提供一种生成深度域成像道集的方法,包括:(A)将成像深度划分为多个深度段;(B)读入一个深度段的旅行时场;(C)输入共偏移距道集中的一个道的坐标及偏移距参数;(D)针对当前深度段中的一个深度进行旅行时插值,从而得到当前深度的旅行时切片;(E)基于当前深度的旅行时切片,对所有确定旅行时的点处的能量进行积分,从而得到当前道当前深度的成像结果;(F)对当前深度段中的其他深度执行步骤(D)和(E),从而获得当前道当前深度段的成像结果;(G)对共偏移距道集中的其他道执行步骤(C)至(F),从而获得共偏移距道集当前深度段的成像结果;(H)对其他深度段执行步骤(B)至(G),从而生成最终的深度域成像道集。
1.一种对共偏移距道集进行叠前深度偏移以生成深度域成像道集的方法,所述方法包括以下步骤:(A)将成像深度划分为多个深度段;(B)读入一个深度段的旅行时场;(C)输入共偏移距道集中的一个道的坐标以及偏移距参数;(D)针对当前深度段中的一个深度进行旅行时插值,从而得到当前深度的旅行时切片;(E)基于当前深度的旅行时切片,对所有确定旅行时的点处的能量进行积分,从而得到当前道当前深度的成像结果;(F)对当前深度段中的其他深度执行步骤(D)和(E),从而获得当前道当前深度段的成像结果;(G)对共偏移距道集中的其他道执行步骤(C)至(F),从而获得共偏移距道集当前深度段的成像结果;(H)对其他深度段执行步骤(B)至(G),从而生成最终的深度域成像道集。
2.根据权利要求1所述的生成深度域成像道集的方法,其中,根据计算节点的内存将成像深度划分为所述多个深度段。
3.根据权利要求1所述的生成深度域成像道集的方法,其中,步骤(D)包括:利用当前深度的成像范围内的所有成像网格点上的旅行时进行旅行时插值,从而得到当前深度的旅行时切片。
4.根据权利要求3所述的生成深度域成像道集的方法,其中,采用双线性插值来进行旅行时插值。
5.根据权利要求4所述的生成深度域成像道集的方法,其中,通过以下步骤来执行双线性插值:选择四个已经确定旅行时的网格点,其中,所述四个网格点构造一个矩形,总面积为S;根据插值点在所述矩形内的位置坐标,将所述矩形的面积S分成四个小矩形面积S1、S2、S3和S4之和;利用公式f(x,y)=c₁f(x_i,y_j)+c₂f(x_i+1,y_j+1)+c₃f(x_i+1,y_j)+c₄f(x_i,y_j+1)来进行旅行时插值,其中,(x_i,y_i)、(x_i+1,y_i)、(x_i,y_i+1)和(x_i+1,y_i+1)表示所述四个点的坐标,并且 c 1 = S 3 S ; ]]> c 2 = S 1 S ; ]]> c 3 = S 4 S ; ]]> c 4 = S 2 S . ]]>
6.根据权利要求1所述的生成深度域成像道集的方法,其中,针对一个深度段中的所有深度并行执行步骤(D)和(E),针对共偏移距道集中的所有道并行执行步骤(C)至(F),并且针对所有深度段并行执行步骤(B)至(G)。
7.一种生成深度域成像道集的方法,所述方法包括以下步骤:对三维叠前地震数据体进行扫描速度分析以获得初始的深度域速度模型;确定是否针对三维叠前地震数据体计算过旅行时场;如果没有计算过旅行时场,则针对三维叠前地震数据体以MPI编程的主从模式并行计算旅行时场;从三维叠前地震数据体抽取共偏移距道集数据;基于三维叠前地震数据体的旅行时场,对抽取的共偏移距道集进行叠前深度偏移,以生成深度域成像道集。
8.根据权利要求7所述的生成深度域成像道集的方法,还包括以下步骤:确定深度域成像道集是否已经拉平;如果深度域成像道集已经拉平,则输出成像剖面;如果深度域成像道集没有拉平,则针对深度域成像道集进行速度分析;利用速度分析的结果更新速度模型。
9.根据权利要求7所述的生成深度域成像道集的方法,其中,生成深度域成像道集的步骤包括以下步骤:(A)将成像深度划分为多个深度段;(B)读入一个深度段的旅行时场;(C)输入共偏移距道集中的一个道的坐标以及偏移距参数;(D)针对当前深度段中的一个深度进行旅行时插值,从而得到当前深度的旅行时切片;(E)基于当前深度的旅行时切片,对所有确定旅行时的点处的能量进行积分,从而得到当前道当前深度的成像结果;(F)对当前深度段中的其他深度执行步骤(D)和(E),从而获得当前道当前深度段的成像结果;(G)对共偏移距道集中的其他道执行步骤(C)至(F),从而获得共偏移距道集当前深度段的成像结果;(H)对其他深度段执行步骤(B)至(G),从而生成最终的深度域成像道集。
