Способ обработки сигналов сейсмических данных

1 Настоящее изобретение относится к способу обработки сигналов сейсмических данных. Сбор сейсмических данных проводят для проведения анализа подповерхностных слоев Земли, предназначенного, в частности, для разведки углеводородов. Данные для анализа подводных структур можно собирать на суше или на море с использованием морских судов. Для того, чтобы получать данные, обычно размещают сейсмический источник, который может содержать взрывчатые вещества (на земле) или импульс сжатого воздуха (в море). Сигналы,отраженные от различных слоев, которые расположены под поверхностью Земли, известны как трассы, и их обнаруживают с помощью большого количества (обычно порядка сотен) датчиков, таких как сейсмоприемники, расположенные на земле, и гидрофоны, расположенные в море. Отраженные сигналы регистрируют, и результаты анализируют для того, чтобы получить показание о слоистых образованиях,расположенных ниже подповерхностного слоя. Такие показания можно затем использовать для оценки вероятности расположения месторождений углеводородов. Однако физическое образование .слоев,расположенных под поверхностью, не всегда достаточно хорошо характеризует подземную геологию и вероятность расположения месторождений углеводородов нельзя оценить с необходимой точностью. Задача настоящего изобретения заключается в выполнении улучшенного способа обработки и анализа сигналов сейсмических данных. Согласно настоящему изобретению выполнен способ обработки сигналов сейсмических данных, отраженных от конкретной подповерхностной особенности, при этом способ содержит этапы анализа спектра сигналов сейсмических данных с помощью разложения отраженных сигналов в ряд по ортогональным полиномам и получения ряда полиномиальных коэффициентов, которые характеризуют отражательную способность подповерхностной особенности. Изобретение предусматривает разложение в спектр сигналов, отраженных от конкретной подповерхностной особенности, например, слоя или горизонта. В случае слоя изобретение предусматривает квантификацию объемной отражательной способности (спектр объемной отражательной способности, СООС (VRS. Разложение в спектр выполняют в ортогональном базисе, так как разложение в спектр с помощью Фурье-преобразований не является достаточно точным при спектральном анализе сейсмических сигналов. Причина этого заключается в том, что сигналы, которые необходимо анализировать, существуют в короткие промежутки времени, а бесконечная по природе синусоидальная форма колебания, используемая в Фу 001509 2 рье-анализе, приводит в результате к нежелательным эффектам окна и боковым лепесткам. Ниже описан конкретный набор ортогональных полиномов, который является особым набором полиномов Чебышева, но можно использовать целый ряд других ортогональных полиномов (другими словами базис различных полиномов). Функции ортогональных полиномов используются, в других контекстах, для получения математического представления полученных данных. В Европейской патентной заявкеЕР 0216609 А 2, Разложение в ряд сейсмических сигналов (Seislith Development), например,раскрыт способ использования функций ортогональных полиномов для выражения коэффициентов отражения в зависимости от расстояний сейсмического сноса, как часть способа количественной связи амплитуды отраженной волны отражения с откорректированными данными сейсмического сноса источник-детектор. До разложения в спектр, сейсмические данные можно повторно дискретизировать для того, чтобы обеспечить равное число выборок(по времени или расстоянию) в каждой точке слоя при исследовании независимо от своей относительной толщины в каждом месторасположении. Это разложение в спектр в ортогональном базисе можно также применить к априорным или синтетическим сейсмическим данным, например, диаграммы геофизических исследований скважин и данные, полученные из упругих моделей. Эти синтетические данные (или априорные знания) можно затем сравнить с наблюдаемыми данными для того, чтобы в дальнейшем охарактеризовать наблюдаемые данные. Это приводит к модели, основанной на компенсации эффектов передачи, сферического распространения и неупругого ослабления. Для того, чтобы более точно охарактеризовать измеренные данные, синтетические данные, которые обеспечивают наилучшее совпадение, можно подвергнуть возмущению для получения более лучшего совпадения. Дополнительные предпочтительные особенности настоящего изобретения изложены в зависимых пунктах формулы изобретения. Сущность изобретения иллюстрируется ссылкой на сопроводительные чертежи, на которых фиг. 1 схематически изображает сбор сейсмических данных с использованием морского судна; фиг. 2 - ряд выборочных месторасположений внутри слоя; фиг. 3 - в увеличенном виде точки данных с повторной выборкой в слое, который имеет неоднородную толщину; и фиг. 4 - трассу сейсмических данных, восстановленную трассу и экстремальные значения, полученные из восстановленной трассы. 