一种页岩储层地震预测方法、装置、设备及介质与流程

1.本发明涉及地震数据处理技术领域，尤其涉及一种页岩储层的地震预测方法、装置、设备及介质。


背景技术：

2.随着常规油气资源的逐步枯竭和经济发展对能源需求的不断攀升，非常规油气资源的重要性日益凸显。页岩油气是近年来热门的勘探领域，其开发利用价值对缓解我国能源压力、保障我国能源安全具有重要意义。页岩油气是富集在页岩层系中的油气资源，厚层的富有机质页岩是页岩油气形成富集的首要条件，关系到页岩油气的分布范围和成藏规模，因此确定页岩的空间展布范围是页岩油气勘探的重要环节之一。
3.现有技术中主要通过地震资料来预测页岩储层的空间分布，然而，地震波在传播过程中，由于地表土壤和岩石的影响使得地震波发生衰减或偏移，导致采集到的地震数据会产生较大误差，无法准确反映地下岩层的展布情况，从而影响后续储层解释的可靠程度，加大了页岩油气勘探的风险。因此，目前亟需一种能够减小地震采集数据误差，提高页岩储层空间刻画可靠程度的策略，解决现有技术中地震资料不能准确反映页岩空间展布的问题。


技术实现要素：

4.本发明提供了一种页岩储层地震预测方法、装置、设备及介质，以解决现有技术中无法精准探测页岩储层的技术问题。
5.为了解决上述技术问题，本发明实施例提供了一种页岩储层地震预测方法包括：
6.获取目标区域中的地震数据，并根据所述地震数据确定页岩储层的空间展布范围；其中，所述地震数据是由人工激发所述目标区域中的地壳振动而引起的地震波数据；
7.采集目标区域在预设时间段的应力数据，根据所述应力数据确定所述目标区域中的地质运动合力值；
8.获取所述目标区域在所述预设时间段内的地表遥感图像集，根据所述空间展布范围将所述地表遥感图像集划分为第一遥感图像集和第二遥感图像集；其中，所述第一遥感图像集为所述空间展布范围内所对应的地表遥感图像，所述第二遥感图像集为所述目标区域中除空间展布范围以外的地理范围所对应的地表遥感图像；
9.分别将所述第一遥感图像集和所述第二遥感图像集作为输入图像传输到地表识别模型，得到第一变化矢量和第二变化矢量；其中，所述地表识别模型用于对输入图像的特征变化量进行识别并确定其变化矢量；
10.根据所述第一变化矢量、第二变化矢量和预设权重值，计算所述目标区域中地表变化对于预测页岩储层的影响因素值；
11.根据所述影响因素值对所述地质运动合力值进行修正，得到地震合力值，并根据所述地震合力值对所述空间展布范围进行修正，得到所述目标区域中页岩储层的靶区空间
展布范围。
12.作为优选方案，所述根据所述空间展布范围将所述地表遥感图像集划分为第一遥感图像集和第二遥感图像集的步骤中，具体为：
13.在所述目标区域中建立空间直角坐标系，根据所述空间展布范围在所述目标区域中的空间占比，在所述空间直角坐标系中对所述空间展布范围进行标记，将所述目标区域区分为初始页岩储层区域和空余区域；
14.在所述空间直角坐标系中，将所述初始页岩储层区域向外扩展预设比例，得到最终页岩储层区域；
15.对所述地表遥感图像集中的最终页岩储层区域进行切割，得到第一遥感图像，以及，对所述地表遥感图像集中的空余区域进行切割，得到第二遥感图像。
16.作为优选方案，所述地表识别模型的建立过程，具体为：
17.获取所述目标区域的历史遥感图像，对所述历史遥感图像进行预处理后得到预处理图像；
18.建立初始识别模型，将所述预处理图像输入到所述初始识别模型中进行训练，当训练次数达到训练阈值或训练准确度达到第一准确值时，得到训练识别模型；
19.将所述预处理图像重新输入所述训练识别模型进行测试，当测试准确度达到第二准确值时，得到地表识别模型。
20.作为优选方案，所述地表识别模型用于对输入图像的特征变化量进行识别并确定其变化矢量的具体过程为：
21.对所有输入图像进行特征识别，确定每一个特征的初始位置和终点位置；
22.根据所述初始位置和终点位置，确定每一个特征的变化矢量；
23.对所有特征的变化矢量进行计算，得到所述输入图像的变化矢量。
24.作为优选方案，所述输入图像的变化矢量的计算公式为：
25.x0＝y1×…×
