一种基于地震纹分析的特征融合裂缝检测方法 专利技术说明

测量装置的制造及其应用技术1.本发明涉及油气地震勘探领域，特别地，涉及一种基于地震纹分析的特征融合裂缝检测方法。背景技术：2.裂缝是由构造变形作用或物理成岩作用在岩石中形成的没有明显位移的不连续面，是低渗油气藏的重要储集空间与运移通道。裂缝的可靠检测对于油气勘探开发具有重要意义。然而，由于裂缝的多尺度性、各向异性以及深埋等条件下的弱响应性，使得裂缝的精细刻画具有极大的挑战，相关的技术研究一直是油气地震勘探领域关注的热点及难点。3.经过前人的不断探索和研究，已发展了许多裂缝地震检测方法，包括相干分析、曲率分析、蚂蚁追踪等。但由于裂缝成因和尺度问题使得裂缝分布与地震响应之间的关系极其复杂，这些方法的运用都有一定的适用条件，既有成功的案例，也有完败的案例。在一定条件下，现有的方法能较准确地检测较大尺度裂缝，但对小尺度裂缝检测的可靠性较差，甚至无法检测某些地震响应微弱的微小裂缝。此外，随着油气勘探的不断推进及勘探对象的日益复杂化，裂缝具有的多尺度性、各向异性特征以及深埋等条件下的弱响应性特征越发明显，使得裂缝的可靠检测变得越发困难。技术实现要素：4.为解决或部分解决上述现有技术中存在的难题，本发明提供了一种基于地震纹分析的特征融合裂缝检测方法，首次将地震纹分析引入裂缝检测中，增强了裂缝的地震响应特征，提高对微小断裂和裂缝的检测能力，结合特征融合分析实现了对多尺度裂缝，尤其是微小裂缝的精细刻画，为储层预测和评价提供了可靠的基础。5.为实现上述目的，本发明采用的技术方案为一种基于地震纹分析的特征融合裂缝检测方法，该方法可以包括：6.获取目标区域地震数据并进行处理；7.对处理后的地震数据进行基于倒谱变换的地震纹分析，以实现对地震数据弱响应有效和准确地表征，增强裂缝的地震响应特征，提高对微小断裂和裂缝的检测能力；8.在地震纹分析的基础上，采用梯度结构张量算法和蚁群算法分别提取不同尺度裂缝特征，其中梯度结构张量算法提取的是较大尺度裂缝特征、蚁群算法提取的是微小裂缝特征；9.利用特征比例融合分析方法，将提取的多尺度裂缝特征按照优势部分比例进行融合，得到裂缝检测融合特征数据体；10.根据得到的融合特征数据体，综合目标区域地质信息实现对多尺度裂缝，尤其是微小裂缝的精细刻画，得到地下裂缝的空间分布。11.优选地，所述对获取的地震数据进行处理，包括：12.对地震数据进行振幅补偿和构造平滑等处理，其目的在于降低或消减地震数据中的随机噪音干扰，提高信噪比，增强地震反射同相轴的连续性。13.优选地，所述对地震数据进行基于倒谱变换的地震纹分析，实现对地震数据弱响应有效和准确地表征，提高对微小断裂和裂缝的检测能力，具体为：14.在频谱分析基础上，把时域中卷积性的地震信号也就是频谱中的卷积变为在倒频谱中相加，然后在分解过程中变为相减，分离提取出地震数据中反映裂缝信息的弱信号，实现对地震数据弱响应有效和准确地表征，增强裂缝的地震响应特征，提高对微小断裂和裂缝的检测能力。15.优选地，所述地震纹分析是建立地震记录在产生机理上和声音记录一致的基础上，借鉴声音信号处理方法研究地下流体的地震响应特征和检识技术的一种新方法；其中地震纹是我们借鉴声纹的概念引入的一个参数，其定义是地震数据上能标识地质体属性的变化波纹，属于特定的地质体地震波动力学特征的综合表现。16.优选地，所述对地震数据进行地震纹分析，其关键不在信号特征的提取，而在于对特定地质目标体标识性的确定，而倒谱分析对于分离提取地震弱信号具有较好的效果。17.优选地，所述倒谱分析是一种同态变换，是一种在语音和图像处理中广泛应用的非线性信号处理技术，它是同态系统理论的基础，其特点是通过对时序信号谱函数的对数变换，能分离提取出弱信号，增强裂缝的地震响应特征，从而提高对微小断裂和裂缝的刻画能力，基本表达式为：[0018][0019]式中x[n]为原始信号，为z变换或傅里叶变换。[0020]优选地，倒谱计算的过程中多需要对信号进行预处理以及加时窗函数处理，将地震信号做傅里叶变换或z变换转化到频谱域，然后再转化到倒谱域。