具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。

图1是本发明一实施例提供的基于虚拟井的叠前数据处理方法的流程示意图，如图1所示，本发明实施例提供的基于虚拟井的叠前数据处理方法，包括：

S101、根据目标区域的每个虚拟井点的原始地震记录数据，获得每个虚拟井点的角道集地震记录数据；其中，所述虚拟井点有预设数量；

具体地，通过野外采集获得目标区域的原始地震记录数据，在所述目标区域内选择预设数量的典型位置，将每个典型位置作为一个虚拟井点，可以得到预设数量虚拟井点。服务器可以从所述目标区域的原始地震记录数据中，获得每个虚拟井点的原始地震记录数据，然后对每个虚拟井点的原始地震记录数据进行处理，可以得到每个虚拟井点的角道集地震记录数据。其中，所述典型位置根据实际情况进行选取，本发明实施例不做限定。本发明实施例提供的基于虚拟井的叠前数据处理方法的执行主体包括但不限于服务器。

例如，所述服务器将将野外采集的每个虚拟井点的原始地震记录数据进行叠前去噪、压制多次波和真振幅恢复等叠前数据预处理，得的预处理之后的每个虚拟井点的原始地震记录数据，然后对预处理之后的每个虚拟井点的原始地震记录数据进行角道集抽取，从而得到每个虚拟井点的角道集地震记录数据。其中，叠前去噪具体过程可以包括：对原始地震记录数据进行2*4叠加，得到共偏移距叠加超道集，共偏移距叠加超道集可以有效压制随机噪音。

S102、根据每个虚拟井点的角道集地震记录数据，获得每个虚拟井点的虚拟井数据；

具体地，所述服务器在获得每个虚拟井点的角道集地震记录数据之后，可以根据每个虚拟井点的角道集地震数据进行叠前地震波形反演，获得每个虚拟井点的虚拟井数据。

例如，所述服务器根据每个虚拟井点的角道集地震记录数据对应的速度数据，建立每个虚拟井点的初始地质模型，然后基于所述初始地质模型，随机生成每个虚拟井点的n组随机地质模型，接着根据每个虚拟井点的n组随机地质模型以及佐伊普里兹方程，获得每个虚拟井点的合成地震记录数据，再根据每个虚拟井的合成地震记录数据、每个虚拟井点的角道集地震记录数据以及遗传算法，获得每个虚拟井点的虚拟井数据。

S103、根据所述预设数量的虚拟井点的虚拟井数据，构建所述目标区域的初始数据体模型；

具体地，所述服务器在获得各个所述虚拟井点的虚拟井数据之后，可根据所述预设数量的虚拟井点的虚拟井数据，构建所述目标区域的初始数据体模型。

例如，所述服务器可以基于所述预设数量的虚拟井点的虚拟井数据和插值法，构建所述目标区域的初始数据体模型。

S104、根据所述目标区域的角道集地震记录数据以及所述目标区域的初始数据体模型，获得所述目标区域的最终叠前参数数据体模型。

具体地，所述服务器对所述目标区域的原始地震记录数据进行处理，可以获得所述目标区域的角道集地震记录数据。所述服务器根据所述目标区域的角道集地震记录数据以及所述目标区域的初始数据体模型，可以获得所述目标区域的最终叠前参数数据体模型，从而实现对所述目标区域的叠前数据的处理。其中，所述目标区域的最终叠前参数数据体模型包括纵波速度、横波速度和密度参数，纵波速度、横波速度和密度参数结合岩石弹性参数之间的理论关系可以得到泊松比、剪切模量和拉梅常数等多种弹性参数数据体，进而可以结合所述目标区域的储层及其含流体后的特征，对所述目标区域的储层和流体进行预测。所述目标区域的角道集地震记录数据的具体获得过程，与每个虚拟井点的角道集地震记录数据的具体获得过程类似，此处不进行赘述。

