关键词：
地震属性
梯度一致性
梯度加权一致性
蚁群算法
Hough变换
断层检测
摘要：
断层对油气运移和聚集起重要的控制作用,因此,利用地震数据进行断层检测就成了油气田勘探开发的重要环节。地震数据中蕴藏着丰富的可用于断层检测的信息,在野外采集地震数据的过程中,会伴随各种人为、仪器或自然环境所造成的不确定性因素,致使最终采集到的数据中存在着很多与实际断层信息并不相关的干扰,这无疑增加了数据解释人员获取有效断层信息的难度,所以许多学者针对如何提高断层检测过程中压制噪声干扰的能力,开发了很多新的断层检测方法。在众多断层检测方法中,基于蚁群算法的断层检测方法和基于Hough变换的断层检测方法在抗噪性和检测断层信息的完整性方面均有一定的优越性,本文便是在这两种方法的基础上做的改进研究,提出了两种新的断层检测方法,分别是改进的基于蚁群算法的断层检测方法和改进的基于Hough变换的断层检测方法。首先,这两种断层检测方法均是对地震属性中包含的断层特征的再强化处理,显然,地震属性质量的好坏会直接影响最终的断层检测效果。所以,为了能获取更高质量的地震属性数据,本文将纹理图像中度量局部邻域各向异性特征强度的一致性引入到地震数据处理中。经验证,该属性可以依据目标点邻域内各点的平方梯度向量方向一致与否,来识别地震波同相轴的横向不连续性,相比其它表征地震波同相轴不连续的属性,该属性受地层倾角影响小,无需任何倾角调向环节,便可获取高质量的含断层特征的数据,但前提是只针对信噪比较高的地震数据。为了提高梯度一致性的抗噪性,本文对其作加权处理。通过理论地震模型验证对比发现,梯度加权一致性在很大程度上提高了压制噪声的能力,并显著优于相干属性和方差属性。其次,本文首次将地震数据梯度加权一致性和蚁群算法结合并应用于地震数据断层检测,对比常规的基于方差属性的蚁群算法和基于C3相干属性的蚁群算法的断层检测结果,本文所提方法具有以下优点:抗噪性更高,对伪断层信息压制效果更好,断层边界收敛能力更强;在增加断层连续性的基础之上,对断层的纵向延伸长度展现地更完整。但该方法在断层定位精度上还有待提高。最后,为了能从地震数据中获取更高精度的断层位置信息,本文首次将地震数据梯度一致性结合Hough变换应用于地震数据断层检测中,经理论模型验证,该方法在断层定位精度上要优于前人所提的基于相干属性的Hough变换的断层检测方法。原始的基于Hough变换的断层检测方法只能检测单一断层,而不能同时检测多条断层。针对此缺点,本文首先利用聚类分析手段对Hough变换所检测到的表征断层特征的直线段进行聚类处理,再进行后续的断层线处理工作。通过理论地震模型数据和实际地震数据的验证,表明本文所改进的方法能同时检测多条断层。此外,在该断层检测方法中,前期需要对地震数据梯度一致性进行阈值分割,目的是为了提供含断层特征信息的二值数据,原始方法是人为设置阈值,费时费力,所以本文对此作以改进。本文分别利用最大类间方差法和迭代法来实现对地震数据梯度一致性的自适应阈值分割。经验证,基于这两种方法所求取的二值数据,均能为Hough变换环节提供有效的断层位置信息,大大提高了计算效率。通过对比本文提出的这两种新的断层检测方法可发现,改进的基于Hough变换的断层检测技术在断层定位精度、清晰度及计算效率方面有显著优势,但是常规的以点间真实距离为度量的聚类分析并不能很好地分离较复杂的断层组合,比如X或Y字型断层或相隔很近的断层,而改进的基于蚁群算法的断层检测方法能较好地检测出此类断层信息。
欢迎来到三峡大学图书馆！
中文科技期刊
详细信息
