Вы находитесь на странице: 1из 7

Учебные материалы по 3D TomoMVA SEG45

3D TomoMVA SEG45 LDI Туториалы

Учебные потоки по «номеру потока».


01 Define 3D LIN Database (задание базы данных проекта с инлайнами и
кросслайнами)
Запустите этот поток, чтобы инициализировать базу данных инлайнов и кросслйнов (LIN)
с нумерацией проекта и положением в пространстве координат XY. Окно DBTools
позволяет визуально удостовериться, что у Вас всё указано правильно.
После отправки появится интерфейс DBTools. Нажмите на кнопку "View" и выберите 'LIN'
в выпадающем меню. В появившемся окне пролистайте вниз, а затем выберите «View Bin
Design», чтобы показать схематическую карту нумерации инлайнов и кросслайнов в
пространстве X-Y.
Выйдите из всех трёх окон DBTools, чтобы закончить/прекратить работу.

02 SEGY Input – Shots (ввод данных трасс из файла формата SEGY)


Считайте данные трасс из файла SEGY и выведите их в набор данных формата JavaSeis.
Данный поток считывает данные формата SEGY, обновляет заголовки трасс так, что они
соответствуют нумерации проекта и схеме X-Y, устанавливает контекст данных (точное
описание организации и диапазон данных трасс), а затем записывает его в набор данных
формата JavaSeis.

3D Poststack geometry
ВАЖНОЕ ПРИМЕЧАНИЕ: В меню для 3D Poststack Geometry Вам нужно кликнуть на
кнопку "Load", чтобы заполнить это меню значениями базы данных LIN, которые были
записаны первым потоком.
В этом случае мы полагаем, что CDP-X и CDP-Y являются правильными в заголовках
трасс, и мы обновляем заголовки ILINE-NO и XLINE-NO в соответствии с базой данных
LIN.

Выберите "Да" для создания базы данных CDP. Трассы для каждой ОГТ подсчитываются и
пишутся как атрибут CDP FOLD (кратность ОГТ), который может быть полезным при
контроле качества наших данных.

Data Context Editor был установлен корректно для входных данных данного потока. (Этот
урок не по формату JavaSeis).
Для ваших проектов необходимо знать, какие данные поступают в поток, чтобы можно
было настроить соответствующий контекст.

JavaSeis Data Output


Мы не отправляем на выполнение потоки для визуализации сейсмограмм с помощью Trace
Display. Мы оставляем это на усмотрение пользователя то, как он хотел бы просматривать
данные. Рекомендуется открыть «Fold map» с помощью клика MB3 на названии набора
данных (в ветке datasets дерева проекта), а затем выбрать 2D Viewer из дисплея Foldmap.
03 SEGY Input – Velocity (загрузка скоростной модели в формате SEGY)
Загрузите из SEGY-файла закон изменения интервальных скоростей с глубиной и
выгрузите его в таблицу формата JavaSeis.
Входные данные — это модель SEG/EAGE SALT (1993). Подразделение Landmark ценит
предоставленную возможность использования этих данных.

В этом потоке мы предполагаем, что поле скоростей было предоставлено в формате SEGY.
Обратите внимание, что мы выбрали "yes", чтобы указать, суммированный ("Stacked") тип
данных, что задаёт одну трассу для любого местоположения ОГТ (inline-xline).

Resolve 3D Headers обеспечивает то, что координаты XY и нумерации Inline / Xline / CDP
в заголовках согласуются с базой данных LIN.
Выбор LINE указывает на то, что мы доверяем значениям CDP-X и CDP-Y во входных
данных SEGY и гарантируем, что ILINE-NO, XLINE-NO и CDP в заголовках трасс
обновляются в соответствии со схемой нумерации проектов в базе данных LIN.

Ensemble Redefine устанавливает ансамбли в соответствии с изменением номера инлайна.


В нвшем случае мы знаем, что входящие трассы находятся в последовательности
увеличения номеров кросслайнов, начиная с наименьшего номера инлайна. Это позволяет
использовать для вывода аккуратный контекст 3D данных.

Data Context Editor — тщательно проверяйте значения, чтобы понять, как они
сопоставляются с информацией, уже описанной выше.

JavaSeis Data Output – данный поток обрабатывает "трассы скоростей", и мы должны


вывести эти данные как "JavaSeis Table"(указано в первом параметре меню), а не JDO
(Dataset list), как это установлено по умолчанию в "SeisSpace".

В Вашем собственном потоке, когда вам нужно добавить (опция “add”) новое имя таблицы
вывода, будьте осторожны с типом таблицы, который вы указываете... убедитесь, что вы
указываете/выбираете VID (интервальные глубинные скорости). Внимательно следите
затем, чтобы не выбрать тип таблицы VEL (среднеквадратичные скорости), если только
это не тип скоростей, который Вам нужно подать на вход.