例如，所述服务器可以根据所述目标区域的角道集地震记录数据以及预设公式，对所述目标区域的初始数据体模型进行修正，获得所述目标区域的最终叠前参数数据体模型。其中，所述预设公式根据实际经验进行设置，本发明实施例不做限定。

本发明实施例提供的基于虚拟井的叠前数据处理方法，根据目标区域的每个虚拟井点的原始地震记录数据，获得每个虚拟井点的角道集地震记录数据，然后根据每个虚拟井点的角道集地震记录数据，获得每个虚拟井点的虚拟井数据，接着根据预设数量的虚拟井点的虚拟井数据，构建目标区域的初始数据体模型，再根据目标区域的角道集地震记录数据以及目标区域的初始数据体模型，获得目标区域的最终叠前参数数据体模型，实现了通过虚拟井数据获得目标区域的叠前参数数据，提高了目标区域的叠前参数数据的准确性。此外，由于在目标区域无需测井，就可以得到目标区域的叠前参数数据，可以减少地质勘探的成本。

图2是本发明另一实施例提供的基于虚拟井的叠前数据处理方法的流程示意图，如图2所示，所述根据每个虚拟井点的角道集地震记录数据，获得每个虚拟井点的虚拟井数据包括：

S1021、根据每个虚拟井点的角道集地震记录数据对应的速度数据，建立每个虚拟井点的初始地质模型；

具体地，对每个虚拟井点的原始地震记录数据进行速度分析，可以得到每个虚拟井点的角道集地震记录数据对应的速度数据，然后对每个虚拟井点的角道集地震记录数据对应的速度数据进行分析处理，可以建立每个虚拟井点的初始地质模型，所述初始地质模型是各向同性弹性的。其中，所述初始地质模型包括地质模型参数，所述地质模型参数包括纵波速度V_p、横波速度V_s和密度参数ρ。

S1022、基于所述初始地质模型，随机生成每个虚拟井点的n组随机地质模型；

具体地，所述服务器在获得所述初始地质模型之后，可以随机生成每个虚拟井点的n组随机地质模型，每组地质模型参数包括关于纵波速度V_p的随机地质模型，关于横波速度V_s的随机地质模型和关于密度参数ρ的随机地质模型。其中，关于纵波速度V_p的随机地质模型即保持横波速度V_s和密度参数ρ不变，随机生成纵波速度V_p，关于横波速度V_s的随机地质模型和关于密度参数ρ的随机地质模型；关于横波速度V_s的随机地质模型即保持纵波速度V_p和密度参数ρ不变，随机生成横波速度V_s；关于密度参数ρ的随机地质模型即保持横波速度V_s和密度参数ρ不变，随机生成密度参数ρ；n为正整数，n的数值根据实际需要进行设置，本发明实施例不做限定。

S1023、根据每个虚拟井点的n组随机地质模型以及佐伊普里兹方程，获得每个虚拟井点的合成地震记录数据；

具体地，所述服务器在获得每个虚拟井点的n组地质模型参数之后，将每个虚拟井点的n组随机地质模型的地质模型参数输入到佐伊普里兹(Zoeppritz)方程中，即将每组随机地质模型的纵波速度V_p、横波速度V_s和密度参数ρ输入到Zoeppritz方程中，可以获得每个虚拟井点的合成地震记录数据，所述合成地震记录数据包括纵波速度V_p、横波速度V_s和密度参数ρ。

S1024、根据每个虚拟井的合成地震记录数据、每个虚拟井点的角道集地震记录数据以及遗传算法，获得每个虚拟井点的虚拟井数据。

具体地，所述服务器在获得每个虚拟井的合成地震记录数据之后，可以根据每个虚拟井的合成地震记录数据、每个虚拟井点的角道集地震记录数据以及遗传算法(GeneticAlgorithm，简称GA)，获得每个虚拟井点的虚拟井数据。

