CN112782755A - 构建近地表结构模型的方法和装置 - Google Patents
构建近地表结构模型的方法和装置 Download PDFInfo
- Publication number
- CN112782755A CN112782755A CN201911079918.9A CN201911079918A CN112782755A CN 112782755 A CN112782755 A CN 112782755A CN 201911079918 A CN201911079918 A CN 201911079918A CN 112782755 A CN112782755 A CN 112782755A
- Authority
- CN
- China
- Prior art keywords
- surface structure
- fused
- structure model
- model
- data
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000000547 structure data Methods 0.000 claims abstract description 54
- 238000004364 calculation method Methods 0.000 claims abstract description 42
- 238000004587 chromatography analysis Methods 0.000 claims abstract description 22
- 230000004927 fusion Effects 0.000 claims description 16
- 238000012821 model calculation Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 14
- 238000004590 computer program Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G01V1/282—Application of seismic models, synthetic seismograms
-
- 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
- G01V1/30—Analysis
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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书提供一种构建近地表结构模型的方法和装置，前述方法包括：获取多种待融合近地表结构模型的近地表结构数据；多种待融合近地表结构模型包括微测井近地表结构模型、小道距层析地表结构模型和大炮层析地表结构模型、浅层反射地表结构模型、地质雷达地表结构模型中的至少两种；获取各个待融合近地表结构模型在坐标区间的加权参数；根据每个待融合近地表结构模型在各坐标区间的加权参数，对对应坐标区间的近地表结构数据进行加权计算，获得融合近地表结构模型。通过加权求和计算得到的近地表结构数据融合了不同近地表结构模型的优点，使得融合后的近地表结构模型对近地表的刻画更接近真实情况。
Description
技术领域
本说明书涉及地球物理勘探技术领域，具体涉及一种构建近地表结构模型的方法和装置。
背景技术
近地表介质在岩性特征、层理特征、胶结程度、速度参量和密度参量等直接受到大气环境或者水环境的影响，其具有分布不均匀特性。从地震地质角度分析，近地表介质的不均匀变化会引起地震波传播的不均匀延迟，继而导致地震剖面相位的畸变，影响利用地震数据构建形成的地层模型的精度。因此，构建尽可能模拟现实的近地表结构模型对处理地震数据、更为准确地构建深层岩层结构具有重要影响。
目前，用于构建近地表结构模型的方法主要有微测井建模方法、地震炮资料初至层析建模方法方法、浅层反射地表结构模型、地质雷达地表结构模等。各方法的地表模型精度各有优势和缺点，如：微测井建模方法形成的单点成果精度高，但是其横向密度稀疏，并不能连续地刻画近地表的结构；地震炮资料初至层析建模方法可以连续地刻画地表、反应地表结构的变化趋势，但是其地表浅层精度偏低。
发明内容
本说明书提供一种构建近地表结构模型的方法，以通过融合不同近地表结构模型的方式，构建更精准刻画近地表结构特征的模型。
一方面，本说明书提供一种构建近地表结构模型的方法，包括：
