CN103605159A - 一种并行压缩海量地震数据的方法 - Google Patents
一种并行压缩海量地震数据的方法 Download PDFInfo
- Publication number
- CN103605159A CN103605159A CN201310570935.9A CN201310570935A CN103605159A CN 103605159 A CN103605159 A CN 103605159A CN 201310570935 A CN201310570935 A CN 201310570935A CN 103605159 A CN103605159 A CN 103605159A
- Authority
- CN
- China
- Prior art keywords
- geological data
- data
- block
- piecemeal
- geological
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000007906 compression Methods 0.000 title claims abstract description 38
- 230000006835 compression Effects 0.000 title claims abstract description 38
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 12
- 230000008569 process Effects 0.000 claims description 13
- 230000000007 visual effect Effects 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000013459 approach Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 230000000638 stimulation Effects 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 3
- 239000003208 petroleum Substances 0.000 abstract description 2
- 238000006243 chemical reaction Methods 0.000 abstract 1
- 230000004927 fusion Effects 0.000 abstract 1
- 230000016776 visual perception Effects 0.000 abstract 1
- 238000013461 design Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000001235 sensitizing effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Images
Landscapes
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明涉及一种并行压缩海量地震数据的方法，属石油地震勘探数据处理技术领域，其特征在于通过使用CPU将三维地震数据进行转换得到地震数据体数据，并对地震数据体数据进行分解和二次分解，得到地震数据子块和地震数据分块，再将地震数据分块传交给GPU，采用视觉感知模型进行并行压缩，将所有地震数据分块的压缩结果进行融合，得到整个地震数据的压缩结果；本发明可以在保证压缩质量的同时，大大提高地震数据的压缩速度，使得在普通计算机上也可通过常见的GPU进行地震数据的并行压缩，节约了运行成本，使用方便，经济效益好。
Description
技术领域：
本发明涉及一种并行压缩海量地震数据的方法，属石油地震勘探数据处理技术领域。
背景技术：
