一种磁性体顶面埋深预测方法及装置制造方法及图纸

本发明专利技术涉及一种磁性体顶面埋深预测方法及装置，其中，该方法包括：获取磁力异常；利用所述磁力异常求取垂向一阶导数异常、垂向二阶导数异常、垂向三阶导数异常；从所述磁力异常及垂向一阶导数异常、垂向二阶导数异常、垂向三阶导数异常中提取磁力异常极大值max1、垂向一阶导数异常极大值max2、垂向二阶导数异常极大值max3、垂向三阶导数异常极大值max4，并求的值；以作为输入，通过BP神经网络输出磁性体顶面埋深。

【技术实现步骤摘要】
一种磁性体顶面埋深预测方法及装置
本专利技术涉及地球物理勘探
，特别涉及一种磁性体顶面埋深预测方法及装置。
技术介绍
火成岩储层是油气勘探中的一类重要勘探目标，磁法勘探是解决火山岩勘探问题的一类重要方法，在油气勘探中已被广泛使用和认可。而磁法勘探要解决的火成岩问题中，火成岩的埋深尤为重要。目前，在磁性体顶面埋深预测方法中，最常用的直接方法有两种：切线法和欧拉反褶积法。切线法是一种利用过异常曲线上的一些特征点(如极值点、拐点)的切线之间的交点坐标间的关系来计算磁性体顶面埋深等参数的方法；该方法的主要特点是受正常场选择影响小，在航磁异常的定量解释中曾得到广泛应用；切线法的主要问题是手动操作起来比较繁琐。另外，对操作者的经验要求较高，不同人预测结果有所差异。欧拉反褶积法则是一种能自动估算磁性体顶面埋深的位场反演方法；该方法是以欧拉齐次方程为基础，运用位场异常及其空间导数以及各种地质体具有的特定的“构造指数”来确定磁性体的顶面埋深；欧拉反褶积法虽然有着严格的理论基础，但仍存在一些有待解决的实用化问题，例如：在一些情况下，反演出的磁性体顶面埋深出现发散现象，无法有效确认磁性体的顶面埋深。从上面的描述可以看出，现有技术普遍存在的问题是：磁性体顶面埋深预测操作复杂、受主观因素影响大、磁性体顶面埋深解发散、预测精度有待提高等；另外，普遍存在的问题是只利用磁力异常本身或其一阶导数，没有利用高阶导数，没有充分挖掘磁力异常导数高分辨率特性。因而，需要一套简单、快速、实用的磁性体顶面埋深的预测技术。
技术实现思路
为解决现有技术的问题，本专利技术提出一种磁性体顶面埋深预测方法及装置，形成一套简单、快速、实用的利用磁力异常及其高阶垂向导数极值比值序列的神经网络磁性体顶面埋深的预测方法，解决对火成岩顶面埋深的预测问题。为实现上述目的，本专利技术提供了一种磁性体顶面埋深预测方法，该方法包括：获取磁力异常；利用所述磁力异常求取垂向一阶导数异常、垂向二阶导数异常、垂向三阶导数异常；从所述磁力异常及垂向一阶导数异常、垂向二阶导数异常、垂向三阶导数异常中提取磁力异常极大值max1、垂向一阶导数异常极大值max2、垂向二阶导数异常极大值max3、垂向三阶导数异常极大值max4，并求的值；输入和通过BP神经网络输出磁性体顶面埋深。优选地，所述BP神经网络的创建步骤包括：构建长方体磁性模型；对所述长方体磁性模型的磁力异常正演计算得到磁力异常值；利用所述磁力异常值求取垂向一阶导数、垂向二阶导数、垂向三阶导数异常；从所述磁力异常及垂向一阶导数异常、垂向二阶导数异常、垂向三阶导数异常中提取磁力异常极大值max1、垂向一阶导数异常极大值max2、垂向二阶导数异常极大值max3、垂向三阶导数异常极大值max4，并求的值；建立具有三个输入神经元、一个输出神经元的BP神经网络，利用作为输入，长方体磁性模型的顶面埋深作为输出，训练BP神经网络，并存储训练好的BP神经网络。优选地，所述构建长方体磁性模型的步骤包括：建立Z轴垂直向下、坐标单位为m的左手空间直角坐标系；建立磁化强度、磁化倾角和磁化偏角均相同的长方体磁性模型；其中，所述长方体磁性模型的规模和深度均不同，长方体磁性模型的边与对应地的坐标轴平行，且所述长方体磁性模型在空间直角坐标系的XOY面投影的长方形的中点坐标为(20000，20000)；所述长方体磁性模型的Lx的长度从500m开始，按照500m间隔递增，递增至10000m；所述长方体磁性模型的Ly的长度从500m开始，按照500m间隔递增，递增至与Lx的长度相等；所述长方体磁性模型的Lz的长度从250m开始，按照250m间隔递增，递增至两倍的Lx的长度，且Lz的长度最大不得超过5000m；所述长方体磁性模型的顶面埋深Z0从500m开始，按照500m递增，递增至6000m；Lx表示长方体磁性模型中与空间直角坐标系的x轴平行的边，Ly表示长方体磁性模型中与空间直角坐标系的y轴平行的边，Lz表示长方体磁性模型中与空间直角坐标系的z轴平行的边。优选地，所述磁力异常值的计算步骤包括：在空间直角坐标系的XOY平面内，x轴方向上和y轴方向上均从0到40000m之间间隔500m进行采样获取采样点，所述采样点为观测点；利用长方体磁性模型的磁力异常正演公式，计算观测点处的磁力异常值。优选地，所述BP神经网络训练过程中采用的学习算法为贝叶斯正则化算法、列文伯格-马夸尔特优化算法、尺度化共轭梯度算法或BFGS准牛顿算法。为实现上述目的，本专利技术还提供了一种磁性体顶面埋深预测装置，该装置包括：磁力异常获取单元，用于获取磁力异常；第一计算单元，用于利用所述磁力异常求取垂向一阶导数异常、垂向二阶导数异常、垂向三阶导数异常；第二计算单元，用于从所述磁力异常及垂向一阶导数异常、垂向二阶导数异常、垂向三阶导数异常中提取磁力异常极大值max1、垂向一阶导数异常极大值max2、垂向二阶导数异常极大值max3、垂向三阶导数异常极大值max4，并求的值；预测单元，用于输入和通过BP神经网络输出磁性体顶面埋深。优选地，所述预测单元还包括：构建模块，用于构建长方体磁性模型；正演模块，用于对所述长方体磁性模型的磁力异常正演计算得到磁力异常值；第一计算模块，用于利用所述磁力异常值求取垂向一阶导数异常、垂向二阶导数异常、垂向三阶导数异常；第二计算模块，用于从所述磁力异常及垂向一阶导数异常、垂向二阶导数异常、垂向三阶导数异常中提取磁力异常极大值max1、垂向一阶导数异常极大值max2、垂向二阶导数异常极大值max3、垂向三阶导数异常极大值max4，并求的值；神经网络训练模块，用于建立具有三个输入神经元、一个输出神经元的BP神经网络，利用作为输入，长方体磁性模型的顶面埋深作为输出，训练BP神经网络，并存储训练好的BP神经网络。优选地，所述构建模块包括：空间坐标系建立子模块，用于建立Z轴垂直向下、坐标单位为m的左手空间直角坐标系；长方体磁性模型建立子模块，用于建立磁化强度、磁化倾角和磁化偏角均相同的长方体磁性模型；其中，所述长方体磁性模型的规模和深度均不同，长方体磁性模型的边与对应地的坐标轴平行，且所述长方体磁性模型在空间直角坐标系的XOY面投影的长方形的中点坐标为(20000，20000)；所述长方体磁性模型的Lx的长度从500m开始，按照500m间隔递增，递增至10000m；所述长方体磁性模型的Ly的长度从500m开始，按照500m间隔递增，递增至与Lx的长度相等；所述长方体磁性模型的Lz的长度从250m开始，按照250m间隔递增，递增至两倍的Lx的长度，且Lz的长度最大不得超过5000m；所述长方体磁性模型的顶面埋深Z0从500m开始，按照500m递增，递增至6000m；Lx表示长方体磁性模型中与空间直角坐标系的x轴平行的边，Ly表示长方体磁性模型中与空间直角坐标系的y轴平行的边，Lz表示长方体磁性模型中与空间直角坐标系的z轴平行的边。优选地，所述正演模块包括：观测点获取子模块，用于在空间直角坐标系的XOY平面内，x轴方向上和y轴方向上均从0到40000m之间间隔500m进行采样获取采样点，所述采样点为观测点；计算子模块，用于利用长方体磁性模型的磁力异常正演公式，计算观测点处的磁力异常值。优选地，所述本文档来自技高网...

【技术保护点】
一种磁性体顶面埋深预测方法，其特征在于，该方法包括：获取磁力异常；利用所述磁力异常求取垂向一阶导数异常、垂向二阶导数异常、垂向三阶导数异常；从所述磁力异常及垂向一阶导数异常、垂向二阶导数异常、垂向三阶导数异常中提取磁力异常极大值max1、垂向一阶导数异常极大值max2、垂向二阶导数异常极大值max3、垂向三阶导数异常极大值max4，并求的值；以作为输入，通过BP神经网络输出磁性体顶面埋深。

【技术特征摘要】
1.一种磁性体顶面埋深预测方法，其特征在于，该方法包括：获取磁力异常；利用所述磁力异常求取垂向一阶导数异常、垂向二阶导数异常、垂向三阶导数异常；从所述磁力异常及垂向一阶导数异常、垂向二阶导数异常、垂向三阶导数异常中提取磁力异常极大值max1、垂向一阶导数异常极大值max2、垂向二阶导数异常极大值max3、垂向三阶导数异常极大值max4，并求的值；输入和通过BP神经网络输出磁性体顶面埋深。2.如权利要求1所述的方法，其特征在于，所述BP神经网络的创建步骤包括：构建长方体磁性模型；对所述长方体磁性模型的磁力异常正演计算得到磁力异常值；利用所述磁力异常值求取垂向一阶导数、垂向二阶导数、垂向三阶导数异常；从所述磁力异常及垂向一阶导数异常、垂向二阶导数异常、垂向三阶导数异常中提取磁力异常极大值max1、垂向一阶导数异常极大值max2、垂向二阶导数异常极大值max3、垂向三阶导数异常极大值max4，并求的值；建立具有三个输入神经元、一个输出神经元的BP神经网络，利用作为输入，长方体磁性模型的顶面埋深作为输出，训练BP神经网络，并存储训练好的BP神经网络。3.如权利要求2所述的方法，其特征在于，所述构建长方体磁性模型的步骤包括：建立Z轴垂直向下、坐标单位为m的左手空间直角坐标系；建立磁化强度、磁化倾角和磁化偏角均相同的长方体磁性模型；其中，所述长方体磁性模型的规模和深度均不同，长方体磁性模型的边与对应地的坐标轴平行，且所述长方体磁性模型在空间直角坐标系的XOY面投影的长方形的中点坐标为(20000，20000)；所述长方体磁性模型的Lx的长度从500m开始，按照500m间隔递增，递增至10000m；所述长方体磁性模型的Ly的长度从500m开始，按照500m间隔递增，递增至与Lx的长度相等；所述长方体磁性模型的Lz的长度从250m开始，按照250m间隔递增，递增至两倍的Lx的长度，且Lz的长度最大不得超过5000m；所述长方体磁性模型的顶面埋深Z0从500m开始，按照500m递增，递增至6000m；Lx表示长方体磁性模型中与空间直角坐标系的x轴平行的边，Ly表示长方体磁性模型中与空间直角坐标系的y轴平行的边，Lz表示长方体磁性模型中与空间直角坐标系的z轴平行的边。4.如权利要求2所述的方法，其特征在于，所述磁力异常值的计算步骤包括：在空间直角坐标系的XOY平面内，x轴方向上和y轴方向上均从0到40000m之间间隔500m进行采样获取采样点，所述采样点为观测点；利用长方体磁性模型的磁力异常正演公式，计算观测点处的磁力异常值。5.如权利要求2所述的方法，其特征在于，所述BP神经网络训练过程中采用的学习算法为贝叶斯正则化算法、列文伯格-马夸尔特优化算法、尺度化共轭梯度算法或BFGS准牛顿算法。6.一种磁性体顶面埋深预测装置，其特征在于，该装置包括：磁力异常获取单元，用于获取磁力异常；第一计算单元，用于利...

【专利技术属性】
技术研发人员：赵文举，刘云祥，赵荔，
申请(专利权)人：中国石油天然气集团公司，中国石油集团东方地球物理勘探有限责任公司，
类型：发明
国别省市：北京;11