获取多种待融合近地表结构模型的近地表结构数据；所述多种待融合近地表结构模型包括微测井近地表结构模型、小道距层析地表结构模型和大炮层析地表结构模型、浅层反射地表结构模型和地质雷达地表结构模型中的至少两种；
获取各个所述待融合近地表结构模型在坐标区间的加权参数；
根据每个所述待融合近地表结构模型在各坐标区间的加权参数，对对应坐标区间的近地表结构数据进行加权计算，获得融合近地表结构模型。
可选的，获取各个所述待融合近地表结构模型在坐标区间的加权参数，包括：
获取各个所述待融合近地表结构模型在坐标区间的横向加权参数和纵向加权参数。
可选的，根据每个所述待融合近地表结构模型在各坐标区间的加权参数，对对应坐标区间的近地表结构数据进行加权计算，获得融合近地表结构模型，包括：
根据每个所述待融合近地表结构模型在各坐标区间的横向加权参数，对对应坐标区间的近地表结构数据进行加权计算，得到横向加权数据；以及，
根据每个所述待融合近地表结构模型在各坐标区间的纵向加权参数，对对应坐标区间的近地表结构数据进行加权计算，得到纵向加权数据；
对所述横向加权数据和所述纵向加权数据进行等权重加权平均，获得所述融合近地表结构模型。
可选的，所述获取各个所述待融合近地表结构模型在坐标区间的加权参数包括：查询预存储的权重-坐标区间映射表，获取各个所述待融合近地表结构模型在坐标区间的加权参数。
可选的，获取多种待融合近地表结构模型的近地表结构数据，包括：对所述待融合近地表结构模型进行离散采样，获取对应的所述近地表结构数据。
另一方面，本说明书提供一种构建近地表结构模型的装置，包括：
待融合模型数据获取模块，获取多种待融合近地表结构模型的近地表结构数据；所述多种待融合近地表结构模型包括微测井近地表结构模型、小道距地表结构模型和大炮层析地表结构模型中的至少两种；
加权参数获取模块，用于获取各个所述待融合近地表结构模型在坐标区间的加权参数；
融合模型计算模块，用于根据每个所述待融合近地表结构模型在各坐标区间的加权参数，对对应坐标区间的近地表结构数据进行加权计算，获得融合近地表结构模型。
可选的，所述加权参数获取模块获取各个所述待融合近地表结构模型在坐标区间的横向加权参数和纵向加权参数。
可选的，所述融合模型计算模块包括：
横向加权计算单元，根据每个所述待融合近地表结构模型在各坐标区间的横向加权参数，对对应坐标区间的近地表结构数据进行加权计算，得到横向加权数据；
纵向加权计算单元，根据每个所述待融合近地表结构模型在各坐标区间的纵向加权参数，对对应坐标区间的近地表结构数据进行加权计算，得到纵向加权数据；
等权重计算单元，对所述横向加权数据和所述纵向加权数据进行等权重加权平均，获得所述融合近地表结构模型。
可选的，所述加权参数获取模块通过查询预存储的权重-坐标区间映射表，获取所有坐标区间对应的加权参数。
可选的，所述待融合模型数据获取模块通过对所述待融合近地表结构模型进行离散采样，获取对应的所述近地表结构数据。
本说明书还提供一种存储介质，所述存储介质存储有多条指令；所述指令适用于由处理器加载并执行如前所述的构建近地表结构模型的方法。
本说明书还提供一种电子设备，包括存储器和处理器；所述存储器存储有多条指令；所述指令适用于由所述处理器加载并执行如前所述的构建近地表结构模型的方法。
因为各个待融合近地表结构模型在不同坐标区间的精度不同，所以对应不同坐标区间的加权参数也就不同。并且，在待融合近地表结构模型精度较好的坐标区间，对应的加权参数数值较大；因此，通过加权求和计算得到的近地表结构数据充分地融合了不同近地表结构模型的优点，使得融合后的近地表结构模型对近地表的刻画更接近真实情况。
附图说明
图1是实施例提供的构建近地表结构模型的方法的流程图；
图2是实施例提供的构建近地表结构模型的方法的流程图；
图3是实施例提供的构建近地表结构模型的装置的结构示意图；
图4是实施例提供的融合模型计算模块的结构示意图
图5是实施例提供的电子设备的示意图；
其中：11-待融合模型数据获取模块，12-加权参数获取模块，13-融合模型计算模块，131-横向加权计算单元，132-纵向加权计算单元，133-等权重计算单元；21-处理器，22-存储器，23-输入部件，24-输出部件，25-电源，26-通信模块。
具体实施方式
本说明书实施例提供一种构建近地表结构模型的方法和装置，以利用各种已知的近地表结构模型进行融合处理、综合各个近地表结构模型的特点，获得新的近地表结构模型。
下面结合附图和实施例对本说明书作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
图1是实施例提供的构建近地表结构模型的方法的流程图。如图1所示，本实施例提供的方法包括步骤S101-S103。
S101：获取多个待融合近地表结构模型的近地表结构数据。
