Description:

"Визуализация и интерпретация Автоматическое выделение элементов геологического строения из 3D сейсмических данных с помощью спектрального разложения многоканальных объемных данных. Automated delineation of geological elements from 3D seismic data through analysis of multichannel, volumetric spectral decomposition data Джонатан Гендерсон (Jonathan Henderson),1 Стивен Ж. Пурвс (Stephen J Purves)1 и Крис Лепард (Chris Leppard2) описывают некоторые новые методы объемного спектрального разложения, созданные для оптимизации обработки геологической информации, полученной из сейсмических данных. Пектральный состав регистрируемых сейсмических данных зависит от акустических свойств пород вдоль пути распространения луча. Вариации в спектре возникают вследствие вариаций в интерференции, природы границ между различными слоями (грубозернистые тонкозернистые пачки слоев) и изменениями в заполнителе порового пространства, и особенно присутствием газа. Хотя в большинстве случаев при недостатке информации все же удается определить причину изменений в спектре сигнала, значительно больше информации можно получить из анализа пространственных изменений в спектре на нескольких частотах. Это обстоятельство привело к существенному интересу к методам спектрального разложения как к инструменту интерпретации сейсмических данных в задачах стратиграфического анализа (Partyka et al., 1999, Marfurt and Kirlin 2001, Johann et al., 2003) и при поиске углеводородов (Castagna et al., 2003). В целом, приложение спектрального анализа для интерпретации 3D сейсмических данных включает выделение данных, ассоциируемых с 2D плоскостями или горизонтами или построение 3D поверхностей для одной частоты. Для реализации полного потенциала методов спектрального разложения нужно использовать метод 3D пространственного разложения на нескольких частотах, результаты которого применяются для выделения трехмерных элементов в геологическом строении (GeoBodies). В этой статье описан набор новых методов 3D визуализации и выделения геологических тел на основе спектрального разложения в процессе интерпретации, разработанный в результате совместной исследовательской работы ffA и Norsk Hydro. Среди этих методов 2D и 3D спектральное разложение, генерация объемных спектральных атрибутов, 2D и 3D RGB визуализация в нескольких частотных диапазонах, 3D визуализация с помощью построения оптических RGB плотностей и выявление геологических тел (GeoBodies). Множество современных мощных инструментов для интерпретации в геофизике считаются слишком сложными для использования и поэтому неоправданно редко используются. Одна из целей этой работы, таким образом, состоит во внедрении инструментов объемного спектрального анализа в простой и интуитивный процесс обработки, чтобы они могли использоваться в составе стандартного набора методов интерпретации, применяемых в компании Hydro (Норвегия). Применение этого комплекса методов для интерпретации данных для нескольких районов, отчетливо демонстрируют богатство геологической информации, получаемой с помощью методов объемного спектрального разложения. 1 ffA, Newcastle upon Tyne, UK. 2 Hydro, Bergen, Norway. Спектральное разложение Спектральным разложением называется процесс анализа того, каким образом данный сигнал может быть представлен в виде суммы простых, хорошо известных базисных функций. Наиболее известным методом спектрального разложения является Фурье-анализ, в котором сигнал представляется в виде взвешенной суммы синусоидальных и косинусоидальных колебаний на различных частотах. Применяя преобразование Фурье, можно определить амплитуду и фазу косинусоидальных колебаний на всех частотах. Для преобразования Фурье предполагается, что спектральный состав сигнала постоянен 30 Hz во времени. Эти ограничения привели к разработке множества методов разложения нестационарных сигналов (таких как сейсмические данные), в числе которых: быстрое преобразование Фурье (Nawab and Quatieri, 1988); Wigner-Ville разложение (WVD) (Claasen and Mecklenbrauker, 1980); вейвлет-преобразование (Daubechies 1988; Mallat, 1989); пакетное вейвлет-преобразование (Coifman and Wickerhauser, 1992) и разложение типа Matching Pursuit (MPD) (Mallat and Zhang, 1993, Chakraborty and Okaya, 1995). Временные частотные представления, получаемые при применении этих методов неодинаковы и их использование зависит от решаемой задачи. Рис. 1 Вертикальный разрез амплитуд на 30 Гц и 50 Гц, рассчитанный с использованием постоянных полосовых фильтров (a) и постоянных Q-фильтров(b). Отметьте четкое выделение отклика на частоте 50 Гц с помощью постоянных Q-фильтров. (c) 2007 EAGE Визуализация и интерпретация При создании графа обработки методом спектрального разложения, который описывается ниже, основной целью было выбрать и сравнить отклики от сигнала возбуждения для ряда различных частот, а не построить сплошной спектр для входного 3D массива данных. Эффективный вычислительный метод для достижения этой цели состоит в оценке амплитудной и частотной компоненты отклика на данной частоте при помощи свертки входных данных с вейвлетом с известными характеристиками. Из множества известных вейвлетов был выбран вейвлет Габора (Gabor wavelet). Удобное свойство вейвлета Габора - это локальность его временных частотных характеристик. Принцип неопределенности (Williams et al, 1991) выглядит следующим образом: (1) то есть, чем меньше ширина окна (t), тем хуже разрешающая способность по частоте и наоборот. Путем подбора соответствующих параметров вейвлета, неравенство в выражении 1 может быть минимизировано для всех частот с использованием вейвлета Габора. Помимо этого, вейвлета Габора является близкой аппроксимацией вейвлета