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
本发明涉及资料数据处理技术领域,具体涉及地层不整合油藏地层边界识别精度的地震资料处理方法。
背景技术
魏格纳-威尔分布(WVD)等时频分解方法,这些分解方法也已广泛应用于地震信号的分解和分析.其中WVD方法比较突出,因为它满足了较多的理想中的数学特性,并且在时间-频率平面上的能量分布相对集中.
然而,WVD的核函数是二次函数.由于该函数的二次性,WVD对于同一信号中的信号分量存在交叉干扰.这种现象在实际应用中会降低多分量或非线性频率调频信号的分辨率.后来出现的伪魏格纳-威尔分布(Franz et al.,1995)等改进方法,通过平滑滤波对交叉项进行衰减.然而,平滑滤波通常会降低信号分量时频谱的准确性,因此提出地层不整合油藏地层边界识别精度的地震资料处理方法。
发明内容
针对现有技术所存在的上述缺点,本发明的第一目的在于提供地层不整合油藏地层边界识别精度的地震资料处理方法,解决上述背景技术中的问题。
为实现上述目的,本发明提供了如下技术方案:
地层不整合油藏地层边界识别精度的地震资料处理方法,包括以下步骤:
S1、资料的收集;
S2、资料的预处理:对采集到的数据资料进行分类;
S3、资料的统一化:将不同形式的数据资料转换为统一的电子数据;
S4、数据处理:将转换后的数据运用算法进行处理,并且定期对数据进行清理;
S5、预测处理:将算法进行改进后编程,做成处理程序对数据进行处理。
采用上述技术方案:本发明对采集的数据进行分类后再整合成同一类型的数据资料,能够方便数据的处理以及统一规划,其次,本发明中,将算法进行编程,利用编程后的程序对数据进行智能化处理,能够使得数据处理的精度以及效率大大提高。
进一步的,所述步骤S1中,资料的收集具体为:经过查阅书籍、浏览相关网站以及查询以往资料对地震资料进行收集,收集到的资料大致分为“纸质图件”、“电子数据”和“原始数值”三类资料。
采用上述技术方案:通过多方对提高剥蚀地层不整合油藏地层边界识别精度的地震资料处理进行收集,能够使得最后的数据更加准确。
进一步的,所述步骤S2中,资料的预处理的具体步骤为:将步骤S1中收集到的资料按照纸质图件”、“电子数据”和“原始数值”进行分类,将相同类型的资料放置在一起。
采用上述技术方案:通过对收集到的数据资料进行分类存放,能够有效地避免资料丢失的情况。
进一步的,所述步骤S3中,具体步骤为:将电子数据通过互联网传输到计算机中,纸质图像经过扫描之后转换成的电子图像,之后同样通过互联网传输到处理专用计算机中,原始数据首先通过手动输入记录到计算机中,之后在通过扫描将数据再次传输到计算机中,前后处理后的数据经过比对,确定无误后通过互联网上传到处理专用计算机中。
采用上述技术方案:将不同类型的资料数据统一转换为电子数据记录在电脑中,不仅不易造成数据的丢失和遗漏,且方便进行资料的处理。
进一步的,所述步骤S5中,算法采用魏格纳-威尔分布(WVD)等时频分解方法,具体为:
其中z(t)是原始信号x(t)的解析信号,t是时间,f是频率,z*(t)是z(t)的复数共轭
式(1)中显示WVD的核函数是二次函数.由于WVD是二次函数,会有交叉干扰项的存在.
