[发明专利]VTI介质各向异性参数确定方法、装置和设备有效

专利信息
申请号: 201910917641.6 申请日: 2019-09-26
公开(公告)号: CN110646846B 公开(公告)日: 2020-07-03
发明(设计)人: 刘国昌;李洁丽;李超;陈小宏 申请(专利权)人: 中国石油大学(北京)
主分类号: G01V1/30 分类号: G01V1/30
代理公司: 北京三友知识产权代理有限公司 11127 代理人: 刘飞;周达
地址: 102249*** 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: vti 介质 各向异性 参数 确定 方法 装置 设备
【权利要求书】:

1.一种VTI介质各向异性参数确定方法,其特征在于,包括:

获取目标工区的地震数据;

将所述地震数据转化为共中心点道集;

根据所述共中心点道集,确定所述地震数据的倾角场信息;

根据所述地震数据的倾角场信息和VTI介质旅行时曲线,确定VTI介质各向异性参数散点数据;其中,所述VTI介质各向异性参数散点数据为零偏移距旅行时和VTI介质各向异性参数的分布数据;

根据所述VTI介质各向异性参数散点数据,利用机器学习聚类算法,确定最大似然VTI介质各向异性参数。

2.根据权利要求1所述的方法,其特征在于,根据所述VTI介质各向异性参数散点数据,利用机器学习聚类算法,确定最大似然VTI介质各向异性参数,包括:

确定所述VTI介质各向异性参数散点数据中各个散点数据的有效度;

将所述VTI介质各向异性参数散点数据中有效度小于预设阈值的散点数据删除,得到目标VTI介质各向异性参数散点数据;

利用机器学习聚类算法,确定所述目标VTI介质各向异性参数散点数据的聚类中心;

根据所述目标VTI介质各向异性参数散点数据的聚类中心,确定所述最大似然VTI介质各向异性参数。

3.根据权利要求2所述的方法,其特征在于,在确定最大似然VTI介质各向异性参数之后,还包括:

根据所述目标VTI介质各向异性参数散点数据的聚类中心,通过三次样条插值,得到所述地震数据的VTI介质各向异性参数剖面。

4.根据权利要求2所述的方法,其特征在于,确定所述VTI介质各向异性参数散点数据中各个散点数据的有效度,包括:

确定所述VTI介质各向异性参数散点数据中各个散点数据在所述共中心点道集中对应的地震道;

确定所述各个散点数据在所述共中心点道集中对应的地震道与零炮检距道之间的局部相似度;

将所述各个散点数据在所述共中心点道集中对应的地震道与零炮检距道之间的局部相似度作为所述各个散点数据的有效度。

5.根据权利要求1所述的方法,其特征在于,根据所述地震数据的倾角场信息和VTI介质旅行时曲线,确定VTI介质各向异性参数散点数据,包括:

根据所述地震数据的倾角场信息,确定局部斜率;

根据所述局部斜率和所述VTI介质旅行时曲线,通过递归算法预测所述共中心点道集中各个地震道的零偏移距旅行时;

根据所述各个地震道的零偏移距旅行时和所述局部斜率,计算所述VTI介质各向异性参数散点数据。

6.根据权利要求5所述的方法,其特征在于,按照以下公式,根据所述各个地震道的零偏移距旅行时和所述局部斜率,计算所述VTI介质各向异性参数散点数据:

其中,参数s反映VTI介质的各向异性程度;t0为所述各个地震道的零偏移距旅行时;p为所述局部斜率;t为双程旅行时;x为偏移距;η为各向异性参数。

7.根据权利要求1所述的方法,其特征在于,将所述地震数据转化为共中心点道集,包括:

确定所述地震数据是否为炮记录;

在确定所述地震数据为炮记录的情况下,获取所述目标工区的观测系统参数;

根据所述目标工区的观测系统参数,将所述地震数据转化为共中心点道集。

8.一种VTI介质各向异性参数确定装置,其特征在于,包括:

获取模块,用于获取目标工区的地震数据;

转化模块,用于将所述地震数据转化为共中心点道集;

第一确定模块,用于根据所述共中心点道集,确定所述地震数据的倾角场信息;

第二确定模块,用于根据所述地震数据的倾角场信息和VTI介质旅行时曲线,确定VTI介质各向异性参数散点数据;其中,所述VTI介质各向异性参数散点数据为零偏移距旅行时和VTI介质各向异性参数的分布数据;

处理模块,用于根据所述VTI介质各向异性参数散点数据,利用机器学习聚类算法,确定最大似然VTI介质各向异性参数。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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大学(北京),未经中国石油大学(北京)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/201910917641.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top