潜山地区叠前深度偏移速度模型建立及反演

采用先进的叠前深度偏移技术进一步提高老资料深层成像的效果已势在必行。叠前深度偏移速度模型是影响叠前深度偏移成像的重要因素,速度模型建立及反演工作是关键环节,在实际的速度模型反演过程中,要结合实际的CIP道集进行效果分析,确保最终的偏移结果能够满足要求。

基于改良U-Net卷积神经网络的复杂地质构造智能识别

浅地层中的地质异常体给地下工程带来了极大安全隐患,可能导致经济和生命损失.浅层地震法是开展施工场地勘察的一种无损高效的手段.但是地震勘探在浅地层问题中面临着信噪比低、信号衰减强、波场复杂等问题,结果存在多解性和主观性.针对地震勘探问题,提出了一种改良的卷积神经网络地质速度模型预测模型,提供了一种无需初始速度模型的浅层地质模型反演方案,形成了一套完整的浅层地震勘探信号处理处理流程.在训练样本方面,采用了随机地质模型方法构建多种类地质模型,并形成了地质模型-地震信号数据库.在传统U-Net卷积神经网络上进行了改良,以更好地适应浅地层弹性波叠前信号数据的反演任务.结果表明,神经网络的反演结果直观准确该模型能够精确地预测出地层分界线、褶皱、起伏、断层滑移线等的位置和大小等参数,所采用的SSIM和PSNR两个定量化评价指标均表示,所提出的改良神经网络可以实现高精度反演.预测结果与真实模型相比较,得到的SSIM平均值为0.91,PSNR平均值为39.0.同时该神经网络模型能够向三维问题扩展,能够极大地提高地震信号处理的效率和解译精度.

龙门山前带多信息约束层析静校正技术研究

龙门山前带地区地表起伏剧烈,表层岩性变化大,地震资料信噪比低,静校正问题突出,是典型的复杂山前带地震勘探区域。针对该地区表层结构的特点并结合实际资料进行研究,应用多信息约束层析静校正技术,对比分析了有无约束条件下的近地表建模精度与静校正效果差异。应用结果表明,多信息约束层析反演后既能增加模型射线密度,精确反映浅层反射结构细节,又能很好地描述高速层顶界面的构造,得到空间结构变化合理且垂向分辨率更高的近地表速度模型。单炮和剖面的同相轴连续性更好,成像效果优于无约束反演静校正的成像效果。多信息约束层析反演技术在解决复杂近地表结构地区静校正时具有一定的技术优势,改善了该地区地震资料静校正效果,为构造解释提供了可靠的处理成果,同时对后续进一步提高成像质量奠定了良好基础。

叠前深度偏移在跃参地区地震资料处理中的应用

跃参1号区块位于顺托果勒低隆北部。由于前期叠前时间偏移剖面存在以下问题:缝洞体绕射波的收敛没有完全到位,部分“串珠”有拖尾现象,影响了井位部署的精度。因此在该区块首次开展了以奥陶系碳酸盐岩缝洞系统为主要目标的深度域速度建模以及深度偏移技术的应用研究,通过约束速度反演和自动剩余速度拾取来更新迭代,得到准确的速度模型以及深度偏移,提高了奥陶系目的层的成像质量,小断裂更清晰,“串珠”特征更聚焦,处理成果信噪比高,分辨率适中,波组特征明显,构造形态合理,为提高奥陶系碳酸盐岩缝洞型储层预测精度及对油藏缝洞储集体展布规律的进一步认识提供了可靠的基础数据。