3 На фиг. 1 изображена упрощенная схема проведения сейсмической разведки, в этом примере на водной поверхности. Корабль 10 плывет по воде буксируя кабель 12 с гидрофонами. Кабель 12 несет в себе большое количество гидрофонов (не показано), расположенных вдоль по его длине. Кабель с гидрофонами можно заменить на массив гидрофонов, другими словами двухмерное размещение гидрофонов. Для выполнения сбора сейсмических данных с корабля посылают импульсный сигнал 14 в направлении дна моря. От морского дна и структуры Земли,расположенной под морским дном, возникают многочисленные отражения. Только наиболее существенные волны 18, 22, 26 и 30, отраженные от морского дна 16 и сейсмических слоев 20, 24 и 28 соответственно, показаны здесь для простоты. Собранные сигналы сейсмических данных проходят предварительную обработку. Она включает в себя снос, на который корректируют отраженные сигналы с учетом неоднородных отражающих слоев, и суммирование, при котором сигналы, отраженные от данной точки,складывают после корректировки, позволяя обнаруживать отраженные сигналы на различных датчиках и с различными скоростями звуковых волн, прошедших через различные структуры и на различных глубинах. Эти методы предварительной обработки хорошо известны в технике сейсмического анализа и дополнительно не будут обсуждаться здесь. Кроме того, волновой фронт импульса отраженного сигнала прослеживался непрерывно во всей зоне обследования с помощью автоматизированной системы слежения за волновым фронтом. Затем можно провести разложение в спектр отраженной волны. Рассматриваемые сигналы, прошедшие предварительную обработку и с отслеженным волновым фронтом, имеют следующий вид (или функцию отражения) для конкретного волнового фронтаr = r (х, у, t),где х, у - нулевой коэффициент трассы или координаты месторасположения, t - время распространения с учетом сейсмического сноса (или координата глубины сейсмического сноса), и r амплитуда отраженного сигнала. Таким образом, амплитуда отраженного по амплитуде сигнала представлена в множестве трехмерных координат. На фиг. 2 изображено множество координат времени (глубины) t0, t1, t2tN между горизонтом 16 и горизонтом 20 в данном месторасположении (х, у). Известны размещения предшествующего уровня техники для идентификации границ между слоями (горизонтами) с использованием этих данных и таким образом для снятия характеристик подповерхностной структуры. Сначала необходимо количественно определить отражательную способность внутри слоя, и в конце необходимо 4 провести спектральный анализ сейсмических данных. Спектральный анализ сейсмических данных с использованием хорошо известного Фурье-анализа не является удовлетворительным. Бесконечный характер синусоидальных и косинусоидальных волн, от которого зависит Фурьеанализ, и короткая продолжительность по природе сейсмических сигналов, которые необходимо анализировать, приводят в результате к эффектам окна или боковых лепестков, которые искажают анализ. Анализ, согласно настоящему изобретению, позволяет избежать этот недостаток за счет проведения спектрального анализа сигналов без использования Фурье-преобразований . Для того, чтобы провести спектральный анализ, необходимо аппроксимировать амплитуды отраженной волны по оси времени (или глубине). В этом примере это выполняют при обнаружении по методу наименьших квадратов с использованием ортогональных полиномов. Одним таким набором ортогональных полиномов является специальный набор полиномов Чебышева Рm,N, который приведен ниже, хотя можно использовать и другие ортогональные полиномы.