储层预测方法及装置与流程

[0001]
本发明涉及地球物理勘探技术领域，尤其涉及储层预测方法及装置。


背景技术：

[0002]
本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
[0003]
随着三维地震勘探技术的不断进步和三维地震资料在油田勘探开发领域应用的不断深入，地震属性解释的重要性日益提高。地震属性主要有时间、振幅、频率、相位、相干和衰减几大类属性。
[0004]
在油田勘探开发领域，地震属性主要应用于油藏储层厚度、孔隙度、渗透率等参数的预测，其中地震资料的振幅、频率等单项地震属性的应用比较广泛。但是，目前都是基于地震全数据获取地震属性，进而利用获取的地震属性进行储层预测，导致储层预测的效率较低，同时预测精度也较低。
[0005]
因此，现有的储层预测存在预测效率低和预测精度低的问题。


技术实现要素：

[0006]
本发明实施例提供一种储层预测方法，用以提高储层预测的精度和效率，该方法包括：
[0007]
在目的层地震数据对应的时窗范围内，根据目的层地震数据的振幅频谱确定目的层地震数据对应的滤波算子；
[0008]
在目的层地震数据对应的时窗范围内对目的层地震数据进行极值识别，获得极值地震数据；
[0009]
将极值地震数据与目的层地震数据对应的滤波算子进行褶积确定模型道数据；
[0010]
根据目的层地震数据及模型道数据确定残差地震数据；
[0011]
在目的层地震数据对应的时窗范围内提取残差地震数据的储层预测参数，确定目的层的储层分布。
[0012]
本发明实施例还提供一种储层预测装置，用以提高储层预测的精度和效率，该装置包括：
[0013]
滤波算子确定模块，用于在目的层地震数据对应的时窗范围内，根据目的层地震数据的振幅频谱确定目的层地震数据对应的滤波算子；
[0014]
极值识别模块，用于在目的层地震数据对应的时窗范围内对目的层地震数据进行极值识别，获得极值地震数据；
[0015]
褶积模块，用于将极值地震数据与目的层地震数据对应的滤波算子进行褶积确定模型道数据；
[0016]
残差地震数据确定模块，用于根据目的层地震数据及模型道数据确定残差地震数据；
[0017]
储层预测模块，用于在目的层地震数据对应的时窗范围内提取残差地震数据的储层预测参数，确定目的层的储层分布。
[0018]
本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述储层预测方法。
[0019]
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述储层预测方法的计算机程序。
[0020]
通过对目的层地震数据进行极值识别获得极值地震数据，将极值地震数据与目的层地震数据对应的滤波算子进行褶积确定模型道数据，然后根据目的层地震数据及模型道数据确定残差地震数据，据此得到的残差地震数据去除了目的层地震数据大的背景，进而提取残差地震数据的储层预测参数，在残差地震数据上进行储层预测，可以提高储层预测的精度和效率。
附图说明
[0021]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
[0022]
图1为本发明实施例提供的储层预测方法的实现流程图；
[0023]
图2为本发明实施例提供的储层预测方法中步骤101的实现流程图；
[0024]
图3为本发明实施例提供的储层预测方法的另一实现流程图；
[0025]
图4为本发明实施例提供的储层预测方法中步骤303的实现流程图；
[0026]
图5为本发明实施例提供的储层预测方法中步骤303的另一实现流程图；
[0027]
图6为本发明实施例提供的储层预测方法中步骤303的又一实现流程图；
[0028]
图7为本发明实施例提供的储层预测装置的功能模块图；
[0029]
图8为本发明实施例提供的储层预测装置中滤波算子确定模块601的结构框图；
[0030]
图9为本发明实施例提供的储层预测装置的另一功能模块图；
[0031]
图10为本发明实施例提供的储层预测装置中标准化模块803的结构框图；
[0032]
图11为本发明实施例提供的储层预测装置中标准化模块803的另一结构框图；
[0033]
图12为本发明实施例提供的储层预测装置中标准化模块803的又一结构框图；
