NO340700B1 - Fremgangsmåte for estimering og rekonstruksjon av seismiske refleksjonssignaler - Google Patents

Description

Oppfinnelsens felt

Oppfinnelsen er rettet mot en fremgangsmåte for seismisk dataprosessering for å rekonstruere dårlige signaler i seismisk overflatedata.

Bakgrunn for oppfinnelsen

Seismisk refleksjonsdata blir anvendt av geologer for å lokalisere optimale steder for å bore olje eller gass. Seismisk overflaterådata som er innsamlet av feltmannskap er ikke øyeblikkelig anvendbar for geologene. For å bedre dataoppløsningen og komprimere den til en lett håndterlig form blir seismisk dataprosessering utført av geofysikere med hensikten å maksimere signalnivå i dataene mens støynivåer blir redusert. Denne prosesseringen blir henvist til som å forbedre signal/støyforholdet (S/N) for dataene. Dataprosessering er et kritisk trinn i å tilveiebringe nyttige data med et forbedret S/N-forhold til geologer, som har i oppgave å tolke de prosesserte seismiske dataene for observasjon av borelokasjoner.

Den kjente teknikken har utviklet ulike programvarer for seismisk dataprosessering og fremgangsmåter søker å forbedre signal/støyforholdet gjennom kildedatavolumet. Disse fremgangsmåtene kan bedre dårlige datasoner, men typisk på bekostning av overfiltrering av datasoner med data med god kvalitet. Imidlertid krever geologer seismisk data med optimal oppløsning.

Seismisk overflatedata lider ofte av et lateralt variabelt signal/støyforhold fra dype reflektorer som blir forårsaket av egenskaper nær overflaten. Den kjente teknikken mangler fremgangsmåter rettet mot å prosessere seismisk data for gjenopprettelse av lateral kontinuitet for seismiske signaler som viser seg å være usammenhengende i områder hvor geologiske forventninger vil indikere at en mer spatial forenlig respons bør oppnås. Disse sonene med dårlig datakvalitet kan være forårsaket av et antall faktorer. For eksempel kan avbrutte uregelmessigheter nær overflaten forårsake spredning av nedovergående energi, som reduserer signaler som blir returnert til nivåer som kan være lik eller mindre enn støynivåene i omgivelsene.

Mange av de kjente programvarene for dataprosessering demper støy for å bedre de relative signalnivåene, men i disse områdene krever fullstendig gjenopprettelse av signalet betydelig lateral datafiltrering, som resulterer i tap av spatial oppløsning. Andre kjente programmer som blir tilbudt for å øke signalnivåene har den samme ulempen med overfiltrering av gode datasoner, og derved resulterer i tap av spatial oppløsning. Slike kjente programmer for etterkomprimering av støydempning omfatter typisk ikke endringer i signal/støyforholdet.

Formålet med fremgangsmåter for databehandling med typisk etterkomprimering av støydempningsrutiner i kjent teknikk er total støyreduksjon. Et antall prosesser som anvender transformasjoner av Karhunen-Loeve for signal- og støyseismisk databehandling har blitt omtalt i den kjente teknikken.

Artikkelen med navn Application Of The Partial Karhunen-Loeve Transform To Suppress Random Noise in Seismic Sections av Kamal Al-Yahya, Geophysical Prospecting, Vol. 39, side 77-93 (1991) demonstrerer nytten av transformasjonen av Karhunen-Loeve for å redusere støy og derved forbedre signaler i seismisk data. For å gjøre fremgangsmåten mer effektiv ble tidsforskyvninger anvendt basert på et område med lineære moveout fallverdier for å kunne anvende kun en deltransformasjon av Karhunen-Loeve (dvs. én som anvender et mindre antall hovedkomponenter), og derved redusere datatiden og minnekravene. Ved å transformere et begrenset antall hovedkomponenter som ble anslått å inneholde signaler, så ble gaussiske støynivå redusert i prosessen. En blokkstrategi ble også foreslått for å prosessere dataene del for del ved å dividere den seismiske delen i blokker som er liten nok til at hver blokk kan bli prosessert ved å anvende relativt små matriser. De prosesserte blokkene blir sammensatt for å danne den sluttfiltrerte delen.

Ulike fremgangsmåter som beskriver anvendelsen av transformasjonen av Karhunen-Loeve for å behandle seismiske data har blitt omtalt i patentlitteraturen. I US patent 5,455,805 ordner for eksempel en multidimensjonal akustisk dataprosessering og et fremvisningssystem akustiske data i en tredimensjonal matrise. Den tredimensjonale matrisen er komprimert ved å anvende singulær verdi-oppløsning til singulære vektorer og singulære verdier. En historisk database blir dannet og vedlikeholdt og er også koblet sammen med de tredimensjonale dataene. Denne databasen tillater at refleksjon og støy blir redusert og andre svakere egenskaper i dataene blir forbedret. Idet dataene blir komprimert kan dataene bli analysert effektivt. De singulære vektorene blir delt inn i én eller flere grupper på grunnlag av deres singulære verdier eller annet kriterium. Bestemte komprimerte dataelementer blir forbedret eller svekket ved å modifisere de singulære verdiene innenfor hver gruppe med singulære vektorer. Utvalgte singulære vektorer blir prosessert videre ved andre teknikker for ytterligere forbedring, detektering, isolering, egenskapekstrahering og klassifisering. De komprimerte og forbedrete dataene blir deretter ekspandert tilbake til tredimensjonal form for fremvisning eller for ytterligere prosessering. Denne prosesseringen viser seg å transformere dataene direkte heller enn å utlede en modell som er videre kombinert med de originale innkommende dataene. Singulær verdioppløsning er en fremgangsmåte som er tilgjengelig for å utføre KL-transformasjoner.

