CN101310196B - 估计和重构地震反射信号的方法 - Google Patents
估计和重构地震反射信号的方法 Download PDFInfo
- Publication number
- CN101310196B CN101310196B CN2006800424089A CN200680042408A CN101310196B CN 101310196 B CN101310196 B CN 101310196B CN 2006800424089 A CN2006800424089 A CN 2006800424089A CN 200680042408 A CN200680042408 A CN 200680042408A CN 101310196 B CN101310196 B CN 101310196B
- Authority
- CN
- China
- Prior art keywords
- data
- signal
- model
- input
- trace
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 129
- 239000011159 matrix material Substances 0.000 claims abstract description 11
- 230000008859 change Effects 0.000 claims abstract description 7
- 238000004458 analytical method Methods 0.000 claims abstract description 6
- 229930195733 hydrocarbon Natural products 0.000 claims abstract description 5
- 150000002430 hydrocarbons Chemical class 0.000 claims abstract description 5
- 238000005553 drilling Methods 0.000 claims abstract description 4
- 238000006243 chemical reaction Methods 0.000 claims description 38
- 230000000694 effects Effects 0.000 claims description 15
- 239000013598 vector Substances 0.000 claims description 13
- 241000193935 Araneus diadematus Species 0.000 claims description 4
- 239000004215 Carbon black (E152) Substances 0.000 claims description 4
- 101100043215 Mus musculus Smndc1 gene Proteins 0.000 claims description 4
- 238000005314 correlation function Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 claims description 2
- 238000013480 data collection Methods 0.000 claims 1
- 230000001427 coherent effect Effects 0.000 abstract description 8
- 238000011084 recovery Methods 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 21
- 238000001914 filtration Methods 0.000 description 13
- 230000003068 static effect Effects 0.000 description 12
- 238000012937 correction Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 8
- 238000003908 quality control method Methods 0.000 description 7
- 230000006872 improvement Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 239000010410 layer Substances 0.000 description 4
- 239000004576 sand Substances 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 239000007795 chemical reaction product Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008676 import Effects 0.000 description 3
- 238000011835 investigation Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000002156 mixing Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000002203 pretreatment Methods 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 241001050985 Disco Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000011229 interlayer Substances 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/36—Effecting static or dynamic corrections on records, e.g. correcting spread; Correlating seismic signals; Eliminating effects of unwanted energy
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
- Image Processing (AREA)
Abstract
一种重构劣质地震数据信号以改进数据的信噪比的方法，用于与碳氢化合物开采的钻井井场选择有关的显示和分析。该方法包括通过应用Karhunen-Loeve变换到为目标区采集的选定输入地震数据以从所有输入数据对的点积形成协方差矩阵而提供信号模型。矩阵的特征值和特征向量会计算出，并且最重要特征向量被逆变换以提供信号的相干估计。基于模型数据缺乏连续性的确定，输入数据与模型数据组合，其中，优质信噪比数据遇到很少的更改，并且不连续的数据在信号估计数据作用下而得以增强。重构的目标区地震数据可显示以便分析。
Description
技术领域
本发明涉及表面地震数据中重构较差信号的地震数据处理方法。
背景技术
地质学家使用地震反射数据定位油气的最佳钻孔场所。现场工作人员采集的原表面地震数据不会对地质学家立即有用。要提高数据的分辨率并将它压缩成可处理形式，地理物理学家对地震数据执行处理以便在降低噪声电平(level)的同时充分利用数据中的信号电平。此处理称为改进数据的信噪(S/N)比。数据处理是一个重要的步骤，可向任务是解释观测钻井位置的已处理地震数据的地质学家提供S/N比改进的有用数据。