[0034]
图13为本发明实施例提供的实际储层地震数据的合成地震记录层位标定结果示意图；
[0035]
图14为本发明实施例提供的实际储层地震数据的振幅频谱示意图；
[0036]
图15为本发明实施例提供的实际储层地震数据对应的滤波算子示意图；
[0037]
图16为本发明实施例提供的对实际储层地震数据进行极值识别得到的极值地震数据示意图；
[0038]
图17为本发明实施例提供的剔除极值后的最终极值地震数据示意图；
[0039]
图18为本发明实施例提供的实际储层地震数据与最终极值地震数据褶积得到的模型道数据示意图；
[0040]
图19为本发明实施例提供的实际储层地震数据对应的标准化后的模型道数据示意图；
[0041]
图20为本发明实施例提供的根据实际储层地震数据与标准模型道数据得到的残差地震数据示意图；
[0042]
图21为本发明实施例提供的在时窗范围内提取的残差地震数据的能量平面(均方根振幅)示意图。
具体实施方式
[0043]
为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。
[0044]
图1示出了本发明实施例提供的储层预测方法的实现流程，为便于描述，仅示出了与本发明实施例相关的部分，详述如下：
[0045]
如图1所示，储层预测方法，其包括：
[0046]
步骤101，在目的层地震数据对应的时窗范围内，根据目的层地震数据的振幅频谱确定目的层地震数据对应的滤波算子；
[0047]
步骤102，在目的层地震数据对应的时窗范围内对目的层地震数据进行极值识别，获得极值地震数据；
[0048]
步骤103，将极值地震数据与目的层地震数据对应的滤波算子进行褶积确定模型道数据；
[0049]
步骤104，根据目的层地震数据及模型道数据确定残差地震数据；
[0050]
步骤105，在目的层地震数据对应的时窗范围内提取残差地震数据的储层预测参数，确定目的层的储层分布。
[0051]
在本发明实施例中，目的层是钻井的目的层，即所要研究的对象或者区域。可以通过对目的层地震数据进行井震时间深度匹配，确定目的层地震数据在时间域对应的时窗范围。进而在该时窗范围内根据目的层地震数据的振幅频谱确定与目的层地震数据对应的滤波算子。在本发明的一实施例中，该目的层地震数据以地震数据体的形式体现。
[0052]
另外，在得到目的层地震数据及目的层地震数据对应的时窗范围后，在目的层地震数据对应的时窗范围内，对目的层地震数据进行极值识别。在对目的层地震数据进行极值识别时，保留目的层地震数据的极值，而对于目的层地震数据的非极值全部进行充零处理，得到极值地震数据。在本发明的一实施例中，该极值地震数据以极值地震数据体的形式体现。
[0053]
在分别确定目的层地震数据对应的滤波算子，以及极值地震数据后，将目的层地震数据对应的滤波算子及极值地震数据进行褶积运算，对两者进行褶积运算后可以得到模型道数据。在本发明的一实施例中，模型道数据以模型道数据体的形式体现。
[0054]
在得到模型道数据后，根据目的层地震数据及模型道数据，可以确定残差地震数据。具体的，在时窗范围内求取目的层地震数据与模型道数据的残差，进而将目的层地震数据与模型道数据的残差作为残差地震数据。在本发明的一实施例中，残差地震数据以残差地震数据体的形式体现。
[0055]
据此得到的残差地震数据去除了目的层地震数据大的背景，进而在目的层地震数据对应的时窗范围内，提取残差地震数据的储层预测参数，确定目的层的储层分布。其中，储层预测参数是指能够实现储层预测目的的参数，可以根据提取的残差地震数据的储层预测参数，对目的层进行储层预测。
[0056]
在本发明实施例中，通过对目的层地震数据进行极值识别获得极值地震数据，将极值地震数据与目的层地震数据对应的滤波算子进行褶积确定模型道数据，然后根据目的层地震数据及模型道数据确定残差地震数据，据此得到的残差地震数据去除了目的层地震数据大的背景，进而提取残差地震数据的储层预测参数，在残差地震数据上进行储层预测，可以提高储层预测的精度和效率。
[0057]
在本发明的一实施例中，残差地震数据的储层预测参数至少包括残差地震数据的均方根振幅。即在得到残差地震数据后，在目的层地震数据对应的时窗范围内提取残差地震数据的均方根振幅，进而通过残差地震数据的均方根振幅得到目的层的储层分布，实现对目的层的储层预测。