WVD的离散形式如下.定义时域信号x(n)的解析信号z(n),n=0,1,...,N
对上述核函数K(l)沿l的傅氏变换生成WVD频谱l={0,1,...,L/2},其中L为时窗长度,它是对应于数据点z(n)的瞬时功率频谱W(n).瞬时功率谱W(n)的集合,n=0,1,…,N
进一步的,改进后的算法为使前向预测误差和后向预测误差的平均功率为最小的求解方法,具体为:
阶前向线性预测误差为:
其中a为滤波器系数,类似地,有m阶后向预测误差。
由Levinson递推公式,整理得到前、后向预测误差的阶数递推关系:
f
其中R
令
在最终得到M阶预测滤波器的系数{a
外推从
高分辨率WVD时频谱w(t,f)中消除了交叉干扰,通过w(t,f)可计算瞬时频率和瞬时振幅.由于通过这种改进方法获得时频谱的分辨率很高,采用一阶矩求取瞬时频率仍然精度很高,同时也可对噪声有一定的压制作用
通过该方法计算信号WVD三阶矩对地震信号的地质特征有特别的响应:
σ(t)
通过采用上述技术方案:可以使用算法进行预测。
有益效果
采用本发明提供的技术方案,与已知的公有技术相比,具有如下有益效果:
本发明对采集的数据进行分类后再整合成同一类型的数据资料,能够方便数据的处理以及统一规划,其次,本发明中,将算法进行编程,利用编程后的程序对数据进行智能化处理,能够使得数据处理的精度以及效率大大提高,通过多方对提高剥蚀地层不整合油藏地层边界识别精度的地震资料处理进行收集,能够使得最后的数据更加准确,通过对收集到的数据资料进行分类存放,能够有效地避免资料丢失的情况,将不同类型的资料数据统一转换为电子数据记录在电脑中,不仅不易造成数据的丢失和遗漏,且方便进行资料的处理,之后将处理后的数据利用算法进行演算,得出最终结果。
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,下面将对本发明实施例中的技术方案进行清楚、完整地描述。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。
下面结合实施例对本发明作进一步的描述。
实施例1
地层不整合油藏地层边界识别精度的地震资料处理方法,包括以下步骤:
S1、资料的收集;
S2、资料的预处理:对采集到的数据资料进行分类;
S3、资料的统一化:将不同形式的数据资料转换为统一的电子数据;
S4、数据处理:将转换后的数据运用算法进行处理,并且定期对数据进行清理;
S5、预测处理:将算法进行改进后编程,做成处理程序对数据进行处理。
其中,所述步骤S1中,资料的收集具体为:经过查阅书籍、浏览相关网站以及查询以往资料对地震资料进行收集,收集到的资料大致分为“纸质图件”、“电子数据”和“原始数值”三类资料。
其中,所述步骤S2中,资料的预处理的具体步骤为:将步骤S1中收集到的资料按照纸质图件”、“电子数据”和“原始数值”进行分类,将相同类型的资料放置在一起。
其中,所述步骤S3中,具体步骤为:将电子数据通过互联网传输到计算机中,纸质图像经过扫描之后转换成的电子图像,之后同样通过互联网传输到处理专用计算机中,原始数据首先通过手动输入记录到计算机中,之后在通过扫描将数据再次传输到计算机中,前后处理后的数据经过比对,确定无误后通过互联网上传到处理专用计算机中。
其中,所述步骤S5中,算法采用魏格纳-威尔分布(WVD)等时频分解方法,具体为:
其中z(t)是原始信号x(t)的解析信号,t是时间,f是频率,z*(t)是z(t)的复数共轭
式(1)中显示WVD的核函数是二次函数.由于WVD是二次函数,会有交叉干扰项的存在.
WVD的离散形式如下.定义时域信号x(n)的解析信号z(n),n=0,1,...,N
对上述核函数K(l)沿l的傅氏变换生成WVD频谱l={0,1,...,L/2},其中L为时窗长度,它是对应于数据点z(n)的瞬时功率频谱W(n).瞬时功率谱W(n)的集合,n=0,1,…,N
其中,改进后的算法为使前向预测误差和后向预测误差的平均功率为最小的求解方法,具体为:
阶前向线性预测误差为:
其中a为滤波器系数,类似地,有m阶后向预测误差。
由Levinson递推公式,整理得到前、后向预测误差的阶数递推关系:
f
其中R
令
在最终得到M阶预测滤波器的系数{a
外推从
高分辨率WVD时频谱w(t,f)中消除了交叉干扰,通过w(t,f)可计算瞬时频率和瞬时振幅.由于通过这种改进方法获得时频谱的分辨率很高,采用一阶矩求取瞬时频率仍然精度很高,同时也可对噪声有一定的压制作用
通过该方法计算信号WVD三阶矩对地震信号的地质特征有特别的响应:
σ(t)
对比例1
本实施例与所提供的实施例1的方法大致相同,其主要区别在于:步骤S2中未将数据进行分类;
对比例2
本实施例与所提供的实施例1的方法大致相同,其主要区别在于:步骤S3中未进行数据的转换。
对比例3
本实施例与所提供的实施例1的方法大致相同,其主要区别在于:步骤S5中未对算法进行改进。
性能测试
分别取等量的实施例1和对比例1~3所提供的地层不整合油藏地层边界识别精度的地震资料处理方法的准确性、处理效率以及演算结果:
通过分析上述各表中的相关数据可知,地层不整合油藏地层边界识别精度的地震资料处理方法,包括以下步骤:
S1、资料的收集;
S2、资料的预处理:对采集到的数据资料进行分类;
S3、资料的统一化:将不同形式的数据资料转换为统一的电子数据;
S4、数据处理:将转换后的数据运用算法进行处理,并且定期对数据进行清理;
S5、预测处理:将算法进行改进后编程,做成处理程序对数据进行处理。
采用上述技术方案:本发明对采集的数据进行分类后再整合成同一类型的数据资料,能够方便数据的处理以及统一规划,其次,本发明中,将算法进行编程,利用编程后的程序对数据进行智能化处理,能够使得数据处理的精度以及效率大大提高。
其中,所述步骤S1中,资料的收集具体为:经过查阅书籍、浏览相关网站以及查询以往资料对地震资料进行收集,收集到的资料大致分为“纸质图件”、“电子数据”和“原始数值”三类资料。
采用上述技术方案:通过多方对提高剥蚀地层不整合油藏地层边界识别精度的地震资料处理进行收集,能够使得最后的数据更加准确。
其中,所述步骤S2中,资料的预处理的具体步骤为:将步骤S1中收集到的资料按照纸质图件”、“电子数据”和“原始数值”进行分类,将相同类型的资料放置在一起。
采用上述技术方案:通过对收集到的数据资料进行分类存放,能够有效地避免资料丢失的情况。
其中,所述步骤S3中,具体步骤为:将电子数据通过互联网传输到计算机中,纸质图像经过扫描之后转换成的电子图像,之后同样通过互联网传输到处理专用计算机中,原始数据首先通过手动输入记录到计算机中,之后在通过扫描将数据再次传输到计算机中,前后处理后的数据经过比对,确定无误后通过互联网上传到处理专用计算机中。
采用上述技术方案:将不同类型的资料数据统一转换为电子数据记录在电脑中,不仅不易造成数据的丢失和遗漏,且方便进行资料的处理。
其中,所述步骤S5中,算法采用魏格纳-威尔分布(WVD)等时频分解方法,具体为:
其中z(t)是原始信号x(t)的解析信号,t是时间,f是频率,z*(t)是z(t)的复数共轭
式(1)中显示WVD的核函数是二次函数.由于WVD是二次函数,会有交叉干扰项的存在.
WVD的离散形式如下.定义时域信号x(n)的解析信号z(n),n=0,1,...,N
对上述核函数K(l)沿l的傅氏变换生成WVD频谱l={0,1,...,L/2},其中L为时窗长度,它是对应于数据点z(n)的瞬时功率频谱W(n).瞬时功率谱W(n)的集合,n=0,1,…,N
其中,改进后的算法为使前向预测误差和后向预测误差的平均功率为最小的求解方法,具体为:
阶前向线性预测误差为:
其中a为滤波器系数,类似地,有m阶后向预测误差。
由Levinson递推公式,整理得到前、后向预测误差的阶数递推关系:
f
其中R
令
在最终得到M阶预测滤波器的系数{a
外推从
高分辨率WVD时频谱w(t,f)中消除了交叉干扰,通过w(t,f)可计算瞬时频率和瞬时振幅.由于通过这种改进方法获得时频谱的分辨率很高,采用一阶矩求取瞬时频率仍然精度很高,同时也可对噪声有一定的压制作用
通过该方法计算信号WVD三阶矩对地震信号的地质特征有特别的响应:
σ(t)
通过采用上述技术方案:可以使用算法进行预测。
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,并不会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。