[发明专利]一种地震属性提取方法及系统

说明书

本发明公开了一种地震属性提取方法及系统，包括：1)计算每道地震道上末尾采样点平均振幅，获得衰减系数；2)计算基于参考初至的绝对值平均振幅；3)计算基于参考初至的振幅异常系数；4)将步骤1)、2)、3)得到的数据作为输入数据，通过神经网络算法进行地震道编辑，识别出废道。采用本发明提出的地震属性提取方法，能够正确识别正常道与废道，并将最终的废道结果展示给用户。

技术领域

本发明属于石油地震勘探数据处理领域，更具体地，涉及一种地震属性提取方法及系统。

背景技术

自动道编辑要进行分类计算，首先要提取各个地震道的属性特征，在此基础上，以地震道属性作为分类计算的依据。地震属性一般分为基于动力学的振幅、频率、衰减系数等属性，另一类为基于油藏特征的地震属性，包括：亮点、暗点、AVO特征、不整合圈闭等等。对于自动道编辑而言，提取的属性均属于第一类属性，即基于动力学基础的振幅、频率等信息。道编辑中，需要提取地震道属性特征作为判别为废道的依据。地震道属性一般而言，分为振幅、频率、吸收衰减等几个分类。

目前而言，用于自动道编辑的地震属性主要有以下几种：1、振幅平均绝对值，该属性在应用时，近偏移距振幅比远偏移距振幅大很多数量级，并不能很好刻画正常道与废道区别；2、振幅均方根值，同理于振幅绝对值，由于近偏移距振幅比远偏移距振幅大很多数量级，很难刻画正常道与废道区别；3、过零点个数，该属性通过实际计算，很难区别正常道与废道区别；4、主频属性，通过计算，主频属性可以很好的识别50hz单频噪音，但除了单频噪音，还有别的地震道的频率在50hz左右浮动，这时候很难区分出来。因此在了解上述几种地震属性的优缺点基础上，提供一种地震属性提取方法。

发明内容

本发明提出了三种用于自动道编辑的地震属性，衰减系数、基于参考初至的绝对值平均振幅和基于参考初至的振幅异常系数，首先对这三种属性进行提取计算，然后将其作为输入数据，通过神经网络算法进行地震道编辑，识别出废道，经过实际资料验证，可以满足实际生产要求。

根据本发明的一方面，提出了一种地震属性提取方法，所述方法可以包括：1)计算每道地震道上末尾采样点平均振幅，获得衰减系数；2)计算基于参考初至的绝对值平均振幅；3)计算基于参考初至的振幅异常系数；4)将步骤1)、2)、3)得到的数据作为输入数据，通过神经网络算法进行地震道编辑，识别出废道。

优选地，衰减系数的公式为：

其中，α表示为衰减系数；i为采样点；data(i)为振幅；S为采样数目；N为采样时窗。

优选地，所述基于参考初至的绝对值平均振幅表示为：

其中，表示为基于参考初至的绝对值平均振幅；F_t为参考初至时间对应采样点。

优选地，所述基于参考初至的振幅异常系数表示为：

其中，F_abn表示为基于参考初至的振幅异常系数。

根据本发明的另一方面，提出了一种地震属性提取系统，所述系统包括：存储器，存储有计算机可执行指令；处理器，运行所述存储器上的计算可执行指令时，所述处理器实现以下步骤：1)计算每道地震道上末尾采样点平均振幅，获得衰减系数；2)计算基于参考初至的绝对值平均振幅；3)计算基于参考初至的振幅异常系数；4)将步骤1)、2)、3)得到的数据作为输入数据，通过神经网络算法进行地震道编辑，识别出废道。

优选地，衰减系数的公式为：

其中，α表示为衰减系数；i为采样点；data(i)为振幅；S为采样数目；N为采样时窗。