yi；
26.其中，x0为输入图像的变化矢量，yi为每一个特征的变化矢量。
27.作为优选方案，所述影响因素值的计算公式为：
28.h|a1x1×
a2x2|；
29.其中，h为影响因素值，a1和a2均为常值；a1为第一预设权重值，a2为第二预设权重值；x1为第一变化矢量；x2为第二变化矢量。
30.作为优选方案，所述地震合力值的计算公式为：
31.t1＝|h
×
a3k|；
32.其中，t1为地震合力值；a3为常值；k为地质运动合力值；
33.h为影响因素值，当h》预设阈值时，h＝1；当h≤预设阈值时，h＝0.85。
34.相应地，本发明还提供一种页岩储层探测装置，包括：初始模块、采集模块、图像集生成模块、识别模块、计算模块和修正模块；
35.初始模块，用于获取目标区域中的地震数据，并根据所述地震数据确定页岩储层的空间展布范围；其中，所述地震数据是由人工激发所述目标区域中的地壳振动而引起的地震波数据；
36.采集模块，用于采集目标区域在预设时间段的应力数据，根据所述应力数据确定
所述目标区域中的地质运动合力值；
37.图像集生成模块，用于获取所述目标区域在所述预设时间段内的地表遥感图像集，根据所述空间展布范围将所述地表遥感图像集划分为第一遥感图像集和第二遥感图像集；其中，所述第一遥感图像集为所述空间展布范围内所对应的地表遥感图像，所述第二遥感图像集为所述目标区域中除空间展布范围以外的地理范围所对应的地表遥感图像；
38.作为优选方案，所述根据所述空间展布范围将所述地表遥感图像集划分为第一遥感图像集和第二遥感图像集的步骤中，具体为：
39.在所述目标区域中建立空间直角坐标系，根据所述空间展布范围在所述目标区域中的空间占比，在所述空间直角坐标系中对所述空间展布范围进行标记，将所述目标区域区分为初始页岩储层区域和空余区域；
40.在所述空间直角坐标系中，将所述初始页岩储层区域向外扩展预设比例，得到最终页岩储层区域；
41.对所述地表遥感图像集中的最终页岩储层区域进行切割，得到第一遥感图像，以及，对所述地表遥感图像集中的空余区域进行切割，得到第二遥感图像。
42.识别模块，用于分别将所述第一遥感图像集和所述第二遥感图像集作为输入图像传输到地表识别模型，得到第一变化矢量和第二变化矢量；其中，所述地表识别模型用于对输入图像的特征变化量进行识别并确定其变化矢量；
43.作为优选方案，所述地表识别模型的建立过程，具体为：
44.获取所述目标区域的历史遥感图像，对所述历史遥感图像进行预处理后得到预处理图像；
45.建立初始识别模型，将所述预处理图像输入到所述初始识别模型中进行训练，当训练次数达到训练阈值或训练准确度达到第一准确值时，得到训练识别模型；
46.将所述预处理图像重新输入所述训练识别模型进行测试，当测试准确度达到第二准确值时，得到地表识别模型。
47.作为优选方案，所述地表识别模型用于对输入图像的特征变化量进行识别并确定其变化矢量的具体过程为：
48.对所有输入图像进行特征识别，确定每一个特征的初始位置和终点位置；
49.根据所述初始位置和终点位置，确定每一个特征的变化矢量；
50.对所有特征的变化矢量进行计算，得到所述输入图像的变化矢量。
51.作为优选方案，所述输入图像的变化矢量的计算公式为：
52.x0＝y1×…×
yi；
53.其中，x0为输入图像的变化矢量，yi为每一个特征的变化矢量。
54.计算模块，用于根据所述第一变化矢量、第二变化矢量和预设权重值，计算所述目标区域中地表变化对于预测页岩储层的影响因素值；
55.作为优选方案，所述影响因素值的计算公式为：
56.h|a1x1×
a2x2|；
57.其中，h为影响因素值，a1和a2均为常值；a1为第一预设权重值，a2为第二预设权重值；x1为第一变化矢量；x2为第二变化矢量。
58.修正模块，用于根据所述影响因素值对所述地质运动合力值进行修正，得到地震
合力值，并根据所述地震合力值对所述空间展布范围进行修正，得到所述目标区域中页岩储层的靶区空间展布范围。
59.作为优选方案，所述地震合力值的计算公式为：
60.t1＝|h
×