例如，设置GA的目标函数为：

其中，i＝1,2,3…，n，i表示第i个群体成员，群体成员在本发明实施例中是指虚拟井点的角道集地震记录数据或合成地震记录数据，nt表示地震道时间取样点数，seis_i表示所述虚拟井点的角道集地震记录数据中的第i个群体成员，syn_ji表示所述虚拟井点的第i个群体成员的第j个随机模型的合成地震记录数据。n表示群体样本数，n越大，搜索点越多，搜索效率应该越高，但实际上增加搜索点，也就增加了计算量，因此在实际使用时，需要选择合适的群体样本数n。目标函数objects是刻画最优解的标准，也是适应度计算的依据，一般是以计算值与实测值之间的拟合程度或误差大小为标准。设置作为收敛结束条件的反演精度ε，反演精度ε根据实际经验进行设置，本发明实施例不做限定。

确定地质模型参数纵波速度V_p、横波速度V_s和密度参数ρ的搜索范围和搜索间隔，根据搜索范围和搜索间隔对地质模型参数进行整数编码，并令j＝0，根据地质模型参数生成拟合地质模型的初始随机模型总体P_j，随机模型总体P_j包括三种类型的随机模型，即关于纵波速度V_p的随机地质模型，关于横波速度V_s的随机地质模型和关于密度参数ρ的随机地质模型。每个虚拟井的随机模型总体的角道集合成地震记录即为每个虚拟井的合成地震记录数据。

根据搜索范围和搜索间隔，确定各地质模型参数的取值个数为n，为节省空间对所有地质模型参数进行整数编码，并满足：

X＝X_min+D_xCode (2)

Code＝(X-X_min)/D_x (3)

其中，X表示地质模型参数，X_min表示参数最小值，Code表示码值，D_x表示参数X的搜索精度。对多参数、复杂非线性问题，编码的优劣直接影响计算效率。本实本发明实施例采用整数编码方案有效降低码的长度，加快了计算速度。[X_min,X_max]为给定地址模型参数X的取值范围，X_min和X_max的取值根据实际需要进行设置，本发明实施例不做限定。可理解的是X为纵波速度V_p、横波速度V_s或者密度参数ρ。

假设生成了n个随机模型，即关于纵波速度V_p的随机地质模型、关于横波速度V_s的随机地质模型和关于密度参数ρ的随机地质模型分别有n个。

比较每个虚拟井的合成地震记录数据和每个虚拟井点的角道集地震记录数据，通过公式(1)计算目标函数值。角道集地震记录数据seis与合成地震记录数据syn_j之间的匹配程度称为模型的拟合度，如果随机模型与实际情况相差很远，角道集地震记录数据seis与对应的合成地震记录数据syn_j的匹配就会很差。相反如果所选随机模型接近实际情况，从而使角道集地震记录数据seis与对应的合成地震记录数据syn_j能很好地匹配。

根据目标函数值可由转换得到适应度函数，适应度函数fitness的计算如下：

其中，i＝1,2,3…，n，objects_i表示第i个群体成员的目标函数值，σ表示群体目标函数的方差，fitness_i表示第i个群体成员的适应度值。适应度函数是由目标函数转换而得到的，用于刻画个体适应生存能力的函数。

比较每个虚拟井的合成地震记录数据syn_j和每个虚拟井点的角道集地震记录数据seis，计算并保存目标函数值objects_i，并根据目标函数值转换得到适应度函数值fitness_i；

如果objects_i满足结束条件objects_i＜ε，结束对地质模型参数纵波速度V_p、横波速度V_s和密度参数ρ的处理并输出结果，从而得到所述虚拟井点的虚拟井数据。如果不满足上述结束条件，那么根据目标函数的值及由其变换计算出的适应度函数对虚拟井的随机模型总体P_j做再生、交叉和变异操作，更新P_j，令j＝j+1，生成新的随机模型总体P_j，重新计算目标函数值，直到目标函数值满足上述结束条件。