[0058]
图2示出了本发明实施例提供的储层预测方法中步骤101的实现流程，为便于描述，仅示出了与本发明实施例相关的部分，详述如下：
[0059]
在本发明的一实施例中，如图2所示，步骤101，在目的层地震数据对应的时窗范围内，根据目的层地震数据的振幅频谱确定目的层地震数据对应的滤波算子，包括：
[0060]
步骤201，利用测井数据及地震子波确定合成地震记录；
[0061]
步骤202，对合成地震记录进行层位标定，确定目的层地震数据对应的时窗范围；
[0062]
步骤203，在时窗范围内提取目的层地震数据的振幅频谱，确定目的层地震数据振幅频谱的频带参数；频带参数至少包括通频带低频、通频带高频、截止频率低频及截止频率高频；
[0063]
步骤204，根据目的层地震数据振幅频谱的频带参数，确定目的层地震数据对应的滤波算子。
[0064]
测井数据是指在测井是形成的能够反映出不同岩性、层位特征的数据。在本发明实施例中，测井数据主要包括声波时差测井曲线、密度测井曲线等。地震子波是一段具有确定的起始时间、能量有限且具有一定延续长度的信号，它是地震记录中的基本单元。在确定合成地震记录时，主要通过勘探区域已知井的钻井分层、声波时差测井曲线、密度测井曲线及地震子波激发制作合成地震记录。
[0065]
在激发制作得到合成地震记录后，对合成地震记录进行层位标定，将钻井的目的层的分层在地震数据上标定的位置确定为目的层。利用井震时间深度匹配，用地震剖面中目的层对应的时间范围作为目的层地震数据属性提取的时间窗口，确定目的层地震数据对应的时窗范围。
[0066]
在确定目的层地震数据对应的时窗范围后，在上述时窗范围内提取目的层地震数据的振幅频谱，进而通过目的层地震数据的振幅频谱，确定目的层地震数据振幅频谱的频带参数。在本发明实施例中，频带参数包括与通频带有关的通频带低频、通频带高频，频带参数还包括与截止频率有关的截止频率低频及截止频率高频。
[0067]
在根据目的层地震数据的振幅频谱得到上述频带参数后，根据频带参数中的通频带低频、通频带高频、截止频率低频及截止频率高频，合理设计目的层地震数据对应的滤波
算子。
[0068]
在本发明实施例中，在时窗范围内提取目的层地震数据的振幅频谱，确定目的层地震数据振幅频谱的频带参数，进而根据目的层地震数据振幅频谱的频带参数，确定目的层地震数据对应的滤波算子，可以进一步提高储层预测的精度。
[0069]
图3示出了本发明实施例提供的储层预测方法的另一实现流程，为便于描述，仅示出了与本发明实施例相关的部分，详述如下：
[0070]
在本发明的一实施例中，如图3所示，在上述方法步骤的基础上，在步骤102，在目的层地震数据对应的时窗范围内对目的层地震数据进行极值识别，获得极值地震数据之后，层预测方法，还包括：
[0071]
步骤301，将极值地震数据中极值小于预设极值阈值的极值剔除，确定最终极值地震数据；
[0072]
相应的，步骤103，将极值地震数据与目的层地震数据对应的滤波算子进行褶积确定模型道数据，包括：
[0073]
步骤302，将最终极值地震数据与目的层地震数据对应的滤波算子进行褶积确定模型道数据。
[0074]
申请人进过研究发现，极值地震数据中的极值参差不齐，采用极值地震数据全部的极值参与运算，将影响储层预测的精度。
[0075]
因此，为了进一步提高储层预测的精度，将极值地震数据中极值小于预设极值阈值的极值剔除，将剔除不满足要求的极值后的极值地震数据作为最终极值地震数据参与运算，将进一步提高储层预测的精度。
[0076]
相应的，在确定模型道数据时，将最终极值地震数据与目的层地震数据对应的滤波算子进行褶积，得到的褶积结果作为模型道数据。
[0077]
在本发明的一实施例中，预设极值阈值为预先设定的极值门槛值，本领域技术人员可以理解的是，可以根据实际情况和具体需求设置预设极值阈值。例如，将预设极值阈值设置为1000。本领域技术人员还可以将预设极值阈值设置为除1000以外的其它数值，例如，850或者1200等，本发明实施例对此不做特别的限制。
[0078]
在本发明实施例中，将极值地震数据中极值小于预设极值阈值的极值剔除，确定最终极值地震数据，可以进一步提高储层预测的精度。
[0079]
图3示出了本发明实施例提供的储层预测方法的另一实现流程，为便于描述，仅示出了与本发明实施例相关的部分，详述如下：
