалениях, так и негиперболичность описываемых данных (при условии гиперболического анализа).The tinted area is not involved in the calculation of the similarity function. Using this parameter allows one to evaluate both the effect of interference at large distances and the non-hyperbolicity of the described data (subject to hyperbolic analysis).

Использование стохастических элементов при оценивании времён прихода, а также при сглаживании локальных решений позволяет учесть качество реальных наблюдений при получении разных реализаций решений, а также анализировать влияние различных факторов на достоверность глубинных построений. The use of stochastic elements in estimating arrival times, as well as in smoothing local solutions, allows one to take into account the quality of real observations when obtaining different implementations of solutions, as well as analyze the influence of various factors on the reliability of deep-seated constructions.

Решения обратной кинематической задачи для каждой отражающей границы получают по множеству реализаций измеренных величин прихода отраженных волн и по результатам таких же решений для предшествующих (вышележащих) горизонтов. Также для каждой реализации измеренных величин прихода отраженных волн производится случайная вариация параметров самой обратной задачи (радиусы сглаживания, размер базы решения и т.п.) для оценки влияния неоднозначности выбора параметров решения обратной задачи. При решении обратной задачи каждая пара реализации входных данных и параметров самой обратной задачи случайным образом комбинируется с одной из реализаций модели, построенной для вышележащих слоёв. Другими словами генерируется случайный вектор, каждый элемент которого состоит из номера случайной реализации входных данных, случайной реализации параметров алгоритма обратной задачи и случайного номера реализации модели выше текущего горизонта. После этого производится решение обратной задачи для каждого элемента такого вектора, как это показано на (фиг.4). На этом изображении показана лучевая схема, которая используется при решении томографической задачи и различная в зависимости от комбинации реализаций границ, участвующих в решении. Таким образом, на выходе получают множество реализаций ответов обратной кинематической задачи для каждого глубинного горизонта (скорости распространения волн и глубины) по множеству реализаций измеренных величин прихода отраженных волн, множеству параметров самой обратной задачи, а также множеству таких же решений для предшествующих горизонтов. Дополнительно получают параметры анизотропии пластов, параметры вертикального градиента скорости, параметры, определяющие положение контрастных границ внутри пластов. Пласты являются частью обобщенной пластовой модели, под которой понимается пластовая модель среды, где каждый из пластов описывается одним из заданного набора моделей: локально-однородный пласт, пласт с набором конформно согласованных между собой пропластков, пласт с преломляющей контрастной границей, пласт с локально постоянным вертикальным градиентом скорости, трансверсально-изотропный пласт. Используя эти данные, можно построить необходимые статистические оценки.The solutions of the inverse kinematic problem for each reflecting boundary are obtained by the set of realizations of the measured values of the arrival of reflected waves and by the results of the same solutions for the previous (overlying) horizons. Also, for each implementation of the measured values of the reflected wave arrival, a random variation of the parameters of the inverse problem itself (smoothing radii, size of the solution base, etc.) is performed to assess the effect of the ambiguity in the choice of parameters for solving the inverse problem. When solving the inverse problem, each pair of implementations of the input data and parameters of the inverse problem itself is randomly combined with one of the implementations of the model built for the overlying layers. In other words, a random vector is generated, each element of which consists of a random implementation number of input data, a random implementation of the parameters of the inverse problem algorithm and a random model implementation number above the current horizon. After that, the inverse problem is solved for each element of such a vector, as shown in (Fig. 4). This image shows the beam pattern that is used to solve the tomographic problem and is different depending on the combination of realizations of the boundaries involved in the solution. Thus, at the output, many realizations of the answers of the inverse kinematic problem for each deep horizon (wave propagation velocity and depth) are obtained from the set of realizations of the measured values of the arrival of reflected waves, the set of parameters of the inverse problem itself, as well as the set of the same solutions for the previous horizons. Additionally, reservoir anisotropy parameters, parameters of the vertical velocity gradient, parameters determining the position of the contrasting boundaries inside the reservoirs are obtained. The strata are part of a generalized stratum model, which is understood as the stratum model of the environment, where each of the strata is described by one of a given set of models: a locally homogeneous stratum, a stratum with a set of conformally interconnected strata, a stratum with a refracting contrasting boundary, a stratum with a locally constant vertical velocity gradient, transversely isotropic reservoir. Using this data, it is possible to construct the necessary statistical estimates.

По множеству полученных реализаций ответов обратной кинематической задачи, а именно по их расположению вокруг некоторого среднего, строят кубы вероятности положения границ в модели среды и/или строят коридор достоверности, по которым получают и другие статистические атрибуты, востребованные интерпретацией для анализа достоверности структурных построений.Using the set of obtained implementations of the answers of the inverse kinematic problem, namely, their location around a certain average, the probability cubes of the position of the boundaries in the medium model are built and / or the confidence corridor is built, which also gives other statistical attributes that are demanded by the interpretation to analyze the reliability of structural constructions.

Получаемые оценки статистического разброса решений позволяют выбрать параметры глубинно-скоростной модели, т.е. скорректировать разбиение среды на пласты, выбрать наиболее подходящий способ параметризации пласта, обеспечивающий наименьший разброс в решениях томографической задачи.The obtained estimates of the statistical spread of solutions make it possible to choose the parameters of the depth-velocity model, i.e. to correct the division of the medium into layers, to choose the most suitable method of parameterization of the layer, which provides the smallest spread in the solutions of the tomographic problem.

В настоящих материалах заявки было представлено предпочтительное раскрытие осуществления заявленного технического решения, которое не должно использоваться как ограничивающее иные, частные воплощения его реализации, которые не выходят за рамки испрашиваемого объёма правовой охраны и являются очевидными для специалистов в соответствующей области техники.In the present application materials, a preferred disclosure of the implementation of the claimed technical solution was presented, which should not be used as limiting other, private embodiments of its implementation, which do not go beyond the requested scope of legal protection and are obvious to specialists in the relevant field of technology.

Claims

1. A computer-implemented method of multivariate tomography of seismic data, which consists in obtaining many implementations of solutions to the inverse kinematic seismic problem and includes the following steps:

a) measure the time of arrival of seismic waves in parametric form from seismograms obtained as a result of processing data from a seismic experiment;

b) receive many realizations of the measured values of the arrival of the reflected waves as a result of averaging the data of the initial seismograms with random weights uniformly distributed over the interval in compliance with the normalization condition;

c) get a lot of realizations of the answers of the inverse kinematic problem for each deep horizon for a lot of realizations of the measured values of the arrival of reflected waves, a lot of realizations for the previous horizons, as well as a lot of solutions smoothed with random weights;

d) on the basis of the obtained set of realizations of the answers of the inverse kinematic problem, probability cubes and confidence estimates of the deep constructions are built.

2. The method according to claim 1, characterized in that the parameters describing the arrival times of seismic waves are determined by the values of the similarity function of the paths along the sorted curves on each seismogram, and the similarity function can also be calculated with random weights when estimating the average values included in it.

3. The method according to claim 1, characterized in that, as a result of solving the inverse kinematic problem, the formation anisotropy parameters, velocity gradient parameters, and parameters determining the position of the contrasting boundaries inside the layers are additionally obtained.

4. The method according to claim 1, characterized in that the obtained estimates of the statistical spread of solutions allow you to select the parameters of the deep-speed model.