页岩储层参数地震解释方法、装置、电子设备及介质与流程

1.本发明涉及页岩气地震勘探领域，更具体地，涉及一种页岩储层参数地震解释方法、装置、电子设备及介质。


背景技术：

2.页岩气储层岩石物理模型建立页岩气储层物性参数和弹性参数之间的定量关系。针对页岩气储层复杂的矿物组分微观结构，budiansky等基于弹性各向同性介质中包含物的概念提出针对多相介质的自洽模型，并计算了岩石的体积模量和剪切模量。bruner等以及henyey和pomphrey指出自洽模型会过度估算包含物之间的相互作用，并提出了自洽模型的微分形式。sayers和kachanov分析了自洽模型的微分形式中，包含物加入顺序产生的影响。之后提出各向异性等效场理论，将非均匀介质间的相互作用表征为等效应力场的作用，用于将包含物加入各向异性介质中。另外，页岩作为烃源岩，存在于干酪根中的有机孔隙是页岩气的主要赋存空间，对于储层含气量等具有重要的影响。针对富有机质页岩，可将其描述为具有干酪根与粘土矿物互层结构页岩，以此建立了富有机质页岩的各向异性岩石物理模型。观测到页岩中干酪根及其孔隙的分布规律，认为干酪根与孔隙组成的有机质混合物对页岩弹性参数具有重要的影响。应用等效介质理论计算了干酪根与流体组成的有机质混合物对页岩弹性各向异性的影响。还包括计算了干酪根含量对各向异性页岩气储层的影响。但是，这些研究仍然停留在岩石物理的正演计算和储层物性对储层影响的定性分析，而且在建模过程中考虑的储层物性特征不够完全，由此可见，对干酪根微观物性特征的岩石物理模型建立、计算和定量研究对页岩气储层评价具有重要的意义。同时，在岩石物理建模基础上开发岩石物理反演方法，由常规测井数据计算储层物性参数，能够为储层评价提供多元化的信息。更进一步，通过建立储层物性参数与弹性参数之间的非线性定量关系，可以对地震反演得到的弹性参数进行定量解释得到储层物性参数的空间分布，则能为页岩甜点区的识别提供依据。由于人工神经网络方法对于这类非线性问题具有较好的适用性，针对测井数据应用bp神经网络对裂缝进行预测。然而，在结合岩石物理反演结果进行储层定量地震解释的研究与应用中，尚未发现有效的方法技术。
3.对于现有技术，没有充分结合描述储层特征的岩石物理模型和地震数据对储层物性参数进行定量地震解释，由此导致储层描述可靠性较低的问题。
4.因此，有必要开发一种页岩储层参数地震解释方法、装置、电子设备及介质。
5.公开于本发明背景技术部分的信息仅仅旨在加深对本发明的一般背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。


技术实现要素：

6.本发明提出了一种页岩储层参数地震解释方法、装置、电子设备及介质，为页岩气储层甜点区的地震识别提供依据，对页岩气甜点区地震识别有着重要的参考意义。
7.第一方面，本公开实施例提供了一种页岩储层参数地震解释方法，包括：
8.建立岩石物理模型；
9.根据所述岩石物理模型反演弹性参数；
10.建立弹性参数与储层物性参数的定量关系；
11.根据所述定量关系，预测储层物性参数。
12.优选地，建立岩石物理模型包括：
13.根据backus平均理论，确定基质的vti各向异性；
14.根据各向异性krief理论，计算vti干岩石骨架弹性模量；
15.根据brown-korringa理论进行各向异性流体替换，计算流体填充的vti岩石弹性模量；
16.通过kuster-toksoz公式，计算有机质混合物的弹性模量；
17.利用各向异性等效场理论，将有机质混合物加入到vti背景，建立岩石物理模型。
18.优选地，所述弹性参数为有机质混合物纵横比和有机质孔隙度。
19.优选地，根据所述岩石物理模型反演弹性参数包括：
20.将测井数据输入所述岩石物理模型，计算页岩弹性参数；
21.将所述页岩弹性参数与测井弹性参数对比，建立目标函数；
22.通过模拟退火粒子群算法，计算所述目标函数的最优解，使得所述目标函数的解达到最小。
23.优选地，所述目标函数为：
24.f(vpc,vsc)＝|vp
c-vpm|2+|vs
c-vsm|2ꢀꢀꢀ
(1)
25.其中，vpc、vsc为岩石物理预测的纵、横波速度，vpm、vsm为井中实测的纵、横波速度。
