CN110703347B - 基于构造背景的重力断裂影像识别方法 - Google Patents

Abstract

本发明提供一种基于构造背景的重力断裂影像识别方法，包括：步骤1，进行布格重力异常预处理，形成开展处理解释的基础资料；步骤2，进行重力差值趋势面场源分离，定量刻画目标地层的重力异常响应；步骤3，进行重力异常增强与处理转换，增强线性构造微弱信息，凸显小级别断裂线性影像；步骤4，联合多种处理转换成果建立窄化梯度带的非线性目标函数；步骤5，进行断裂线性影像综合分析，确定不同级别的断裂产状及组合样式。该基于构造背景的重力断裂影像识别方法提高了重力资料精细刻画断裂目标的有效性和实用性，提高了横向分辨能力，突出了断裂边界特征，可以更清晰的识别断裂构造格架。

Description

基于构造背景的重力断裂影像识别方法

技术领域

本发明涉及区域构造断裂识别技术领域，特别是涉及到一种基于构造背景的重力断裂影像识别方法。

背景技术

断裂研究在找矿、找水、找油气以及水利工程建设等方面都具有非常重要的意义，因为断裂是矿液的通道，控制了矿体的形成和赋存部位。断裂也可以破坏已形成的矿体，只有根据断裂性质才能推断矿体的延续情况。断裂是油气运移富集的重要通道，勘探油气必须查明断裂构造。进行工程建设时，必须对地基的断层情况进行详细了解，以确定较优的工程基地，保证工程的稳固性。

除地表断裂可根据地质考察直接识别外，目前深部断裂识别主要应用各种物探技术，包括重力、磁力、电法、地震等多种勘探手段，如高密度电法在工程施工中对浅部断裂的识别，在地震勘探方法中利用数据同相轴的变化识别断裂等。

根据重力场中的各种异常特征对断裂进行定性和定量解释是利用重力资料进行地质构造研究的重要内容之一。采用重力异常识别断裂的方法技术有多种，常用的数据处理方法有水平方向导数、延拓、滤波、水平总梯度等，这些方法原理上具有共性，主要是通过对数据的处理转换突出断裂目标重力异常梯级带，利用极值位置或零值位置综合确定不同尺度的断裂位置，进而综合划分断裂系统与研究断裂级别、产状及组合样式。然而这些常规方法存在一些技术缺陷，诸如断裂边界特征不明显，梯度带范围往往较宽，横向分辨率不高,断裂位置、走向识别不准确；另外，由于只针对异常梯级带进行处理，导致不能精细描述区域内不同级别断裂的性质，从而导致重力数据识别断裂的精度不高。为此我们发明了一种新的基于构造背景的重力断裂影像识别方法，解决了以上技术问题。

发明内容

本发明的目的是提供一种精细的刻画不同级别断裂的产状及组合样式，提高区域地质构造认识的基于构造背景的重力断裂影像识别方法。

本发明的目的可通过如下技术措施来实现：基于构造背景的重力断裂影像识别方法，该基于构造背景的重力断裂影像识别方法包括：步骤1，进行布格重力异常预处理，形成开展处理解释的基础资料；步骤2，进行重力差值趋势面场源分离，定量刻画目标地层的重力异常响应；步骤3，进行重力异常增强与处理转换，增强线性构造微弱信息，凸显小级别断裂线性影像；步骤4，联合多种处理转换成果建立窄化梯度带的非线性目标函数；步骤5，进行断裂线性影像综合分析，确定不同级别的断裂产状及组合样式。

本发明的目的还可通过如下技术措施来实现：

在步骤1中，对布格重力异常散点数据进行预处理，包括畸点剔除、平差及网格化，使重力异常测点值合理归位并形成下步开展处理解释的网格化布格重力异常数据；所述布格重力异常预处理具体包括：

1a)剔除畸点：根据地质背景，将由于测量仪器误差引起重力测量异常畸点剔除掉，去掉畸点引起的误差；

2a)平差：当数据由多块组成时，计算各块数据重合部分的数据平均值，利用均值差进行各块数据的调平，形成统一的拼接后数据；

3a)网格化：利用克里金线性插值方法、反距离加权插值和最小曲率插值这些方法对重力散点数据网格化，根据散点数据值与网格数据值的对比效果优选出重力数据场源分离的网格数据；