a3k|；
61.其中，t1为地震合力值；a3为常值；k为地质运动合力值；
62.h为影响因素值，当h》预设阈值时，h＝1；当h≤预设阈值时，h＝0.85。
63.相应地，本发明还提供一种终端设备，包括：处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上任意一项所述的页岩储层地震预测方法。
64.相应地，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上任意一项所述的页岩储层地震预测方法。
65.相比于现有技术，本发明实施例具有如下有益效果：
66.本发明能够通过将目标区域中的地震数据来确定页岩储层的空间展布范围，并采集在预测时间段中实际的应力数据来确定地质运动合力值，以此来对空间展布范围进行修正，并通过地表的遥感图像集地表识别模型，进一步提高了识别精度，以此来计算得到预测页岩储层的影响因素值，增加了地表岩层对页岩储层探测的影响，进而得到影响因素值来对地质运动合力值进行修正，得到地震合力值，以提高页岩储层预测的精准度，实现了应力数据、地震数据和地表岩层遥感数据三方面来对页岩储层进行精准探测。
附图说明
67.图1为本发明实施例所提供的一种页岩储层地震预测方法的步骤流程图；
68.图2为本发明实施例所提供的一种页岩储层地震预测方法中地表识别模型的建立过程的步骤流程图；
69.图3为本发明实施例所提供的一种页岩储层探测装置的结构示意图；
70.图4为本发明实施例中步骤s1011预处理过程中的构造导向滤波的原理图。
具体实施方式
71.下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
72.实施例一
73.请参照图1，为本发明实施例提供的一种页岩储层地震预测方法，包括以下步骤s101-s106：
74.s101：获取目标区域中的地震数据，并根据所述地震数据初步确定页岩储层的空间展布范围；其中，所述地震数据是由人工激发所述目标区域中的地壳振动而引起的地震波数据。其中，页岩储层的空间展布范围包括平面发育范围、纵向发育的深度层位。在本步骤中，空间展布范围可以理解为利用地震数据初步预测的范围。
75.需要说明的是，地震数据是地震勘探的方式获得，其原理是通过人工激发，引起目标区域中的地壳振动，而振动引起的地震波通过地面上的检波器接收，并由精密仪器记录并处理的地震波数据。通常情况下，地震勘探的勘探方法主要包括反射法、折射法和地震测井。在研究寻找特殊的高速地层时，折射法比反射法有效。但折射法必须满足下层波速大于上层波速的特定要求，因此折射法的应用范围受到了限制。反射法只要求岩层波阻抗有所变化，所需条件易满足，因而地震勘探中广泛采用的是反射法。优选地，在本实施例中，采用反射法的地震勘探来获取地震数据，并根据地震数据，来确定页岩储层的空间展布范围。
76.在另一实施例的中，对步骤s101进行改进，本方案在所述获取目标区域中的地震数据的步骤之后，还包括步骤s1011。如图4所示，为本实施例中预处理步骤过程中的构造导向滤波的原理图。为了提高地震数据解译结果的准确性，本步骤s1011用于对地震数据进行预处理，具体思路是应用构造导向滤波处理方法提高地震资料的信噪比，同时突出断层的地震剖面特征；应用振幅能量均衡处理方法，以解决地震剖面纵横向能量差异大的问题。
77.步骤s1011应用构造导向滤波处理方法对叠后地震数据体进行去噪，采用各向异性扩散平滑算法，即平滑操作只对平行于地震同相轴的信息进行，而对垂直于地震同相轴方向的信息不作任何平滑。如图4所示，给出了构造导向滤波的原理图，滤波过程包括以下三个子步骤：
78.第一子步骤，导向分析。主要是通过扫描并计算主测线和联络测线所有地震采样点的一对正交倾角属性，最终获得每个样点处带有倾角和方位角信息的数据体。导向分析是构造导向滤波技术的核心，只要倾角和方位角被估算出来，就可以沿着反射同相轴方向进行滤波。
79.第二子步骤，边缘检测。边缘探测是对地震反射终止形式进行探测、识别的过程，通过导向分析，对反射同相轴进行定向，然后把定向后的有效信号、随机噪声以及与反射同相轴交叉的其他方向的相干噪声区分开来。
80.第三子步骤，边缘保护性定向滤波。边缘保护是基于三维数据的各向异性漫射技术，经边缘保护的构造导向滤波处理后的地震资料，由于噪声的降低，同相轴的连续性被加强，是断层的尖锐性得到保存甚至改善，使地震数据同相轴的连续和间断特征更明显，可以提高断层识别和层位追踪的可靠性，有助于后续精细构造解释与储层精准预测。
81.具体地，野外原始地震记录或水平叠加剖面上，由于波前扩散和地层吸收作用，往往出现浅、中、深层或道间反射能量差异较大，或者道与道间的能量不均衡情形。能量不均衡问题一方面会影响叠加效果，另一方面不便于数据的显示。为此，本实施例的一个可选实施方案中，在地震数资料处理中进行振幅均衡处理，振幅均衡包括道内平衡和道间均衡。道内平衡是指经叠加处理后的地震信息，往往浅层能量很强，深层能量很弱，如果最强振幅与最弱的振幅相差太大时，只能显示出一个，另一个显示不出来，需要做道内平衡。道间均衡是指地震记录上反射能量随炮检距加大而衰减，另外也可能因为激发及接收条件的差异，使道与道之间的能量不均衡；而共深度点叠加时，会因能量不均衡影响叠加效果，此时需要进行道间的能量均衡处理。本实施例，应用振幅均衡处理方法，首先进行道内均衡，减小深浅能量差异，然后再进行道间能量均衡处理，最终处理后剖面的成像效果有很大改善，尤其是标志层同相轴能量更加突出，断陷结构和地层接触关系更加清楚，横向更易于追踪对比解释，有助于提高构造解释精度。
82.s102：采集目标区域在预设时间段的应力数据，根据所述应力数据确定所述目标区域中的地质运动合力值。
83.需要说明的是，通过应力采集器或利用成像测井数据，获取目标区域页岩储层在预测时间段内的实际应力数据，并通过实际的应力数据来确定目标区域页岩储层的地质运动合力值。可以理解的是，地质运动合力能在后续步骤中能够对预设时间段对应的数据进行修正和判断，以此来提高对页岩储层探测的准确性。优选地，预设时间段根据实际的探测需求来确定。
84.在本实施例中，地质运动合力值的计算公式为：
85.k＝k1×…×ki
；其中，k为地质运动合力值，ki为每一个应力数据的矢量。
86.需要说明的是，地质运动合力值k为每一个应力数据的矢量的乘积，应力数据则是通过在钻井中下入应力采集器，来采集应力数据，或者利用成像测井获得的最大最小水平应力数据，综合两种手段获取应力数据以保证能够准确获取确定所述页岩储层中的地质运动合力值。
87.s103：获取所述目标区域在所述预设时间段内的地表遥感图像集，根据所述空间展布范围将所述地表遥感图像集划分为第一遥感图像集和第二遥感图像集；其中，所述第一遥感图像集为所述空间展布范围内所对应的地表遥感图像，所述第二遥感图像集为所述目标区域中除空间展布范围以外的地理范围所对应的地表遥感图像。
88.具体地，在所述目标区域中建立空间直角坐标系，根据所述空间展布范围在所述目标区域中的空间占比，在所述空间直角坐标系中对所述空间展布范围进行标记，将所述目标区域区分为初始页岩储层区域和空余区域；在所述空间直角坐标系中，将所述初始页岩储层区域向外扩展预设比例，得到最终页岩储层区域；对所述地表遥感图像集中的最终页岩储层区域进行切割，得到第一遥感图像，以及，对所述地表遥感图像集中的空余区域进行切割，得到第二遥感图像。
89.需要说明的是，通过建立的空间直角坐标系后，根据空间展布范围在目标区域中的空间占比，对空间直角坐标系中的空间展布范围进行标记，以使区分初始页岩储层区域以及空余区域，并将初始页岩储层区域向外扩展预设比例，得到最终页岩储层区域，使得能够精确地对最终页岩储层区域以及空余区域进行处理，从而能够对遥感图像进行切割，得到第一遥感图像和第二遥感图像，使得进一步提高对不同区域进行处理的精确性，避免了采用对整体区域进行处理的方式，从而降低了页岩储层探测中由于整体地质区域较大而导致的误差。
90.s104：分别将所述第一遥感图像集和所述第二遥感图像集作为输入图像传输到地表识别模型，得到第一变化矢量和第二变化矢量；其中，所述地表识别模型用于对输入图像的特征变化量进行识别并确定其变化矢量。
91.具体地，对所有输入图像进行特征识别，确定每一个特征的初始位置和终点位置；根据所述初始位置和终点位置，确定每一个特征的变化矢量；对所有特征的变化矢量进行计算，得到所述输入图像的变化矢量。
92.需要说的是，地表识别模型首先通过对第一遥感图像集和第二遥感图像集作为的输入图像进行特征识别，得到每一个特征的初始位置和终点位置，并确定每一个特征的变化矢量，从而对所有特征的变化矢量进行计算，得到输入图像的变化矢量。在本实施例中，
通过对每一个输入图像的特征进行识别，能够准确地对每一个输入图像所得到的每一个特征的变化矢量进行计算，从而来得到所有特征的变化矢量，作为输入图像的变化矢量，以此来得到第一遥感图像集和第二遥感图像集分别所对应的第一变化矢量和第二变化矢量。
93.作为本实施例的一种优选方案，请参阅图2，所述地表识别模型的建立过程，具体包括以下步骤s201-s203：
94.s201：获取所述目标区域的历史遥感图像，对所述历史遥感图像进行预处理后得到预处理图像。
95.s202：建立初始识别模型，将所述预处理图像输入到所述初始识别模型中进行训练，当训练次数达到训练阈值或训练准确度达到第一准确值时，得到训练识别模型。
96.s203：将所述预处理图像重新输入所述训练识别模型进行测试，当测试准确度达到第二准确值时，得到地表识别模型。
97.需要说明的是，地表识别模型的建立过程主要是通过对历史遥感图像进行处理以及训练，能够真实地反映模型的训练准确度，在达到训练的第一准确值后在对模型进行测试，测试准确度达到第二准确值后才得到地表识别模型，二次测试的检验避免模型训练过程中可能会导致的误差。优选地，第一准确值和第二准确值根据实际的训练精度、遥感图像以及所达到的需求来确定。
98.作为本实施例的一种优选方案，所述输入图像的变化矢量的计算公式为：
99.x0＝y1×…×
yi；其中，x0为输入图像的变化矢量，yi为每一个特征的变化矢量。
100.需要说明的是，对每个特征的变化矢量yi进行计算后，便可得到输入图像的变化矢量x0，从而得到第一遥感图像集和第二遥感图像集分别所对应的第一变化矢量和第二变化矢量。
101.s105：根据所述第一变化矢量、第二变化矢量和预设权重值，计算所述目标区域中地表变化对于预测页岩储层的影响因素值。
102.作为本实施例的一种优选方案，所述影响因素值的计算公式为：
103.h|a1x1×
a2x2|；其中，h为影响因素值，a1和a2均为常值；a1为第一预设权重值，a2为第二预设权重值；x1为第一变化矢量；x2为第二变化矢量。
104.需要说明的是，第一预设权重值a1和第二预设权重值a2均根据实际的影响关联需求来确定，通过对第一变化矢量和第二变化矢量的权重分配来对第一遥感图像集和第二遥感图像集，即最终页岩储层区域以及空余区域，进行影响因素值的计算，进而能够提高影响因素值h的准确性以及可信度。
105.s106：根据所述影响因素值对所述地质运动合力值进行修正，得到地震合力值，并根据所述地震合力值对所述空间展布范围进行修正，得到所述目标区域中页岩储层的靶区空间展布范围。
106.在本步骤中，通过地震数据能够初步确定页岩储层的空间展布范围，空间展布范围的平面、纵向尺度的精度比较低，因此，利用所述地震合力值对空间展布范围进行修正，在目标区域中圈定出范围更小、更为精确的优质页岩储层靶区空间展布范围，从而实现页岩储层的空间展布的精细刻画。
107.作为本实施例的一种优选方案，所述地震合力值的计算公式为：
108.t1＝|h
×
a3k|；其中，t1为地震合力值；a3为常值；k为地质运动合力值；h为影响因
素值，当h》预设阈值时，h＝1；当h≤预设阈值时，h＝0.85。
109.需要说明的是，影响因素值h大于预设阈值时，即地震合力值主要是根据地质运动合力值来进行确定；但当h小于预设阈值时，通过将h设为0.85，来限定计算地质运动合力值，同时也避免了由于第一变化矢量和第二变化矢量之间存在的误差等因素，导致影响因素值过小，从而导致计算所得到的地震合力值误差过大、准确性低和可信度低的情况。优选地，预设阈值和常值a3均根据实际的需求进行确定。
110.实施本发明实施例，具有如下效果：
111.本发明实施例通过将目标区域中的地震数据来确定页岩储层的空间展布范围，并采集在预测时间段中实际的应力数据来确定地质运动合力值，以此来对空间展布范围进行修正，并通过地表的遥感图像集以及对地表识别模型的训练，进一步提高了模型的识别精度，以此来计算得到预测页岩储层的影响因素值，增加了地表岩层对页岩储层探测的影响，进而得到影响因素值来对地质运动合力值进行修正，得到地震合力值，以提高页岩储层预测的精准度，以应力数据、地震波数据和地表遥感数据三方面来对页岩储层进行预测，实现了能够高精准地对页岩储层进行探测。
112.实施例二
113.相应地，本发明实施例还提供一种页岩储层探测装置，包括：初始模块301、采集模块302、图像集生成模块303、识别模块304、计算模块305和修正模块306。
114.初始模块301，用于获取目标区域中的地震数据，并根据所述地震数据确定页岩储层的空间展布范围；其中，所述地震数据是由人工激发所述目标区域中的地壳振动而引起的地震波数据。
115.采集模块302，用于采集目标区域在预测时间段的应力数据，根据所述应力数据确定所述目标区域中的地质运动合力值。
116.图像集生成模块303，用于获取所述目标区域在所述预设时间段内的地表遥感图像集，根据所述空间展布范围将所述地表遥感图像集划分为第一遥感图像集和第二遥感图像集；其中，所述第一遥感图像集为所述空间展布范围内所对应的地表遥感图像，所述第二遥感图像集为所述目标区域中除空间展布范围以外的地理范围所对应的地表遥感图像。
117.作为本实施例的一种优选方案，所述根据所述空间展布范围将所述地表遥感图像集划分为第一遥感图像集和第二遥感图像集的步骤中，具体为：
118.在所述目标区域中建立空间直角坐标系，根据所述空间展布范围在所述目标区域中的空间占比，在所述空间直角坐标系中对所述空间展布范围进行标记，将所述目标区域区分为初始页岩储层区域和空余区域；在所述空间直角坐标系中，将所述初始页岩储层区域向外扩展预设比例，得到最终页岩储层区域；对所述地表遥感图像集中的最终页岩储层区域进行切割，得到第一遥感图像，以及，对所述地表遥感图像集中的空余区域进行切割，得到第二遥感图像。
119.识别模块304，用于分别将所述第一遥感图像集和所述第二遥感图像集作为输入图像传输到地表识别模型，得到第一变化矢量和第二变化矢量；其中，所述地表识别模型用于对输入图像的特征变化量进行识别并确定其变化矢量。
120.作为本实施例的一种优选方案，所述地表识别模型的建立过程，具体为：
121.获取所述目标区域的历史遥感图像，对所述历史遥感图像进行预处理后得到预处
理图像；建立初始识别模型，将所述预处理图像输入到所述初始识别模型中进行训练，当训练次数达到训练阈值或训练准确度达到第一准确值时，得到训练识别模型；将所述预处理图像重新输入所述训练识别模型进行测试，当测试准确度达到第二准确值时，得到地表识别模型。
122.作为本实施例的一种优选方案，所述地表识别模型用于对输入图像的特征变化量进行识别并确定其变化矢量的具体过程为：
123.对所有输入图像进行特征识别，确定每一个特征的初始位置和终点位置；根据所述初始位置和终点位置，确定每一个特征的变化矢量；对所有特征的变化矢量进行计算，得到所述输入图像的变化矢量。
124.作为本实施例的一种优选方案，所述输入图像的变化矢量的计算公式为：
125.x0＝y1×…×
yi；其中，x0为输入图像的变化矢量，yi为每一个特征的变化矢量。
126.计算模块305，用于根据所述第一变化矢量、第二变化矢量和预设权重值，计算所述目标区域中地表变化对于预测页岩储层的影响因素值。
127.作为优选方案，所述影响因素值的计算公式为：
128.h|a1x1×
a2x2|；其中，h为影响因素值，a1和a2均为常值；a1为第一预设权重值，a2为第二预设权重值；x1为第一变化矢量；x2为第二变化矢量。
129.修正模块306，用于根据所述影响因素值对所述地质运动合力值进行修正，得到地震合力值，并根据所述地震合力值对所述空间展布范围进行修正，得到所述目标区域中页岩储层的靶区空间展布范围。
130.作为优选方案，所述地震合力值的计算公式为：
131.t1＝|h
×
a3k|；其中，t1为地震合力值；a3为常值；k为地质运动合力值；h为影响因素值，当h》预设阈值时，h＝1；当h≤预设阈值时，h＝0.85。
132.所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
133.另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
134.实施本发明实施例，具有如下效果：
135.本发明实施例能够通过将目标区域中的地震数据来确定空间展布范围，同时采集在预设时间段中的应力数据来确定地质运动合力值，并根据地表的遥感图像集，对空间展布范围进行多方面的影响因素的考虑，从而得到修正后的地震合力值，进而来确定目标区域中页岩储层的靶区空间展布范围，提高了对页岩储层探测的精准度以及可信度，实现了能够多方面精准地对页岩储层进行探测。
136.实施例三
137.相应地，本发明还提供一种终端设备，包括：处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上任意一项实施例所述的页岩储层地震预测方法。
138.该实施例的终端设备包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序、计算机指令。所述处理器执行所述计算机程序时实现上述实
施例一中的各个步骤，例如图1所示的步骤s101至s106。或者，所述处理器执行所述计算机程序时实现上述装置实施例中各模块/单元的功能，例如初始模块301。
139.示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述终端设备中的执行过程。例如，所述计算机程序可以被分割成图像集生成模块，模块具体功能如下：用于获取所述目标区域在所述预设时间段内的地表遥感图像集，根据所述页岩储层在所述目标区域中的地理范围，将所述地表遥感图像集划分为第一遥感图像集和第二遥感图像集。
140.所述终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，示意图仅仅是终端设备的示例，并不构成对终端设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
141.所称处理器可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述终端设备的控制中心，利用各种接口和线路连接整个终端设备的各个部分。
142.所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据移动终端的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
143.其中，所述终端设备集成的模块/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，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进
行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
144.实施例四
145.相应地，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上任意一项实施例所述的页岩储层地震预测方法。
146.以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围。特别指出，对于本领域技术人员来说，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。