26.优选地，通过bp神经网络建立弹性参数与储层物性参数的定量关系。
27.作为本公开实施例的一种具体实现方式，
28.第二方面，本公开实施例还提供了一种页岩储层参数地震解释装置，包括：
29.建模模块，建立岩石物理模型；
30.反演模块，根据所述岩石物理模型反演弹性参数；
31.计算模块，建立弹性参数与储层物性参数的定量关系；
32.预测模块，根据所述定量关系，预测储层物性参数。
33.优选地，建立岩石物理模型包括：
34.根据backus平均理论，确定基质的vti各向异性；
35.根据各向异性krief理论，计算vti干岩石骨架弹性模量；
36.根据brown-korringa理论进行各向异性流体替换，计算流体填充的vti岩石弹性模量；
37.通过kuster-toksoz公式，计算有机质混合物的弹性模量；
38.利用各向异性等效场理论，将有机质混合物加入到vti背景，建立岩石物理模型。
39.优选地，所述弹性参数为有机质混合物纵横比和有机质孔隙度。
40.优选地，根据所述岩石物理模型反演弹性参数包括：
41.将测井数据输入所述岩石物理模型，计算页岩弹性参数；
42.将所述页岩弹性参数与测井弹性参数对比，建立目标函数；
43.通过模拟退火粒子群算法，计算所述目标函数的最优解，使得所述目标函数的解达到最小。
44.优选地，所述目标函数为：
45.f(vpc,vsc)＝|vp
c-vpm|2+|vs
c-vsm|2ꢀꢀꢀ
(1)
46.其中，vpc、vsc为岩石物理预测的纵、横波速度，vpm、vsm为井中实测的纵、横波速度。
47.优选地，通过bp神经网络建立弹性参数与储层物性参数的定量关系。
48.第三方面，本公开实施例还提供了一种电子设备，该电子设备包括：
49.存储器，存储有可执行指令；
50.处理器，所述处理器运行所述存储器中的所述可执行指令，以实现所述的页岩储层参数地震解释方法。
51.第四方面，本公开实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现所述的页岩储层参数地震解释方法。
52.其有益效果在于：利用岩石物理建模方法研究了干酪根与孔隙流体组成的有机质混合物的纵横比及有机质孔隙度对页岩弹性各向异性的影响，结合模拟退火粒子群算法设计并求解目标函数，由常规测井曲线反演有机质混合物纵横比、有机质孔隙度等储层物性参数及vti各向异性参数。通过bp神经网络方法，建立井中岩石物理反演的储层物性参数与弹性参数之间的非线性定量关系，对地震反演得到的弹性参数进行定量解释，得到页岩中有机质混合物空间几何形态、有机质孔隙度、总孔隙度、粘土含量、干酪根含量等的空间分布，为页岩气储层甜点区的地震识别提供依据，对页岩气甜点区地震识别有着重要的参考意义。
53.本发明的方法和装置具有其它的特性和优点，这些特性和优点从并入本文中的附图和随后的具体实施方式中将是显而易见的，或者将在并入本文中的附图和随后的具体实施方式中进行详细陈述，这些附图和具体实施方式共同用于解释本发明的特定原理。
附图说明
54.通过结合附图对本发明示例性实施例进行更详细的描述，本发明的上述以及其它目的、特征和优势将变得更加明显，其中，在本发明示例性实施例中，相同的参考标号通常代表相同部件。
55.图1示出了根据本发明的一个实施例的岩石物理建模流程示意图。
56.图2示出了根据本发明的一个实施例的有机质混合物纵横比的示意图。
57.图3示出了根据本发明的一个实施例的bp神经网络结构的示意图。
58.图4示出了根据本发明的一个实施例的页岩储层参数地震解释方法的步骤的流程图。
59.图5a、图5b、图5c、图5d、图5e分别示出了根据本发明的一个实施例的纵波速度、横波速度、有机质混合物纵横比、有机质孔隙度、各向异性参数的示意图。
60.图6a、图6b、图6c分别示出了根据本发明的一个实施例的研究区目标页岩气储层
叠前反演的纵波速度、横波速度、密度的示意图。
61.图7a、图7b、图7c、图7d、图7e分别示出了根据本发明的一个实施例的页岩气储层物性参数预测结果的有机质混合物纵横比、有机质孔隙度、总孔隙度、粘土含量、干酪根含量的示意图。
62.图8示出了根据本发明的一个实施例的一种页岩储层参数地震解释装置的框图。