现有技术开发了各种地震数据处理软件和方法，寻求在整个源数据体改进信噪比。这些方法可改进较差的数据区，但一般付出的代价是过度过滤优质的数据区。但是，地质学家需要具有最佳分辨率的地震数据。
表面地震数据经常受由近表面特性引起的深反射体带来的横向变化信噪比的影响。对于在地质期望将指示应得到空间更一致响应的区域中显得不连续的地震信号，现有技术缺乏针对恢复该地震信号横向连续性处理地震数据的方法。这些质量较差的数据区可由多个因素引起。例如，间歇性近表面不规则性可引起下落能量的分散，这将返回信号降低到等于或小于环境噪声电平的电平。
许多现有技术数据处理程序将噪声衰减以改进相对信号电平，但在这些区域，信号的完全恢复要求相当大的数据横向滤波，这导致了空间分辨率的损失。提供用于增大信号电平的其它现有技术程序具有过度过滤优质数据区的相同缺陷，因而导致空间分辨率损失。一般情况下，用于叠后噪声衰减(post-stack noise attenuation)的此类现有技术程序未包括信噪比中的更改。
现有技术的典型叠后噪声衰减例程数据处理方法的目的是总体噪声降低。用于信号和噪声地震数据处理的利用Karhunen-Loeve变换的各种处理已在现有技术中公开。
题为“应用部分Karhunen-Loeve变换抑制地震剖面中的随机噪声”(Application Of The Partial Karhunen-Loeve Transform To SuppressRandom Noise in Seism ic Sections by Kamal Al-Yahya，GeophysicalProspecting，Vol.39，pages 77-93(1991))的文章证实了Karhunen-Loeve变换用于降低噪声并由此增强地震数据中信号的有用性。为使该过程更有效，基于线性时差倾斜值应用时移以便只使用部分Karhunen-Loeve变换(即使用更多数量主分量(principal component)的变换)，由此降低计算机时间和存储器要求。通过对假设包含信号的有限数量的主分量进行变换，降低了处理中的随机噪声电平。成块策略(blocking strategy)也被提议用于逐部分处理数据，它将地震剖面划分成足够小的块，以便每个块都能够通过使用较小的矩阵进行处理。处理后的块被组装以形成最后的过滤剖面。
描述使用Karhunen-Loeve变换处理地震数据的各种方法已在专利文献中公开。例如，在USP 5,455,806中，一种多维声学数据处理和显示系统在三维矩阵中设置声学数据。三维矩阵使用奇异值分解压缩成奇异向量和奇异值。一个历史数据库会形成并得以维持，并且也与三维数据级联。此数据库允许消除混响和噪消弱，并且数据中的其它较弱特征被增强。一旦压缩数据后，便可有效地分析数据。奇异向量基于其奇异值或其它标准，被分割到一个或多个组中。通过在每个奇异向量组内修改奇异值，某些被压缩数据元素被增强或消弱。选定的奇异向量通过用于进一步增强、检测、隔离、特性提取和分类的其它技术得到进一步处理。压缩和增强的数据随后扩展回三维形式以便显示(display)或其它处理。此处理似乎是直接变换数据而不是得出随后与原输入数据组合的模型。奇异值分解是可用于执行KL变换的一种方法。
在USP 4,910,716中，公开了一种基于Karhunen-Loeve变换抑制地震数据中相干噪声的方法。此方法选择包含不必要相干噪声的区域。从该噪声协方差矩阵确定的特征向量用于重构整个数据集的噪声。从原数据减去重构得到了残数，残数中相干噪声已被抑制。将此方法应用到海上地震数据的炮点记录(shot record)将示出过程不抑制实际地震数据上的噪声。但是，此模型及其减法寻求将噪声建模为与信号相反，并且似乎不在已变换输出数据上将输入数据或信号连续性上的任何信号倾斜(signal dip)考虑在内。
USP 4,905,204中公开了一种从一群独特的单独输入迹线(trace)的集合的相应加权函数得到的加权函数为迹线堆叠(trace stack)开发加权函数的迹线加权法。还公开了一种用于开发结果加权迹线堆叠的方法和利用从多个相关地震道(seismic trace)的加权函数操作进行噪声抑制的方法。虽然此公开内容论述迹线加权和相加，但它未公开使用KL变换建立模型迹线。它也未建议基于输入数据倾斜(data dip)，借助于平化静校正(flattening statics)的预处理步骤。
在USP 5,892,732中，公开了用于碳氢化合物(hydrocarbon)勘探的方法和设备，包括以下步骤：获得在陆地预定三维体分布的地震信号迹线；将三维体分成至少具有部分两个地震道位于其中的多个分析单元；计算每个单元内地震道的外积(outer product)；从这些外积形成每个单元的协方差矩阵；计算每个单元的协方差矩阵主特征值和特征值之和，并从每个单元协方差矩阵的主特征值与特征值之和的比计算地震属性；以及形成选定单元组的地震属性图。此方法明显使用特征值分析得出与一个位置中迹线相关联的属性。它未公开或建议信号重构或建模和减除的步骤。
直接将数据从输入变换到最终输出暴露了变换本身的局限性。这些局限性将它们自身显示为输出数据上的假影。假影可由在KL变换期间限制主分量的数量而引起，特别是对于具有非线性倾斜的信号。虽然直接变换数据将可降低噪声，但这样付出的代价是使信号失真。此效应在不需要过滤生效的优质数据区会变得更糟。
因此，本发明的目的是提供一种地震数据处理方法，通过使处理适应数据并仅对需要之处的数据应用处理而克服对强信号过度过滤的不利副作用。
本发明的另一目的是提供一种可适用于处理二维(2D)和三维(3D)输入数据的方法。
本发明的又一目的是提供一种避免大量横向混合并且不会使优质数据的分辨率降低的噪声衰减方法。
本发明的另一目的是提供一种以层位一致的方式横向均衡信噪比的方法。
发明内容
上述目的的其它优点可通过本发明方法得到，本发明方法广泛包括需要对显示较差信噪比的反射信号重构的地震数据处理。方法包括预处理目标区的输入数据；计算信号模型；估计迹线信号连续性；将特殊加权应用到模型迹线；以及输出最后的处理数据。
下面提供了这些数据处理和分析步骤的每个步骤中采用的子例程的更详细说明。本发明方法只在需要之处通过保持输入数据的原细节并避免对优质数据不必要的过滤而重构信号。
本发明方法包括基于Karhunen-Loeve变换的信号建模主步骤，之后是作为第二步骤的自适应加回处理(add-back processing)。Karhunen-Loeve(“KL”)变换用于从所有输入数据对的点积形成协方差矩阵。随后为此矩阵计算特征值和特征向量。通过只对最强特征向量(strongest eigenvector)的逆变换，得到与随机噪声相反的无噪声信号估计。为描述本发明，这些特征向量在由其特征值缩放(scale)时在本文称为“主”分量。无噪声信号估计在本发明下面说明中有时称为信号的“模型”。这些相对相干主分量用作所需重构信号的模型。
模型加回步骤是利用第一步骤的信号模型数据和输入组合而形成输出的自适应进程。信号模型的作用或加回由信号模型内发现的连续性属性控制。通过在数据连续处将加回步骤最小化，优质信噪比数据将由本发明处理更改很少，并且劣质(poor quality)的不连续数据将受益于估计相干信号的增大作用。
使用本发明方法的一个重要优点是为信号电平恢复横向平衡而没有空间滤波对优质数据具有的不合需要的副作用，如横向混合。本发明方法的实践最终在地震数据中产生了改进的信噪比。方法可利用2D和3D输入数据。
在本文使用时，术语“优质信噪比数据”和“优质数据”指已采集和处理为相对较高信噪比(即较低噪声电平)的数据。这些数据将具有如从模型计算得出的连续性的相对较高值。相应地，在这些区域中对输出数据的模型作用将最小。
