System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种稳健的基于砂岩型铀矿分频地震属性的河道识别方法技术_技高网

一种稳健的基于砂岩型铀矿分频地震属性的河道识别方法技术

技术编号:41263933 阅读:2 留言:0更新日期:2024-05-11 09:21
本发明专利技术属于砂岩型铀矿地震勘探解释技术领域,具体涉及一种稳健的基于砂岩型铀矿分频地震属性的河道识别方法,包括:输入包含噪声的原始三维叠后地震数据;初始化频谱分析,确定分频的低、中、高频点;计算每道(x,y)地震数据s(t)的GLCT时频谱TFR(t,f);对分频调谐数据体的每一道TFR(t,f)进行谱均衡;谱均衡后,基于低、中、高三个频段的的分频振幅体,分别提取三维GLCM,或基于抽取的目的层切片,提取二维GLCM;对每个频段的GLCM,分别计算纹理属性;结果输出:对低、中、高三个频段的瞬时振幅属性、分频纹理属性分别进行RGB融合,得到两套用于多尺度精细刻画研究区古河道空间展布形态的解释图。本发明专利技术能够有效提高砂岩型铀矿储层预测中地震属性的抗噪性和多尺度精细刻画能力。

【技术实现步骤摘要】

本专利技术属于砂岩型铀矿地震勘探解释,具体涉及一种稳健的基于砂岩型铀矿分频地震属性的河道识别方法


技术介绍

1、砂岩型铀矿找矿勘查工作中,古河道砂体往往是砂岩型铀矿富集的有利场所,古河道型铀矿属于砂岩型铀矿中一个单独的亚型。古河道的规模、展布特征、沉积微相、岩性特征等决定是否为产铀古河道,类似辫状河中的河床滞留和心滩微相以及曲流河中的河床滞留和边滩微相有利于古河道型砂岩铀矿成矿。然而,受古地理环境变迁和后期构造运动的影响,古河道变化频繁、相带不稳定,伴随断层穿插以及地震采集和处理本身的噪声与分辨率因素的制约,河道砂体精细识别的难度较大。研究发现,针对性利用地震属性研究地下古河道分布具有广泛的应用前景。通过频谱分解技术提取的振幅和频率类属性是刻画古河道空间展布有效的地震属性类型。

2、目前地震数据频谱分解常用的方法包括短时傅里叶变换(short time fouriertranform,stft),小波变换(wavelet transform,wt),s变换类(stransform),但鉴于来自中浅层切除导致的低覆盖次数地震数据往往信噪比较低,这些方法抗噪性能相对较差。

3、灰度共生矩阵(glcm)是图像学中一种统计像素间的空间关系,并用以检测图像纹理特征的一种计算方法。其建立在估计图像的二阶组合条件概率密度函数的基础上,通过计算图像中有一定距离和一定方向的两个像素点之间灰度相似性,反映图像在方向、相邻间隔、变化幅度和快慢上的综合信息。在地震资料解释与属性分析中,glcm是生成地震纹理属性的一类重要的计算方法。


技术实现思路

1、本专利技术的目的在于提供一种稳健的基于砂岩型铀矿分频地震属性的河道识别方法,该方法能够有效提高砂岩型铀矿储层预测中地震属性的抗噪性和多尺度精细刻画能力。

2、实现本专利技术目的的技术方案:

3、一种稳健的基于砂岩型铀矿分频地震属性的河道识别方法,所述方法包括:

4、步骤1、输入包含噪声的原始三维叠后地震数据;

5、步骤2、初始化频谱分析,确定分频的低、中、高频点;

6、步骤3、计算每道(x,y)地震数据s(t)的glct时频谱tfr(t,f);

7、步骤4、对分频调谐数据体的每一道tfr(t,f)进行谱均衡;

8、步骤5、谱均衡后,基于低、中、高三个频段的的分频振幅体,分别提取三维glcm,或基于抽取的目的层切片,提取二维glcm;

9、步骤6、对每个频段的glcm,分别计算纹理属性;

10、步骤7、结果输出:对低、中、高三个频段的瞬时振幅属性、分频纹理属性分别进行rgb融合,得到两套用于多尺度精细刻画研究区古河道空间展布形态的解释图。

11、所述步骤3中计算每道(x,y)地震数据s(t)的glct时频谱tfr(t,f)的公式为:

12、

13、

14、所述步骤4具体为:

15、首先对求得的每一道时频振幅谱平方tfr2(t,f)在所有道和目的时窗内求平均:

16、

17、再求取平均时频功率谱密度的峰值ppeak(t):

18、

19、其中fc为截频(=fs/2),对每一道时频谱进行谱均衡:

20、

21、其中,ε是一个预白化因子,取值需要根据数据信噪比调整,一般取0.01左右。

22、所述步骤6中纹理属性包括均质性纹理、能量纹理、熵纹理。

23、所述步骤6中均质性纹理的计算公式为:

24、

25、所述步骤6中能量纹理的计算公式为:

26、

27、所述步骤6中熵纹理的计算公式为:

28、

29、本专利技术的有益技术效果在于:

30、本专利技术提供的一种稳健的基于砂岩型铀矿分频地震属性的河道识别方法,采用广义线性chirplet变换(glct)对低信噪比数据进行频谱分解,具有优于stft、cwt、st等传统方法的抗噪性能。提取目的层段的分频振幅、相位切片,结合glcm算法提取分频纹理属性,可以显著提高砂岩型铀矿地震属性的稳健性,从而实现对砂岩型铀矿古河道砂体的多尺度精细刻画能力。

本文档来自技高网...

【技术保护点】

1.一种稳健的基于砂岩型铀矿分频地震属性的河道识别方法,其特征在于,所述方法包括:

2.根据权利要求1所述的一种稳健的基于砂岩型铀矿分频地震属性的河道识别方法,其特征在于,所述步骤3中计算每道(x,y)地震数据s(t)的GLCT时频谱TFR(t,f)的公式为:

3.根据权利要求2所述的一种稳健的基于砂岩型铀矿分频地震属性的河道识别方法,其特征在于,所述步骤4具体为:

4.根据权利要求3所述的一种稳健的基于砂岩型铀矿分频地震属性的河道识别方法,其特征在于,所述步骤6中纹理属性包括均质性纹理、能量纹理、熵纹理。

5.根据权利要求4所述的一种稳健的基于砂岩型铀矿分频地震属性的河道识别方法,其特征在于,所述步骤6中均质性纹理的计算公式为:

6.根据权利要求5所述的一种稳健的基于砂岩型铀矿分频地震属性的河道识别方法,其特征在于,所述步骤6中能量纹理的计算公式为:

7.根据权利要求6所述的一种稳健的基于砂岩型铀矿分频地震属性的河道识别方法,其特征在于,所述步骤6中熵纹理的计算公式为:

【技术特征摘要】

1.一种稳健的基于砂岩型铀矿分频地震属性的河道识别方法,其特征在于,所述方法包括:

2.根据权利要求1所述的一种稳健的基于砂岩型铀矿分频地震属性的河道识别方法,其特征在于,所述步骤3中计算每道(x,y)地震数据s(t)的glct时频谱tfr(t,f)的公式为:

3.根据权利要求2所述的一种稳健的基于砂岩型铀矿分频地震属性的河道识别方法,其特征在于,所述步骤4具体为:

4.根据权利要求3所述的一种稳健的基于砂岩型铀矿分频地震属性的河道识别方...

【专利技术属性】
技术研发人员:黄昱丞吴曲波王见荥李子伟乔宝平曹成寅潘自强
申请(专利权)人:核工业北京地质研究院
类型:发明
国别省市:

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