在地球物理领域，地震勘探是地球物理勘探中重要的方法之一。它是用人工的方法激发地震波，并用地震勘探仪器把大地的震动记录在磁带上，然后用计算机对野外获得的数据进行处理，从而得到有关地下构造和岩性的信息及油气信息。作为石油勘探的首要的环节，地震勘探采集的数据量十分庞大，其数量通常都以TB计。地震数据是描述地下复杂构造的大容量数据，随着三维高分辨率勘探的发展，地震勘探所需的测线和道数越来越多，精度也越来越高，时间采样间隔已达到0.25毫秒，有的工区野外采集的数据能达到几十亿兆甚至几百亿兆字节；另外一方面，由于采用相干体、波阻抗、三瞬等多种三维属性体和众多沿层地震属性及储层参数，对于油藏精细描述，其地震解释数据量还要在原基础上增加10倍之多。地震数据的记录通常使用专用的磁带，一个完整的地震勘探作业所需要的数据记录磁带的数量也十分庞大的，运送起来十分不便。人造地球卫星为地震数据的传送提供了一个快速安全的传输工具，但租用卫星线路的费用十分昂贵，而且占用的通信资源过大，不是一个经济、实用的地震数据传输手段。
由于勘测得到的地震数据量巨大，在进行海量地震数据压缩时所产生的计算量也十分庞大，以往的海量地震数据压缩都只能通过配置强大的超级计算机或专业图形工作站去完成，而超级计算机或专业图形工作站造价都比较昂贵，使用起来也不方便，因此，如何将庞大的地震数据进行有效的、高比例的无损压缩和传输是一个亟待解决的问题。
发明内容：
为了克服现有技术的不足，本发明的目的在于提供一种并行压缩海量地震数据的方法，将三维地震数据进行转换得到地震数据体数据，并对地震数据体数据进行分解和二次分解、采用视觉感知模型进行并行压缩，大大提高了地震数据的压缩速度，节约了运行成本，具有使用方便，经济效益好的特点。
本发明是通过如下技术方案来实现上述目的的。
本发明所提供的一种并行压缩海量地震数据的方法，包括如下步骤：
1、将三维地震数据转换为地震数据体数据：
通过CPU中央处理器，将三维地震数据进行转换，得到地震数据体数据；
所述的对三维地震数据进行转换，是将每一个采样点获得的三维地震数据转换成一个体素，每一个体素有一个对应的采样点得到的三维地震数据的振幅值；
对一个区域进行勘探时，选择该区域的多个地点进行数据采集，每个地点为一个地震道，通过地震勘探仪器在该地点进行数据采集，用垂直于水平面向下的多个采样点来记录大地的震动，并存储到磁带上，每一个地震道被转换成一个体素道，多个体素道即为地震数据体数据；
2、将地震数据体数据分解为地震数据子块：
根据计算机内存的大小，将地震数据体数据分解为地震数据子块，并将其读入计算机内存中；
所述的将地震数据体数据分解为地震数据子块，是将地震数据体数据采用八叉树的结构进行2×2×2的分解，分成地震数据子块，使八叉树的每一个结点对应一个相应的地震数据子块，各地震数据子块存入磁盘中备用；
当地震数据子块属于下列3种情况时，对地震数据子块按八叉树结构进行再次分解；
①地震数据子块中体素的一致性小于用户所确定的临界值；
②地震数据子块的数值大于计算机内存的数值；
③地震数据子块的数值大于用户所确定的最小地震数据子块的数值；
所述的地震数据子块中体素的一致性是指地震数据子块中体素的相似性；
3、将地震数据子块分解为地震数据分块：
根据计算机显存的大小，将地震数据子块分解为地震数据分块，并将其读入计算机显存中；
所述的将地震数据子块分解为地震数据分块，是将地震数据子块数据采用八叉树的结构进行2×2×2的分解，分成地震数据分块，使八叉树的每一个结点对应一个相应的地震数据分块，以得到更小的数据块，并将其读入计算机显存中；
当地震数据分块属于下列3种情况时，对地震数据分块按八叉树结构进行再次分解；
①地震数据分块中体素的一致性小于用户所确定的临界值；
②地震数据分块的数值大于计算机显存的数值；
③地震数据分块的数值大于用户所确定的最小地震数据分块的数值；
所述的地震数据分块中体素的一致性是指地震数据分块中体素的相似性；
4、将地震数据分块采用视觉感知模型进行处理：
在显存中，采用视觉感知模型，将地震数据分块分解为强边、细节和平滑三种不同特性的部分；
所述的视觉感知模型是根据构成人类视觉的刺激的主要的来源是地震剖面的强边部分；
所述的强边是指有较大的亮度变化和较小的边缘宽度的剖面区域；相应的亮度变化强度较小，变化规律性不明显的区域则为细节部分；而平滑部分为亮度缓慢变化的区域；
因此在建立视觉感知模型时需要根据地震剖面的不同成分采取不同的视觉权值；
所述的将地震数据分块分解为强边、细节和平滑三种不同特性的部分，是将地震数据分块划分为强边块、细节块、平滑块3类；
其分类过程为:计算每个地震数据分块的熵值和方差；熵值较小的地震数据分块为平滑块；熵值比较大的地震数据分块为细节块或强边块；方差较小的地震数据分块为细节块，方差较大的地震数据分块为强边块；
5、对地震数据分块三种不同特性的部分进行压缩处理：
GPU图形处理器将地震数据分块的三种不同特性部分进行并行压缩，得到地震数据分块的压缩结果；
所述的并行压缩包括3个部分，(1)对地震数据分块进行快速提升小波变换；(2)根据人眼视觉特性，对地震数据分块的三种不同特性部分赋予不同的视觉权值；(3)利用SPIHT算法进行压缩编码，得到地震数据分块的压缩结果；