- биномиальные коэффициенты,N - число точек дискретизации и Затем получают набор коэффициентов ck для наблюдаемого сейсмического сигнала или,более точно, для набора амплитуд объемного отражения. Коэффициенты получают производя аппроксимацию по методу наименьших квадратов между полиномами и измеренными амплитудами объемных отражений. Для того, чтобы выполнить это, произведение соответствующих коэффициентов полинома вычитают из сигналаa(t), результат возводят в квадрат и проводят суммирование по всем значениям t (значения времени или расстояния выборки). Таким образом, следующий сигнал S необходимо минимизировать по отношению к значениям ck коэффициентов: 5 которое усредняется, чтобы минимизировать S,при этом нормированные уравнения принимают вид для k= 0, 1, 2, , N. Однако так как набор полиномов является ортогональным, то параметры можно вычислить отдельно: Решение этого уравнения для коэффициента сk имеет вид Набор коэффициентов ck представляет собой разложение в спектр амплитуд объемного отражения. В математических терминах ck представляет собой набор собственных значений для собственных функций Pk,N, который используется для разложения сигнала a(t). Необходимо иметь наименьшее число коэффициентов (то есть, самые низкие значения k), соизмеримые с достаточной точностью, так как это упрощает последующую обработку. СООС-полиномы могут представлять собой сейсмические выборки без ошибки, которая получается при выборе достаточно высокого порядка разложения полинома. Это предполагает, что, если имеется N выборок во временном окне, разложение полинома порядка N-1 даст точное восстановление выборок без ошибок. Если разложение имеет порядок меньше N-1, то получится аппроксимация (наименьшая среднеквадратическая ошибка). Для того, чтобы описать конкретный набор полиномов Рm,n, который должен быть ортогональным, их необходимо эквидистантно дискретизировать. Другими словами, число сейсмических выборок N в рассматриваемом слое должно быть одинаковым для данного слоя. Это условие может не выполняться для слоя, толщина которого не является одинаковой, но это можно исправить следующим образом. Широко известно, что сигналы повторно дискретизируют с их первоначальной частотой выборки для того, чтобы получить то же самое число значений выборок в каждом данном месторасположении координат (х, у) в зоне наблюдения. Таким образом, самые мелководные участки слоя будут иметь наиболее близко расположенные точки выборок (относительно времени или глубины), тогда как самые глубокие участки таких точек будут в большей степени расположены снаружи. Спектры можно также вычислить из данных наблюдения, где скважина пересекает сейсмический объем. Эти спектры можно затем 6 использовать при классификации подобных,синтетическим образом полученных спектров. Более подробно процедура описана ниже. Максимальную толщину слоя можно вычислить путем нахождения максимального значенияf1(x, у) - самый мелководный горизонт (т.е. верхняя часть поверхности слоя);f2(х, у) - самый глубокий горизонт (т.е. нижняя часть поверхности слоя) Число точек можно затем вычислить из где t - частота выборок по оси времени или глубине. Другими словами, максимальная толщина слоя, которая делится на частоту выборки плюс один. Экстремальная точка выборки требуется для того, чтобы точка выборки находилась на обеих поверхностях слоя. Те положения (х, у) с выборками, число которых меньше N, необходимо интерполировать до числа выборок, равного N. Подходящий метод должен использовать sinc-интерполятор,и такой интерполяционный фильтр, имеющий семь точек. При необходимости можно использовать различный интерполяционный фильтр и/или более точный sinc-интерполятор. С другой стороны или кроме того, можно использовать фильтр Хеннинга в интерполированных выборках для компенсации конечной длины интерполяционного фильтра (эффект усечения фильтра). На фиг. 3 приведен схематический вид процедуры интерполяции. В самом широком положении 40 сейсмического слоя имеется 5 (для примера) выборок в направлении времени (или глубины). В самой тонкой части 44 сейсмического слоя будет вероятно только две или три выборки. Однако после интерполяции имеется 5 точек выборок в каждом положении внутри слоя, включая положение 42, имеющее промежуточную глубину. На фиг. 4 изображена опорная ось 46 и часть образцовой трассы 48 сейсмических данных, связанных с конкретным месторасположением