一种多信息融合的速度建模方法及装置制造方法及图纸

本发明专利技术公开了一种多信息融合的速度建模方法与装置，所述方法包括，获取地震偏移处理后的成像数据A、数据相控类型蒙板B、地震构造解释层位和断层数据C、测井速度曲线数据D和地震速度场数据E；通过边缘检测技术提取成像数据A的边缘特征，得到地震图像的构造骨架数据F；将相控类型蒙板B与构造骨架数据F进行融合，获得相控构造导向数据G；在相控构造导向数据G中加入地震构造解释数据C，形成空间插值引导数据H；通过两步插值外推，获得与空间插值引导数据H相对应的空间插值距离权场Q和测井速度插值填充模型P；为测井速度插值填充模型P建立分类蒙板M；通过对类蒙板M进行两步填充，获得多信息融合模型R。多信息融合模型R。多信息融合模型R。

【技术实现步骤摘要】
一种多信息融合的速度建模方法及装置


[0001]本专利技术涉及地震资料处理
，尤其涉及一种多信息融合的速度建模方法及装置。

技术介绍

[0002]实现复杂构造和储层成像的核心方法是叠前深度偏移技术。叠前深度偏移成像的准确性极大的依赖于深度域速度建模的可靠性。中国陆上复杂探区存在地形起伏剧烈，地表出露岩性变化快，近地表厚度、速度横向变化大，地下构造破碎，断层发育，地层倾角大，产状变化多，速度横向变化剧烈，局部垂向速度反转等复杂地震地质特征，迫切需要发挥不同勘探资料(地质、地震、非地震)优势，通过多种信息融合建模的技术手段有效应对复杂性。
[0003]地质认识(构造、岩性)、地震速度场和测井速度的融合建模是一项技术挑战。地质认识由层位、断层和岩性体边界特征组成，提供地下大尺度地质框架结构信息；地震速度场具有中低频特征，横向连续性好，大套速度结构与形态特征明显，但纵向分辨率低，主要提供大于菲涅尔带尺度的速度信息；测井速度具有高频特征，纵向分辨率高，但横向探测范围小，主要提供局部范围内小尺度速度高频细节信息。可见，在地质认识(构造、岩性)、地震速度场和测井速度融合建模过程中，不同尺度的信息融合是需要解决的关键技术问题。
[0004]常规实现地质构造、地震速度场和测井速度融合的方式有两种：一种是将测井速度平滑到与地震速度相当的尺度，再通过适当的插值方法将平滑后的测井速度沿层外推填充模型，在填充区域内，得到与平滑的测井速度细节完全一致的速度模型；另一种是用神经网络的方式学习地震速度和测井速度之间的映射关系，然后将这种局部映射关系应用到整个模型，获得带有细节特征的速度模型。这两种技术思路存在三个共性问题；一是，没有充分发挥地震速度场的作用；二是，试图用井位处测井速度的“一孔之见”表达地下不同位置的复杂情况，致使无论是直接插值填充形成的模型细节，还是局部映射关系全局应用形成的细节都与实际情况存在较大差异；三是，两种思路都不考虑岩性相带控制。