在上述各实施例的基础上，进一步地，所述根据所述预设数量的虚拟井点的虚拟井数据，构建所述目标区域的初始数据体模型包括：

基于所述预设数量的虚拟井点的虚拟井数据和插值法，构建所述目标区域的初始数据体模型。

具体地，所述服务器在获得各个所述虚拟井点的虚拟井数据之后，依据所述预设数量的虚拟井点的虚拟井数据，在解释层位的约束下选用克里金、最小平方等方法进行插值，构建所述目标区域的初始数据体模型，所述初始数据体模型上的每个位置点对应纵波速度V_p、横波速度V_s和密度参数ρ。其中，在构建所述初始数据体模型时，插值的间距和数量根据实际地震记录的参数进行设置，本发明实施例不做限定。

在上述各实施例的基础上，进一步地，所述根据所述目标区域的角道集地震记录数据以及所述目标区域的初始数据体模型，获得所述目标区域的最终叠前参数数据体模型包括：

根据所述目标区域的角道集地震记录数据以及预设公式，对所述目标区域的初始数据体模型进行修正，获得所述目标区域的最终叠前参数数据体模型。

具体地，所述服务器根据所述预设公式，计算所述目标区域的角道集地震记录数据和所述目标区域的初始数据体模型的偏差，如果所述偏差的变化率小于设定值，那么将所述目标区域的初始数据体模型作为所述目标区域的最终叠前参数数据体模型。如果所述偏差的变化率大于或者等于设定值，那么调整所述目标区域的初始数据体模型，重新计算所述目标区域的角道集地震记录数据和调整后的所述目标区域的初始数据体模型的偏差，直到重新计算的偏差的变化率小于所述设定值或者重新计算的次数达到预设次数，那么将最后一次调整的所述目标区域的初始数据体模型作为所述目标区域的最终叠前参数数据体模型。其中，所述设定值根据实际经验进行设置，例如所述设定值在0.05～0.1之间，本发明实施例不做限定；所述预设次数根据实际经验进行设置，例如所述预设次数为10次，本发明实施例不做限定。

例如，所述预设公式为：

其中，J(L)表示所述目标区域的角道集地震记录数据和所述目标区域的计算的数据体模型的偏差，W_θi表示入射角为θ_i(i＝1,2,3,…,M)的子波，表示所述目标区域的角道集地震记录数据，C₃＝c₃，c₁＝1+tan²θ，c₂＝-8γ²sin²θ，L＝[L_P L_S L_D]^T，L_p＝ln(Z_p)，L_S＝ln(Z_S)＝kln(Z_p)+k_c+ΔL_S，L_D＝ln(ρ)＝mln(Z_p)+m_c+ΔL_D，k_c表示数据ln(Z_p)和ln(Z_S)拟合直线的截距，m_c表示数据ln(Z_p)和ln(ρ)拟合直线的截距，Z_p＝V_p*ρ，μ为正则化参数且0.7＜μ＜1.3，为势函数且t为无量纲量，M表示角道集总数，Q表示岩性分层数，ΔL_s表示与横波相关的岩石流体内含油气的影响因子，ΔL_D表示与密度相关的岩石流体含油气的影响因子。其中，所述目标区域的计算的数据体模型包括初始数据体模型以及调整后的所述目标区域的初始数据体模型。

上述预设公式中，k、m、ΔL_s和ΔL_D为未知数，关于k、m、ΔL_s和ΔL_D存在如下表达式：

ln(Z_S)＝kln(Z_p)+k_c+ΔL_S (3)

ln(ρ)＝mln(Z_p)+m_c+ΔL_D (4)

