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()
【技术实现步骤摘要】
本专利技术涉及地震资料处理,特别涉及一种深度域初始速度建模的方法。
技术介绍
1、全波形反演是一种特别依赖初始模型低频特征的深度域高分辨率速度建模方法。面向低频缺失、中短偏移距的陆上双复杂探区地震观测数据,建立具有准确低频特征的初始速度模型是全波形反演成功应用的关键。在油气勘探中,常用的全波形反演初始速度建模方法主要包括走时层析、laplace域波形反演、补偿低频的反演方法三类。走时层析包括初至波走时层析、反射层析、立体层析等,其显著缺点为不能对近地表和中深层同时建模,且反演深度极大依赖偏移距长短,对于陆地常见的中短偏移距采集来说,无法实现深层或超深层低频特征的有效构建;laplace域波形反演,深度极大依赖偏移距长短和衰减参数,无法实现深层或超深层低频特征的有效构建;补偿低频的反演方法在双复杂区难以有效建立理想的低频模型,建模结果存在较大主观性,综上所述目前的全波形反演初始速度建模方法均存在着对部分参数过于依赖、应用范围较窄、应用条件苛刻、在建模时存在人为主观因素以及建模时部分频率模型缺失,影响后续全波形反演整体建模可靠性的问题。因此,需要研发一种不受数据采集偏移距长短限制,具有明确地质意义,能同时构建相同分辨率深层和浅层速度特征的全深度初始速度模型的方法。
技术实现思路
1、本专利技术旨在至少一定程度上解决上述技术中的技术问题之一。为此,本专利技术的目的在于提出一种不受数据采集偏移距长短限制,能同时构建相同分辨率的深层和浅层速度特征的建模方法,旨在于弥补现有技术中的建模方法的缺
2、为达到上述目的,本专利技术第一方面提出了一种深度域初始速度建模方法,包括:
3、对地震成像数据进行识别,得到岩性属性数据;
4、对所述岩性属性数据进行分类,得到岩性分类模式:
5、基于所述岩性分类模式与预设的数据填充法,将预设的测井参考速度数据填充至预设的地震参考速度模型中的不同类别岩性区域,得到深度域初始速度模型。
6、优选的,对地震成像数据进行识别,得到岩性属性数据,包括:
7、构建迭代函数对所述地震成像数据进行迭代处理;
8、在迭代数据满足迭代终止条件时,获取迭代次数数据,其中,所述迭代数据包括迭代初始值与迭代过渡值;
9、将所述迭代次数数据作为所述地震成像数据的岩性属性数据。
10、优选的,所述迭代函数为:
11、
12、其中,n=1,2,3……,n-1为迭代执行次数,;xn为第n次迭代的迭代初始值;xn+1为第n次迭代的迭代过渡值;对于所述迭代函数,x1的数值为待进行迭代处理的地震成像数据的振幅值;p为所述地震成像数据中包含的所有数据的振幅的中间值。
13、优选的,所述迭代终止条件为:
14、|xn+1-xn|<α
15、其中,xn为第n次迭代的迭代初始值;xn+1为第n次迭代的迭代过渡值;α为预设的纹理阈值,0<α<1。
16、优选的,在得到岩性属性数据后,还包括:对所述岩性属性数据进行归一化。
17、优选的,对地震成像数据进行识别,还包括:利用地震属性分析法、属性筛选与聚类法、神经网络学习法及井震联合反演法中的至少一种方法对所述地震成像数据进行识别。
18、优选的,对所述岩性属性数据进行分类,得到岩性分类模式,包括:
19、预设若干个聚类中心点;
20、构建模糊聚类迭代函数,对所述岩性属性数据进行迭代聚类;
21、根据对岩性属性数据的迭代聚类结果将所述岩性属性数据划分至若干个不同的类别,得到所述岩性分类模式。
22、优选的,所述模糊聚类迭代函数的表达式为:
23、
24、其中,j为所述模糊聚类迭代函数;xj为第j个岩性属性数据的数据点,j=1,2,3……;ci为第i个聚类中心点,i=1,2,3……;k为所述聚类中心点个数;m为预设的权重指数;wji表示所述第j个岩性属性数据的数据点xj对所述第i个聚类中心点ci的隶属度;n为所述岩性属性数据的数据点xj的数量。
25、优选的,构建模糊聚类迭代函数,对所述岩性属性数据进行迭代聚类,包括:
26、设定k个聚类中心点,并给定收敛误差ε、最大执行步数tmax和权重指数m,其中,所述收敛误差的取值范围为ε>0;
27、随机选定k个聚类中心的起始位置ci(0),0<i≤k;
28、根据隶属度矩阵计算公式,计算岩性属性数据对于所述聚类中心点的隶属度矩阵,其中,所述隶属度矩阵计算公式为:
29、
30、其中,i为聚类中心索引下标,i=1,2,…,k;s为求和索引下标,s=1,2,…,k;t为执行步数;xj为第j个岩性属性数据的数据点;为聚类中心点更新公式,表达式为:
31、
32、计算收敛准则e(t),当e(t)<ε成立或所述执行步数t大于所述最大执行步数tmax时,停止迭代,并根据模糊聚类迭代函数的迭代结果对所述岩性属性数据进行聚类,得到所述岩性分类模式,其中,e(t)=||j(t)-j(t-1)||,j(t)为第t次迭代的模糊聚类迭代函数,j(t-1)为第t-1次迭代的模糊聚类迭代函数。