[0021]优选地，所述采用梯度结构张量算法提取较大尺度裂缝特征，具体为：[0022]在对地震数据进行基于倒谱变换的地震纹分析的基础上，针对三维数据的梯度结构张量算法首先计算三维地震数据体中每个点上的梯度矢量，然后利用计算梯度矢量构建该位置的梯度结构张量算法；再利用计算好的方向导数梯度矢量构建该位置的梯度结构张量，进而提取地震数据包含的裂缝特征。[0023]优选地，所述梯度结构张量算法是一种图像处理的方法在地震勘探中的应用，它通过计算局部方向梯度，得到局部梯度结构张量，从而能够反映地震的纹理特征，从地震数据中提取地层倾角和地层方位角属性，进而可以提取裂缝特征。[0024]优选地，所述利用蚁群算法提取提取微小尺度裂缝特征，包括：[0025]在对地震数据进行基于倒谱变换的地震纹分析的基础上，通过计算地震方差体来增强裂缝边缘，突出地震数据体在空间上的不连续性；在对地震数据体进行边缘增强处理后，利用蚁群算法对方差体进行计算，通过优选适合目标区域的蚁群参数，提取裂缝特征。[0026]优选地，所述需要优选的蚁群参数包括：种子点、觅食路线偏移度、蚂蚁搜索步长、非法步长、合法步长及搜索终止门限值等。[0027]优选地，所述蚁群算法是一种生物启发式群体智能优化算法，其遵循类似于蚂蚁在其巢穴和食物源之间，利用可吸引蚂蚁的信息素传达信息，以寻找最短路径的原理寻找裂缝的痕迹，可突出地震数据的不连续性，为刻画微小裂缝提供基础。[0028]优选地，所述利用特征比例融合分析方法，将提取的多尺度裂缝特征按照优势部分比例进行融合得到的融合特征数据体融合了利用梯度结构张量算法和蚁群算法提取的不同尺度裂缝特征，进行裂缝检测时由于融合特征包含有多尺度裂缝的特征信息，可以减少使用单一特征进行裂缝检测时造成的一些不确定性，在实现对多尺度裂缝检测的同时提高检测结果的可靠性。[0029]本发明的有益效果是：与现有技术相比，本发明首次将地震纹分析引入裂缝地震检测中，实现了对地震数据弱响应有效和准确地表征，增强了裂缝的地震响应特征，提高了对微小断裂和裂缝的检测能力，结合特征融合分析实现了对多尺度裂缝，尤其是微小裂缝的精细刻画，简单、易于实现，克服了现有技术存在的缺陷，为油气储层预测和评价提供了可靠的基础。附图说明[0030]为了更清楚地说明本说明书实施例的技术方案，下面将结合附图对本发明示例性实施例进行更详细的描述。在附图中：[0031]图1为本发明实施例提供的一种基于地震纹分析的特征融合裂缝检测方法的流程图；[0032]图2为本发明实施例提供的直接对地震数据提取多尺度裂缝特征并进行融合得到的裂缝检测结果图；[0033]图3为本发明实施例提供的利用地震纹分析后提取多尺度裂缝特征并融合得到的裂缝检测结果图；具体实施方式[0034]为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例的附图，对本说明书实施例的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是说明书一部分实施例，而不是全部的实施例。[0035]本说明书实施例提供了一种基于地震纹分析的特征融合裂缝检测方法。参考图1所示，在一些实施例中，所述基于地震纹分析的特征融合裂缝检测方法可以包括以下步骤：[0036]步骤101、获取目标区域地震数据并进行处理；[0037]步骤102、对处理后地震数据进行基于倒谱变换的地震纹分析，以实现对地震数据弱响应有效和准确地表征，增强裂缝的地震响应特征，提高对微小断裂和裂缝的检测能力；[0038]步骤103、在地震纹分析的基础上，采用梯度结构张量算法和蚁群算法分别提取不同尺度裂缝特征，其中梯度结构张量算法提取的是较大尺度裂缝特征、蚁群算法提取的是微小裂缝特征；[0039]步骤104、利用特征比例融合分析方法，将提取的多尺度裂缝特征按照优势部分比例进行融合，得到裂缝检测融合特征数据体；[0040]步骤105、根据得到的融合特征数据体，综合目标区域地质信息实现对多尺度裂缝，尤其是微小裂缝的精细刻画，得到地下裂缝的空间分布。[0041]在一个示例中，对地震数据进行处理，包括：[0042]对地震数据进行振幅补偿和构造平滑等处理，其目的在于降低或消减地震数据中的随机噪音干扰，提高信噪比，增强地震反射同相轴的连续性。[0043]在一个示例中，对地震数据进行基于倒谱变换的地震纹分析，实现对地震数据弱响应有效和准确的表征，提高对微小断裂和裂缝的检测能力，具体为：[0044]在频谱分析基础上，把时域中卷积性的地震信号也就是频谱中的卷积变为在倒频谱中相加，然后在分解过程中变为相减，分离提取出地震数据中反映裂缝信息的弱信号，实现对地震数据弱响应更有效和准确地表征，增强裂缝的地震响应特征，提高对微小断裂和裂缝的检测能力。[0045]在一个示例中，对地震数据进行地震纹分析，其关键不在信号特征的提取，而在于对特定地质目标体标识性的确定，而基于倒谱变换的地震纹分析对于分离提取地震弱信号具有较好的效果。[0046]在一个示例中，所述采用梯度结构张量算法提取较大尺度裂缝特征，具体为：[0047]在地震纹分析的基础上，针对三维数据的梯度结构张量算法首先计算三维地震数据体中每个点上的梯度矢量，然后利用计算梯度矢量构建该位置的梯度结构张量算法；再利用计算好的方向导数梯度矢量构建该位置的梯度结构张量，进而提取地震数据包含的裂缝特征。[0048]在一个示例中，所述利用蚁群算法提取微小尺度裂缝特征，包括：[0049]在对地震数据进行基于倒谱变换的地震纹分析的基础上，通过计算地震方差体来增强裂缝边缘，突出地震数据体在空间上的不连续性；在对地震数据体进行边缘增强处理后，利用蚁群算法对方差体进行计算，通过优选适合目标区域的蚁群参数，提取裂缝特征。[0050]在一个示例中，需要优选的蚁群参数包括：种子点、觅食路线偏移度、蚂蚁搜索步长、非法步长、合法步长及搜索终止门限值等。[0051]在一个示例中，利用特征比例融合分析方法，将提取的多尺度裂缝特征按照优势部分比例进行融合，可得到一个新的特征融合数据体。得到的新数据体融合了利用梯度结构张量算法提取和蚁群算法提取的不同尺度裂缝特征，进行裂缝检测时由于融合数据体中包含有多尺度裂缝的特征信息，可以减少使用一种特征进行裂缝检测时造成的一些不确定性，提高检测结果的可靠性。[0052]为了使本发明实施例提供的裂缝检测方法的效果更加明确，此处以某目标区域的裂缝检测为例，结合现有技术和本发明实施例的效果图进行说明。[0053]首先获取目标区域地震数据并进行振幅补偿和构造平滑等处理；然后对处理后的地震数据进行地震纹分析，实现对地震数据弱响应有效和准确地表征，增强裂缝的地震响应特征，提高对微小断裂和裂缝的检测能力；之后采用梯度结构张量算法提取较大尺度裂缝特征、蚁群算法提取微小尺度裂缝特征；再利用特征比例融合分析方法，将提取的多尺度裂缝特征进行融合，获得裂缝检测融合特征数据体；最后根据得到的融合特征数据体，综合目标区域地质信息实现对多尺度裂缝，尤其是微小裂缝的可靠检测。[0054]图2和图3为不同方法的裂缝检测结果，其中图2为直接对地震数据提取多尺度裂缝特征并进行比例融合得到的裂缝检测结果平面图，而图3为利用地震纹分析的手段对地震数据进行了处理，然后再提取多尺度裂缝特征并进行比例融合得到的裂缝检测结果平面图。从图3中可以看出，图3中微小裂缝的刻画结果细节上相较于图2更加丰富，整体大的断裂部分也是相一致的，主体断裂方向为北西-南东方向，综合多特征融合分析增强了裂缝检测的可靠性，并且使用地震纹分析之后，对于微小裂缝具有更加明显的刻画效果。对比分析图2图和图3的结果表明，相较于常规的方法，基于地震纹分析的特征融合裂缝检测方法对于细微的裂缝具有更好的刻画效果，能够更加全面的检测细小裂缝。[0055]本领域技术人员应理解，上述实施例仅用于示例性地说明本发明的有益效果，并非穷尽性的。凡在不偏离本说明书的原理和精神的情况下，所做的任何修改、等同替换、改进等，均不应排除在本发明的保护范围之外。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!