CN113791448B - 一种基于地质结构特征的多维数据可视化方法及*** - Google Patents

一种基于地质结构特征的多维数据可视化方法及*** Download PDF

Info

Publication number
CN113791448B
CN113791448B CN202110993201.6A CN202110993201A CN113791448B CN 113791448 B CN113791448 B CN 113791448B CN 202110993201 A CN202110993201 A CN 202110993201A CN 113791448 B CN113791448 B CN 113791448B
Authority
CN
China
Prior art keywords
data
sequence
column
extreme points
extreme
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.)
Active
Application number
CN202110993201.6A
Other languages
English (en)
Other versions
CN113791448A (zh
Inventor
聂小燕
张燕
王昱林
何源泽
吴宗整
王梓航
陈晶晶
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu College of University of Electronic Science and Technology of China
Original Assignee
Chengdu College of University of Electronic Science and Technology of China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chengdu College of University of Electronic Science and Technology of China filed Critical Chengdu College of University of Electronic Science and Technology of China
Priority to CN202110993201.6A priority Critical patent/CN113791448B/zh
Publication of CN113791448A publication Critical patent/CN113791448A/zh
Application granted granted Critical
Publication of CN113791448B publication Critical patent/CN113791448B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01V1/34—Displaying seismic recordings or visualisation of seismic data or attributes
    • G01V1/345—Visualisation of seismic data or attributes, e.g. in 3D cubes
    • 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
    • G01V1/301—Analysis for determining seismic cross-sections or geostructures
    • 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
    • G01V1/36—Effecting static or dynamic corrections on records, e.g. correcting spread; Correlating seismic signals; Eliminating effects of unwanted energy
    • G01V1/364—Seismic filtering
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/20—Trace signal pre-filtering to select, remove or transform specific events or signal components, i.e. trace-in/trace-out
    • G01V2210/22—Time-domain filtering
    • 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
    • G01V2210/64—Geostructures, e.g. in 3D data cubes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/70—Other details related to processing
    • G01V2210/74—Visualisation of seismic data

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)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明属于数据处理技术领域，具体的说是一种基于地质结构特征的多维数据可视化方法及***，该方法包括以下步骤：S1：将专业人员采集到的用来描述地质信息的离散数据输入电脑***中；S2：利用结构特征提取算法来处理描述地质信息的离散数据，得到最具有结构特征的序列；S3：将通过S2得到的最具有结构特征的序列通过电脑显示屏显示出来；所述结构特征提取算法包括数据预处理算法和同相轴提取；所述同相轴提取采用相关法；所述数据预处理算法包括平滑滤波和特征选择；分析所有的离散数据之间的联系，从中找出能够代表地质结构特征的数据序列，并且通过显示屏显示出来。