Вот центральный инлайн через поле скорости:


04 VID to RMS VEL for NMO (преобразование интервальных скоростей в
среднеквадратичные для введения кинематических поправок)
Данный поток выбирает каждый 25-й Frame инлайнов, а затем каждый 25-й Trace
кросслайнов (frame и trace – основные измерения в формате JavaSeis) в оригинальной
модели интервальных скоростей (VID) и преобразует его в среднеквадратичные скорости
(VEL) для введения кинематической поправки (NMO), так что мы можем создать обычный
суммарный куб CMP данных во временной области.
На выходе формируется таблица формата ProMAX, а не JavaSeis, что необходимо просто
для того, чтобы сделать что-то немного другое. Мы могли бы выбрать вывод таблицы в
формат JavaSeis типа VEL, которая действительна в качестве входной в модуль NMO.

В JDI необходимо выбрать "arbitrary subset", чтобы разрешить выбор каждого 25-го
инлайна.
Frame Utilities выбирает положение каждого 25-й кросслайна только для того, чтобы
проредить таблицу пространственно.
Velocity trace Manipulation преобразует интеравальные скорсти в среднеквадратичные
(хранится с типом имени VEL)
Trace-Vel Table Transfer записывает функции скорости в таблицу скоростей формата
ProMAX.

Volume Viewer / Editor используется для отображения поля среднеквадратичных


скоростей (необязательно, но контроль качества не будет излишен).

05 CMP Stack (суммирование по общим средним точкам CMP)


Это типичный поток для сортировки, применения NMO, суммирования и вывода набора
суммированных данных.
Правильные диапазоны min/max инлайнов и кросслайнов уже параметризованы в меню
модуля Inline Merge Sort. Существует по крайней мере три способа нахождения этих
значений:
1. Нажмите правой кнопкой мыши на имя входного набора данных и выберите
"Header Ranges", который показывает минимальное и максимальное значения для
каждого атрибута заголовка в наборе данных.
2. Используйте DBTools, чтобы сделать 2D-матрицу атрибута CDP FOLD и номеров
Inline и Crossline, затем приблизьте, чтобы увидеть минимальные и максимальные
значения для ненулевых позиций.
3. Запустите поток с помощью модуля "JavaSeis Sortmap Create - v2". В job log будут
находиться необходимые значения для Inline Merge Sort.

Используйте инструмент Seismic Compare или Trace Display в Foldmap для контроля
качества суммированных данных.

06 Smoothing model (сглаживание модели с целью создания начального приближения


для итераций TomoMVA)
Данный поток используется для сглаживания начальной скоростной модели для лучшего
понимания работы TomoMVA как средства улучшения качества скоростной модели. Для
этого с помощью Region Based Model Constraints модель разделяется на два слоя –
водный, где скорость сохраняется (так как нам зачастую довольно точно известна скорость
в воде) и слой модели, к которому применяется сильное сглаживание. Горизонт для
разделения слоёв выделен с помощью инструмента look с использованием функции Pick
other horizon, после чего он был конвертирован в формат JavaSeis при помощи модуля
Convert ProMAX Horizon to JavaSeis Horizon.

101- KDMIG - TT table gen (cоздание таблицы времён пробега для миграции
Кирхгофа)
KDMIG обычно выполняется в несколько шагов. Первым шагом является вычисление
таблиц времён пробега.

Этот процесс считывает минимальное количество данных трасс и настраивается только


для вычисления таблиц времён пробега (TT tables) в меню.

Данный процесс может быть запущен на нескольких узлах с несколькими джоблетами на


узел (multi node – multi joblet per node) – схема 4 х 4 будет хорошо работать для данного
примера.
102- KDMIG (миграция Кирхгофа)
KDMIG обычно выполняется в нескольких репликах потока, когда каждый поток работает с
поднабором оффсетов и/или поднабор областей отображения. Существует несколько различных
способов настройки потоков.

В этом потоке просто создаются 26 реплик, где каждая реплика обрабатывает поднабор удалений
куба данных и мигрирует все трассы в этот поднабор удалений в реплике

Эти потоки должны быть построены и выполнены из RJT (Replica job table).

Потоки могут быть запущены на нескольких узлах с несколькими джоблетами на узел - 4 х 4


хорошо работает для этого примера

103 – sort offset vols to cdp (сортировка кубов удалений по CDP)


Модуль KDMIG выводит кубы в сортировке общего удаления. Данный поток сортирует эти кубы
в 4D Inline x Xline фреймворке сейсмограмм ОГТ.

Данный поток может быть запущен на нескольких узлах - 4 х 1 является разумным выбором для
этого примера

103a - pick mute on CDPs (пикировка для мьютинга на сейсмограммах ОГТ)


Сейсмограммы ОГТ содержат шумы на ближних удалениях. Данный поток производит выборку
нескольких сейсмограммах ОГТ, и Вы можете пропикировать границу мьютинга

В данном потоке вам предлагается сделать пикировку самостоятельно.