63.附图标记说明：
64.201、建模模块；202、反演模块；203、计算模块；204、预测模块。
具体实施方式
65.下面将更详细地描述本发明的优选实施方式。虽然以下描述了本发明的优选实施方式，然而应该理解，可以以各种形式实现本发明而不应被这里阐述的实施方式所限制。
66.本发明提供一种页岩储层参数地震解释方法，包括：
67.建立岩石物理模型；在一个示例中，建立岩石物理模型包括：根据backus平均理论，确定基质的vti各向异性；根据各向异性krief理论，计算vti干岩石骨架弹性模量；根据brown-korringa理论进行各向异性流体替换，计算流体填充的vti岩石弹性模量；通过kuster-toksoz公式，计算有机质混合物的弹性模量；利用各向异性等效场理论，将有机质混合物加入到vti背景，建立岩石物理模型。
68.图1示出了根据本发明的一个实施例的岩石物理建模流程示意图。
69.图2示出了根据本发明的一个实施例的有机质混合物纵横比的示意图。
70.具体地，岩石物理建模流程如图1所示，由backus平均理论考虑与粘土、石英、方解石和白云石等矿物层状结构有关的基质的vti各向异性；应用各向异性krief理论向vti各向异性基质中加入随机分布的干孔隙(无机孔隙)，计算vti干岩石骨架弹性模量；由brown-korringa理论进行各向异性流体替换，向vti干岩石骨架中加入流体，计算流体填充的vti岩石弹性模量；应用kuster-toksoz公式，计算干酪根和流体填充的孔隙形成的有机质混合物的弹性模量，重点考虑有机质孔隙度、有机质混合物纵横比的影响；最后，利用各向异性等效场理论，将有机质混合物加入到vti背景中，建立岩石物理模型并计算其等效vti各向异性参数。如图2所示，有机质混合物纵横比αk定义为干酪根及孔隙组成的有机质混合物的短轴a与长轴c之比。
71.根据岩石物理模型反演弹性参数；在一个示例中，弹性参数为有机质混合物纵横比和有机质孔隙度。
72.在一个示例中，根据岩石物理模型反演弹性参数包括：将测井数据输入岩石物理模型，计算页岩弹性参数；将页岩弹性参数与测井弹性参数对比，建立目标函数；通过模拟退火粒子群算法，计算目标函数的最优解，使得目标函数的解达到最小。
73.在一个示例中，目标函数为：
74.f(vpc,vsc)＝|vp
c-vpm|2+|vs
c-vsm|2ꢀꢀꢀ
(1)
75.其中，vpc、vsc为岩石物理预测的纵、横波速度，vpm、vsm为井中实测的纵、横波速度。
76.具体地，通过对有效测井数据进行岩石物理反演，可同时验证岩石物理模型对井的适用性，并反演得到相应的物性参数。在岩石物理反演过程中引入模拟退火粒子群算法，
以粒子群算法为主体，应用模拟退火思想在每个粒子更新的过程中调整温度，使粒子逐渐形成低能量基态，收敛至全局最优解。
77.根据微观物性特征的扫描电镜分析、岩石物理正演分析，富有机质页岩中，有机质混合物的微观物性特征对页岩的弹性各向异性具有显著影响，因此将有机质混合物纵横比αk和有机质孔隙度作为反演参数。在反演过程中，首先对待反演参数进行初始化，并将测井得到的矿物组分、孔隙度参数等输入构建的页岩气储层岩石物理模型，计算页岩弹性参数(纵波速度vpc、横波速度vsc)，并通过与测井得到的弹性参数(纵波速度vpm、横波速度vsm)对比建立目标函数为公式(1)。反演过程应用模拟退火粒子群算法寻找目标函数最优解，即寻找待反演的参数αk和使得目标函数误差达到最小，同时输出相应的thomsen各向异性参数ε和γ。
78.建立弹性参数与储层物性参数的定量关系；在一个示例中，通过bp神经网络建立弹性参数与储层物性参数的定量关系。
79.图3示出了根据本发明的一个实施例的bp神经网络结构的示意图。
80.具体地，根据井中岩石物理反演结果，通过bp(back propagation)神经网络建立页岩气储层弹性参数与关键物性参数的非线性定量关系。bp神经网络算法是目前应用较广泛的一种算法，在结构上属于多层前馈神经网络，如图3所示，bp网络具有一个输入层、数个隐含层和一个输出层，层与层之间连接，同层之间无连接。实验证明，具有一个隐含层的三层网络可以逼近任意非线性函数。bp神经网络的误差反向传播算法基本思想是提供一系列输入、输出对作为训练样本，将输出的预测值与相对应的期望值进行比较，从输出层反向传播该误差并调整权值和阈值，使输出与期望输出间的误差减小至满足精度要求。
