深度域合成地震记录制作方法的研究与应用

随着深度域地震资料的应用越来越广泛,在深度域直接提取地震子波制作合成地震记录变得越来越重要,但是在以往的生产项目中,人们大多将深度域地震数据通过时深转换,转换到时间域,制作完合成地震记录后再转换到深度域,导致误差增大和生产效率降低,所以,找到一种实用的直接在深度域制作合成地震记录的方法非常必要。本文利用常速度进行数学变换,将多层层状介质转换为具有常速度的均匀介质,这样就满足了线性条件的假设,然后深度域合成地震记录利用反射系数与深度域子波的褶积计算。其中,反射系数根据测井曲线计算获得,深度域子波是利用统计方法在原始地震数据上提取获得。本文利用该方法对淮南某矿区进行了深度域合成地震记录的制作,制作的合成地震记录和原始地震数据吻合度高,目的层深度误差几乎为零。研究结果表明,本文介绍的深度域合成地震记录制作方法可直接在深度域提取子波,不仅使合成地震记录更加精确,还提高了生产效率,该方法在实际生产中可推广运用。

基于射线理论面向层状介质的三维观测系统聚焦束分辨率计算

本文用射线理论简化了观测系统双聚焦束分辨率的计算,即首先根据射线理论求得由目标点激发的地表响应——CFP道集,再将CFP道集向下延拓聚焦到目标层,得到聚焦束。观测系统中检波点和震源分布密集时成像效果更好。当存在较大倾角构造时,成像点周围的能量团会向构造倾向偏离,且在观测系统(检波点和震源点分布)稀疏时更明显。理论和实际模型试算结果均表明,该方法计算速度较快、效率较高,且符合精度要求。

地震多属性BP神经网络法在预测煤层厚度上的应用研究

在煤矿开采中,准确的煤厚数据非常重要。传统的计算煤厚的方法是通过已知钻孔的煤厚数据进行插值得到,这样就导致没有钻孔的地方煤厚计算结果和实际煤厚误差较大。地震多属性BP神经网络法可以有效地解决该问题。对该方法进行了理论介绍,并通过应用实例得出如何应用该方法预测煤厚。实际生产中,首先要对解释的煤层反射时间进行精细插值并提取地震属性,然后利用交汇图法和剖面法选择出与煤层厚度相关的多个地震属性,最后利用BP神经网络法进行煤厚预测。淮北某工区利用该方法计算的煤厚误差较小,验证孔的煤厚误差只有0.67%,在该区利用多属性BP神经网络法预测煤层厚度非常成功。

井巷约束实时动态速度建模

为了提高煤矿勘探精度,把叠前深度偏移技术应用到煤炭勘探中很有必要,而叠前道集的品质和速度建模的精度是决定叠前深度偏移剖面质量最重要的两个因素。因此,为了得到高质量的叠前道集,要做好精细静校正、多域绿色噪音压制、振幅补偿、反褶积、速度分析、数据规则化等多个处理环节。而速度模型的建立包括:建立初始速度模型、沿层层析成像、网格层析成像。在此基础上,利用井巷约束下的速度分析进一步更新速度模型,得到了更加精准的深度域速度体,并随着实时回采到的新的巷道数据,动态地优化更新速度场,实时提高深度偏移成果质量。结果表明,利用这种井巷约束下的实时动态速度建模方法,进行叠前深度偏移得到的深度剖面能极大地提高断层落差和平面位置的精度。