[发明专利]基于梯度结构张量谱分解的碳酸盐岩缝洞增强识别方法在审

专利信息
申请号: 202010216733.4 申请日: 2020-03-25
公开(公告)号: CN111290021A 公开(公告)日: 2020-06-16
发明(设计)人: 吕健飞;韩龙;武锦程;任欢颂;李宗贤;谢雄举;贾云花;刘海军 申请(专利权)人: 北京奥能恒业能源技术有限公司
主分类号: G01V1/28 分类号: G01V1/28;G01V1/30
代理公司: 北京中政联科专利代理事务所(普通合伙) 11489 代理人: 郑久兴
地址: 100083 北京市海*** 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 梯度 结构 张量 分解 碳酸盐 岩缝洞 增强 识别 方法
【权利要求书】:

1.基于梯度结构张量谱分解的碳酸盐岩缝洞增强识别方法,其特征在于,包括以下步骤:

基于三维地震数据体和目的层段,得到三维地震数据体中每个点的振幅梯度矢量;

对所述每个点的振幅梯度矢量进行卷积处理,用于减少干扰数据,得到卷积后每个点的振幅梯度矢量;

基于所述卷积后每个点的振幅梯度矢量,得到梯度结构张量;

利用振幅变化量方向属性,得到所述梯度结构张量的特征值和特征向量,用于去除干扰数据,以得到梯度结构张量各向异性参数数据体;

在所述梯度结构张量各向异性参数数据体中提取振幅变化率,所述振幅变化率用于识别裂缝。

2.根据权利要求1所述的识别方法,其特征在于,

所述基于三维地震数据体和目的层段,得到三维地震数据体中每个点的振幅梯度矢量包括:

基于所述三维地震数据体,针对所述目的层段,得到三维地震数据体中每个时间点的倾角和方位角;

基于所述每个时间点的倾角和方位角建立所述每个时间点的局部坐标系;

基于所述局部坐标系,通过公式得到振幅梯度矢量。

3.根据权利要求1所述的识别方法,其特征在于,

利用高斯窗函数对所述每个点的振幅梯度矢量进行卷积处理。

4.根据权利要求1所述的识别方法,其特征在于,还包括:

所述利用振幅变化量方向属性,得到所述梯度结构张量的特征值和特征向量,用于去除干扰数据,得到梯度结构张量各向异性参数数据体具体为:

通过公式|Tv-λv|=0得到所述梯度结构张量各向异性参数数据体。

5.基于梯度结构张量谱分解的碳酸盐岩缝洞增强识别装置,其特征在于,包括:

第一计算单元(1),基于三维地震数据体和目的层段,得到三维地震数据体中每个点的振幅梯度矢量;

卷积处理单元(2),用于对所述每个点的振幅梯度矢量进行卷积处理,用于减少干扰数据,得到卷积后每个点的振幅梯度矢量;

第二计算单元(3),基于所述卷积后每个点的振幅梯度矢量,得到梯度结构张量;

第三计算单元(4),利用振幅变化量方向属性,得到所述梯度结构张量的特征值和特征向量,用于去除干扰数据,以得到梯度结构张量各向异性参数数据体;

提取单元,用于在所述梯度结构张量各向异性参数数据体中提取振幅变化率,所述振幅变化率用于识别裂缝。

6.根据权利要求5所述的识别装置,其特征在于,所述第一计算单元(1)包括:

第一计算子单元(11),基于所述三维地震数据体,针对所述目的层段,得到三维地震数据体中每个时间点的倾角和方位角;

局部坐标系建立单元(12),基于所述每个时间点的倾角和方位角建立所述每个时间点的局部坐标系;

第二计算子单元(13),基于所述局部坐标系,通过公式得到振幅梯度矢量。

7.根据权利要求5所述的识别装置,其特征在于,所述卷积处理单元(2)利用高斯窗函数对所述每个时间点的振幅梯度矢量进行卷积处理。

8.根据权利要求5所述的识别装置,其特征在于,还包括:

所述利用振幅变化量方向属性,得到所述梯度结构张量的特征值和特征向量,用于去除干扰数据,得到梯度结构张量各向异性参数数据体具体为:

通过公式|Tv-λv|=0得到所述梯度结构张量各向异性参数数据体。

9.一种电子设备,包括存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,其特征在于,

所述处理器执行所述计算机程序时实现上述权利要求1-4任一权项所述方法的步骤。

10.一种具有处理器可执行的非易失的程序代码的计算机可读介质,其特征在于,

所述程序代码使所述处理器执行所述权利要求1-4任一权项所述方法。

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北京奥能恒业能源技术有限公司,未经北京奥能恒业能源技术有限公司许可,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/202010216733.4/1.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