法律状态公告日
法律状态信息
法律状态
2022-06-28
公开
发明专利申请公布
技术领域
本发明涉及地质技术领域，尤其涉及一种基于古地温梯度的低温年代数据处理方法、系统及设备。
背景技术
沉积盆地古地温梯度是地质研究、石油勘探等领域必不可少的参数。对于这个重要参数的恢复，一直是相关领域研究围绕的焦点问题之一。目前一般是采用镜质体反射率及磷灰石裂变径迹等数据进行古地温梯度恢复，此类方法普遍存在的问题是使用单一类型数据。但是在实际勘探研究领域，很难获得某一钻井剖面大量的统一类型数据；另外单一类型数据都有其自身的优势和劣势，例如镜质体反射率对时间不敏感、磷灰石裂变径迹的敏感温度范围限于退火区间(约60-120℃)等。
发明内容
本发明实施例提供了一种基于古地温梯度的低温年代数据处理方法、系统及设备，用于解决现有对沉积盆地古地温梯度恢复采用单一类型的镜质体反射率及磷灰石裂变径迹处理，存在对时间和温度不敏感，得到的模拟输出结果不准确的技术问题。
为了实现上述目的，本发明实施例提供如下技术方案：
一种基于古地温梯度的低温年代数据处理方法，包括以下步骤：
基于角度不整合之上沉积盆地的地层获取位于角度不整合之上沉积盆地地层的M个样品以及每个样品的参数；
基于每个样品的参数采用深度与时间方程求解对应所述样品的埋藏史时间；
将每个样品的埋藏史时间作为地层分界线，采用不同时间点地层质量相等原理的深度计算公式对对应所述样品进行深度计算，得到对应样品的埋藏深度，并基于所述样品的埋藏深度与时间构建对应样品的埋藏史曲线；
假设N条古地温梯度-时间曲线并通过N条古地温梯度-时间曲线构建地温梯度-时间函数，根据所述样品的埋藏深度和所述地温梯度-时间函数将对应样品的埋藏史曲线转换为样品的N条时间温度曲线；
其中，N为大于500的自然数，M为大于1的自然数。
优选地，该基于古地温梯度的低温年代数据处理方法包括：
根据M个样品得到沉积盆地地层的M×N条时间温度曲线，从M×N条时间温度曲线提取同一个地温梯度-时间函数的时间温度曲线作为一组热史模拟曲线，进而得到N组热史模拟曲线；
对N组所述热史模拟曲线采用低温年代学方法模拟年龄计算每组所述热史模拟曲线的拟合优度值，得到N个拟合优度值；
对每个所述拟合优度值与拟合优度阈值对比，从N个所述拟合优度值中筛选出符合条件拟合优度值对应的K组热史模拟曲线，根据K组热史模拟曲线获取对应的K条古地温梯度-时间曲线；
在同一时间点上，对K条所述古地温梯度-时间曲线上的每个数据求取均值，得到每个数据的温度均值；按时间顺序将所有所述数据的温度均值连接成曲线，该曲线作为位于角度不整合之上沉积盆地地层的热史模拟结果；
其中，一组热史模拟曲线对应一条古地温梯度-时间曲线。
优选地，对K条所述古地温梯度-时间曲线上的每个数据求取均值包括：
对每条所述古地温梯度-时间曲线划分A个等份，对划分A个等份后所有所述古地温梯度-时间曲线中相同时间点的温度求取均值，得到A个温度均值；
将A个温度均值按照时间顺序连接成曲线，该曲线作为位于角度不整合之上沉积盆地地层的热史模拟结果；
其中，A为大于50的自然数。
优选地，所述深度与时间方程为：
式中，h
优选地，所述深度计算公式为：
式中，y为样品的孔隙度，
优选地，该基于古地温梯度的低温年代数据处理方法包括：采用一次线性插值函数对N条古地温梯度-时间曲线构建地温梯度-时间函数。
本发明还提供一种基于古地温梯度的低温年代数据处理系统，包括数据获取模块、第一处理模块、第二处理模块和第三处理模块；
所述数据获取模块，用于基于角度不整合之上沉积盆地的地层获取位于角度不整合之上沉积盆地地层的M个样品以及每个样品的参数；
所述第一处理模块，用于基于每个样品的参数采用深度与时间方程求解对应所述样品的埋藏史时间；
所述第二处理模块，用于将每个样品的埋藏史时间作为地层分界线，采用不同时间点地层质量相等原理的深度计算公式对对应所述样品进行深度计算，得到对应样品的埋藏深度，并基于所述样品的埋藏深度与时间构建对应样品的埋藏史曲线；
所述第三处理模块，用于假设N条古地温梯度-时间曲线并通过N条古地温梯度-时间曲线构建地温梯度-时间函数，以及根据所述样品的埋藏深度和所述地温梯度-时间函数将对应样品的埋藏史曲线转换为样品的N条时间温度曲线；
所述深度与时间方程为：
式中，h
所述深度计算公式为：
式中，y为样品的孔隙度，
其中，N为大于500的自然数，M为大于1的自然数。
优选地，该基于古地温梯度的低温年代数据处理系统包括输出模块，所述输出模块用于根据M个样品得到沉积盆地地层的M×N条时间温度曲线，从M×N条时间温度曲线提取同一个地温梯度-时间函数的时间温度曲线作为一组热史模拟曲线，进而得到N组热史模拟曲线；对N组所述热史模拟曲线采用低温年代学方法模拟年龄计算每组所述热史模拟曲线的拟合优度值，得到N个拟合优度值；对每个所述拟合优度值与拟合优度阈值对比，从N个所述拟合优度值中筛选出符合条件拟合优度值对应的K组热史模拟曲线，根据K组热史模拟曲线获取对应的K条古地温梯度-时间曲线；在同一时间点上，对K条所述古地温梯度-时间曲线上的每个数据求取均值，得到每个数据的温度均值；按时间顺序将所有所述数据的温度均值连接成曲线，该曲线作为位于角度不整合之上沉积盆地地层的热史模拟结果；其中，一组热史模拟曲线对应一条古地温梯度-时间曲线。
优选地，所述输出模块还用于对每条所述古地温梯度-时间曲线划分A个等份，对划分A个等份后所有所述古地温梯度-时间曲线中相同时间点的温度求取均值，得到A个温度均值，将A个温度均值按照时间顺序连接成曲线，该曲线作为位于角度不整合之上沉积盆地地层的热史模拟结果；其中，A为大于50的自然数。
本发明还提供一种基于古地温梯度的低温年代数据处理设备，包括处理器以及存储器；
所述存储器，用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器，用于根据所述程序代码中的指令执行上述所述的基于古地温梯度的低温年代数据处理方法。
从以上技术方案可以看出，本发明实施例具有以下优点：该基于古地温梯度的低温年代数据处理方法、系统及设备，该方法包括：包括：基于角度不整合之上沉积盆地的地层获取位于角度不整合之上沉积盆地地层的M个样品以及每个样品的参数；基于每个样品的参数采用深度与时间方程求解对应样品的埋藏史时间；将每个样品的埋藏史时间作为地层分界线，采用不同时间点地层质量相等原理的深度计算公式对对应样品进行深度计算，得到对应样品的埋藏深度，并基于样品的埋藏深度与时间构建对应样品的埋藏史曲线；假设N条古地温梯度-时间曲线并通过N条古地温梯度-时间曲线构建地温梯度-时间函数，以及根据样品的埋藏深度和地温梯度-时间函数将对应样品的埋藏史曲线转换为样品的时间温度曲线。通过该基于古地温梯度的低温年代数据处理方法得到的时间温度曲线，该时间温度曲线避免了对时间和温度不敏感的现象，采用该时间温度曲线作为样品低温年代学热史模拟的数据计算模拟结果与实测结果之间的拟合优度，最终获得地温梯度-时间曲线，提高沉积盆地古地温梯度恢复的准确，也提高了热史模拟结果的准确度，解决了现有对沉积盆地古地温梯度恢复采用单一类型的镜质体反射率及磷灰石裂变径迹处理，存在对时间和温度不敏感，得到的模拟输出结果不准确的技术问题。
其中，通过该基于古地温梯度的时间温度曲线计算低温年代学模拟年龄与实测年龄的拟合优度(模拟与实测结果包括低温年代学年龄及裂变径迹围限径迹长度分布)，还通过设置的拟合优度阀值进行筛选，最终将大于拟合优度阀值的古地温梯度-时间曲线保留，并计算其均值作为最终的古地温梯度-时间曲线，从而提高了古地温梯度恢复的准确度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例所述的基于古地温梯度的低温年代数据处理方法的步骤流程图；
图2为本发明实施例所述的基于古地温梯度的低温年代数据处理系统的框架图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
本申请实施例提供了一种基于古地温梯度的低温年代数据处理方法、系统及设备，用于解决了现有对沉积盆地古地温梯度恢复采用单一类型的镜质体反射率及磷灰石裂变径迹处理，存在对时间和温度不敏感，得到的模拟输出结果不准确的技术问题。
