基于深度学习的地震叠加速度谱自动拾取算法研究

为解决人工拾取地震叠加速度谱时耗时长、效率低等问题,本文提出了一种基于深度学习的地震速度谱自动拾取算法模型VSAP(Velocity Spectrum Accurate Pickup).该算法运用卷积神经网络Faster R-CNN模型构建的多分类任务拾取目标能量团,然后将初步拾取后的能量团坐标输入循环神经网络LSTM(Long-Short Term Memory)模型来进行目标能量团拾取时坐标的取舍和微调,最后输出模型分析和调整过的速度谱自动拾取图像.并通过实际的地震数据集拾取结果验证了该算法模型在叠加速度谱复杂信息的干扰中自动、准确拾取速度谱中能量团的能力,同时验证了该模型的准确性以及鲁棒性.经过改进,该算法模型有效地提高了速度谱拾取的效率和拾取精度.

非金属管线不同参数对探地雷达响应的影响

为了解决非金属管线各项参数对探地雷达响应的影响,得出影响探地雷达响应的因素。结合有限时域差分方法和矢量分量有限差分方法建立了一种正演模型。利用电磁波模拟软件GPRMax3.0,模拟了大量实际情况,并采用不同的天线主频对不同管线的形态,材质,埋深等进行探测。利用该模型模拟了非金属管线的不同参数对雷达响应的影响,其中管径对回波强度有决定性影响,模拟结果与实际情况一致,证明了该模型的有效性。

基于联合建模匹配衰减技术的莺歌海盆地多次波压制方法研究

多次波是海洋地震勘探中最突出的问题之一,多次波的存在严重影响地震波成像的真实性和可靠性。为了有效压制多次波并突出有效波,开发了联合建模匹配衰减技术。思路是:基于原始波场尽可能准确地预测各种类型多次波,通过一次性匹配减去对多次波进行最大程度衰减,同时避免了多次匹配而产生的噪声,并且在稀疏域采用多道均衡匹配滤波技术对各多次波模型和地震数据进行联合匹配衰减。结果表明,该技术在莺歌海盆地高温高压区东方区和乐东区的应用取得了显著的效果,可为中深层的勘探开发提供高质量的地震资料处理结果。