CN113093284A - 表层q模型建立方法及装置 - Google Patents
表层q模型建立方法及装置 Download PDFInfo
- Publication number
- CN113093284A CN113093284A CN202010017710.0A CN202010017710A CN113093284A CN 113093284 A CN113093284 A CN 113093284A CN 202010017710 A CN202010017710 A CN 202010017710A CN 113093284 A CN113093284 A CN 113093284A
- Authority
- CN
- China
- Prior art keywords
- model
- work area
- information
- constraint
- preset work
- 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 57
- 239000002344 surface layer Substances 0.000 title claims abstract description 43
- 238000012545 processing Methods 0.000 claims abstract description 33
- 238000004587 chromatography analysis Methods 0.000 claims abstract description 28
- 238000004590 computer program Methods 0.000 claims description 16
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 abstract description 11
- 238000010586 diagram Methods 0.000 description 18
- 239000010410 layer Substances 0.000 description 16
- 238000010521 absorption reaction Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 13
- 230000000694 effects Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- 230000005284 excitation Effects 0.000 description 4
- 238000001914 filtration Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000009189 diving Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000003325 tomography 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
- G01V1/40—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging
- G01V1/42—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging using generators in one well and receivers elsewhere or vice versa
-
- 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
- G01V1/303—Analysis for determining velocity profiles or travel times
-
- 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
- G01V1/306—Analysis for determining physical properties of the subsurface, e.g. impedance, porosity or attenuation profiles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/62—Physical property of subsurface
- G01V2210/622—Velocity, density or impedance
- G01V2210/6222—Velocity; travel time
