地表一致性约束下异常振幅衰减技术的实现

地表一致性约束下的异常振幅衰减技术对不满足地表一致性的异常振幅进行衰减,在地震资料保幅叠前去噪方面发挥着重要作用。该技术主要包括振幅的统计计算、地表一致性约束下的统计振幅的迭代分解以及对异常振幅进行判别并计算比例因子、在地表一致性约束下调整每一道的振幅3个部分。通过对地表一致性异常振幅衰减技术的解剖、方法研究、软件研发,总结出了该项技术的方法原理、算法和基于CGG系统的多入口程序的实现;结合实际地震资料处理,论证了参数选取方式,通过比较,分析了该技术的实际应用效果。

相关法检测炮偏的原理及应用

在地震勘探中,由于地形、设备和人员疏忽等因素常常会出现炮点位置偏离设计位置的情况,常规地震资料数据处理中多采用人工在线性校正数据上逐炮检查炮点偏移的情况。随着海量高密度地震数据的出现,这种传统的炮偏检查方法已不能满足实际生产的需要。本文介绍一种基于相关法的高效的炮偏自动检测技术,不但能自动检测出炮偏的单炮,还能对偏移距离有一个较准确的定量分析结果,为海量数据中炮偏的快速准确识别提供了有效的处理方法,大大地减少了人工工作强度,提高了处理效率。

基于深度残差网络的初至拾取软件开发

基于残差的优化卷积神经网络—深度残差网络(ResNet)能够对图像进行有效的识别分类。将深度残差网络应用于地震数据的初至识别,借助Hadoop分布式批处理计算系统和TensorFlow人工智能学习平台开发了基于残差网络深度学习的初至波自动拾取软件。采用不同地区、不同震源类型和不同地表的地震数据对深度残差神经网络模型进行训练和验证,最终得到一个精度较高的地震初至自动拾取网络模型。本文总结了深度残差网络的基本方法原理、初至波自动拾取软件实现的关键步骤、地震初至自动拾取网络模型的训练、并验证了拾取效果和效率。