技术实现思路

[0005]本专利技术提出一种多信息融合的速度建模方法及装置，该方法充分考虑地质认识(构造、岩性)、地震速度场和测井速度资料特点，一方面综合利用地质构造和岩性相带特征对井位处测井速度外推范围和形态加以控制，另一方面充分考虑地震速度场的作用，实现地质认识(包括构造和岩性相带)、测井速度和地震速度场的自适应加权融合。为实现上述目的，本专利技术提供如下技术方案：
[0006]一种多信息融合的速度建模方法，所述方法包括以下步骤，
[0007]获取地震偏移处理后的成像数据A；
[0008]获取岩相分类解释数据B，称为相控类型蒙板；
[0009]获取地震构造解释层位和断层数据C；
[0010]获取测井速度曲线数据D，并进行平滑处理；
[0011]获取地震速度场数据E；
[0012]通过边缘检测技术提取所述成像数据A的边缘特征，得到地震图像的构造骨架数据F；
[0013]将所述相控类型蒙板B与所述构造骨架数据F进行融合，获得相控构造导向数据G；
[0014]在所述相控构造导向数据G中加入地震构造解释数据C，形成空间插值引导数据H；
[0015]通过两步插值外推，获得与空间插值引导数据H相对应的空间插值距离权场Q和测井速度插值填充模型P；
[0016]为测井速度插值填充模型P建立分类蒙板M；
[0017]通过对类蒙板M进行两步填充，获得多信息融合模型R。
[0018]优选的，所述成像数据A是通过用户提供的叠前地震道集数据体和用户提供的偏移速度场获取的。
[0019]优选的，所述岩相分类解释数据B是根据成像数据A和用户提供的工区岩心录井柱状图/测井岩相图数据，通过测井岩相内插外推法、测井岩相神经网络智能预测法或地震数据地震相智能预测法获得的。
[0020]优选的，所述地震构造解释层位和断层数据C是通过人工解释法或神经网络智能解释法对所述成像数据A进行解释获得的。
[0021]优选的，所述测井速度曲线数据D是通过用户提供的测井速度数据进行平滑处理得到的。
[0022]优选的，所述平滑处理包括，对测井速度数据进行中值滤波；对中值滤波所得数据做高斯递归滤波平滑。
[0023]优选的，所述中值滤波包括对一个含奇数个点的滑动窗口的数值进行排序，将中值赋值给中心点；所述中值滤波的滑动窗口形状包括线状、方形、圆形、十字形或用户提供的特殊几何形状。
[0024]优选的，所述高斯递归滤波步骤包括：对中值滤波数据进行前向滤波；对前向滤波数据进行后向滤波；其中，
[0025]所述前向滤波公式为：
[0026]GSForward(n)＝a1*Input1(n)+a2*Input1(n
‑
1)
‑
a3*GSForward(n
‑
1)
‑
a4*GSForward(n
‑
2)
[0027]式中，GSForward是前向滤波生成的数据，Input1是前向滤波输入数据，这里为中值滤波数据，n是数据样点位置，a1、a2、a3、a4是滤波器系数，根据不同工区实际需要进行设定；
[0028]所述后向滤波公式为：
[0029]GSBackward(n)＝b1*Input2(n)+b2*Input2(n+1)
‑
b3*GSBackward(n+1)
‑
b4*GSBackward(n+2)
[0030]式中，GSBackward是后向滤波生成的数据，Input2是后向滤波输入数据，这里为前向滤波数据，n是数据样点位置，b1、b2、b3、b4是滤波器系数，根据不同工区实际需要进行设定。
[0031]优选的，所述地震速度场数据E是与所述地震偏移处理后的成像数据A对应的偏移
速度场数据，通过用户提供的叠前地震道集数据体Data处理获得。
[0032]优选的，所述通过两步插值外推获得与空间插值引导数据H相对应的空间插值距离权场Q和测井速度插值填充模型P包括，
[0033]在空间插值引导数据H中加入测井速度曲线数据D，判断测井数据空间和时间范围及与相控类型蒙板B最近邻相控区域的位置关系。
[0034]优选的，所述两步插值外推具体方法如下：按照空间插值引导数据H提供的局部构造骨架特征，
[0035]通过径向基函数方法对落入相控区域的测井数据进行外推处理；
[0036]通过克里金插值法建立所有测井数据的外推关系，实现测井速度沿构造和相关相带的外推填充。
[0037]优选的，所述径向基函数方法公式如下：
[0038][0039]其中，ε表示径向基函数的尺度因子，这里取1；r表示插值点和井位置的欧式距离。
[0040]优选的，所述分类蒙板M的区域划分为0值指示区和1值指示区域；
[0041]所述0值指示区域表示测井速度插值填充模型P的未填充区域；
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多信息融合的速度建模方法，其特征在于，所述方法包括以下步骤，获取地震偏移处理后的成像数据A；获取岩相分类解释数据B，称为相控类型蒙板；获取地震构造解释层位和断层数据C；获取测井速度曲线数据D，并进行平滑处理；获取地震速度场数据E；通过边缘检测技术提取所述成像数据A的边缘特征，得到地震图像的构造骨架数据F；将所述相控类型蒙板B与所述构造骨架数据F进行融合，获得相控构造导向数据G；在所述相控构造导向数据G中加入地震构造解释数据C，形成空间插值引导数据H；通过两步插值外推，获得与空间插值引导数据H相对应的空间插值距离权场Q和测井速度插值填充模型P；为测井速度插值填充模型P建立分类蒙板M；通过对类蒙板M进行两步填充，获得多信息融合模型R。2.根据权利要求1所述的一种多信息融合的速度建模方法，其特征在于，所述成像数据A通过用户提供的叠前地震道集数据体和用户提供的偏移速度场获取。3.根据权利要求1所述的一种多信息融合的速度建模方法，其特征在于，所述岩相分类解释数据B根据成像数据A和用户提供的工区岩心录井柱状图/测井岩相图数据，通过测井岩相内插外推法、测井岩相神经网络智能预测法或地震数据地震相智能预测法获得。4.根据权利要求1所述的一种多信息融合的速度建模方法，其特征在于，所述地震构造解释层位和断层数据C是通过人工解释法或神经网络智能解释法对所述成像数据A进行解释获得的。5.根据权利要求1所述的一种多信息融合的速度建模方法，其特征在于，所述测井速度曲线数据D是通过用户提供的测井速度数据进行平滑处理得到的。6.根据权利要求5所述的一种多信息融合的速度建模方法，其特征在于，所述平滑处理包括：对测井速度数据进行中值滤波；对中值滤波所得数据做高斯递归滤波平滑。7.根据权利要求6所述的一种多信息融合的速度建模方法，其特征在于，所述中值滤波包括对一个含奇数个点的滑动窗口的数值进行排序，将中值赋值给中心点；所述中值滤波的滑动窗口形状包括线状、方形、圆形、十字形或用户提供的特殊几何形状。8.根据权利要求6所述的一种多信息融合的速度建模方法，其特征在于，所述高斯递归滤波步骤包括：对中值滤波数据进行前向滤波；对前向滤波数据进行后向滤波；其中，所述前向滤波公式为：GSForward(n)＝a1*Input1(n)+a2*Input1(n
‑
1)
‑
a3*GSForward(n
‑
1)
‑
a4*GSForward(n
‑
2)式中，GSForward是前向滤波生成的数据，Input1是前向滤波输入数据，这里为中值滤波数据，n是数据样点位置，a1、a2、a3、a4是滤波器系数，根据不同工区实际需...

【专利技术属性】
技术研发人员：李萌，曾庆才，胡英，首皓，秦楠，崔栋，侯思安，曾同生，宋雅莹，黄荣善，张小乐，
申请(专利权)人：中国石油天然气股份有限公司，
类型：发明
国别省市：