术语“主估计和重构”和缩略词“PEAR”在本文使用时要理解为对本发明方法的简化引用。在本文使用时，以下术语具有所示含意：“digistack输出”指倾斜加权和求和方法，并且“FK功率/混合输出”指频率波数求幂和求和方法。
处理的自适应加回步骤涉及将输入数据与模型数据组合以形成输出。模型的作用或加回由相同模型中发现的连续性确定而控制。通过限制数据持续处的加回，优质信噪比数据将由本发明处理更改很少；相反，不连续数据将受益于信号估计的增大作用。
附图说明
下面将参照附图进一步描述本发明方法实践和得到的有益改进，其中时间以秒为单位记录，并且在左侧出现的“输入”显示是使用常规现有技术方法准备的，在右侧且有时标有“PEAR”的显示是使用本发明方法获得的；以及其中：
图1是本发明的主要估计和重构(PEAR)方法流程图；
图2是证实噪声问题的现有技术的2D地震剖面图形显示；
图3是示出KL变换应用到图2数据的2D地震数据缩放显示；
图4是2D地震数据显示，示出平化输入的KL变换和绘在顶部的计算的标量(scalar)；
图5是2D地震数据显示，示出应用平化静校正到输入数据、模型和PEAR输出数据；
图6是具有应用到输入的平化静校正的2D地震数据及本发明方法的PEAR输出的显示；
图7是图2的2D地震数据显示，示出利用倾斜加权和求和以形成最终输出的现有技术方法；
图8是前面2D地震数据显示，示出利用频率波数(FK)求幂形成模型，之后与输入相加以形成最终输出显示的现有技术方法；
图9是2D地震数据的比较显示，比较使用本发明方法与图7和8现有技术方法的结果图形显示；
图10是3D地震数据示例，示出具有比较输入和应用本发明方法到输入的结果的描述的垂直剖面；
图11是3D地震数据示例，示出比较输出和本发明方法获得的输出的水平时间片剖面；
图12是具有垂直剖面的第二3D地震数据示例，示出根据现有技术的具有控制层位(horizon)的输入数据；
图13是第二3D地震数据示例剖面，比较了输入数据和本发明方法获得的结果输出显示；
图14是3D放大垂直剖面，比较了常规输入和本发明方法获得的输出；
图15是在1400毫秒级的时间片3D水平视图，比较了输入和本发明方法获得的输出；
图16是在1800毫秒级的时间片3D水平视图，比较了输入和本发明方法获得的输出；
图17是在图16的时间片的3D放大水平视图，比较了输入和本发明方法获得的输出；
图18是在图16的时间片的另一3D放大水平视图，比较了输入和本发明方法获得的输出；
图19是在2000毫秒级的时间片的3D水平视图，比较了输入和本发明方法获得的输出；
图20是在2800毫秒级的时间片的3D水平视图，比较了输入和本发明方法获得的输出；以及
图21是在图20的时间片的3D放大水平视图，比较了输入和本发明方法获得的改进输出。
具体实施方式
如上所述，本发明的主估计和重构(PEAR)方法不同于焦点在于降低噪声电平而改进信噪比的典型方法，这是因为PEAR均衡(balance)信号电平，这具有改进信噪比的效应。为获得此结果，PEAR利用信号估计，甚至在差数据区也如此。此估计是通过使用输入数据的Karhunen-Loeve变换而对输入数据进一步处理而得以提供。
PEAR方法可通过能够由技术领域通常熟知的计算机系统执行的现有可商用软件程序和模块而实现为一系列步骤。工作流可如参照图1所示描述。
图1是本发明的主要估计和重构(PEAR)方法100流程图。方法100包括五个主要步骤，包括预处理目标区的输入数据110，计算信号模型200，估计迹线信号连续性300，空间加权模型迹线400及输出最后数据500。
方法100从102开始，并继续到步骤110，在该步骤中执行目标区输入数据的预处理。目标区输入数据预处理包括从真实的幅度输入地震反射数据112开始，并得到目标区114。更具体地说，步骤110包括选择关注的地质层位(geologic horizon)；在数据库中存储时间(times)；从数据库检索时间；从时间计算平化静校正；应用平化静校正到输入数据；保留近平化时间的地震数据窗口和输出；以及显示用于质量控制的平化数据。
在步骤200，计算信号模型。如下面更详细论述的一样，信号模型通过以下步骤计算得出：a.选择时间和空间窗口段；b.将选定窗口重叠30％到50％；c.在每个段上执行Karhunen-Loeve变换(对于3D数据，分别变换主测线(inline)和副线(subline)方向)；d.通过输出主分量，例如前4-8个主分量，估计相干信号；e.合并信号模型段(对于3D数据，合并主测线和交叉线(crossline)估计)；f.输出信号模型数据；以及g.应用质量控制到信号模型数据显示。
在步骤300，估计迹线信号(trace signal)连续性。估计迹线信号连续性包括：a.在信号模型中将相邻迹线互相关；b.查找互相关的绝对最大值；c.在数据库中将最大值存储为相似性(semblance)；以及d.应用质量控制到相似性显示。
在步骤400，通过计算迹线标量(trace scalar)410和应用标量到预处理的信号模型迹线420，执行模型迹线的空间加权。具体而言，步骤400包括：a.添加小数值到相似性(例如，0.001)；b.倒置(invert)相似性；c.对倒置的相似性进行可选地幂缩放(exponential scaling)(幂1或2)；d.可选地缩放结果值(标量1到0.5)；e.在数据库中存储迹线标量；f.应用质量控制到迹线标量显示；g.将标量应用到预处理的信号模型迹线；以及h.应用质量控制到缩放的(scaled)信号模型迹线显示。
在步骤500，提供最后数据输出。在步骤502，为在共迹线位置的平化输入和模型迹线执行加法。迹线幅度均衡化可选择应用到相加的迹线。此外，从相加的数据去除平化静校正。在步骤504，合并其它层的输出。在步骤506，生成最后体(final volume)的输出，并且将习惯的质量控制技术应用到最后体显示。
正如从上面步进式描述将明白的一样，通过PEAR方法的信号重构不同于其目的是噪声衰减而不是信号重构的现有技术的典型噪声衰减方法。本发明方法由于只在较差数据区操作，因此，方法也消除或大大降低现有技术噪声衰减方法形成的过滤假影(filter artifact)。
本发明方法的另一方面是在预处理步骤期间在目标层位上使用平化静校正。这使大多数目标信号包括在KL变换的最强主分量中，由此提供了不包括噪声在内的更佳信号估计。
本发明的另一重要特性是基于如相邻迹线之间互相关函数最大绝对幅度给定的横向连续性估计的逆(inverse)，而进行信号模型数据的空间加权。此步骤仅在数据不连续处，即在质量较差的数据区中应用进一步的信号处理。优质数据区相对保留不受信号处理的影响，因此，总体效果是数据中恢复的横向平衡。此步骤使本发明方法不同于对劣质和优质数据区均过滤，其效果是使优质数据区中留下过滤假影的现有技术那些程序或方法。
本发明方法通过控制在输出数据中如何使用变换数据而将过滤假影降到最低。此控制步骤分两步实现：首先，选择性地将相干信号模型与输入数据组合以形成最终输出，以及其次，通过从目标层位倾斜得到的平化静校正预处理输入数据。
本发明方法通过在劣质数据区中利用KL变换来估计较弱或被抑制的信号，同时在展示优质信号的区中避免过滤副作用。总体效果是恢复信号的横向平衡而对数据的优质部分无大改变。因此，较差区的数据恢复被估计和重构，而优质数据区保留其原特征和分辨率。
本发明方法将数据变换成模型，而不是直接将KL变换直接应用到数据以产生最后结果。模型被加权，并随后加回到原输入数据以产生最后结果。此方法不同于只简单过滤输入数据并直接输出最后结果的那些现有技术方法。