10.根据权利要求9所述的生成深度域成像道集的方法,其中,根据计算节点的内存将成像深度划分为所述多个深度段。
11.根据权利要求9所述的生成深度域成像道集的方法,其中,步骤(D)包括:利用当前深度的成像范围内的所有成像网格点上的旅行时进行旅行时插值,从而得到当前深度的旅行时切片。
12.根据权利要求11所述的生成深度域成像道集的方法,其中,采用双线性插值来进行旅行时插值。
13.根据权利要求12所述的生成深度域成像道集的方法,其中,通过以下步骤来执行双线性插值:选择四个已经确定旅行时的网格点,其中,所述四个网格点构造一个矩形,总面积为S;根据插值点在所述矩形内的位置坐标,将所述矩形的面积S分成四个小矩形面积S1、S2、S3和S4之和;利用公式f(x,y)=c₁f(x_i,y_j)+c₂f(x_i+1,y_j+1)+c₃f(x_i+1,y_j)+c₄f(x_i,y_j+1)来进行旅行时插值,其中,(x_i,y_i)、(x_i+1,y_i)、(x_i,y_i+1)和(x_i+1,y_i+1)表示所述四个点的坐标,并且 c 1 = S 3 S ; ]]> c 2 = S 1 S ; ]]> c 3 = S 4 S ; ]]> c 4 = S 2 S . ]]>
14.根据权利要求9所述的生成深度域成像道集的方法,其中,针对一个深度段中的所有深度并行执行步骤(D)和(E),针对共偏移距道集中的所有道并行执行步骤(C)至(F),并且针对所有深度段并行执行步骤(B)至(G)。技术领域
本发明涉及石油天然气地震勘探领域,更具体地讲,涉及一种面向大规模地震数据体的生成深度域成像道集的方法。
背景技术
随着石油地震勘探技术的发展和当前勘探形式的需要,目前地震资料处理对计算效率要求越来越高。当前,在计算机发展的推动下,地震资料数据处理已经逐渐从叠后走向叠前,从时间域走向深度域。对于速度建模也需要从CMP道集(共中心点道集)获取偏移速度转到CIG道集(共成像点道集)获取偏移速度。基于叠前深度偏移的速度分析工具也逐渐成为计算机软件中的重要模块。理论上,所有叠前成像方法都可以出成像点道集。高斯束偏移可以方便地生成角度道集,RTM(逆时偏移)提取角度道集也是发展的趋势,Kirchhoff积分叠前深度偏移可以方便地生成偏移距道集。就目前处理软件需求和计算效率的要求上看,高效的生成偏移距道集成为后续剩余速度分析的重要基础。当前三维、宽方位、高密度地震数据采集已成主流,同时计算机集群也发展迅速。大规模地震数据成像道集的生成一定要适应计算机集群的结构才能达到最佳的计算效率。对于大规模地震数据的叠前深度偏移成像道集的输出,数据结果占用的硬盘空间非常大,而计算机集群系统配备的局部盘不足以容纳全部甚至部分叠前道集数据。另外,事先计算好的旅行时场也是巨大的,旅行时数据的I/O量和I/O方式也对程序运行效率影响很大。由于生成道集的过程涉及原始地震数据的单道处理,对每个地震道进行并行处理可以充分利用当前大规模计算机集群。然而,实际上这样做是效率极低的,其原因在于:这不仅会造成大量的旅行时场的重复I/O,而且成像道集的输出也会有巨大的I/O压力,从而使当前计算机集群单节点内存较大的特点没有充分利用。因此,需要一种考虑当前计算机集群节点多、单节点内存大、本地盘小、共享盘大和多I/O通道等特点,综合利用内存使用量、地震数据I/O量、旅行时数据I/O量、成像结果I/O量和偏移成像的精度,来面向大规模地震数据体输出深度域成像道集的方法。
发明内容