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/62—Physical property of subsurface
- G01V2210/624—Reservoir parameters
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Remote Sensing (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)
Abstract
本发明公开了一种表层Q模型建立方法及装置，该方法包括：利用微测井获取预设工区的近地表信息及预设工区内微测井点的品质因子Q，并利用预设工区地面地震的大炮初至信息建立近地表初始模型，并对进行近地表初始模型进行网格化处理，对预设工区进行网格化处理。利用近地表信息建立预设工区所有网格点的近地表深度和速度模型。建立用于限制近地表约束模型约束范围的约束强度模型。对网格化后的近地表初始模型进行约束层析反演，得到层析反演模型。建立预设工区内不同微测井点的Q与表层速度信息的关系曲线，结合层析反演模型获取预设工区的表层Q模型。本发明保证了最终获取到的表层Q模型的准确性和精确度，能较好地刻划近地表空间上Q的变化。
Description
技术领域
本发明涉及油气勘探技术领域，尤其涉及一种表层Q模型建立方法及装置。
背景技术
所有的地震波传播过程都要经过近地表，近地表对地震波的吸收衰减作用与近地表岩性有较大关系，陆地上近地表类型较为复杂，如黄土层、沙丘、风化砾石层、冲积扇、戈壁、农田区等。不同的地表岩性与厚度变化，对地震波吸收作用有明显差异，这种差异会引起地震子波的振幅、频率和相位在空间位置的明显变化。在面向储层研究目标的精细勘探阶段，地震资料处理的主要目标之一是地震成果应该客观反映地质和油气因素引起的储层信息变化，特别是横向变化特征，因此，在地震资料处理中必须要进行表层吸收补偿处理，以消除近地表对地震子波的影响。而在此过程中对表层地层吸收补偿进行确定性处理是十分必要的，所谓确定性处理，就是求取确定的地层品质因子Q，进行表层反Q滤波处理。根据地震勘探上的定义，品质因子Q是表征波在介质中传播时能量损失大小的一个物理量，品质因子Q值越大，表明地层的吸收作用越弱，品质因子Q越小，表明地层的吸收作用越强。近地表地层强烈的吸收衰减以及其空间剧烈变化，不但会使地震波高频信号吸收严重，有效频带变窄，而且还会产生地震子波空间不一致性问题。近地表Q补偿技术是解决这一问题的关键技术，因此，计算准确的品质因子Q，进而建立准确合理的近地表Q模型是十分重要的。
现有技术一般采用李氏经验公式估算反Q滤波中的Q值，具体可参见《石油地球物理勘探》1990年第3期354-361页，以及378页的记载，进而利用该Q值建立Q模型，具体示例可参见附图3。
发明人发现现有技术至少存在以下问题：
现有技术计算Q值采用的方法使用的是经验公式，利用该方法得到的Q值比实际Q值偏大，进而导致后续使用该Q值进行的表层吸收补偿处理效果较差。
发明内容
本发明实施例提供一种表层Q模型建立方法，Q模型的精确度较高，保证了后续使用该Q模型进行的表层吸收补偿处理效果较好，该方法包括：
利用微测井获取预设工区的近地表信息及预设工区内微测井点的品质因子Q，所述近地表信息包括表层速度信息和表层厚度信息；
利用预设工区地面地震的大炮初至信息建立近地表初始模型，并对所述近地表初始模型进行网格化处理；
对预设工区进行网格化处理；
利用近地表信息建立预设工区所有网格点的近地表深度和速度模型，将近地表深度和速度模型作为近地表约束模型；
建立用于限制所述近地表约束模型约束范围的约束强度模型；
利用所述大炮初至信息、进行网格化处理后的近地表约束模型、约束强度模型对网格化处理后的近地表初始模型进行约束层析反演，得到层析反演模型；
建立预设工区内不同微测井点的Q与表层速度信息的关系曲线，结合所述层析反演模型，获取预设工区的表层Q模型。
可选的，所述近地表初始模型为深度和速度模型。
可选的，建立预设工区内不同微测井点的Q与表层速度信息的关系曲线，结合所述层析反演模型，获取预设工区的表层Q模型，包括：
建立预设工区内不同微测井点的Q与表层速度信息的关系曲线；
利用所述Q与表层速度信息的关系曲线约束所述层析反演模型，获取预设工区的表层深度域Q模型。
可选的，所述方法还包括：
将表层深度域Q模型转换为时间域Q模型。
本发明实施例还提供一种表层Q模型建立装置，Q模型的精确度较高，保证了后续使用该Q模型进行的表层吸收补偿处理效果较好，该装置包括：
信息获取模块，用于利用微测井获取预设工区的近地表信息及预设工区内微测井点的品质因子Q，所述近地表信息包括表层速度信息和表层厚度信息；
初始模型建立模块，用于利用预设工区地面地震的大炮初至信息建立近地表初始模型，并对所述近地表初始模型进行网格化处理；
处理模块，用于对预设工区进行网格化处理；
约束模型建立模块，用于利用近地表信息建立预设工区所有网格点的近地表深度和速度模型，将近地表深度和速度模型作为近地表约束模型；
约束强度模型建立模块，用于建立用于限制所述近地表约束模型约束范围的约束强度模型；
层析反演模块，用于利用所述大炮初至信息、进行网格化处理后的近地表约束模型、约束强度模型对网格化处理后的近地表初始模型进行约束层析反演，得到层析反演模型；Q模型建立模块，用于建立预设工区内不同微测井点的Q与表层速度信息的关系曲线，结合所述层析反演模型，获取预设工区的表层Q模型。
可选的，所述近地表初始模型为深度和速度模型。
可选的，Q模型建立模块进一步用于：
建立预设工区内不同微测井点的Q与表层速度信息的关系曲线；
利用所述Q与表层速度信息的关系曲线约束所述层析反演模型，获取预设工区的表层深度域Q模型。
可选的，所述装置还包括：
模型转换模块，用于将表层深度域Q模型转换为时间域Q模型。
本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法。
本发明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存储有执行上述方法的计算机程序。
本发明实施例中，本发明实施例提供的表层Q模型建立方法及装置，通过利用微测井获取预设工区的近地表信息及预设工区内微测井点的品质因子Q，并利用预设工区地面地震的大炮初至信息建立近地表初始模型，并对进行近地表初始模型进行网格化处理，对预设工区进行网格化处理，利用近地表信息，建立预设工区所有网格点的近地表深度和速度模型，将近地表深度和速度模型作为近地表约束模型，建立用于限制近地表约束模型约束范围的约束强度模型，利用大炮初至信息、进行网格化处理后的近地表约束模型、约束强度模型对网格化处理后的近地表初始模型进行约束层析反演，得到层析反演模型。在此过程中，通过利用大炮初至信息、进行网格化处理后的近地表约束模型、约束强度模型对网格化处理后的近地表初始模型进行约束层析反演，保证了最终获取到的表层Q模型的准确性和精确度，进而使后续利用该Q模型进行的表层吸收补偿处理效果更好，能较好地刻划近地表空间上Q的变化。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
图1为本发明实施例中表层Q模型建立方法的流程图；
图2为本发明实施例中表层Q模型建立装置的结构示意图；
图3为现有技术建立的Q模型示例图；
图4为本发明实施例中建立的Q模型示例图；
图5为本发明实施例中预设工区内表层速度信息与约束前后的层析反演速度对比示意图；
图6为本发明实施例中近地表Q与速度信息的拟合曲线示例图；
图7为本发明实施例中预设工区内使用近地表信息约束前后的近地表Q值曲线对比示意图；
图8为本发明实施例中双井微测井激发和接收示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。
图1示出了本发明实施例提供的表层Q模型建立方法的流程图，如图1所示，该方法包括：
步骤101、利用微测井获取预设工区的近地表信息及预设工区内微测井点的品质因子Q，所述近地表信息包括表层速度信息和表层厚度信息。
在本实施例中，可以采用双测井计算近地表Q值，具体方法如下：
在测试点根据低速带厚度情况钻探两口浅井，一口为激发井，另一口为接收井，两口井的横向间隔较小，一般在20米以内。在地面围绕激发井井口等间隔埋置一些检波器，并在接收井的井中等间隔埋置一些检波器，采集过程中在激发井从井底开始等单隔采用***进行激发，一直移动至井口，由于采用井中和地面两种检波器接收，因此对于近地表的速度、潜水面深度等参数可互相验证。
在附图8中选择相邻两炮i和j，假设第j炮所在深度界面以上地层的品质因子为Q2，以下地层的品质因子为Q1。对于每一炮，选取一道质量好的地面接收道和井底接收道，这样便得到四道地震初至记录。设f1和f3是井底检波器记录地震初至信号的峰值频率，f2和f4是地面检波器记录地震初至信号的峰值频率。由峰值频谱频移法估算Q值公式可得：
式中的t1和t2分别为第j炮震源子波到达井底检波器和地面检波器的旅行时；fm2为第j炮震源子波的峰值频率。
第i炮激发的子波要经过Q1和Q2两个层，才能到达地面接收检波器，因此令震源子波到达地面检波器过程中的等效Q值为Qeff。对于第炮，有如下公式：
上式中的t3为第炮震源子波到达井底检波器的旅行时；fm2为第炮震源子波的峰值频率；f3和f4分别为井底的接收信号和地面接收信号的峰值频率；t4和t5分别为第炮震源子波到达分界面的旅行时和从分界面到达地面检波器的旅行时。
在式(1)至式(5)中，f1和f3、f2和f4分别为井底检波器、地面检波器记录地震初至信号的峰值频率，可以通过对地震信号的频谱分析求得；t1、t2和t3为地震记录的初至时间，可以从地震记录中测得，根据t2可以求得Q2层等效速度，由Q2层等效速度可以得到t4，从第i炮到地面检波点的初至时间中减去t4，可以得到t5。因此联立式(1)至式(5)组成方程组存在fm2、fm2、Q1、Q2、Qeff等5个未知数，用消元法解得下式：
上式(6)和式(7)中的t6＝t4+t5；Q1为第j炮所在界面以下层的等效Q值；Q2为第j炮反在界面以下层的等效Q值。计算所有相邻炮点，可求得所有界面至地面之前是的等效Q值。如果求得了第j炮和第炮所在界面以上层的Q值，利用式(5)使可以计算出两个界面之间的层间Q值。由于初至测量误差和初至波波形可能受到污染，引起峰值频率测量误差，会导致个别点Q值估算出现偏差，因此需要利用中值滤波方法剔除有明显偏差的分层Q值和等效Q值，从而获得该微测井点的近地表Q值。
近地表信息处理通过微测井外，还可以通过小折射和野外露头调查等方法获取，能够较为准确的得到调查点的近地表信息，如近地表的岩性、低降速带的厚度和速度、高速顶速度和岩性等信息，其中最重要的则是速度和厚度信息。
步骤102、利用预设工区地面地震的大炮初至信息建立近地表初始模型，并对所述近地表初始模型进行网格化处理。
在实施例中，大炮初至信息可以通过人工智能拾取结合手动拾取的方式来获取。具体实施时，利用该大炮初至时间，采用折射波旅行时法建立近地表初始模型。
通过对进行所述近地表初始模型进行网格化处理，实现了对近地表初始模型的精准刻画，保证后续作业的顺利进行。
步骤103、对预设工区进行网格化处理。
其中，网格化处理指的是：对预设工区以网格的形式进行展示，该网格中包括多个网格点。
步骤104、利用近地表信息，建立预设工区所有网格点的近地表深度和速度模型，将近地表深度和速度模型作为近地表约束模型。
通过建立近地表约束模型，实现了对后续层析反演结果的约束，达到了在表层调查点位置的层析反演结果与实测数据基本一致的效果。
步骤105、建立用于限制所述近地表约束模型约束范围的约束强度模型。
通过建立约束强度模型，可以限制后续层析反演后对初始模型更新时更新量的变化范围，使层析反演结果接近于近地表约束模型，保证了层析反演的结果与实测数据基本一致。
步骤106、利用所述大炮初至信息、进行网格化处理后的近地表约束模型、约束强度模型对网格化处理后的近地表初始模型进行约束层析反演，得到层析反演模型。
由于地面地震采集过程中缺少近道初至信息，导致近地表初始模型普遍会出现浅层速度过高的现象，因此需要使用步骤103对近地表初始模型进行表层信息约束层析反演，具体的反演方法可以为：
先利用小折射或者微测井所得到低速层和降速层的速度信息和厚度信息建立近地表约束模型，并通过约束强度模型对该近地表约束模型进行约束，在大炮初至层析反演时，使得低速层和降速层在每一次迭代以后，速度不变或者发生较小的变化，弥补了大炮初至丢失的浅层精细的速度信息，使得反演模型更加的准确。
近地表约束模型的速度和深度的计算公式(反距离加权法)如下：
其中，Depth(i)表示反距离加权后的第i个垂向网格的模型深度，H1(i)表示第一口微测井在第i个垂向网格对应的厚度，D1表示第一口微测井与第i个垂向网格的水平方向空间距离，Hn(i)表示第n个微测井点在第i个垂向网格对应的厚度，Dn表示第n个微测井与第i个垂向网格的水平方向空间距离，V(i)表示反距离加权后第i个垂向网格的模型速度，V1(i)表示第1口微测井在第i个垂向网格对应的速度，Vn(i)表示第n个微测井点在第i个垂向网格对应的速度。
为了符合地层的速度变化规律，在最终的拟合速度上进行平滑处理。其中，平滑处理的方法可以是将模型的同一层中(立体网格同一高度的层)取周围网格的速度平均值，作为当前网格的速度值。
将上面得到的网格化后的近地表初始模型进行层析反演，反演过程速度的更新按如下公式实现，假设Vi是迭代第次某网格的速度，Vi-1是迭代第i次的速度，约束层析反演采用的公式如下：Vi＝Vi-1+S*ΔV
其中，ΔV为速度的修正量，S取值范围在0-1之间，取1表示没有约束，取0表示更新过程中初始速度值不变，进行完全约束。
近地表信息的嵌入只能在近地表初始建模过程中实现，在实际应用时，可以把已经迭代后的模型当作初始模型，在此基础上嵌入微测井模型再进行模型迭代，能取得同样的处理效果。
步骤107、建立预设工区内不同微测井点的Q与表层速度信息的关系曲线，结合所述层析反演模型，获取预设工区的表层Q模型，具体的Q模型示例图可参见附图4，该附图为与现有技术提供的附图3相对的对比图，经对比可以看出：通过使用本发明的方法获取到的Q值与微测井点的Q值更加接近，精度较高，能满足近地表Q补偿对Q模型精度的要求。其中，预设工区内不同微测井点的Q与表层速度信息的关系曲线可以根据不同微测井点的Q与表层速度信息采用多项式拟合法得到。
具体地，该步骤107包括：建立预设工区内不同微测井点的Q与表层速度信息的关系曲线；
利用该Q与表层速度信息的关系曲线约束所述层析反演模型，获取预设工区的表层深度域Q模型。在预设工区内，表层速度信息与与约束前后的层析反演速度对比示意图可参见附图5，在附图5中，左线指的是：表层速度。右线指的是：未进行约束的层析反演速度。中线指的是：进行了层析反演厚度速度。可见，通过使用微测井约束厚的速度模型更加精准。
此外，预设工区内使用近地表信息约束前后的近地表Q值曲线对比示意图可参见附图7，在附图7中，左线指的是：利用近地表信息获取的Q值曲线。右线指的是：使用为约束的速度得到的近地表Q值曲线。中线指的是：使用微测井约束厚的速度模型获取的Q值曲线。
其中，Q与表层速度信息的关系曲线公式可以为：
Q＝6.014ln(v)-34.98；
上式中，V为微测井得到的近地表层速度。上述公式的拟合曲线示意图可参见附图6。
实际操作中，建立速度与Q的关系曲线相对较为简单。要想建立能描述近地表变化的时空变的近地表Q模型，只要把浅层速度模型的精度提高，使表层速度模型与表层调查点的速度更加接近或是相等，然后通过关系曲线的计算就可以在速度模型的基础上得到近地表Q模型。这样就把计算近地表Q模型的问题转移为计算近地表高精度速度模型的问题。
至此则完成了利用Q与表层速度信息的关系曲线，利用表层微测井厚度与速度模型约束层析反演，得到了高精度的近地表深度和速度模型，因为增加了微测井约束模型和约束强度方程，最终的浅层速度模型精度较高，空间上的速度和深度变化规律是源于单炮初至信息，因此反映的细节更加丰富，而在微测井点位置由于在层析反演的速度更新过程就加入了近地表信息强制约束，微测井点位置的浅层速度模型与实测的速度和厚度吻合程度较高，通过本发明上述方法，初至信息的空间样点密度可达到20m×20m，精度较高，可以代表表层速度和深度的空间变化规律。
该模型可以做为计算近地表Q的计算参考模型，也可以用于静校正的计算和深度偏移浅层速度模型的更新。
由图1可知，本发明实施例提供的表层Q模型建立方法，通过利用微测井获取预设工区的近地表信息及预设工区内微测井点的品质因子Q，并利用预设工区地面地震的大炮初至信息建立近地表初始模型，并对进行近地表初始模型进行网格化处理，对预设工区进行网格化处理，利用近地表信息，建立预设工区所有网格点的近地表深度和速度模型，将近地表深度和速度模型作为近地表约束模型，建立用于限制近地表约束模型约束范围的约束强度模型，利用大炮初至信息、进行网格化处理后的近地表约束模型、约束强度模型对网格化处理后的近地表初始模型进行约束层析反演，得到层析反演模型。在此过程中，通过利用大炮初至信息、进行网格化处理后的近地表约束模型、约束强度模型对网格化处理后的近地表初始模型进行约束层析反演，保证了最终获取到的表层Q模型的准确性和精确度，进而使后续利用该Q模型进行的表层吸收补偿处理效果更好，能较好地刻划近地表空间上Q的变化。
为了满足实际作业要求，该方法还包括：
将表层深度域Q模型转换为时间域Q模型。
具体实施时，可以根据实际作业需求，将表层深度域Q模型转换为时间域Q模型，转换方式有多种，举例来说，可以直接利用深度偏移建模软件，通过时深转换工具实现，也可以将每个炮点和检波点的模型曲线通过DIX公式转换为时间域Q值曲线，再通过插值方式得到时间域Q模型。
基于同一发明构思，本发明实施例中还提供了一种表层Q模型建立装置，如下面的实施例所述。由于表层Q模型建立装置解决问题的原理与表层Q模型建立方法相似，因此，表层Q模型建立装置的实施可以参见表层Q模型建立方法的实施，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装置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2示出了本发明实施例提供的表层Q模型建立装置，如图2所示，该装置包括：
信息获取模块201，利用微测井获取预设工区的近地表信息及预设工区内微测井点的品质因子Q，所述近地表信息包括表层速度信息和表层厚度信息。
初始模型建立模块202，用于利用预设工区地面地震的大炮初至信息建立近地表初始模型，并对所述近地表初始模型进行网格化处理；
处理模块203，用于对预设工区进行网格化处理；
约束模型建立模块204，用于利用近地表信息建立预设工区所有网格点的近地表深度和速度模型，将近地表深度和速度模型作为近地表约束模型；
约束强度模型建立模块205，用于建立用于限制所述近地表约束模型约束范围的约束强度模型；
层析反演模块206，用于利用所述大炮初至信息、进行网格化处理后的近地表约束模型、约束强度模型对网格化处理后的近地表初始模型进行约束层析反演，得到层析反演模型；
Q模型建立模块207，用于建立预设工区内不同微测井点的Q与表层速度信息的关系曲线，结合所述层析反演模型，获取预设工区的表层Q模型。
在本发明实施例中，所述近地表初始模型为深度和速度模型。
在本发明实施例中，Q模型建立模块207进一步用于：
建立预设工区内不同微测井点的Q与表层速度信息的关系曲线；
利用所述Q与表层速度信息的关系曲线约束所述层析反演模型，获取预设工区的表层深度域Q模型。
在本发明实施例中，该装置还包括：
模型转换模块，用于将表层深度域Q模型转换为时间域Q模型。
本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法。
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述方法的计算机程序。
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、***、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(***)、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中，使得存储在该计算机可读存储器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。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，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 (10)
1.一种表层Q模型建立方法，其特征在于，包括：
利用微测井获取预设工区的近地表信息及预设工区内微测井点的品质因子Q，所述近地表信息包括表层速度信息和表层厚度信息；
利用预设工区地面地震的大炮初至信息建立近地表初始模型，并对所述近地表初始模型进行网格化处理；
对预设工区进行网格化处理；
利用近地表信息建立预设工区所有网格点的近地表深度和速度模型，将近地表深度和速度模型作为近地表约束模型；
建立用于限制所述近地表约束模型约束范围的约束强度模型；
利用所述大炮初至信息、进行网格化处理后的近地表约束模型、约束强度模型对网格化处理后的近地表初始模型进行约束层析反演，得到层析反演模型；
建立预设工区内不同微测井点的Q与表层速度信息的关系曲线，结合所述层析反演模型，获取预设工区的表层Q模型。
2.如权利要求1所述的方法，其特征在于，所述近地表初始模型为深度和速度模型。
3.如权利要求1所述的方法，其特征在于，建立预设工区内不同微测井点的Q与表层速度信息的关系曲线，结合所述层析反演模型，获取预设工区的表层Q模型，包括：
建立预设工区内不同微测井点的Q与表层速度信息的关系曲线；
利用所述Q与表层速度信息的关系曲线约束所述层析反演模型，获取预设工区的表层深度域Q模型。
4.如权利要求3所述的方法，其特征在于，还包括：
将表层深度域Q模型转换为时间域Q模型。
5.一种表层Q模型建立装置，其特征在于，包括：
信息获取模块，用于利用微测井获取预设工区的近地表信息及预设工区内微测井点的品质因子Q，所述近地表信息包括表层速度信息和表层厚度信息；
初始模型建立模块，用于利用预设工区地面地震的大炮初至信息建立近地表初始模型，并对所述近地表初始模型进行网格化处理；
处理模块，用于对预设工区进行网格化处理；
约束模型建立模块，用于利用近地表信息建立预设工区所有网格点的近地表深度和速度模型，将近地表深度和速度模型作为近地表约束模型；
约束强度模型建立模块，用于建立用于限制所述近地表约束模型约束范围的约束强度模型；
层析反演模块，用于利用所述大炮初至信息、进行网格化处理后的近地表约束模型、约束强度模型对网格化处理后的近地表初始模型进行约束层析反演，得到层析反演模型；
Q模型建立模块，用于建立预设工区内不同微测井点的Q与表层速度信息的关系曲线，结合所述层析反演模型，获取预设工区的表层Q模型。
6.如权利要求5所述的装置，其特征在于，所述近地表初始模型为深度和速度模型。
7.如权利要求5所述的装置，其特征在于，Q模型建立模块进一步用于：
建立预设工区内不同微测井点的Q与表层速度信息的关系曲线；
利用所述Q与表层速度信息的关系曲线约束所述层析反演模型，获取预设工区的表层深度域Q模型。
8.如权利要求7所述的装置，其特征在于，还包括：
模型转换模块，用于将表层深度域Q模型转换为时间域Q模型。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至4任一所述方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有执行权利要求1至4任一所述方法的计算机程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010017710.0A CN113093284A (zh) | 2020-01-08 | 2020-01-08 | 表层q模型建立方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010017710.0A CN113093284A (zh) | 2020-01-08 | 2020-01-08 | 表层q模型建立方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113093284A true CN113093284A (zh) | 2021-07-09 |
Family
ID=76663295