本发明方法可应用到堆叠式(stacked)二维(2D)和三维(3D)地震数据。堆叠由各个地震道的共深度点(common depth point)相加而形成。地震道由现场调查中一个源和一个接收器位置的独特组合而形成。共深度点的表面位置位于源与接收器组合之间的中间。
Karhunen-Loeve变换的存储器要求需要在最终重新组合以形成最后信号模型的范围中处理输入数据。方法可在数据的几个时间窗口上运行，即关注的每个面向层间的区一个窗口。数据的极窄和极深部分也单独运行和组合以输出。每个时间窗口与相邻时间窗口合并以形成最终输出。
对于3D数据，信号模型可选择地由两次执行KL变换生成。第一次执行定向在主测线方向，并且第二次执行定向在交叉线方向。两个估计相加以形成最后的信号模型。
方法也应用到未堆叠的地震数据。在此实施例中，方法应用到共源、共接收器和共深度点或共方位角数据群(data ensemble)。
在特定示例或项目的PEAR处理后，可选择添加频谱缩放(spectralscaling)(也称为频谱均衡化)。但是，此另外的步骤或数据处理不是本发明PEAR处理的一部分。
相对于应用迹线幅度均衡化到相加迹线的可选步骤5(b)，在应用本发明方法中已发现，相干信号模型中的异常低幅度迹线可造成可偏置相加迹线幅度的大离群值标量值。应用迹线均衡化(基于RMS幅度)是必要的。如果处理准则禁止使用此缩放方法，则只要习惯的标量值质量控制包括任何离群值编辑，它便可去除。
方法包括在将模型加回到原输入数据前使用参数控制模型加权。
方法的又一实施例包括使用不同的方法得到信号模型，例如，通过迹线混合(trace mix)或频率波数(FK)滤波器，之后是模型和输入的相同自适应加法以产生输出数据。正如本领域的技术人员将理解的一样，FK滤波通常将产生连续形式的输入数据。
虽然诸如FK滤波的一种方法可产生更连续的版本，但KL变换更好地保留了输入数据的精细细节，因此，最终输出显示比使用过滤方法的显示分辨率更高。
本发明方法已成功在2D和3D地震调查中用于识别生产场地。在下面的示例中，呈现了一个2D调查和两个不同3D调查的图形显示。
参照图2，2D地震剖面的图形显示证实了噪声效应问题。此显示的数据尚未根据本发明的PEAR方法处理。鉴于在解释此显示时明显的缺陷和困难，将根据用于改进信噪比的现有技术进行尝试。图3示出输入数据两个示例KL变换的结果，其中，KL变换应用到显示在左列的输入数据，中间列中显示两个主分量，并且右边列中显示五个主分量。
在目标级上平化图3的输入地震数据，并且使用图3的五个主分量平化图3的KL变换数据时，得到图4显示的结果。图5的上部也包括计算的标量(computed scalar)图形显示。
现在参照图5，它示出应用本发明PEAR方法的结果。如在前面图中一样，两个二维地震输入数据在左侧显示，平化静校正已应用以产生此显示。估计的信号模型在中间呈现，并且PEAR进程的输出在右侧显示。连续性的改进很明显。图6是已应用平化静校正的二维地震数据的又一示例，输入在顶部显示，并且在应用PEAR处理方法后的输出在底部显示。“平化”引用指数据已在目标区平化和窗口化。同样地，此处图形显示质量的改进明显。
在图7和8中，分别在底部图形显示中示出了倾斜加权和相加及F-K求幂和相加的现有技术方法应用；输入数据在顶部显示中示出。
现在参照图9，此最后的2D比较示出对于同一剖面在顶部显示中本发明PEAR方法应用的结果、图6(倾斜加权)的显示和在底部的图7(F-K求幂)显示。同样地，此处由本发明方法应用到数据产生的数据图形显示连续性改进远远大于所述两个现有技术方法任一获得的连续性。
图10-21提供比较的3D地震示例。左上边的图例表示用于为地震数据空间定向的编号系统。这些引用可包括共深度点(CDP)、近表面源点(SHOT)、用于3D体的交叉线号(CDPLBLX)及用于3D体的线上编号(CDPLBLS)。所有这些标号转而与最终由笛卡尔(X、Y和Z)坐标引用的地面某一物理位置有关。在典型的3D地震体(seismicvolume)中，第三轴(z)通常是双程走时(two way traveltime)。因此，时间引用在所有图形中以秒或毫秒为单位。3D地震体的水平时间剖面是单个双程走时的X和Y维轮廓(profile)。
图10示出第一个比较3D显示，在标识为“1667”的交叉线的垂直视图输入堆叠在左侧；右侧示出使用PEAR方法处理后的输出。同样地，使用本发明方法的显示连续性改进明显。图11中使用相同测试的数据，比较了在1800毫秒处的时间片3D水平视图，输入在左侧示出，在根据本发明的PEAR处理后的改进图形显示在右侧。
图12示出第二3D地震示例的数据。这是在副线3663的垂直视图；定义目标区的控制层位(control horizon)为参考目的而绘出。时间以秒换算。图13显示图12地震数据的比较显示，输入数据在左侧，PEAR处理的输出数据显示在右侧。在大部分实例中，劣质的数据呈现了改进的连续性，而优质数据区保留其原特征。
在图14中，沿与图12和13相同的副线3663提供了放大的垂直视图，同样地，输入数据显示在左侧，PEAR处理后更加完整和连续的数据在右侧。
第二示例的另外3D数据分别在图15和16中在1400毫秒和1800毫秒时间片处以水平视图的形式呈现。在这两个图形中，常规处理的数据显示在左侧，PEAR处理后改进的显示呈现在右侧。
相同的3D数据在1800毫秒时间片处作为两个不同的放大水平视图显示在图17和18中。在两个实例中，与左侧视图上显示的常规处理相比，右侧显示提供了在PEAR处理后明显更好的信息。
图19、20和21分别在2000、2800和2800毫秒处呈现了第二示例的类似系列3D水平视图。时间片已放大，以进一步指示与常规处理(在左侧)相比，在右侧已根据本发明进行PEAR处理的数据显示改进的质量。
正如本领域的技术人员将明白的一样，在图2-21中呈现的比较结果从本发明方法产生了与现有技术处理方法得到的显示相比，在质量较差的数据区大大改进且在优质数据区保留输入数据特征的显示。
本发明方法可通过现有软件程序实践，以及通过从商用地震数据处理软件库汇编所需软件模块和实用程序来实践。所需的程序之一是跟踪和平化数据的模块。第二个模块是用于对平化的数据进行KL变换。第三个模块可自适应将变换的数据添加到输入数据。最后，第四个模块用于去除平化静校正和输出最后数据。
适合在本发明中使用的地震处理模块可从商用软件提供商获得。在本发明实践中，发现可从Paradigm Geophysical获得并以Focus和Disco品牌在市场销售的程序中包括的模块是有用的。
正如从上述说明将明白的一样，本发明包括用于从包含可变信号电平和噪声能量的输入地震数据重构信号能量的地震数据处理改进方法。输出数据通过组合输入数据和建模信号能量的新颖方法获得。本发明方法的一个重要益处是恢复信号电平的横向平衡而没有不合需要的副作用，如与现有技术过滤进程相关联的优质数据横向混合。方法产生了在关注的整个地震层位平衡上的信噪比。
正如本领域的技术人员将明白的一样，在存在大量“无数据”区的环境中，如输入数据由随机数组成的情况，这些随机数在由PEAR方法处理时，将产生其正确性只可由最终用户解释确认并因而需要解释性判断的结果。此类解释性判断的实行在本领域的技术范围内，并且在其它数据分析上下文中例行应用。
Claims (21)
1.一种重构劣质地震数据信号以改进所述数据的信噪比以用于与碳氢化合物开采的钻井井场选择有关的显示和地质分析的方法，所述方法包括以下步骤：
a.通过应用Karhunen-Loeve变换到目标区采集的选定输入地震数据以从输入数据的所有对的点积形成协方差矩阵，而提供信号模型；
b.计算所述矩阵的特征值和特征向量，并逆变换最重要特征向量以提供无噪声信号的相干估计以定义所述信号模型；
c.基于与来自地表或近地表不规则性的横向变化的信噪比相关联的所述信号估计数据的连续性属性，而组合所述输入数据和所述信号模型数据，其中，组合所述输入数据和所述信号模型在所述信号模型数据连续处被降到最小，并且任何不连续数据由所述信号估计数据的作用而增强；以及
