基于波场分解的隐蔽地质异常体检测方法、系统及介质与流程

本发明涉及波场数据处理及油气勘测，尤其涉及一种基于波场分解的隐蔽地质异常体检测方法、系统及介质。

背景技术：

1、随着我国油气勘探开发深入发展，在现阶段勘测工作中发现，油气藏不单单具有层状特征，还有更多的、被层状波场干涉、隐蔽、淹没的多样化非规则特征的油气藏。多样化类型的油气藏，包含传统的层状油气藏，以及形态多样的非层状油气藏。

2、早期勘查的油气藏多为层状油气藏，即常规海相、陆相地层中的砂岩油气藏。这类油气藏用简单的、建立在层状波场理论的基础之上的技术方法，即可有效地探测。近年来，非层状类型油气藏陆续发现，油气藏类型呈现多样化特征，包括：碳酸盐岩风化壳中的洞缝型油气藏、碳酸盐岩断裂控制的洞缝形成的断溶体油藏、生物礁、鲕滩灰岩、裂缝型气藏、火成岩油气藏、白云岩断裂裂缝+溶蚀缝孔网络型气藏、河道、扇体、暗河油气藏等。

3、多样化油气藏的储集空间，不再限于横向无限延伸、纵向有限尺度、规则分布的特征，更多的是横向尺度有限的、纵向尺度或大或小的、非规则、非均匀分布的特征，包括：①一个横向方向尺度无限而另一个横向方向尺度有限、纵向尺度有限的二度体；②横向尺度有限、纵向尺度“无限”的落水洞、陷落柱等柱状体；③纵、横向尺度有限的三度体，如，溶蚀洞穴、冲刷洞穴等；④在层状砂岩储层中，存在的纵、横向尺度有限的非规则含油气砂体；⑤在均匀(准均匀)介质中裂隙、裂缝、溶蚀孔洞等缝孔网络组成的非均质、非规则体；⑥多种形态的岩体、礁体、盐丘、膏盐、岩盐等非规则地质体。

4、传统的地震层状波场理论，其基础是地震层状构造模型，地震数据采集、处理、解释、反演和油气预测多建立在层状构造模型基础之上，例如：①叠后波阻抗反演、叠前弹性反演都是以层状构造模型为基础的单界面反射波振幅的变化作为依据，反演得出界面上下介质的波阻抗和弹性参数；②时间域和时频域属性分析都是以层状构造模型为基础的均匀介质内单一薄层(顶底界面反射系数极性相反的薄层)的反射波振幅及其变化作为研究对象。实践表明，用这些技术探测薄互层会产生偏差，对非规则波场的研究更存在缺陷。实际上，除了部分非规则体产生的显性非规则波场能被单独进行研究之外，其他类型的非规则体的波场或与层状波场相互干渉而被模糊化，或被层状波场掩蔽形成隐蔽型油气藏，难以进行单独的研究，只能按照既有层状反射波预测技术进行反演预测，其探测精度必然受到影响。

技术实现思路

1、有鉴于此，为至少部分地解决现有技术中存在的多样化油气藏难以检测的问题，针对多样化油气藏的储集空间的数据处理及地质勘测，本发明提出了如下的具体方案：

2、一方面，本发明提供了一种基于波场分解的隐蔽地质异常体检测方法，所述方法包括：

3、s1、对拟进行波场分解的输入数据集spin(⊿x,⊿y,⊿t)进行压制随机噪声预处理，得到高信噪比的原始数据集sp(⊿x,⊿y,⊿t)；

4、s2、对所述原始数据集sp(⊿x,⊿y,⊿t)进行空间域抽稀处理，得到n个共偏移距数据子集spn(n⊿x,n⊿y,⊿t)，n为大于1的正整数；

5、s3、对每个所述共偏移距数据子集spn(n⊿x,n⊿y,⊿t)进行波场分解，得到n个偏移距为(n⊿x,n⊿y)的正常场(层状反射波)共偏移距数据子集sphn(n⊿x,n⊿y,⊿t)；

6、s4、将n个正常场(层状反射波)共偏移距数据子集sphn(n⊿x,n⊿y,⊿t)合并为原偏移距正常场(层状反射波)数据集sph(⊿x,⊿y,⊿t)；

7、s5、从原始数据集sp(⊿x,⊿y,⊿t)中减去原偏移距正常场数据集sph(⊿x,⊿y,⊿t)，得到原偏移距异常场(绕射波、散射波)数据集spr(⊿x,⊿y,⊿t)；

8、s6、输出原始数据集sp(⊿x,⊿y,⊿t)、原偏移距正常场数据集sph(⊿x,⊿y,⊿t)、原偏移距异常场数据集spr(⊿x,⊿y,⊿t)，完成波场分解处理。

9、优选地，所述s2中，空间域抽稀处理中，共偏移距数据子集spn(n⊿x,n⊿y,⊿t)的道间距为(n⊿x,n⊿y)，且n⊿x或n⊿y不小于地质异常体的围岩中地震波传播波长的四分之一。

10、优选地，共偏移距数据子集spn(n⊿x,n⊿y,⊿t)中，横向尺度有限的绕射波分布范围内，仅保留1/n道的数据。

11、优选地，所述s3中，所述波场分解的方式之一为s31稀疏约束radon变换：

12、通过机器学习的方式，应用稀疏约束radon变换，从原始波场数据子集spn(n⊿x,n⊿y,⊿t)中分离出层状波场(正常场)数据子集sphn(n⊿x,n⊿y,⊿t)；机器学习的目标函数为：

13、j＝‖spn-lsphn‖2+α|sphn|p(0＜p≤1)

14、式中j为目标函数，l为拉东反变换算子，spn为高信噪比原始数据子集，sphn为radon域预测结果的层状波场数据子集，α为稀疏约束因子，p为radon域能量团聚焦因子。

15、优选地，对于机器学习的目标函数，极小化处理后，即可求解层状反射波正常场共偏移距数据子集sphn(n⊿x,n⊿y,⊿t)。

16、优选地，所述s3中，所述波场分解的方式之二为s32频率空间域预测反演：

17、借助规则波场在频率空间域中可预测性，采用预测反演技术，得到层状反射波正常场共偏移距数据子集sphn(n⊿x,n⊿y,⊿t)；

18、所述频率空间域的预测反演的具体方法为：

19、s32-1、设置预测反演目标函数；

20、s32-2、对预测反演目标函数进行极小化处理，得到反演方程；

21、s32-3、在频率空间域进行预测反演，求解反演方程，获得层状反射波正常场共偏移距数据子集sphn(n⊿x,n⊿y,⊿t)。

22、优选地，所述反演预测目标函数为：

23、

24、其中，p为预测算子；spn为输入原始波场数据子集，该输入为频率切片；sphn为待估计的规则波场数据子集；λ为控制参数。

25、优选地，所述s32-2中，对预测反演目标函数极小化处理，得到预测反演方程为：

26、[php+(λ+μ)i]sphn＝λspn

27、式中，p为预测算子，ph为预测算子的共轭；spn(n⊿x,n⊿y,⊿t)为输入数据子集，该输入为频率切片；sphn(n⊿x,n⊿y,⊿t)为待估计的规则波场信号(正常场)；i表示单位矩阵；λ表示控制参数。

28、优选地，所述预测算子p为：

29、

30、其中，算子长度l为地震道集数据采样点数。

31、第二方面，本发明还提供了一种基于波场分解的隐蔽地质异常体检测系统，所述系统包括：

32、预处理模块，对拟进行波场分解的输入数据集spin(⊿x,⊿y,⊿t)进行压制随机噪声预处理，得到高信噪比的原始数据集sp(⊿x,⊿y,⊿t)；

33、抽稀处理模块，对所述原始数据集sp(⊿x,⊿y,⊿t)进行空间域抽稀处理，得到n个共偏移距数据子集spn(n⊿x,n⊿y,⊿t)，n为大于1的正整数；

34、波场分解模块，对每个所述共偏移距数据子集spn(n⊿x,n⊿y,⊿t)进行波场分解，得到n个偏移距为(n⊿x,n⊿y)的正常场(层状反射波)共偏移距数据子集sphn(n⊿x,n⊿y,⊿t)；

35、合并模块，将n个正常场(层状反射波)共偏移距数据子集sphn(n⊿x,n⊿y,⊿t)合并为原偏移距正常场(层状反射波)数据集sph(⊿x,⊿y,⊿t)；

36、剪除模块，从原始数据集sp(⊿x,⊿y,⊿t)中减去原偏移距正常场数据集sph(⊿x,⊿y,⊿t)，得到原偏移距异常场(绕射波、散射波)数据集spr(⊿x,⊿y,⊿t)；

37、输出模块，用于输出原始数据集sp(⊿x,⊿y,⊿t)、原偏移距正常场数据集sph(⊿x,⊿y,⊿t)、原偏移距异常场数据集spr(⊿x,⊿y,⊿t)，完成波场分解处理。

38、优选地，空间域抽稀处理模块中，共偏移距数据子集spn(n⊿x,n⊿y,⊿t)的道间距为(n⊿x,n⊿y)，且n⊿x或n⊿y不小于地质异常体的围岩中地震波传播波长的四分之一。

39、优选地，共偏移距数据子集spn(n⊿x,n⊿y,⊿t)中，横向尺度有限的绕射波分布范围内，仅保留1/n道的数据。

40、第三方面，本发明还提供了一种计算机可读介质，所述介质中储存有可供计算机读取并执行的指令，所述指令执行时实现如上所述的基于波场分解的隐蔽地质异常体检测方法。

41、与现有技术相比，本发明技术方案具备以下的有益效果：本方案首先基于宏观散射波场(广义绕射波场)理论，以反射波、绕(散)射波场的形态特征差异作为波场分解的理论基础；其次，将综合反射波场中横向尺度有限的非规则地质体产生的的绕(散)射波场作随机化处理，将横向尺度有限的绕(散)射波场转换为随机波场，并使横向尺度无限的反射波场保持规则波场特征；再次，研发了具有将规则波场和随机波场分解的技术，包括：(1)基于图形引导的稀疏约束radon变换层状波场与随机波场和噪声的分离技术，(2)基于频率空间域(f-x-y)预测反演的层状波场与随机波场的分离技术；最终，实现了将观测到的综合波场分解为层状介质的反射波场和横向尺度有限的非规则地质体产生的绕(散)射波场。

42、本方案解决了断缝体、断溶体、缝洞体等非规则地质体波场的精细描述和刻画问题，更可对隐蔽于层状波场中的小规模、非规则隐蔽型油气藏进行直接检测，是一种解决上述类型油气藏直接检测难题的有效方案。