识别断裂的方法及装置

摘要

本申请实施例提供了一种识别断裂的方法及装置，该方法包括：确定地震数据体中每个数据点的结构量化三分量；根据每个数据点的结构量化三分量构建该数据点的结构量化矩阵；确定每个数据点的结构量化矩阵的特征值及特征向量；根据每个数据点的结构量化矩阵的特征值及特征向量，确定该数据点的断裂属性值；根据各数据点的断裂属性值构建断裂属性数据体；根据各数据点的结构量化矩阵的特征向量，对所述断裂属性数据体进行断裂提取。本申请实施例可提高对小断裂识别的准确性，从而实现有效识别小断裂。

权利要求

1.一种识别断裂的方法，其特征在于，包括：

确定地震数据体中每个数据点的结构量化三分量；

根据每个数据点的结构量化三分量构建该数据点的结构量化矩阵；

确定每个数据点的结构量化矩阵的特征值及特征向量；

根据每个数据点的结构量化矩阵的特征值及特征向量，确定该数据点的断裂属性值；

根据各数据点的断裂属性值构建断裂属性数据体；

根据各数据点的结构量化矩阵的特征向量，对所述断裂属性数据体进行断裂提取；其中，根据以下公式确定每个数据点的断裂属性值：

其中，C为数据点的断裂属性值，λ1、λ2和λ3为数据点的三个特征值，为最大特征值对应的特征向量。

2.如权利要求1所述的识别断裂的方法，其特征在于，所述确定地震数据体中每个数据点的结构量化三分量，包括：将地震数据体中每个数据点与高斯函数的一阶导数进行卷积，对应得到该数据点的结构量化三分量。

3.如权利要求2所述的识别断裂的方法，其特征在于，根据以下公式将所述地震数据体中每个数据点与高斯函数的一阶导数进行卷积：其中，d(x)、d(y)和d(z)分别为数据点的结构量化三分量；u(x,y,z)为数据点的数据幅值；E()为加权范围控制函数；G(x,σ)′、G(y,σ)′和G(z,σ)′分别为高斯函数关于x、y和z方向上的一阶导数。

4.如权利要求3所述的识别断裂的方法，其特征在于，所述加权范围控制函数包括：其中，σ为加权范围控制系数；α为常值系数；f为数据点的主频。

5.如权利要求1所述的识别断裂的方法，其特征在于，根据以下公式构建每个数据点的结构量化矩阵；

其中，d(x)、d(y)和d(z)分别为数据点的结构量化三分量；A为数据点的结构量化矩阵；

A中的每个元素为数据点的结构量化三分量的加权平均。

6.如权利要求1所述的识别断裂的方法，其特征在于，所述断裂属性数据体中每个断裂属性值的取值范围为0～1，所述地震数据体所对应的地层中，平整处的断裂属性值的属性值为0，扭曲或错段处的断裂属性值的属性值为1。

7.如权利要求6所述的识别断裂的方法，其特征在于，所述根据各数据点的结构量化矩阵的特征向量，对所述断裂属性数据体进行断裂提取，包括：对于每个数据点，确定其结构量化矩阵的最大特征值所对应的特征向量；

从所述断裂属性数据体中提取沿该特征向量方向上的断裂属性极大值，并将所述断裂属性数据体中沿该特征向量方向上的非极大值部分的断裂属性值赋值为0。

8.一种识别断裂的装置，其特征在于，包括：

结构量化模块，用于确定地震数据体中每个数据点的结构量化三分量；

矩阵构建模块，用于根据每个数据点的结构量化三分量构建该数据点的结构量化矩阵；

矩阵求解模块，用于确定每个数据点的结构量化矩阵的特征值及特征向量；

属性确定模块，用于根据每个数据点的结构量化矩阵的特征值及特征向量，确定该数据点的断裂属性值；

属性数据体构建模块，用于根据各数据点的断裂属性值构建断裂属性数据体；

断裂提取模块，用于根据各数据点的结构量化矩阵的特征向量，对所述断裂属性数据体进行断裂提取；其中，根据以下公式确定每个数据点的断裂属性值：

其中，C为数据点的断裂属性值，λ1、λ2和λ3为数据点的三个特征值，为最大特征值对应的特征向量。

9.如权利要求8所述的识别断裂的装置，其特征在于，所述确定地震数据体中每个数据点的结构量化三分量，包括：将地震数据体中每个数据点与高斯函数的一阶导数进行卷积，对应得到该数据点的结构量化三分量。

