基于全卷积神经网络的地震初至波拾取

为了提高初至波自动拾取的稳定性和高效性,减少初至波拾取耗费的人力,将当前迅猛发展的深度学习技术应用到地震数据处理领域。把初至拾取看作是二分类问题,初至波为一类,背景为另一类,参考全卷积神经网络在图像语义分割和边缘检测的成功应用,提出了利用全卷积神经网络来拾取初至波的新算法。通过搭建三个不同深度的全卷积神经网络结构并对其进行性能测试,选取性能最优的网络,并与商业地震数据处理软件Tomo Plus自动拾取的结果进行比较,在高噪声情况下取得了更好的结果,验证了利用全卷积神经网络拾取初至波的可行性。

基于PROMAX系统提高初至波拾取精度的方法

初至波拾取是做好层析成像等静校正处理的基础环节,同时也是人工工作量较大的环节。如何快速高精度拾取初至波是一线处理人员面临的一个实际问题。通过对复杂探区地震资料的初至波特征的分析,提出一种运用PROMAX系统中的一些相关模块组合进行初至波拾取的方法。该方法只需少量的人工操作,就能方便快速准确完成初至波拾取。该方法包括如下几步:初至的自动拾取、干扰道的识别与剔除、异常值处理。应用实例表明,该方法既能快速改善初至波拾取精度,又具有较强适应能力,基本能够解决复杂探区初至拾取这一难题。

结合U-net与FPN的地震初至波拾取算法

精确识别初至波以及拾取地震初至波初至时间对于地震的精确定位、地震孕震机制的解释、地震预警等都具有很大的意义。单纯地依靠地震学专家进行分析会耗费大量的人力和时间。本文将U-net模型编码、解码语义分割的思想与特征图金字塔网络(feature pyramid networks,FPN)的思想结合,提出了一种新的初至波初至时间拾取算法,满足高精度识别与拾取初至波的需求。算法模型分为编码、解码两部分,编码部分分为四层,用于捕获特征,通过卷积核大小、步长等参数实现特征由低层级到高层级的抽象和提取。解码部分分为四层,通过对前一层进行反卷积上采样实现。最后,将编码、解码部分对应层级特征图组合,通过两层全连接神经网络实现最终结果输出。与传统算法相比,U-net FPN模型在对初至波初至时间的分类与定位上都有着显著提升。

基于聚类和局部线性回归的初至波自动拾取算法

初至波拾取是地震数据处理中的关键步骤,会直接影响动校正、静校正和速度分析等的精度。目前,现有的算法受到背景噪声和复杂近地表条件的影响时拾取精度会降低。基于此,提出基于聚类和局部线性回归的初至波自动拾取算法(FPCL)。该算法由预拾取和微调两个阶段来实现。预拾取阶段先基于k均值(k-means)技术找到初至波簇,再利用基于密度的噪声应用空间聚类(DBSCAN)技术在初至波簇中进行拾取。微调阶段通过局部线性回归补齐缺失值,再利用能量比值最小化技术调整错误值。在两个地震数据集上,将FPCL与改进的能量比(IMER)法相比,准确率分别提升了4.00个百分点和3.50个百分点;与互相关技术(CCT)相比,准确率分别提升了38.00个百分点和10.25个百分点;与基于模糊C均值聚类的微震数据自动时间拾取算法(APF)相比,准确率分别提升了34.50个百分点和3.50个百分点;与基于两阶段优化的初至波自动拾取算法(FPTO)相比,准确率分别提升了5.50个百分点和16.25个百分点。上述实验结果表明FPCL更准确。

基于两阶段优化的初至波自动拾取算法

拾取初至波是近地表建模方法中的重要步骤。初至波的精确拾取可以影响到很多方面的工作,例如静校正和速度建模等,但是初至波受到强烈的背景噪声和复杂的近地表结构的影响,拾取的精确性会减低。本文提出了基于两阶段优化的初至波自动拾取算法。本文把初至拾取问题分成了两个子问题,分别产生两个优化目标,根据优化目标,生成优化函数。算法采用两个步骤:(1)先用纵向滑动窗口把初至波可能存在的范围带找出来;(2)改进了能量比率算法,在第1步找到的范围带中拾取初至波。在两个数据集上,将FPTO算法与反向传播神经网络方法(Backpropagation neural networks method,BNN)、直接相关方法(Direct correlation method,DC)以及Coppens的改进方法(Modified Coppens’s method,MCM)3种算法进行了对比,精确度得到了很大提升,算法的稳定性得到证明。

基于空变时窗约束的地震初至波自动拾取

目前地震初至波自动拾取是在初至波可能出现的所有时窗内搜索初至波,但是大时窗搜索不仅使地震初至波拾取效率降低,还导致在拾取过程中将一些异常点错定义为初至波。为解决这个问题,提出了基于空变时窗约束的地震初至波自动拾取方法,根据观测系统综合选取约束炮,约束炮的初至波信息及炮检点空间关系约束预测其他炮的初至时间,并且在该约束时窗内使用赤迟信息准则(AIC)法进行初至波自动精确拾取。通过对实际资料的测试,证明该计算方法在很大程度上提高了地震初至波拾取工作效率及拾取精度。

提高初至波二次定位精度技术的探讨

检波器二次定位是浅海地震资料采集的关键技术之一。影响二次定位精度的因素较多,为此,对初至波二次定位精度的影响因素和提高定位精度的技术进行了系统的分析研究。重点讨论了初至拾取的精度控制、关联炮点的选择、速度参数的确定和检波点位置的求解算法等。认为初至拾取是影响定位精度的主要因素,合理选择拾取初至波的地震道、依据数据的信噪比选择合适的初至拾取方式,以及合理选择关联炮点等是提高定位精度的有效措施。设计了5种精度分析措施,可以进行单点和整条拖缆的定位精度误差评价。将提高定位精度的方法应用于山东龙口某浅海地区,并与一次定位和水鸟系统二次定位的结果做对比,结果表明,该方法可以更好地提高地震资料的品质,并具有较好的适应性。

低测成果约束下的层析反演静校正方法及其在胜利滩浅海过渡带地区的应用

静校正是影响地震勘探效果的关键技术之一,本文研究的低测成果约束下的层析反演方法,综合了模型静校正和层析静校正的优点,通过约束层析反演建立近地表模型,计算静校正量,既弥补了大炮初至由于缺少近道而丢失的浅层精细速度信息,又解决了小折射和微测井点少而疏的问题,提高了模型的精度。通过在胜利滩浅海过渡带地区的实际应用,表明了该静校正技术的有效性。

全自动近地表建模与静校正技术在西部复杂探区的应用

近地表建模与静校正技术已被广泛用于我国地震资料处理工作中,实现过程包括数据加载、线性校正、初至拾取、层析反演、高速顶界面确定、静校正量计算与应用。随着勘探目标日益复杂,地震资料数据量逐渐增大,传统的人机交互拾取初至进行近地表建模与静校正的效率极低、难度大,且质控过程烦琐,受处理员个人经验影响较大,如初至拾取要保证真正的起跳、层析反演要收敛、高速顶界面要稳定、地质上要合理等。基于帕美智软件开发公司先进的理论算法和实际工作经验,推出了全自动近地表建模与静校正软件AutoModel,实现了针对大数据、低信噪比地震资料的智能化、全自动近地表问题处理。本文选取西部地区近地表复杂、信噪比低的勘探工区,对比分析传统人工处理与AutoModel全自动处理效果,明确了全自动近地表建模与静校正技术的关键环节,为全自动处理程序优化提出具体建议。