5.1快速提升小波变换是通过分裂、预测和更新三个步骤实现信号中的高频部分和低频部分的分离；
5.2视觉权值是通过给三种不同特性部分所对应的小波系数赋予不同视觉权值(敏感区内小波系数赋予大视觉权值)的方法，来保证优先传输视觉上的最重要系数，以便进一步提高地震数据复原质量；
5.3压缩算法，SPIHT算法是通过对重要系数排序并生成重要位，根据生成的重要位逐步逼近每一个小波系数，SPIHT算法使用空间方向树来组织小波系数，空间方向树是指分层结构中的一种空间关系；SPIHT算法采用三个顺序链表进行系数的编码:不重要子集表LIS,不重要系数表LIP和重要系数表LSP；
6、将地震数据分块的压缩结果由显存传回内存，并存贮在计算机硬盘中；
7、重复以上步骤4－6，将所有的地震数据分块进行并行压缩，并将压缩结果存贮在计算机硬盘中；
8、将所有地震数据分块的压缩结果进行融合，得到整个地震数据的压缩结果。
本发明与现有的技术相比，通过使用CPU将三维地震数据进行转换得到地震数据体数据，并对地震数据体数据进行分解和二次分解，得到地震数据子块和地震数据分块，再将地震数据分块传交给GPU，采用视觉感知模型进行并行压缩，可以在保证压缩质量的同时，大大提高地震数据的压缩速度，使得在普通计算机上也可通过常见的GPU进行地震数据的并行压缩，节约了运行成本，使用方便，经济效益好。
附图说明:
图1为本发明一种并行压缩海量地震数据的方法的流程示意图。
图2为本发明的地震数据转换到地震数据体数据的示意图。
具体实施方式：
下面结合附图和实施例对本发明作进一步说明。
实施例：
近年来，GPU(Graphics Processing Unit，图形处理器)技术得到了飞速的发展，作为一种用于个人电脑的专用图形绘制硬件,GPU对并行处理技术的发展有着重大的意义。GPU相对于CPU的主要优势就是速度，GPU的速度优势主要来源于其独特的硬件体系设计。本实施例所提供的一种并行压缩海量地震数据的方法，可使得CPU和GPU并行处理三维地震数据，从而达到使用普通PC即可进行地震数据并行压缩处理的目的。
本发明所提供的一种并行压缩海量地震数据的方法，包括如下步骤：
1、将三维地震数据转换为地震数据体数据：
通过CPU中央处理器，将三维地震数据进行转换，得到地震数据体数据；
为了对海量地震数据进行并行压缩，需要将每一个采样点获得的三维地震数据转换成一个体素，每一个体素有一个对应的采样点得到的三维地震数据的振幅值；
在对一个区域进行勘探时，应选择该区域的多个地点进行数据采集，每个地点为一个地震道，通过地震勘探仪器在该地点进行数据采集，用垂直于水平面向下的多个采样点来记录大地的震动，并存储到磁带上，每一个地震道被转换成一个体素道，多个体素道即为地震数据体数据。
2、将地震数据体数据分解为地震数据子块：
根据计算机内存的大小，将地震数据体数据分解为地震数据子块，并将其读入计算机内存中；
所述的将地震数据体数据分解为地震数据子块，是将地震数据体数据采用八叉树的结构进行2×2×2的分解，分成地震数据子块，使八叉树的每一个结点对应一个相应的地震数据子块，各地震数据子块存入磁盘中备用；
当地震数据子块属于下列3种情况时，对地震数据子块按八叉树结构进行再次分解；
①地震数据子块中体素的一致性小于用户所确定的临界值；
②地震数据子块的数值大于计算机内存的数值；本实施例中，计算机的内存为4GB；具体参数为:三星DDR3,1333MHz,4GB；
③地震数据子块的数值大于用户所确定的最小地震数据子块的数值；
所述的地震数据子块中体素的一致性是指地震数据子块中体素的相似性。
3、将地震数据子块分解为地震数据分块：
根据计算机显存的大小，将地震数据子块分解为地震数据分块，并将其读入计算机显存中；
所述的将地震数据子块分解为地震数据分块，是将地震数据子块数据采用八叉树的结构进行2×2×2的分解，分成地震数据分块，使八叉树的每一个结点对应一个相应的地震数据分块，以得到更小的数据块，并将其读入计算机显存中；
当地震数据分块属于下列3种情况时，对地震数据分块按八叉树结构进行再次分解；
①地震数据分块中体素的一致性小于用户所确定的临界值；
②地震数据分块的数值大于计算机显存的数值；本实施例中，计算机显卡的显存为1.5GB；具体参数为:Nvidia GeForce GTX560M,1536MB；
③地震数据分块的数值大于用户所确定的最小地震数据分块的数值；
所述的地震数据分块中体素的一致性是指地震数据分块中体素的相似性。
4、将地震数据分块采用视觉感知模型进行处理：
在显存中，采用视觉感知模型，将地震数据分块分解为强边、细节和平滑三种不同特性的部分；
所述的视觉感知模型是根据构成人类视觉的刺激的主要的来源是地震剖面的强边部分；
所述的强边是指有较大的亮度变化和较小的边缘宽度的剖面区域；相应的亮度变化强度较小、变化规律性不明显的区域则为细节部分；而平滑部分为亮度缓慢变化的区域；
因此在建立视觉感知模型时需要根据地震剖面的不同成分采取不同的视觉权值；
按照一定分类规则，将地震数据分块分解为强边、细节和平滑三种不同特性的部分，即将地震数据分块划分为强边块、细节块、平滑块3类；
其分类过程为:计算每个地震数据分块的熵值和方差；熵值较小的地震数据分块为平滑块；熵值比较大的地震数据分块为细节块或强边块；方差较小的地震数据分块为细节块，方差较大的地震数据分块为强边块。
5、对地震数据分块三种不同特性的部分进行压缩处理：
对显卡中的数据根据显卡的GPU中的流处理器数量，对其进行自适应分解，在本实施例中选用的显卡GTX560M中包含192个流处理器，因此可以将显存中的数据等分为192份，分配给192个流处理器做并行计算；
在GPU上运行的函数称为核(Kernel)，其特征是操作多个流上的所有元素而不仅是操作独立的元素，执行程序当以异步方式调用核程序。执行程序中的串行部分在CPU上执行，而核则作为并行部分仅在GPU上执行，此时，将GPU上运行的程序划分成栅格(Grid)、块(Block)、线程(Thread)三个线程级别分别实施；根据GPU的架构对三维地震数据做自适应分解，其中，地震分块数据与GPU中的栅格(Grid)对应，分块地震数据中的剖面数据与GPU中的块(Block)对应，剖面数据中的道数据与GPU中的线程(Thread)对应；
GPU图形处理器将地震数据分块的三种不同特性部分进行并行压缩，得到地震数据分块的压缩结果；
所述的并行压缩包括3个部分，(1)对地震数据分块进行快速提升小波变换；(2)根据人眼视觉特性，对地震数据分块的三种不同特性部分赋予不同的视觉权值；(3)利用SPIHT算法进行压缩编码，得到地震数据分块的压缩结果；
5.1快速提升小波变换：
主要是通过分裂、预测和更新三个步骤实现信号中的高频部分和低频部分的分离；
(1)分裂：将原始信号s[n]分裂为两个较小的子集,最简单的方法是采用奇偶分裂，得到偶数部分seven[n]包含s[n]中所有偶数项的值，奇数部分sodd[n]包含s[n]中所有奇数项，即
seven[n]=s[2n]sodd[n]=s[2n+1]
(2)预测：在原始数据相关性的基础上，用偶数部分的值seven[n]来预测奇数部分sodd[n]，s[n]的奇数和偶数部分具有一定的相关性，所以奇数部分可以根据附近的偶数部分数据预测得到，奇数部分的实际值与预测值相减得到信号的高频成分；按下式定义预测算子:
d[n]=sodd[n]-P(seven[n])
则d[n]为信号小波变换的高频成分,即信号的细节部分；
(3)更新：为了使原信号集的某些全局特征在子集seven[n]中继续保持,需要进行更新。引入更新算子U，将其作用于d[n]上,生成一个更好的子集x[n]，更新过程如下:
x[n]=seven[n]+U(d[n])
则x[n]为信号小波变换后的低频部分，即信号的轮廓。对于x[n]重复上述步骤即可实现提升小波变换；
5.2视觉权值：
是通过给三种不同特性部分所对应的小波系数赋予不同视觉权值(敏感区内小波系数赋予大视觉权值)的方法，来保证优先传输视觉上的最重要系数，以便进一步提高地震数据复原质量。由于最粗尺度下高频子带内小波系数的视觉权值的选取与小波分解尺度密切相关，所以按照小波系数能量递减的特点，由粗尺度到细尺度递减视觉权值。本实施例将视觉权值的递减因子选取为4/5，细节块、平滑块、强边块的初始视觉权值设为0.8,1.0,1.2；
5.3压缩算法：
SPIHT算法的基本思想是通过对重要系数排序并生成重要位，根据生成的重要位逐步逼近每一个小波系数，SPIHT算法使用空间方向树来组织小波系数，空间方向树是指分层结构中的一种空间关系。SPIHT算法采用三个顺序链表进行系数的编码:不重要子集表LIS,不重要系数表LIP和重要系数表LSP；SPITH编码的主要步骤:
(1)阈值和有序表的初始化；
(2)顺序扫描：顺序扫描的目的是编码当前位平面的重要系数。由以下两个大的步骤构成:1)顺序扫描LIP中所有小波系数;2)对LIS中的每个表项顺次处理；
(3)精细扫描：对于LSP中的每个表项(i,j)，若(i,j)是新添加的，不是在刚刚进行过的扫描过程，则输出(i,j)的第n个最重要的位；
(4)进行下一次顺序扫描和精细扫描。
6、将地震数据分块的压缩结果由显存传回内存，并存贮在计算机硬盘中。
7、重复以上步骤4－6，将所有的地震数据分块进行并行压缩，并将压缩结果存贮在计算机硬盘中。
8、将所有地震数据分块的压缩结果进行融合，得到整个地震数据的压缩结果。
本发明所提供的一种并行压缩海量地震数据的方法，通过使用CPU将三维地震数据进行转换得到地震数据体数据，并对地震数据体数据进行分解和二次分解，得到地震数据子块和地震数据分块，再将地震数据分块传交给GPU，结合视觉感知模型进行并行压缩，可以在保证压缩质量的前提下，大大提高海量地震数据的压缩速度，使得在普通计算机上也可通过常见的GPU进行海量地震数据的快速压缩，使用方便，并且节约成本。
Claims (6)
1.一种并行压缩海量地震数据的方法，其特征在于包括如下步骤：
（1）、将三维地震数据转换为地震数据体数据：
通过CPU中央处理器，将三维地震数据进行转换，得到地震数据体数据；
（2）、将地震数据体数据分解为地震数据子块：
根据计算机内存的大小，将地震数据体数据分解为地震数据子块，并将其读入计算机内存中；
（3）、将地震数据子块分解为地震数据分块：
根据计算机显存的大小，将地震数据子块分解为地震数据分块，并将其读入计算机显存中；
（4）、将地震数据分块采用视觉感知模型进行处理：
在显存中，采用视觉感知模型，将地震数据分块分解为强边、细节和平滑三种不同特性的部分；所述的视觉感知模型是根据构成人类视觉的刺激的主要的来源是地震剖面的强边部分；所述的强边是指有较大的亮度变化和较小的边缘宽度的剖面区域；相应的亮度变化强度较小，变化规律性不明显的区域则为细节部分；而平滑部分为亮度缓慢变化的区域；
（5）、对地震数据分块三种不同特性的部分进行压缩处理：
GPU图形处理器将地震数据分块的三种不同特性部分进行并行压缩，得到地震数据分块的压缩结果；
所述的并行压缩包括3个部分，(1)对地震数据分块进行快速提升小波变换；(2)根据人眼视觉特性，对地震数据分块的三种不同特性部分赋予不同的视觉权值；(3)利用SPIHT算法进行压缩编码，得到地震数据分块的压缩结果；
（6）、将地震数据分块的压缩结果由显存传回内存，并存贮在计算机硬盘中；
（7）、重复以上步骤4－6，将所有的地震数据分块进行并行压缩，并将压缩结果存贮在计算机硬盘中；
（8）、将所有地震数据分块的压缩结果进行融合，得到整个地震数据的压缩结果。
2.根据权利要求1所述的一种并行压缩海量地震数据的方法，其特征在于所述的对三维地震数据进行转换，是将每一个采样点获得的三维地震数据转换成一个体素，每一个体素有一个对应的采样点得到的三维地震数据的振幅值；对一个区域进行勘探时，选择该区域的多个地点进行数据采集，每个地点为一个地震道，通过地震勘探仪器在该地点进行数据采集，用垂直于水平面向下的多个采样点来记录大地的震动，并存储到磁带上，每一个地震道被转换成一个体素道，多个体素道即为地震数据体数据。
3.根据权利要求1所述的一种并行压缩海量地震数据的方法，其特征在于所述的将地震数据体数据分解为地震数据子块，是将地震数据体数据采用八叉树的结构进行2×2×2的分解，分成地震数据子块，使八叉树的每一个结点对应一个相应的地震数据子块，各地震数据子块存入磁盘中备用；
当地震数据子块属于下列3种情况时，对地震数据子块按八叉树结构进行再次分解；
①地震数据子块中体素的一致性小于用户所确定的临界值；
②地震数据子块的数值大于计算机内存的数值；
③地震数据子块的数值大于用户所确定的最小地震数据子块的数值；
所述的地震数据子块中体素的一致性是指地震数据子块中体素的相似性。
4.根据权利要求1所述的一种并行压缩海量地震数据的方法，其特征在于所述的将地震数据子块分解为地震数据分块，是将地震数据子块数据采用八叉树的结构进行2×2×2的分解，分成地震数据分块，使八叉树的每一个结点对应一个相应的地震数据分块，并将其读入计算机显存中；
当地震数据分块属于下列3种情况时，对地震数据分块按八叉树结构进行再次分解；
①地震数据分块中体素的一致性小于用户所确定的临界值；
②地震数据分块的数值大于计算机显存的数值；
③地震数据分块的数值大于用户所确定的最小地震数据分块的数值；
所述的地震数据分块中体素的一致性是指地震数据分块中体素的相似性。
5.根据权利要求1所述的一种并行压缩海量地震数据的方法，其特征在于所述的将地震数据分块分解为强边、细节和平滑三种不同特性的部分，是将地震数据分块划分为强边块、细节块、平滑块3类；其分类过程为:计算每个地震数据分块的熵值和方差；熵值较小的地震数据分块为平滑块；熵值比较大的地震数据分块为细节块或强边块；方差较小的地震数据分块为细节块，方差较大的地震数据分块为强边块。
6.根据权利要求1所述的一种并行压缩海量地震数据的方法，其特征在于所述的快速提升小波变换是通过分裂、预测和更新三个步骤实现信号中的高频部分和低频部分的分离；所述的视觉权值是通过给三种不同特性部分所对应的小波系数赋予不同视觉权值的方法，来保证优先传输视觉上的最重要系数，以便进一步提高地震数据复原质量；所述的SPIHT算法是通过对重要系数排序并生成重要位，根据生成的重要位逐步逼近每一个小波系数，SPIHT算法使用空间方向树来组织小波系数，空间方向树是指分层结构中的一种空间关系；SPIHT算法采用三个顺序链表进行系数的编码:不重要子集表LIS,不重要系数表LIP和重要系数表LSP。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310570935.9A CN103605159A (zh) | 2013-11-13 | 2013-11-13 | 一种并行压缩海量地震数据的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310570935.9A CN103605159A (zh) | 2013-11-13 | 2013-11-13 | 一种并行压缩海量地震数据的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN103605159A true CN103605159A (zh) | 2014-02-26 |
Family
ID=50123399
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310570935.9A Pending CN103605159A (zh) | 2013-11-13 | 2013-11-13 | 一种并行压缩海量地震数据的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103605159A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104166160A (zh) * | 2014-07-25 | 2014-11-26 | 中国石油天然气集团公司 | 一种地震数据组合方法、装置及系统 |
| CN104202124A (zh) * | 2014-09-12 | 2014-12-10 | 成都博智维讯信息技术有限公司 | 一种erp数据包通讯方法 |
| CN104816742A (zh) * | 2015-05-13 | 2015-08-05 | 张凤亮 | 列车运行灾害预警监测系统 |
| CN105093283A (zh) * | 2014-05-16 | 2015-11-25 | 中国石油化工股份有限公司 | 一种三维观测系统面元属性多线程快速显示方法 |
| CN105512120A (zh) * | 2014-09-22 | 2016-04-20 | 中国石油化工股份有限公司 | 一种地震数据压缩方法、压缩存储结构及随机访问方法 |
| CN107333136A (zh) * | 2017-06-26 | 2017-11-07 | 西安万像电子科技有限公司 | 图像编码方法和装置 |
| CN110555043A (zh) * | 2018-03-30 | 2019-12-10 | 中国石油化工股份有限公司 | 一种基于八叉树的地震数据多级缓存方法 |
| CN110971340A (zh) * | 2019-10-17 | 2020-04-07 | 北京邮电大学 | 基于树状结构的灾情信息编、解码方法和装置 |
| CN111290697A (zh) * | 2018-12-07 | 2020-06-16 | 上海寒武纪信息科技有限公司 | 数据压缩方法、编码电路和运算装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5754793A (en) * | 1995-04-19 | 1998-05-19 | Samsung Electronics Co., Ltd. | Wavelet image compression/recovery apparatus and method using human visual system modeling |
| CN101783939A (zh) * | 2009-01-16 | 2010-07-21 | 复旦大学 | 一种基于人眼视觉特性的图像编码方法 |
| CN103308942A (zh) * | 2012-03-12 | 2013-09-18 | 中国石油天然气股份有限公司 | 一种可视化地震数据的方法及系统 |
-
2013
- 2013-11-13 CN CN201310570935.9A patent/CN103605159A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5754793A (en) * | 1995-04-19 | 1998-05-19 | Samsung Electronics Co., Ltd. | Wavelet image compression/recovery apparatus and method using human visual system modeling |
| CN101783939A (zh) * | 2009-01-16 | 2010-07-21 | 复旦大学 | 一种基于人眼视觉特性的图像编码方法 |
| CN103308942A (zh) * | 2012-03-12 | 2013-09-18 | 中国石油天然气股份有限公司 | 一种可视化地震数据的方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| ANTHONY VASSILIOU ET AL.: "《Comparison of Wavelet Image Coding Schemes for Seismic Data Compression》", 《SPIE PROCEEDINGS》 * |
| 余平等: "《基于提升小波的地震数据压缩编码算法》", 《苏州大学学报（工科版）》 * |
| 谢凯等: "《一种基于人类视觉特性的医学图像压缩算法》", 《上海交通大学学报》 * |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105093283A (zh) * | 2014-05-16 | 2015-11-25 | 中国石油化工股份有限公司 | 一种三维观测系统面元属性多线程快速显示方法 |
| CN105093283B (zh) * | 2014-05-16 | 2017-12-01 | 中国石油化工股份有限公司 | 一种三维观测系统面元属性多线程快速显示方法 |
| CN104166160A (zh) * | 2014-07-25 | 2014-11-26 | 中国石油天然气集团公司 | 一种地震数据组合方法、装置及系统 |
| CN104202124A (zh) * | 2014-09-12 | 2014-12-10 | 成都博智维讯信息技术有限公司 | 一种erp数据包通讯方法 |
| CN104202124B (zh) * | 2014-09-12 | 2017-10-10 | 成都博智维讯信息技术有限公司 | 一种erp数据包通讯方法 |
| CN105512120B (zh) * | 2014-09-22 | 2019-06-04 | 中国石油化工股份有限公司 | 一种地震数据压缩方法、压缩存储方法及随机访问方法 |
| CN105512120A (zh) * | 2014-09-22 | 2016-04-20 | 中国石油化工股份有限公司 | 一种地震数据压缩方法、压缩存储结构及随机访问方法 |
| CN104816742A (zh) * | 2015-05-13 | 2015-08-05 | 张凤亮 | 列车运行灾害预警监测系统 |
| CN107333136A (zh) * | 2017-06-26 | 2017-11-07 | 西安万像电子科技有限公司 | 图像编码方法和装置 |
| CN110555043A (zh) * | 2018-03-30 | 2019-12-10 | 中国石油化工股份有限公司 | 一种基于八叉树的地震数据多级缓存方法 |
| CN111290697A (zh) * | 2018-12-07 | 2020-06-16 | 上海寒武纪信息科技有限公司 | 数据压缩方法、编码电路和运算装置 |
| CN111290697B (zh) * | 2018-12-07 | 2022-01-28 | 上海寒武纪信息科技有限公司 | 数据压缩方法、编码电路和运算装置 |
| CN110971340A (zh) * | 2019-10-17 | 2020-04-07 | 北京邮电大学 | 基于树状结构的灾情信息编、解码方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103605159A (zh) | 一种并行压缩海量地震数据的方法 | |
| Li et al. | Data reduction techniques for simulation, visualization and data analysis | |
| US11009617B2 (en) | Method for fast calculation of seismic attributes using artificial intelligence | |
| AU2011305861B2 (en) | System and method for generating images of subsurface structures | |
| CN102867330B (zh) | 基于区域划分的空间复杂层位重构方法 | |
| CN103282747A (zh) | 用于产生地质模型的更新的系统和方法 | |
| CN106249299A (zh) | 强反射屏蔽下薄层弱反射地震能量恢复方法及装置 | |
| CN107976713A (zh) | 一种高维地震数据输入下去除沉积背景的方法及装置 | |
| CN103308942A (zh) | 一种可视化地震数据的方法及系统 | |
| CN102576370B (zh) | 空隙度分析的系统和方法 | |
| Ye et al. | In situ generated probability distribution functions for interactive post hoc visualization and analysis | |
| CN104656132A (zh) | 一种提高多方位地层倾角信息存储效率的方法 | |
| Peyrot et al. | HexaShrink, an exact scalable framework for hexahedral meshes with attributes and discontinuities: multiresolution rendering and storage of geoscience models | |
| Amoura et al. | Investigation of lithological heterogeneities from velocity logs using EMD-Hölder technique combined with multifractal analysis and unsupervised statistical methods | |
| Feng et al. | Connect the dots: In situ 4-D seismic monitoring of CO 2 storage with spatio-temporal CNNs | |
| Franklin et al. | Smugglers and border guards: the geostar project at RPI | |
| CN110489480A (zh) | 一种测井数据多属性快速切换可视化方法 | |
| CN117496077A (zh) | 一种三维地质模型可视化分析方法及系统 | |
| CN117910358A (zh) | 钻孔的岩性类别和岩层厚度预测方法、系统及电子设备 | |
| CN117214949A (zh) | 一种地震数据高分辨率处理模型、方法及模型训练方法 | |
| CN118736100A (zh) | 一种裂缝模型图的建立方法、装置、设备、介质及程序 | |
| Zoraster | A surface modeling algorithm designed for speed and ease of use with all petroleum industry data | |
| Wu et al. | Distributed neural representation for reactive in situ visualization | |
| Tian et al. | Dynam: Dynamic multiresolution data representation for large-scale scientific analysis | |
| Shi et al. | Real-time switching and visualization of logging attributes based on subspace learning |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140226 |