10.如权利要求9所述的识别断裂的装置，其特征在于，根据以下公式将所述地震数据体中每个数据点与高斯函数的一阶导数进行卷积：其中，d(x)、d(y)和d(z)分别为数据点的结构量化三分量；u(x,y,z)为数据点的数据幅值；E()为加权范围控制函数；G(x,σ)′、G(y,σ)′和G(z,σ)′分别为高斯函数关于x、y和z方向上的一阶导数。

11.如权利要求10所述的识别断裂的装置，其特征在于，所述加权范围控制函数包括：其中，σ为加权范围控制系数；α为常值系数；f为数据点的主频。

12.如权利要求8所述的识别断裂的装置，其特征在于，根据以下公式构建每个数据点的结构量化矩阵；

其中，d(x)、d(y)和d(z)分别为数据点的结构量化三分量；A为数据点的结构量化矩阵；

A中的每个元素为数据点的结构量化三分量的加权平均。

13.如权利要求8所述的识别断裂的装置，其特征在于，所述断裂属性数据体中每个断裂属性值的取值范围为0～1，所述地震数据体所对应的地层中，平整处的断裂属性值的属性值为0，扭曲或错段处的断裂属性值的属性值为1。

14.如权利要求13所述的识别断裂的装置，其特征在于，所述根据各数据点的结构量化矩阵的特征向量，对所述断裂属性数据体进行断裂提取，包括：对于每个数据点，确定其结构量化矩阵的最大特征值所对应的特征向量；

从所述断裂属性数据体中提取沿该特征向量方向上的断裂属性极大值，并将所述断裂属性数据体中沿该特征向量方向上的非极大值部分的断裂属性值赋值为0。

15.一种识别断裂的装置，包括存储器、处理器、以及存储在所述存储器上的计算机程序，其特征在于，所述计算机程序被所述处理器运行时执行如下步骤：确定地震数据体中每个数据点的结构量化三分量；

根据每个数据点的结构量化三分量构建该数据点的结构量化矩阵；

确定每个数据点的结构量化矩阵的特征值及特征向量；

根据每个数据点的结构量化矩阵的特征值及特征向量，确定该数据点的断裂属性值；

根据各数据点的断裂属性值构建断裂属性数据体；

根据各数据点的结构量化矩阵的特征向量，对所述断裂属性数据体进行断裂提取；其中，根据以下公式确定每个数据点的断裂属性值：

其中，C为数据点的断裂属性值，λ1、λ2和λ3为数据点的三个特征值，为最大特征值对应的特征向量。

说明书

识别断裂的方法及装置

技术领域

[0001] 本申请涉及油气藏勘探开发技术领域，尤其是涉及一种识别断裂的方法及装置。

背景技术

[0002] 断裂是控制油气成藏的重要因素，因此断裂识别对于发现和断层相关的油气藏具有重要意义。目前常采用相干算法识别断裂，其是利用两地震道之间的相关性或相似性来检测断裂。

[0003] 随着油气藏勘探开发的不断深入，断裂识别方法也在不断的发展和更新，目前识别断裂的相干算法已从第一代发展到第三代。然而，对于小断裂，由于其在地震资料上表现为同相轴未错断，断点不清晰，且多解性强。因此，目前的相干算法对这种小断裂识别能力较弱，无法有效的识别出小断裂。

发明内容

[0004] 本申请实施例的目的在于提供一种识别断裂的方法及装置，以提高对小断裂识别的准确性。

[0005] 为达到上述目的，一方面，本申请实施例提供了一种识别断裂的方法，包括：

[0006] 确定地震数据体中每个数据点的结构量化三分量；

[0007] 根据每个数据点的结构量化三分量构建该数据点的结构量化矩阵；

[0008] 确定每个数据点的结构量化矩阵的特征值及特征向量；

[0009] 根据每个数据点的结构量化矩阵的特征值及特征向量，确定该数据点的断裂属性值；

[0010] 根据各数据点的断裂属性值构建断裂属性数据体；

[0011] 根据各数据点的结构量化矩阵的特征向量，对所述断裂属性数据体进行断裂提取。

[0012] 本申请实施例的识别断裂的方法，所述确定地震数据体中每个数据点的结构量化三分量，包括：

[0013] 将地震数据体中每个数据点与高斯函数的一阶导数进行卷积，对应得到该数据点的结构量化三分量。

[0014] 本申请实施例的识别断裂的方法，根据以下公式将所述地震数据体中每个数据点与高斯函数的一阶导数进行卷积：

[0015]