[0080]
在本发明的一实施例中，如图3所示，在上述方法步骤的基础上，在步骤104，根据目的层地震数据及模型道数据确定残差地震数据之前，层预测方法，还包括：
[0081]
步骤303，对目的层地震数据及模型道数据进行标准化，确定值域分布范围一致的标准目的层地震数据及标准模型道数据；
[0082]
相应的，步骤104，根据目的层地震数据及模型道数据确定残差地震数据，包括：
[0083]
步骤304，根据标准目的层地震数据及标准模型道数据确定残差地震数据。
[0084]
申请人经过进一步的研究后发现，目的层地震数据及模型道数据两者的值域分布范围可能是一致的，也可能是不一致的。在目的层地震数据及模型道数据两者的值域分布范围一致的情况下，可以直接根据值域分布范围一致的目的层地震数据及模型道数据确定
残差地震数据，此时利用据此得到的残差地震数据可以保证储层预测的精度。然而，在目的层地震数据及模型道数据两者的值域分布范围不一致的情况下，基于此得到的残差地震数据进行储层预测，仍将在一定程度上影响储层预测的精度。
[0085]
因此，为了进一步提高储层预测的精度，对目的层地震数据及模型道数据进行标准化，以使得标准化后的目的层地震数据及模型道数据的值域分布范围保持一致，即标准化后的标准目的层地震数据和标准模型道数据的值域分布范围一致。进而根据标准化后的标准目的层地震数据和标准模型道数据确定残差地震数据，基于据此得到的残差地震数据进行储层预测，可以提高储层预测的精度。
[0086]
在本发明实施例中，对目的层地震数据及模型道数据进行标准化，确定值域分布范围一致的标准目的层地震数据及标准模型道数据，利用据此得到的残差地震数据进行储层预测，可以进一步提高储层预测的精度。
[0087]
图4示出了本发明实施例提供的储层预测方法中步骤303的实现流程，为便于描述，仅示出了与本发明实施例相关的部分，详述如下：
[0088]
在本发明的一实施例中，如图4所示，步骤303，对目的层地震数据及模型道数据进行标准化，确定值域分布范围一致的标准目的层地震数据及标准模型道数据，包括：
[0089]
步骤401，以目的层地震数据为基准，将目的层地震数据作为标准目的层地震数据；
[0090]
步骤402，根据目的层地震数据的值域分布及模型道数据的值域分布，确定模型道数据的标准化系数；
[0091]
步骤403，根据模型道数据及模型道数据的标准化系数，确定标准模型道数据。
[0092]
在对目的层地震数据及模型道数据进行标准化，以使标准化后的标准目的层地震数据及标准模型道数据值域分布范围一致，首先以目的层地震数据为基准，即将目的层地震数据作为标准目的层地震数据，从而对模型道数据进行标准化，以使目的层地震数据及标准化后的模型道数据(即标准模型道数据)两者的值域分布范围一致。
[0093]
在确定模型道数据的标准化系数时，可以根据目的层地震数据的值域分布及模型道数据的值域分布确定模型道数据的标准化系数。具体的，可以将模型道数据的值域分布范围与目的层地震数据的值域分布范围的比值作为模型道数据的标准化系数，进而根据模型道数据及模型道数据的标准化系数，对模型道数据进行标准化，得到标准模型道数据。
[0094]
在本发明实施例中，以目的层地震数据为基准，基于目的层地震数据的值域分布及模型道数据的值域分布，确定模型道数据的标准化系数，进而对模型道数据进行标准化，鉴于标准化以后的标准目的层地震数据及标准模型道数据值域分布范围一致，可以进一步提高储层预测的精度。
[0095]
图5示出了本发明实施例提供的储层预测方法中步骤303的另一实现流程，为便于描述，仅示出了与本发明实施例相关的部分，详述如下：
[0096]
在本发明的一实施例中，如图5所示，步骤303，对目的层地震数据及模型道数据进行标准化，确定值域分布范围一致的标准目的层地震数据及标准模型道数据，包括：
[0097]
步骤501，以模型道数据为基准，将模型道数据作为标准模型道数据；
[0098]
步骤502，根据目的层地震数据的值域分布及模型道数据的值域分布，确定目的层地震数据的标准化系数；
[0099]
步骤503，根据目的层地震数据及目的层地震数据的标准化系数，确定标准目的层地震数据。
[0100]