I US patent 4,910,716 blir en fremgangsmåte omtalt for å komprimere koherent støy

i seismisk data basert på transformasjonen av Karhunen-Loeve. Denne fremgangsmåten velger en region som inneholder uønsket koherent støy. Egenvektorer, som er bestemt fra kovariansmatrisen for det støyet, blir anvendt for å rekonstruere støyet gjennom datasettet. Å subtrahere rekonstrueringen fra de originale dataene etterlater en rest hvori det koherente støyet har blitt komprimert. Ved å anvende denne fremgangsmåten for en skuddregistrering av marinseismiske data illustrerer at fremgangsmåten ikke komprimerer støy på faktiske seismiske data. Imidlertid søker denne modellen og dens fremgangsmåte for subtrahering til støymodellen, i motsetning til signalet, og ser ikke ut til å ta i betraktning signalfall på dataene inn eller signalkontinuiteten på de transformerte dataene ut.

En fremgangsmåte for sporvekting er omtalt i US patent 4,905,204 for å utvikle en vektfunksjon for en sporstakk fra vektfunksjonene som er utledet fra de respektive vektfunksjonene av en gruppe med individuelle separate spor inn. Det omtales også en fremgangsmåte for å utvikle den sluttvektede sporstakken og en fremgangsmåte for støykomprimering ved å anvende vektfunksjonsmanipulering fra et antall beslektede seismiske spor. Mens denne offentliggjøringen omtaler sporvekting og - summering så omtaler den ikke anvendelsen av en KL-transformasjon for å bygge et modellspor. Den antyder heller ikke et forbehandlingstrinn med glattestatikk basert på datafall på inngangen.

I US patent 5,892,732 blir det beskrevet en fremgangsmåte og anordning for oppdagelsen av hydrokarboner, omfattende trinnene: å oppnå et sett med seismiske signalspor som er distribuert over et forhåndsbestemt tredimensjonalt jordvolum, å dele det tredimensjonale volumet inn i et antall med analyseceller som har deler av i det minste to seismiske spor lokalisert deri, å beregne ytterprodukter av de seismiske sporene innenfor hver celle, å danne kovariansmatrisen for hver celle fra hver av disse ytterproduktene, å beregne den dominante egenverdien og summen av egenverdiene av kovariansmatrisen for hver celle og å beregne en seismisk attributt fra forholdet mellom den dominante egenverdien og summen av egenverdiene for kovariansmatrisen for hver celle og å tilordne de seismiske attributtene av valgte cellegrupper. Denne fremgangsmåte anvender tilsynelatende egenverdianalyse for å utlede et attributt som er tilknyttet spor i én posisjon. Den omtaler eller foreslår ikke trinnene med signalrekonstruksjon eller modellering og subtrahering.

Å direkte transformere dataene fra inngang til sluttutgang viser begrensninger i selve transformasjonen. Disse begrensingene tilkjennegir seg selv som artefakter på utgangsdataene. Artefakter kan være forårsaket av å begrense antallet hovedkomponenter under KL-transformasjonen, spesielt for signaler med ulineære fall. Mens direkte transformasjon av dataene vil hjelpe med å redusere støy så gjør den det på bekostning av å forvrenge signalet. Denne effekten kan bli verre i gode dataområder som ikke krever at filtrering er nyttig.

Tyapkin Y and Ursin B "Optimum stacking of seismic records with irregular noise",

JOURNAL OF GEOPHYSICS AND ENGINEERING, INSTITUTE OF PHYSICS

PUBLISHING, BRISTOL, GB, (20050901), vol. 2, no. 3, sider 177-187, ISSN 1742-2140, omtaler en fremgangsmåte for stakking av seismiske data ved bruk av en modell som antar at et signal med en identisk form i hvert spor er innlemmet i spatialt ikke-korrelert uregelmessig støy.

R.A. Strelitz og Y. Keshet "Integral Transforms, Data Compression, and Automatic Analysis of Seismic Sections", IEEE TRANSACTIONS OF GEOSCIENCE AND REMOTE SENSING, vol. 28, no. 6, November 1990, sider982-991, omtaleren fremgangsmåte for komprimering av seismiske data.

Det er derfor et formål med den foreliggende oppfinnelsen å tilveiebringe en fremgangsmåte for seismisk dataprosessering for å overkomme de motsatte sideeffektene ved overfiltrering av sterke signaler ved å tilpasse prosessen til dataene og tilpasse prosesseringen på dataene og anvende prosesseringen på dataene kun der det behøves.

Et annet formål med den foreliggende oppfinnelsen er å tilveiebringe en fremgangsmåte som er anvendelig for å behandle todimensjonal (2D) og tredimensjonal (3D) inngangsdata.

Et ytterligere formål med oppfinnelsen er å tilveiebringe en fremgangsmåte for støydempning som unngår en stor mengde lateral miksing og degraderer ikke oppløsningen på data med god kvalitet.

Et annet formål med oppfinnelsen er å tilveiebringe en fremgangsmåte for å utjevne signal/støyforholdet lateralt på en horisontalkonsistent måte.

Kort beskrivelse av oppfinnelsen

De ovennevnte formålene og andre fordeler blir oppnådd ved fremgangsmåten ifølge oppfinnelsen som i store trekk innbefatter prosesseringen av de seismiske dataene som krever rekonstrueringen av refleksjonssignaler som fremviser et dårlig signal/støyforhold. Fremgangsmåten omfatter forbehandling av inngangsdataene for målsonene, å beregne en signalmodell, å estimere sporsignalkontinuiteten, å anvende spesiell vekting til modellspor og å sende ut de sluttprosesserte dataene.

En foretrukket utførelse av fremgangsmåten er angitt i det selvstendige fremgangsmåtekrav, mens alternative utførelser er angitt i respektive uselvstendige krav.

En mer detaljert beskrivelse av delrutinene som blir anvendt i hvert av trinnene for dataprosessering og -analyse er tilveiebrakt under. Fremgangsmåten ved oppfinnelsen rekonstruerer signalene kun hvor det behøves ved å beholde den originale detaljen for inngangsdataene og unngå den unødvendige filtreringen av data med god kvalitet.

Fremgangsmåten ved oppfinnelsen inkluderer som et hovedtrinn en signal-modellering basert på transformasjonen av Karhunen-Loeve, etterfulgt av adaptiv tilbakesummeringsprosessering som et andre trinn. Transformasjonen av Karhunen-Loeve ("KL") blir anvendt for å danne en kovariansmatrise fra skalarproduktene for alle par med inngangsdata. Egenverdiene og egenvektorene blir deretter beregnet for denne matrisen. Ved inverstransformasjonen av kun de sterkeste egenvektorene blir et estimat av de støyfrie signalene, i motsetning til tilfeldig støy, utledet. For formålet å beskrive oppfinnelsen er disse egenvektorene, når skalert av deres egenverdi, henvist til som "hoved"-komponenter heri. Det støyfrie signalestimatet er til tider henvist til i den følgende beskrivelsen i oppfinnelsen som "modellen" av signalet. Disse relativt koherente hovedkomponentene blir anvendt som en modell av det ønskede rekonstruerte signalet.

Trinnet med tilbakesummeringsmodellen er en adaptiv prosess som anvender en kombinasjon av inngangs- og signalmodelldataene fra det første trinnet for å danne utgangssignalet. Bidraget eller tilbakesummeringen fra signalmodellen er styrt av et kontinuitetsattributt som er funnet innenfor signalmodellen. Ved å minimere tilbakesummeringstrinnet hvor dataene er kontinuerlige, vil signal/støyforholdsdata av god kvalitet være lite endret av prosessen ved oppfinnelsen og usammenhengende data av dårlig kvalitet vil dra fordel av et økt bidrag av estimert koherent signal.

Én betydelig fordel med å anvende fremgangsmåten ifølge oppfinnelsen er en rekonstruert lateral balanse av signalnivåer uten de uønskede sideeffektene som spatial filtrering har på data med god kvalitet, slik som lateral miksing. Anvendelse av fremgangsmåten ifølge oppfinnelsen resulterer til slutt i et forbedret signal/støyforhold i de seismiske dataene. Fremgangsmåten kan anvende inndata av 2D eller 3D.

Som anvendt heri betyr uttrykket "signal/støyforholdsdata av god kvalitet" og "data med god kvalitet" data som har blitt innsamlet og prosessert til et relativt høyt signal/støyforhold, dvs. et relativt lavt støynivå. Disse dataene vil være kjennetegnet ved relativt høye kontinuitetsverdier som er beregnet fra modellen. Følgelig vil modellbidraget til utdataene i disse områdene være minimal.

Uttrykket "Prinsipiell Estimering og Rekonstruksjon" og akronymet "PEAR" som anvendt heri skal forstås som en kort referanse til fremgangsmåten ifølge oppfinnelsen. Som anvendt heri har de følgende uttrykkene betydningen slik indikert: "digistakkutgang" indikerer fremgangsmåten for fallvekt og summering og "effekt/miksutgang for FK" betyr fremgangsmåte forfrekvensbølgenummer-potensiering og summering.

Prosessens trinn for adaptiv tilbakesummering omfatter å kombinere inndataene med modelldataene for å danne utgangen. Bidraget, eller tilbakesummeringen, fra modellen er styrt av bestemmelsen av kontinuitet som er funnet i den samme modellen. Ved å begrense tilbakesummeringen der hvor dataene er kontinuerlige vil signal/støyforholdsdata av god kvalitet være lite endret av prosessen, og motsatt, usammenhengende data vil dra fordel av et økt bidrag av signalestimatet.

Kort beskrivelse av figurene

Utøvelsen av fremgangsmåten ifølge oppfinnelsen og de fordelaktige forbedringene som blir oppnådd skal bli ytterligere beskrevet med henvisning til de medfølgende figurene, hvor tiden er registrert i sekunder og "inngangs"-fremvisning som fremgår til venstre er utarbeidet ved å anvende konvensjonelle kjente fremgangsmåter og fremvisningene på den høyre siden, som noen ganger er anført "PEAR", er oppnådd ved å anvende fremgangsmåten ifølge oppfinnelsen, hvor: Figur 1 viser et flytdiagram av hovedfremgangsmåten for estimering og rekonstruksjon (PEAR) ifølge den foreliggende oppfinnelsen. Figur 2 viser en grafisk fremvisning av en seismisk seksjon i 2D av de kjente tydelige støyproblemene. Figur 3 viser en zoomet fremvisning av seismisk data i 2D som illustrerer anvendelsen av KL-transformasjonen til dataene i figur 2. Figur 4 viser en fremvisning av 2D seismisk data som illustrerer KL-transformasjonen av glattet inngang med beregnete skalarer plottet på toppen. Figur 5 viser en fremvisning av 2D seismisk data som illustrerer anvendelsen av glattet statikk på inngangsdataene, modellen og PEAR-utgangsdataene. Figur 6 viser en fremvisning av 2D seismisk data med glattet statikk anvendt på inngangen og PEAR-utgangen fra fremgangsmåten ifølge oppfinnelsen. Figur 7 viser en fremvisning av 2D seismisk data i figur 2 som illustrerer en kjent fremgangsmåte som anvender fallvekting og summering for å danne sluttutgangen. Figur 8 viser en fremvisning av tidligere 2D seismisk data som illustrerer en kjent fremgangsmåte som anvender frekvensbølgetall (FK) potensering for å danne modellen, etterfulgt av summering med inngangen for å danne sluttutgangsfremvisningen. Figur 9 viser en sammenligningsfremvisning av 2D seismisk data som sammenligner de grafiske fremvisningene av resultantene ved å anvende fremgangsmåten ifølge oppfinnelsen med kjente fremgangsmåter i figur 7 og 8. Figur 10 viser et 3D seismisk dataeksempel som avbilder en vertikal del med illustrasjoner som sammenligner inngangen med resultater av å anvende fremgangsmåten ifølge oppfinnelsen på inngangen. Figur 11 viser et 3D seismisk dataeksempel som avbilder en horisontal stykkeseksjon som sammenligner inngangen med utgangen som blir oppnådd av fremgangsmåten ifølge oppfinnelsen. Figur 12 viser et andre 3D seismisk dataeksempel med en vertikal del som avbilder inngangsdataene med kontrollnivå ifølge kjent teknikk. Figur 13 viser den andre 3D seismiske dataeksempelseksjonen som sammenligner inngangsdataene med utgangsfremvisningen av resultantene som blir oppnådd ved fremgangsmåten ifølge oppfinnelsen. Figur 14 viser en 3D zoomet vertikal del som sammenligner den konvensjonelle inngangen med utgangen som blir oppnådd ved fremgangsmåten ifølge oppfinnelsen. Figur 15 viser et horisontalt 3D-bilde av tidsutsnittet ved det 1400 millisekundnivået ved å sammenligne inngangen med utgangen som blir oppnådd ved fremgangsmåten ifølge oppfinnelsen. Figur 16 viser et horisontalt 3D-bilde av et tidsutsnitt ved det 1800 millisekundnivået ved å sammenligne inngangen og utgangen som blir oppnådd ved fremgangsmåten ifølge oppfinnelsen. Figur 17 viser et 3D zoomet bilde av tidsutsnittet i figur 16 som sammenligner inngangen med utgangen oppnådd ved fremgangsmåten ifølge oppfinnelsen. Figur 18 viser et annet 3D zoomet horisontalbilde av et tidsutsnitt av figur 16 som sammenligner inngangen med utgangen oppnådd ved fremgangsmåten ifølge oppfinnelsen. Figur 19 viser et horisontalt 3D-bilde av et tidsutsnitt ved det 2000 millisekundnivået som sammenligner inngangen med utgangen oppnådd ved fremgangsmåten ifølge oppfinnelsen. Figur 20 viser et horisontalt 3D-bilde av et tidsutsnitt ved det 2800 millisekundnivået som sammenligner inngangen med utgangen oppnådd ved fremgangsmåten ifølge oppfinnelsen. Figur 21 viser et 3D zoomet horisontalbilde av tidsutsnittet i figur 20 som sammenligner inngangen med den forbedrete utgangen oppnådd ved fremgangsmåten ifølge oppfinnelsen.