33、优选的,构建模糊聚类迭代函数,对所述岩性属性数据进行聚类,还包括:利用包括无监督聚类法、有监督聚类学习法及神经网络方法在内的数据聚类算法对所述岩性属性数据进行聚类。
34、优选的,所述数值填充法包括连续填充法与离散块状填充法。
35、优选的,基于所述岩性分类模式与所述连续填充法,将预设的测井参考速度数据填充至预设的地震参考速度模型中的不同类别岩性区域,得到的连续填充深度域初始速度模型的表达式为:
36、vc=vref(g+w·la)
37、其中,vc为所述连续填充深度域初始速度模型;vref为所述地震参考速度模型;g为所述地震参考速度模型趋势增益,为预设值;w为预设的纹理权重;la为归一化后的岩性属性数据。
38、优选的,基于所述岩性分类模式与所述离散块状填充法,将预设的测井参考速度数据填充至预设的地震参考速度模型中的不同类别岩性区域,得到的离散块状填充深度域初始速度模型,包括:
39、利用图像分割算法对所述岩性分类模式进行分割,得到若干个位置各不相同的岩性几何体,记作[lp1,lp2,…lph],其中,h为所述若干个位置各不相同的岩性几何体的数量;
40、在所述地震参考速度模型中提取得到地震参考速度s,
41、s=[sv1,sv2,…svh];
42、其中,svh表示所述地震参考速度模型中第h个地震参考速度;
43、在所述测井参考速度数据中提取得到测井参考速度o,
44、o=[ov1,ov2,…ovh];
45、其中,ovh表示所述测井参考速度数据中第h个测井本文档来自技高网...
【技术保护点】
1.一种深度域初始速度建模方法,其特征在于,包括:
2.如权利要求1所述的深度域初始速度建模方法,其特征在于,对地震成像数据进行识别,得到岩性属性数据,包括:
3.如权利要求2所述的深度域初始速度建模方法,其特征在于,所述迭代函数为:
4.如权利要求3所述的深度域初始速度建模方法,其特征在于,所述迭代终止条件为:
5.如权利要求2所述的深度域初始速度建模方法,其特征在于,在得到岩性属性数据后,还包括:对所述岩性属性数据进行归一化。
6.如权利要求1所述的深度域初始速度建模方法,其特征在于,对地震成像数据进行识别,还包括:利用地震属性分析法、属性筛选与聚类法、神经网络学习法及井震联合反演法中的至少一种方法对所述地震成像数据进行识别。
7.如权利要求1所述的深度域初始速度建模方法,其特征在于,对所述岩性属性数据进行分类,得到岩性分类模式,包括:
8.如权利要求7所述的深度域初始速度建模方法,其特征在于,所述模糊聚类迭代函数的表达式为:
9.如权利要求8所述的深度域初始速度建模方法,其特征在
10.如权利要求8所述的深度域初始速度建模方法,其特征在于,构建模糊聚类迭代函数,对所述岩性属性数据进行聚类,还包括:利用包括无监督聚类法、有监督聚类学习法及神经网络方法在内的数据聚类算法对所述岩性属性数据进行聚类。
11.如权利要求1所述的深度域初始速度建模方法,其特征在于,所述数值填充法包括连续填充法与离散块状填充法。
12.如权利要求1-11任一项所述的深度域初始速度建模方法,其特征在于,基于所述岩性分类模式与所述连续填充法,将预设的测井参考速度数据填充至预设的地震参考速度模型中的不同类别岩性区域,得到的连续填充深度域初始速度模型的表达式为:
13.如权利要求1-11任一项所述的深度域初始速度建模方法,其特征在于,基于所述岩性分类模式与所述离散块状填充法,将预设的测井参考速度数据填充至预设的地震参考速度模型中的不同类别岩性区域,得到的离散块状填充深度域初始速度模型,包括:
14.一种深度域初始速度建模系统,其特征在于,包括:
...【技术特征摘要】
1.一种深度域初始速度建模方法,其特征在于,包括:
2.如权利要求1所述的深度域初始速度建模方法,其特征在于,对地震成像数据进行识别,得到岩性属性数据,包括:
3.如权利要求2所述的深度域初始速度建模方法,其特征在于,所述迭代函数为:
4.如权利要求3所述的深度域初始速度建模方法,其特征在于,所述迭代终止条件为:
5.如权利要求2所述的深度域初始速度建模方法,其特征在于,在得到岩性属性数据后,还包括:对所述岩性属性数据进行归一化。
6.如权利要求1所述的深度域初始速度建模方法,其特征在于,对地震成像数据进行识别,还包括:利用地震属性分析法、属性筛选与聚类法、神经网络学习法及井震联合反演法中的至少一种方法对所述地震成像数据进行识别。
7.如权利要求1所述的深度域初始速度建模方法,其特征在于,对所述岩性属性数据进行分类,得到岩性分类模式,包括:
8.如权利要求7所述的深度域初始速度建模方法,其特征在于,所述模糊聚类迭代函数的表达式为:
9.如权利要求8所述的深度域初始速度建模方...
【专利技术属性】
技术研发人员:李萌,曾庆才,秦楠,王春明,首皓,曾同生,宋雅莹,
申请(专利权)人:中国石油天然气集团有限公司,
类型:发明
国别省市:
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。