叠前弹性阻抗随机反演方法、装置、存储介质及处理器与流程
本发明涉及地球物理反演领域，具体地涉及一种叠前弹性阻抗随机反演方法、装置、存储介质及处理器。
背景技术：
地震随机反演结合地质统计先验信息，融合测井数据中的高频成分，提高反演结果的垂向分辨率，对地下薄储层的有效刻画具有一定的优势。地质统计先验信息是地震随机反演的重要组成部分，影响着先验模型构建的准确性及后续随机反演结果的可靠性。常规的地震随机反演以测井数据作为硬数据，地震数据作为软约束，充分利用测井数据中的高频信息，通过变差函数来随机模拟得到多个模拟实现，并与地震反演相结合得到多个反演解。
在实际的地震随机反演过程中，为了降低反演的复杂程度，通常假设地下介质是层状均匀介质，但是实际地下介质由大量复杂的非均匀介质组成。常规地震随机反演先验信息的构建主要利用测井数据获得的变差函数来表征储层的空间结构特性，对地震数据利用不足，而且变差函数不足以有效表征实际复杂地层的非均质特性。由于用于描述地下储层空间特征的参数有限，所构建的先验模型不能有效表征地下小尺度的变化，进而会影响后续地震随机反演的精度。
实际地下地层介质具有非均匀的特性，对于含有非均质特性的地下地层介质可以通过随机介质进行表征，随机介质可以理解为在大尺度均匀背景下分布着小尺度非均匀扰动的理论模型。
技术实现要素：
本发明实施例的目的是提供一种叠前弹性阻抗随机反演方法、装置、存储介质及处理器。
为了实现上述目的，本发明第一方面提供一种叠前弹性阻抗随机反演方法，包括：
确定统计特征参数，统计特征参数包括横向自相关长度、纵向自相关长度、自相关角度中的至少一者；
根据统计特征参数确定对应的自相关函数；
对自相关函数进行处理，加入统计特征参数的均值和标准差，以得到基于统计特征参数的先验信息模型；
根据先验信息模型与预先获取的地震数据，建立对应的随机反演的目标函数；
对先验信息模型进行更新，通过目标函数得到对应的弹性阻抗反演结果。
在本发明的实施例中，确定统计特征参数包括：获取叠前地震数据；确定与叠前地震数据相对应的估计子波的功率谱；根据估计子波的功率谱确定使用弹性阻抗表征的非平稳随机介质的功率谱；对非平稳随机介质的功率谱进行傅里叶变换，得到随机介质的自相关函数；通过特征向量法和自相关函数确定统计特征参数。
在本发明的实施例中，叠前地震数据为至少三个部分角度叠加地震数据。
在本发明的实施例中，对自相关函数进行处理包括：对自相关函数进行傅里叶变换；通过维纳辛钦定理得到傅里叶变换后的自相关函数的振幅谱；在振幅谱中加入随机相位后，进行傅里叶反变换得到对应的空间随机扰动序列；对空间随机扰动序列进行归一化处理。
在本发明的实施例中，根据先验信息模型与预先获取的地震数据，建立对应的随机反演的目标函数包括：获取地震数据；将地震数据融入至似然函数；通过统计特征参数的正则化约束项减少反演解的误差，以此建议对应的随机反演的目标函数。
在本发明的实施例中，对先验信息模型进行更新包括：通过快速模拟退火算法对先验模型进行扰动更新。在本发明的实施例中，根据选用不同弹性参数表示的弹性阻抗方程以及弹性阻抗反演结果的数据确定出不同弹性参数的值。
本发明第二方面提供一种处理器，被配置成执行上述的一种叠前弹性阻抗随机反演方法。
本发明第三方面提供一种叠前弹性阻抗随机反演装置，包括：
参数确定模块：确定统计特征参数，统计特征参数包括横向自相关长度、纵向自相关长度、自相关角度中的至少一者；
数据处理模块：根据统计特征参数确定对应的自相关函数；对自相关函数进行处理，加入统计特征参数的均值和标准差，以得到基于统计特征参数的先验信息模型；
函数建立模块：根据先验信息模型与预先获取的地震数据，建立对应的随机反演的目标函数；信息更新模块：对先验信息模型进行更新，通过目标函数得到对应的弹性阻抗反演结果。
本发明第四方面提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令在被处理器执行时使得处理器被配置成执行上述的一种叠前弹性阻抗随机反演方法。
通过上述技术方案，可以解决目前常规地震随机反演中由变差函数表征的储层空间结构特征不能有效表征复杂储层的非均质特性的问题。
本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施例，但并不构成对本发明实施例的限制。在附图中：
图1示意性示出了根据本发明实施例的一种叠前弹性阻抗随机反演方法的流程示意图；
图2示意性示出了根据本发明实施例的确定统计特征参数的步骤的流程示意图；
图3示意性示出了根据本发明实施例的一种叠前弹性阻抗随机反演装置的结构框图；
图4示意性示出了根据本发明实施例的计算机设备的内部结构图。
具体实施方式
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明实施例，并不用于限制本发明实施例。
图1示意性示出了根据本发明实施例的一种叠前弹性阻抗随机反演方法的流程示意图。如图1所示，在本发明一实施例中，提供了一种叠前弹性阻抗随机反演方法，包括以下步骤：
步骤101，确定统计特征参数，统计特征参数包括横向自相关长度、纵向自相关长度、自相关角度中的至少一者。
在一个实施例中，如图2所示，在本发明一实施例中，步骤101包括：
步骤201，获取叠前地震数据。
步骤202，确定与叠前地震数据相对应的估计子波的功率谱。
步骤203，根据估计子波的功率谱确定使用弹性阻抗表征的非平稳随机介质的功率谱。
步骤204，对非平稳随机介质的功率谱进行傅里叶变换，得到随机介质的自相关函数。
步骤205，通过特征向量法和自相关函数确定统计特征参数。
在一个实施例中，叠前地震数据为至少三个部分角度叠加地震数据。
在一个实施例中，确定统计特征参数包括：获取叠前地震数据；确定与叠前地震数据相对应的估计子波的功率谱；根据估计子波的功率谱确定使用弹性阻抗表征的非平稳随机介质的功率谱；对非平稳随机介质的功率谱进行傅里叶变换，得到随机介质的自相关函数；通过特征向量法和自相关函数确定统计特征参数，且叠前地震数据为至少三个部分角度叠加地震数据。
具体地，地震子波及其功率谱估计：根据叠前地震数据分别估计相应的地震子波w(t)，根据公式
步骤102，根据统计特征参数确定对应的自相关函数。
步骤103，对自相关函数进行处理，加入统计特征参数的均值和标准差，以得到基于统计特征参数的先验信息模型。
在一个实施例中，对自相关函数进行处理包括：对自相关函数进行傅里叶变换；通过维纳辛钦定理得到傅里叶变换后的自相关函数的振幅谱；在振幅谱中加入随机相位后，进行傅里叶反变换得到对应的空间随机扰动序列；对空间随机扰动序列进行归一化处理。
在一个实施例中，基于统计特征参数的先验信息模型构建包括：基于混合型椭圆自相关函数r(t',x')，利用估计的统计特征参数计算相应的随空间变化的自相关函数，对其进行傅里叶变换，利用维纳辛钦定理，即r(kx,kz)＝f(r(t',x'))得到随机序列的功率谱r(kx,kz)，对功率谱开平方即可得到振幅谱
需要说明的是，本发明在此处采用的是混合型椭圆自相关函数，在实际应用中，根据实际介质的具体情况选择合适的自相关函数，常用的自相关函数有指数型，高斯型和混合型，此处，混合型椭圆自相关函数公式为：
式中a，b分别表示横向和纵向自相关长度；θ为自相关角度；x'，t'分别表示空间坐标系中x和t方向的空间偏移量；η为粗糙度因子，当η＝0时为高斯型，当η＝1时为指数型，在实际建模过程中，η的取值随着地下介质的非均质性变化而变化。
计算先验信息模型m的公式为：
m(x,z)＝m0(x,z)+δm(x,z)·f(x,z)
式中，m0(x,z)为由测井数据获得的均值，δm(x,z)是由测井数据获得的标准差，f(x,z)表示归一化后的统计特征参数建模结果，为具有均值为0，标准差为1，并且空间分布特征服从随机介质自相关函数的空间随机扰动序列；
步骤104，根据先验信息模型与预先获取的地震数据，建立对应的随机反演的目标函数。
在一个实施例中，根据先验信息模型与预先获取的地震数据，建立对应的随机反演的目标函数包括：获取地震数据；将地震数据融入至似然函数；通过统计特征参数的正则化约束项减少反演解的误差，以此建立对应的随机反演的目标函数。
具体地，反演目标函数的建立包括：基于贝叶斯理论，以构建的能表征地下地层非均质特性的先验信息为基础，将地震数据融入似然函数，并引入统计特征参数的正则化约束项以减少反演解的误差，从而建立弹性阻抗随机反演的目标函数。
式中，si表示由先验信息模型得到的模拟地震记录；
步骤105，对先验信息模型进行更新，通过目标函数得到对应的弹性阻抗反演结果。
在一个实施例中，对先验信息模型进行更新包括：通过快速模拟退火算法对先验模型进行扰动更新。
在一个实施例中，根据选用不同弹性参数表示的弹性阻抗方程以及弹性阻抗反演结果的数据确定出不同弹性参数的值。
在一个实施例中，如图3所示，提供了一种叠前弹性阻抗随机反演装置，包括参数确定模块、数据处理模块、函数建立模块以及信息更新模块，其中：
参数确定模块301，用于确定统计特征参数，统计特征参数包括横向自相关长度、纵向自相关长度、自相关角度中的至少一者。
数据处理模块302，用于根据统计特征参数确定对应的自相关函数；对自相关函数进行处理，加入统计特征参数的均值和标准差，以得到基于统计特征参数的先验信息模型。
函数建立模块303，用于根据先验信息模型与预先获取的地震数据，建立对应的随机反演的目标函数。
信息更新模块304，用于对先验信息模型进行更新，通过目标函数得到对应的弹性阻抗反演结果。
叠前弹性阻抗随机反演装置包括处理器和存储器，上述参数确定模块、数据处理模块、函数建立模块和信息更新模块等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序模块中实现相应的功能。
处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来实现叠前弹性阻抗随机反演方法。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flashram)，存储器包括至少一个存储芯片。
本发明实施例提供了一种存储介质，其上存储有程序，该程序被处理器执行时实现上述叠前弹性阻抗随机反演方法。
本发明实施例提供了一种处理器，处理器用于运行程序，其中，程序运行时执行上述叠前弹性阻抗随机反演方法。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器a01、网络接口a02、存储器(图中未示出)和数据库(图中未示出)。其中，该计算机设备的处理器a01用于提供计算和控制能力。该计算机设备的存储器包括内存储器a03和非易失性存储介质a04。该非易失性存储介质a04存储有操作系统b01、计算机程序b02和数据库(图中未示出)。该内存储器a03为非易失性存储介质a04中的操作系统b01和计算机程序b02的运行提供环境。该计算机设备的数据库用于存储数据。该计算机设备的网络接口a02用于与外部的终端通过网络连接通信。该计算机程序b02被处理器a01执行时以实现一种叠前弹性阻抗随机反演方法。
本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
本发明实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现以下步骤：确定统计特征参数，统计特征参数包括横向自相关长度、纵向自相关长度、自相关角度中的至少一者；根据统计特征参数确定对应的自相关函数；对自相关函数进行处理，加入统计特征参数的均值和标准差，以得到基于统计特征参数的先验信息模型；根据先验信息模型与预先获取的地震数据，建立对应的随机反演的目标函数；对先验信息模型进行更新，通过目标函数得到对应的弹性阻抗反演结果。
在一个实施例中，确定统计特征参数包括：获取叠前地震数据；确定与叠前地震数据相对应的估计子波的功率谱；根据估计子波的功率谱确定使用弹性阻抗表征的非平稳随机介质的功率谱；对非平稳随机介质的功率谱进行傅里叶变换，得到随机介质的自相关函数；通过特征向量法和自相关函数确定统计特征参数。
在一个实施例中，叠前地震数据为至少三个部分角度叠加地震数据。
在一个实施例中，对自相关函数进行处理包括：对自相关函数进行傅里叶变换；通过维纳辛钦定理得到傅里叶变换后的自相关函数的振幅谱；在振幅谱中加入随机相位后，进行傅里叶反变换得到对应的空间随机扰动序列；对空间随机扰动序列进行归一化处理。
在一个实施例中，根据先验信息模型与预先获取的地震数据，建立对应的随机反演的目标函数包括：获取地震数据；将地震数据融入至似然函数；通过统计特征参数的正则化约束项减少反演解的误差，以此建立对应的随机反演的目标函数。
在一个实施例中，对先验信息模型进行更新包括：通过快速模拟退火算法对先验模型进行扰动更新。
在一个实施例中，根据选用不同弹性参数表示的弹性阻抗方程以及弹性阻抗反演结果的数据确定出不同弹性参数的值。
本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：确定统计特征参数，统计特征参数包括横向自相关长度、纵向自相关长度、自相关角度中的至少一者；根据统计特征参数确定对应的自相关函数；对自相关函数进行处理，加入统计特征参数的均值和标准差，以得到基于统计特征参数的先验信息模型；根据先验信息模型与预先获取的地震数据，建立对应的随机反演的目标函数；对先验信息模型进行更新，通过目标函数得到对应的弹性阻抗反演结果。
在一个实施例中，确定统计特征参数包括：获取叠前地震数据；确定与叠前地震数据相对应的估计子波的功率谱；根据估计子波的功率谱确定使用弹性阻抗表征的非平稳随机介质的功率谱；对非平稳随机介质的功率谱进行傅里叶变换，得到随机介质的自相关函数；通过特征向量法和自相关函数确定统计特征参数。
在一个实施例中，叠前地震数据为至少三个部分角度叠加地震数据。
在一个实施例中，对自相关函数进行处理包括：对自相关函数进行傅里叶变换；通过维纳辛钦定理得到傅里叶变换后的自相关函数的振幅谱；在振幅谱中加入随机相位后，进行傅里叶反变换得到对应的空间随机扰动序列；对空间随机扰动序列进行归一化处理。
在一个实施例中，根据先验信息模型与预先获取的地震数据，建立对应的随机反演的目标函数包括：获取地震数据；将地震数据融入至似然函数；通过统计特征参数的正则化约束项减少反演解的误差，以此建立对应的随机反演的目标函数。
在一个实施例中，对先验信息模型进行更新包括：通过快速模拟退火算法对先验模型进行扰动更新。
在一个实施例中，根据选用不同弹性参数表示的弹性阻抗方程以及弹性阻抗反演结果的数据确定出不同弹性参数的值。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请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，本申请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。
本申请是参照根据本申请实施例的方法、设备(系统)、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。
在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flashram)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
- 还没有人留言评论。精彩留言会获得点赞！