Description

一种基于地质结构特征的多维数据可视化方法及***
技术领域
本发明属于数据处理技术领域，具体的说是一种基于地质结构特征的多维数据可视化方法及***。
背景技术
石油作为国家经济命脉之一，随着油田开采的地质结构越来越复杂，所以其开采技术的要求也越来越高，加之开采成本巨大，专业人员也很需要使用更能真实反映地质结构特征的图像来帮助判断油气在地下储藏的位置。
地质勘探人员会使用科学方法收集用来描述地质信息的离散数据，但由于单个离散数据值中所蕴含的地质特征信息太少，所以需要通过分析所有的离散数据之间的联系，从中找出能够代表地质结构特征的数据序列；为此，本发明提供一种基于地质结构特征的多维数据可视化方法及***。
发明内容
为了弥补现有技术的不足，解决由于单个离散数据值中所蕴含的地质特征信息太少，多个离散数据分析困难的问题，本发明提出的一种基于地质结构特征的多维数据可视化方法及***。
本发明解决其技术问题所采用的技术方案是：本发明所述的一种基于地质结构特征的多维数据可视化方法，该方法包括以下步骤：
S1：将专业人员采集到的用来描述地质信息的离散数据输入电脑***中；
S2：利用结构特征提取算法来处理描述地质信息的离散数据，得到最具有结构特征的序列；
S3：将通过S2得到的最具有结构特征的序列通过电脑显示屏显示出来。
进一步，所述结构特征提取算法包括数据预处理算法和同相轴提取；所述同相轴提取采用相关法；所述数据预处理算法包括平滑滤波和特征选择；所述结构特征提取算法步骤如下：S1：输入数据；S2：数据平滑滤波；S3：捕获极值点：S4：正切值过滤极值点；S5：相关法寻找结构特征序列；S6：得到结构特征初始序列；平滑滤波和特征选择是对数据做预处理，平滑滤波是用来对地震勘探数据中边缘信息做平滑处理，降低噪音，提高信噪比；特征选择是对提取出来的极值点序列再一次筛选，选出最具有结构特征的序列，此序列是为后续可视化显示提供数据来源。
进一步，所述数据平滑滤波的算法过程为：假设采用滑动窗口大小为 5，则以每个滑动时窗的中心点为基准 Di ，分别在中心点向上和向下取两个时间单位的坐标点 Di-2,Di-1 和 Di+1, Di+2,然后给这五个点分别赋予权重值 1，2，3，2，1，最后每个像素点 与其对应的权重相乘求和，和数除总权重得到中心点的平均值，当遇到中心点向上或向下不足两个单位时，中心点的权重仍为 3，其余点按离中心点的距离赋对应权重值。
进一步，捕获所述极值点的过程为：先对平滑后滤波的数据集按列划分，然后寻找每一列数据的极大、极小值，在每一列数据中存在一个元素比左右两边的数都小，则这个元素为极小值，若这个元素比左右两边的数都大，则这个元素是极大值，极大值和极小值分别存放在两个列表；数据平滑滤波和寻找极值点算法只关注数组中有效数据点，无效数据点赋值为-99999。
进一步，所述方差过滤极值点的过程为：所有的极值点都是从平滑后的地震数据中提取的，上述算法的极大值列表和极小值列表按相同列数进行交叉排序，即按行序号排序 得到数组每列的极值点序列；根据实际二维数组的大小选定一个序列宽度 W，每个极值点计算方差的序列就以自己为中心，分别向上、向下对称取到共 W 个 数量的数，在计算序列的方差之前，将 W 个数据经过线性归一化处理，所有参与方差计算的数被压缩在范围[0, 1]之间；对归一化后的数据进行总体标准偏差的计算，确定一个阈值，若方差小于此阈值，则舍弃；最终保留下的极值点就是特征选择后的最能表现结构特征的值。
进一步，所述正切值过滤极值点的过程为：设定正切值的阈值，每个极值点以时间序号为 x 坐标，即读取的二维数组的行坐标，以极值点本身值的大小作为 y 坐标，每个极值点都需要与同列集中相邻两个极值点计算斜率，只有一个极值点两边的正切值的绝对值均大于斜率阈值，才可以保留。
进一步，相关法寻找结构特征序列的过程为：S1：根据特征选择提取出来的最值数组的大小，来确定合适的同相轴的判定窗口大小（值为 win_wtd）和连接邻接列的窗口大小（值为 neighbor_wtd）；与之前的做法相同，窗口大小一般设为奇数，这样可以直接把目标点定位到窗口的 中心位置；S2：从第 i 列开始作为参考列，i 列的所有经过特征选择筛选留下的极值 点按行坐标升序排列，存放在 extremums 二维数组中；S3：在extremums数组中，第i列的前几个极值点时间序号小于（win_wtd-1）/2，那么取原数据中有效数据的前win_wtd 个值作为这些极值点的相关系数求解序列；S4：在 extremums 数组中，第 i 列的后几个极值点时间序号大于原始数据中第 i 列有效数据的最大坐标值减去（win_wtd-1）/2，那么取原数据中有效数据的后 