简介:地震数据重构是地震数据处理的重要步骤之一,重构算法的精度、效率与抗噪性是地震数据重构技术的核心研究内容。研究针对傅里叶域凸集投影(POCS)算法,在定义的最优阈值评价标准基础上,提出了反比例阈值模型,该模型具有在大系数区间比指数模型更快下降速率、而在小系数区间比指数模型更慢下降速率,从而在保证弱反射信号重构精度的同时有效提高POCS地震数据重构算法计算效率。为提高反比例阈值对不同地震数据特点的适应性,在地震数据谱能量分布差异性特征分析基础上,研究提出了在反比例阈值模型分母上增加适应地震数据谱能量特征的因变参数,通过调节该因变参数获得适应不同地震数据特点的最佳阈值曲线,进一步提高算法的计算精度与计算效率。为了实现重构过程中随机噪音的自适应衰减,提高重构后地震数据信噪比,研究提出了数据驱动的加权回加系数计算策略,利用每次迭代对应数据驱动阈值占阈值区间的百分比获得加权回加系数。研究将新方法应用于模拟三维数据和实际三维地震数据,分析结果表明反比例阈值相对传统阈值在提高数据重构计算效率和精度方面具有明显的优越性,新提出的加权回加系数计算策略能有效提高重构数据的信噪比。
简介:山区重力勘探中,重力外部校正是重力勘探料处理和解释的前提,其内容包括地形校正、中间层校正等.本文在分析常规外部校正方法的基础上,提出了一套适合于山区重力勘探的球面地形校正及有限球壳中间层校正方法,并严格推出了球面地形校正公式.对中国南方ZJJ地区重力资料处理结果表明,该方法提高了地形校正的精度,使山区重力资料品质达到或接近平原区的水平.
简介:从大量的地震属性中提取最能反映地质特征的综合属性是储层预测技术的关键,通常选用降维方法来优选属性。目前应用最为广泛的线性降维方法。但是,由于地震属性与地质特征的关系通常是非线性的,基于线性变换的地震属性降维优化方法不能充分地反映这种非线性关系,降低了储层预测的精度。流形学习是一种新的非线性学习方法,它是通过保持数据局部结构的方式将高维数据投影到低维空间,挖掘和发现隐藏在数据中的内在特征与规律性,开拓了地震属性降维优化研究的新领域。本文首次实现了3D地震数据的层问属性特征提取,讨论了LLE方法及其关键技术,并以奥陶系礁滩相储层实例说明LLE和PCA两种方法降维及聚类的不同效果。理论模型分析和实例应用表明:LLE较好地保持了数据本身的原始结构;提取的综合属性和聚类相图较好地刻画了沉积相带、储层和流体的特征。这说明流形学习具有更好的特征提取性能。
简介:井地电位成像是通过套管向井中供电或将电源放在井中,在地表观测电位异常的一项技术,其供电源有线源和点源两种类型。为了研究这两种电源对地下异常体产生的电位异常特征,本文针对不同激励源,采用有限差分方法进行数值模拟研究,在线性方程组求解电位时引入不完全Cholesky共轭梯度(ICCG)迭代方法,分别实现了点源和线源井地电位成像技术的三维正演。最后,基于阻尼最小二乘法实现了井地电位成像技术的电阻率三维反演。设计不同地电模型分别进行正演和反演试算,正演结果表明,供电电源的类型不同,异常体在地表的电位异常特征也不同;反演结果表明,低阻体的反演结果要好于高阻体,点源置于异常体下方时反演的电阻率对异常体边界的识别比线源更加准确。
简介:类中梯装置三维激电成像技术兼顾了激电测深与激电剖面二者的特点,能快捷高效的获得测区三维电阻率及极化率信息,空间分辨率高,探测深度大。本文从类中梯装置的数据采集方式入手,阐述了采用类中梯装置进行三维激电成像的工作方式.建立了一个三维地电模型,采用类中梯装置进行三维正演模拟,并进行反演及成像。数值模拟结果表明,采用类中梯装置进行三维激电成像能较好地刻画实际地电模型的特点。以甘肃省某多金属矿为例,利用阵列式电磁法综合测量系统,进行了三维大功率激电成像技术的应用研究。实际应用结果表明,采用三维激电成像技术,可以多角度、多细节显示测区地下介质电阻率、极化率的分布情况,明确电性突变界面的延展状态,快速圈定成矿有利区。该研究对多金属矿产勘探等领域具有一定的指导性意义。
简介:通过地震数据获取裂缝储藏中流体的性质并对流体类型进行识别,是地震勘探岩性反演的重要问题之一。由于地震波的速度、储层的密度等弹性参数对某些流体不具有很强的敏感性,使只依赖振幅信息进行流体识别的传统AVO方法面临困境。作为传统叠前振幅反演的一个拓展,频变AVO(FDAVO)技术进一步考虑了振幅对频率的依赖关系,将这种依赖关系与地下裂缝结构、流体填充对应起来,能带来更丰富的流体信息。利用该技术,本文提出了一种基于地震数据参数化Chapman模型的贝叶斯反演新方法(BIDCMP),它包含两步算法,即,FDAVO反演储层的非弹性属性和贝叶斯框架下的流体识别。首先,通过匹配观测数据和模型数据,构造差函数反演裂缝储层非弹性参数。随后,在贝叶斯框架下,使用马尔科夫随机场(MRF)作为先验模型,联合多参数场识别流体。本方法在计算过程中,除综合考虑了弹性参数场、测井资料等常规信息外,还特别地加人了第一步中反演得的非弹性参数的约束,从而充分利用了流体粘性差异,最后在最大后验概率(MAP)准则下输出最佳岩性一流体识别结果。分别对合成地震记录和模拟岩性—流体剖面验证本文方法的有效性,结果证明本文方法获得的流体识别结果准确可信。