х, у, которое представлено с помощью опорной оси. Как обсуждено выше, трасса 48 сейсмических данных будет обычно выходить за этапы предварительной обработки, которые улучшают качество сигнала сейсмических данных. С этой точки зрения, трасса 48 сейсмических данных отображается с помощью глубины(времени или расстояния), увеличиваясь в направлении дна (фиг. 4), и с помощью сейсмической амплитуды, которая отображается в виде расстояния между трассой 48 сейсмических данных и опорной осью 46. Трасса 48 сейсмических данных отображается синхронно с форматом функции, потому что огромное количество сейсмических данных получают в цифровой 7 форме. Число точек данных, имеющихся внутри конкретного слоя будет очевидно зависеть в значительной степени от толщины слоя и интервала дискретизации данных. На фиг. 4 также показана восстановленная трасса 50, которая в графическом виде изображает сумму полученных полиномиальных коэффициентов, умноженных на их соответствующие ортогональные полиномиальные функции. Эта восстановленная трасса 50 показывает насколько точно полученные ряды ортогональных полиномов аппроксимируют трассу 48 сейсмических данных между горизонтом 20 и горизонтом 24. При увеличении числа используемых полиномиальных коэффициентов будет уменьшаться разность между трассой 48 сейсмических данных и восстановленной трассой 50, при этом обычно только в пределах 5-10 коэффициентов используют в процессе аппроксимации. Ограничение числа коэффициентов упрощает последующую обработку и устраняет коэффициенты более высокого порядка, что может привести к ослаблению ассоциаций с истинными условиями подповерхностного слоя. После того как произведен выбор соответствующего числа коэффициентов для конкретного набора данных важно, чтобы то же самое число коэффициентов было получено и для других трасс в наборе данных, позволяя соответствующим образом сравнивать значения коэффициентов. На фиг. 4 также показаны экстремальные значения 52, которые состоят из локальных максимумов и минимумов восстановленной трассы 50. Число экстремальных значений, знак экстремальных значений (положительный или отрицательный, максимальный или минимальный), величина экстремальных значений и расположение экстремальных значений по опорной оси 46 можно также вычислить непосредственно из полученных полиномиальных коэффициентов. Каждый из этих атрибутов можно использовать при получении характеристик условий подповерхностного слоя между горизонтом 20 и горизонтом 24. Экстремальные значения 52 представляют собой внутренние отражающие горизонты, которые присутствуют внутри конкретного слоя, и раскрытый способ конкретно используется при автоматическом обнаружении отражающих горизонтов, расположенных внутри слоя. При наблюдении изменений в полученных полиномиальных коэффициентах и/или числа знаков величины, и/или месторасположения экстремальных значений, можно дистанционно обнаруживать геологические особенности, присутствующие внутри слоя, таких как каналы или разломы, или определять месторасположения других важных подповерхностных особенностей, таких как месторасположения границы раздела нефть/вода в пределах мирового бассейна. Можно установить правило отбора для 8 того, чтобы позволить системе на основе компьютера осуществить способ изобретения для автоматической идентификации и выделения геологических особенностей и других подповерхностных элементов, представляющих интерес, в наборе сейсмических данных, с использованием полученных сейсмических характеристик. Другие сейсмические характеристики (или атрибуты) можно также вычислить с использованием полученных полиномиальных коэффициентов. Например, можно вычислить величину разности между трассой 48 сейсмических данных и восстановленной трассой 50. Это значение позволяет получить третий тип атрибута,который можно использовать для характеристики сейсмических данных. К тому же, можно также получить синтетические спектры, которые можно использовать для сравнения, и характеристики спектров, полученных от измеренного сигнала. Важно отметить, что синтетические спектры получены в той же самой спектральной области, как и измеренные спектры (калиброванные на наблюдаемые данные). Такие синтетические спектры можно получить из ряда предположений о Земле или из фактических измеренных значений областей, которые