ОБРАТИТЕ ВНИМАНИЕ, что мьютинг по-прежнему представляется во временной области, хотя


он применяется в глубинной области.

В данном примере верхний мьютинг уже пропикирован, поэтому при желании данный этап можно
пропустить.

104 - stack KDMIG gathers (суммирование мигрированных сейсмограмм)


Сейсмограммы ОГТ суммируются для контроля качества.

105 – tomo semblance (вычисление функции подобия)


Чтобы пропикировать остаточные кинематические поправки, используемые позже в томографии
для обновления скоростной модели, необходимо вычислить функции подобия RMO.

Этот поток выбирает каждую 10-ю сейсмограмму в сортировке inline x inline и вычисляет подобия
RMO
Вы можете использовать отображение нескольких фреймов в Seismic Compare, чтобы просмотреть
полученные подобия.

ОБРАТИТЕ ВНИМАНИЕ, что для этого набора данных из-за его синтетического характера и
наличия соляного тела, функции подобия не будут выглядеть очень хорошо. Также ЗАМЕТЬТЕ, что
начальная скоростная модель, которая была использована для проведения миграции, была
правильной, так что маловероятно возникновение существенных значений для RMO, поэтому
максимумы подобия должны сосредоточиться близ центра изображения на нулевом значении RMO.

106 - RMO Autopick (автоматическая пикировка RMO)


Функци подобия необходимо пропикировать для введения RMO. Наиболее эффективным
способом сделать это является использование модуля TomoMVA Auto Picker. Пожалуйста,
прочитайте документацию для TomoMVA Auto Picker, чтобы получить более глубокое
представление о том, как этот инструмент работает.

Выходными данными этого потока являются значения оценки ошибок скоростной модели в
таблице RHO JavaSeis.

Вы можете просмотреть эту таблицу с помощью Seismic Compare

107 - RHO - RSD


Чтобы применить RMO для контроля качества, необходимо преобразовать значения RHO в
значения RSD. Данная утилита может быть использована для выполнения этой функции. Этот
поток на вход получает таблицу формата JS и формирует таблицу формата PM. Вы можете
вывести таблицу JS RSD, так как модуль RMO application в следующем потоке считает все данные.

108 – restack with RMO RSD (пересуммирование с поправкой RMO RSD)


Примените полученную ранее остаточную кинематику RSD на к сейсмограммам ОГТ на выходе
из процесса KDMIG. Если значения RMO являются точными, отражения должны быть "более
плоскими" на сейсмограммах и тем самым улучшать результат суммирования.

Сравните эту сумму с исходной, полученной из KDMIG, с помощью Seismic Compare. Вы должны
увидеть уменьшение фонового шума и улучшение суммарного разреза с небольшим сдвигом
сейсмических границ в глубину.

108_5 – Structure tensor (вычисление структурного тензора)

Поток выполняет расчёт структурного тензора. Структурный тензор представляет собой матрицу,
характеризующую "силу" структуры (наклон, яркость отражения, азимут).
Структурный тензор позволяет автоматически проводить лучевое трассирование от границ в
модели. Параметры расчёта выставлены по умолчанию. Выбор окна расчёта компонент
структурного тензора необходимо делать из соображений того, что алгоритм должен вычислять
положение и ориентацию структуры в пространстве.

Установленные параметры по умолчанию работают должным образом с большинством данных.

109 – tomomva – ray trace (лучевое трассирование)


Первым шагом TomoMVA является лучевое трассирование. В данном модуле задаются параметры
скоростной модели, границ и трассировки лучей.

Это меню имеет много различных вариантов, которые могут повлиять на время выполнения и
качество обновления модели от томографии. Пожалуйста, прочитайте документацию для
инструмента, чтобы получить некоторое представление, связанное с параметризацией

Мы используем структурный тензор для определения границ, поэтому нам достаточно указать их
количество и степень сглаживания для их определения. Параметры скоростной модели укажем из
её свойств. Глубину же укажем такую же, как на сейсмическом кубе.

Параметры непосредственно лучевого трассирования уже заданы корректно для данного примера.

Этот поток должен быть запущен на большом количестве джоблетов – данный процесс установлен
для запуска 4 джоблетов 4 на узлах. Более крупные проекты будут требовать гораздо больше узлов
и джоблетов на узел.

110 – tomo inversion (инверсия)


Инверсия является вторым из трёх шагов в процессе обновления модели. Первый модуль
считывает начальную модель итерации, RMO поправки и файлы с трассированными лучами и
выводит в качестве результата поле разности скоростей. Далее к полученной разности
применяется обнуление значений в области слоя воды, чтобы не вносить искажения в данный
слой. Полученный результат записывается в таблицу формата JavaSeis.

111 – TomoMVA update (обновление скоростной модели)


Этот инструмент считывает входную модель и разностную модель, созданную в предыдущем
потоке, и складывает их вместе для создания обновленной модели, которая будет использоваться в
качестве стартовой модели для выполнения модуля KDMIG для следующей итерации.