81.根据定量关系，预测储层物性参数。
82.具体地，以定量关系为基础对地震弹性反演结果进行定量解释，得到页岩气储层物性参数的空间分布，为页岩甜点区的识别提供依据。
83.在页岩物性参数井中反演的基础上，应用神经网络建立弹性参数与储层物性参数之间的非线性映射关系，以弹性参数作为输入层元素、以物性参数作为输出元素对bp神经网络进行训练。在训练的过程中按照减小期望输出与实际输出的误差方向调整随机初始化的权值和阈值，当误差达到最小精度要求时得到最适权值和阈值并应用到bp神经网络中。应用过程中，将叠前地震反演得到的弹性参数做为输入，利用训练好的bp神经网络预测相应的储层物性参数。
84.本发明还提供一种页岩储层参数地震解释装置，包括：
85.建模模块，建立岩石物理模型；在一个示例中，建立岩石物理模型包括：根据backus平均理论，确定基质的vti各向异性；根据各向异性krief理论，计算vti干岩石骨架弹性模量；根据brown-korringa理论进行各向异性流体替换，计算流体填充的vti岩石弹性模量；通过kuster-toksoz公式，计算有机质混合物的弹性模量；利用各向异性等效场理论，将有机质混合物加入到vti背景，建立岩石物理模型。
86.具体地，岩石物理建模流程如图1所示，由backus平均理论考虑与粘土、石英、方解石和白云石等矿物层状结构有关的基质的vti各向异性；应用各向异性krief理论向vti各向异性基质中加入随机分布的干孔隙(无机孔隙)，计算vti干岩石骨架弹性模量；由brown-korringa理论进行各向异性流体替换，向vti干岩石骨架中加入流体，计算流体填充的vti
岩石弹性模量；应用kuster-toksoz公式，计算干酪根和流体填充的孔隙形成的有机质混合物的弹性模量，重点考虑有机质孔隙度、有机质混合物纵横比的影响；最后，利用各向异性等效场理论，将有机质混合物加入到vti背景中，建立岩石物理模型并计算其等效vti各向异性参数。如图2所示，有机质混合物纵横比αk定义为干酪根及孔隙组成的有机质混合物的短轴a与长轴c之比。
87.反演模块，根据岩石物理模型反演弹性参数；在一个示例中，弹性参数为有机质混合物纵横比和有机质孔隙度。
88.在一个示例中，根据岩石物理模型反演弹性参数包括：将测井数据输入岩石物理模型，计算页岩弹性参数；将页岩弹性参数与测井弹性参数对比，建立目标函数；通过模拟退火粒子群算法，计算目标函数的最优解，使得目标函数的解达到最小。
89.在一个示例中，目标函数为：
90.f(vpc,vsc)＝|vp
c-vpm|2+|vs
c-vsm|2ꢀꢀꢀ
(1)
91.其中，vpc、vsc为岩石物理预测的纵、横波速度，vpm、vsm为井中实测的纵、横波速度。
92.具体地，通过对有效测井数据进行岩石物理反演，可同时验证岩石物理模型对井的适用性，并反演得到相应的物性参数。在岩石物理反演过程中引入模拟退火粒子群算法，以粒子群算法为主体，应用模拟退火思想在每个粒子更新的过程中调整温度，使粒子逐渐形成低能量基态，收敛至全局最优解。
93.根据微观物性特征的扫描电镜分析、岩石物理正演分析，富有机质页岩中，有机质混合物的微观物性特征对页岩的弹性各向异性具有显著影响，因此将有机质混合物纵横比αk和有机质孔隙度作为反演参数。在反演过程中，首先对待反演参数进行初始化，并将测井得到的矿物组分、孔隙度参数等输入构建的页岩气储层岩石物理模型，计算页岩弹性参数(纵波速度vpc、横波速度vsc)，并通过与测井得到的弹性参数(纵波速度vpm、横波速度vsm)对比建立目标函数。反演过程应用模拟退火粒子群算法寻找目标函数最优解，即寻找待反演的参数αk和使得目标函数误差达到最小，同时输出相应的thomsen各向异性参数ε和γ。
94.计算模块，建立弹性参数与储层物性参数的定量关系；在一个示例中，通过bp神经网络建立弹性参数与储层物性参数的定量关系。