具体应用中，前述的多个待融合近地表结构模型可以为微测井近地表结构模型、小道距近层析地表结构模型、大炮层析近地表结构模型、浅层反射地表结构模型和地质雷达地表结构模型中的至少两种；也就是说，采用两个或者三个已知的近地表结构模型作为待融合近地表结构模型，并且分别获取对应的近地表结构数据。前述的近地表结构数据除了包括诸如振幅等表征近地表结构特征数据外，还包括位置坐标数据。
本实施例中，将前述的前三种近地表结构模型均作为待融合的近地表结构模型。
实际应用中，因为近地表结构模型可能采用连续数据进行刻画，因此获取待融合近地表结构模型的近地表结构数据的过程可以是针对待融合近地表结构模型进行离散数据化的过程。具体应用中，离散数据化数据的数据量根据需要构建的融合近地表结构模型精度、处理设备的处理速度和处理能力确定。
S102：获取各个待融合近地表结构模型在坐标区间的加权参数。
因为不同的近地表结构模型在不用的坐标区间精度的不同，所以针对各个待融合的近地表结构模型，不同的的坐标区间被赋予不同的加权参数。
例如，在横向精度上，微测井近地表结构模型的精度随着远离测井点而增加；在纵向精度上，微测井近地表结构模型的精度随着井深的增加而降低，所以可以使微测井近地表结构模型的加权参数以测井点所在位置为中心，随着距离增加和深度增加而减小。
对应的，小道距近地表结构模型和大炮层析近地表结构模型在各处的精度差别不大；为了使得数据的加权系数之和始终保持1，可以使得小道距近地表结构模型和大炮层析近地表结构模型的加权参数以测井点所在位置为中心，随着距离的增加和深度增加而增加。
S103：根据每个待融合近地表结构模型在各坐标区间的加权参数，对对应坐标区间的近地表结构数据进行加权计算，获得融合近地表结构模型。
在确定了前述各个待融合近地表结构模型的近地表结构数据以及各个待融合近地表结构模型在不同坐标区间的加权参数后，可以使对应的坐标区间的加权参数和近地表结构数据进行加权平均，获得融合后的近地表结构数据，并采用融合后的近地表结构模型数据构建融合的近地表结构模型。
根据前述的步骤分析可知，因为各个待融合近地表结构模型在不同坐标区间的精度不同，所以对应不同坐标区间的加权参数也就不同；并且，在待融合近地表结构模型精度较好的坐标区间，对应的加权参数数值较大。因此通过加权求和计算得到的近地表结构数据充分地融合了不同近地表结构模型的优点，使得融合后的近地表结构模型对近地表的刻画更接近真实情况。
图2是本说明书提供的一种构建近地表结构模型的方法的流程图。如图2所示，在一个实施例中，前述方法包括步骤S201-S204。
S201：获取多个待融合的近地表结构模型的近地表结构数据。
前述的多个待融合近地表结构模型可以为微测井近地表结构模型、小道距近地表结构模型和大炮层析近地表结构模型中的至少两种。
实际应用中，因为近地表结构模型可能采用连续数据进行刻画，因此获取待融合近地表结构模型的近地表结构数据的过程可以是针对待融合近地表结构模型进行离散数据化的过程。具体应用中，离散数据化数据的数据量根据需要构建的融合近地表结构模型精度、处理设备的处理速度和处理能力确定。
S202：获取各个待融合近地表结构模型在坐标区间的横向加权参数和纵向加权参数。
其中，前述的横向加权参数为水平面方向的加权参数，纵向加权参数为深度方向的加权参数。
因为随着距离测井位置的增加，微测井近地表结构模型的精度逐渐降低，所以可以使微测井近地表结构模型的横向加权参数随着距离测井位置距离的增加而减小。例如，在一个应用中，微测井近地表结构模型在距离测井位置100m范围的横向加权参数为0.9，随着距离每增加100米，对应区间的横向加权参数减小0.1；相反的，小道距近地表结构模型和大炮层析近地表结构模型在距离测井位置100m范围的横向加权参数可以为0.05，随着距离每增加100米，对应坐标区间的横向加权参数分别增加0.05。
因为随着测井深度的增加，微测井近地表结构模型的精度逐渐降低，所以可以使得微测井近地表结构模型的纵向加权参数随着距离地表位置距离的增加而减小。例如，在一个应用中，微测井近地表结构模型在近地表0-15m深度的纵向加权参数设置为0.8，在近地表15-40m深度的纵向加权参数设置为0.3，在近地表超过40m深度的纵向加权参数设置为0.05。对应的，在近地表0-15m深度，小道距近地表结构模型的纵向加权参数为0.15，大炮层析近地表结构模型的纵向加权参数为0.05；在近地表15-40m深度，小道距近地表结构模型的纵向加权参数为0.6，大炮层析近地表结构模型的纵向加权参数为0.1；在距地表超过40m深度，小道距近地表结构模型的纵向加权参数为0.3，大炮层析近地表结构模型的纵向加权参数为0.65。