4a)去噪:利用低通滤波器消除由测线引起的线性误差以及由地表附近密度分布不均匀引起的小且杂乱无章的重力异常，形成下一步处理的布格重力异常原始数据。

在步骤3a中，重力数据网格化间距设置为重力数据实测点间距的二分之一。

在步骤2中，采用高次差值趋势面分析处理手段对布格重力数据进行趋势面及差值分析，定量分离重力场；利用高次差值趋势面分析技术，对重力异常进行多次趋势面拟合，得到多个重力趋势面异常，原始布格重力异常与各次趋势面异常相减为剩余趋势面异常，不同趋势面异常相减为差值趋势面异常；根据差值趋势面分析的拟合度速率指标，结合区域地质背景，选取不同的趋势面、剩余、差值异常并与各地层深度进行统计对比分析，根据拟合度高低选择目标地层产生的重力异常，实现重力场的定量分离。

在步骤3中，采用倾斜角处理方法，增强弱重力异常信息；利用不同方向的水平导数、水平总梯度这些处理手段对断裂产生重力异常特征进行差异化凸显，分析不同走向断裂的总体特征。

步骤3包括：

1c)弱异常增强：对重力异常进行导数、倾斜角均衡滤波处理，对重力线性弱异常信息进行增强，以反映埋深大或密度差异较小的断裂；

2c)断裂走向定性判别：对重力异常进行不同方向水平导数处理，主要为0°、45°、90°、135°方向，断裂走向与处理方向垂直，断裂位置为处理数据的极大或极小值位置；

3c)断裂位置定性分析：最后对重力异常进行水平总梯度处理，全面刻画各个方向上的重力异常线性梯度带，断裂位置位于处理数据的极大值位置。

在步骤4中，优选各类处理成果数据，联合多种处理转换成果建立窄化梯度带的非线性目标函数，收敛梯度线性异常带，融合重力梯度异常与背景重力场，凸显断裂目标与断裂级别。

在步骤4中，首先联合多种处理转换成果，引入收敛因子建立窄化梯度带的非线性目标函数，进一步锐化线性异常带；然后融合重力梯度异常与背景重力场，使得断裂边界特征更加清晰，凸显断裂的级别、产状与组合样式。

在步骤4中，建立的窄化梯度带的非线性目标函数的计算公式为：

C＝A·X^m+B·Yⁿ，

其中X、Y分别为重力弱信息增强异常和重力梯度异常，A、B为权重系数，m、n为聚焦系数；权重系数与聚焦系数的取值大小决定了重力断裂线性异常凸显与窄化能力，其计算方案分为两种情形：①有其它物探资料地区，以重力断裂线性异常C与其它物探资料平面断裂成果的相似度最大为目标，利用最小二乘优化算法求取系数数值，并将该值作为参考值扩展至全区；②无其它物探资料地区，借鉴地质认识及类似地质构造地区经验，优选系数数值获取最佳重力断裂线性异常C。

在步骤5中，根据重力线性异常，综合分析不同级别的断裂产状及组合样式；结合区域构造背景，定性描述收敛的线性梯度异常特征，从立体角度综合分析断裂走向、倾向及倾角产状要素及组合样式。

本发明公开了在勘探程度较低的新区，或在地震资料较少且难以满足面积性勘探工作需要时，一种基于构造背景的重力断裂影像识别方法。本发明采用的技术方案是：重力位场数据预处理，形成开展处理解释的基础资料；重力高次差值趋势面场源分离，定量刻画不同目标地层的重力异常响应；重力异常增强与处理转换，凸显小级别断裂线性影像；建立窄化梯度带的非线性目标函数，收敛梯度线性异常带，融合重力梯度异常与背景重力场，凸显断裂目标与断裂级别；断裂线性影像综合分析，识别不同级别的断裂产状及组合样式。本发明采用重力位场差值趋势面实现场源精细分离，梯度收敛凸显断裂目标，进而精细刻画不同级别的断裂产状要素及组合样式。该基于构造背景的重力断裂影像识别方法提高了重力资料精细刻画断裂目标的有效性和实用性，提高了横向分辨能力，突出了断裂边界特征，可以更清晰的识别断裂构造格架。

