缝洞识别方法、设备及存储介质技术

本申请提供一种缝洞识别方法、设备及存储介质，应用于地质勘探领域。在进行缝洞识别时，获取面向待识别区域的目标地震数据；将目标地震数据输入缝洞识别模型进行识别处理，得到面向待识别区域的缝洞识别结果，缝洞识别模型为通过实测地震数据对三维Unet网络进行训练而得到的模型。本申请中，通过采用Unet网络训练得到缝洞识别的模型，可以在勘探的目标日渐深部化、微小化，勘探环境更趋复杂化的趋势下，仍能够高效、准确地识别缝洞。准确地识别缝洞。准确地识别缝洞。

【技术实现步骤摘要】
缝洞识别方法、设备及存储介质


[0001]本申请涉及地质勘探领域，尤其涉及一种缝洞识别方法、设备及存储介质。

技术介绍

[0002]缝洞是一种重要的油气潜在储集体。因此，如何寻找缝洞，就成为了油气勘探的重中之重，特别是在碳酸盐岩缝洞发育地区。
[0003]目前，常用的缝洞识别技术主要有方位各向异性缝洞检测技术、缝洞型储层正演模拟技术、地震属性技术和边缘检测技术等。但随着勘探的目标日渐深部化、微小化，勘探环境更趋复杂化，通过上述技术变得难以识别缝洞。