应当注意，前述加权参数是综合分析各种近地表结构模型特点基础上得到的数据，并不是任意分配。在不同近地表特征的地区，不同待融合近地表结构模型的权重系数会有变化，具体的权重系数应根据经验和实地数据确定。
S203：根据每个所述待融合近地表结构模型在各坐标区间的横向加权参数，对对应坐标区间的近地表结构数据进行加权计算，得到横向加权数据，以及，根据每个所述待融合近地表结构模型在各坐标区间的纵向加权参数，对对应坐标区间的近地表结构数据进行加权计算，得到纵向加权数据。
步骤S203是采用前述确定的横向加权参数对对应坐标区间的待融合近地表结构特征数据进行横向加权计算，以及采用前述确定的纵向加权参数对对应坐标区间的待融合近地表结构数据进行纵向加权计算的过程。
例如，针对在测井位置100m范围内，横向加权数据X＝0.8×A+0.1×B+0.1×C，纵向加权数据Y＝0.8×A+0.15×B+0.05×C其中A为微测井近地表结构数据，B为小道距近地表结构数据，C为大炮层析近地表结构数据。
S204：对所述横向加权数据和所述纵向加权数据进行等权重加权平均，获得所述融合近地表结构模型。
步骤S204是对横向加权数据和纵向加权数据进行再次融合的过程，具体的融合后近地表结构数据Z＝0.5×(X+Y)；随后，将所有的融合后近地表结构数据根据坐标区间进行配置，即可以形成融合近地表结构模型。
根据前述过程描述可知，融合后的近地表结构模型综合了各种待融合近地表结构模型的特点，因此可以更好地刻画近地表结构特征。
在前述实施例中，分别设置横向加权参数和纵向加权参数，并利用横向加权参数和纵向加权参数分别对不同近地表结构模型中的数据进行加权平均，再对两种加权方法得到的横向加权数据和纵向加权数据进行平均。在其他实施例中，也可以为各个待融合近地表结构模型设置反应三维特征的加权参数，直接使用前述三维特征加权参数计算得到近地表结构特征数据、形成融合近地表结构模型。
实际应用中，各个待融合近地表结构模型在坐标区间的加权参数可能是由工程技术人员输入，也可能是调用已经存储的权重-坐标区间映射表获得，对此本说明书实施例并不作特别的限定。
基于同一发明构思，本说明书实施例还提供一种构建近地表结构模型的装置，可以用于实现上述实施例所描述的方法，如下面的实施例。由于构建近地表结构模型的装置解决问题的原理与前述方法相似，因此处理地震数据的装置的具体方法可以参见前述方法内容，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的***较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图3是实施例提供的构建近地表结构模型的装置的结构示意图。如图3所示，构建近地表结构模型的装置包括待融合模型数据获取模块11、加权参数获取模块12和融合模型计算模块13。
待融合模型数据获取模块11用于获取多种待融合近地表结构模型的近地表结构数据；所述多种待融合近地表结构模型包括微测井近地表结构模型、小道距层析地表结构模型、大炮层析地表结构模型、浅层反射地表结构模型和地质雷达地表结构模型中的至少两种；加权参数获取模块12用于获取各个所述待融合近地表结构模型在坐标区间的加权参数；融合模型计算模块13，用于根据每个所述待融合近地表结构模型在各坐标区间的加权参数，对对应坐标区间的近地表结构数据进行加权计算，获得融合近地表结构模型。
因为各个待融合近地表结构模型在不同坐标区间的精度不同，所以对应不同坐标区间的加权参数也就不同。并且，在待融合近地表结构模型精度较好的坐标区间，对应的加权参数数值较大，使得通过加权求和计算得到的近地表结构数据充分地融合了不同近地表结构模型的优点，使得融合后的近地表结构模型对近地表的刻画更接近真实情况。
在具体应用中，所述加权参数获取模块12获取各个所述待融合近地表结构模型在坐标区间的横向加权参数和纵向加权参数。对应的，所述融合模型计算模块13的功能单元也可以再做细分。图4是实施例提供的融合模型计算模块的结构示意图。如图4所示，融合模型结算模块13可以包括横向加权计算单元131、纵向加权计算单元132和等权重计算单元133。
横向加权计算单元131根据每个所述待融合近地表结构模型在各坐标区间的横向加权参数，对对应坐标区间的近地表结构数据进行加权计算，得到横向加权数据；纵向加权计算单元132根据每个所述待融合近地表结构模型在各坐标区间的纵向加权参数，对对应坐标区间的近地表结构数据进行加权计算，得到纵向加权数据；等权重计算单元133对所述横向加权数据和所述纵向加权数据进行等权重加权平均，获得所述融合近地表结构模型。
在具体应用中，所述加权参数获取模块12通过查询预存储的权重-坐标区间映射表，获取所有坐标区间对应的加权参数；所述待融合数据获取模块通过对所述待融合近地表结构模型进行离散采样，获取对应的所述近地表结构数据。
除了提供前述的方法和装置外，本实施还提供一种实现前述方法的电子设备，以及存储实现前述方法程序的存储介质。
图5是实施例提供的电子设备的示意图。如图5所示，电子设备包括处理器21和存储器22，存储器22和处理器21二者电性连接。
实际应用中，存储器22可以是固态存储器，例如，只读存储器(ROM)、随机存取存储器(RAM)、SIM卡等。还可以是这样的存储器，其即使在断电时也保存信息，可被选择性地擦除且设有更多数据，该存储器的示例有时被称为EPROM等。存储器还可以是计算机设备领域已知的其他存储器。
在一应用中，处理器21可以加载存储在存储器22或者其他与电子设备连接的设备存储的程序，实现前文提及的构建近地表结构模型的方法。
请参照图5，本实施例提供的电子设备中，除了前述的处理器21和存储器22外，还包括包括输入部件23和输出部件24。
输入部件23用于获取待融合的近地表结构模型，以及各种加权参数参数。
输出部件24用于输出融合后近地表结构数据。
此外，电子设备还应当包括电源25；可能的情况下，还可以包括实现和其他电子设备联系的通信模块26。
本申请的实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中的构建近地表结构模型的方法的全部步骤，并且在执行上述方法时可以达到前述的效果。
本领域内的技术人员应明白，本发明的实施例可提供为方法、装置、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(装置)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器21以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器21执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器22中，使得存储在该计算机可读存储器22中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上描述仅为本说明书的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本说明书中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本说明书中公开的但不限于具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (12)
1.一种构建近地表结构模型的方法，其特征在于，包括：
获取多种待融合近地表结构模型的近地表结构数据；所述多种待融合近地表结构模型包括微测井近地表结构模型、小道距层析地表结构模型和大炮层析地表结构模型浅层反射地表结构模型、地质雷达地表结构模型中的至少两种；
获取各个所述待融合近地表结构模型在坐标区间的加权参数；
根据每个所述待融合近地表结构模型在各坐标区间的加权参数，对对应坐标区间的近地表结构数据进行加权计算，获得融合近地表结构模型。
2.根据权利要求1所述的构建近地表结构模型的方法，其特征在于，
获取各个所述待融合近地表结构模型在坐标区间的加权参数，包括：
获取各个所述待融合近地表结构模型在坐标区间的横向加权参数和纵向加权参数。
3.根据权利要求2所述的构建近地表结构模型的方法，其特征在于，根据每个所述待融合近地表结构模型在各坐标区间的加权参数，对对应坐标区间的近地表结构数据进行加权计算，获得融合近地表结构模型，包括：
根据每个所述待融合近地表结构模型在各坐标区间的横向加权参数，对对应坐标区间的近地表结构数据进行加权计算，得到横向加权数据；以及，
根据每个所述待融合近地表结构模型在各坐标区间的纵向加权参数，对对应坐标区间的近地表结构数据进行加权计算，得到纵向加权数据；
对所述横向加权数据和所述纵向加权数据进行等权重加权平均，获得所述融合近地表结构模型。
4.根据权利要求1所述的构建近地表结构模型的方法，其特征在于，
所述获取各个所述待融合近地表结构模型在坐标区间的加权参数包括：查询预存储的权重-坐标区间映射表，获取各个所述待融合近地表结构模型在坐标区间的加权参数。
5.根据权利要求1所述的构建近地表结构模型的方法，其特征在于，
获取多种待融合近地表结构模型的近地表结构数据，包括：对所述待融合近地表结构模型进行离散采样，获取对应的所述近地表结构数据。
6.一种构建近地表结构模型的装置，其特征在于，包括：
待融合模型数据获取模块，获取多种待融合近地表结构模型的近地表结构数据；所述多种待融合近地表结构模型包括微测井近地表结构模型、小道距层析地表结构模型、大炮层析地表结构模型、浅层反射地表结构模型和地质雷达地表结构模型中的至少两种；
加权参数获取模块，用于获取各个所述待融合近地表结构模型在坐标区间的加权参数；
融合模型计算模块，用于根据每个所述待融合近地表结构模型在各坐标区间的加权参数，对对应坐标区间的近地表结构数据进行加权计算，获得融合近地表结构模型。
7.根据权利要求6所述的构建近地表结构模型的装置，其特征在于，
所述加权参数获取模块获取各个所述待融合近地表结构模型在坐标区间的横向加权参数和纵向加权参数。
8.根据权利要求7所述的构建近地表结构模型的装置，其特征在于，
所述融合模型计算模块包括：
横向加权计算单元，根据每个所述待融合近地表结构模型在各坐标区间的横向加权参数，对对应坐标区间的近地表结构数据进行加权计算，得到横向加权数据；
纵向加权计算单元，根据每个所述待融合近地表结构模型在各坐标区间的纵向加权参数，对对应坐标区间的近地表结构数据进行加权计算，得到纵向加权数据；
等权重计算单元，对所述横向加权数据和所述纵向加权数据进行等权重加权平均，获得所述融合近地表结构模型。
9.根据权利要求6所述的构建近地表结构模型的装置，其特征在于，
所述加权参数获取模块通过查询预存储的权重-坐标区间映射表，获取所有坐标区间对应的加权参数。
10.根据权利要求6所述的构建近地表结构模型的装置，其特征在于，
所述待融合模型数据获取模块通过对所述待融合近地表结构模型进行离散采样，获取对应的所述近地表结构数据。
11.一种存储介质，其特征在于：所述存储介质存储有多条指令；所述指令适用于由处理器加载并执行如权利要求1-5任一项所述的构建近地表结构模型的方法。
12.一种电子设备，其特征在于：包括存储器和处理器；
所述存储器存储有多条指令；所述指令适用于由所述处理器加载并执行如权利要求1-5任一项所述的构建近地表结构模型的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911079918.9A CN112782755B (zh) | 2019-11-07 | 2019-11-07 | 构建近地表结构模型的方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911079918.9A CN112782755B (zh) | 2019-11-07 | 2019-11-07 | 构建近地表结构模型的方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112782755A true CN112782755A (zh) | 2021-05-11 |
| CN112782755B CN112782755B (zh) | 2024-06-25 |
Family
ID=75747678
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911079918.9A Active CN112782755B (zh) | 2019-11-07 | 2019-11-07 | 构建近地表结构模型的方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112782755B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101109821A (zh) * | 2007-08-16 | 2008-01-23 | 中国石化集团胜利石油管理局 | 基于***辨识提高地震资料分辨率的方法 |
| US20080294393A1 (en) * | 2007-05-24 | 2008-11-27 | Laake Andreas W | Near Surface Layer Modeling |
| CN102879820A (zh) * | 2012-09-20 | 2013-01-16 | 中国石油集团川庆钻探工程有限公司地球物理勘探公司 | 基于三角网格的三维表层模型构建方法 |
| CN104216018A (zh) * | 2014-09-02 | 2014-12-17 | 中国石油集团川庆钻探工程有限公司地球物理勘探公司 | 一种基于小道距层析反演的表层结构调查方法 |
| CN104570102A (zh) * | 2013-10-11 | 2015-04-29 | 中国石油化工股份有限公司 | 一种近地表速度模型与中深层速度模型的融合方法 |
| CN104570125A (zh) * | 2014-09-26 | 2015-04-29 | 郭平 | 一种利用井数据提高成像速度模型精度的方法 |