95.具体地，根据井中岩石物理反演结果，通过bp(back propagation)神经网络建立页岩气储层弹性参数与关键物性参数的非线性定量关系。bp神经网络算法是目前应用较广泛的一种算法，在结构上属于多层前馈神经网络，如图3所示，bp网络具有一个输入层、数个隐含层和一个输出层，层与层之间连接，同层之间无连接。实验证明，具有一个隐含层的三层网络可以逼近任意非线性函数。bp神经网络的误差反向传播算法基本思想是提供一系列输入、输出对作为训练样本，将输出的预测值与相对应的期望值进行比较，从输出层反向传播该误差并调整权值和阈值，使输出与期望输出间的误差减小至满足精度要求。
96.预测模块，根据定量关系，预测储层物性参数。
97.具体地，以定量关系为基础对地震弹性反演结果进行定量解释，得到页岩气储层物性参数的空间分布，为页岩甜点区的识别提供依据。
98.在页岩物性参数井中反演的基础上，应用神经网络建立弹性参数与储层物性参数
之间的非线性映射关系，以弹性参数作为输入层元素、以物性参数作为输出元素对bp神经网络进行训练。在训练的过程中按照减小期望输出与实际输出的误差方向调整随机初始化的权值和阈值，当误差达到最小精度要求时得到最适权值和阈值并应用到bp神经网络中。应用过程中，将叠前地震反演得到的弹性参数做为输入，利用训练好的bp神经网络预测相应的储层物性参数。
99.本发明还提供一种电子设备，电子设备包括：存储器，存储有可执行指令；处理器，处理器运行存储器中的可执行指令，以实现上述的页岩储层参数地震解释方法。
100.本发明还提供一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述的页岩储层参数地震解释方法。
101.为便于理解本发明实施例的方案及其效果，以下给出四个具体应用示例。本领域技术人员应理解，该示例仅为了便于理解本发明，其任何具体细节并非意在以任何方式限制本发明。
102.实施例1
103.图4示出了根据本发明的一个实施例的页岩储层参数地震解释方法的步骤的流程图。
104.如图4所示，该页岩储层参数地震解释方法包括：步骤101，建立岩石物理模型；步骤102，根据岩石物理模型反演弹性参数；步骤103，建立弹性参数与储层物性参数的定量关系；步骤104，根据定量关系，预测储层物性参数。
105.图5a、图5b、图5c、图5d、图5e分别示出了根据本发明的一个实施例的纵波速度、横波速度、有机质混合物纵横比、有机质孔隙度、各向异性参数的示意图。
106.图5a和图5b中黑色曲线为测井数据，灰色曲线为反演过程中拟合得到的结果，二者一致性较高，验证了岩石物理模型及反演算法的适用性。图5c-e分别为有机质混合物纵横比αk、有机质孔隙度以及各向异性参数ε和γ的反演结果。其中，各向异性参数ε和γ的变化趋势与有机质混合物纵横比αk的变化趋势相似，说明有机质混合物形态对页岩各向异性存在明显的影响。造成两类各向异性参数数值相近的原因与粘土的定向排列有关，粘土的定向排列会影响粘土矿物的速度。并且随深度的增加，各向异性参数增加，可能归因于地层的压实作用。有机质孔隙度反映干酪根孔隙的发育情况，而干酪根孔隙发育与页岩的成熟度与含气性有关。
107.图6a、图6b、图6c分别示出了根据本发明的一个实施例的研究区目标页岩气储层叠前反演的纵波速度、横波速度、密度的示意图。
108.图7a、图7b、图7c、图7d、图7e分别示出了根据本发明的一个实施例的页岩气储层物性参数预测结果的有机质混合物纵横比、有机质孔隙度、总孔隙度、粘土含量、干酪根含量的示意图。
109.应用bp神经网络方法，针对图6a-c的弹性参数进行定量地震解释，结果如图7a-e所示。图7a为预测的有机质混合物纵横比αk的平面分布图。有机质混合物的纵横比反映其几何形态，进而表征其连通性，因此能够反映储集层品质。根据图2的定义，图7a中参数的数值越小，表明有机质混合物的几何形态越狭长，其连通性越好，有利于烃类流动。图7b为预测的有机质孔隙度的平面分布图。有机质孔隙度与干酪根成熟度有关，孔隙越发育可能表明有机质成熟度越高，并且有可能与页岩含气性有相关性，而进一步结论需要结合井中
岩石物理参数测量结果进行定量分析。图7c-e分别为研究区总孔隙度、粘土矿物含量、干酪根含量的空间分布，也是定量评价页岩气甜点区的关键物性参数。进一步的研究，将包括可以结合生产开发数据，对图7a-e所示的各物性参数进行综合解释，提高页岩气甜点区地震识别的有效性。