实施例一：
图1为本发明实施例所述的基于古地温梯度的低温年代数据处理方法的步骤流程图。
如图1所示，本发明实施例提供了一种基于古地温梯度的低温年代数据处理方法，包括以下步骤：
S1.基于角度不整合之上沉积盆地的地层获取位于角度不整合之上沉积盆地地层的M个样品以及每个样品的参数。其中，N为大于500的自然数，M为大于1的自然数。
需要说明的是，一是在地层模拟的时间范围内，采用蒙特卡洛随机搜索方法对地层假设N条古地温梯度-时间曲线，N的取值不小于10000。二是对位于角度不整合之上沉积盆地地层采用不同深度采样、钻井采样获取M个样品，并根据采样的每个样品获取对应的参数。其中，样品的参数包括深度、孔隙度、时间等。其中，蒙特卡洛随机搜索方法假设曲线属于地质比较常见的测试技术，此处不作详述。
在本发明实施例中，步骤S1获取的曲线、样品、样品的参数主要是为后续步骤提供数据。
S2.基于每个样品的参数采用深度与时间方程求解对应所述样品的埋藏史时间。
需要说明的是，主要是对步骤S1获得的每个样品的参数进行处理，具体地，对每个样品的参数进行处理，得到每个样品的埋藏史时间。
在本发明实施例中，深度与时间方程为：
式中，h
需要说明的是，对每个样品的参数采用深度与时间方程求解对应样品的埋藏史时间的过程中，样品所在地层下部的深度和样品所在地层上部深度是已知数值，依据样品的深度对其时间点进行插值求解，且其求解的假设前提是样品所在地层的沉积为匀速沉积。
S3.将每个样品的埋藏史时间作为地层分界线，采用不同时间点地层质量相等原理的深度计算公式对对应样品进行深度计算，得到对应样品的埋藏深度，并基于样品的埋藏深度与时间构建对应样品的埋藏史曲线。
需要说明的是，主要是对步骤S2得到样品的埋藏史时间，对位于角度不整合之上沉积盆地地层重新划分地层分界线，划分的地层即是对应埋藏史时间的样品，采用深度计算公式对每个样品的深度进行计算，得到对应样品的埋藏深度。之后根据埋藏深度与时间构建样品的埋藏史曲线，即是以时间作为横坐标、深度作为纵坐标构建的折线作为埋藏史曲线。
在本发明实施例中，深度计算公式为：
式中，y为样品的孔隙度，
需要说明的是，不同时间点地层质量相等原理指的是地层的质量不会随时间的变化而变化，即是同一地层各个时间段的地层积分相等，可以通过以下方程组表示：
.......
通过上述方程组进行数值求解，解出所有未知量
S4.假设N条古地温梯度-时间曲线并通过N条古地温梯度-时间曲线构建地温梯度-时间函数，以及根据样品的埋藏深度和地温梯度-时间函数将对应样品的埋藏史曲线转换为样品的N条时间温度曲线。
需要说明的是，主要是根据地温梯度-时间函数(温度＝深度*地温梯度+地表温度)将埋藏史曲线转换成热史的时间温度曲线。
在本发明实施例中，对古地温梯度-时间曲线进行处理构建地温梯度-时间函数过程中，采用一次线性插值函数对N条古地温梯度-时间曲线进行处理，得到地温梯度-时间函数。
在本发明实施例中，假设N条古地温梯度-时间曲线一般为曲线，主要包括单调下降、单调上升、中间有起伏的三种曲线，中间有起伏的曲线指的是受到快速加热事件或异常冷却事件所致，例如在某个时间地温梯度的范围内，随机假设地温梯度曲线在上升与下降的拐点作为约束，约束可以是一个，也可以是多个，因此该曲线的中间部位有起伏。对于中间有起伏的曲线采用蒙特卡洛随机搜索方法假设古地温梯度-时间曲线一般是通过约束的数量圈定其拐点确定随机搜索范围。
需要说明的是，G为地温梯度、t为时间，在G-t坐标系下投点，然后把结点连起来的折线作为假设的古地温梯度-时间曲线。
本发明提供的一种基于古地温梯度的低温年代数据处理方法，包括：基于角度不整合之上沉积盆地的地层获取位于角度不整合之上沉积盆地地层的M个样品以及每个样品的参数；基于每个样品的参数采用深度与时间方程求解对应样品的埋藏史时间；将每个样品的埋藏史时间作为地层分界线，采用不同时间点地层质量相等原理的深度计算公式对对应样品进行深度计算，得到对应样品的埋藏深度，并基于样品的埋藏深度与时间构建对应样品的埋藏史曲线；假设N条古地温梯度-时间曲线并通过N条古地温梯度-时间曲线构建地温梯度-时间函数，以及根据样品的埋藏深度和地温梯度-时间函数将对应样品的埋藏史曲线转换为样品的时间温度曲线。通过该基于古地温梯度的低温年代数据处理方法得到的时间温度曲线，该时间温度曲线避免了对时间和温度不敏感的现象，采用该时间温度曲线作为样品低温年代学热史模拟的数据，提高了热史模拟结果的准确度，解决了现有对沉积盆地古地温梯度恢复采用单一类型的镜质体反射率及磷灰石裂变径迹处理，存在对时间和温度不敏感，得到的模拟输出结果不准确的技术问题。
