[发明专利]一种深大断裂体系空间刻画方法

权利要求书

1.一种深大断裂体系空间刻画方法，其中，所述深大断裂体系空间刻画方法包括以下步骤：

S1、获取目标区的钻井资料、测井资料和地震资料；

S2、进行针对走滑断裂-断控储集体发育模式的模型正演；

S3、通过对模型正演结果的属性模拟，筛选出断裂和储层识别中的敏感属性；

S4、对S1中获取的地震资料进行基于各向异性扩散理论的断层增强处理；

S5、对S4中经过断层增强处理的地震资料进行基于振幅梯度矢量凌乱性检测，以识别中小尺度断裂；

S6、对S4中经过断层增强处理的地震资料进行基于机器学习的大尺度断裂识别；

S7、对S4中经过断层增强处理的地震资料进行基于结构张量的断裂带边界识别；

S8、对S4中经过断层增强处理的地震资料进行基于振幅曲率的孔洞-裂缝型储层识别；

S9、基于S4中经过断层增强处理的地震资料进行压缩感知反演，以识别洞穴型储层；

S10、将S5-S9的结果进行融合，完成深大断裂体系的三维刻画。

2.根据权利要求1所述的深大断裂体系空间刻画方法，其中，S2具体包括：

利用钻井、测井资料，并在地震资料精细解释的基础上，设计不同大小、不同充填介质的地震正演模型，模型正演参考实际野外三维观测参数，采用波动方程正演方法进行正演模拟，通过偏移处理之后，得到正演地震数据；在正演得到的地震数据上进行属性模拟计算，建立定量解释量版，校正有效储层大小。

3.根据权利要求2所述的深大断裂体系空间刻画方法，其中，S3具体包括：

将正演得到的地震数据进行伪三维处理，形成伪三维地震数据体，并在所述伪三维地震数据体上进行属性计算；通过对地震正演模型结果的多种属性模拟和选择，筛选出断裂和储层识别中的敏感属性。

4.根据权利要求3所述的深大断裂体系空间刻画方法，其中，S3中所述敏感属性包括基于振幅梯度矢量的凌乱性检测、振幅曲率和结构张量。

5.根据权利要求1所述的深大断裂体系空间刻画方法，其中，S4具体包括：

S4-1、构造方位分析：通过地震倾角和方位角确定反射同相轴的方位；

S4-2、断点检测：计算相干体，确定断点位置；

S4-3、在构造和断点检测结果约束下展开主分量分析和保留边界的平滑滤波，完成断层增强。

6.根据权利要求1所述的深大断裂体系空间刻画方法，其中，S5具体包括：

S5-1、根据地质特点和数据特征确定搜索方位、倾角范围；

S5-2、每个搜索方向计算振幅构造张量矩阵，并通过求解其特征值获得凌乱度；

S5-3、确定最大凌乱度对应的方位和倾角作为断面的方位和倾角，凌乱度值作为断裂存在的可能性。

7.根据权利要求1所述的深大断裂体系空间刻画方法，其中，S6中所述机器学习采用基于CNN图像分割的断裂检测算法，所述基于CNN图像分割的断裂检测算法基于Unet的CNN网络来实现断裂的识别。

8.根据权利要求1所述的深大断裂体系空间刻画方法，其中，S7具体包括：

S7-1、梯度计算：计算S4中经过断层增强处理的地震资料每一点能量的梯度矢量

x、y、z分别为线、道及时间方向，u为地震振幅；g₁为地震振幅沿着x方向的微分，g₂为地震振幅沿着y方向的微分，g₃为z或者时间方向的微分，g为由g₁、g₂、g₃形成的振幅梯度矢量；

S7-2、构建结构张量T

S7-3、对结构张量T进行特征值分解，结果为三个特征值λ₁、λ₂、λ₃和特征向量ν，采用征值λ₂对断裂边界进行识别。