基于宽方位角资料的C3相干体的方法技术

技术编号:10786913 阅读:137 留言:0更新日期:2014-12-17 14:03
本发明专利技术公开了一种基于宽方位角资料的C3相干体的方法,其包括以下步骤:读取各个方位角的三维地震数据体、从宽方位角三维地震数据体中读取道数据、计算目标点的相关性矩阵、对相关性矩阵做特征值分解、计算目标点的相干值、计算完整个体的所有相干值组成相干体。本发明专利技术的有益效果是:本发明专利技术基于第三代相干体技术,利用宽方位角地震资料丰富的信息量,可研究出根据振幅随方位角变化而计算出的稳定、鲁棒性好的宽方位相干体,可对相对小尺度的地质结构进行断裂构造检测,能得到更加精细的断层和裂缝的预测。

【技术实现步骤摘要】
基于宽方位角资料的C3相干体的方法
本专利技术属于地质
,涉及地震相干体技术,具体涉及基于宽方位角资料的C3相干体的方法。
技术介绍
随着石油勘探开发的不断深入,所面临的勘探对象越来越复杂,而地质构造的形态和分布对某些油气田的形成起着决定性的作用,三维相干技术是从三维地震数据体中提取和识别地质构造特征的一种有效方法。该相干体技术是在第65届SEG年会上由Bahorich和Farmer正式提出的,该技术在地质的断层解释上有很好的效果。在如今的地质领域,三维相干体技术的基础输入都是叠后振幅数据体,利用纵向和横向上局部的波形相似性,求取三维相关数据体,在地层不连续范围内,地震相邻道之间的属性会发生变化,在相干数据体中则是由相邻道的相关性突变表征这种不连续的,若地层不在连续出现断裂等地质构造现象时,地震反射波会发生变化,边界相似性不再一致,依次可以识别出与断裂构造等有关的地质体,最后联合测井资料做出准确合理的解释。所有的相干方法都是邻域道的空间窗上进行的。最简单的一种就是在三相邻道上实施的互相关算法。而许多基于相似性和特征结构的算法都是通过加强的,在五道,九道或更多相邻道上的一种计算。如图1所示为现有的C1相干算法图,中心道(道0)用数字5对应的点表示,数字6表示inline也就是x方向上的道(道1),数字2表示crossline也就是y方向上的道(道2)。那么通过公式(1)可以计算x方向上的归一化互相关系数ρx。其中,μn(t)=12K+1Σk=-K+Kun(t+Δt)---(2)]]>其中,μn(t)记为第n道的窗内均值。正常情况下,地震数据的均值为零,所以通常将计算表达式简化令均值μn(t)等于0,当分析窗大小大于地震波长时,这种近似的简化通常是合理的。对于时延τx,它是最大正值归一化互相关系数对应一个值,是inline视倾角的一阶近似值。下一步,计算图1中数字5对应的道(道0)与相邻道数字2对应的道(道2)之间的归一化互相关系数。那么时延τy是最大正值归一化互相关系数对应的值,同时也是crossline视倾角的一阶估计。Bahorich和Farmer定义了三维的互相关相干估计cxy通过联合inline和crossline互相关系数,可以获得以下形式的公式:cxy=[maxτxρx(t,τx,xi,yi)][maxτyρy(t,τy,xi,yi)]---(4)]]>其中,和分别为τx和τy下的互相关值,即ρx和ρy是最大值。分别对应各自时延的互相关的最大值,这个相干的定义是与局部倾角相适应的。在中心道的每一点上进行上述的相干计算,然后遍历地震数据体中的每一道,便获得了一个新的地震数据体,这个新的数据体是描述道与道的相似度的数据体。通常,窗口大小一般取40ms到100ms。断层有时在时间切片中不容易看出来,它们与反射面走向相垂直时,是容易识别的。但是当它们与走向平行时,就很难识别出来了。但是,无论断层的方向如何,相干都能很好的将它们识别出来。C1相干算法在高质量地震资料中,可以很好地突出断层。但是实际地震资料通常是含噪声较严重的,因此Mafurt等提出了抗噪性能更好的C2相干算法。对于三维地震数据,在计算相干的相似性方法中,定义了空间和时间窗口,或者称为三维分析窗。同时,同样需要定义地震数据体中每个点的倾角和倾向方位角。这个倾角和方位角可以通过地震层位的拉平来确定,也可以通过离散倾角计算来精确确定。最典型的是使用由Mafurt等提出的相似性驱动的倾角扫描方法。对于一个以分析点为中心,含有J道,每道含有2K+1个数据点的三维分析窗,对各道分别做自相关和互相关,可以得到一个J*J的一个矩阵。下面给出C2的矩阵形式:其中,Cij(t,p,q)=Σk=-K+K[ui(t+kΔt-pΔxi-qΔyi)-u(t,p,q)>][uj(t+kΔt-pΔxj-qΔyj)-u(t,p,q)>]---(6)]]>其中,<u(t,p,q)>表示窗内每一道的均值,C2中它的取值为0。(p,q)为预置的倾角对。为了避免反向地滚波的干扰,实际应用中,p和q的最大值一般在±0.1之间(或者视倾角θx和θy在±5°之间),间隔0.01ms。ui(t+kΔt-pΔxi-qΔyi)表示第i(1<i<J)道数据。取时间窗的目的是为了去除相干噪声的影响。C2相干算法的相干值如式7所示:cs(t,p,q)=Σi=1J[Σj=1JCij]J*Tr(C)---(7)]]>C2=max(cs(t,p,q))st.p∈(-0.1,0.1),q∈(-0.1,0.1)(8)虽然现有的三种相干算法可大致识别出与断裂构造等有关的地质体。但是如果地层的地质结构是尺度相对较小的小型或微断裂构造的时候,三维相干体技术很难预测,因为叠后地震数据缺少倾角或偏移距的信息,无法利用各向异性的原理来检测微断裂构造。
技术实现思路
本专利技术所要解决的技术问题是针对现有技术中存在的无法对相对小尺度的地质结构进行断裂构造检测的问题而提出一种基于宽方位角资料的C3相干体的方法。本专利技术解决其技术问题采用的技术方案是:一种基于宽方位角资料的C3相干体的方法,具体包括如下步骤:步骤一:读取各个方位角的三维地震数据体;步骤二:以目标点为中心,从每个宽方位角的三维地震数据体中提取时窗长度Nt的一道数据并将各个角度的这道数据按照角度值顺序排列形成二维矩阵Trace,矩阵Trace定义为:其中,θ∈{0°,30°,60°,90°,120°,150°},S为原始三维地震数据体,x、y、z分别为三维坐标系下S的x轴,y轴,z轴的坐标值,矩阵Trace包含了各个角度的目标点周围的数据值;步骤三:根据步骤二中得到的矩阵Trace,计算目标点的相关性矩阵C,C定义为:C=Trace′×Trace(10)其中,矩阵C为J×J的矩阵,这里的J代表空间分析窗中道的数目,相关性矩阵C反映了从各个宽方位角得到的振幅值所反映出的目标点周围的地质结构的相关性;步骤四:利用C3相干算法对相关性矩阵C做特征值分解,得到所有特征值;步骤五:根据步骤四中得到的特征值,计算目标点的相干值Coherence,Coherence=λmaxΣm=1Jλm---(16)]]>其中λ为特征值,λmax为最大特征值,m为特征值的个数;步骤六:重复步骤二至步骤六计算所有目标点的相干值直到计算出完整个体的所有相干值组成相干体。进一步地,所述步骤四中对相关性矩阵C做特征值分解的具体算法为:Cv(m)=λmv(m)(12)其中λm为第m个特征值,v(m)为是对应第m个特征值λm的特征向量,m的取值为1到J。本专利技术的有益效果:本专利技术基于第三代相干体技术,使其应用在宽方位角数据体上,进而实现了基于C3的宽方位相干体计算方法。基于从宽方位角地震资料的角度,以宽方位角三维地震资料的波场特征为基础,利用宽方位角地震资料丰富的信息量,即偏移距信息和方位角信息等,可研究出根据振幅随方位角变化而计算出的稳定、鲁棒性本文档来自技高网
...
基于宽方位角资料的C3相干体的方法