Рикера (Ricker wavelet), часто используемого при обработке сейсмических сигналов. Выражение для вейвлета Габора: (2) Где: a масштаб, T временной сдвиг, f - частота модуляции и qp фаза атома (базисного вейвлета). Масштаб и частота модуляции определяют центральную частоту, разрешение по частоте и пространственную локализацию атома. Оптимальное соотношение между пространственной локализацией и разрешением по частоте достигается с помощью сохранения постоянной частотной модуляции (f) и изменением масштаба (a). Мы назвали это постоянным Q-методом, поскольку отношение между частотной полосой и центральной частотой остается постоянным. Постоянный Q-метод дает результат эквивалентный результату вейвлет-преобразования с вейвлета Габора. Если масштаб (a) остается постоянным, а частота модуляции (f) меняется, тогда полоса фильтра постоянна и не зависит от центральной частоты. Этот метод с постоянной полосой фильтра эквивалентен быстрому преобразованию Фурье с Гауссовым окном. Различия в пространственной локализации для постоянного Q-метода и метода с постоянной полосой представлены на рис. 1. Вследствие преимуществ в локализованности частотно-временных параметров, постоянный Q-метод используется с целью анализа спектральных вариаций, связанных с отдельными сейсмическими волнами. Неудобство постоянного Q-метода заключается в том, что пространственная локализация зависит от частоты. Метод с постоянной полосой применяется, когда целью спектрального разложения является различение геологических элементов на основании их объемных свойств, например выделение больших соляных тел или газовых резервуаров. В подобных случаях это могут быть свойства всего частотного спектра, наиболее удобного для анализа, при этом могут быть полезны такие свойства метода с постоянной полосой, как дискретизация в частотной области и постоянство времени. Общность между кратковременным преобразованием Фурье и вейвлет преобразованием с вейвлетом Габора-Морле (Gabor-Morlet) предоставляют большую гибкость и контролируемость спектрального разложения, что позволяет создать простой механизм работы с 3D частотными вариациями с использованием многоканальной частотной информации для выделения геологических тел. Спектральные атрибуты Ценность методов спектрального разложения в интерпретации данных сейсморазведки дает возможность сравнивать 3D вариации в отклике на сейсмический сигнал на разных частотах. Хотя это 4D задача, она может быть преобразована в 3D задачу, путем создания множества спектральных атрибутов, дающих информацию о форме и спектре колебания в каждой точке сейсмического разреза (рис. 2). Метод спектрального разложения с постоянной полосой создает базу для вычисления спектральных атрибутов, позволяя создавать широкий диапазон описаний частотных спектров для всего объема, в том числе: Основные параметры мощности Полная спектральная мощность Средняя мощность в полосе Квартильная мощность Это измерение мощности для каждого квартиля в полосе частот. Каждый квартиль имя одинаковую длительность по частоте, как показано для положительной части спектра. 88 (c) 2007 EAGE Визуализация и интерпретация Отношение квартилей Отношение мощности первого и четвертого квартиля является индикатором симметрии распределения. Частота для максимальной мощности Статистические оценки Средняя частота Дисперсия (Полоса) Асимметрия Q-фактор Q или фактор качества - это мера достоверности (сфокусированности) сигнала. Она основана на соотношении между полосой и пиковой мощностью распределения. Частотные атрибуты применяются уже некоторое время в интерпретации данных сейсморазведки и могут быть использованы для подчеркивания особенностей в сейсмических данных, трудно выделяемых другими способами. Поскольку они вычисляются для полного частотного спектра, они менее подвержены влиянию шума, по сравнению с атрибутами, вычисленными для узкой полосы частот. Спектральные атрибуты дополняют методы многоканальной 3D визуализации и сегментации, которые являются основными целями данной работы. RGB визуализация" Ключевые слова: постоянный, полоса частота, построение, цветовой пространство, blue, сравнение, фаза, использовать, цвет, значение, объёмный, break март, процесс, получить, свойство, элемент, входной изображение, анализ, break, результат, инструмент, спектральный атрибут, давать, вейвлет, позволять, цель, eage, выходной изображение, метод спектральный, rgb изображение, оптический, система, цветовой, полоса, сигнал, кривая оптический, преобразование, параметр, пространственный, частота модуляция, образ, объект исследование, элемент объем, выделение, пространство, изображение, geophysics, карта, особый тема, спектральный разложение, квартиль, использоваться, обработка, информация, зависеть, амплитуда, выбранный, оптический плотность, сейсмический, объём, кривая, смешивание, использование, вейвлёт габор, rgb, построить, частота, выбор, входной, большинство, частотный, частотный спектр, пользователь, тема, дать, выделение геологический, объём дать, разработанный, цвет выбранный, геологический, спектр, габор, тело выделенный, точка, построенный, интересовать, тело, изменение, масштаб, разрешение, метод rgb, процесс спектральный, метод, вейвлет габор, март, интерпретация, область, kirlin, спектральный, объем, битый цвет, геологический тело, особый, мощность, hall, marfurt, объект, выбрать, вариация, полученный, тема визуализация, spectral, пространственный локализация, сейсмический дать, элемент объём, соответствие, rgb визуализация, seismic data, полезный, визуализация, объёмный спектральный, визуализация интерпретация, атрибут, исследование, простой, decomposition, разложение, сегментация, выделить, вейвлёт, плотность, применяться