[发明专利]VTI介质各向异性参数确定方法、装置和设备有效
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 | ||
本申请提供了一种VTI介质各向异性参数确定方法、装置和设备,其中,该方法包括:将目标工区的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;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。在本申请实施例中,可以根据倾角场信息和VTI介质旅行时曲线,确定VTI介质各向异性参数散点数据。利用机器学习聚类算法自动确定最大似然VTI介质各向异性参数,有效降低了人工和时间成本,可以高效、精确地确定VTI介质的各向异性参数。
技术领域
本申请涉及地震勘探技术领域,特别涉及一种VTI介质各向异性参数确定方法、装置和设备。
背景技术
建立地下各向异性介质模型是勘探地球物理中最重要的问题之一,准确的VTI介质(Vertical Transverse Isotropy,垂直对称横向各向同性介质)各向异性参数对VTI介质偏移反演具有重要意义,VTI介质各向异性参数也可以直接作为岩性指标指导油藏开发。
现有的VTI介质各向异性参数分析方法,一般采用从地震道集利用三参数谱进行扫描以获得速度和各向异性参数。其中,三参数谱需要人工拾取,在数据较多的情况下人工操作的工作量较大,需要耗费较多时间,并且人工拾取具有不确定因素。因此采用现有的VTI介质各向异性参数分析方法无法高效、准确地确定VTI介质各向异性参数。
针对上述问题,目前尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种VTI介质各向异性参数确定方法、装置和设备,以解决现有技术中无法高效、准确地确定VTI介质各向异性参数问题。
本申请实施例提供了一种VTI介质各向异性参数确定方法,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。
在一个实施例中,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。
在一个实施例中,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。
在一个实施例中,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。
在一个实施例中,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。
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/201910917641.6/2.html,转载请声明来源钻瓜专利网。