本发明的示例性实施例的多个方面在于解决至少上述问题和/或缺点,并提供至少下述优点。因此,本发明的示例性实施例的一方面在于提供一种生成深度域成像道集的方法。根据本发明的一方面,提供了一种对共偏移距道集进行叠前深度偏移以生成深度域成像道集的方法,所述方法包括以下步骤:(A)将成像深度划分为多个深度段;(B)读入一个深度段的旅行时场;(C)输入共偏移距道集中的一个道的坐标以及偏移距参数;(D)针对当前深度段中的一个深度进行旅行时插值,从而得到当前深度的旅行时切片;(E)基于当前深度的旅行时切片,对所有确定旅行时的点处的能量进行积分,从而得到当前道当前深度的成像结果;(F)对当前深度段中的其他深度执行步骤(D)和(E),从而获得当前道当前深度段的成像结果;(G)对共偏移距道集中的其他道执行步骤(C)至(F),从而获得共偏移距道集当前深度段的成像结果;(H)对其他深度段执行步骤(B)至(G),从而生成最终的深度域成像道集。此外,可根据计算节点的内存将成像深度划分为所述多个深度段。此外,步骤(D)可包括:利用当前深度的成像范围内的所有成像网格点上的旅行时进行旅行时插值,从而得到当前深度的旅行时切片。此外,可采用双线性插值来进行旅行时插值。此外,可通过以下步骤来执行双线性插值:选择四个已经确定旅行时的网格点,其中,所述四个网格点构造一个矩形,总面积为S;根据插值点在所述矩形内的位置坐标,将所述矩形的面积S分成四个小矩形面积S1、S2、S3和S4之和;利用公式f(x,y)=c₁f(x_i,y_j)+c₂f(x_i+1,y_j+1)+c₃f(x_i+1,y_j)+c₄f(x_i,y_j+1)来进行旅行时插值,其中,(x_i,y_i)、(x_i+1,y_i)、(x_i,y_i+1)和(x_i+1,y_i+1)表示所述四个点的坐标,并且 c 1 = S 3 S ; ]]> c 2 = S 1 S ; ]]> c 3 = S 4 S ; ]]> c 4 = S 2 S . ]]>此外,可针对一个深度段中的所有深度并行执行步骤(D)和(E),针对共偏移距道集中的所有道并行执行步骤(C)至(F),并且针对所有深度段并行执行步骤(B)至(G)。根据本发明的一方面,提供了一种生成深度域成像道集的方法,所述方法包括以下步骤:对三维叠前地震数据体进行扫描速度分析以获得初始的深度域速度模型;确定是否针对三维叠前地震数据体计算过旅行时场;如果没有计算过旅行时场,则针对三维叠前地震数据体以MPI编程的主从模式并行计算旅行时场;从三维叠前地震数据体抽取共偏移距道集数据;基于三维叠前地震数据体的旅行时场,对抽取的共偏移距道集进行叠前深度偏移,以生成深度域成像道集。此外,所述生成深度域成像道集的方法还可包括以下步骤:确定深度域成像道集是否已经拉平;如果深度域成像道集已经拉平,则输出成像剖面;如果深度域成像道集没有拉平,则针对深度域成像道集进行速度分析;利用速度分析的结果更新速度模型。此外,生成深度域成像道集的步骤可包括以下步骤:(A)将成像深度划分为多个深度段;(B)读入一个深度段的旅行时场;(C)输入共偏移距道集中的一个道的坐标以及偏移距参数;(D)针对当前深度段中的一个深度进行旅行时插值,从而得到当前深度的旅行时切片;(E)基于当前深度的旅行时切片,对所有确定旅行时的点处的能量进行时间积分,从而得到当前道当前深度的成像结果;(F)对当前深度段中的其他深度执行步骤(D)和(E),从而获得当前道当前深度段的成像结果;(G)对共偏移距道集中的其他道执行步骤(C)至(F),从而获得共偏移距道集当前深度段的成像结果;(H)对其他深度段执行步骤(B)至(G),从而生成最终的深度域成像道集。此外,可根据计算节点的内存将成像深度划分为所述多个深度段。此外,步骤(D)可包括:利用当前深度的成像范围内的所有成像网格点上的旅行时进行旅行时插值,从而得到当前深度的旅行时切片。此外,可采用双线性插值来进行旅行时插值。此外,可通过以下步骤来执行双线性插值:选择四个已经确定旅行时的网格点,其中,所述四个网格点构造一个矩形,总面积为S;根据插值点在所述矩形内的位置坐标,将所述矩形的面积S分成四个小矩形面积S1、S2、S3和S4之和;利用公式f(x,y)=c₁f(x_i,y_j)+c₂f(x_i+1,y_j+1)+c₃f(x_i+1,y_j)+c₄f(x_i,y_j+1)来进行旅行时插值,其中,(x_i,y_i)、(x_i+1,y_i)、(x_i,y_i+1)和(x_i+1,y_i+1)表示所述四个点的坐标,并且 c 1 = S 3 S ; ]]> c 2 = S 1 S ; ]]> c 3 = S 4 S ; ]]> c 4 = S 2 S . ]]>此外,可针对一个深度段中的所有深度并行执行步骤(D)和(E),针对共偏移距道集中的所有道并行执行步骤(C)至(F),并且针对所有深度段并行执行步骤(B)至(G)。