| CN106249290A (zh) * | 2016-08-25 | 2016-12-21 | 中国石油集团川庆钻探工程有限公司地球物理勘探公司 | 一种利用多级数据融合建立表层速度结构模型的方法 |
| CN107367756A (zh) * | 2016-05-13 | 2017-11-21 | 中国科学院地质与地球物理研究所 | 一种多层近地表地震地质复杂性的定量分析方法 |
| CN108845350A (zh) * | 2018-03-15 | 2018-11-20 | 中国石油天然气集团有限公司 | 反演二维速度模型的方法及装置 |
| CA3065179A1 (en) * | 2017-05-31 | 2018-12-06 | Exxonmobil Upstream Research Company | Constructing structural models of the subsurface |
| CN109884700A (zh) * | 2019-03-20 | 2019-06-14 | 中国石油化工股份有限公司 | 多信息融合地震速度建模方法 |
-
2019
- 2019-11-07 CN CN201911079918.9A patent/CN112782755B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080294393A1 (en) * | 2007-05-24 | 2008-11-27 | Laake Andreas W | Near Surface Layer Modeling |
| CN101109821A (zh) * | 2007-08-16 | 2008-01-23 | 中国石化集团胜利石油管理局 | 基于***辨识提高地震资料分辨率的方法 |
| CN102879820A (zh) * | 2012-09-20 | 2013-01-16 | 中国石油集团川庆钻探工程有限公司地球物理勘探公司 | 基于三角网格的三维表层模型构建方法 |
| CN104570102A (zh) * | 2013-10-11 | 2015-04-29 | 中国石油化工股份有限公司 | 一种近地表速度模型与中深层速度模型的融合方法 |
| CN104216018A (zh) * | 2014-09-02 | 2014-12-17 | 中国石油集团川庆钻探工程有限公司地球物理勘探公司 | 一种基于小道距层析反演的表层结构调查方法 |
| CN104570125A (zh) * | 2014-09-26 | 2015-04-29 | 郭平 | 一种利用井数据提高成像速度模型精度的方法 |
| CN107367756A (zh) * | 2016-05-13 | 2017-11-21 | 中国科学院地质与地球物理研究所 | 一种多层近地表地震地质复杂性的定量分析方法 |
| CN106249290A (zh) * | 2016-08-25 | 2016-12-21 | 中国石油集团川庆钻探工程有限公司地球物理勘探公司 | 一种利用多级数据融合建立表层速度结构模型的方法 |
| CA3065179A1 (en) * | 2017-05-31 | 2018-12-06 | Exxonmobil Upstream Research Company | Constructing structural models of the subsurface |
| CN108845350A (zh) * | 2018-03-15 | 2018-11-20 | 中国石油天然气集团有限公司 | 反演二维速度模型的方法及装置 |
| CN109884700A (zh) * | 2019-03-20 | 2019-06-14 | 中国石油化工股份有限公司 | 多信息融合地震速度建模方法 |
Non-Patent Citations (5)
| Title |
|---|
| 刘江平 等: "《近地表反射和折射法的进展及应用》", 《地球物理学报》, vol. 58, no. 9, pages 3286 - 3305 * |
| 明镜 等: "《北京市新生界三维地质结构模型构建》", 《北京大学学报(自然科学版)》, vol. 45, no. 1, 31 January 2009 (2009-01-31), pages 111 - 119 * |
| 杨智超 等: "《四川盆地复杂地表高精度建模技术及其应用》", 《天然气勘探与开发》, vol. 42, no. 4, pages 75 - 83 * |
| 杨智超 等: "《近地表地层品质因子在川西北部地区地震勘探中的应用》", 《天然气勘探与开发》, vol. 41, no. 3, pages 14 - 19 * |
| 王孝 等: "《复杂区分层约束近地表建模方法及应用》", 《岩性油气藏》, vol. 30, no. 5, pages 68 - 73 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112782755B (zh) | 2024-06-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU2011248989B2 (en) | Artifact reduction in method of iterative inversion of geophysical data | |
| Rodgers et al. | Regional‐scale 3D ground‐motion simulations of Mw 7 earthquakes on the Hayward fault, northern California resolving frequencies 0–10 Hz and including site‐response corrections | |
| CN105277978B (zh) | 一种确定近地表速度模型的方法及装置 | |
| WO2009002001A1 (en) | Method for velocity analysis using waveform inversion in laplace domain for geophysical imaging | |
| CN105301636B (zh) | 速度模型的建立方法和装置 | |
| Martinez et al. | Denoising of gravity gradient data using an equivalent source technique | |
| CN106896403A (zh) | 弹性高斯束偏移成像方法和*** | |
| RU2570827C2 (ru) | Гибридный способ для полноволновой инверсии с использованием способа одновременных и последовательных источников | |
| WO2014138511A1 (en) | System and method for estimating uncertainty for geophysical gridding routines lacking inherent uncertainty estimation | |
| Harmon et al. | r. sim. terrain 1.0: a landscape evolution model with dynamic hydrology | |
| CN109709602A (zh) | 一种远探测声波偏移成像方法、装置及*** | |
| CN105301638A (zh) | 一种提取风化层底界面的方法和装置 | |
| CN110989021B (zh) | 水深反演方法、装置和计算机可读存储介质 | |
| CN117331119A (zh) | 一种面向隧道探测的快速地震波走时计算方法 | |
| CN112782755A (zh) | 构建近地表结构模型的方法和装置 | |
| CN110363863B (zh) | 一种神经网络的输入数据生成方法和*** | |
| US9383464B2 (en) | Seismic imaging apparatus without edge reflections and method for the same | |
| CN106896402B (zh) | 基于地质单元体的地震正演方法及装置 | |
| US20220026593A1 (en) | Implicit property modeling | |
| CN113325476B (zh) | 地震资料静校正方法及装置 | |
| CN110133717A (zh) | 确定区域地震波相位的方法及设备 | |
| CN113219534B (zh) | 一种叠前深度偏移速度质控方法、装置、介质及电子设备 | |
| CN112764107B (zh) | 地表高速覆盖地区的地震资料静校正方法及装置 | |
| CN113075747A (zh) | 储层裂缝发育区域的预测方法及装置 | |
| CN112666606B (zh) | 确定近地表方位各向异性速度的方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |