地震波形分类方法及装置

摘要

本发明提供了一种地震波形分类方法及装置，地震波形分类方法包括：从目的工区中已钻井的地震数据中获取目的地层的厚度；根据所述已钻井的目的地层与未钻井的目的地层之间的水平距离、所述已钻井的目的地层的厚度以及所述未钻井的目的地层的厚度计算所述已钻井的目的地层以及未钻井的目的地层之间的相关系数；根据所述相关系数对地震波形进行分类。本发明在考虑了研究区的工区沉积背景、储层沉积特征、岩性、物性、发育位置及发育厚度的差异的前提下，通过自适应调节地震道波形权重系数，使得地震波形分类结果更加准确，更符合实际地质情况。

说明书

技术领域

本发明涉及石油勘探领域，尤其是复杂沉积地层的精细沉积相分类的地震解释技术，具体涉及一种地震波形分类方法及装置。

背景技术

众所周知，地下储层的岩性物性及孔隙流体性质变化会引起地震波形的变化，因此地震波形能够反映地下地质体的特征，通过识别波形变化特征能够圈定含油气储层。具体地，从地震道中提取典型的地震反射波形(地震波形分类)，然后利用神经网络对目的层段内的地震反射波波形进行研究，每一实际地震道根据相似性被赋予一种典型类型。通过多次迭代构建合成地震道，并与实际地震道进行比较，借助自适应训练和误差纠正，把与实际地震道最匹配的模型道赋予实际地震道，再利用地震道形状即波形特征对目的层段内的实际地震数据进行逐道对比，刻画地震信号的横向变化，得到地震异常的平面变化特征，从而完成地震相分类。

以往的勘探经验表明，以地震波形分类为基础的地震相预测研究能够有效筛选有利勘探目标，可为勘探部署工作提供直接依据。伴随“勘探开发一体化研究”的大背景，3D地震解释与预测工作正逐步从传统意义上盆地级别的地质建模向储层精细沉积微相建模转变，研究区的目标储层结构和沉积环境越来越复杂，横向和纵向变化幅度剧烈。

现有技术中，自组织神经网络地震波形分类首先提取n个典型的模型道，n为波形聚类的数目，然后假设各个模型道对于模型匹配具有相同的贡献，设置均等的权重系数实施聚类。由于工区沉积的差异性，构造和储层复杂的工区，不同位置储层沉积特征、岩性、物性、发育位置及发育厚度存在很大差别，传统的自组织神经网络地震波形分类使用均等权重系数，忽略了模型道所在位置沉积环境的差异对于波形分类的贡献，导致了聚类结果的精确度降低，不适用于复杂沉积地层的精细沉积相分类。

发明内容

针对现有技术中的问题，本发明提供的地震波形分类方法及装置，在考虑了研究区的工区沉积背景、储层沉积特征、岩性、物性、发育位置及发育厚度的差异的前提下，通过自适应调节地震道波形权重系数，使得地震波形分类结果更加准确，更符合实际地质情况。

为解决上述技术问题，本发明提供以下技术方案：

第一方面，本发明提供一种地震波形分类方法，包括：

从目的工区中已钻井的地震数据中获取目的地层的厚度；

根据所述已钻井的目的地层与未钻井的目的地层之间的水平距离、所述已钻井的目的地层的厚度以及所述未钻井的目的地层的厚度计算所述已钻井的目的地层以及未钻井的目的地层之间的相关系数；

根据所述相关系数对地震波形进行分类。

一实施例中，所述根据所述已钻井的目的地层与未钻井的目的地层之间的水平距离、所述已钻井的目的地层的厚度以及所述未钻井的目的地层的厚度计算所述已钻井的目的地层以及未钻井的目的地层之间的相关系数，包括：