Detaljert beskrivelse av oppfinnelsen

Som påpekt ovenfor skiller hovedfremgangsmåten for estimering og rekonstruksjon (PEAR) ifølge oppfinnelsen seg fra typiske fremgangsmåter ved forbedret signal/støyforhold som fokuserer på reduksjonen av støynivå fordi PEAR balanserer signalnivåer, som har effekten forbedret signal/støyforhold. For å oppnå dette resultatet anvender PEAR et estimat av signalet, til og med i dårlige dataområder. Dette estimatet er tilveiebrakt ved å prosessere inngangsdataene ytterligere ved å anvende transformasjonen av Karhunen-Loeve for inngangsdataene. PEAR-fremgangsmåten blir implementert som en trinnserie med eksisterende kommersielt tilgjengelig programvare og moduler som er i stand til å bli utført av datasystemer som er alminnelig kjent. Arbeidsflyten kan være beskrevet slik vist med hensyn til figur 1.

Figur 1 viser et flytdiagram som illustrerer en hovedfremgangsmåte for estimering og rekonstruksjon (PEAR) 100 ifølge den foreliggende oppfinnelsen. Fremgangsmåten 100 omfatter fem hovedtrinn som inkluderer å forhåndsbestemme inngangsdata for målsoner 110, å beregne en signalmodell 200, å estimere sporsignalkontinuitet 300, spatial vekting av modellspor 400 og gi ut sluttdataene 500.

Fremgangsmåten 100 starter ved 102 og fortsetter til trinn 110, hvor forhåndsbestemmelse av inngangsdataene for målsoner blir utført. Å forhåndsbestemme inngangsdataene for målsoner omfatter å starte med sanne amplitudeinngangs-seismiske refleksjonsdata 112 og oppnå en målsone 114. Mer spesifikt inkluderer trinnet 110 å velge geologisk interessenivå, å lagre tider i en database, å finne igjen tider fra database, å beregne glattestatikk fra tider, å anvende glattestatikk på inngangsdata, å bevare et vindu med seismiske data i nærheten av glattet tid og utgang og å fremvise glattet data for kvalitetskontroll.

Ved trinn 200 blir en signalmodell beregnet. Som omtalt nedenfor mer detaljert blir signalmodellen beregnet ved a) å velge tids- og avstandsvindussegmenter, b) å overlappe valgte vinduer med 30 til 50 prosent, c) utføre en transformasjon av Karhunen-Loeve på hvert segment (for 3D-data, transformere retninger på linje og sublinje separat), d) å estimere et koherent signal ved å gi ut hovedkomponenter, for eksempel første 4-8 hovedkomponenter, e) å slå sammen signalmodellsegmenter (for3D-data, slå sammen estimater på linje og krysslinje), f) å gi ut signalmodelldata, og g) å anvende kvalitetskontroll for å fremvise signalmodelldata.

Ved trinn 300 blir sporsignalkontinuitet estimert. Å estimere sporsignalkontinuitet omfatter a) å krysskorrelere nabospor i signalmodellen, b) å finne absolutt maksimumsverdi for krysskorrelering, c) å lagre maksimumsverdi i database som likheter, og d) å anvende kvalitetskontroll for å fremvise likhet.

Ved trinn 400 blir spatial vekting av modellspor utført ved å beregne sporskalarer 410 og anvende skalarene på de forhåndsbestemte signalmodellsporene 420. Mer bestemt omfatter trinnet 400 a. å addere små numeriske verdier til likhet (for eksempel 0,001), b. å invertere likheter, c. valgfri potensialskalering av invertert likhet (eksponent 1 eller 2), d. valgfri skalering av resultantverdi (skalar 1 til 0,5), e. Å lagre som sporskalarer i database, f. å anvende kvalitetskontroll for å fremvise sporskalarer, g. å anvende skalarer på forhåndsbestemte signalmodellspor og h. å anvende kvalitetskontroll for å fremvise skalerte signalmodellspor.

Ved trinn 500 blir utgangen for sluttdata tilveiebrakt. Ved trinn 502 blir en summering utført for den glattede inngangen og modellsporene ved felles sporlokasjoner. Valgfritt blir sporamplitudeutjevning anvendt på de summerte sporene. Glattestatikk blir også fjernet fra de summerte dataene. Ved trinn 504 blir utgang fra andre lag lagt sammen. Ved trinn 506 blir utgangen for sluttvolumet generert og vanlige kvalitetskontrollteknikker blir anvendt for å fremvise sluttvolumet.

Som det vil fremgå av den ovennevnte trinnvise beskrivelsen så skiller signalrekonstruksjon med PEAR-fremgangsmåten seg fra typiske kjente fremgangsmåter for støydempning hvor formålet er støydempning heller enn signalrekonstruksjon. Fremgangsmåten ifølge oppfinnelsen eliminerer også eller reduserer betraktelig filtreringsartefakter dannet av kjente fremgangsmåter for støydempning, siden fremgangsmåten opererer kun i dårlige datasoner.

Et annet aspekt ved fremgangsmåten ifølge oppfinnelsen er anvendelsen av glattestatikk på målnivåer i løpet av trinnet for forhåndsbestemmelse. Dette forårsaker at de fleste av målsignalene blir inkludert i de sterkeste hovedkomponentene for KL-transformasjonen og derved tilveiebringer et bedre signalestimat, utelukket for støy.

Et annet viktig trekk ved oppfinnelsen er den spatiale vektingen av signalmodelldataene basert på inversjonen av et estimat av lateral kontinuitet som gitt ved den maksimale absolutte amplituden av krysskorrelasjonsfunksjonen mellom nabospor. Dette trinnet anvender ytterligere signalprosessering kun der hvor dataene ikke er kontinuerlige, dvs. i soner med data av dårlig kvalitet. Datasoner av god kvalitet blir etterlatt relativt upåvirket av signalprosesseringen slik at den totale effekten er en utbedret lateral balanse i dataene. Dette trinnet skiller mellom fremgangsmåten ifølge oppfinnelsen fra de kjente programmene eller fremgangsmåtene som filtrerer både datasoner av dårlig og god kvalitet, hvor effekten er å la filterartefakter være i gode dataområder.

Fremgangsmåten ifølge oppfinnelsen minimerer filtreringsartefakter ved å kontrollere hvordan de transformerte dataene blir anvendt i utgangsdataene. Dette kontroll-trinnet blir utført på to måter: først ved å kombinere selektivt den koherente signalmodellen med inngangsdataene for å danne sluttutgangen og for det andre ved å forhåndsbestemme inngangsdataene med glattestatikk utledet fra målnivåfall.

Fremgangsmåten ifølge oppfinnelsen estimerer svake eller dempede signaler som anvender KL-transformasjon i datasoner av dårlig kvalitet, mens filtreringsside-effekter i soner som fremviser gode signaler blir unngått. Den totale effekten er gjenopprettelse av lateral balanse på signalet uten å modifisere betydelig de gode delene av dataene. Datagjenopprettingen fra dårlige soner blir følgelig estimert og rekonstruert, mens de gode datasonene beholder deres originale egenskap og oppløsning.

Heller enn å anvende KL-tranformasjonen direkte på dataene for å produsere et sluttresultat transformerer fremgangsmåten ifølge oppfinnelsen dataene inn i modellen. Modellen er vektet og deretter summert tilbake til de originale inngangsdataene for å produsere et sluttresultat. Denne fremgangsmåten er i kontrast med de kjente fremgangsmåtene som helt enkelt filtrerer inngangsdataene og gir direkte ut sluttresultatet.

Fremgangsmåten ifølge oppfinnelsen blir anvendt for stakket todimensjonal (2D) og tredimensjonal (3D) seismisk data. Stakker blir dannet av felles dybdepunktsummering av individuelle seismiske spor. Seismiske spor blir dannet av den unike kombinasjonen av én kilde- og én mottakerlokasjon i feltundersøkelsen. Overflateposisjonen for det felles dybdepunktet er lokalisert midt mellom kilde- og mottakerkombinasjonen.

Minnekravene for tranformasjonen av Karhunen-Loeve krever at inngangsdataene blir prosessert i områder som er endelig kombinert på nytt for å danne sluttsignalmodellen. Fremgangsmåten kan bli kjørt på flere tidsvinduer med data, dvs. én for hver nivåorienterte interessesone. De svært grunne og svært dype delene av dataene blir også kjørt separat og kombinert for utdata. Hvert tidsvindu blir slått sammen med nabotidsvinduer for å danne sluttutgangen.

For 3D-data er signalmodellen valgfritt generert av to utførelser av KL-transformasjonen. Den første er orientert i linjeretningen og den andre er orientert i krysslinjeretningen. Begge estimatene blir summert for å danne sluttsignalmodellen.

Fremgangsmåten kan også anvendes på ustakket seismiske data. I denne utførelsen blir fremgangsmåten anvendt på felles kilde, felles mottaker og felles dybdepunkt eller felles asimut datagrupper.

Spektral skalering (også henvist til som spektral utjevning) kan være valgfritt summert etter PEAR-prosessen for et spesifikt eksempel eller prosjekt. Imidlertid er ikke dette tilleggstrinnet eller dataprosessering del av PEAR-prosessen ifølge oppfinnelsen.

Med hensyn til det valgfrie trinnet 5(b), hvor det blir anvendt sporamplitudeutjevning for de summerte sporene, har det blitt oppdaget at ved å anvende fremgangsmåten ifølge oppfinnelsen så kan uregelmessige spor med lav amplitude i den koherente signalmodellen forårsake sterkt avvikende skalarverdier som kan påvirke amplituden for det summerte sporet. Det kreves anvendelse av sporutjevning (basert på RMS-amplituden). Skulle retningslinjene for prosessering forby anvendelsen av denne fremgangsmåten for skalering, kan den fjernet så lenge den vanlige kvalitetskontrollen av skalarverdier inkluderer en editering av sterkt avvikende verdier.

Fremgangsmåten inkluderer anvendelsen av parametre for å kontrollere modellvektingen før summering av modellen tilbake til de originale inngangsdataene.

En ytterligere utførelse av fremgangsmåten inkluderer utledelsen av signalmodellen ved å anvende en ulik fremgangsmåte, for eksempel med en spormiks eller frekvensbølgetallfilter (FK), etterfulgt av den samme adaptive modellsummeringen og inngang for å produsere utgangsdataene. Som skal forstås av fagpersoner vil FK-filtrering vanligvis produsere en kontinuerlig versjon av inngangsdataene.

Mens én fremgangsmåte slik som FK-filtrering kan produsere en mer kontinuerlig versjon, bevarer KL-transformasjonen bedre de fine detaljene for inngangsdataene, slik at sluttutgangen fremviser bedre oppløsning enn den som anvender filtermetoden.

Fremgangsmåten ifølge oppfinnelsen har blitt vellykket anvendt i både 2D- og 3D seismiske undersøkelser for å identifisere produksjonslokasjoner. I de følgende eksemplene blir det presentert grafiske visninger av én 2D-undersøkelse og to ulike 3D-undersøkelser.

Ved å henvise til figur 2 viser en grafisk visning av en 2D-seismisk seksjon effekten på støyproblemene. Dataene for denne visningen har ikke blitt prosessert i samsvar med PEAR-fremgangsmåten ifølge oppfinnelsen. I lys av de innlysende manglene og vanskelighetene med å tolke denne visningen vil forsøk bli gjort i samsvar med kjent teknikk utøvd for å bedre signal/støyforholdet. Resultatene for to eksempler for KL-transformasjoner på inngangsdataene er vist i figur 3, hvor KL-transformasjonen blir anvendt på inngangsdataene som fremgår i den venstre kolonnen, med to hovedkomponenter som fremgår i senterkolonnen og fem hovedkomponenter som fremvises i den høyre kolonnen.

Når de inngangsseismiske dataene i figur 3 blir glattet på et målnivå og KL-transformert data i figur 3 blir glattet ved å anvende fem hovedkomponenter i figur 3 blir resultatet fremvist i figur 4 oppnådd. Den øvre delen av figur 5 omfatter også en grafisk visning av de beregnete skalarene.

Ved å nå henvise til figur 5 blir resultatene ved å anvende PEAR-fremgangsmåten ifølge oppfinnelsen vist. Som i de tidligere figurene fremgår de todimensjonale seismiske inngangsdataene til venstre; glattestatikk har blitt anvendt for å produsere denne visningen. Den estimerte signalmodellen blir presentert i senteret og utgangen for PEAR-prosessen fremgår til høyre. Kontinuitetsforbedringen er svært tydelig. Figur 6 viser et ytterligere eksempel over de todimensjonale seismiske dataene hvortil glattestatikk har blitt anvendt, og hvor inngangen fremgår på toppen og den utgangsetterfølgende applikasjonen av PEAR-prosesseringen fremgår på bunnen. Henvisningen "glattet" betyr at dataene har blitt glattet og vindusbehandlet på en målsone. Igjen er kvalitetsforbedringene for den grafiske visningen tydelig.

I figur 7 og 8 er anvendelsen av kjente fremgangsmåter for fallvekt og summering og FK-potensiering og sum vist i de henholdsvis lavere grafiske visningene og inngangsdataene er vist i den øvre visningen.

Ved å nå henvise til figur 9 avbilder denne 2D-sluttsammenligningen resultanten for anvendelsen av PEAR-fremgangsmåten ifølge oppfinnelsen i den øvre visningen for visningene i figur 6 (fallvekt) og figur 7 (FK-potensiering) ved bunnen for den sammen seksjonen. Igjen er kontinuitetsforbedringen i den grafiske datavisningen som resulterer fra applikasjonen i fremgangsmåten ifølge oppfinnelsen på dataene betydelig større enn den som blir oppnådd av en av de to kjente fremgangsmåtene som er avbildet.

Figur 10-21 tilveiebringer sammenlignbare seismiske eksempler i 3D. Figurtekstene på den øvre venstre margen henviser til et nummereringssystem som blir anvendt for å orientere spatialt de seismiske dataene. Disse henvisningene kan omfatte Common Depth Point (CDP), nærmeste overflatekildepunkt (SHOT), krysslinjeantall for 3D-volumer (CDPLBLX) og på-linje tall for 3D-volum (CDPLBLS). Alle disse henvisningstallene står i forbindelser tilbake til en fysisk lokasjon på bakken, som til sist er henvist av kartesianske (X, Y og Z) koordinater. I et typisk seismisk 3D-volum er den tredje aksen (z) vanligvis toveis forflytningstid. Tidshenvisningen er derfor enten i sekunder eller millisekunder gjennom figurene. Horisontale tidsseksjoner fra seismiske 3D-volum er profiler av X- og Y-dimensjoner for en enkel toveis forflytningstid.

En første sammenlignbar 3D-visning er vist i figur 10 med inngangsstakken for et vertikalt utsnitt ved en krysslinje identifisert som "1667" til venstre, utgangen etter prosessering ved å anvende PEAR-fremgangsmåten er vist til høyre. Igjen er kontinuitetsforbedringen for visningen ved å anvende fremgangsmåten ifølge oppfinnelsen tydelig. Ved å anvende data fra den sammen testen i figur 11 blir et 3D horisontalt utsnitt av et tidsområde ved 1800 millisekunder sammenlignet med inngangen vist til venstre og den forbedrete grafiske visningen etterfulgt av PEAR-prosessering ifølge oppfinnelsen til høyre.

Data fra et andre seismisk eksempel i 2D er vist i figur 12. Dette er et vertikalt utsnitt av sublinje 3663, kontrollnivåer som definerer målsonene er plottet for henvisningsformål. Tiden er skalert i sekunder. Figur 13 viser en sammenlignbar visning av de seismiske dataene fra figur 12 med inngangsdataene til venstre og de PEAR-prosesserte utgangsdataene fremvist til høyre. I de fleste tilfellene blir data av dårlig kvalitet presentert med forbedret kontinuitet mens gode dataområder beholder dere opprinnelige egenskap.

I figur 14 blir det zoomete vertikale utsnittet tilveiebrakt langs den samme sublinjen 3663 som figur 12 og 13, igjen med inngangsdataene fremvist til venstre og de mye mer fullstendige og kontinuerlige dataene etterfulgt av PEAR-prosessering til høyre.

Ytterligere 3D-data fra det andre eksempelet er presentert i form av et horisontalt utsnitt i et tidsutsnitt på 1400 millisekunder og 1800 millisekunder i henholdsvis figur 15 og 16. I begge disse figurene fremgår de konvensjonelle dataene til venstre og den forbedrete fremvisningen etterfulgt av PEAR-prosessering er vist til høyre.

De samme 3D-dataene fremgår i figur 17 og 18 som to ulike zoomete horisontale utsnitt ved et tidsutsnitt på 1800 millisekunder. I begge tilfeller tilveiebringer den høyre fremvisningen tydelig bedre informasjon etterfulgt av PEAR-prosessering sammenlignet med den vanlige prosesseringen av visninger i de venstre visningene.

En tilsvarende serie med 3D horisontale utsnitt fra det andre eksempelet er vist i figur 19, 20 og 21 ved henholdsvis tidsutsnittet 2000, 2800 og 2800 millisekunder. Tidsutsnittene har blitt zoomet for å indikere ytterligere den forbedrete kvaliteten på de fremviste dataene som har blitt utsatt for PEAR-prosessering ifølge oppfinnelsen på den høyre siden sammenlignet med vanlig prosessering (venstre side).

Som det vil fremgå for en fagperson produserer de sammenlignbare resultatene vist i figur 2-21 fra fremgangsmåten ifølge oppfinnelsen visninger som er betydelig forbedret i dårlige dataområder mens egenskapene for inngangsdataene er beholdt i gode datasoner sammenlignet med de som blir oppnådd av kjente fremgangsmåter for prosessering.

Fremgangsmåten ifølge oppfinnelsen kan utøves med eksisterende programvare og ved å sammensette de nødvendige programvaremodulene og innretninger fra seismisk dataprosesseringsprogramvarebibliotek som er kommersielt tilgjengelig. Ett av de nødvendige programmene er en modul for å spore og glatte dataene. En andre modul blir anvendt for å KL-transformere de glattede dataene. En tredje modul adderer adaptivt de transformerte dataene til inngangsdataene. Til slutt blir en fjerde modul anvendt for å fjerne glattestatikkene og gi ut sluttdataene.

Egnete seismiske prosesseringsmoduler for anvendelse i oppfinnelsen er tilgjengelig fra kommersielle programvareleverandører. Moduler som er inkludert i programmene tilgjengelig fra Paradigm Geophysical og markedsført under navnene Focus og Disco ble funnet nyttige i utøvelsen av oppfinnelsen.

Som det vil fremgå fra den ovennevnte beskrivelsen omfatter den foreliggende oppfinnelsen en forbedret fremgangsmåte for seismisk databehandling for å rekonstruere signalenergi fra seismiske inngangsdata, innbefattende variable signalnivå og støyenergi. Utgangsdataene blir oppnådd ved en ny fremgangsmåte for å kombinere inngangsdata og modellert signalenergi. Én viktig fordel ved fremgangsmåten er gjenopprettelsen av lateral balanse til signalnivå uten uønskede sideeffekter, slik som lateral miksing av gode data som er tilknyttet den filtreringsprosessen ifølge kjent teknikk. Fremgangsmåten resulterer i et balansert signal/støyforhold over det seismiske nivået av interesse.

Som det vil fremgå for en fagperson innen denne teknikken vil anvendelse av PEAR-prosessen i omstendighetene hvor det er omfattende "ikke-data"-soner, slik som tilfellet hvor inngangsdataene er sammensatt av tilfeldige tall, produsere et resultat hvilken retthetsgrad kun kan bekreftes av sluttbrukertolkning når prosessert av PEAR-fremgangsmåten, og krever derfor tolket vurdering. Utøvelsen av slik tolket vurdering er innenfor fagteknikken og er rutinemessig anvendt i andre data-ananalysesammenhenger.

Claims (20)

1. Fremgangsmåte for rekonstruering av seismiske datasignaler av dårlig kvalitet for å bedre signal/støyforholdet for dataene for fremvisning og geologisk analyse i sammenheng med valget av boreområder for utvinning av hydrokarboner,karakterisert vedat fremgangsmåten omfatter trinnene: a. tilveiebringing av (200) en signalmodell ved å anvende en transformasjon av Karhunen-Loeve på valgte seismiske inngangsdata innsamlet for målsonen for å danne en kovariansmatrise fra skalarproduktene av alle inngangsdatapar, b. beregning av egenverdiene og egenvektorene for matrisen og inverstransformering av de mest signifikante egenvektorene for å tilveiebringe et koherent signalestimat av det støyfrie signalet for å definere signalmodellen, c. kombinering av (502) inngangsdataene med signalmodelldataene basert på et kontinuitetsattributt av signalestimatdataene som er tilknyttet et lateralt variabelt signal/støyforhold fra bakkeoverflate eller uregelmessigheter nær bakkeoverflate, hvor kombinering av inngangsdataene med signalmodellen blir minimert der hvor signalmodelldataene er kontinuerlige og ukontinuerlig data blir forbedret ved et bidrag fra signalestimatdataene, og d. fremvisning av (506) for analyse de rekonstruerte seismiske dataene for målsonen.

2. Fremgangsmåte i samsvar med krav 1,karakterisert vedat den omfatter trinnet forhåndsbestemming av (110) inngangsdataene for målsonen før de blir tilveiebrakt til signalmodellen.

3. Fremgangsmåte i samsvar med krav 2,karakterisert vedat forhåndsbestemmelsen av inngangsdataene omfatter tilføring av (112) sanne amplitudeinngangsdata for seismisk refleksjon for et valgt geologisk nivå til en første programmodul.

4. Fremgangsmåte i samsvar med krav 3,karakterisert vedat forhåndsbestemmelsen av inngangsdataene omfatter beregning og anvendelse av glattestatistikk på inngangsdataene for det valgte geologiske nivået.

5. Fremgangsmåte i samsvar med krav 4,karakterisert vedat forhåndsbestemmelsen av inngangsdataene omfatter utgiving av de glattede seismikkdataene til en andre modul for beregning av en signalmodell.

6. Fremgangsmåte i samsvar med krav 5,karakterisert vedat forhåndsbestemmelsen av inngangsdataene omfatter definering av et antall tids- og avstandsvindussegmenter og overlappe de definerte vindussegmentene med minst 5% til 30%.

7. Fremgangsmåte i samsvar med krav 1,karakterisert vedat de mest signifikante egenvektorene er i et område på omtrent de første 4 til 8 hovedkomponentene av transformasjonen.

8. Fremgangsmåte i samsvar med krav 6,karakterisert vedat anvendelsen av transformasjonen av Karhunen-Loeve omfatter utføring av en transformasjon av Karhunen-Loeve på hvert vindussegment.

9. Fremgangsmåte i samsvar med krav 1,karakterisert vedat tilveiebringelsen av en signalmodell omfatter sammenslåing av (504) signalmodellsegmenter og gi ut signalmodelldata.

10. Fremgangsmåte i samsvar med krav 1,karakterisert vedat forbedringen ved bidraget av signalestimatdataene omfatter trinnene: estimering av (400) signalkontinuiteten ved å krysskorrelere tilgrensede spor i signalmodellen, og beregning av den absolutte maksimumsverdien i krysskorreleringsfunksjonen basert på likhet og fremvisning av likheten.

11. Fremgangsmåte i samsvar med krav 1,karakterisert vedå omfatte: vekting av modellsporene spatialt ved å legge til en numerisk verdi for å tilveiebringe ikke-null likhet, inventering av den følgende økte likheten, og lagring av resultanten som en sporskalar i en database.

12. Fremgangsmåte i samsvar med krav 11,karakterisert vedå omfatte: fremvisning av sporskalarene, anvending av skalarene for vektet signalmodellspor, og fremvisning av de vektede signalmodellsporene.

13. Fremgangsmåte i samsvar med krav 1,karakterisert vedat fremvisningen for analyse av de rekonstruerte seismiske dataene omfatter: summering av glatteinngangen og modellsporene ved felles sporlokasjoner, subtrahering av glattestatikken fra de summerte dataene, og sammenslåing av (504) datautgangen fra andre lag i målsonen.

14. Fremgangsmåte i samsvar med krav 1,karakterisert vedat de seismiske dataene omfatter stakket 2-dimensjonal seismisk data.

15. Fremgangsmåte i samsvar med krav 1,karakterisert vedat de seismiske dataene omfatter stakket 3-dimensjonal seismisk data.

16. Fremgangsmåte i samsvar med krav 1,karakterisert vedat de seismiske datasignalene er seismiske datasignaler av dårlig kvalitet nær overflaten for et forhåndsbestemt geologisk volum, idet fremgangsmåten omfatter, før trinnene a) til d) i krav utføres, trinnene: tilføring av sanne amplitudeinngangsdata for seismisk refleksjon for et målsonevolum til en første programmodul, beregning av og anvending av glattestatistikk på inngangsdataene for et valgt geologisk nivå, utgiving av de glattede seismiske dataene til en andre modul for beregning av en signalmodell, definering et antall tids- og avstandsvindussegmenter og overlappe de definerte vindussegmentene med minst 5% til 30%, utføring av Karhunen-Loeve transformasjonen i trinn (a) i krav 1 omfatter utføring av transformasjonen av Karhunen-Loeve på hvert vindussegment, invers transformering av de mest signifikante egenvektorene i trinn (b) i krav 1 omfatter utgiving av fra 4 til 8 mest signifikante egenvektorene av transformasjonen for å tilveiebringe en estimert signalmodell, og trinn (c) i krav 1 videre omfatter estimering av kontinuitetsattributen ved krysskorrelering av tilgrensende spor i signalmodellen og beregning av den absolutte maksimumsverdien i krysskorreleringsfunksjonen basert på likhet og fremvisningslikhet, vekting av modellsporene spatialt ved å legge til en numerisk verdi for å tilveiebringe en ikke-null likhet, invertere den følgende økte likheten og lagre resultanten som en sporskalar i en database, fremvisning av sporskalarene, påføring av skalarene på de vektede sporsignalmodellene og fremvisning avde vektede sporsignalmodellene, og summering av glatteinngangen og modellsporene ved felles sporlokasjoner, subtrahering av glattestatistikken fra de summerte dataene, sammenslåing av datautgangen fra andre lag i målsonen.

17. Fremgangsmåte i samsvar med krav 16,karakterisert vedat inngangsdataene er stakket 2-dimensjonale seismiske data.

18. Fremgangsmåte i samsvar med krav 16,karakterisert vedat inngangsdataene er stakket 3-dimensjonale seismiske data.

19. Fremgangsmåte i samsvar med krav 18,karakterisert vedat utførelsen av transformasjonen av Karhunen-Loeve på hvert vindussegment omfatter separat transformering av retninger på-linje og sublinje.

20. Fremgangsmåte i samsvar med krav 18,karakterisert vedat sammenslåingen av signalmodellsegmentene omfatter sammenslåing av estimater pålinje og sublinje.