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010017710.0A Pending CN113093284A (zh) | 2020-01-08 | 2020-01-08 | 表层q模型建立方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113093284A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102109617A (zh) * | 2010-12-15 | 2011-06-29 | 大庆油田有限责任公司 | 用双井微测井技术测量近地表地层q值的方法 |
| US20110273961A1 (en) * | 2010-05-05 | 2011-11-10 | Wenyi Hu | Q Tomography Method |
| CN102590864A (zh) * | 2011-12-31 | 2012-07-18 | 中国石油集团西北地质研究所 | 两步法层析反演近地表建模方法 |
| US20130258810A1 (en) * | 2012-03-30 | 2013-10-03 | Wenyi Hu | Method and System for Tomographic Inversion |
| CN106646601A (zh) * | 2016-12-28 | 2017-05-10 | 中国石油化工股份有限公司 | 多信息联合约束的浅中深层三维q体建立方法 |
-
2020
- 2020-01-08 CN CN202010017710.0A patent/CN113093284A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110273961A1 (en) * | 2010-05-05 | 2011-11-10 | Wenyi Hu | Q Tomography Method |
| CN102109617A (zh) * | 2010-12-15 | 2011-06-29 | 大庆油田有限责任公司 | 用双井微测井技术测量近地表地层q值的方法 |
| CN102590864A (zh) * | 2011-12-31 | 2012-07-18 | 中国石油集团西北地质研究所 | 两步法层析反演近地表建模方法 |
| US20130258810A1 (en) * | 2012-03-30 | 2013-10-03 | Wenyi Hu | Method and System for Tomographic Inversion |
| CN106646601A (zh) * | 2016-12-28 | 2017-05-10 | 中国石油化工股份有限公司 | 多信息联合约束的浅中深层三维q体建立方法 |
Non-Patent Citations (6)
| Title |
|---|
| LI GUO-FA ET AL.: "Tomographic inversion of near-surface Q factor by combining surface and cross-hole seismic surveys", 《APPLIED GEOPHYSICS》 * |
| 冯泽元等: "利用层析反演技术解决山地复杂区静校正问题", 《石油物探》 * |
| 周翼等: "细分表层速度场约束层析静校正技术在西昆仑山黄土区的应用", 《非常规油气》 * |
| 方志雄: "《延川南煤层气田勘探开发关健技术及应用》", 30 June 2017, 北京：地质出版社 * |
| 杨文君等: "鄂尔多斯盆地黄土山地区近地表结构调查技术研究与应用", 《中国石油学会2019年物探技术研讨会》 * |
| 袁刚等: "约束层析反演及其在地震速度计算中的应用", 《石油物探》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Maraschini et al. | A new misfit function for multimodal inversion of surface waves | |
| CN101086535B (zh) | 表征油藏随时间演变的方法和程序 | |
| US8892410B2 (en) | Estimation of soil properties using waveforms of seismic surface waves | |
| EP2093591B1 (en) | Method for Three Dimensional Seismic Travel Time Tomography in Transversely Isotropic Media | |
| US10768323B2 (en) | Methods and systems for seismic data analysis using a tilted transversely isotropic (TTI) model | |