附图说明

图1为本发明的基于构造背景的重力断裂影像识别方法的一具体实施例的流程图；

图2为本发明的一具体实施例中ZZ地区布格重力异常图；

图3为本发明的一具体实施例中ZZ地区重力异常5次趋势面异常图；

图4为本发明的一具体实施例中ZZ地区重力异常5次趋势面异常处理转换图；

图5为本发明的一具体实施例中ZZ地区5次趋势面重力断裂影像图。

具体实施方式

为使本发明的上述和其他目的、特征和优点能更明显易懂，下文特举出较佳实施例，并配合附图所示，作详细说明如下。

如图1所示，图1为本发明的基于构造背景的重力断裂影像识别方法的流程图。

步骤101，布格重力异常预处理，形成数据处理的基础资料。

对布格重力异常散点数据进行预处理，包括畸点剔除、平差及网格化，使重力异常测点值合理归位并形成下步开展处理解释的网格化布格重力异常数据；

所述布格重力异常预处理的具体步骤是：

1)剔除畸点：根据地质背景，将由于测量仪器误差引起重力测量异常畸点(单点)剔除掉，去掉畸点引起的误差；

2)平差：当数据由多块组成时，计算各块数据重合部分的数据平均值，利用均值差进行各块数据的调平，形成统一的拼接后数据；

3)网格化：利用克里金线性插值方法、反距离加权插值和最小曲率插值等方法对重力散点数据网格化，根据散点数据值与网格数据值的对比效果优选出重力数据场源分离的网格数据；重力数据网格化间距一般设置为重力数据实测点间距的二分之一。

4)去噪:利用低通滤波器消除由测线引起的线性误差以及由地表附近密度分布不均匀引起的小且杂乱无章的重力异常，形成下一步处理的布格重力异常原始数据。

步骤102，重力差值趋势面场源分离，定量刻画目标地层的重力异常响应；采用高次差值趋势面分析处理手段对布格重力数据进行趋势面及差值分析，定量分离重力场。利用高次差值趋势面分析技术，对重力异常进行多次趋势面拟合，得到多个重力趋势面异常，原始布格重力异常与各次趋势面异常相减为剩余趋势面异常，不同趋势面异常相减为差值趋势面异常；根据差值趋势面分析的拟合度速率指标，结合区域地质背景，选取不同的趋势面、剩余、差值异常并与各地层深度进行统计对比分析，根据拟合度高低选择目标地层产生的重力异常，实现重力场的定量分离。

所述的高次差值趋势面分析场源分离技术，根据场论与级数理论，f(x,y)为在空间Ω(x,y)域内临界点(x₀,y₀)处分离为e个f(x,y)_i的数学模型，其拟合度为C^q。

f(x,y)＝f_q(x,y)+r_q(x,y)

式中：f(x,y)为重力异常表达式；

f_q(x,y)为重力异常趋势面表达式，q为趋势面次数；

r_q(x,y)为重力剩余异常表达式；

C^q为拟合度表达式；

e为假定独立地质异常体个数；

k为小于q的自然数；

由拟合度C^q(q＝1,2，L，∞)所组成的拟合度曲线，反映f(x，y)的泰勒级数展开式随拐点变化依级呈拓扑结构拟合具有独立母体分布的重磁函数f(x，y)_i的过程，其拐点或对其求导的极值点，是级间与级内重磁场源分离的特征点。

假定f(x，y)为被分解为呈拓扑结构的e个独立母体分布函数f(x，y)_i叠加所组成的复合函数，测量与计算精度足够高、取样样本充分大，根据给定的ε＞0与已知样品f(x_j，y_j)j＝1、2、L、N，则可依拓扑结构，选择e个趋势面拟合度曲线极值点所对应的次数q₁、q₂、k、q，按比例尺去逐级统计推断与目标地层的深度最相关的下伏地层的重磁趋势面异常、上覆地层的重磁趋势面剩余异常，以及目标层重磁差值趋势面异常。

步骤103，重力异常增强与处理转换，增强线性构造微弱信息，凸显小级别断裂线性影像；

采用倾斜角等处理方法，增强弱重力异常信息；利用不同方向的水平导数、水平总梯度等处理手段对断裂产生重力异常特征进行差异化凸显，分析不同走向断裂的总体特征。包括：

1)弱异常增强：对重力异常进行导数、倾斜角等均衡滤波处理，对重力线性弱异常信息进行增强，以反映埋深大或密度差异较小的断裂；

所述的倾斜角处理数学模型为:

