应用长短期记忆循环神经网络的弱反射信号增强方法

由于沉积环境的特殊性和复杂性,地下介质中不同反射界面的波阻抗差可能差异巨大。如果储层的有效反射信息较弱,在地震数据中极可能被强反射信息掩盖,不易被识别,影响了储层识别效果,因此亟需一种解释性处理技术突出弱反射信息。常规方法一般是先从地震数据中分离出强反射分量,再将它削弱或删除。但如果地震子波提取不准确,减去法中强反射残留会引入虚假信号。文中提出了一种“升弱降强”的新思路,通过构建幂次反射系数映射模型缩小弱反射信号与强反射信号的相对差异。首先计算测井反射系数的幂次反射系数,将弱反射系数相对增大、强反射系数相对减小,得到拟反射系数序列;再用原始反射系数序列和拟反射系数序列分别与地震子波进行褶积运算,得到合成地震记录和拟合成地震记录,生成训练样本集;然后用该样本集训练长短期记忆(LSTM)循环神经网络,建立合成地震记录与拟合成地震记录的映射关系;最后将该网络应用于地震数据,增强了地震弱反射信号。模型和实际数据应用结果表明,该方法能有效增强地层本身引起的弱反射信号,提高地震数据的储层识别能力。

AVO技术在苏75区块含气性检测中的应用

由于苏里格气田苏75区块东、西部沉积特征不同,导致地震资料特征、气层位置、AVO特征不同,利用AVO技术获得的单一参数以及烃类指示属性难以获得满意的储层预测结果。为此,文中通过对地震资料的CMP道集分析、气层理论模型正演及井旁道气层模型正演,发现不论气层顶、底界面的AVO响应的极性如何,反射振幅的绝对值均随着炮检距的增大而增大,利用AVO技术可以有效检测目的层段中较厚的气层。本次研究利用拟泊松比及拟横波反射系数较好地检测了苏75区块气层的分布特征,检测结果与井资料吻合程度较高,为该区的油气开发提供了技术支持。