win_wtd 个值作为这些极值点的相关系数求解序列；S5：从 extremums 数组里第 i 列中间部分的极值点开始，行序号设为 j，每一个分别映射到同相轴判定窗口的中心位置，然后又分别对这些极值点向上和向下分别取（win_wtd-1）/2个原数据的数值，作为各自的相关系数求解序列；S6：根据 neighbor_wtd 来确定该参考列右侧需要的邻接列的个数，按上述 S2- S5的做法同样求解出邻接列内有关极值点各自对应的相关系数求解序列；参考列中的一个极值点 j 会分别对应邻接列中行序号为 j-（neighbor_wtd-1） /2 , … , j-1 , j , j+1 , … , j +（neighbor_wtd-1）/2 的极值点，这些极值点的行坐标在原数据中可能不是连续的；S7：有了相关系数的求解序列，则利用公式可以得到参考列中行坐标为 j 的极值点与邻接列的上中下各极值点的相关系数，根据阈值去掉相关性弱的极值点；S8：重复上述第二步至第七步计算第 i+1 列中极值点间的相关系数，最后把符合相关大小的各极值点相连，得到初始结构特征序列。
进一步，所述结构特征序列的提取过程为：S1： 当出现 extremums[i][j] 与extremums[i+1][j+k] 已经相连，extremums[i][j+1]与 extremums[i+1][j+k]上部的某个极值点相连，此时可以判定为同相轴交叉，切断相连 extremums[i][j+1]的这段同相轴；S2：所有需要断开的同相轴均为第 i 列中行坐标大的连线，保留行坐标小的连线；S3：计算每个同相轴的长度，设定一个结构特征序列中包含极值点少于 5 个的时候，将会被剔除。
一种基于地质结构特征的多维数据可视化***，该***适用于上述中任意一项所述的基于地质结构特征的多维数据可视化方法，包括总控单元、数据处理单元、显示单元和异常处理单元；所述总控单元、数据处理单元、显示单元和异常处理单元均基于电脑终端运行；所述总控单元可控制数据处理单元、显示单元和异常处理单元的运行；所述数据处理单元包括结构特征提取算法，用以处理输入的离散数据，产生最具有结构特征的序列，并且将这些信息通过显示单元显示出来；所述异常处理单元用以处理异常的离散数据，并且将这些信息通过显示单元显示出来。
本发明的有益效果如下：
本发明所述的一种基于地质结构特征的多维数据可视化方法及***，通过将数据预处理算法和同相轴提取算法应用于多个地质信息离散数据的分析中，分析所有的离散数据之间的联系，从中找出能够代表地质结构特征的数据序列，并且通过显示屏显示出来，使得专业人员能够需要快速、准确地从大量数据中找出数据反映的结构特征信息，确保了开发工作顺利进行，能够尽可能多的了解地质结构特征，来判断油气资源在地下储藏的位置。
附图说明
下面结合附图对本发明作进一步说明。
图1为本发明的方法流程图；
图2为本发明中数据预处理算法流程图；
图3为本发明中结构特征提取算法流程图；
图4为本发明中***流程图；
实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。
如图1至图4所示，本发明所述的一种基于地质结构特征的多维数据可视化方法，该方法包括以下步骤：
S1：将专业人员采集到的用来描述地质信息的离散数据输入电脑***中；
S2：利用结构特征提取算法来处理描述地质信息的离散数据，得到最具有结构特征的序列；
S3：将通过S2得到的最具有结构特征的序列通过电脑显示屏显示出来。
为了进一步实现本发明的内容，所述结构特征提取算法包括数据预处理算法和同相轴提取；所述同相轴提取采用相关法；所述结构特征提取算法包括平滑滤波和特征选择；所述数据预处理算法步骤如下：S1：输入数据；S2：数据平滑滤波；S3：捕获极值点：S4：正切值过滤极值点；S5：相关法寻找结构特征序列；S6：得到结构特征初始序列。
为了进一步实现本发明的内容，所述数据平滑滤波的算法过程为：假设采用滑动窗口大小为 5，则以每个滑动时窗的中心点为基准 Di ，分别在中心点向上和向下取两个时间单位的坐标点 Di-2, Di-1 和 Di+1, Di+2,然后给这五个点分别赋予权重值 1，2，3，2，1，最后每个像素点 与其对应的权重相乘求和，和数除总权重得到中心点的平均值，当遇到中心点向上或向下不足两个单位时，中心点的权重仍为 3，其余点按离中心点的距离赋对应权重值。
为了进一步实现本发明的内容，捕获所述极值点的过程为：先对平滑后滤波的数据集按列划分，然后寻找每一列数据的极大、极小值，在每一列数据中存在一个元素比左右两边的数都小，则这个元素为极小值，若这个元素比左右两边的数都大，则这个元素是极大值，极大值和极小值分别存放在两个列表。
为了进一步实现本发明的内容，所述方差过滤极值点的过程为：所有的极值点都是从平滑后的地震数据中提取的，上述算法的极大值列表和极小值列表按相同列数进行交叉排序，即按行序号排序 得到数组每列的极值点序列；根据实际二维数组的大小选定一个序列宽度 W，每个极值点计算方差的序列就以自己为中心，分别向上、向下对称取到共 W个 数量的数，在计算序列的方差之前，将 W 个数据经过线性归一化处理，所有参与方差计算的数被压缩在范围[0, 1]之间；对归一化后的数据进行总体标准偏差的计算，确定一个阈值，若方差小于此阈值，则舍弃；最终保留下的极值点就是特征选择后的最能表现结构特征的值；采用方差过滤法得到的结构特征提取的同相轴大部分都不光滑，折点处较多，连续性较差。
为了进一步实现本发明的内容，所述正切值过滤极值点的过程为：设定正切值的阈值，每个极值点以时间序号为 x 坐标，即读取的二维数组的行坐标，以极值点本身值的大小作为 y 坐标，每个极值点都需要与同列集中相邻两个极值点计算斜率，只有一个极值点两边的正切值的绝对值均大于斜率阈值，才可以保留；经过正切值过滤的结构特征连续性更强，比较有规律，也不会出现过度曲折和两条同相轴交叠的现象，更加符合地质结构的实际情况；通过两种过滤方法的结果的比较，正切值过滤方法效果更好。
为了进一步实现本发明的内容，相关法寻找结构特征序列的过程为：S1：根据特征选择提取出来的最值数组的大小，来确定合适的同相轴的判定窗口大小（值为 win_wtd）和连接邻接列的窗口大小（值为 neighbor_wtd）；与之前的做法相同，窗口大小一般设为奇数，这样可以直接把目标点定位到窗口的 中心位置；S2：从第 i 列开始作为参考列，i 列的所有经过特征选择筛选留下的极值 点按行坐标升序排列，存放在 extremums 二维数组中；S3：在extremums数组中，第i列的前几个极值点时间序号小于（win_wtd-1）/2，那么取原数据中有效数据的前 win_wtd 个值作为这些极值点的相关系数求解序列；S4：在extremums 数组中，第 i 列的后几个极值点时间序号大于原始数据中第 i 列有效数据的最大坐标值减去（win_wtd-1）/2，那么取原数据中有效数据的后 win_wtd 个值作为这些极值点的相关系数求解序列；S5：从 extremums 数组里第 i 列中间部分的极值点开始，行序号设为 j，每一个分别映射到同相轴判定窗口的中心位置，然后又分别对这些极值点向上和向下分别取（win_wtd-1）/2 个原数据的数值，作为各自的相关系数求解序列；S6：根据neighbor_wtd 来确定该参考列右侧需要的邻接列的个数，按上述 S2- S5的做法同样求解出邻接列内有关极值点各自对应的相关系数求解序列；参考列中的一个极值点 j 会分别对应邻接列中行序号为 j-（neighbor_wtd-1） /2 , … , j-1 , j , j+1 , … , j +（neighbor_wtd-1）/2 的极值点，这些极值点的行坐标在原数据中可能不是连续的；S7：有了相关系数的求解序列，则利用公式可以得到参考列中行坐标为 j 的极值点与邻接列的上中下各极值点的相关系数，根据阈值去掉相关性弱的极值点；S8：重复上述第二步至第七步计算第 i+1 列中极值点间的相关系数，最后把符合相关大小的各极值点相连，得到初始结构特征序列。
为了进一步实现本发明的内容，所述结构特征序列的提取过程为：S1： 当出现extremums[i][j] 与extremums[i+1][j+k] 已经相连，extremums[i][j+1]与 extremums[i+1][j+k]上部的某个极值点相连，此时可以判定为同相轴交叉，切断相连 extremums[i][j+1]的这段同相轴；S2：所有需要断开的同相轴均为第 i 列中行坐标大的连线，保留行坐标小的连线；S3：计算每个同相轴的长度，设定一个结构特征序列中包含极值点少于 5 个的时候，将会被剔除。
一种基于地质结构特征的多维数据可视化***，该***适用于上述中任意一项所述的基于地质结构特征的多维数据可视化方法，包括总控单元、数据处理单元、显示单元和异常处理单元；所述总控单元、数据处理单元、显示单元和异常处理单元均基于电脑终端运行；所述总控单元可控制数据处理单元、显示单元和异常处理单元的运行；所述数据处理单元包括结构特征提取算法，用以处理输入的离散数据，产生最具有结构特征的序列，并且将这些信息通过显示单元显示出来；所述异常处理单元用以处理异常的离散数据，并且将这些信息通过显示单元显示出来。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (5)