110.实施例2
111.图8示出了根据本发明的一个实施例的一种页岩储层参数地震解释装置的框图。
112.如图8所示，该页岩储层参数地震解释装置，包括：
113.建模模块201，建立岩石物理模型；
114.反演模块202，根据岩石物理模型反演弹性参数；
115.计算模块203，建立弹性参数与储层物性参数的定量关系；
116.预测模块204，根据定量关系，预测储层物性参数。
117.作为可选方案，建立岩石物理模型包括：
118.根据backus平均理论，确定基质的vti各向异性；
119.根据各向异性krief理论，计算vti干岩石骨架弹性模量；
120.根据brown-korringa理论进行各向异性流体替换，计算流体填充的vti岩石弹性模量；
121.通过kuster-toksoz公式，计算有机质混合物的弹性模量；
122.利用各向异性等效场理论，将有机质混合物加入到vti背景，建立岩石物理模型。
123.作为可选方案，弹性参数为有机质混合物纵横比和有机质孔隙度。
124.作为可选方案，根据岩石物理模型反演弹性参数包括：
125.将测井数据输入岩石物理模型，计算页岩弹性参数；
126.将页岩弹性参数与测井弹性参数对比，建立目标函数；
127.通过模拟退火粒子群算法，计算目标函数的最优解，使得目标函数的解达到最小。
128.作为可选方案，目标函数为：
129.f(vpc,vsc)＝|vp
c-vpm|2+|vs
c-vsm|2ꢀꢀꢀ
(1)
130.其中，vpc、vsc为岩石物理预测的纵、横波速度，vpm、vsm为井中实测的纵、横波速度。
131.作为可选方案，通过bp神经网络建立弹性参数与储层物性参数的定量关系。
132.实施例3
133.本公开提供一种电子设备包括，该电子设备包括：存储器，存储有可执行指令；处理器，处理器运行存储器中的可执行指令，以实现上述页岩储层参数地震解释方法。
134.根据本公开实施例的电子设备包括存储器和处理器。
135.该存储器用于存储非暂时性计算机可读指令。具体地，存储器可以包括一个或多个计算机程序产品，该计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。该易失性存储器例如可以包括随机存取存储器(ram)和/或高速缓冲存储器(cache)等。该非易失性存储器例如可以包括只读存储器(rom)、硬盘、闪存等。
136.该处理器可以是中央处理单元(cpu)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元，并且可以控制电子设备中的其它组件以执行期望的功能。在本公
开的一个实施例中，该处理器用于运行该存储器中存储的该计算机可读指令。
137.本领域技术人员应能理解，为了解决如何获得良好用户体验效果的技术问题，本实施例中也可以包括诸如通信总线、接口等公知的结构，这些公知的结构也应包含在本公开的保护范围之内。
138.有关本实施例的详细说明可以参考前述各实施例中的相应说明，在此不再赘述。
139.实施例4
140.本公开实施例提供一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现所述的页岩储层参数地震解释方法。
141.根据本公开实施例的计算机可读存储介质，其上存储有非暂时性计算机可读指令。当该非暂时性计算机可读指令由处理器运行时，执行前述的本公开各实施例方法的全部或部分步骤。
142.上述计算机可读存储介质包括但不限于：光存储介质(例如：cd－rom和dvd)、磁光存储介质(例如：mo)、磁存储介质(例如：磁带或移动硬盘)、具有内置的可重写非易失性存储器的媒体(例如：存储卡)和具有内置rom的媒体(例如：rom盒)。
143.本领域技术人员应理解，上面对本发明的实施例的描述的目的仅为了示例性地说明本发明的实施例的有益效果，并不意在将本发明的实施例限制于所给出的任何示例。
144.以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。