需要说明的是，该基于古地温梯度的低温年代数据处理方法通过位于角度不整合之上沉积盆地地层采用钻井采样获取M个样品，降低了样品采样难度，提高工作效率。
在本发明的一个实施例中，该基于古地温梯度的低温年代数据处理方法包括：
根据M个样品得到沉积盆地地层的M×N条时间温度曲线，从M×N条时间温度曲线提取同一个地温梯度-时间函数的时间温度曲线作为一组热史模拟曲线，进而得到N组热史模拟曲线；
对N组热史模拟曲线采用低温年代学方法模拟年龄计算每组热史模拟曲线的拟合优度值，得到N个拟合优度值；
对每个拟合优度值与拟合优度阈值对比，从N个拟合优度值中筛选出符合条件拟合优度值对应的K组热史模拟曲线，根据K组热史模拟曲线获取对应的K条古地温梯度-时间曲线；
在同一时间点上，对K条古地温梯度-时间曲线上的每个数据求取均值，得到每个数据的温度均值；按时间顺序将所有数据的温度均值连接成曲线，该曲线作为位于角度不整合之上沉积盆地地层的热史模拟结果；
其中，一组热史模拟曲线对应一条古地温梯度-时间曲线。
其中，对K条古地温梯度-时间曲线上的每个数据求取均值包括：
对每条古地温梯度-时间曲线划分A个等份，对划分A个等份后所有古地温梯度-时间曲线中相同时间点的温度求取均值，得到A个温度均值；
将A个温度均值按照时间顺序连接成曲线，该曲线作为位于角度不整合之上沉积盆地地层的热史模拟结果；
其中，K为大于5的自然数，A为大于50的自然数。
需要说明的是，根据步骤S1至步骤S4得到M个样品的N组热史模拟曲线，通过现有的低温年代学方法对N组热史模拟曲线分别计算每组热史模拟曲线对应的拟合优度值，之后筛选出大于拟合优度阈值的拟合优度对应的每组热史模拟曲线以及对应的古地温梯度-时间曲线，对每条古地温梯度-时间曲线划分A等份，对划分A个等份后所有古地温梯度-时间曲线中相同时间点的温度求取均值，得到A个温度均值，对A个温度均值按照时间顺序连接成曲线，该曲线作为位于角度不整合之上沉积盆地地层的热史模拟结果，提高了该沉积盆地的地层热史模拟结果的精度。在本实施例中，现有的低温年代学方法计算拟合优度值是本领域比较成熟的技术，如公告号为CN112685909A、CN113722917A这两个公开的专利文献。其中，拟合优度阈值可以根据需求设置，拟合优度阈值优选为0.05。A优选为100。
在本发明实施例中，通过该基于古地温梯度的低温年代数据处理方法得到的位于角度不整合之上沉积盆地地层的热史模拟结果与测试结果进行对比，更为直观地展示拟合效果。该基于古地温梯度的低温年代数据处理方法通过筛选出N组热史模拟曲线对应的古地温梯度-时间曲线计算M个样品的模拟结果(即是拟合优度值)；根据计算得到模拟结果，计算N组热史模拟曲线对应的N个拟合优度，设置拟合优度阀值，将大于拟合优度阀值的古地温梯度-时间曲线保留，并计算古地温梯度-时间曲线的均值，作为最终的古地温梯度-时间曲线(或者说曲线)输出。该方法不受低温年代学测试方法的限制，提高了古地温梯度恢复的准确度。即是，通过该基于古地温梯度的时间温度曲线计算低温年代学模拟年龄与实测年龄的拟合优度(模拟与实测结果包括低温年代学年龄及裂变径迹围限径迹长度分布)，还通过设置的拟合优度阀值进行筛选，最终将大于拟合优度阀值的古地温梯度-时间曲线保留，并计算其均值作为最终的古地温梯度-时间曲线，从而提高了古地温梯度恢复的准确度。
实施例二：
图2为本发明实施例的基于古地温梯度的低温年代数据处理系统的框架图。
如图2所示，本发明实施例还提供一种基于古地温梯度的低温年代数据处理系统，包括数据获取模块10、第一处理模块20、第二处理模块30和第三处理模块40；