характеризовались с помощью фактического бурения и так далее. Если синтетические спектры и измеренные спектры изображены в общей спектральной области, то можно провести сравнение для определения наилучшего совпадения. Наилучшее совпадение также получают из аппроксимации по методу наименьших квадратов способом аналогичным тому, который используется для получения коэффициентов для ортогонального полинома. После того как определено синтетическое наилучшее совпадение, можно подвергнуть возмущению наилучшее совпадение для выработки дополнительного диапазона синтетических спектров. Данные, полученные в ходе наблюдения, затем дополнительно сравнивают с возмущенными синтетическими спектрами. Сравнение между синтетическими спектрами и спектрами, полученными в ходе наблюдения можно проводить с помощью системы геостатической классификации. Параметры, при которых такая система работает, определяются пользователем. Наилучшему совпадению для данного набора данных наблюдения присваивают значение вероятности, которое отображает правдоподобие корректной классификации. Если набор данных, полученных в ходе наблюдения имеет равную вероятность, принадлежащую к двум или более классам, то он присваивается сомнительному классу. Наблюдения, которые ошибочно были присвоены к классу (потому что они плохо согласуются со всеми имеющимися классами), присваиваются к постороннему классу. 9 Настоящее изобретение в равной степени одинаково применимо к анализу одного горизонта. Сейсмический источник будет вырабатывать импульс или сигнал, который имеет конечную продолжительность времени. Таким образом, отраженный сейсмический сигнал будет анализироваться в постоянном промежутке времени, который включает в себя исследуемый горизонт. Настоящее изобретение включает в себя любую новую особенность или новую комбинацию особенностей, раскрытых здесь в явном или неявном виде. ФОРМУЛА ИЗОБРЕТЕНИЯ 1. Способ обработки сигналов сейсмических данных, отраженных от конкретной подповерхностной особенности, способ, при котором осуществляют анализ спектра сигналов сейсмических данных с помощью разложения отраженных сигналов в ряд по ортогональным полиномам и получают ряд полиномиальных коэффициентов, которые характеризуют отражающую способность подповерхностной особенности. 2. Способ по п.1, в котором подповерхностная особенность содержит слой, определенный с помощью двух горизонтов, и ряд полиномиальных коэффициентов представляет собой объемный спектральный анализ. 3. Способ по п.1, в котором подповерхностная особенность содержит горизонт. 4. Способ по любому одному из предыдущих пунктов, в котором набор ортогональных полиномов содержит набор полиномов Чебышева. 5. Способ по любому одному из предыдущих пунктов, при котором дополнительно осуществляют сравнение между охарактеризованной подповерхностной особенностью и множе фиг. 1 10 ством заданных характеристик подповерхностных особенностей, в котором определяют самое близкое совпадение между охарактеризованной особенностью и заданной характеристикой. 6. Способ по п.5, в котором заданную характеристику, имеющую самое близкое совпадение с охарактеризованной особенностью, определяют с использованием аппроксимации по методу наименьших квадратов. 7. Способ по п.5 или 6, в котором заданную характеристику, имеющую самое близкое совпадение, подвергают возмущению для получения, по меньшей мере, одной дополнительной заданной характеристики для сравнения с охарактеризованной особенностью. 8. Способ по п.1, при котором осуществляют дополнительно вычисление дополнительного атрибута сигналов сейсмических данных с использованием полученных полиномиальных коэффициентов. 9. Способ по п.8, в котором дополнительный атрибут содержит номер, знак, величину или месторасположение экстремальных значений восстановленной трассы, которую получают путем суммирования полученных полиномиальных коэффициентов, умноженных на их соответствующие ортогональные полиномиальные функции. 10. Способ по п.8, при котором дополнительно осуществляют дистанционное зондирование геологических и подповерхностных особенностей с помощью наблюдения изменений в полученных характеристиках полинома или дополнительном атрибуте. 11. Способ по п.8, в котором дополнительный атрибут представляет собой внутренний отражающий горизонт, расположенный внутри слоя.