附图说明
通过以下结合附图进行的描述,本发明的特定示例性实施例的以上和其他方面、特点和优点将会更加清楚,在附图中:图1是示出根据本发明实施例的生成深度域成像道集的方法的流程图;图2是示出根据本发明实施例的对共偏移距道集进行叠前深度偏移从而生成成像道集的方法的流程图。在附图中,相同的标号将被理解为表示相同的元件、特征和结构。
具体实施方式
提供以下参照附图的描述以帮助全面理解由权利要求及其等同物限定的本发明的示例性实施例。以下参照附图的描述包括各种特定细节以帮助理解,但是所述特定细节将仅被视为示例性的。因此,本领域普通技术人员将意识到,在不脱离本发明的范围和精神的情况下,可对这里描述的实施例进行各种改变和修改。此外,为了清晰和简要,可省略公知功能和结构的描述。以下描述和权利要求中使用的术语和词语不限于字面含义,而是仅由发明者使用以使得能够清楚和一致地理解本发明。因此,本领域技术人员应该清楚的是,提供本发明的示例性实施例的以下描述仅是说明的目的,而不是限制由权利要求及其等同物限定的本发明的目的。根据本发明实施例的生成深度域成像道集的方法主要有以下几点原则思想:(1)对共炮检距(即,共偏移距)数据体进行三维叠前偏移,将叠前成像转化为一系列的类似三维叠后偏移,这样有利于生成成像点道集;(2)旅行时的输入与成像深度匹配起来,将当前成像深度段的所有旅行时场调入内存,这是减少I/O的必要措施,利用内存的存储空间换取计算时间;(3)按成像深度片处理等时间面,可以充分设计自适应成像孔径,提高成像质量;(4)对共炮检距数据体利用MPI(消息传递接口)编程方式,在单个共炮检距数据体内利用OpenMp多线程并行处理,这样可以加大并行力度,最大限度利用内存;(5)在成像范围内设置一定的线步长,对特定的目标线成像,生成对应的深度域成像道集。图1是示出根据本发明实施例的生成深度域成像道集的方法的流程图。参照图1,在步骤101中,对三维叠前地震数据体进行扫描速度分析以获得初始的深度域速度模型。这里,可使用各种现有技术进行扫描速度分析。在步骤102中,确定是否针对三维叠前地震数据体计算过旅行时场。如果已经计算过旅行时场,则方法转到步骤104。然而,如果没有计算过旅行时场,则方法进入步骤103。在步骤103中,基于初始速度模型,针对三维叠前地震数据体以MPI编程的主从模式并行计算旅行时场。这里,以主从模式并行处理所有炮点。在多核计算机集群中,设置主节点来分发任务、计算数据和收集计算结果,设置从节点来从主节点接收任务、计算数据、将计算结果发送到主节点或将计算结果存储至硬盘,并且各个从节点可以进行并行计算(即,并行处理)。也就是说,在主节点分配任务时,各个从节点根据自己的任务进行判断,从而实现并行处理。以主从模式进行并行计算是计算机领域技术人员常用的计算方式,因此这里不再进行详细描述。此外,在步骤103中计算旅行时场时,可对旅行时场进行压缩处理,降低旅行时场的采样密度,以减少计算量和存储空间。在步骤104中,从三维叠前地震数据体抽取共偏移距道集数据。可选择地,步骤104可以在步骤101之前执行,或者与步骤101至103同时执行。在步骤105中,基于三维叠前地震数据体的旅行时场,对抽取的共偏移距道集进行叠前深度偏移。稍后,将参照图2对步骤105进行更详细的描述。在步骤106中,输出通过叠前深度偏移获得的深度域成像道集。根据本发明实施例,在输出深度域成像道集之后,还可进行以下处理。在步骤107中,确定深度域成像道集是否已经拉平。如果深度域成像道集已经拉平,则在步骤108中,输出成像剖面。如果深度域成像道集没有拉平,则在步骤109中,针对深度域成像道集进行速度分析,例如但不限于,剩余曲率速度分析、层析速度反演、全波形速度反演等。然后,在步骤110中,利用速度分析的结果更新速度模型,并返回步骤103。图2是示出根据本发明实施例的对共偏移距道集进行叠前深度偏移从而生成成像道集的方法的流程图。参照图2,在步骤201中,根据计算节点的内存将成像道集的成像深度划分为若干个深度段。