基于振幅加权的拖缆与海底地震资料联合波形反演方法

南黄海新近系沉积层与其下方中-古生代海相地层之间速度差异大,存在强波阻抗界面,导致接收的浅部和中深部地层的反射波振幅差异极大.一般全波形反演方法未考虑不同界面反射波振幅的差异,对南黄海浅部沉积层速度的反演效果好,而对中深部地层速度的反演效果差.为此,本文提出一种基于振幅加权的拖缆与海底地震资料联合波形反演方法.该方法对中深部弱反射波数据施加较大的权重,对浅部强反射波数据施加较小的权重,从而均衡浅、中和深部地层反射波的振幅,使得自浅至深所有地层速度均能得到较好反演效果.同时,该方法利用海底地震资料和拖缆地震记录积分的低频成分反演低波数背景速度场,利用拖缆资料的高频成分提高反演模型的分辨率,充分发挥了拖缆和海底地震资料的优势互补作用,获得了比仅使用单一资料更好的反演结果.根据地震剖面和钻井资料,建立了南黄海中部隆起的速度模型.利用该理论模型的合成地震记录对本文方法进行了测试和分析,验证了本文方法的正确性和有效性.

拖缆与OBN资料联合成像域最小二乘逆时偏移成像

海洋拖缆地震资料的叠前深度逆时偏移是对海底地层进行地震成像的主要方法之一.然而,在地质构造复杂区域,因拖缆长度有限,难以接收到深部高陡构造的反射波信号,导致成像效果较差.海底地震节点(OBN)资料虽然含有深部地层信号,但因OBN间距较大,偏移噪声严重.为此,本文提出拖缆与OBN资料联合的成像域最小二乘逆时偏移成像方法.该方法有机地结合了拖缆与OBN资料的优势,同时利用拖缆和OBN资料进行最小二乘逆时偏移,得到更高质量的反射率成像剖面.此外,通过在成像域计算点扩散函数来估计最小二乘反演方程的Hessian矩阵,避免了常规方法通过多次偏移和反偏移估计Hessian矩阵极其耗时的缺陷.用理论模型合成资料的测试结果,表明了本文方法的正确性及其对复杂构造成像的有效性.

地震静校正的相对时延法

折射波时延法假设折射层速度横向变化不大和折射面起伏不大,且同时求取炮点和接收点的延迟时间,存在"此消彼长"的问题。针对这些问题,提出了折射波相对时延法。利用共炮点道集相邻接收点的折射波时差和共接收点道集相邻炮点的折射波时差,实现了炮点相对延时和接收点相对延时的独立求取,并利用已知控制点上的绝对延时或基准面静校正值,结合基点网平差方法,把相对延时转成绝对延时或基准面静校正量。同时,通过对相邻两道记录进行互相关确定相邻道的折射波时差,避免了低信噪比地震资料连续追踪同一折射层来拾取初至时间的困难。对理论模型合成数据和实际资料的测试表明,相对时延法克服了常用时延法的不足,对折射层速度变化和折射面起伏有较强的适应性。

形态小波在电力工程信号奇异性检测中的应用

根据电磁暂态仿真结果,对形态小波的信号奇异性检测效果进行了验证,结果表明该方法具有较好的普适性,能够有效检测出信号发生突变的时刻、极性及强度等信息。

使用回折波走时数据的起伏地表速度建模方法

传统的走时层析方法依赖于初始速度模型,需要射线追踪计算,速度建模效率低。常规的回折波走时反演方法速度建模效率较高,但通过对走时曲线拟合获取射线参数,受地形起伏和走时误差的影响很大,速度建模精度较低。为兼顾近地表速度建模的效率与精度,本文改进了回折波走时方程,提出一种基于回折波走时方程的起伏地表速度建模方法。该方法将每一个共中心点道集按偏移距大小进行选排并分段,在每一个偏移距段内,先利用回折波走时方程逐道计算相应的回折点位置和速度,再对各个炮检对的计算结果进行最小二乘拟合及反距离加权,获得统计平均回折点位置和速度值。对每个共中心点道集均做上述处理,从而建立近地表速度模型。理论模型测试和实测资料应用验证了本文方法的正确性和实用性。

浅海海底表层速度建模技术及其应用研究

浅海海底起伏和速度变化对OBC资料成像质量产生较大影响。建立浅海海底表层速度模型不仅能够解决OBC资料的静校正问题,也可用于海底反射系数计算、双检资料合并、多次波压制等,但是,目前针对浅海海底表层速度建模的研究还不多。文中提出了针对浅海地区OBC资料的海底表层速度建模的三维初至走时反演技术,主要包括:(1)震源位置校正技术。根据地震波在海水中传播特征,把在海水中激发的震源位置校正至海底,使震源和接收点都位于海底,利于初至走时反演计算;(2)快速三维初至走时反演方法。利用回折波走时和射线方程,形成了高效率初至走时反演方法。将该技术应用于胜利油田莱州湾浅海区海底OBC资料的处理中,建立了三维海底表层速度模型,用此速度模型进行静校正,取得了良好的应用效果。

无监督残差网络的地震数据重构方法

野外采集的地震数据通常会存在地震道缺失的问题,对其进行重构一直是地震资料处理中的一个难题。目前使用深度学习(Deep Learning,DL)方法重构地震数据主要采用完整地震数据作为标签训练网络模型的监督学习方式,然而对实测野外数据很难获得准确的标签。对大量训练样本的依赖影响了DL方法在地震数据重构中的应用。为此,提出了一种基于残差网络的无监督DL的地震数据重构方法。该方法无需使用完整的地震数据作为训练集训练残差网络,而是以随机数据作为残差网络的输入,以含缺失地震道的地震数据作为网络的期望输出。通过对网络预测与期望输出之间的误差的反向传播,迭代优化网络参数,使网络与期望输出间的误差达到最小,获得参数最优的残差网络,并用该网络重构缺失的地震数据。在网络参数优化过程中,利用卷积的局部和平移不变性质,用卷积滤波器学习多尺度下地震数据邻域之间的相似特征,并在网络输出中呈现学习到的这些先验特征。使用所提方法重构Marmousi模型模拟地震资料和实测海洋拖缆资料中规则和不规则缺失的记录道,并与传统的快速凸集投影软阈值(FPOCS-Soft)方法的结果进行对比,结果表明,无监督残差网络方法可有效重构缺失地震道,准确性高、连续性好,精度高于FPOCS-Soft方法。