其中，ln(Z_S)＝ln(Z_p)+ln(γ)。可以将公式(3)看作是关于ln(Z_P)和ln(Z_S)的一元一次函数，由于所述目标区域的初始数据体模型中的纵波速度V_p、横波速度V_s和密度参数ρ已知，基于公式Z_p＝V_p*ρ可以求得ln(Z_P)，基于ln(Z_S)＝ln(Z_p)+ln(γ)和可以求得ln(Z_S)，然后对公式(3)进行数据拟合，可以求得k。在求得ln(Z_P)和ln(Z_S)后，在迪卡尔坐标系中，以ln(Z_P)为横坐标和以ln(Z_S)为纵坐标的数据点分布成两块：密集区域和稀疏区域，密集区域的数据点是背景值，也即密集区域为背景值分布区，而稀疏区域的数据点是含油气引起的异常值，即稀疏区域为含油气引起的异常值分布区，以密集区域的数据点进行拟合得到第一直线方程，以稀疏区域的数据点进行拟合得到第二直线方程，第一直线方程在纵坐标上的截距值与第二直线方程在纵坐标上的截距值之差的绝对值即为ΔL_s。同理，可以基于公式(4)获得m和ΔL_D。

将k、m、ΔL_s和ΔL_D带入到上述预设公式中，可以求得当前初始数据体模型的纵波速度V_p、横波速度V_s和密度参数ρ对应的J(L)，将上述J(L)的变化率与所述设定值进行比较，如果上述J(L)的变化率大于等于所述设定值，那么在当前Z_P上增加△Zp，△Zp的取值可以为相应Z_p初始值的1％，然后重新计算J(L)，直到重新计算的J(L)的变化率小于所述设定值或者重新计算J(L)的次数大于所述预设次数。重新计算的J(L)的变化率小于所述设定值或者重新计算的J(L)的次数大于所述预设次数所对应的修改后的初始数据体模型，即为所述目标区域的最终叠前参数数据体模型。

图3是本发明一实施例提供的基于虚拟井的叠前数据处理装置的结构示意图，如图3所示，本发明实施例提供的基于虚拟井的叠前数据处理装置包括第一获得单元301、第二获得单元302、构建单元303和第三获得单元304，其中：

第一获得单元301用于根据目标区域的每个虚拟井点的原始地震记录数据，获得每个虚拟井点的角道集地震记录数据；其中，所述虚拟井点有预设数量；第二获得单元302用于根据每个虚拟井点的角道集地震记录数据，获得每个虚拟井点的虚拟井数据；构建单元303用于根据所述预设数量的虚拟井点的虚拟井数据，构建所述目标区域的初始数据体模型；第三获得单元304用于根据所述目标区域的角道集地震记录数据以及所述目标区域的初始数据体模型，获得所述目标区域的最终叠前参数数据体模型。

具体地，通过野外采集获得目标区域的原始地震记录数据，在所述目标区域内选择预设数量典型位置，将每个典型位置作为一个虚拟井点，可以得到预设数量虚拟井点。第一获得单元301可以从所述目标区域的原始地震记录数据中，获得每个虚拟井点的原始地震记录数据，然后对每个虚拟井点的原始地震记录数据进行处理，可以得到每个虚拟井点的角道集地震记录数据。其中，所述典型位置根据实际情况进行选取，本发明实施例不做限定。

在获得每个虚拟井点的角道集地震记录数据之后，第二获得单元302可以根据每个虚拟井点的角道集地震数据进行叠前地震波形反演，获得每个虚拟井点的虚拟井数据。

在获得各个所述虚拟井点的虚拟井数据之后，构建单元303可根据所述预设数量的虚拟井点的虚拟井数据，构建所述目标区域的初始数据体模型。

第三获得单元304对所述目标区域的原始地震记录数据进行处理，可以获得所述目标区域的角道集地震记录数据。第三获得单元304根据所述目标区域的角道集地震记录数据以及所述目标区域的初始数据体模型，可以获得所述目标区域的最终叠前参数数据体模型，从而实现对所述目标区域的叠前数据的处理。其中，所述目标区域的最终叠前参数数据体模型包括纵波速度、横波速度和密度参数，纵波速度、横波速度和密度参数结合岩石弹性参数之间的理论关系可以得到泊松比、剪切模量和拉梅常数等多种弹性参数数据体，进而可以结合所述目标区域的储层及其含流体后的特征，对所述目标区域的储层和流体进行预测。所述目标区域的角道集地震记录数据的具体获得过程，与每个虚拟井点的角道集地震记录数据的具体获得过程类似，此处不进行赘述。