在步骤202中,读入一个深度段的旅行时场。在步骤203中,输入共偏移距道集中的一个道的坐标以及偏移距参数。这里,假设共偏移距道集包括N个道。在步骤204中,针对当前深度段中的一个深度进行旅行时插值,从而得到当前深度的旅行时切片。例如,如上所述,旅行时场具有一定的采样密度,因此可利用当前深度的成像范围内的成像网格点(即,采样点)上的旅行时进行旅行时插值,从而得到更多点上的旅行时。根据本发明实施例,可以采用各种插值方法来进行旅行时插值,例如(但不限于)双线性插值。以下,对使用双线性插值来执行旅行时插值进行解释。首先,选择四个已经确定旅行时的网格点,这四个网格点构造一个矩形,总面积为S,计算节点根据插值点在所述矩形内的位置坐标,将面积S分成四个小矩形面积S1、S2、S3和S4之和。这里,假设四个网格点坐标分别为(x_i,y_i)、(x_i+1,y_i)、(x_i,y_i+1)和(x_i+1,y_i+1),则插值点的旅行时插值公式为:f(x,y)=c₁f(x_i,y_j)+c₂f(x_i+1,y_j+1)+c₃f(x_i+1,y_j)+c₄f(x_i,y_j+1)其中: c 1 = S 3 S ; ]]> c 2 = S 1 S ; ]]> c 3 = S 4 S ; ]]> c 4 = S 2 S . ]]>这里,f(x,y)表示点(x,y)的旅行时。然后,再选择四个已经确定旅行时的网格点进行以上操作,直到所有网格点都被选择过为止。这样,通过利用所有网格点的旅行时进行插值来获得具有更多点的旅行时的旅行时切片。其后,在步骤205中,基于当前深度的旅行时切片,对所有确定旅行时的点处的能量进行积分,从而得到当前道当前深度的成像结果。在步骤206中,确定是否对当前深度段中的所有深度进行了步骤204和205的操作。如果是,则在步骤207中,将当前道所有深度的成像结果叠加,从而获得当前道当前深度段的成像结果。如果否,则返回步骤204和205,直到对所有深度都执行了步骤204和205为止。然后,在步骤208中,确定是否对共偏移距道集中的所有道进行了步骤203至步骤207的处理。如果是,则在步骤209中,将所有道当前深度段的成像结果进行叠加,从而获得共偏移距道集当前深度段的成像结果。如果否,则返回步骤203至207,直到对所有道都执行了步骤203至步骤207为止。在获得共偏移距道集当前深度段的成像结果之后,可以对其他深度段进行步骤202至步骤209的操作,从而生成最终的深度域成像道集。根据本发明实施例,以上针对各个深度、各个深度段、以及各个道集的处理可以在多个计算节点(从节点)上进行并行处理。优选地,可在多个计算节点上并行进行步骤204和205的处理。此外,优选地,可在多个计算节点上并行进行步骤203至步骤207的处理。通过在多个计算节点上进行并行处理,可以显著提高运行速度和计算效率。例如,假设叠前地震数据体大小为500G,地震数据的总I/O量为K*500G(K为深度段数量)。假设五维旅行时场(X方向旅行时、Y方向旅行时、X方向炮点、Y方向炮点、Z方向深度)大小为50G,则旅行时场的总I/O量小于N_P*50G(N_P为并行节点个数)。假设成像结果的大小为2G,则成像道集的总I/O量为N_H*2G(N_H为成像点道集的炮检距个数)。总共I/O量应该小于K*500G+N_P*50G+N_H*2G。传统单道读取旅行时方式中仅旅行时场I/O量就达N_trace*50G(N_trace为总道数),通常这要高出本发明总I/O总量几个数量级。在减少I/O总量同时,本发明采用每次读取一个4.5维(即,深度分段)或者5维旅行时场的I/O方式,明显优于传统每次读取一个三维旅行时场的方式,大大减少了I/O压力。如上所述,根据本发明实施例的生成深度域成像道集的方法能够提高当前计算机系统中生成成像道集的效率,缩短速度建模中深度域速度更新的周期,提高处理效率。此外,根据本发明实施例的深度域成像道集生成方法还能够为后续其他处理方法(层析速度反演、AVO叠前反演、全波形反演)提供基础数据。尽管已经参照本发明的特定示例性实施例显示和描述了本发明,但是本领域技术人员将理解,在不脱离由权利要求及其等同物限定的本发明的精神和范围的情况下,可进行各种形式和细节上的各种改变。