d.显示所述目标区的重构的地震数据以便分析。
其中，所述方法还包括在提供所述信号模型前对所述目标区的所述输入数据预处理的步骤。
2.如权利要求1所述的方法，其特征在于，所述输入数据预处理包括将选定地质层位的真实幅度输入地震反射数据提供到第一程序模块。
3.如权利要求2所述的方法，其特征在于，所述输入数据预处理包括计算平化统计并应用平化统计到所述选定地质层位的所述输入数据。
4.如权利要求3所述的方法，其特征在于，所述输入数据预处理包括将所述平化地震数据输出到第二模块，用于计算信号模型。
5.如权利要求4所述的方法，其特征在于，所述输入数据预处理包括定义多个时间和空间窗口段，并将所述定义的窗口段重叠至少5％到30％。
6.如权利要求1所述的方法，其特征在于，所述最重要特征向量是在所述变换的前4到8个主分量范围内。
7.如权利要求5所述的方法，其特征在于，应用所述Karhunen-Loeve变换包括在每个窗口段上执行Karhunen-Loeve变换。
8.如权利要求1所述的方法，其特征在于，信号模型的提供还包括合并信号模型段和输出所述信号模型数据。
9.如权利要求1所述的方法，其特征在于，在所述信号估计数据作用下的所述增强包括以下步骤：
通过所述信号模型中相邻迹线的互相关而估计信号连续性；以及
基于相似性计算所述互相关函数中的绝对最大值，并显示所述相似性。
10.如权利要求9所述的方法，其特征在于，还包括：
通过添加数值以提供非零相似性，而对所述模型迹线进行空间加权；
倒置所述结果增大的相似性；以及
将所述结果在数据库中存储为迹线标量。
11.如权利要求10所述的方法，其特征在于，还包括：
显示所述迹线标量；
将所述标量应用到加权的信号模型迹线；以及
显示所述加权的信号模型迹线。
12.如权利要求1所述的方法，其特征在于，分析所述重构地震数据的所述显示还包括：
在共迹线位置将所述平化输入和模型迹线相加；
从所述相加的数据减去所述平化统计；以及
合并来自所述目标区中其它层的所述数据输出。
13.如权利要求1所述的方法，其特征在于，所述地震数据包括堆叠的二维地震数据。
14.如权利要求1所述的方法，其特征在于，所述地震数据包括堆叠的三维地震数据。
15.一种为预定义地质体重构劣质的近表面地震数据信号以改进所述数据的信噪比以便显示和分析的方法，所述方法包括以下步骤：
a.将目标区体的真实幅度输入地震反射数据提供到第一程序模块；
b.计算平化统计并应用平化统计到选定地质层位的所述输入数据；
c.将所述平化地震数据输出到第二模块以便计算信号模型；
d.定义多个时间和空间窗口段并将所述定义的窗口段重叠至少5％到30％。
e.在每个窗口段上执行Karhunen-Loeve变换；
f.从所述变换的4到8个主分量输出以提供估计的信号模型；
g.合并所述信号模型段并输出所述信号模型数据；
h.通过所述信号模型中相邻迹线互相关而估计信号连续性，并且基于相似性和显示相似性计算所述互相关函数中的绝对最大值；
i.通过添加数值以提供非零相似性，而对所述模型迹线进行空间加权，倒置所述结果增大的相似性，以及将所述结果在数据库中存储为迹线标量；
j.显示所述迹线标量，将所述标量应用到所述加权的信号模型迹线，以及显示所述加权的信号模型迹线；
k.在共迹线位置将所述平化输入和模型迹线相加，从所述相加的数据减去所述平化统计，并合并所述目标区中其它层的数据输出；以及
l.显示所述体的所述重构数据以便分析。
16.如权利要求15所述的方法，其特征在于，在堆叠的二维地震数据上执行。
17.如权利要求15所述的方法，其特征在于，在堆叠的三维地震数据上执行。
18.如权利要求17所述的方法，其特征在于，在每个窗口段上所述Karhunen-Loeve变换的执行包括单独地变换主测线和副线方向。
19.如权利要求17所述的方法，其特征在于，信号模型段的合并包括合并主测线和交叉线估计。
20.一种重构劣质地震数据信号以改进所述数据的信噪比的方法，用于与碳氢化合物开采的钻井井场选择相关的显示和地质分析，所述方法包括以下步骤：
a.在提供信号模型前预处理目标区的输入数据，所述输入数据预处理包括将选定地质层位的真实幅度输入地震反射数据提供到第一程序模块，计算平化统计并应用平化统计到所述选定地质层位的所述输入数据，以及将所述平化地震数据输出到第二模块，以便计算所述信号模型；
b.通过应用Karhunen-Loeve变换到所述目标区的采集的、选定的输入地震数据以从输入数据的所有对的点积形成协方差矩阵，而提供信号模型；
c.计算所述矩阵的特征值和特征向量，并逆变换所述最重要特征向量，以提供所述无噪声信号的相干估计以定义所述信号模型；
d.基于所述模型数据缺乏连续性的确定，而组合所述输入数据与所述信号模型数据，由此所述优质信噪比数据经历很少的更改，并且任何不连续的数据在所述信号估计数据作用下得以增强；
e.显示所述目标区的所述重构地震数据以便分析。
21.如权利要求20所述的方法，其特征在于，所述输入数据预处理包括定义多个时间和空间窗口段，并将所述定义的窗口段重叠至少5％到30％。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US11/231,061 | 2005-09-19 | ||
| US11/231,061 US7333392B2 (en) | 2005-09-19 | 2005-09-19 | Method for estimating and reconstructing seismic reflection signals |
| PCT/US2006/036573 WO2007035787A2 (en) | 2005-09-19 | 2006-09-19 | Method for estimating and reconstructing seismic reflection signals |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101310196A CN101310196A (zh) | 2008-11-19 |
| CN101310196B true CN101310196B (zh) | 2012-03-07 |
Family
ID=37883896
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2006800424089A Expired - Fee Related CN101310196B (zh) | 2005-09-19 | 2006-09-19 | 估计和重构地震反射信号的方法 |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US7333392B2 (zh) |
| EP (1) | EP1934635A4 (zh) |
| CN (1) | CN101310196B (zh) |
| CA (1) | CA2622961C (zh) |
| NO (1) | NO340700B1 (zh) |
| WO (1) | WO2007035787A2 (zh) |
Families Citing this family (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008142495A1 (en) * | 2007-05-17 | 2008-11-27 | Spectraseis Ag | Seismic attributes for reservoir localization |