本发明实施例提供的基于虚拟井的叠前数据处理装置，根据目标区域的每个虚拟井点的原始地震记录数据，获得每个虚拟井点的角道集地震记录数据，然后根据每个虚拟井点的角道集地震记录数据，获得每个虚拟井点的虚拟井数据，接着根据预设数量的虚拟井点的虚拟井数据，构建目标区域的初始数据体模型，再根据目标区域的角道集地震记录数据以及目标区域的初始数据体模型，获得目标区域的最终叠前参数数据体模型，实现了通过虚拟井数据获得目标区域的叠前参数数据，提高了目标区域的叠前参数数据的准确性。此外，由于在目标区域无需测井，就可以得到目标区域的叠前参数数据，可以减少地质勘探的成本。

图4是本发明另一实施例提供的基于虚拟井的叠前数据处理装置的结构示意图，如图4所示，第二获得单元302包括建立子单元3021、生成子单元3022、第一获得子单元3023和第二获得子单元3024，其中：

建立子单元3021用于根据每个虚拟井点的角道集地震记录数据对应的速度数据，建立每个虚拟井点的初始地质模型；生成子单元3022用于基于所述初始地质模型，随机生成每个虚拟井点的n组地质模型参数；第一获得子单元3023用于根据每个虚拟井点的n组地质模型参数以及佐伊普里兹方程，获得每个虚拟井点的合成地震记录数据；第二获得子单元3024用于根据每个虚拟井的合成地震记录数据、每个虚拟井点的角道集地震记录数据以及遗传算法，获得每个虚拟井点的虚拟井数据。

具体地，对每个虚拟井点的原始地震记录数据进行速度分析，可以得到每个虚拟井点的角道集地震记录数据对应的速度数据，建立子单元3021对每个虚拟井点的角道集地震记录数据对应的速度数据进行分析处理，可以建立每个虚拟井点的初始地质模型，所述初始地质模型是各向同性弹性的。其中，所述初始地质模型包括地质模型参数，所述地质模型参数包括纵波速度V_p、横波速度V_s和密度参数ρ。

在获得所述初始地质模型之后，生成子单元3022可以随机生成每个虚拟井点的n组随机地质模型，每组地质模型参数包括关于纵波速度V_p的随机地质模型，关于横波速度V_s的随机地质模型和关于密度参数ρ的随机地质模型。其中，关于纵波速度V_p的随机地质模型即保持横波速度V_s和密度参数ρ不变，随机生成纵波速度V_p，关于横波速度V_s的随机地质模型和关于密度参数ρ的随机地质模型；关于横波速度V_s的随机地质模型即保持纵波速度V_p和密度参数ρ不变，随机生成横波速度V_s；关于密度参数ρ的随机地质模型即保持横波速度V_s和密度参数ρ不变，随机生成密度参数ρ；n为正整数，n的数值根据实际需要进行设置，本发明实施例不做限定。

在获得每个虚拟井点的n组地质模型参数之后，第一获得子单元3023将每个虚拟井点的n组随机地质模型的地质模型参数输入到佐伊普里兹(Zoeppritz)方程中，即将每组随机地质模型的纵波速度V_p、横波速度V_s和密度参数ρ输入到Zoeppritz方程中，可以获得每个虚拟井点的合成地震记录数据，所述合成地震记录数据包括纵波速度V_p、横波速度V_s和密度参数ρ。

在获得每个虚拟井的合成地震记录数据之后，第二获得子单元3024可以根据每个虚拟井的合成地震记录数据、每个虚拟井点的角道集地震记录数据以及遗传算法(GeneticAlgorithm，简称GA)，获得每个虚拟井点的虚拟井数据。