根据所述已钻井的目的地层的厚度计算所述未钻井的目的地层的厚度。

一实施例中，所述根据所述已钻井的目的地层的厚度预测目的工区中未钻井的目的地层的厚度，包括：

利用反距离加权算法，根据所述已钻井的目的地层的厚度计算所述未钻井的目的地层的厚度。

一实施例中，所述根据所述已钻井的目的地层与未钻井的目的地层之间的水平距离、所述已钻井的目的地层的厚度以及所述未钻井的目的地层的厚度计算所述已钻井的目的地层以及未钻井的目的地层之间的相关系数，还包括：

根据所述已钻井的目的地层与未钻井的目的地层之间的水平距离、所述已钻井的目的地层的厚度以及所述未钻井的目的地层的厚度计算所述已钻井的目的地层以及未钻井的目的地层之间的权重系数；

根据所述权重系数计算所述已钻井的目的地层以及未钻井的目的地层之间的相关系数。

第二方面，本发明提供一种地震波形分类装置，该装置包括：

已知厚度获取单元，用于从目的工区中已钻井的地震数据中获取目的地层的厚度；

相关系数计算单元，用于根据所述已钻井的目的地层与未钻井的目的地层之间的水平距离、所述已钻井的目的地层的厚度以及所述未钻井的目的地层的厚度计算所述已钻井的目的地层以及未钻井的目的地层之间的相关系数；

波形分类单元，用于根据所述相关系数对地震波形进行分类。

一实施例中，所述相关系数计算单元包括：

未知厚度计算模块，用于根据所述已钻井的目的地层的厚度计算所述未钻井的目的地层的厚度。

一实施例中，所述未知厚度计算模块具体用于利用反距离加权算法，根据所述已钻井的目的地层的厚度计算所述未钻井的目的地层的厚度。

一实施例中，所述相关系数计算单元还包括：

权重系数计算模块，用于根据所述已钻井的目的地层与未钻井的目的地层之间的水平距离、所述已钻井的目的地层的厚度以及所述未钻井的目的地层的厚度计算所述已钻井的目的地层以及未钻井的目的地层之间的权重系数；

相关系数计算模块，用于根据所述权重系数计算所述已钻井的目的地层以及未钻井的目的地层之间的相关系数。

第三方面，本发明提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现地震波形分类方法的步骤。

第四方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现地震波形分类方法的步骤。

从上述描述可知，本发明实施例提供的地震波形分类方法及装置，首先从目的工区中已钻井的地震数据中获取目的地层的厚度；接着，根据已钻井的目的地层与未钻井的目的地层之间的水平距离、已钻井的目的地层的厚度以及未钻井的目的地层的厚度计算已钻井的目的地层以及未钻井的目的地层之间的相关系数；最后根据相关系数对地震波形进行分类。本发明提供的地震波形分类方法及装置，在考虑了研究区的工区沉积背景、储层沉积特征、岩性、物性、发育位置及发育厚度的差异的前提下，通过自适应调节地震道波形权重系数，使得地震波形分类结果更加准确，更符合实际地质情况。

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的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的实施例中的地震波形分类方法的流程示意图；

图2为本发明的实施例中步骤200的流程示意图一；

图3为本发明的实施例中步骤201的流程示意图；

图4为本发明的实施例中步骤200的流程示意图二；

图5为本发明的具体应用实例中地震波形分类方法的流程示意图；

图6为本发明的具体应用实例中地震道和模型道位置示意图；

图7为本发明的具体应用实例中权重系数分布图；

图8为本发明的具体应用实例中常规波形聚类结果示意图；

图9为本发明的具体应用实例中变权重系数的波形聚类结果示意图；

图10为本发明的具体应用实例中常规波形聚类结果示意图；

图11为本发明的具体应用实例中变权重系数的波形聚类结果示意图；

图12为本发明的实施例中的地震波形分类装置的结构示意图；

图13发明的实施例中相关系数计算单元的结构示意图一；

图14发明的实施例中相关系数计算单元的结构示意图二；

图15发明的实施例中的电子设备的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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、完整的描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的实施例提供一种地震波形分类方法的具体实施方式，参见图1，该方法具体包括如下内容：

步骤100：从目的工区中已钻井的地震数据中获取目的地层的厚度。

具体地，可提取n个典型模型道所对应井上目的层的储层厚度，各个厚度值为h

步骤200：根据所述已钻井的目的地层与未钻井的目的地层之间的水平距离、所述已钻井的目的地层的厚度以及所述未钻井的目的地层的厚度计算所述已钻井的目的地层以及未钻井的目的地层之间的相关系数。

传统的利用神经网络对地震波进行分类，对于多个模型道均认为有着相同的贡献，即设置相等的权重系数。很明显，这不符合实际情况，因为工区沉积的差异性，构造和储层复杂的工区，不同位置储层沉积特征、岩性、物性、发育位置及发育厚度存在很大差别，通过步骤200对各个模型道设置不同的权重系数，以最大程度的减小误差。

步骤300：根据所述相关系数对地震波形进行分类。

从上述描述可知，本发明实施例提供的地震波形分类方法，首先从目的工区中已钻井的地震数据中获取目的地层的厚度；接着，根据已钻井的目的地层与未钻井的目的地层之间的水平距离、已钻井的目的地层的厚度以及未钻井的目的地层的厚度计算已钻井的目的地层以及未钻井的目的地层之间的相关系数；最后根据相关系数对地震波形进行分类。本发明提供了一种通过自适应调节地震道波形权重系数实现自组织神经网络地震波形聚类方法和装置，不同沉积环境和特征对应着不同权重系数，波形聚类结果更加符合实际地质情况，提高地震波形-沉积微相的识别精度和储量预测精度。

一实施例中，参见图2，步骤200进一步包括：

步骤201：根据所述已钻井的目的地层的厚度计算所述未钻井的目的地层的厚度。

一实施例中，参见图3，步骤201进一步包括：

步骤2011：利用反距离加权算法，根据所述已钻井的目的地层的厚度计算所述未钻井的目的地层的厚度。

具体地，用反距离加权算法求取地震道的储层厚度h

一实施例中，参见图4，步骤200进一步包括：

步骤202：根据所述已钻井的目的地层与未钻井的目的地层之间的水平距离、所述已钻井的目的地层的厚度以及所述未钻井的目的地层的厚度计算所述已钻井的目的地层以及未钻井的目的地层之间的权重系数；

步骤202在实施时，具体为：根据地震道的储层厚度h

步骤203：根据所述权重系数计算所述已钻井的目的地层以及未钻井的目的地层之间的相关系数。

在分类时根据权重系数波求取地震道与各典型模型道之间的新的相关系数。

r

为进一步地说明本方案，本发明提供地震波形分类方法的具体应用实例，该具体应用实例具体包括如下内容，参见图5。

S1：确定目的层范围。

具体地，通过钻井分层、声波时差测井曲线、密度测井曲线制作合成记录，并进行井震层位精细标定，通过研究区内已知井资料建立井震关系，确定目的层段在地震数据体上的双层反射时间范围。层段厚度范围的选取最好是大于半个相位，并小于150，太大会包含太多的信息，给解释带来困难，物理意义也不明确。

S2：提取模型道。

在本具体实施例中，模型道来源有两种方式：一是基于地震数据线道抽取，提取上述双层反射时间范围内目的层段原始地震资料的地震道波形。二是提取具有代表性样本点附近处的模型道。第一种方式实施时，需注意线和道采样间隔参数，设置为1～100之间，缺省设置为4。在选择用于训练神经网络采样的数据量时，对于一个小的三维测区，比如小于300×300道，可以使用每一道数据，对于一个较大的测区，例如1000×1000道，为减少计算时间，每四道抽出一道建立网络训练数据。如果间隔选的太大，比如超过10×10，那么一些重要的特征就会被忽略掉。需要说明的是，第二种方式注意选取的样本点要能够代表工区不同的沉积特征或者沉积微相。

S3：根据工区已知地震相种类设置波形聚类分类数。

一般设置为2～20之间，分类数大，结果过于详细，后续解释困难；分类数小则聚类结果过于粗糙。一般情况下，分类数是在5-15之间。进行聚类数分析质控时的原则是，聚类质控曲线在下降趋势的拐点处为最佳分类数。

S4：提取典型模型道所对应井上目的层的储层厚度。

提取n个典型模型道所对应井上目的层的储层厚度，各个厚度值为h

S5：用反距离加权算法求取地震道的储层厚度h

具体地，

S6：根据地震道的储层厚度h

具体地第，

S7：求取地震道与各典型模型道之间的新的相关系数。

在分类时根据权重系数波求取地震道与各典型模型道之间的新的相关系数。

r

S8：根据相关系数对地震波形进行分类。

根据r

根据沉积背景，结合测井资料，划分研究区的几种典型沉积微相。将这些典型沉积微相类型和地震波形分类图进行标定，确定出不同的波形分类对应的不同沉积微相。如果分类结果与实际地质情况不符合，重复步骤S3-S8，调整典型模型道个数，直到分类结果与符合地质情况。

基于上述方法，本具体应用实例还提供该方法的应用场景，具体包括：参见图6以及图7，图6中空心圆圈处为地震道的位置，本示意图中假定分类数为4，有四个模型道，位置分别是M1，M2，M3，M4。图6左为各模型道与地震道的平面分布，各模型道与地震道之间的距离分别为800,900,500,1500米，各模型道处统计的厚度值为60,70,90,50米。图7黑色柱子表示用本发明方法计算得到的各模型道的权重系数分布，M1、M2、M3和M4的权重系数分别为2.29、2.05、3.66、1.19，可以看出与地震道距离最近，厚度较大的M3模型道的权重系数最大，这与实际地质情况吻合。

图8是常规波形聚类结果，图9是变权重系数的波形聚类结果。在两者分类数同为4的情况下，可以看出变权重系数的波形聚类结果对河道的范围和边界识别更精确，后者能够更好的刻画出河流相。

图10是常规波形聚类结果，图11是变权重系数的波形聚类结果。在两者分类数同为4的情况下，可以看出变权重系数的波形聚类结果对溶洞的分布刻画更准确，后者能够更好的刻画出溶洞所对应的地震相特征。

从上述描述可知，本发明实施例提供的地震波形分类方法，首先从目的工区中已钻井的地震数据中获取目的地层的厚度；接着，根据已钻井的目的地层与未钻井的目的地层之间的水平距离、已钻井的目的地层的厚度以及未钻井的目的地层的厚度计算已钻井的目的地层以及未钻井的目的地层之间的相关系数；最后根据相关系数对地震波形进行分类。本发明提供的地震波形分类方法，在考虑了研究区的工区沉积背景、储层沉积特征、岩性、物性、发育位置及发育厚度的差异的前提下，通过自适应调节地震道波形权重系数，使得地震波形分类结果更加准确，更符合实际地质情况。本发明使得波形聚类结果精度明显提升。因此在勘探开发领域的储层精细描述、高精度地震相带-沉积微相分析和指导不同相带的开发部署方面具有广阔的应用前景。

基于同一发明构思，本申请实施例还提供了地震波形分类装置，可以用于实现上述实施例所描述的方法，如下面的实施例。由于地震波形分类装置解决问题的原理与地震波形分类方法相似，因此地震波形分类装置的实施可以参见地震波形分类方法实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的系统较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

本发明的实施例提供一种能够实现地震波形分类方法的地震波形分类装置的具体实施方式，参见图12，地震波形分类装置具体包括如下内容：

已知厚度获取单元10，用于从目的工区中已钻井的地震数据中获取目的地层的厚度；

相关系数计算单元20，用于根据所述已钻井的目的地层与未钻井的目的地层之间的水平距离、所述已钻井的目的地层的厚度以及所述未钻井的目的地层的厚度计算所述已钻井的目的地层以及未钻井的目的地层之间的相关系数；

波形分类单元30，用于根据所述相关系数对地震波形进行分类。

一实施例中，参见图13，所述相关系数计算单元20包括：

未知厚度计算模块201，用于根据所述已钻井的目的地层的厚度计算所述未钻井的目的地层的厚度。

一实施例中，所述未知厚度计算模块具体用于利用反距离加权算法，根据所述已钻井的目的地层的厚度计算所述未钻井的目的地层的厚度。

一实施例中，参见图14，所述相关系数计算单元20还包括：

权重系数计算模块202，用于根据所述已钻井的目的地层与未钻井的目的地层之间的水平距离、所述已钻井的目的地层的厚度以及所述未钻井的目的地层的厚度计算所述已钻井的目的地层以及未钻井的目的地层之间的权重系数；

相关系数计算模块203，用于根据所述权重系数计算所述已钻井的目的地层以及未钻井的目的地层之间的相关系数。

从上述描述可知，本发明实施例提供的地震波形分类装置，首先从目的工区中已钻井的地震数据中获取目的地层的厚度；接着，根据已钻井的目的地层与未钻井的目的地层之间的水平距离、已钻井的目的地层的厚度以及未钻井的目的地层的厚度计算已钻井的目的地层以及未钻井的目的地层之间的相关系数；最后根据相关系数对地震波形进行分类。本发明提供的地震波形分类装置，在考虑了研究区的工区沉积背景、储层沉积特征、岩性、物性、发育位置及发育厚度的差异的前提下，通过自适应调节地震道波形权重系数，使得地震波形分类结果更加准确，更符合实际地质情况。

本申请的实施例还提供能够实现上述实施例中的地震波形分类方法中全部步骤的一种电子设备的具体实施方式，参见图15，电子设备具体包括如下内容：

处理器(processor)1201、存储器(memory)1202、通信接口(CommunicationsInterface)1203和总线1204；

其中，处理器1201、存储器1202、通信接口1203通过总线1204完成相互间的通信；通信接口1203用于实现服务器端设备、地震数据采集设备以及用户端设备等相关设备之间的信息传输。

处理器1201用于调用存储器1202中的计算机程序，处理器执行计算机程序时实现上述实施例中的地震波形分类方法中的全部步骤，例如，处理器执行计算机程序时实现下述步骤：

步骤100：从目的工区中已钻井的地震数据中获取目的地层的厚度；

步骤200：根据所述已钻井的目的地层与未钻井的目的地层之间的水平距离、所述已钻井的目的地层的厚度以及所述未钻井的目的地层的厚度计算所述已钻井的目的地层以及未钻井的目的地层之间的相关系数；

步骤300：根据所述相关系数对地震波形进行分类。

综上，本发明提供一种在少井地区快速判断高速砾岩分布及其下伏构造圈闭的高点是否发生偏移的电子设备，从而为下一步准确选取速度建场方法及对深度域下伏构造圈闭高点偏移判断的提供依据。

本申请的实施例还提供能够实现上述实施例中的地震波形分类方法中全部步骤的一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中的地震波形分类方法的全部步骤，例如，处理器执行计算机程序时实现下述步骤：

步骤100：从目的工区中已钻井的地震数据中获取目的地层的厚度；

步骤200：根据所述已钻井的目的地层与未钻井的目的地层之间的水平距离、所述已钻井的目的地层的厚度以及所述未钻井的目的地层的厚度计算所述已钻井的目的地层以及未钻井的目的地层之间的相关系数；

步骤300：根据所述相关系数对地震波形进行分类。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于硬件+程序类实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

虽然本申请提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的装置或客户端产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。

为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本说明书实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现，也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。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。

本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

本说明书实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书实施例的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

以上所述仅为本说明书实施例的实施例而已，并不用于限制本说明书实施例。对于本领域技术人员来说，本说明书实施例可以有各种更改和变化。凡在本说明书实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书实施例的权利要求范围之内。