在对目的层地震数据及模型道数据进行标准化，以使标准化后的标准目的层地震数据及标准模型道数据值域分布范围一致，还可以模型道数据为基准，即将模型道数据作为标准模型道数据，从而对目的层地震数据进行标准化，以使标准化后的目的层地震数据(即标准目的层地震数据)及模型道数据两者的值域分布范围一致。
[0101]
在确定目的层地震数据的标准化系数时，可以根据目的层地震数据的值域分布及模型道数据的值域分布确定目的层地震数据的标准化系数。具体的，可以将目的层地震数据的值域分布范围与模型道数据的值域分布范围的比值作为目的层地震数据的标准化系数，进而根据目的层地震数据及目的层地震数据的标准化系数，对目的层地震数据进行标准化，得到标准目的层地震数据。
[0102]
在本发明实施例中，以模型道数据为基准，基于目的层地震数据的值域分布及模型道数据的值域分布，确定目的层地震数据的标准化系数，进而对目的层地震数据进行标准化，鉴于标准化以后的标准目的层地震数据及标准模型道数据值域分布范围一致，可以进一步提高储层预测的精度。
[0103]
图6示出了本发明实施例提供的储层预测方法中步骤303的另一实现流程，为便于描述，仅示出了与本发明实施例相关的部分，详述如下：
[0104]
在本发明的一实施例中，如图6所示，步骤303，对目的层地震数据及模型道数据进行标准化，确定值域分布范围一致的标准目的层地震数据及标准模型道数据，包括：
[0105]
步骤601，根据目的层地震数据的值域分布及模型道数据的值域分布，分别确定目的层地震数据的标准化系数及模型道数据的标准化系数；其中，目的层地震数据的值域分布范围与模型道数据的值域分布范围的比值，等于模型道数据的标准化系数与目的层地震数据的标准化系数的比值；
[0106]
步骤602，根据目的层地震数据及目的层地震数据的标准化系数，确定标准目的层地震数据；
[0107]
步骤603，根据模型道数据及模型道数据的标准化系数，确定标准模型道数据。
[0108]
在对目的层地震数据及模型道数据进行标准化，以使标准化后的标准目的层地震数据及标准模型道数据值域分布范围一致，还可以分别对目的层地震数据及模型道数据进行标准化，以使标准化后的目的层地震数据(即标准目的层地震数据)及标准化后的模型道数(即标准模型道数据)据两者的值域分布范围一致。
[0109]
在确定目的层地震数据的标准化系数及模型道数据的标准化系数时，还可以根据目的层地震数据的值域分布及模型道数据的值域分布确定目的层地震数据的标准化系数及模型道数据的标准化系数。
[0110]
具体的，需要满足：目的层地震数据的值域分布范围与模型道数据的值域分布范围的比值，等于模型道数据的标准化系数与目的层地震数据的标准化系数的比值，据此分别确定目的层地震数据的标准化系数及模型道数据的标准化系数。
[0111]
进而根据目的层地震数据及目的层地震数据的标准化系数，对目的层地震数据进行标准化，得到标准目的层地震数据；根据模型道数据及模型道数据的标准化系数，对模型道数据进行标准化，得到标准模型道数据。
[0112]
其中，步骤602和步骤603无特别的先后执行顺序，可以先执行步骤602，在执行步骤603，也可以先执行步骤603，再执行步骤602，或者同时执行步骤602和步骤603。
[0113]
在本发明实施例中，根据目的层地震数据的值域分布及模型道数据的值域分布，分别确定目的层地震数据的标准化系数及模型道数据的标准化系数，分别对目的层地震数据及模型道数据进行标准化，鉴于标准化以后的标准目的层地震数据及标准模型道数据值域分布范围一致，可以进一步提高储层预测的精度。
[0114]
本发明实施例中还提供了一种储层预测装置，如下面的实施例所述。由于这些装置解决问题的原理与储层预测方法相似，因此这些装置的实施可以参见方法的实施，重复之处不再赘述。
[0115]
图7示出了本发明实施例提供的储层预测装置的功能模块，为便于说明，仅示出了与本发明实施例相关的部分，详述如下：
[0116]
参考图7，所述储层预测装置所包含的各个模块用于执行图1对应实施例中的各个步骤，具体请参阅图1以及图1对应实施例中的相关描述，此处不再赘述。本发明实施例中，所述储层预测装置包括滤波算子确定模块701、极值识别模块702、褶积模块703、残差地震数据确定模块704及储层预测模块705。
[0117]