技术实现思路

[0004]本申请提供种缝洞识别方法、设备及存储介质，用以在勘探的目标日渐深部化、微小化，勘探环境更趋复杂化的趋势下，仍能够识别碳酸盐岩缝洞。
[0005]一方面，本申请提供一种缝洞识别方法，包括：
[0006]获取面向待识别区域的目标地震数据；
[0007]将目标地震数据输入缝洞识别模型进行识别处理，得到面向待识别区域的缝洞识别结果，缝洞识别模型为通过实测地震数据对三维Unet网络进行训练而得到的模型。
[0008]可选的，缝洞识别模型是通过以下方式训练得到的：
[0009]获取训练数据集，训练数据集包括多个训练样本，训练样本为实测地震数据；
[0010]针对训练样本中的每个训练样本，基于已构建的子波库，确定训练样本对应的标签，子波库是通过在线字典学习获得的；
[0011]基于标签和训练样本对三维Unet网络进行训练，得到缝洞识别模型。
[0012]可选的，基于已构建的子波库，确定训练样本对应的标签，包括：
[0013]基于子波库，通过快速复数域匹配追踪算法，将训练样本进行子波分解，得到至少一个子波；
[0014]基于时频分析算法，得到子波的时频谱；
[0015]将至少一个子波的时频谱进行叠加，得到训练样本的时频谱；
[0016]通过单频属性阈值分割，获得训练样本对应的标签。
[0017]可选的，基于子波库，通过快速复数域匹配追踪算法，将训练样本进行子波分解，得到至少一个子波，包括：
[0018]根据复地震道技术，得到训练样本对应的地震复信号；
[0019]通过快速复数域匹配追踪算法，扫描得到地震复信号对应的最佳匹配子波；
[0020]根据最佳匹配子波进行地震复信号的重构；
[0021]根据重构后的复信号，得到至少一个子波。
[0022]可选的，通过单频属性阈值分割，获得训练样本对应的标签，包括：
[0023]通过单频属性阈值分割，在训练样本的时频谱上分割出目标频率的属性图；
[0024]将属性图进行分割，获得与设定数据大小的数据块对应的标签。
[0025]可选的，基于标签和训练样本对三维Unet网络进行训练，得到缝洞识别模型，包括：
[0026]根据设定数据大小，对训练样本进行分块处理，得到训练数据块；
[0027]根据训练数据块和标签，对三维Unet网络进行训练，得到缝洞识别模型。
[0028]可选的，将目标地震数据输入缝洞识别模型进行识别处理，得到面向待识别区域的缝洞识别结果，包括：
[0029]在将目标地震数据输入缝洞识别模型进行识别处理之前，对目标地震数据进行标准化处理，得到标准地震数据；
[0030]将标准地震数据输入缝洞识别模型进行识别处理，得到面向待识别区域的缝洞识别结果。
[0031]第二方面，本申请提供一种缝洞识别设备，包括：
[0032]获取模块，用于获取面向待识别区域的目标地震数据；
[0033]处理模块，用于将目标地震数据输入缝洞识别模型进行识别处理，得到面向待识别区域的缝洞识别结果，缝洞识别模型为通过实测地震数据对三维Unet网络进行训练得到的。
[0034]第三方面，本申请提供一种缝洞识别设备，包括：
[0035]存储器，用于存储可执行指令；
[0036]处理器，被配置为执行可执行指令，以实现第一方面任一所述的缝洞识别方法。
[0037]第四方面，本申请提供一种计算机可读存储介质，该计算机可读存储介质中存储有计算机执行指令，计算机执行指令被处理器执行时用于实现第一方面任一所述的缝洞识别方法。
[0038]本申请提供一种缝洞识别方法、设备及存储介质。在进行缝洞识别时，首先获取面向待识别区域的目标地震数据；然后将目标地震数据输入缝洞识别模型进行识别处理，得到面向待识别区域的缝洞识别结果，缝洞识别模型为通过实测地震数据对三维Unet网络进行训练而得到的模型。在本申请中，由于缝洞识别模型为通过实测地震数据对三维Unet网络进行训练而得到的模型，因此，缝洞识别模型在使用中只需要将目标地震数据直接以图像的形式输入，就能够得到包含识别结果的图像，从而可以在勘探的目标日渐深部化、微小化，勘探环境更趋复杂化的趋势下，仍能够高效、准确地识别缝洞。
附图说明
[0039]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
[0040]图1为本申请实施例提供的缝洞识别方法的应用场景示意图；
[0041]图2为本申请实施例提供的缝洞识别方法的流程图；
[0042]图3a为本申请实施例提供的缝洞识别模型得到的缝洞刻画结果之一；
[0043]图3b为本申请实施例提供的缝洞识别模型得到的缝洞刻画结果之二；
[0044]图4为本申请实施例提供的缝洞刻画结果的剖视图；
[0045]图5为本申请实施例提供的缝洞刻画结果的平视图；
[0046]图6为本申请实施例提供的确定训练样本对应的标签的流程图；
[0047]图7为本申请实施例提供的分割出的目标频率的属性图的示意图；
[0048]图8a为本申请实施例提供的训练样本与标签的对应图之一；
[0049]图8b为本申请实施例提供的训练样本与标签的对应图之二；
[0050]图8c为本申请实施例提供的训练样本与标签的对应图之三；
[0051]图9为本申请实施例提供的缝洞识别模型的训练流程示意图；
[0052]图10为本申请实施例提供的标签的制作示意图；
[0053]图11为本申请实施例提供的三维Unet网络模型架构示意图；
[0054]图12为本申请实施例提供的缝洞识别设备的结构示意图；
[0055]图13为本申请一实施例提供的缝洞识别设备的结构示意图。
[0056]通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
[0057]这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种缝洞识别方法，其特征在于，包括：获取面向待识别区域的目标地震数据；将所述目标地震数据输入缝洞识别模型进行识别处理，得到面向所述待识别区域的缝洞识别结果，所述缝洞识别模型为通过实测地震数据对三维Unet网络进行训练而得到的模型。2.根据权利要求1所述的缝洞识别方法，其特征在于，所述缝洞识别模型是通过以下方式训练得到的：获取训练数据集，所述训练数据集包括多个训练样本，所述训练样本为实测地震数据；针对所述训练样本中的每个训练样本，基于已构建的子波库，确定所述训练样本对应的标签，所述子波库是通过在线字典学习获得的；基于所述标签和所述训练样本对所述三维Unet网络进行训练，得到所述缝洞识别模型。3.根据权利要求2所述的缝洞识别方法，其特征在于，所述基于已构建的子波库，确定所述训练样本对应的标签，包括：基于所述子波库，通过快速复数域匹配追踪算法，将所述训练样本进行子波分解，得到至少一个子波；基于时频分析算法，得到所述子波的时频谱；将所述至少一个子波的时频谱进行叠加，得到所述训练样本的时频谱；通过单频属性阈值分割，获得所述训练样本对应的标签。4.根据权利要求3所述的缝洞识别方法，其特征在于，所述基于所述子波库，通过快速复数域匹配追踪算法，将所述训练样本进行子波分解，得到至少一个子波，包括：根据复地震道技术，得到所述训练样本对应的地震复信号；通过所述快速复数域匹配追踪算法，扫描得到所述地震复信号对应的最佳匹配子波；根据所述最佳匹配子波进行地震复信号的重构；根据重构后的复信号，得到所述至少一个子波。5.根据权利要求3所述的缝洞识别方法，其特征在于，所述通过单频属性阈值分割，获得所述训练样本对应的标...

【专利技术属性】
技术研发人员：宋炜，
申请(专利权)人：中国石油大学北京，
类型：发明
国别省市：