示中：g_zz-重力异常垂向分量；

g_xz-重力异常x方向分量；

g_yz-重力异常y方向分量。

2)断裂走向定性判别：对重力异常进行不同方向水平导数处理，主要为0°、45°、90°、135°方向，断裂走向与处理方向垂直，断裂位置为处理数据的极大或极小值位置；

3)断裂位置定性分析：最后对重力异常进行水平总梯度处理，全面刻画各个方向上的重力异常线性梯度带，断裂位置位于处理数据的极大值位置；

步骤104，联合多种处理转换异常建立窄化梯度带的非线性目标函数。

优选各类处理成果数据，联合建立非线性目标函数，收敛梯度线性异常带，融入背景重力场，凸显断裂目标与断裂级别；首先联合多种处理转换成果，引入收敛因子建立窄化梯度带的非线性目标函数，进一步锐化线性异常带；然后融合重力梯度异常与背景重力场，使得断裂边界特征更加清晰，凸显断裂的级别、产状与组合样式；

所述窄化线性异常带的非线性函数计算公式为：

C＝A·X^m+B·Yⁿ，其中X、Y分别为重力弱信息增强异常和重力梯度异常，A、B为权重系数，m、n为聚焦系数。权重系数与聚焦系数的取值大小决定了重力断裂线性异常凸显与窄化能力，其计算方案可分为两种情形：①有其它物探资料地区，以重力断裂线性异常C与其它物探资料平面断裂成果的相似度最大为目标，利用最小二乘优化算法求取系数数值，并将该值作为参考值扩展至全区；②无其它物探资料地区，可借鉴地质认识及类似地质构造地区经验，优选系数数值获取最佳重力断裂线性异常C。

步骤105，断裂线性影像综合分析，识别不同级别的断裂产状及组合样式。

根据重力线性异常，综合分析不同级别的断裂产状及组合样式。结合区域构造背景，定性描述收敛的线性梯度异常特征，从立体角度综合分析断裂走向、倾向及倾角等产状要素及组合样式。

在应用本发明的一具体实施例中，包括了以下步骤：

第一步，重力位场预处理，形成数据处理的基础资料。

本案例中以ZZ地区1:20万重力识别断裂为例，首先对重力数据网格化，网格间距250*250m，形成重力数据场源分离的基础数据；然后利用低通滤波器对重力数据进行去噪处理，保留有效信号；图2是ZZ地区低通滤波后的重力异常图，从该图可以看出，异常曲线较为平滑，滤波效果比较理想。

第二步，重力差值趋势面场源分离，定量刻画目标地层的重力异常响应。

对滤波后的重力异常进行40次趋势面分析，结合区域地质背景，明确差值异常所代表的目标地层重力响应。图3是该地区重力5-10次差值异常图，综合分析确定该异常代表了区内侏罗系地层重力异常响应。

第三步，重力异常增强与处理转换，凸显小级别断裂线性影像。

先对重力5-10次差值异常进行导数、倾斜角等处理，对重力弱异常信息进行增强；然后对重力异常进行梯度处理，求取水平总梯度导数异常，刻画重力异常线性梯度带；最后利用特征值明确断裂质心位置。图4是该地区重力异常5-10次趋势面异常处理转换图，从图4可以看出，弱异常信息得到了增强，且通过水平总梯度导数处理刻画了区内的梯度线性异常带。

第四步，联合多种处理转换成果，引入收敛因子建立窄化梯度带的非线性目标函数，进一步锐化线性异常带，融合重力梯度异常与背景重力场，使得断裂边界特征更加清晰，凸显断裂的级别。图5是该地区5-10次差值收敛线性异常图，极值带表示断裂展布特征，其幅值大小代表断裂级别。从图5可以看出，断裂梯度线性带得到了收敛与窄化，断裂的走向与级别得到凸显。

第五步，断裂线性影像综合分析，识别不同级别的断裂产状及组合样式。对不同阶次差值重力异常进行2-4步处理，精细刻画不同目标地层的断裂线性异常带，从而综合分析不同级别的断裂产状及组合样式，可为进一步的地质综合分析提供有力的地质依据。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步的说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.基于构造背景的重力断裂影像识别方法，其特征在于，该基于构造背景的重力断裂影像识别方法包括：

步骤101，进行布格重力异常预处理，形成开展处理解释的基础资料；

步骤102，进行重力差值趋势面场源分离，定量刻画目标地层的重力异常响应；

步骤103，进行重力异常增强与处理转换，增强线性构造微弱信息，凸显小级别断裂线性影像；

步骤104，联合多种处理转换成果建立窄化梯度带的非线性目标函数；

步骤105，进行断裂线性影像综合分析，确定不同级别的断裂产状及组合样式；

在步骤102中，采用高次差值趋势面分析处理手段对布格重力数据进行趋势面及差值分析，定量分离重力场；利用高次差值趋势面分析技术，对重力异常进行多次趋势面拟合，得到多个重力趋势面异常，原始布格重力异常与各次趋势面异常相减为剩余趋势面异常，不同趋势面异常相减为差值趋势面异常；根据差值趋势面分析的拟合度速率指标，结合区域地质背景，选取不同的趋势面、剩余、差值异常并与各地层深度进行统计对比分析，根据拟合度高低选择目标地层产生的重力异常，实现重力场的定量分离；

在步骤103中，采用倾斜角处理方法，增强弱重力异常信息；利用不同方向的水平导数、水平总梯度这些处理手段对断裂产生重力异常特征进行差异化凸显，分析不同走向断裂的总体特征；包括：

1c)弱异常增强：对重力异常进行导数、倾斜角均衡滤波处理，对重力线性弱异常信息进行增强，以反映埋深大或密度差异较小的断裂；

所述的倾斜角处理数学模型为:

其中：g_zz-重力异常垂向分量；

g_xz-重力异常x方向分量；

g_yz-重力异常y方向分量；

2c)断裂走向定性判别：对重力异常进行不同方向水平导数处理，为0°、45°、90°、135°方向，断裂走向与处理方向垂直，断裂位置为处理数据的极大或极小值位置；

3c)断裂位置定性分析：最后对重力异常进行水平总梯度处理，全面刻画各个方向上的重力异常线性梯度带，断裂位置位于处理数据的极大值位置；

在步骤104中，取各类处理成果数据，联合建立非线性目标函数，收敛梯度线性异常带，融入背景重力场，凸显断裂目标与断裂级别；首先联合多种处理转换成果，引入收敛因子建立窄化梯度带的非线性目标函数，进一步锐化线性异常带；然后融合重力梯度异常与背景重力场，使得断裂边界特征更加清晰，凸显断裂的级别、产状与组合样式；

所述窄化线性异常带的非线性函数计算公式为：

C＝A·X^m+B·Yⁿ，

其中X、Y分别为重力弱信息增强异常和重力梯度异常，A、B为权重系数，m、n为聚焦系数；权重系数与聚焦系数的取值大小决定了重力断裂线性异常凸显与窄化能力，其计算方案分为两种情形：①有其它物探资料地区，以重力断裂线性异常C与其它物探资料平面断裂成果的相似度最大为目标，利用最小二乘优化算法求取系数数值，并将该值作为参考值扩展至全区；②无其它物探资料地区，借鉴地质认识及类似地质构造地区经验，用系数数值获取重力断裂线性异常C；

在步骤105中，根据重力线性异常，综合分析不同级别的断裂产状及组合样式；结合区域构造背景，定性描述收敛的线性梯度异常特征，从立体角度综合分析断裂走向、倾向及倾角产状要素及组合样式。

2.根据权利要求1所述的基于构造背景的重力断裂影像识别方法，其特征在于，在步骤101中，对布格重力异常散点数据进行预处理，包括畸点剔除、平差及网格化，使重力异常测点值合理归位并形成下步开展处理解释的网格化布格重力异常数据；所述布格重力异常预处理具体包括：

1a)剔除畸点：根据地质背景，将由于测量仪器误差引起重力测量异常畸点剔除掉，去掉畸点引起的误差；

2a)平差：当数据由多块组成时，计算各块数据重合部分的数据平均值，利用均值差进行各块数据的调平，形成统一的拼接后数据；

3a)网格化：利用克里金线性插值方法、反距离加权插值和最小曲率插值这些方法对重力散点数据网格化，根据散点数据值与网格数据值的对比效果得重力数据场源分离的网格数据；

4a)去噪:利用低通滤波器消除由测线引起的线性误差以及由地表附近密度分布不均匀引起的小且杂乱无章的重力异常，形成下一步处理的布格重力异常原始数据。

3.根据权利要求2所述的基于构造背景的重力断裂影像识别方法，其特征在于，在步骤3a中，重力数据网格化间距设置为重力数据实测点间距的二分之一。

Images