滤波算子确定模块701，用于在目的层地震数据对应的时窗范围内，根据目的层地震数据的振幅频谱确定目的层地震数据对应的滤波算子。
[0118]
极值识别模块702，用于在目的层地震数据对应的时窗范围内对目的层地震数据进行极值识别，获得极值地震数据。
[0119]
褶积模块703，用于将极值地震数据与目的层地震数据对应的滤波算子进行褶积确定模型道数据。
[0120]
残差地震数据确定模块704，用于根据目的层地震数据及模型道数据确定残差地震数据。
[0121]
储层预测模块705，用于在目的层地震数据对应的时窗范围内提取残差地震数据的储层预测参数，确定目的层的储层分布。
[0122]
在本发明实施例中，极值识别模块702通过对目的层地震数据进行极值识别获得极值地震数据，褶积模块703将极值地震数据与目的层地震数据对应的滤波算子进行褶积确定模型道数据，然后残差地震数据确定模块704根据目的层地震数据及模型道数据确定残差地震数据，据此得到的残差地震数据去除了目的层地震数据大的背景，进而储层预测模块705提取残差地震数据的储层预测参数，在残差地震数据上进行储层预测，可以提高储层预测的精度和效率。
[0123]
在本发明的一实施例中，残差地震数据的储层预测参数至少包括残差地震数据的均方根振幅。即在得到残差地震数据后，在目的层地震数据对应的时窗范围内提取残差地震数据的均方根振幅，进而通过残差地震数据的均方根振幅得到目的层的储层分布，实现对目的层的储层预测。
[0124]
图8示出了本发明实施例提供的储层预测装置中滤波算子确定模块701的结构示意，为便于说明，仅示出了与本发明实施例相关的部分，详述如下：
[0125]
在本发明的一实施例中，参考图8，所述滤波算子确定模块701所包含的各个单元用于执行图2对应实施例中的各个步骤，具体请参阅图2以及图2对应实施例中的相关描述，
此处不再赘述。本发明实施例中，所述滤波算子确定模块701包括合成地震记录确定单元801、层位标定单元802、频谱提取单元803及滤波算子确定单元804。
[0126]
合成地震记录确定单元801，用于利用测井数据及地震子波确定合成地震记录。
[0127]
层位标定单元802，用于对合成地震记录进行层位标定，确定目的层地震数据对应的时窗范围。
[0128]
频谱提取单元803，用于在时窗范围内提取目的层地震数据的振幅频谱，确定目的层地震数据振幅频谱的频带参数；频带参数至少包括通频带低频、通频带高频、截止频率低频及截止频率高频。
[0129]
滤波算子确定单元804，用于根据目的层地震数据振幅频谱的频带参数，确定目的层地震数据对应的滤波算子。
[0130]
在本发明实施例中，频谱提取单元803在时窗范围内提取目的层地震数据的振幅频谱，确定目的层地震数据振幅频谱的频带参数，进而滤波算子确定单元804根据目的层地震数据振幅频谱的频带参数，确定目的层地震数据对应的滤波算子，可以进一步提高储层预测的精度。
[0131]
图9示出了本发明实施例提供的储层预测装置的另一模块结构，为便于说明，仅示出了与本发明实施例相关的部分，详述如下：
[0132]
在本发明的一实施例中，参考图9，所述储层预测装置所包含的各个模块用于执行图3对应实施例中的各个步骤，具体请参阅图3以及图3对应实施例中的相关描述，此处不再赘述。本发明实施例中，如图9所示，在上述模块结构的基础上，所述储层预测装置，还包括极值剔除模块901。
[0133]
极值剔除模块901，用于将极值地震数据中极值小于预设极值阈值的极值剔除，确定最终极值地震数据。
[0134]
褶积模块703，具体用于将最终极值地震数据与目的层地震数据对应的滤波算子进行褶积确定模型道数据。
[0135]
在本发明实施例中，极值剔除模块901将极值地震数据中极值小于预设极值阈值的极值剔除，确定最终极值地震数据，可以进一步提高储层预测的精度。
[0136]
图9示出了本发明实施例提供的储层预测装置的另一模块结构，为便于说明，仅示出了与本发明实施例相关的部分，详述如下：
[0137]
在本发明的一实施例中，参考图9，所述储层预测装置所包含的各个模块用于执行图3对应实施例中的各个步骤，具体请参阅图3以及图3对应实施例中的相关描述，此处不再赘述。本发明实施例中，如图9所示，在上述模块结构的基础上，所述储层预测装置，还包括标准化模块903。
[0138]