| WO2009051900A2 (en) * | 2007-10-17 | 2009-04-23 | Exxonmobil Upstream Research Company | Method to adapt a template dataset to a target dataset by using curvelet representations |
| US8781749B2 (en) * | 2007-12-28 | 2014-07-15 | Westerngeco L.L.C. | Attenuating noise in seismic data |
| CN104614766B (zh) * | 2008-05-22 | 2017-10-13 | 埃克森美孚上游研究公司 | 地震层位骨架化 |
| WO2010077568A1 (en) | 2008-12-17 | 2010-07-08 | Exxonmobil Upstream Research Company | System and method for performing time-lapse monitor surveying using sparse monitor data |
| EP2376946A4 (en) | 2008-12-17 | 2017-02-22 | Exxonmobil Upstream Research Company | System and method for reconstruction of time-lapse data |
| US8315124B2 (en) * | 2009-07-20 | 2012-11-20 | Saudi Arabian Oil Company | System and method for suppression of seismic multiple reflection signals |
| US20120253681A1 (en) * | 2011-03-31 | 2012-10-04 | Chevron U.S.A. Inc. | System and method for processing seismic data |
| US9488047B2 (en) | 2011-04-04 | 2016-11-08 | Conocophillips Company | Reservoir calibration parameterization method |
| EP3410160A1 (en) * | 2011-04-18 | 2018-12-05 | Halliburton Energy Services Inc. | Method for real-time downhole processing and detection of bed boundary for geosteering application |
| EP2724181B1 (en) * | 2011-06-24 | 2020-08-19 | ION Geophysical Corporation | Method and apparatus for seismic noise reduction |
| US20130261981A1 (en) * | 2012-04-03 | 2013-10-03 | Westerngeco L.L.C. | Covariance estimation using sparse wavelet representation |
| CA2838857C (en) * | 2013-01-15 | 2021-10-26 | Cgg Services Sa | Seismic data processing including true-azimuth three-dimensional internal multiple attentuation without subsurface information |
| US9730098B2 (en) * | 2013-11-25 | 2017-08-08 | At&T Mobility Ii Llc | Knowledge discovery and data mining-assisted multi-radio access technology control |
| WO2015128732A2 (en) | 2014-02-25 | 2015-09-03 | Cgg Services Sa | Subterranean formation monitoring using frequency domain weighted analysis |
| US9983680B2 (en) * | 2015-03-23 | 2018-05-29 | Intel Corporation | Gesture recognition mechanism |
| US9952676B2 (en) | 2015-06-25 | 2018-04-24 | Intel Corporation | Wearable device with gesture recognition mechanism |
| US10324494B2 (en) | 2015-11-25 | 2019-06-18 | Intel Corporation | Apparatus for detecting electromagnetic field change in response to gesture |
| US10338255B2 (en) | 2016-04-15 | 2019-07-02 | Pgs Geophysical As | Noise attenuation |
| US10298282B2 (en) | 2016-06-16 | 2019-05-21 | Intel Corporation | Multi-modal sensing wearable device for physiological context measurement |
| CN109490983B (zh) * | 2018-11-02 | 2019-12-17 | 西南石油大学 | 一种储层地质力学参数自动拟合方法及系统 |
| US11353612B2 (en) * | 2019-03-11 | 2022-06-07 | Saudi Arabian Oil Company | Nonstationary maximum likelihood method to estimate dispersion spectra for full waveform sonic logging |
| GB2585216B (en) * | 2019-07-02 | 2021-12-01 | Equinor Energy As | Improved inversions of geophysical data |
| EP3862782A1 (en) * | 2020-02-04 | 2021-08-11 | Infineon Technologies AG | Apparatus and method for correcting an input signal |
| US11906679B2 (en) * | 2021-09-13 | 2024-02-20 | Saudi Arabian Oil Company | Systems and methods for detecting seismic discontinuities by coherence estimation |