在上述各实施例的基础上，进一步地，构建单元303具体用于：

基于所述预设数量的虚拟井点的虚拟井数据和插值法，构建所述目标区域的初始数据体模型。

具体地，在获得各个所述虚拟井点的虚拟井数据之后，构建单元303依据所述预设数量的虚拟井点的虚拟井数据，在解释层位的约束下选用克里金、最小平方等插值方法进行插值，构建所述目标区域的初始数据体模型，所述初始数据体模型上的每个位置点对应纵波速度V_p、横波速度V_s和密度参数ρ。其中，在构件所述初始数据体模型时，插值的间距和数量根据实际需要进行设置，本发明实施例不做限定。

在上述各实施例的基础上，进一步地，第三获得单元304具体用于：

根据所述目标区域的角道集地震记录数据以及预设公式，对所述目标区域的初始数据体模型进行修正，获得所述目标区域的最终叠前参数数据体模型。

具体地，第三获得单元304根据所述预设公式，计算所述目标区域的角道集地震记录数据和所述目标区域的初始数据体模型的偏差，如果所述偏差的变化率小于设定值，那么将所述目标区域的初始数据体模型作为所述目标区域的最终叠前参数数据体模型。如果所述偏差的变化率大于或者等于设定值，那么调整所述目标区域的初始数据体模型，重新计算所述目标区域的角道集地震记录数据和所述目标区域的初始数据体模型的偏差，直到重新计算的偏差的变化率小于所述设定值或者重新计算的次数达到预设次数，那么将最后一次调整的所述目标区域的初始数据体模型作为所述目标区域的最终叠前参数数据体模型。其中，所述设定值根据实际经验进行设置，例如所述设定值在0.05～0.1之间，本发明实施例不做限定；所述预设次数根据实际经验进行设置，例如所述预设次数为10次，本发明实施例不做限定。

本发明实施例提供的装置的实施例具体可以用于执行上述各方法实施例的处理流程，其功能在此不再赘述，可以参照上述方法实施例的详细描述。

图5是本发明一实施例提供的电子设备的实体结构示意图，如图5所示，该电子设备可以包括：处理器(processor)501、通信接口(Communications Interface)502、存储器(memory)503和通信总线504，其中，处理器501，通信接口502，存储器503通过通信总线504完成相互间的通信。处理器501可以调用存储器503中的逻辑指令，以执行如下方法：根据目标区域的每个虚拟井点的原始地震记录数据，获得每个虚拟井点的角道集地震记录数据；其中，所述虚拟井点有预设数量；根据每个虚拟井点的角道集地震记录数据，获得每个虚拟井点的虚拟井数据；根据所述预设数量的虚拟井点的虚拟井数据，构建所述目标区域的初始数据体模型；根据所述目标区域的角道集地震记录数据以及所述目标区域的初始数据体模型，获得所述目标区域的最终叠前参数数据体模型。

此外，上述的存储器503中的逻辑指令可以通过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)执行本发明各个实施例所述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。

本实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：根据目标区域的每个虚拟井点的原始地震记录数据，获得每个虚拟井点的角道集地震记录数据；其中，所述虚拟井点有预设数量；根据每个虚拟井点的角道集地震记录数据，获得每个虚拟井点的虚拟井数据；根据所述预设数量的虚拟井点的虚拟井数据，构建所述目标区域的初始数据体模型；根据所述目标区域的角道集地震记录数据以及所述目标区域的初始数据体模型，获得所述目标区域的最终叠前参数数据体模型。

本实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，所述计算机程序使所述计算机执行上述各方法实施例所提供的方法，例如包括：根据目标区域的每个虚拟井点的原始地震记录数据，获得每个虚拟井点的角道集地震记录数据；其中，所述虚拟井点有预设数量；根据每个虚拟井点的角道集地震记录数据，获得每个虚拟井点的虚拟井数据；根据所述预设数量的虚拟井点的虚拟井数据，构建所述目标区域的初始数据体模型；根据所述目标区域的角道集地震记录数据以及所述目标区域的初始数据体模型，获得所述目标区域的最终叠前参数数据体模型。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明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，本发明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。

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。

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。

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。

在本说明书的描述中，参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

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详细说明，所应理解的是，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，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。