标准化模块903，用于对目的层地震数据及模型道数据进行标准化，确定值域分布范围一致的标准目的层地震数据及标准模型道数据。
[0139]
残差地震数据确定模块704，具体用于根据标准目的层地震数据及标准模型道数据确定残差地震数据。
[0140]
在本发明实施例中，标准化模块903对目的层地震数据及模型道数据进行标准化，确定值域分布范围一致的标准目的层地震数据及标准模型道数据，利用据此得到的残差地震数据进行储层预测，可以进一步提高储层预测的精度。
[0141]
图10示出了本发明实施例提供的储层预测装置中标准化模块903的结构示意，为便于说明，仅示出了与本发明实施例相关的部分，详述如下：
[0142]
在本发明的一实施例中，参考图10，所述标准化模块903所包含的各个单元用于执行图4对应实施例中的各个步骤，具体请参阅图4以及图4对应实施例中的相关描述，此处不再赘述。本发明实施例中，所述标准化模块903包括第一基准单元1001、第一标准化系数单元1002及标准模型道数据确定单元1003。
[0143]
第一基准单元1001，用于以目的层地震数据为基准，将目的层地震数据作为标准目的层地震数据。
[0144]
第一标准化系数单元1002，用于根据目的层地震数据的值域分布及模型道数据的值域分布，确定模型道数据的标准化系数。
[0145]
标准模型道数据确定单元1003，用于根据模型道数据及模型道数据的标准化系数，确定标准模型道数据。
[0146]
在本发明实施例中，第一基准单元1001以目的层地震数据为基准，第一标准化系数单元1002基于目的层地震数据的值域分布及模型道数据的值域分布，确定模型道数据的标准化系数，进而标准模型道数据确定单元1003对模型道数据进行标准化，鉴于标准化以后的标准目的层地震数据及标准模型道数据值域分布范围一致，可以进一步提高储层预测的精度。
[0147]
图11示出了本发明实施例提供的储层预测装置中标准化模块903的另一结构示意，为便于说明，仅示出了与本发明实施例相关的部分，详述如下：
[0148]
在本发明的一实施例中，参考图11，所述标准化模块903所包含的各个单元用于执行图5对应实施例中的各个步骤，具体请参阅图5以及图5对应实施例中的相关描述，此处不再赘述。本发明实施例中，所述标准化模块903包括第二基准单元1101、第二标准化系数单元1102及标准目的层地震数据确定单元1103。
[0149]
第二基准单元1101，用于以模型道数据为基准，将模型道数据作为标准模型道数据。
[0150]
第二标准化系数单元1102，用于根据目的层地震数据的值域分布及模型道数据的值域分布，确定目的层地震数据的标准化系数。
[0151]
标准目的层地震数据确定单元1103，根据目的层地震数据及目的层地震数据的标准化系数，确定标准目的层地震数据。
[0152]
在本发明实施例中，第二基准单元1101以模型道数据为基准，第二标准化系数单元1102基于目的层地震数据的值域分布及模型道数据的值域分布，确定目的层地震数据的标准化系数，进而标准目的层地震数据确定单元1103对目的层地震数据进行标准化，鉴于标准化以后的标准目的层地震数据及标准模型道数据值域分布范围一致，可以进一步提高储层预测的精度。
[0153]
图12示出了本发明实施例提供的储层预测装置中标准化模块903的又一结构示意，为便于说明，仅示出了与本发明实施例相关的部分，详述如下：
[0154]
在本发明的一实施例中，参考图12，所述标准化模块903所包含的各个单元用于执行图6对应实施例中的各个步骤，具体请参阅图6以及图6对应实施例中的相关描述，此处不再赘述。本发明实施例中，所述标准化模块903包括标准化系数确定单元1201、标准目的层
地震数据确定单元1202及标准模型道数据确定单元1203。
[0155]
标准化系数确定单元1201，用于根据目的层地震数据的值域分布及模型道数据的值域分布，分别确定目的层地震数据的标准化系数及模型道数据的标准化系数；其中，目的层地震数据的值域分布范围与模型道数据的值域分布范围的比值，等于模型道数据的标准化系数与目的层地震数据的标准化系数的比值。
[0156]
标准目的层地震数据确定单元1202，用于根据目的层地震数据及目的层地震数据的标准化系数，确定标准目的层地震数据。
[0157]
标准模型道数据确定单元1203，用于根据模型道数据及模型道数据的标准化系数，确定标准模型道数据。
