[发明专利]基于叠后地震数据的裂缝定量化预测方法及装置

权利要求书

1.一种基于叠后地震数据的裂缝定量化预测方法，其特征在于，包括：

将原始叠后地震数据进行地震质量处理，得到质量处理后的叠后地震数据；

将根据质量处理后的叠后地震数据得到的裂缝识别相关属性数据，输入预先建立的裂缝密度神经网络预测模型，得到叠后地震数据对应的裂缝密度数据；

对从质量处理后的叠后地震数据中提取的裂缝识别相关属性特征，进行增强及矢量化处理，得到裂缝长度数据和裂缝发育方向数据；

根据裂缝密度数据、裂缝长度数据和裂缝发育方向数据，进行离散裂缝网络DFN建模，预测得到最优的裂缝密度数据、裂缝长度数据和裂缝发育方向数据。

2.如权利要求1所述的基于叠后地震数据的裂缝定量化预测方法，其特征在于，将原始叠后地震数据进行地震质量处理，得到质量处理的叠后地震数据，包括：

将原始叠后地震数据进行扩散滤波处理，得到扩散滤波处理后的叠后地震数据；

将扩散滤波处理后的叠后地震数据进行反射系数反演处理，得到所述质量处理的叠后地震数据。

3.如权利要求2所述的基于叠后地震数据的裂缝定量化预测方法，其特征在于，将原始叠后地震数据进行扩散滤波处理，得到扩散滤波处理后的叠后地震数据，包括：将原始叠后地震数据以迭代次数为5次进行扩散滤波处理，得到扩散滤波处理后的叠后地震数据。

4.如权利要求1所述的基于叠后地震数据的裂缝定量化预测方法，其特征在于，对从地震质量处理的叠后地震数据中提取的裂缝识别相关属性特征，进行增强及矢量化处理，得到裂缝长度数据和裂缝发育方向数据，包括：

利用线性检测技术，对裂缝识别相关属性特征涉及的断层和次级断裂进行增强处理，Hessian矩阵将提取的纹理特征进行矢量化处理，得到裂缝长度数据和裂缝发育方向数据。

5.一种基于叠后地震数据的裂缝定量化预测装置，其特征在于，包括：

质量处理单元，用于将原始叠后地震数据进行地震质量处理，得到质量处理后的叠后地震数据；

第一裂缝数据预测单元，用于将根据质量处理后的叠后地震数据得到的裂缝识别相关属性数据，输入预先建立的裂缝密度神经网络预测模型，得到叠后地震数据对应的裂缝密度数据；

第二裂缝数据预测单元，用于对从质量处理后的叠后地震数据中提取的裂缝识别相关属性特征，进行增强及矢量化处理，得到裂缝长度数据和裂缝发育方向数据；

最优裂缝数据预测单元，用于根据裂缝密度数据、裂缝长度数据和裂缝发育方向数据，进行离散裂缝网络DFN建模，预测得到最优的裂缝密度数据、裂缝长度数据和裂缝发育方向数据。

6.如权利要求5所述的基于叠后地震数据的裂缝定量化预测装置，其特征在于，质量处理单元具体用于：

将原始叠后地震数据进行扩散滤波处理，得到扩散滤波处理后的叠后地震数据；

将扩散滤波处理后的叠后地震数据进行反射系数反演处理，得到所述质量处理的叠后地震数据。

7.如权利要求6所述的基于叠后地震数据的裂缝定量化预测装置，其特征在于，将原始叠后地震数据进行扩散滤波处理，得到扩散滤波处理后的叠后地震数据，包括：将原始叠后地震数据以迭代次数为5次进行扩散滤波处理，得到扩散滤波处理后的叠后地震数据。

8.如权利要求5所述的基于叠后地震数据的裂缝定量化预测装置，其特征在于，第二裂缝数据预测单元具体用于：

利用线性检测技术，对裂缝识别相关属性特征涉及的断层和次级断裂进行增强处理，Hessian矩阵将提取的纹理特征进行矢量化处理，得到裂缝长度数据和裂缝发育方向数据。

9.一种计算机设备，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，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至4任一所述方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有执行权利要求1至4任一所述方法的计算机程序。