地震属性数据综合处理方法、装置、设备和存储介质制造方法及图纸

本发明专利技术公开了一种地震属性数据综合处理方法、装置、设备和存储介质。该方法包括：获取目标储层的地震数据所对应的多个属性数据；对属性数据进行预处理；采用已训练的神经网络模型对预处理后的多个属性数据进行属性融合，得到融合后的综合地震属性。采用本发明专利技术，可以全方位反映地质特征，属性融合效果更高，从而可以提高属性解释的可靠性和储层预测的精度。以提高属性解释的可靠性和储层预测的精度。以提高属性解释的可靠性和储层预测的精度。

【技术实现步骤摘要】
地震属性数据综合处理方法、装置、设备和存储介质


[0001]本专利技术涉及地质勘探
，特别是涉及一种地震属性数据综合处理方法、装置、设备和存储介质。

技术介绍

[0002]地震属性分析技术对储层预测有重要作用。传统的单一地震属性信息量较少，使用单一地震属性解释往往会带来多解性，而综合地震属性相对于单一地震属性能更准确地描述地下储层信息。
[0003]获得综合地震属性的方法是属性融合。常用的属性融合方法有主成分分析、线性判别分析、独立成分分析等线性方法，也有核主成分分析、核判别分析、等距映射法等非线性方法。线性融合方法仅局限于数据呈线性分布或高斯分布，当数据呈现高维复杂非线性分布，则不易体现其主要特征，无法进行有效的融合。传统的非线性融合方法存在局部近似线性结构，且大多存在不收敛或者噪音敏感线性，不能体现深层次的特征，融合效果不佳。

技术实现思路

[0004]本专利技术要解决的技术问题是：现有的属性融合技术在面对复杂非线性的地震属性数据融合问题时存在局限性，融合效果欠佳，从而导致属性解释的可靠性、储层预测的精度降低。
[0005]为解决上述技术问题，本专利技术提供了一种地震属性数据综合处理方法、装置、设备和存储介质。
[0006]一种地震属性数据综合处理方法，包括：
[0007]获取目标储层的地震数据所对应的多个属性数据；
[0008]对所述属性数据进行预处理；
[0009]采用已训练的神经网络模型对预处理后的多个属性数据进行属性融合，得到融合后的综合地震属性。
[0010]可选地，所述对所述属性数据进行预处理，包括：
[0011]利用极差正规化对所述属性数据进行标准化处理。
[0012]可选地，所述利用极差正规化对所述属性数据进行标准化处理之后，包括：
[0013]对标准化处理后的属性数据进行平滑滤波处理。
[0014]可选地，所述神经网络模型包括稀疏自编码器。
[0015]可选地，所述采用已训练的神经网络模型对预处理后的多个属性数据进行属性融合，得到融合后的综合地震属性之后，还包括：
[0016]根据所述综合地震属性对所述目标储层进行异常识别。
[0017]一种地震属性数据综合处理装置，包括：
[0018]数据获取模块，用于获取目标储层的地震数据所对应的多个属性数据；
[0019]数据处理模块，用于对所述属性数据进行预处理；
[0020]属性融合模块，用于采用已训练的神经网络模型对预处理后的多个属性数据进行属性融合，得到融合后的综合地震属性。
[0021]可选地，所述数据处理模块用于利用极差正规化对所述属性数据进行标准化处理。
[0022]可选地，所述数据处理模块在利用极差正规化对所述属性数据进行标准化处理之后，对标准化处理后的属性数据进行平滑滤波处理。
[0023]一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如下步骤：
[0024]获取目标储层的地震数据所对应的多个属性数据；
[0025]对所述属性数据进行预处理；
[0026]采用已训练的神经网络模型对预处理后的多个属性数据进行属性融合，得到融合后的综合地震属性。
[0027]一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如下步骤：
[0028]获取目标储层的地震数据所对应的多个属性数据；
[0029]对所述属性数据进行预处理；
[0030]采用已训练的神经网络模型对预处理后的多个属性数据进行属性融合，得到融合后的综合地震属性。
[0031]与现有技术相比，上述方案中的一个或多个实施例可以具有如下优点或有益效果：
[0032]通过对地震数据的属性数据进行预处理后，采用已训练的神经网络模型处理得到融合后的综合地震属性；神经网络模型建立在基于已有数据训练好的基础上，可以充分挖掘属性数据中隐含的信息，能够有效捕捉最显著的特征，全方位反映地质特征，属性融合效果更好，从而可以提高属性解释的可靠性和储层预测的精度。
附图说明
[0033]通过结合附图阅读下文示例性实施例的详细描述可更好地理解本公开的范围。其中所包括的附图是：
[0034]图1为一个实施例中地震属性数据综合处理方法的流程示意图；
[0035]图2为一个实施例中地震属性数据综合处理装置的结构框图；
[0036]图3为一个实施例中综合解释结果的技术流程图；
[0037]图4为一个实施例中稀疏自编码器的网格结构示意图；
[0038]图5为一个实施例中Swiss曲线采用不同融合方法的结果示意图；
[0039]图6为实施例区块目的层的常规相干属性展示图；
[0040]图7为实施例区块目的层不同频率成分的分频相干属性展示图；
[0041]图8为实施例区块目的层分频相干属性采用主成分分析、稀疏自编码器融合的结果对比展示图。
具体实施方式
[0042]为使本专利技术的目的、技术方案和优点更加清楚，以下将结合附图及实施例来详细说明本专利技术的实施方法，借此对本专利技术如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。
[0043]实施例一
[0044]如图1所示，提供了一种地震属性数据综合处理方法，包括如下步骤：
[0045]S110：获取目标储层的地震数据所对应的多个属性数据。
[0046]目标储层是指需要进行属性分析的储层。属性数据是表征地震数据的特征的数据，携带地质信息。对地震数据进行数学变换得到地震数据所对应的属性数据。
[0047]S130：对属性数据进行预处理。
[0048]S150：采用已训练的神经网络模型对预处理后的多个属性数据进行属性融合，得到融合后的综合地震属性。
[0049]综合地震属性兼具多种属性的特征。具体地，将预处理后的属性数据作为已训练的神经网络模型的输入，采用已训练的神经网络模型对预处理后的多个属性数据进行属性融合，得到已训练的神经网络模型的输出，作为融合后的综合地震属性。
[0050]上述地震属性数据综合处理方法，通过对地震数据的属性数据进行预处理后，采用已训练的神经网络模型处理得到融合后的综合地震属性；神经网络模型建立在基于已有数据训练好的基础上，可以充分挖掘属性数据中隐含的信息，能够有效捕捉最显著的特征，全方位反映地质特征，属性融合效果更好，从而可以提高属性解释的可靠性和储层预测的精度。
[0051]可选地，地震数据的属性数据可以为目的层的分频相干属性数据。采用目的层分频相干属性数据，利用已训练的神经网络模型对分频相干属性数据进行属性融合。
[0052]可选地，步骤S130包括：利用极差正规化对属性数据进行标准化处理。
[0053]属性数据在数值量级、数据单位及量纲方面存在差异，为了统一数据范围，避免突本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种地震属性数据综合处理方法，其特征在于，包括：获取目标储层的地震数据所对应的多个属性数据；对所述属性数据进行预处理；采用已训练的神经网络模型对预处理后的多个属性数据进行属性融合，得到融合后的综合地震属性。2.根据权利要求1所述的方法，其特征在于，所述对所述属性数据进行预处理，包括：利用极差正规化对所述属性数据进行标准化处理。3.根据权利要求2所述的方法，其特征在于，所述利用极差正规化对所述属性数据进行标准化处理之后，包括：对标准化处理后的属性数据进行平滑滤波处理。4.根据权利要求1所述的方法，其特征在于，所述神经网络模型包括稀疏自编码器。5.根据权利要求1所述的方法，其特征在于，所述采用已训练的神经网络模型对预处理后的多个属性数据进行属性融合，得到融合后的综合地震属性之后，还包括：根据所述综合地震属性对所述目标储层进行异常识别。6.一种地震属性数据综合处理装置，其特征...

【专利技术属性】
技术研发人员：钟晗，周单，唐金良，胡华锋，张克非，
申请(专利权)人：中国石油化工股份有限公司石油物探技术研究院，
类型：发明
国别省市：