基于贝叶斯理论的逐次迭代非线性AVA反演方法

常规AVA三参数反演方法均基于横波速度与纵波速度之比γ为常数这一假设条件,且常被近似地取为0.5。然而在许多情况下γ并不为常数,而是在横向与纵向都渐变。若一概假定γ等于0.5,反演出的岩性参数势必要偏离真实值,因此有必要合理地选择γ。笔者基于贝叶斯理论,提出逐次迭代非线性AVA的反演方法。该方法把γ看成横向与纵向都渐变的反演初始背景,通过给定初始模型计算初始背景γ,并采用逐次迭代的策略求解该反演问题,解决了关于γ的选取问题以及由于引入变γ值而带来的非线性问题,提高了AVA三参数反演结果的精确度。

褶积神经网络高分辨率地震反演

随着地震勘探精细化要求的提高,薄层及横向变化大的复杂储层反演越来越重要。而当前反演方法大多基于褶积模型,分辨率较低。本文提出了基于褶积神经网络的反演方法,该方法完全由数据驱动,不受褶积模型的限制。褶积神经网络具有层状结构,其输入输出之间的映射关系用褶积算子来描述,而非内积算子。基于褶积神经网络结构,本文给出了映射算子的优化算法,并将其应用到地震反演中。应用结果表明,通过褶积神经网络地震反演,可以获得比常规稀疏脉冲反演分辨率更高的地层波阻抗剖面。

广义Stein无偏风险估计与地球物理反问题正则化参数求取

地球物理反演是获取地球信息的重要手段,其求解具有严重的不适定性.为获得稳定的反问题结果,通常需要在目标泛函中加入正则化约束项.正确地估计正则化参数一直是地球物理反问题中的难点.目前存在的选取方法需要根据大量的试验来确定正则化参数,工作量十分巨大,并且存在很大的经验性,很难得到最优的正则化参数.针对这个问题,本文提出了一种基于广义Stein无偏风险估计的正则化参数求取方法.该方法的具体思路是通过求解模型参数均方误差的广义Stein无偏风险估计函数,在反问题求解过程中自动求取正则化参数.本文模型测试结果表明,相比于目前常用的方法,通过该方法得到的正则化参数是最优的.

叠前地震道集AVA多频信息同时反演

叠前地震反演在储层预测与流体识别中起到了非常重要的作用,但常规振幅随角度变化(Amplitude Variation with Angle,AVA)三参数反演结果由于分辨率的限制已满足不了隐蔽油气藏勘探的高精度要求。为此,提出了一种综合利用隐含在叠前地震道集中的AVA信息与振幅随频率变化(Amplitude Variation with Frequency,AVF)信息的AVA多频信息同时反演的方法。首先对各入射角地震道集进行谱分解,得到振幅随角度和频率变化(Amplitude Variation with Angle and Frequency,AVAF)三维数据体,然后利用该数据体进行AVA多频信息同时反演,得到高分辨率的岩性参数反演结果。模型和实际资料应用结果表明,叠前AVA多频信息同时反演结果比常规AVA反演具有更高的分辨率,能更精细地刻画砂泥岩薄互层等隐蔽油气藏。

起伏地表条件下的弹性波叠前逆时偏移

目前,地震勘探条件复杂、地下地质构造多样的"双复杂"地区的地震勘探面临着诸多挑战,特别是地表起伏条件给地下复杂构造精确成像带来了困难。通过研究起伏地表条件下的弹性波叠前逆时偏移方法,采用简洁有效的处理方法解决起伏地表的自由边界条件;利用有效边界的边界存储策略解决弹性波叠前逆时偏移中存储量大的问题。数值实验结果证明该方法能够准确地重建震源波场,SEG加拿大起伏地表逆掩断层模型进一步验证了提出方法的有效性。

ISTA算法原理及在稀疏正则化约束反问题的推广

目前,迭代软阈值算法(ISTA)在图像处理、信号分析与处理、压缩感知、地球物理反演等众多数学物理反问题领域中得到了广泛的应用。其求解的问题是1范数正则化约束的反问题目标函数。但将ISTA算法的基本原理推广到数学物理反问题中常用的其他稀疏性约束方法是一个待解决的问题。为此,本文首先详细介绍了ISTA的方法原理及公式推导。并在此基础上给出了数学物理反问题中常用的柯西正则化约束、加权1范数约束、log-稀疏约束的目标函数的ISTA算法求解步骤。最后对ISTA算法在反问题求解中的进一步发展做了一些建议。

多道地震波阻抗反演预处理技术的改进及应用

叠后地震数据波阻抗反演是储层预测的一种有效方法。目前所常用的叠后反演处理通过递归积分公式在单道上求得波阻抗,不能进行横向正则化约束。采用多道波阻抗反演方法,并对波阻抗模型进行高维(二维或三维)边缘保持平滑滤波预处理,从而将边缘保持先验信息引入地震反演中。经边缘保持平滑滤波预处理后的阻抗模型具有块状化特点(反演出的波阻抗具有清晰的地层边界与边缘,即具有边缘保持性质)。反演得到的波阻抗剖面具有清晰的构造界线与地质体边缘,并具备鲁棒性。然后,通过两个地层波阻抗模型验证了该方法的可行性与稳定性。最后,应用该方法处理了中国西南某三维地震工区数据并进行解释,精确揭示出本工区目的层含气生物礁储层段。

