[发明专利]基于经验模态分解检测地震标志层强反射振幅消除的方法在审
申请号: | 201510379767.4 | 申请日: | 2015-07-01 |
公开(公告)号: | CN105044777A | 公开(公告)日: | 2015-11-11 |
发明(设计)人: | 赵玉华;付金华;薛雅娟;田仁飞;张盟勃;陈娟;高利东;程思检 | 申请(专利权)人: | 中国石油天然气股份有限公司 |
主分类号: | G01V1/36 | 分类号: | G01V1/36 |
代理公司: | 西安吉盛专利代理有限责任公司 61108 | 代理人: | 张培勋 |
地址: | 100007 北京市*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 经验 分解 检测 地震 标志 反射 振幅 消除 方法 | ||
技术领域
本发明属于石油地球物理勘探技术领域,具体涉及一种基于经验模态分解检测地震标志层强反射振幅消除的方法。
背景技术
鄂尔多斯盆地是一个多构造体系、多旋回演化及多沉积类型的大型克拉通叠合盆地。鄂尔多斯盆地陆相产气层主要集中在延长组和古生界石盒子组,由于鄂尔多斯盆地中生界长7与古生界盒8、山1段致密油与致密气储集层紧靠长7烃源岩和古生界8#煤,而长7烃源岩、古生界8#煤层在地震资料上都会形成强的反射同相轴,在地震剖面上表现为强反射特征,从而导致中生界长7与古生界盒8、山1段致密油与致密气储集层在地震剖面储层响应中淹没在长7烃源岩和古生界8#煤强反射中,导致紧邻这两套强反射的储层参数受到影响,致使地震反演等技术得到的表征岩性、物性和含油气性的地球物理参数计算不准确,影响了地震预测的成功率。
要突出储层的地震响应,必须消减标志层强反射的能量。目前,针对煤层强反射消减问题主要采用的方法有谱分解技术、匹配追踪技术和反Q滤波等方法。谱分解技术及匹配追踪技术进行煤层强反射消除主要针对三维地震数据,利用煤层反射的低频特征,采用估算出煤层的反射数据体然后进行强反射能量的消减,计算过程较为繁琐。反Q滤波是一种补偿大地吸收衰减效应的技术,其目的是消除地震波在传播过程中振幅会衰减,相位会畸变;目前效率高的反Q滤波方法都假设地下介质是一个常Q或者层状Q模型,这并不能反映地下介质的真实情况;而假设Q随时间或深度连续变化的反Q滤波方法虽然接近地下介质的真实情况,但是由于用到积分,计算效率较低。而目前针对标志层烃源岩强反射能量的消除则涉及极少。
发明内容
本发明的目的是提供一种基于经验模态分解检测地震标志层强反射振幅消除的方法,通过借助经验模态分解能量检测法来检测地震剖面中标志层强反射振幅,有效地增强邻近区域的弱信号及微弱的油气响应特征,进行二维及三维地震资料标志层强反射振幅的自适应消除和邻近区域弱信号的增强,进而减弱地震标志层强反射振幅对邻近区域油气检测的影响。
本发明的技术方案是提供了一种基于经验模态分解检测地震标志层强反射振幅消除的方法,包括如下步骤:
1)对原始地震道信号逐道进行经验模态分解,将每条原始地震道信号分解得到一系列从高频到低频到趋势项的本征模态函数IMF;
2)针对单条原始地震道信号,利用最大相关法选出煤层及烃源岩主要体现的IMF成分,计算各个IMF分量与原始地震道信号的相关系数;
3)对选出的对应相关系数大于0.1的IMF分量逐道计算能量,查找出最大能量点tmax;
4)对该单条地震道的IMF分量进行频谱分析,确定该地震道IMF信号的主频fd,令Td=1/fd,确定煤层及烃源岩强振幅薄层在该IMF分量中体现的顶和底的薄层的时间厚度为[tmax-k1Td,tmax-k2Td],其中,k1,k2为常数系数;
5)计算[tmax-k1Td,tmax-k2Td]范围内的数据的能量Es,计算该地震道的平均能量Eave,令对[tmax-k1Td,tmax-k2Td]范围内的数据利用index系数将强振幅压制到与该地震道平均能量一致的量级上;
6)对该单条地震道相关系数小于0.1的IMF分量进行步骤3)~步骤5)的处理,将煤层及烃源岩强振幅对应的主要体现的频率段及强振幅下的IMF信号进行处理,对该单条地震道不同IMF处理后的信号及保留的IMF信号相加,获得处理后的该单条地震道信号;
7)对剩余各条原始地震道逐道重复上述步骤2)~步骤6),实现对原始地震剖面煤层及烃源岩强振幅的压制。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国石油天然气股份有限公司,未经中国石油天然气股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201510379767.4/2.html,转载请声明来源钻瓜专利网。