[0158]
在本发明实施例中，标准化系数确定单元1201根据目的层地震数据的值域分布及模型道数据的值域分布，分别确定目的层地震数据的标准化系数及模型道数据的标准化系数，标准目的层地震数据确定单元1202及标准模型道数据确定单元1203分别对目的层地震数据及模型道数据进行标准化，鉴于标准化以后的标准目的层地震数据及标准模型道数据值域分布范围一致，可以进一步提高储层预测的精度。
[0159]
图13示出了本发明实施例提供的实际储层地震数据的合成地震记录层位标定结果示意，为便于说明，仅示出了与本发明实施例相关的部分，详述如下：
[0160]
如图13所示，根据图13对合成地震记录进行的层位标定，确定的目的层在地震剖面中的时窗范围约为1970ms-2060ms，约为100ms的时间范围。
[0161]
图14示出了本发明实施例提供的实际储层地震数据的振幅频谱示意，为便于说明，仅示出了与本发明实施例相关的部分，详述如下：
[0162]
如图14所示，实际储层地震数据的振幅频谱大致在0赫兹至65赫兹区间。其中，频率参数中的通频带低频及通频带高频分别为8赫兹及32赫兹左右；频率参数中的截止频率低频及截止频率高频分别为3赫兹及40赫兹左右。
[0163]
图15示出了本发明实施例提供的实际储层地震数据对应的滤波算子示意，为便于说明，仅示出了与本发明实施例相关的部分，详述如下：
[0164]
如图15所示，为实际储层地震数据对应的滤波算子的时域波形。从图15中可以看出，滤波算子的延伸长度为100ms左右，滤波算子的最大振幅为1。
[0165]
图16示出了本发明实施例提供的对实际储层地震数据进行极值识别得到的极值地震数据示意，图17示出了本发明实施例提供的剔除极值后的最终极值地震数据示意，图18示出了本发明实施例提供的实际储层地震数据与最终极值地震数据褶积得到的模型道数据示意。
[0166]
图19示出了本发明实施例提供的实际储层地震数据对应的标准化后的模型道数据示意，此处以实际储层地震数据为基准，确定模型道数据的标准化系数为1.15，对模型道数据进行标准化，得到标准模型道数据。
[0167]
图20示出了本发明实施例提供的根据实际储层地震数据与标准模型道数据得到的残差地震数据示意，图21示出了本发明实施例提供的在时窗范围内提取的残差地震数据的能量平面(均方根振幅)示意，从上述图式可以看出，据此得到的残差地震数据去除了实际储层地震数据大的背景，据此进行储层预测得到的能量平面(均方根振幅)，可以提高储层预测的精度。
[0168]
本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述储层预测方法。
[0169]
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述储层预测方法的计算机程序。
[0170]
综上所述，本发明实施例，通过对目的层地震数据进行极值识别获得极值地震数据，将极值地震数据与目的层地震数据对应的滤波算子进行褶积确定模型道数据，然后根据目的层地震数据及模型道数据确定残差地震数据，据此得到的残差地震数据去除了目的层地震数据大的背景，进而提取残差地震数据的储层预测参数，在残差地震数据上进行储层预测，可以提高储层预测的精度和效率。
[0171]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明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，本发明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。
[0172]
本发明是参照根据本发明实施例的方法、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。
[0173]
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。
[0174]
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。
[0175]
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。