基于神经网络的井间地震数据外推及多尺度反演

多尺度地震资料联合反演将地面地震、井间地震和VSP等资料有机结合在一起,充分利用了不同地震资料的优点,达到了提高反演分辨率的目的。但受观测系统的限制,井间地震获得的只是一段二维剖面的信息,而地面地震是地下三维数据体的综合响应,因此无法对整个工区进行联合反演。针对这一问题,基于地层对地震波吸收的非线性系统理论,提出了利用神经网络建立地面地震数据和井间地震资料映射关系的方法。由于神经网络具有层状结构且输入、输出之间的映射关系是非线性的,从而建立地面地震数据与已有的井间地震数据之间的非线性理论模型,再将此映射关系应用到整个工区,得到高分辨率的井间地震。然后利用模型测试研究了该方法的可行性和鲁棒性。最后,将该方法应用到实际地震资料中,所得的多尺度反演结果分辨率明显提高,证明了该方法的可靠性及适应性。

动态匹配追踪中利用连续相位求取瞬时频率

动态匹配追踪算法将信号的瞬时特征作为先验信息引入到信号分解中,缩小了时频原子库的搜索范围,提高了匹配追踪效率。但在利用瞬时相位获取瞬时频率信息时会得到无物理意义的负频率,不能直接应用于匹配追踪,已有文献并没有给出瞬时频率存在负异常时的解决方案。基于此,笔者通过研究主值相位与解缠相位之间的差异,提出了利用连续相位求取瞬时频率,并推导了连续相位的求取公式;然后通过实例分析,获得了反映三种不同相位数值变化的趋势图;最后通过对比三种相位求取的瞬时频率,证明由连续相位求取的瞬时频率不存在负异常,可直接应用于匹配追踪算法。

基于边缘保持平滑正则化的地震反演方法

为了解决高斯分布约束地震反演结果在地层分界面附近存在振荡,且对地震数据中的噪声敏感,不利于识别隐蔽油气藏及小尺度地质体的问题,本文基于边缘保持平滑（EPS）算法,将非线性EPS算子作为正则化约束引入地震反演目标函数中,使反演的波阻抗剖面地层界面与地质体边缘更清晰,并且在对含有随机噪声的地震数据进行反演时,同样能够保持反演过程的稳健性.研究结果表明：非线性EPS正则化反演结果能更清晰地反映地层的变化,突出3～5 m的小尺度岩性异常体,且在20％噪音背景下仍能够得到稳定的反演结果,具有较强的抗噪性,克服了高斯分布约束反演结果存在的振荡现象.实际地震资料的应用效果也表明,与高斯分布约束反演结果相比,边缘保持平滑正则化约束反演结果能够更好地反映地层的层状变化特点.

叠前地震资料AVA变参数反演方法

线性AVA反演将纵横波速度比作为常数,从而把非线性AVA反演问题线性化,以得到稳定的反演结果.为突破这一假设条件对AVA反演的限制,本文把纵横波速度比作为未知量,通过变换反演参数,将非线性AVA反演问题线性化,再利用广义线性反演方法求解,得到合理稳定的储层参数.利用实际工区井数据考察了方法的可行性和抗噪性.最后,将该方法应用到实际地震数据,得到了合理的反演结果,说明本反演方法的可靠性与适用性.

叠后地震数据自适应正则化参数稀疏约束反演方法

在叠后地震数据的稀疏脉冲反演中,正则化约束参数的选取是一个非常关键的问题.目前,最常用的正则化参数选取方法为质量控制法与L曲线法.二者都需要根据大量的试验来确定合适的正则化参数,工作量十分巨大,并且存在很大的经验性与局限性.针对这个问题,本文采用基于广义Stein无偏风险估计的正则化参数求取方法.该方法的具体思路是通过求解广义Stein无偏风险估计函数,在叠后地震数据的反演求解过程中自适应地求取正则化参数.模型测试与实际数据反演结果表明,相比于目前常用的质量控制法与L曲线法,自适应法得到的正则化参数是更合适的,同时降低了正则化参数求取的工作量.

基于Ricker子波的指数追踪地震信号分解算法

针对目前匹配追踪算法计算效率低的缺点,以Ricker子波作为母函数,提出了指数追踪地震信号分解算法.通过在地震振幅包络极值点处利用指数分布函数进行拟合,求取匹配子波峰值频率,然后利用阻尼最小二乘法求出匹配子波的复振幅,最终将地震信号分解为一系列匹配子波的线性组合.结果表明:相对于复数域快速匹配追踪算法,基于Ricker子波的指数追踪算法在保持地震数据分解精度的前提下,计算效率进一步提高;对于时间采样点数为201的地震剖面,指数追踪算法的计算效率是复数域快速匹配追踪算法的13倍;对于时间采样点数为1 501的地震剖面,计算效率是复数域快速匹配追踪算法的24倍.