| Piatti et al. | Constrained 1D joint inversion of seismic surface waves and P‐refraction traveltimes | |
| WO2017035104A1 (en) | Velocity model seismic static correction | |
| EP2745146B1 (en) | System and method for subsurface characterization including uncertainty estimation | |
| US20140336940A1 (en) | Estimation of q-factor in time domain | |
| CN111722284B (zh) | 一种基于道集数据建立速度深度模型的方法 | |
| US10379244B2 (en) | Method for obtaining estimates of a model parameter so as to characterise the evolution of a subsurface volume over a time period | |
| CN104199088B (zh) | 一种提取入射角道集的方法及*** | |
| Talukdar et al. | Sub-basalt imaging of hydrocarbon-bearing Mesozoic sediments using ray-trace inversion of first-arrival seismic data and elastic finite-difference full-wave modeling along Sinor–Valod profile of Deccan Syneclise, India | |
| Schwenk | Constrained parameterization of the multichannel analysis of surface waves approach with application at Yuma Proving Ground, Arizona | |
| CN113093284A (zh) | 表层q模型建立方法及装置 | |
| Song et al. | The impact of local velocity anomaly on structure confirming and the varying velocity mapping strategy | |
| Mills | Application of near-surface seismic characterization to sparsely sampled data sets | |
| EP3669210B1 (en) | Method for obtaining estimates of a model parameter so as to characterise the evolution of a subsurface volume over a time period using time-lapse seismic | |
| Alhajni | Comparison study between the elevation and datum statics in NC 210, western Libya | |
| Boada et al. | Parameter estimation for subsoil modelling via seismic refraction | |
| RU2526794C2 (ru) | Способ определения упругих свойств горных пород на основе пластовой адаптивной инверсии сейсмических данных | |
| Noghretab et al. | Simulation of VSP data based on DSI data and estimation of shear wave velocity and elastic Moduli for a well case study | |
| Liu et al. | Elastic full-waveform imaging of critical zone | |
| Li et al. | Characterization for the carbonate-karst reservoir based on target-oriented full-waveform inversion | |
| CN114488299A (zh) | 一种煤系地层的砂岩储层预测方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210709 |