简介：基于测井资料进行岩性分类是油气勘探和采集过程中的基础问题之一。根据前人的研究成果已开发了多种岩性分类方法,提出了基于堆栈自编码模型的岩性分类方法,通过对测井资料进行逐层抽象提取特征凸显不同岩性的微弱测井响应,使用Softmax作为分类器进行岩性分类。应用该方法对丁山地区泥质灰岩和灰质泥岩进行识别,将训练好的模型应用于丁山HF1井中,正确率均达到94.39%以上。

简介：在勘探初期测井数据较少,不足以支持有监督学习.采用深度学习中的稀疏自编码方法对地震数据进行无监督学习,通过逻辑回归,利用少量的岩性解释资料做有监督微调,以达到对工区中的地震数据进行岩性体识别.识别结果表明,该方法优于传统的波阻抗识别方法,能有效识别储层中的有利岩性.

简介：对于研究非平稳信号而言,传统的傅里叶变换已不能满足需求。非平稳信号分析方法已成为信号分析领域中的一个热点问题。以模拟地震波传播过程中遇到反射界面反射实验中得到的非平稳信号为研究对象,采用HHT方法对信号进行分析。对信号进行经验模式分解(EMD)和希尔伯特变换(HT)两个步骤。根据EMD分解得到的IMF分量具有从高到低不同频率和不等带宽的特点,对信号进行重构,提高信噪比,大大提高实验中测量P波速度的精度。对信号进行三瞬参数分析,揭示了实际应用中三瞬参数对地质构造识别的优势。HHT方法适用于分析生活中普遍存在的大量非平稳信号,可将复杂的信号直接分离成从高频到低频的若干阶固有模态函数。这一方法体系从根本上摆脱了傅里叶变换理论的束缚,在实际应用中也表现出了一些独特的优势。

简介：根据小波变换下信号和噪声在多尺度空间中的不同特性，对不同尺度下的小波系数用阈值处理，改进了多次小波变换应用于地震信号去噪的方法。数据仿真和实际应用表明，该方法可以有效压制随机噪声，对提高地震记录信噪比和分辨率都有较好的效果。

简介：从数学定义上分析了广义希尔伯特变换的基本原理及其与希尔伯特变换的区别；比较了两种变换的去噪效果；讨论了不同参数对广义希尔伯特变换去噪效果的影响，给出了其最佳参数组合。

简介：滩坝砂储集体具有分布较广、厚度较薄、空间分布不连续的特征。地震剖面上,通常是多个砂体以复合波的形式出现,很难形成单独的反射。滩坝砂储层信息的弱信号常被背景信息淹没,无法准确识别储层。针对滩坝砂储层的地震反射信号特点,将扩展交替投影神经网络算法引入到地震领域,对地震资料进行弱信号分离,并将算法应用到识别滩坝砂储层中,解析出砂体（组）在地震剖面上的展布特征。通过对理论模型及实际资料的试算,处理后的地震资料可以较好地展示储层展布特征,有利于滩坝砂体的识别。

简介：本文将时频分析与时延估计合理地结合起来，实现随钻源信号的估计。方法的出发点是源信号的瞬时频率估计。利用时延估计算法来估计地震反射道响应，使得局限于时间域的盲处理问题扩展到二维的时频平面，信号的时、频特征得到分离。由于RGK分布对噪声敏感度小，从而得到合适的“模型函数”来重构源信号。理论模型的试算证明了方法的有效性。