【技术实现步骤摘要】
本专利技术涉及地震勘探，属于地震资料解释技术，是一种对各个数据点(cdp点)的“中心角—属性”数据对的裂缝响应波形进行波形分类来预测裂缝发育参数的方法。
技术介绍
1、裂缝是地下油气聚集和运移的重要通道，大多数情况下裂缝主要为构造裂缝：归因于局部构造事件或与局部构造事件相伴生的裂缝，包括与断层有关的裂缝系统、与隆升上拱有关的裂缝系统、与褶皱有关的裂缝系统等等。四川盆地的陆相须家河组致密砂岩气藏与裂缝发育密切相关，大型裂缝则对砂岩储层造成破坏，而中、小型裂缝则对砂岩储层的后期压裂造缝、含气储层的沟通起积极作用，可见不同类型的裂缝对致密砂岩储层所起的作用是不一样的。
2、目前，利用地震资料来预测地下裂缝不外乎两种，且均与叠前及叠后地震资料有关。另外，也有采用有限元分析、构造应力场分析等地质经验分析技术对裂缝进行预测。其中一种利用分方位角地震叠加资料，以方位各向异性理论为指导，通过确定一个中心坐标为(0，0)，与x轴成任意夹角θ的椭圆需要确定三个参数：长轴半径a、短轴半径b和θ，所以确定一个椭圆至少需要三个已知点的坐标。通过求出的这些拟合椭圆的长轴及短轴的比率，从而计算裂缝强度及方向。一些物探工作者利用地震反射波形分类来预测裂缝储层的成果也相对较多，其中波形分类中的核心算法“自组织神经网络”是一种具有学习功能的神经网络，它实际上是一种非线性映射，可以将信号空间中各模式的拓扑关系近乎不变地反映在网络输出上，主要是由输入和输出两部分组成，输入是一维的，输出可以是多维的，并且输出节点与邻域的其它节点广泛相连。每个输入神经元与每个
3、针对不同类型裂缝的预测，已有相当多的专利技术文献，由此可见对裂缝的探测一直是研究及探索的热点。不同类型的裂缝可能有不同的地震反射波形，但有些如中、小型裂缝的地震反射波形则较为相似，从地震反射波形上较难对其进行区分及识别。一些专利和技术文献如范国章和牟永光提出的建立裂缝分布模型及其地震响应(范国章和牟永光在2002年《石油物探》上发表的《裂缝各向异性介质中纵波速度的变化及其对共中心点道集叠加的影响》；专利技术《一种地震波形分析及储层预测方法和装置》(专利号：201210135544.x)的专利提出利用目的层的地震反射波形建立多个模型道，根据自组织神经网络对不同的波形进行分类，生成地震相分类图，并进一步形成沉积相图，利用沉积相图进行储层预测；专利技术《裂缝预测方法和装置》(专利号：201010205983.4)的专利提出利用拾取的目标层时窗获取每个地震道的反射振幅，通过获取的方位角及反射振幅来进行椭圆拟合，以此来预测裂缝的方向及裂缝密度。但是，这些方法对裂缝预测实现起来难度相当大，操作起来易受各种因素影响，主要存在如下几个问题：
4、(1)常规裂缝预测技术对不同类型的裂缝预测结果往往与井资料的吻合率不高，预测难度相对较大。
5、(2)波形分类技术通常应用于地震相识别上，而利用该技术进一步区分不同类型裂缝的地震反射波形则相对困难。
技术实现思路
1、为了克服上述常规技术方法的不足，解决对裂缝强度预测及评价的问题，本专利技术提供了一个相应的技术流程来解决对其预测，能利用现有的纵波三维地震采集资料方便、简单及准确地对目的层段的裂缝强度进行有效预测。本专利技术目的在于克服现有常规裂缝预测技术中的上述和其他缺点，充分利用叠前道集的方位角信息对裂缝响应相对敏感的特点，为此，本专利技术提供一种基于叠前资料处理的数据点(cdp点)的“中心角—属性”数据对的裂缝响应波形进行分类预测不同类型裂缝发育参数的方法。
2、
技术实现思路
：
3、s1、分别对各个中心角地震属性数据体中的同一个数据点进行数据重构并提取目的层段的属性数据，形成各个数据点的“中心角—属性”数据对。
4、s1-1、对动校正后cdp道集数据采用合适的方位角划分参数进行相应的方位角范围划分，得到相关的中心角道集数据。实际地震资料中方位角范围的中值即为中心角，该中心角方向代表该方位角范围的地震数据的响应方向，亦即得到中心角道集数据，并且要求中心角道集数据中的最大偏移距针对目的层的入射角不应该大于30°。地震数据的方位角设定为正北方向为0°，顺时针方向旋转为360°。一般情况下，原则上要求所划分的中心角数目应大于或等于五个，并且方位角范围的划分要求是划分后的各个中心角数据的叠加次数应基本均匀，这样所提取的属性及属性拟合曲线的精度相对较高并且利于下一步骤的计算。
5、s1-2、利用叠后三维地震数据进行“井—震”标定，确定目的层段的顶、底界面。并对顶、底界面进行人工解释、内插及圆滑处理，得到相关的目的层段的解释层位及利于后续的目的层段属性提取计算。
6、s1-3、对各个中心角道集数据进行叠加、偏移处理，从而得到相对应的各个中心角地震数据体，重构并提取属性后形成各个数据点的“中心角—属性”数据对。具体为：
7、s1-3-1、根据同一个数据点(cdp点)对各个中心角地震数据道进行重构，形成重构后该数据点(cdp点)的道集数据。
8、s1-3-2、根据解释的目的层段的层位数据及重构后的数据点的道集数据进行目的层段的地震属性提取，得到各个数据点目的层段的“中心角—属性”数据对。地震属性的种类可包括由裂缝所引起的与各向异性计算有关的频率、振幅、双层走时、速度等属性数据，并优选其中一种属性数据进行属性提取计算，要求该属性要能够有效地突出裂缝的响应，裂缝与非裂缝在属性数据值上的差异较为明显。
9、s2、对每个数据点的“中心角—属性”数据对进行曲线拟合，得到各个数据点的裂缝响应波形。
10、s2-1、建立二维坐标系统(θ，f)，该系统的横坐标为角度值θ，纵坐标是属性值f。
11、s2-2、将单个数据点的“中心角(θi)—地震属性(fi)”数据对投影进该坐标系统，并对该点的这些数据对进行最小二乘法二元曲线拟合，得到相关的拟合曲线。该拟合曲线就作为该数据点目的层段的裂缝响应波形(θi，fi，θi∈(0°,180°))，并进入下一步骤。
12、s2-3、依此类推，完成各个数据点的裂缝响应波形计算。
13、s3、对各个数据点的裂缝响应波形进行波形分类，预测不同类型的裂缝分布范围。
14、s3-1、设定裂缝分类的数目并创建多个裂缝响应波形模型道，裂缝响应波形模型道的数量与裂缝分类的数目相同。一般情况下，裂缝响应波形模型道的数目原则上是3-5倍于研究区的沉积相数目。实际操作中，可以根据相关的波形分类测试情况、专家经验、裂缝预测精度等进行，确定出裂缝波形的分类数目及模型道。
15、s3-2、根据自组织神经网络对不同数据点的裂缝响应波形进行分类，以区分不同类型的裂缝。自组织神经网络对实际裂缝响应波形进行训练，通过几次迭代之后，自组织神经网络构造合成裂缝响应波形，然后与实际裂缝响应波形进本文档来自技高网...
【技术保护点】
1.一种基于波形分类预测裂缝参数的方法，其特征在于，它包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，它还包括步骤：S4、将波形分类结果进行平面图展示，对图的空白处设置三个显示标注棒，第一个显示标注棒是分类模型道颜色，第二个为显示标注棒为分类颜色所对应的裂缝强度，第三个显示标注棒为分类颜色对应的裂缝方位角值。
3.根据权利要求1所述的方法，其特征在于，S1的具体步骤是：
4.根据权利要求3所述的方法，其特征在于，S1-3中，具体步骤为：
5.根据权利要求1所述的方法，其特征在于，S2的具体步骤是：
6.根据权利要求1所述的方法，其特征在于，S3的具体步骤是：
7.根据权利要求6所述的方法，其特征在于，S3-2中，所述自组织神经网络的计算步骤如下：
8.根据权利要求6所述的方法，其特征在于，S3-3中，计算裂缝强度及方位角值通过以下几种方案之一获取：
9.一种电子设备，该电子设备包括：存储器，存储有可以执行指令；处理器，其特征在于所述处理器运行所述存储器中的所述可执行指令，以实
10.一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，其特征在于该计算机程序被处理器执行时实现所述的基于曲线波形分类预测裂缝的方法。
...【技术特征摘要】
1.一种基于波形分类预测裂缝参数的方法，其特征在于，它包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，它还包括步骤：s4、将波形分类结果进行平面图展示，对图的空白处设置三个显示标注棒，第一个显示标注棒是分类模型道颜色，第二个为显示标注棒为分类颜色所对应的裂缝强度，第三个显示标注棒为分类颜色对应的裂缝方位角值。
3.根据权利要求1所述的方法，其特征在于，s1的具体步骤是：
4.根据权利要求3所述的方法，其特征在于，s1-3中，具体步骤为：
5.根据权利要求1所述的方法，其特征在于，s2的具体步骤是：
6.根据权利要求1所述...
【专利技术属性】
技术研发人员：肖泽阳，胡伟光，曹彩英，范春华，赵金玉，郭思刚，成云，
申请(专利权)人：中石化石油工程技术服务股份有限公司，
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。