[0016]

[0017]

[0018] 其中，d(x)、d(y)和d(z)分别为数据点的结构量化三分量；u(x,y,z)为数据点的数据幅值；E()为加权范围控制函数；G(x,σ)′、G(y,σ)′和G(z,σ)′分别为高斯函数关于x、y和z方向上的一阶导数。

[0019] 本申请实施例的识别断裂的方法，所述加权范围控制函数包括：

[0020]

[0021] 其中，σ为加权范围控制系数；α为常值系数；f为数据点的主频。

[0022] 本申请实施例的识别断裂的方法，根据以下公式构建每个数据点的结构量化矩阵；

[0023]

[0024] 其中，d(x)、d(y)和d(z)分别为数据点的结构量化三分量；A为数据点的结构量化矩阵；A中的每个元素为数据点的结构量化三分量的加权平均。

[0025] 本申请实施例的识别断裂的方法，根据以下公式确定每个数据点的断裂属性值：

[0026]

[0027] 其中，C为数据点的断裂属性值，λ1、λ2和λ3为数据点的三个特征向量，为最大特征值对应的特征向量。

[0028] 本申请实施例的识别断裂的方法，所述断裂属性数据体中每个断裂属性值的取值范围为0～1，所述地震数据体所对应的地层中，平整处的断裂属性值的属性值为0，扭曲或错段处的断裂属性值的属性值为1。

[0029] 本申请实施例的识别断裂的方法，所述根据各数据点的结构量化矩阵的特征向量，对所述断裂属性数据体进行断裂提取，包括：

[0030] 对于每个数据点，确定其结构量化矩阵的最大特征值所对应的特征向量；

[0031] 从所述断裂属性数据体中提取沿该特征向量方向上的断裂属性极大值，并将所述断裂属性数据体中沿该特征向量方向上的非极大值部分的断裂属性值赋值为0。

[0032] 另一方面，本申请实施例还提供了一种识别断裂的装置，包括：

[0033] 结构量化模块，用于确定地震数据体中每个数据点的结构量化三分量；

[0034] 矩阵构建模块，用于根据每个数据点的结构量化三分量构建该数据点的结构量化矩阵；

[0035] 矩阵求解模块，用于确定每个数据点的结构量化矩阵的特征值及特征向量；

[0036] 属性确定模块，用于根据每个数据点的结构量化矩阵的特征值及特征向量，确定该数据点的断裂属性值；

[0037] 属性数据体构建模块，用于根据各数据点的断裂属性值构建断裂属性数据体；

[0038] 断裂提取模块，用于根据各数据点的结构量化矩阵的特征向量，对所述断裂属性数据体进行断裂提取。

[0039] 本申请实施例的识别断裂的装置，所述确定地震数据体中每个数据点的结构量化三分量，包括：

[0040] 将地震数据体中每个数据点与高斯函数的一阶导数进行卷积，对应得到该数据点的结构量化三分量。

[0041] 本申请实施例的识别断裂的装置，根据以下公式将所述地震数据体中每个数据点与高斯函数的一阶导数进行卷积：

[0042]

[0043]

[0044]

[0045] 其中，d(x)、d(y)和d(z)分别为数据点的结构量化三分量；u(x,y,z)为数据点的数据幅值；E()为加权范围控制函数；G(x,σ)′、G(y,σ)′和G(z,σ)′分别为高斯函数关于x、y和z方向上的一阶导数。

[0046] 本申请实施例的识别断裂的装置，所述加权范围控制函数包括：

[0047]

[0048] 其中，σ为加权范围控制系数；α为常值系数；f为数据点的主频。

[0049] 本申请实施例的识别断裂的装置，根据以下公式构建每个数据点的结构量化矩阵；

[0050]

[0051] 其中，d(x)、d(y)和d(z)分别为数据点的结构量化三分量；A为数据点的结构量化矩阵；A中的每个元素为数据点的结构量化三分量的加权平均。

[0052] 本申请实施例的识别断裂的装置，根据以下公式确定每个数据点的断裂属性值：

[0053]

[0054] 其中，C为数据点的断裂属性值，λ1、λ2和λ3为数据点的三个特征向量，为最大特征值对应的特征向量。

[0055] 本申请实施例的识别断裂的装置，所述断裂属性数据体中每个断裂属性值的取值范围为0～1，所述地震数据体所对应的地层中，平整处的断裂属性值的属性值为0，扭曲或错段处的断裂属性值的属性值为1。

[0056] 本申请实施例的识别断裂的装置，所述根据各数据点的结构量化矩阵的特征向量，对所述断裂属性数据体进行断裂提取，包括：

[0057] 对于每个数据点，确定其结构量化矩阵的最大特征值所对应的特征向量；

[0058] 从所述断裂属性数据体中提取沿该特征向量方向上的断裂属性极大值，并将所述断裂属性数据体中沿该特征向量方向上的非极大值部分的断裂属性值赋值为0。

[0059] 再一方面，本申请实施例还提供了另一种识别断裂的装置，包括存储器、处理器、以及存储在所述存储器上的计算机程序，所述计算机程序被所述处理器运行时执行如下步骤：

[0060] 确定地震数据体中每个数据点的结构量化三分量；

[0061] 根据每个数据点的结构量化三分量构建该数据点的结构量化矩阵；

[0062] 确定每个数据点的结构量化矩阵的特征值及特征向量；

[0063] 根据每个数据点的结构量化矩阵的特征值及特征向量，确定该数据点的断裂属性值；

[0064] 根据各数据点的断裂属性值构建断裂属性数据体；

[0065] 根据各数据点的结构量化矩阵的特征向量，对所述断裂属性数据体进行断裂提取。

[0066] 由以上本申请实施例提供的技术方案可见，本申请实施例先根据地震数据体中每个数据点的结构量化三分量，构建该数据点的结构量化矩阵并求解其特征值和特征向量；其次根据每个数据点的结构量化矩阵的特征值及特征向量，确定该数据点的断裂属性值；
然后根据各数据点的断裂属性值构建断裂属性数据体；最后根据各数据点的结构量化矩阵的特征向量，对断裂属性数据体进行断裂提取，从而通过定量化分析地震数据结构的平整性与连续性实现对小断裂的识别。由于本申请实施例对同相轴微错断的小断裂的变化检测比较敏感，同相轴的细小弯曲变化都有很明显的响应，因而本申请实施例可提高对小断裂识别的准确性，从而实现了对小断裂的有效识别。

附图说明

[0067] 为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。在附图中：

[0068] 图1为本申请一实施例的识别断裂的方法流程图；

[0069] 图2a为本申请一实施例中的正断层示意图；

[0070] 图2b为本申请一实施例中的逆断层示意图；

[0071] 图3为本申请一实施例中弹性介质中一个点的应力示意图；

[0072] 图4a-图4d为本申请一实施例中不同情况下的断层结构示意图；

[0073] 图5为本申请一实施例中位于玛西1工区的某地震剖面；

[0074] 图6为采用现有第三代相干断裂识别方法获得的断裂检测剖面；

[0075] 图7为采用本申请实施例的识别断裂的方法获得的断裂检测剖面；

[0076] 图8a为玛西1工区采用现有技术中第三代相干断裂识别方法获得的断层属性示意图；

[0077] 图8b为玛西1工区采用本申请实施例的识别断裂的方法获得的断层属性示意图；

[0078] 图9a为玛湖连片采用本申请实施例的识别断裂的方法获得的断层属性示意图；

[0079] 图9b为玛湖连片采用现有技术中第三代相干断裂识别方法获得的断层属性示意图；

[0080] 图10a为本申请一实施例中玛湖连片某地的三维地震剖面示意图；

[0081] 图10b为本申请一实施例中玛湖连片某地的三维断裂人工解释结果；

[0082] 图11a为玛湖连片采用本申请实施例的识别断裂的方法获得的断裂检测剖面；

[0083] 图11b为玛湖连片采用现有技术中第三代相干断裂识别方法获得的断裂检测剖面；

[0084] 图12为本申请一实施例的识别断裂的装置的结构框图；

[0085] 图13为本申请另一实施例的识别断裂的装置的结构框图。

具体实施方式

[0086] 为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

[0087] 常规相干方法依据地震道之间的相关性或相似性来检测断裂，而小断裂的特征在地震道之间的相关性和相似性差异不大，因此相干算法在小断裂识别方法上存在严重不足。

[0088] 而在实现本申请的过程中，本申请的发明人研究发现：当断裂存在时，地震数据所对应地层的平整性及连续性会遭到破坏，如图2a和图2b中的椭圆部分所示。因此，本申请不再从道相关或道相似的角度出发，而是通过定量化分析地震数据结构的平整性与连续性，寻找数据的不连续和不平整的地方，以达到识别小断裂的目的。具体而言，是从地震数据空间结构定量化的角度出发，建立结构量化分析矩阵，由矩阵特征值构建断裂属性值来量化断裂结构特征，从而识别小断裂。

[0089] 由于任何物体都有一定的结构特征，量化表征的难易程度也随着物体结构的复杂程度而不同。比如，通过体积或边长可以量化表征一个正方体的大小；通过长宽比表征一个矩形的形状等等。人们可以很简单地用个数值表示一个山脉的高度，但很难量化地去表征一个山脉的形状。对于地震数据来说也一样，很难将地震数据详细形态的量化表征清楚，所以需要简化问题，只需量化地表征地震数据的平整性和连续性，就可以有效的识别断裂。

[0090] 本申请的数据结构量化分析原理上与应力分析相类似。应力可以表征弹性介质中一个点的受力状态，其中就包括正应力，剪切应力，如图3所示，通过应力矩阵即可求出主应力与侧向应力，而利用其特征值就可量化表征该点受力情况。同样的，通过求取地震数据中一点的沿坐标系轴三方向的结构变化分量，依据此三分量构建三维数据结构量化矩阵，求解矩阵得到特征值，再依据特征值即可建立断裂属性值。

[0091] 为便于理解本申请，下面具体说明：

[0092] 参考图1所示，本申请一实施例的识别断裂的方法可以包括：

[0093] S101、确定地震数据体中每个数据点的结构量化三分量。

[0094] 本申请一实施例中，所述地震数据体可以为三维网格化的地震数据体。因此，该地震数据体可以是由若干个小立方体组成的大立方体，其中，大立方体中的每个小立方体与其相连的其他立方体的交界点可以视为一个数据点。

[0095] 本申请一实施例中，将通过将地震数据体中每个数据点与高斯函数的一阶导数进行卷积方式，对应得到该数据点的结构量化三分量。例如，在本申请一个示例性实施例中，可根据以下公式将所述地震数据体中每个数据点与高斯函数的一阶导数进行卷积：

[0096]

[0097]

[0098]

[0099] 其中，d(x)、d(y)和d(z)分别为数据点的结构量化三分量；u(x,y,z)为数据点的数据幅值；E()为加权范围控制函数； 表示卷积符号；G(x,σ)′、G(y,σ)′和G(z,σ)′分别为高斯函数关于x、y和z方向上的一阶导数；例如G(x；σ)代表高斯函数，其公式为：则G(x；σ)′的一阶导数为

[0100] 本申请实施例中，加权范围控制函数E()用于限定自适应结构量化矩阵中元素的选取范围。之所以选取一定的范围，是因为仅用一个数据点来构建结构量化分析矩阵，如果该点有噪声扰动，特征值属性体会出现明显的噪声痕迹，而这种响应并非是小断裂的特征。通过对该点及其附近一定范围内的点进行三维高斯加权以及平滑，可以有效的减少这种噪声，使量化分析方法更加稳健。

[0101] 范围的选取也非常重要：如果范围过大，会使得最终结果分辨率过低，小断裂响应强度减弱；范围过小，地层响应干扰比较严重。经过长期研究，本申请的发明人发现：通过计算每个数据点的地震数据主频率，并依据主频率计算三维高斯加权平滑系数，实现由该系数自适应调控元素范围大小，从而可以有效避免繁琐的人工数据测试，在不降低分辨率的同时，有效的减少地层响应干扰。其中，三维高斯加权公式可以如下所示：

[0102]

[0103] 其中，σ为加权范围控制系数(即加权范围控制函数)，其决定元素的提取范围。本申请实施例中可通过以下公式来计算该参数：

[0104]

[0105] 其中，α为常值系数，可用于矫正范围大小；f为数据点的主频。可以看出当地震频率高时，加权范围控制参数就会变小，从而元素提取范围就会减少，三维数据体中参与构建矩阵的样点数就会响应减少，这会使得结构量化分辨率提高。

[0106] S102、根据每个数据点的结构量化三分量构建该数据点的结构量化矩阵。

[0107] 在本申请一实施例中，可根据以下公式构建每个数据点的结构量化矩阵；

[0108]

[0109] 其中，d(x)、d(y)和d(z)分别为数据点的结构量化三分量；A为数据点的结构量化矩阵；A中的每个元素为数据点的结构量化三分量的加权平均，例如A中的元素 表示数据点的结构量化三分量中的d(x)和d(y)的加权平均。

[0110] S103、确定每个数据点的结构量化矩阵的特征值及特征向量。

[0111] 在本申请一实施例中，在建立每个数据点的结构量化矩阵后，通过对结构量化矩阵进行求解，可以得到对应的特征值及特征向量。在本申请一个示例性实施例中，例如可以利用雅克比对角化消元法求解矩阵。

[0112] S104、根据每个数据点的结构量化矩阵的特征值及特征向量，确定该数据点的断裂属性值。

[0113] 不同的数据点可能对应有不同的地层结构，相应的，不同数据点的结构量化矩阵的特征值则体现了对应数据点的地层结构。

[0114] 为了便于理解本申请，下面先以二维地震数据为例进行说明：

[0115] 在一个示例性实施例中，二维地震数据中的一个数据点的结构量化矩阵如下：

[0116]

[0117] 其中，A表示结构量化矩阵，u(x,y)表示数据幅值， 表示卷积符号。

[0118] 通过对矩阵进行求解，可以解得特征值λ1、λ2(λ1>λ2>0)。表1示出了数据点与两个特征值之间的关系，具体分为以下4种情况。

[0119] 情况1两个特征值都为0时，说明数据点与其周围点数值完全一致，没有变化的结构，比如整个二维数据体值都为1时，特征值将都为0。如图4a所示。

[0120] 情况2时，特征值只有λ1，数据只沿一个方向变化，这时候有结构主特征向量，而没有侧向特征向量。如图4b所示。

[0121] 情况3是在情况2的情形下发生形变，这时候在中间位置有了侧特征向量，因此有两个不为零的特征值，这少许的弯曲不至于使得侧向特征向量大于主特征向量(主特征向量和侧特征向量是正交的)，因此λ1>λ2。如图4c所示。

[0122] 情况4，当侧向特征量与主特征向量不仅正交而且相等时，这时候此图形结构变成了各向同性结构。如图4d所示。

[0123] 为量化图形的变曲程度，可以通过以下公式确定数据点的断裂属性值：

[0124]

[0125] 其中，C为数据点的断裂属性值，λ1和λ2为数据点的特征向量，为最大特征值对应的特征向量，ε为一个常数，例如可以是小于0.0001的数。当无地层结构时，断裂属性值为1；当为平层结构时，只有一个特征值，另外一个为0，断裂属性值接近0；当地层由平层变起伏时，有两个不等值的特征值，断裂属性值位于0到1之间，越平整则越接近0，越不平整越接近
1。

[0126] 表1

[0127]

[0128]

[0129] 类似的，在本申请一实施例中，对于三维数据体中的每个数据点，数据点与两个特征值之间的关系，可以如下表2所示：

[0130] 表2

[0131]

[0132] 相应的，对于三维数据体中的每个数据点，为量化图形的变曲程度，可根据以下公式确定每个数据点的断裂属性值：

[0133]

[0134] 其中，C为数据点的断裂属性值，λ1、λ2和λ3为数据点的三个特征向量，为最大特征值对应的特征向量。

[0135] 当地层同相轴发生错断或弯曲时，平整性与连续性会降低，这时候C值会接近1，当地层连续平整时，C值会接近0。

[0136] S105、根据各数据点的断裂属性值构建断裂属性数据体。

[0137] 当每个数据点的断裂属性值都确定后，这些断裂属性值就构成了一个裂属性数据体。所述断裂属性数据体中每个断裂属性值的取值范围为0～1，所述地震数据体所对应的地层中，平整处的断裂属性值的属性值为0，扭曲或错段处的断裂属性值的属性值为1。

[0138] S106、根据各数据点的结构量化矩阵的特征向量，对所述断裂属性数据体进行断裂提取。

[0139] 在本申请一实施例中，所述根据各数据点的结构量化矩阵的特征向量，对所述断裂属性数据体进行断裂提取，可以包括：

[0140] 对于每个数据点，确定其结构量化矩阵的最大特征值所对应的特征向量；从所述断裂属性数据体中提取沿该特征向量方向上的断裂属性极大值，并将所述断裂属性数据体中沿该特征向量方向上的非极大值部分的断裂属性值赋值为0，从而完成断裂提取。由于最大特征值所对应的特征向量指示了断裂属性值变化最快的方向，因此，本申请实施例中，采用这种断裂提取方式可以更精确的求取断裂位置。

[0141] 虽然上文描述的过程流程包括以特定顺序出现的多个操作，但是，应当清楚了解，这些过程可以包括更多或更少的操作，这些操作可以顺序执行或并行执行(例如使用并行处理器或多线程环境)。

[0142] 为便于理解本申请，下面利用本申请实施例的断裂识别方法和商业软件中第三代相干算法，分别对准噶尔盆地玛西1工区以及玛湖连片工区的部分数据进行了处理对比。

[0143] 图5示出了本申请一实施例中位于玛西1工区的某原始地震剖面。图6示出了采用现有第三代相干断裂识别方法获得的断裂检测剖面；图7示出了采用本申请实施例的识别断裂的方法获得的断裂检测剖面。通过对比图6和图7可知，利用本申请实施例的断裂识别方法获得的断裂检测剖面更加清晰明显，且少有地层响应。

[0144] 图8a示出了玛西1工区采用现有技术中第三代相干断裂识别方法获得的断层属性示意图；图8b示出了玛西1工区采用本申请实施例的识别断裂的方法获得的断层属性示意图；对比图8a和图8b中的椭圆部分可以看出，利用本申请实施例的断裂识别方法获得的断裂检测剖面更加清晰明显。而且，在图8b中位于小圆点处的小断裂清晰可见，而在图8a中位于小圆点处的小断裂模糊不清，很难识别。同样的情况也发生在玛湖连片，请参见图9a和图9b所示。

[0145] 图10a示出了本申请一实施例中玛湖连片某地的三维地震剖面示意图；图10b示出了本申请一实施例中玛湖连片某地的三维断裂人工解释结果；对比图10a和图10b可以看出，采用本申请实施例的识别断裂的方法获得的断裂检测剖面与断裂人工解释结果较为吻合。

[0146] 此外，对比图11a和图11b可以看出，本申请实施例的识别断裂的方法对同相轴微错断的小断裂的变化检测比较敏感，同相轴的细小弯曲变化都有很明显的响应，而采用现有的相干法所获得的断裂检测剖面不仅模糊，还有地层响应。

[0147] 参考图12所示，本申请实施例的一种识别断裂的装置可以包括：

[0148] 结构量化模块121，可以用于确定地震数据体中每个数据点的结构量化三分量；

[0149] 矩阵构建模块122，可以用于根据每个数据点的结构量化三分量构建该数据点的结构量化矩阵；

[0150] 矩阵求解模块123，可以用于确定每个数据点的结构量化矩阵的特征值及特征向量；

[0151] 属性确定模块124，可以用于根据每个数据点的结构量化矩阵的特征值及特征向量，确定该数据点的断裂属性值；

[0152] 属性数据体构建模块125，可以用于根据各数据点的断裂属性值构建断裂属性数据体；

[0153] 断裂提取模块126，可以用于根据各数据点的结构量化矩阵的特征向量，对所述断裂属性数据体进行断裂提取。

[0154] 本申请实施例的装置与上述实施例的方法对应，因此，有关于本申请的装置细节，请参见上述实施例的方法，在此不再赘述。

[0155] 参考图13所示，本申请实施例的另一种识别断裂的装置可以包括存储器、处理器、以及存储在所述存储器上的计算机程序，所述计算机程序被所述处理器运行时执行如下步骤：

[0156] 确定地震数据体中每个数据点的结构量化三分量；

[0157] 根据每个数据点的结构量化三分量构建该数据点的结构量化矩阵；

[0158] 确定每个数据点的结构量化矩阵的特征值及特征向量；

[0159] 根据每个数据点的结构量化矩阵的特征值及特征向量，确定该数据点的断裂属性值；

[0160] 根据各数据点的断裂属性值构建断裂属性数据体；

[0161] 根据各数据点的结构量化矩阵的特征向量，对所述断裂属性数据体进行断裂提取。

[0162] 本申请实施例的装置与上述实施例的方法对应，因此，有关于本申请的装置细节，请参见上述实施例的方法，在此不再赘述。

[0163] 为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

[0164] 本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

[0165] 这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

[0166] 这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

[0167] 在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

[0168] 内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

[0169] 计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

[0170] 还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

[0171] 本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

[0172] 本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

[0173] 本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

[0174] 以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。