Family Cites Families (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4905204A (en) * | 1988-09-06 | 1990-02-27 | Exxon Production Research Company | Method of weighting a trace stack from a plurality of input traces |
| US4910716A (en) | 1989-01-31 | 1990-03-20 | Amoco Corporation | Suppression of coherent noise in seismic data |
| US5047991A (en) * | 1989-04-28 | 1991-09-10 | Schlumberger Technology Corporation | Lithology identification using sonic data |
| US5245587A (en) | 1990-12-14 | 1993-09-14 | Hutson William H | Multi-dimensional signal processing and display |
| US5291137A (en) * | 1992-11-02 | 1994-03-01 | Schlumberger Technology Corporation | Processing method and apparatus for processing spin echo in-phase and quadrature amplitudes from a pulsed nuclear magnetism tool and producing new output data to be recorded on an output record |
| EP0638869B1 (de) | 1993-08-13 | 1995-06-07 | Siemens Aktiengesellschaft | Verfahren zur hochauflösenden Spektralanalyse bei mehrkanaligen Beobachtungen |
| CA2220274C (en) | 1996-04-12 | 2005-06-28 | Amoco Corporation | Method and apparatus for seismic signal processing and exploration |
| US6141622A (en) * | 1996-11-15 | 2000-10-31 | Union Oil Company Of California | Seismic semblance/discontinuity method |
| US6370477B1 (en) * | 1996-11-22 | 2002-04-09 | Schlumberger Technology Corporation | Compression method and apparatus for seismic data |
| GB2337591B (en) * | 1998-05-20 | 2000-07-12 | Geco As | Adaptive seismic noise and interference attenuation method |
| DE19904347C2 (de) * | 1999-02-03 | 2002-08-14 | Henning Trappe | Verfahren zur seismischen Datenverarbeitung |
| WO2002003099A2 (en) * | 2000-06-30 | 2002-01-10 | Exxonmobil Upstream Research Company | Method for imaging discontinuities in seismic data using dip-steering |
| AU2001275887A1 (en) * | 2000-07-12 | 2002-01-21 | Cornell Research Foundation Inc. | Method and system for analyzing multi-variate data using canonical decomposition |
| DE10053213A1 (de) | 2000-10-26 | 2002-06-13 | Siemens Ag | Verfahren zum Übertragen digitaler Daten über mehrere Datenübertragungsnetze, zugehörige Einheiten und zugehöriges Programm |
| JP2003122999A (ja) * | 2001-10-11 | 2003-04-25 | Honda Motor Co Ltd | 故障に対する対応方法を提供するシステム、プログラムおよび方法 |
| US6868341B2 (en) * | 2002-12-23 | 2005-03-15 | Schlumberger Technology Corporation | Methods and apparatus for processing acoustic waveforms received in a borehole |
| US6950751B2 (en) * | 2003-03-31 | 2005-09-27 | Conocophillps Company | Method and apparatus for the assimilation and visualization of information from 3D data volumes |
| US7197399B2 (en) * | 2005-01-13 | 2007-03-27 | Bp Corporation North America, Inc. | Method of multiple attenuation |
| US7149630B2 (en) * | 2005-01-13 | 2006-12-12 | Bp Corporation North America Inc. | Method of DMO calculation for use in seismic exploration |
| US7706992B2 (en) * | 2005-02-23 | 2010-04-27 | Digital Intelligence, L.L.C. | System and method for signal decomposition, analysis and reconstruction |
-
2005
- 2005-09-19 US US11/231,061 patent/US7333392B2/en active Active
-
2006
- 2006-09-19 CN CN2006800424089A patent/CN101310196B/zh not_active Expired - Fee Related
- 2006-09-19 EP EP06825026A patent/EP1934635A4/en not_active Withdrawn
- 2006-09-19 WO PCT/US2006/036573 patent/WO2007035787A2/en active Application Filing
- 2006-09-19 CA CA2622961A patent/CA2622961C/en not_active Expired - Fee Related
