安圣培 陈彦阳 罗红梅 颜世翠

1. 中国石油化工股份有限公司石油勘探开发研究院, 北京 100083; 2. 中国石油化工股份有限公司胜利油田分公司勘探开发研究院, 东营 257015; † E-mail: asp2562@yafco.com

断层识别是地震资料解释、储层预测和描述的重要基础。断层识别的精度决定构造成图的精度,因此, 如何有效地从地震数据中进行断层的自动拾取, 一直是地震数据解释研究的热点问题[1-2]。常用的断层识别方法大致分为以下几种: 常规的属性识别法、自动追踪解释法、图像处理识别法和机器学习识别法。属性识别法一般选取对断层属性比较敏感的统计量来识别断层, 如相干体属性、方差、灰度中值和曲率等[3-4]。自动追踪解释法包括蚂蚁追踪法、稀疏脉冲反褶积法以及边缘检测技术类方法[5-6]。图像处理识别法包括基于特征映射法、基于波形特征类方法和图像分割类方法等[7-8]。近年来, 不少学者使用机器学习类的方法(如卷积神经网络、深度学习和聚类网络等), 对储层构造属性进行识别[9-10]。这几类方法有各自的优、缺点和适用条件, 在断层解释工作中, 一般根据实际地震资料的具体情况选取合适的断层识别方法[2,11]。

方向滤波和边界保持滤波是图像增强处理中常用的技术, 其物理过程是使用与图像局部方向一致的滤波器进行平滑处理, 压制噪声并增强图像沿纹线方向的连续性。边界保持的作用是在滤波的同时对图像边缘进行保护, 避免边缘信息因滤波而模糊化。本文提出基于方向滤波和边界保持滤波实现的三维叠后数据增强方法, 通过方向滤波增强地震同相轴的信噪比和连续性, 通过边界保持滤波来保持断层信息, 避免因使用断层两侧的数据点进行平滑导致断层模糊化。……