数据获取模块10，用于基于角度不整合之上沉积盆地的地层获取位于角度不整合之上沉积盆地地层的M个样品以及每个样品的参数；
第一处理模块20，用于基于每个样品的参数采用深度与时间方程求解对应所述样品的埋藏史时间；
第二处理模块30，用于将每个样品的埋藏史时间作为地层分界线，采用不同时间点地层质量相等原理的深度计算公式对对应样品进行深度计算，得到对应样品的埋藏深度，并基于样品的埋藏深度与时间构建对应样品的埋藏史曲线；
第三处理模块40，用于假设N条古地温梯度-时间曲线并通过N条古地温梯度-时间曲线构建地温梯度-时间函数，以及根据样品的埋藏深度和地温梯度-时间函数将对应样品的埋藏史曲线转换为样品的N条时间温度曲线；
深度与时间方程为：
式中，h
深度计算公式为：
式中，y为样品的孔隙度，
其中，N为大于500的自然数，M为大于1的自然数。
在本发明实施例中，该基于古地温梯度的低温年代数据处理系统包括输出模块50，输出模块50用于根据M个样品得到沉积盆地地层的M×N条时间温度曲线，从M×N条时间温度曲线提取同一个地温梯度-时间函数的时间温度曲线作为一组热史模拟曲线，进而得到N组热史模拟曲线；对N组热史模拟曲线采用低温年代学方法模拟年龄计算每组热史模拟曲线的拟合优度值，得到N个拟合优度值；将每个拟合优度值与拟合优度阈值对比，并从N个拟合优度值中筛选出符合条件拟合优度值对应的K组热史模拟曲线，根据K组热史模拟曲线获取对应的K条古地温梯度-时间曲线；在同一时间点上，对K条古地温梯度-时间曲线上的每个数据求取均值，得到每个数据的温度均值；按时间顺序将所有数据的温度均值连接成曲线，该曲线作为位于角度不整合之上沉积盆地地层的热史模拟结果；其中，一组热史模拟曲线对应一条古地温梯度-时间曲线。
在本发明实施例中，输出模块50还用于对每条古地温梯度-时间曲线划分A个等份，对划分A个等份后所有古地温梯度-时间曲线中相同时间点的温度求取均值，得到A个温度均值，将A个温度均值按照时间顺序连接成曲线，该曲线作为位于角度不整合之上沉积盆地地层的热史模拟结果；其中，A为大于50的自然数。
需要说明的是，实施例二系统中的的模块对应于实施例一方法中的步骤，实施例一方法的步骤内容已在实施例一中详细阐述了，在此实施例二中不再对模块的内容进行详细阐述。
实施例三：
本发明实施例提供了一种基于古地温梯度的低温年代数据处理设备，包括处理器以及存储器；
存储器，用于存储程序代码，并将程序代码传输给处理器；
处理器，用于根据程序代码中的指令执行上述的基于古地温梯度的低温年代数据处理方法。
需要说明的是，处理器用于根据所程序代码中的指令执行上述的一种基于古地温梯度的低温年代数据处理方法实施例中的步骤。或者，处理器执行计算机程序时实现上述各系统/装置实施例中各模块/单元的功能。
示例性的，计算机程序可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器中，并由处理器执行，以完成本申请。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序在终端设备中的执行过程。
终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。终端设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，并不构成对终端设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器可以是终端设备的内部存储单元，例如终端设备的硬盘或内存。存储器也可以是终端设备的外部存储设备，例如终端设备上配备的插接式硬盘，智能存储卡(SmartMedia Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，存储器还可以既包括终端设备的内部存储单元也包括外部存储设备。存储器用于存储计算机程序以及终端设备所需的其他程序和数据。存储器还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