-
2008
- 2008-03-12 NO NO20081324A patent/NO340700B1/no not_active IP Right Cessation
Also Published As
| Publication number | Publication date |
|---|---|
| EP1934635A2 (en) | 2008-06-25 |
| EP1934635A4 (en) | 2012-08-08 |
| WO2007035787A8 (en) | 2008-05-08 |
| WO2007035787B1 (en) | 2008-03-20 |
| WO2007035787A3 (en) | 2007-11-29 |
| CA2622961A1 (en) | 2007-03-29 |
| WO2007035787A2 (en) | 2007-03-29 |
| CA2622961C (en) | 2016-06-14 |
| CN101310196A (zh) | 2008-11-19 |
| US7333392B2 (en) | 2008-02-19 |
| NO20081324L (no) | 2008-06-17 |
| NO340700B1 (no) | 2017-06-06 |
| US20070064535A1 (en) | 2007-03-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101310196B (zh) | 估计和重构地震反射信号的方法 | |
| US6594585B1 (en) | Method of frequency domain seismic attribute generation | |
| Billette et al. | Practical aspects and applications of 2D stereotomography | |
| CN102112894B (zh) | 用地震表面波的波形评估土壤性质 | |
| US7376539B2 (en) | Method for simulating local prestack depth migrated seismic images | |
| Berkhout et al. | Comprehensive assessment of seismic acquisition geometries by focal beams—Part I: Theoretical considerations | |
| EP2778718B1 (en) | Systems and methods for frequency-domain filtering and space-time domain discrimination of seismic data | |
| US20110134722A1 (en) | Simultaneous Joint Inversion of Surface Wave and Refraction Data | |
| US9261616B2 (en) | Dispersion estimation by nonlinear optimization of beam-formed fields | |
| EP2762926B1 (en) | Systems and methods for detecting swell noise in a seismic gather | |
| US9594176B1 (en) | Fast beam migration using plane-wave destructor (PWD) beam forming | |
| Strobbia et al. | Surface waves: processing, inversion and removal | |
| Colombo et al. | Near-surface full-waveform inversion in a transmission surface-consistent scheme | |
| Lellouch et al. | Microseismic analysis over a single horizontal distributed acoustic sensing fiber using guided waves | |
| Lv | Noise suppression of microseismic data based on a fast singular value decomposition algorithm | |
| Chen et al. | 3-D seismic diffraction separation and imaging using the local rank-reduction method | |
| Fagua Duarte et al. | Full-waveform inversion of a Brazilian presalt ocean-bottom node data set using a concentric circle source geometry | |
| US20100265798A1 (en) | Seismic Data Processing Method for RMO Picking | |
| Oropeza | The singular spectrum analysis method and its application to seismic data denoising and reconstruction | |
| de Macedo et al. | On the seismic wavelet estimative and reflectivity recovering based on linear inversion: Well-to-seismic tie on a real data set from Viking Graben, North Sea | |
| Sava et al. | Interferometric imaging condition for wave-equation migration | |
| Rubio et al. | 3-D and 5-D reconstruction of P receiver functions via multichannel singular spectrum analysis | |
| Sah | Encyclopaedia of petroleum science and engineering | |
| Souza et al. | Seismic velocity field estimation using sonic well logs decomposed by Singular Spectrum Analysis (SSA) and Exponentially Weighted Moving Average (EWMA)-A case of study in Recôncavo Basin, Brazil | |
| CN110873894A (zh) | 基于高斯束反偏移的炮记录获取方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120307 Termination date: 20180919 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |