利用地震多属性识别和划分多尺度页岩断裂的方法及介质

技术领域

本发明涉及页岩断裂识别技术领域，尤其涉及一种利用地震多属性识别和划分多尺度页岩断裂的方法及介质。

背景技术

四川盆地及其周缘海相页岩气是我国页岩气勘探重点，因构造改造期次多、改造程度强，断裂通常呈现多期次、多尺度、多类型、多走向等特征。不同尺度的断裂对页岩气储集、运移以及页岩气开发、压裂与施工等具有不同的影响。因此，准确表征地下多尺度页岩断裂的空间分布特征，对指导页岩气勘探和开发必不可少。

通常，较大规模断裂对页岩储层具有破坏作用，不利于页岩气的保存。次一级规模裂缝带或断层可影响页岩气工程施工中的井壁稳定性、地质导向工作，还会增加套变风险。较小规模断裂则可有效增加页岩气的储存空间。可见，针对不同需求对页岩断裂进行明确的多尺度划分至关重要。目前，已经有不少学者从不同角度对断裂进行了分类。

在地质研究方面，根据断裂的扩展规模、深度和位置，同时考虑到构造和沉积的控制，将其分为I级至IV级5个等级。在地球物理领域，根据断裂长度与地震波长的关系，可分为大尺度、中尺度和小尺度。在页岩断裂研究领域，根据测量方法和断裂大小，有学者将其分为大尺度、中尺度、小尺度三个尺度，也有学者将其分为大、中、小、细、微五个尺度。但是，这些研究多是从定性角度判别和划分断裂尺度，并没有明确的定量尺度门槛值。又因不同地区的地质情况不同，各个学者研究目的不同，所以缺少统一、明确的多尺度划分标准。

因此，亟需一种具有明确划分标准的多尺度页岩断裂识别和划分方法及介质。

发明内容

有鉴于此，本发明的目的在于提出一种利用地震多属性识别和划分多尺度页岩断裂的方法，是一套层层递进、循序渐进的断裂分尺度预测。地震多属性包括方差体属性、最大曲率属性和蚂蚁追踪属性。

为了实现上述的技术目的，本发明所采用的技术方案为：

本发明提供了一种利用地震多属性识别和划分多尺度页岩断裂的方法，包括如下步骤：

步骤1、对叠后地震数据体进行构造平滑滤波处理；

步骤2、对处理后的叠后地震数据体计算方差体属性，确定基于地震属性的大尺度断裂分布；

步骤3、对处理后的叠后地震数据体计算最大曲率属性，确定基于地震属性的大尺度和中尺度断裂分布；

步骤4、基于最大曲率属性计算蚂蚁追踪属性，确定基于地震属性的大尺度、中尺度和小尺度断裂分布；

步骤5、基于方差体属性、最大曲率属性和蚂蚁追踪属性，利用蚂蚁追踪属性值过滤出大尺度、中尺度和小尺度三种不同尺度的断裂。

进一步的，所述步骤1具体为：对叠后地震数据体进行构造导向滤波平滑，在保持原地震信号基本状态不变的前提下，对叠后地震数据体进行降噪。

进一步的，所述步骤2具体为：

步骤21、对处理后的叠后地震数据体中每个地震道样点进行计算其方差；

步骤22、对每个地震道样点的方差进行加权归一化计算，得出方差体属性；

步骤23、以某一时刻T或某一特定地层为中心上下开设相同时间t的方式选取一时窗(T-t，T+t)，T和t的取值根据用户的需求自行设定；

步骤24、根据所述方差体属性在所述时窗内提取相应的方差体属性切片；

步骤25、根据所述方差体属性切片分析断裂的发育和展布特征，并识别出基于地震属性的大尺度断裂在空间上的分布情况。

进一步的，所述步骤3具体包括：

步骤31、对处理后的叠后地震数据体进行计算，得到对应二阶导数的空间曲面；

步骤32、根据所述空间曲线求取最大曲率属性；

步骤33、以某一时刻T或某一特定地层为中心上下开设相同时间t的方式选取一时窗(T-t，T+t)，T和t的取值根据用户的需求自行设定；

步骤34、根据所述最大曲率属性在所述时窗内提取相应的最大曲率属性切片；

步骤35、根据所述最大曲率属性切片分析断裂的发育和展布特征，并识别出基于地震属性的大尺度和中尺度断裂在空间上的分布情况。

进一步的，所述步骤4具体包括：

步骤41、以所述最大曲率属性为输入数据，控制蚂蚁搜索的方位与倾角，并设置蚂蚁追踪模式，计算出蚂蚁追踪属性；

步骤42、以某一时刻T或某一特定地层为中心上下开设相同时间t的方式选取一时窗(T-t，T+t)，T和t的取值根据用户的需求自行设定；

步骤43、根据所述蚂蚁追踪属性在所述时窗内提取相应的蚂蚁追踪属性切片；

步骤44、根据所述蚂蚁追踪属性切片分析断裂的发育和展布特征，并识别出基于地震属性的大尺度、中尺度以及小尺度断裂在空间上的分布情况。

进一步的，所述蚂蚁追踪模式包括主动模式和被动模式。

进一步的，所述步骤5具体包括：

步骤51、根据所述方差体属性所确定出的大尺度断裂分布、最大曲率属性所确定出的大尺度和中尺度断裂分布、蚂蚁追踪属性所确定的大尺度、中尺度和小尺度断裂分布以及蚂蚁追踪属性值范围，确定断裂尺度划分门槛值A和B；

步骤52、根据断裂尺度划分门槛值A和B，将方差体属性所指示的大尺度断裂、最大曲率属性所指示的中尺度断裂以及蚂蚁追踪属性所指示的小尺度断裂分别过滤出来，得到最终的分尺度断裂结果。

进一步的，所述步骤51具体包括：

步骤511、寻找第一个门槛值A：蚂蚁追踪属性的原值域范围为[-1,1]，在[-1,1]的范围内反复调整门槛值A的数值，使得在[A，1]之间的蚂蚁追踪属性值过滤出方差体属性所探测到的大尺度断裂；

步骤512、寻找第二个门槛值B：在[-1,1]的范围内反复调整门槛值B的数值，使得[B，1]之间的蚂蚁追踪属性值过滤出最大曲率属性所探测到的大尺度和中尺度断裂组合。

进一步的，所述步骤52具体为：根据确定的门槛值A和B判定出用[A，1]之间的蚂蚁追踪属性值来指示大尺度断裂，用[B，A)之间的蚂蚁追踪属性值来指示中尺度断裂，用[-1，B)之间的蚂蚁追踪属性值来指示小尺度断裂；从而最终得到大尺度、中尺度和小尺度断裂分别对应的蚂蚁追踪属性结果。

本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述的一种利用地震多属性识别和划分多尺度页岩断裂的方法。

采用上述的技术方案，本发明与现有技术相比，其具有的有益效果为：

本发明是通过方差体属性、最大曲率属性和蚂蚁追踪属性，利用实际研究区地震数据开展多尺度页岩断裂识别，获得研究区断裂的精细预测以及分尺度结果。研究表明：方差体属性、最大曲率属性和蚂蚁追踪属性这三个叠后地震属性对页岩气断裂的识别精度逐渐提高，可以识别出不同尺度、不同精度的断裂；将方差体属性所能反映的断裂称为大尺度断裂，将最大曲率属性所指示的断裂称为大尺度和中尺度断裂组合，将蚂蚁追踪属性能预测的断裂称为大尺度、中尺度和小尺度断裂组合；利用蚂蚁追踪属性结果，经过多次试验对比，确定了大尺度、中尺度和小尺度断裂的蚂蚁追踪属性的两个门槛值，可以有效地划分出不同尺度的断裂结果，使得最终的劈分结果与方差体属性以及最大曲率属性的结果相匹配。最终，获得以蚂蚁追踪属性所指示的大尺度、中尺度和小尺度断裂预测。将预测这三个断裂尺度的数据结果统一为蚂蚁追踪属性之后，有利后期的裂缝建模直接使用蚂蚁追踪属性。

附图说明

为了更清楚地说明本发明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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明提供的利用地震多属性识别和划分多尺度页岩断裂的方法流程图。

图2是本发明提供的基于蚂蚁追踪属性值进行断裂分尺度划分示意图。

图3是本发明提供的构造平滑滤波效果图；其中，图3-a是原叠后地震剖面1；图3-b是对原叠后地震剖面1平滑滤波处理后的地震剖面；图3-c是原叠后地震剖面2；图3-d是对原叠后地震剖2平滑滤波处理后的地震剖面。

图4是本发明提供的方差体属性计算中过-1850ms时间切片与地震数据的三维展示图；其中，图4-a是振幅切片，图4-b是方差体属性切片。

图5是本发明提供的最大曲率属性计算中过-1850ms时间切片与地震数据的三维展示图；其中，图5-a是最大曲率属性切片；图5-b是方差体和最大曲率属性切片叠合图。

图6是本发明提供的蚂蚁追踪属性计算中过-1850ms时间切片与地震数据的三维展示图；其中，图6-a是蚂蚁追踪属性切片；图6-b是蚂蚁追踪属性和最大曲率属性切片叠合图。

图7是本发明提供的沿着龙马溪-五峰组提取的沿层属性切片。图7-a是目的层的时间域等值线图；图7-b是方差体属性沿层切片；图7-c是最大曲率属性沿层切片；图7-c是蚂蚁追踪属性沿层切片。

图8是本发明提供的利用蚂蚁追踪属性值域来劈分三种不同地震属性尺度的断裂的直方图。

图9是本发明提供的沿目的层提取的三种地震属性尺度断裂展布图；其中，图9-a是大尺度断裂展布图；图9-b是中尺度断裂展布图；图9-c是小尺度断裂展布图。

图10是本发明提供的地震属性尺度断裂叠合图；其中，图10-a是大尺度断裂和中尺度断裂叠合图；图10-b是三种尺度断裂叠合图。

图11是本发明提供的三种不同尺度的断裂长度统计图；其中，图11-a是大尺度的断裂长度统计图；图11-b是中尺度的断裂长度统计图；图11-c是本发明提供的小尺度的断裂长度统计图。

图12是本发明提供的研究区断裂倾角统计图。

图13是本发明实施例提供的一种计算机可读存储介质的示意图。

具体实施方式

下面结合附图和实施例，对本发明作进一步的详细描述。特别指出的是，以下实施例仅用于说明本发明，但不对本发明的范围进行限定。同样的，以下实施例仅为本发明的部分实施例而非全部实施例，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它实施例，都属于本发明保护的范围。

请参见图1-图2，本发明的一种利用地震多属性识别和划分多尺度页岩断裂的方法，包括如下步骤：

步骤1、对叠后地震数据体进行构造平滑滤波处理，达到降噪目的；

在本实施例中，所述步骤1具体为：对叠后地震数据体进行构造导向滤波平滑，在保持原地震信号基本状态不变的前提下，对叠后地震数据体进行降噪，突出断裂处的不连续性，有助于提高断裂成像。

步骤2、对处理后的叠后地震数据体计算方差体属性，确定基于地震属性的大尺度断裂分布；所述方差体属性是利用相邻道地震信号之间的局部不连续性来描述地层、岩性等的横向非均匀性，在识别大规模、大断距的断层时有很好的效果。当遇到地下断层时，这些地质异常体的反射特征就会与其附近地震道的反射特征出现差异，而导致地震道局部的不连续性。这样通过分析各地震道之间的差异性，即可检测出断层或者其他异常情况；因此，采用方差体属性可以很好地反映大尺度断裂分布情况。

在本实施例中，所述步骤2具体包括：

步骤21、对处理后的叠后地震数据体中每个地震道样点进行计算其方差，具体为：计算当前地震道样点与周围相邻地震道时窗内平均主值间的方差；

步骤22、对每个地震道样点的方差进行加权归一化计算，得出方差体属性；

步骤23、以某一时刻T为中心或某一特定地层为中心上下开设相同时间t的方式选取一时窗(T-t，T+t)，T和t的取值根据用户的需求自行设定；所述时间t的取值为不超过20毫秒，最佳地，t＝10毫秒；

步骤24、根据所述方差体属性在所述时窗内提取相应的方差体属性切片；所述方差体属性切片是反映时窗内的断裂信息；

步骤25、根据所述方差体属性切片分析断裂的发育和展布特征，并识别出基于地震属性的大尺度断裂在空间上的分布情况。

步骤3、对处理后的叠后地震数据体计算最大曲率属性，确定基于地震属性的大尺度和中尺度断裂分布；曲率是曲线的二维属性，用来描述曲线或曲面上某一点的弯曲程度，即曲线在该点偏离直线的程度，它的数学定义是角度与弧长变化率的比率。它可以用该点的二阶导数来表示：

式中，K为曲率，

曲率属性被应用于评估地质体在几何空间中的分布形态，从而能够有效识别断层、裂缝、弯曲和褶皱等几何结构。对曲率属性进行提取时，曲率属性值被赋予了明确的地质意义。

在实际的地震资料处理与解释工作中发现，二维层面曲率属性虽然能反映部分的构造信息，但对于高分辨率地震勘探下的断层、裂缝等构造识别和解释上具有一定的局限性。考虑到实际的地层界面都是三维界面，只用二维曲率不足以准确描述，因此需要将曲率推广到三维层面。三维曲率地震属性应用的一个重要方面在于预测裂缝。曲率属性与裂缝之间的关系反映了地层褶皱或弯曲变形时的应力过程。研究表明最有用的三维曲率属性就是那些在层面上正交的曲率，即法曲率，包括高斯曲率、最大曲率、最小曲率、最正曲率、最负曲率、倾向曲率、走向曲率等。其中，存在一条曲线使得曲线在该点处的曲率值最大，这个曲率称之为最大曲率Kmax，表示曲面在某点上最大的弯曲程度。因此，最大曲率属性对于大尺度和中尺度断层的识别和断层几何形态的描述非常有效。

在本实施例中，所述步骤3具体包括：

步骤31、对处理后的叠后地震数据体进行计算，得到对应二阶导数的空间曲面；具体为：

步骤311、根据处理后的叠后地震数据体确定对应的局部地层范围，在局部地层范围内，地层分界面对应的空间曲面采用二元二次方程来近似表示为：

u(x,y)＝ax

式中，u(x，y)表示空间曲面，a、b、c、d、e和f表示对应的系数，x表示横坐标，y表示纵坐标；

二元二次方程的各系数与地震同相轴沿inline方向的视倾角

步骤312、采用三维体扫描的方式进行计算视倾角p和q；

步骤313、根据视倾角p和q计算出系数a、b、c、d和e，得到对应的空间曲面；

步骤32、根据所述空间曲线求取最大曲率属性；

步骤33、以某一时刻T为中心或某一特定地层为中心上下开设相同时间t的方式选取一时窗(T-t，T+t)，T和t的取值根据用户的需求自行设定；

步骤34、根据所述最大曲率属性在所述时窗内提取相应的最大曲率属性切片；

步骤35、根据所述最大曲率属性切片分析断裂的发育和展布特征，并识别出基于地震属性的大尺度和中尺度断裂在空间上的分布情况。

步骤4、基于最大曲率属性计算蚂蚁追踪属性，确定基于地震属性的大尺度、中尺度和小尺度断裂分布；蚂蚁追踪技术又被称为断裂系统自动分析技术，该技术的原理是将大量电子蚂蚁散播在地震数据体中，发现满足预设断裂条件的蚂蚁会将此点判定为断裂痕迹并“释放”某种信号，召集其他区域的蚂蚁集中在该断裂处对其进行追踪，直到完成该断裂的追踪与识别，而其他不满足断裂条件的地方将不进行裂缝标注。在三维地震勘探中，传统的蚂蚁追踪断裂预测流程主要分为以下步骤:

1)地震资料预处理:利用中值滤波、构造导向滤波等手段对地震资料进行预处理，滤除噪声；

2)边缘检测:提取混沌体、方差体、相干体等属性，对原始地震资料进行边缘增强处理，突出数据体中的不连续性信息；

3)边缘增强，提取蚂蚁追踪属性:在上一步生成地震属性的基础上提取边缘增强属性，在此基础上控制蚂蚁搜索的方位与倾角，设置关键参数，生成蚂蚁追踪属性。蚂蚁追踪常用到两种追踪参数组合模式：Aggressive主动模式和Passive被动模式。Aggressive主动模式会启动“勤劳的蚂蚁”模式，更善于挖掘断层，但噪声比较清晰。Passive被动模式会启动“懒惰的蚂蚁”模式，主要追踪信号极强的断裂而放弃较弱信号，因此小断裂的连续性较低，但有助于压制噪声；

4)自动提取断裂：设置合适参数，对断裂进行自动提取，提取出断裂片。

因此，蚂蚁追踪属性能更好地检测到较小尺度的断裂以及细微变化，具有更高的抗噪性，成功地刻画了LZ页岩区块的裂缝发育情况。

在本实施例中，所述步骤4具体包括：

步骤41、以所述最大曲率属性为输入数据，控制蚂蚁搜索的方位与倾角，并设置蚂蚁追踪模式，计算出蚂蚁追踪属性；所述蚂蚁追踪模式包括Aggressive主动模式和Passive被动模式，可以选用Aggressive主动模式和Passive被动模式中任意一种或同时使用两种。本实施例中，选用主动模式计算出蚂蚁追踪属性。

步骤42、以某一时刻T为中心或某一特定地层为中心上下开设相同时间t的方式选取一时窗(T-t，T+t)，T和t的取值根据用户的需求自行设定；

步骤43、根据所述蚂蚁追踪属性在所述时窗内提取相应的蚂蚁追踪属性切片；具体为：沿目的层对时窗内的断裂信息进行提取，提取出相应的蚂蚁追踪属性切片；

步骤44、根据所述蚂蚁追踪属性切片分析断裂的发育和展布特征，并识别出基于地震属性的大尺度、中尺度以及小尺度断裂在空间上的分布情况。

以上三种地震属性的关系如下：

方差体属性能够指示断距大、延伸长的大尺度断裂；最大曲率属性不但能指示大尺度断裂，而且能够指示微幅构造或小挠曲上的中尺度断裂；蚂蚁追踪属性不但能指示大尺度和中尺度断裂，而且能够指示更小规模的小尺度断裂。

步骤5、基于方差体属性、最大曲率属性和蚂蚁追踪属性，利用蚂蚁追踪属性值过滤出大尺度、中尺度和小尺度三种不同尺度的断裂。

在本实施例中，所述步骤5具体包括：

步骤51、根据所述方差体属性所确定出的大尺度断裂分布、最大曲率属性所确定出的大尺度和中尺度断裂分布、蚂蚁追踪属性所确定的大尺度、中尺度和小尺度断裂分布以及蚂蚁追踪属性值范围，确定断裂尺度划分门槛值A和B；

在本实施例中，所述步骤51具体包括：

步骤511、寻找第一个门槛值A：蚂蚁追踪属性值范围为[-1,1]，在[-1,1]的范围内反复调整门槛值A的数值，使得在[A，1]之间的蚂蚁追踪属性值过滤出方差体属性所探测到的大尺度断裂；

步骤512、寻找第二个门槛值B：在[-1,1]的范围内反复调整门槛值B的数值，使得[B，1]之间的蚂蚁追踪属性值过滤出最大曲率属性所探测到的大尺度和中尺度断裂组合。上述步骤需经过多次反复实验，才能得到较佳效果。

步骤52、根据断裂尺度划分门槛值A和B，将方差体属性所指示的大尺度断裂、最大曲率属性所指示的中尺度断裂以及蚂蚁追踪属性所指示的小尺度断裂分别过滤出来，得到最终的分尺度断裂结果。

在本实施例中，所述步骤52具体为：根据确定的门槛值A和B判定出用[A，1]之间的蚂蚁追踪属性值来指示大尺度断裂，用[B，A)之间的蚂蚁追踪属性值来指示中尺度断裂，用[-1，B)之间的蚂蚁追踪属性值来指示小尺度断裂；从而最终得到大尺度、中尺度和小尺度断裂分别对应的蚂蚁追踪属性结果。

以四川盆地南部LZ地区为例：

本次研究对四川盆地南部LZ地区五峰-龙马溪组(时间域在-2000ms～-1750ms之间)断裂进行高精度预测，并对断裂尺度进行划分，形成了一套层层递进、循序渐进的断裂预测方法，提出基于地震多属性的多尺度页岩断裂预测方法以及利用蚂蚁追踪属性进行页岩断裂尺度划分的方法。

1.1构造导向平滑滤波

对叠后地震数据体进行构造导向平滑滤波，在保持原地震信号基本状态不变的前提下，对叠后地震数据体进行降噪，突出断裂处的不连续性，有助于提高断裂成像。图3-a(是指图3中的图a)和图3-c(是指图3中图c)是原地震剖面，图3-b(是指图3中的图b)和图3-d(是指图3中的图d)是经过构造平滑滤波处理后的地震剖面，可以看出，经过处理之后的断裂(箭头所示)的断点更加突出，断裂成像效果更佳。

1.2方差体属性计算

对经过构造导向滤波处理后的叠后地震数据体计算方差体属性，并上下开10ms时窗提取过-1850ms的方差体属性切片(图4)。相比于直接从地震数据提取的振幅切片(图4-a)，方差体属性能够更好地反映断距较大、规模较大断层(实线箭头所示)，但对断层较小或者同相轴上有微小错动的地方没有响应(长虚线箭头所示)，也存在着较多不确定是否为断裂的响应(短虚线箭头所示)(图4-b)。

1.3最大曲率属性计算

对经过构造导向滤波处理后的叠后地震数据体计算最大曲率属性，并上下开10ms时窗提取过-1850ms的最大曲率属性切片(图5-a)。相比于方差体切片(图4-b)，最大曲率属性不但能指示方差体属性所能反映的大尺度断裂(实线箭头和长虚线箭头所示)，而且能够指示出方差体属性所不能明确反映的微幅构造或小挠曲上的中尺度断裂(如图5-a短虚线箭头所示)，但是最大曲率属性的弱值所指示的断裂存在交切关系不明、断裂展布不清楚的缺点(椭圆所示)。将最大曲率和方差体属性切片相叠合(图5-b)，看到方差体的强异常与最大曲率属性重合，且最大曲率属性比方差体属性所能指示的断裂要多得多。

1.4蚂蚁追踪属性计算

选择主动追踪模式，对上一步获得的最大曲率属性计算蚂蚁追踪属性，并上下开10ms时窗提取过-1850ms的蚂蚁追踪属性切片(图6-a)。与最大曲率属性切片(图5-b)相比，蚂蚁追踪属性不但能指示曲率属性所能反映的断裂，并且将最大曲率属性中交切关系不明朗的断裂网展示得线性化、更加清晰(图6-a椭圆所示)。除此之外，蚂蚁追踪属性还能预测到更多、更小尺度的断裂，且精度更高。将蚂蚁追踪属性和最大曲率属性切片相叠合，看到最大曲率属性的强异常与蚂蚁追踪属性的异常重合，但蚂蚁追踪属性所指示的断裂更加线性化(图6-b)。

图7是沿龙马溪-五峰组目的层上下开10ms时窗提取的属性沿层切片，图7-a是龙马溪-五峰组目的层的时间域等值线图，图7-b是方差体属性沿层切片，图7-c是最大曲率属性沿层切片，图7-c是蚂蚁追踪属性沿层切片。可见，方差体属性能够反映断距较大、长度较长的大尺度断裂；最大曲率属性不但能指示方差体属性所反映的大尺度断裂，还能够指示中等尺度断裂；而蚂蚁追踪属性能够在最大曲率属性的基础上进一步反映小尺度断裂，并且更加得线性化。这三种属性很好地展示了断裂指示能力的层层递进的关系。

1.5断裂尺度划分

考虑到蚂蚁追踪属性结果可以指示大尺度、中尺度和小尺度三种不同尺度的断裂，而且断裂结果比方差体属性和最大曲率属性所指示的断裂更加线性化，因此利用蚂蚁追踪属性结果进行三种不同尺度断裂的划分，得到三个不同断裂尺度的蚂蚁追踪属性。利用这三个不同尺度的蚂蚁追踪属性，提取出三种不同尺度的断裂片，为下一步分尺度裂缝建模提供数据基础。

本次研究对蚂蚁追踪属性结果的值域进行劈分，需经过多次反复实验，才能得到较佳效果。劈分的基本做法是寻找到合适的门槛值A和B。首先，寻找第一个门槛值A。反复调整A值，使得在[A,1]之间的蚂蚁追踪属性值能够过滤出方差体属性所探测到的大尺度断裂。接着，寻找第二个门槛值B。反复调整B，使得[B,1]之间的蚂蚁追踪属性值能够过滤出最大曲率属性所探测到的大尺度和中尺度断裂组合。那么，[A,1]之间的蚂蚁追踪属性值就反应大尺度断裂，[B,A)之间的蚂蚁追踪属性值就反应中尺度断裂，[-1,B)之间的蚂蚁追踪属性值就反应小尺度断裂。经过多次调试，本次门槛值A确定为0.5，B确定为-0.5。那么第一组值域在[0.5,1]之间，第2组值域在[-0.5,0.5)之间，第3组值域在[-1,-0.5)之间(图8)。

以五峰-龙马溪组为例，目的层的三组劈分结果见图9。图9-a为蚂蚁追踪属性结果指示的大尺度断裂，它与方差体属性所指示的大断裂相似，但是明显看出蚂蚁追踪属性结果更加线性化；图9-b为蚂蚁追踪属性结果指示的中尺度断裂。将图9-a和图9-b相叠合，就是最大曲率属性所能指示的大尺度、中尺度断裂组合，看到蚂蚁追踪属性结果更加线性化、细节化；图9-c为蚂蚁追踪属性结果指示的小尺度断裂，这是方差体属性以及最大曲率属性所不能体现的小尺度断裂。

将图9-a和图9-b相叠合得到图10-a，图上的断裂分布与图7-c最大曲率属性所能指示的大尺度、中尺度断裂组合基本一致，但蚂蚁追踪属性结果更加线性化、细节化；将图9-a、图9-b以及图9-c相叠合得到图10-b,也就是劈分出的三种地震属性尺度的断裂相叠合，与图7-d的蚂蚁追踪属性结果基本一致。

1.6断裂相关参数统计

在完成分尺度断裂预测和划分之后，对研究区的断裂长度和倾角等参数进行统计。图11为三种不同尺度的断裂长度统计图。图11-a显示，地震属性大尺度断裂的长度主要分布在3～6千米之间，总占比约84％；图11-b显示，地震属性中尺度断裂的长度主要分布在1～2.5千米之间，总占比约79％；图11-c显示，地震属性小尺度断裂的长度主要分布在0.1～0.9千米之间，总占比约80％。图12为所有的断裂倾角统计图，图中显示LZ地区断裂倾角主要集中在65～80°之间，以高角度断裂为主。

如图13所示，本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述的一种利用地震多属性识别和划分多尺度页岩断裂的方法。

另外，在本发明各个实施方式中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明各个实施方式方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本发明的部分实施例，并非因此限制本发明的保护范围，凡是利用本发明说明书及附图内容所作的等效装置或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。