【技术保护点】
一种基于宽方位角资料的C3相干体的方法,其特征在于,包括以下步骤:步骤一:读取各个方位角的三维地震数据体;步骤二:以目标点为中心,从每个宽方位角的三维地震数据体中提取时窗长度Nt的一道数据并将各个角度的这道数据按照角度值顺序排列形成二维矩阵Trace。矩阵Trace定义为:其中,θ∈{0°,30°,60°,90°,120°,150°},S为原始三维地震数据体,Nt为所取的时间上的窗口长度,x、y、z分别为三维坐标系下S的x轴,y轴,z轴的坐标值,矩阵Trace包含了各个角度的目标点周围的数据值;步骤三:根据步骤二中得到的矩阵Trace,计算目标点的相关性矩阵C,C定义为:C=Trace′×Trace                        (2)其中,矩阵C为J×J的矩阵,这里的J代表空间分析窗中道的数目,相关性矩阵C反映了从各个宽方位角得到的振幅值所反映出的目标点周围的地质结构的相关性;步骤四:利用C3相干算法对相关性矩阵C做特征值分解,得到所有特征值;步骤五:根据步骤四中得到的特征值,计算目标点的相干值Coherence,Coherence=λmax&Sigma;m=1Jλm---(3)]]>其中λ为特征值,λmax为最大特征值,m为特征值的个数;步骤六:重复步骤二至步骤六计算所有目标点的相干值直到计算出完整个体的所有相干值组成相干体。...

【技术特征摘要】
1.一种基于宽方位角资料的C3相干体的方法,其特征在于,包括以下步骤:步骤一:读取各个方位角的三维地震数据体;步骤二:以目标点为中心,从每个宽方位角的三维地震数据体中提取时窗长度Nt的一道数据并将各个角度的这道数据按照角度值顺序排列形成二维矩阵Trace,矩阵Trace定义为:其中,θ1=0°,θ2=30°,θ3=60°,θ4=90°,θ5=120°,θ6=150°,且N=6,S为原始三维地震数据体,Nt为所取的时间上的窗口长度,x、y、z分别为三维坐标系下S的x轴,y轴,z轴的坐标值,矩阵Trace包含了各个角度的目标点周围的数据值;步骤三:根据步骤二中得到的矩阵Trace,计算目标点的相关性矩阵C,C定义为:C=Trace'×Trace(2)其中,矩阵C为J×J的矩阵,这里的J代表空间分析窗中道的数目,相关性...

【专利技术属性】
技术研发人员:钱峰文渊胡光岷
申请(专利权)人:电子科技大学
类型:发明
国别省市:四川;51

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1