1.一种基于地质结构特征的多维数据可视化方法，其特征在于：该方法包括以下步骤：
S1：将专业人员采集到的用来描述地质信息的离散数据输入电脑***中；
S2：利用结构特征提取算法来处理描述地质信息的离散数据，得到最具有结构特征的序列；
S3：将通过S2得到的最具有结构特征的序列通过电脑显示屏显示出来；
所述结构特征提取算法包括数据预处理算法和同相轴提取；所述同相轴提取采用相关法；所述数据预处理算法包括平滑滤波和特征选择；所述结构特征提取算法步骤如下：S1：输入数据；S2：数据平滑滤波；S3：捕获极值点；S4：使用方差过滤极值点或者正切值过滤极值点；S5：相关法寻找结构特征序列；S6：得到结构特征初始序列；
相关法寻找结构特征序列的过程为：S1：根据特征选择提取出来的最值数组的大小，来确定合适的同相轴的判定窗口大小 win_wtd和连接邻接列的窗口大小neighbor_wtd；与之前的做法相同，窗口大小一般设为奇数，这样可以直接把目标点定位到窗口的 中心位置；S2：从第 i 列开始作为参考列，i 列的所有经过特征选择筛选留下的极值 点按行坐标升序排列，存放在 extremums 二维数组中；S3：在extremums数组中，第i列的前几个极值点时间序号小于（win_wtd-1）/2，那么取原数据中有效数据的前 win_wtd 个值作为这些极值点的相关系数求解序列；S4：在 extremums 数组中，第 i 列的后几个极值点时间序号大于原始数据中第 i 列有效数据的最大坐标值减去（win_wtd-1）/2，那么取原数据中有效数据的后 win_wtd 个值作为这些极值点的相关系数求解序列；S5：从 extremums 数组里第 i 列中间部分的极值点开始，行序号设为 j，每一个分别映射到同相轴判定窗口的中心位置，然后又分别对这些极值点向上和向下分别取（win_wtd-1）/2 个原数据的数值，作为各自的相关系数求解序列；S6：根据 neighbor_wtd 来确定该参考列右侧需要的邻接列的个数，按上述 S2- S5的做法同样求解出邻接列内有关极值点各自对应的相关系数求解序列；参考列中的一个极值点 j 会分别对应邻接列中行序号为 j-（neighbor_wtd-1） /2 , … , j-1, j , j+1 , … , j +（neighbor_wtd-1）/2 的极值点，这些极值点的行坐标在原数据中可能不是连续的；S7：有了相关系数的求解序列，则利用公式可以得到参考列中行坐标为 j的极值点与邻接列的上中下各极值点的相关系数，根据阈值去掉相关性弱的极值点；S8：重复上述第二步至第七步计算第 i+1 列中极值点间的相关系数，最后把符合相关大小的各极值点相连，得到初始结构特征序列；
所述结构特征序列的提取过程为：S1： 当出现 extremums[i][j] 与extremums[i+1][j+k] 已经相连，extremums[i][j+1]与 extremums[i+1][j+k]上部的某个极值点相连，此时可以判定为同相轴交叉，切断相连 extremums[i][j+1]的这段同相轴；S2：所有需要断开的同相轴均为第 i 列中行坐标大的连线，保留行坐标小的连线；S3：计算每个同相轴的长度，设定一个结构特征序列中包含极值点少于 5 个的时候，将会被剔除。
2.根据权利要求1所述的一种基于地质结构特征的多维数据可视化方法，其特征在于：捕获所述极值点的过程为：先对平滑后滤波的数据集按列划分，然后寻找每一列数据的极大、极小值，在每一列数据中存在一个元素比左右两边的数都小，则这个元素为极小值，若这个元素比左右两边的数都大，则这个元素是极大值，极大值和极小值分别存放在两个列表。
3.根据权利要求2所述的一种基于地质结构特征的多维数据可视化方法，其特征在于：所述方差过滤极值点的过程为：所有的极值点都是从平滑后的地震数据中提取的，上述算法的极大值列表和极小值列表按相同列数进行交叉排序，即按行序号排序 得到数组每列的极值点序列；根据实际二维数组的大小选定一个序列宽度 W，每个极值点计算方差的序列就以自己为中心，分别向上、向下对称取到共 W 个 数量的数，在计算序列的方差之前，将 W 个数据经过线性归一化处理，所有参与方差计算的数被压缩在范围[0, 1]之间；对归一化后的数据进行总体标准偏差的计算，确定一个阈值，若方差小于此阈值，则舍弃；最终保留下的极值点就是特征选择后的最能表现结构特征的值。
4.根据权利要求3所述的一种基于地质结构特征的多维数据可视化方法，其特征在于：所述正切值过滤极值点的过程为：设定正切值的阈值，每个极值点以时间序号为 x 坐标，即读取的二维数组的行坐标，以极值点本身值的大小作为 y 坐标，每个极值点都需要与同列集中相邻两个极值点计算斜率，只有一个极值点两边的正切值的绝对值均大于斜率阈值，才可以保留。
5.一种基于地质结构特征的多维数据可视化***，该***适用于权利1-4中任意一项所述的基于地质结构特征的多维数据可视化方法，其特征在于：包括总控单元、数据处理单元、显示单元和异常处理单元；所述总控单元、数据处理单元、显示单元和异常处理单元均基于电脑终端运行；所述总控单元可控制数据处理单元、显示单元和异常处理单元的运行；所述数据处理单元包括结构特征提取算法，用以处理输入的离散数据，产生最具有结构特征的序列，并且将这些信息通过显示单元显示出来；所述异常处理单元用以处理异常的离散数据，并且将这些信息通过显示单元显示出来。
CN202110993201.6A 2021-08-26 2021-08-26 一种基于地质结构特征的多维数据可视化方法及*** Active CN113791448B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110993201.6A CN113791448B (zh) 2021-08-26 2021-08-26 一种基于地质结构特征的多维数据可视化方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110993201.6A CN113791448B (zh) 2021-08-26 2021-08-26 一种基于地质结构特征的多维数据可视化方法及***

Publications (2)

Publication Number Publication Date
CN113791448A CN113791448A (zh) 2021-12-14
CN113791448B true CN113791448B (zh) 2024-01-23

Family

ID=78876559

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110993201.6A Active CN113791448B (zh) 2021-08-26 2021-08-26 一种基于地质结构特征的多维数据可视化方法及***

Country Status (1)

Country Link
CN (1) CN113791448B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102176052A (zh) * 2011-01-26 2011-09-07 北京航空航天大学 一种面向三维层面网格生成的层序分析方法
WO2011149609A1 (en) * 2010-05-28 2011-12-01 Exxonmobil Upstream Research Company Method for seismic hydrocarbon system analysis
CN104297794A (zh) * 2014-07-23 2015-01-21 中国石油化工股份有限公司 地震数据成图方法及***
CN105814456A (zh) * 2013-12-31 2016-07-27 雪佛龙美国公司 用于复杂地下的地震成像的***和方法
CN107329172A (zh) * 2017-09-06 2017-11-07 四川易诚智讯科技有限公司 基于空间信息的多属性可视分析方法
CN109597127A (zh) * 2018-10-29 2019-04-09 中国科学院计算技术研究所 一种地震数据的可视化方法
CN110389380A (zh) * 2018-04-23 2019-10-29 中国石油天然气股份有限公司 地震剖面的同相轴自动拾取方法、装置及存储介质
CN110727030A (zh) * 2019-10-22 2020-01-24 中国石油化工股份有限公司 一种基于子波多极值特征联合分析的储层预测方法
CN111142161A (zh) * 2019-12-31 2020-05-12 北京东方盈科伟业科技有限公司 基于地震数据的复数域地质影像方法及电子设备
CN111796324A (zh) * 2019-04-09 2020-10-20 中国石油天然气股份有限公司 地震全层位追踪方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9341728B2 (en) * 2013-07-29 2016-05-17 Westerngeco L.L.C. Methods of analyzing seismic data

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011149609A1 (en) * 2010-05-28 2011-12-01 Exxonmobil Upstream Research Company Method for seismic hydrocarbon system analysis
CN102176052A (zh) * 2011-01-26 2011-09-07 北京航空航天大学 一种面向三维层面网格生成的层序分析方法
CN105814456A (zh) * 2013-12-31 2016-07-27 雪佛龙美国公司 用于复杂地下的地震成像的***和方法
CN104297794A (zh) * 2014-07-23 2015-01-21 中国石油化工股份有限公司 地震数据成图方法及***
CN107329172A (zh) * 2017-09-06 2017-11-07 四川易诚智讯科技有限公司 基于空间信息的多属性可视分析方法
CN110389380A (zh) * 2018-04-23 2019-10-29 中国石油天然气股份有限公司 地震剖面的同相轴自动拾取方法、装置及存储介质
CN109597127A (zh) * 2018-10-29 2019-04-09 中国科学院计算技术研究所 一种地震数据的可视化方法
CN111796324A (zh) * 2019-04-09 2020-10-20 中国石油天然气股份有限公司 地震全层位追踪方法及装置
CN110727030A (zh) * 2019-10-22 2020-01-24 中国石油化工股份有限公司 一种基于子波多极值特征联合分析的储层预测方法
CN111142161A (zh) * 2019-12-31 2020-05-12 北京东方盈科伟业科技有限公司 基于地震数据的复数域地质影像方法及电子设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
塔河油田超深层、薄储层、窄河道砂体识别与描述技术;梁宏刚;先伟;李文平;;地质科技情报(第05期);185-188 *

Also Published As

Publication number Publication date
CN113791448A (zh) 2021-12-14

Similar Documents

Publication Publication Date Title
CN1295650C (zh) 无需全部容积对准的对象一致性识别
US7809211B2 (en) Image normalization for computed image construction
US5845006A (en) Method of processing image formation
TWI660277B (zh) 資訊處理裝置及資訊處理方法
US20130229891A1 (en) Method and system for image-guided fault extraction from a fault-enhanced seismic image
CN112233249A (zh) 基于密集点云的b样条曲面拟合方法及装置
CN113222992B (zh) 基于多重分形谱的裂纹特征表征方法及***
CN110717154A (zh) 运动轨迹的特征处理方法、设备以及计算机存储介质
CN107527356B (zh) 一种基于懒交互方式的视频跟踪方法
CN113535050B (zh) 一种基于界面联动的多界面展示方法、***及设备
CN113791448B (zh) 一种基于地质结构特征的多维数据可视化方法及***
CN116994721B (zh) 一种数字病理切片图的快速处理***
CN116518868B (zh) 基于人工智能的变形测量方法、装置、设备及存储介质
CN1321953A (zh) 周期的交互图象分析方法及其计算机***与实施该方法的计算机程序
CN111400565A (zh) 一种可视化拖拽在线数据处理方法和***
US7379599B1 (en) Model based object recognition method using a texture engine
CN105499282A (zh) 一种冷轧带钢在线板形分析方法及装置
CN115482552A (zh) 一种矢量钢筋图纸智能翻样方法及***
CN117015812A (zh) 用于对数据点进行聚类的***
CN111951163B (zh) 一种实时数据图像的可视化转换***和方法
CN114220013A (zh) 一种基于边界交替引导的伪装物体检测方法
CN112381426A (zh) 基于分阶段时间趋势特征的森林退化遥感监测方法及***
CN112925041A (zh) 储层裂缝的发育程度确定方法、装置、设备及存储介质
CN118071876B (zh) 一种异形板底筋自动翻样方法、设备及介质
CN113535712B (zh) 基于线段kd树的支持大规模时序数据交互方法及***

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