基于结构保护去噪神经网络的地震数据随机噪声压制

随机噪声压制是地震数据处理中的重要环节,直接关系到后续地震资料处理和解释质量.与相干噪声不同,随机噪声具有频谱较宽、规律性差等特点,很难利用常规方法区分随机噪声与地震数据有效信号.相较于传统的基于稀疏域的噪声压制方法,基于神经网络深度学习的随机噪声压制方法具有自动化程度高的特点.现有的网络结构在压制地震数据随机噪声时,不可避免地破坏地震数据结构,尤其是对于含有复杂构造的地震数据.基于以上问题,本文在充分探索地震数据随机噪声特征的基础上,利用结构保护的深层卷积神经网络对野外采集的含噪地震数据进行随机噪声压制研究.研究中利用模拟数据与真实去噪地震数据作为标签数据对,结构保护的深层卷积神经网络可以学习含噪和去噪地震数据之间的内在特征联系.考虑到常规神经网络在地震数据随机噪声压制过程中不能有效保护地下复杂结构特征,文中采用地震数据局部倾角作为约束,并通过修改目标函数达到保护地震数据结构特征的目的.文中利用模拟数据与野外地震数据,对本文方法的噪声压制能力与常用的包括中值滤波、多道奇异谱分解方法在内的地震数据随机噪声压制方法进行了分析对比.数值结果表明,深层卷积神经网络可以有效压制地震数据中的随机噪声,地震倾角的加入可以有效保护地震数据中的复杂构造特征.

局部地震属性识别火山岩体

中国的火山岩储层具有很大的生油潜力,尤其在东北地区的松辽盆地,火山岩广泛发育,如何有效识别火山岩储层具有重要意义。地震属性是一种有效的储层特征分析工具,是研究火山岩空间分布的参数。频率、地震倾角和曲率等属性是利用地震数据识别火山岩的敏感特征。笔者提出利用局部地震属性方法,通过计算地震剖面的局部频率,在局部频率数据体上画出低频的区域范围,对同一剖面计算曲率,在曲率数据体上将高曲率值区域圈出,在地震剖面上将这两个区域进行叠置显示,能够自动识别出火山岩体的可能分布区域,为进一步识别火山岩储层提供指导。

地震照明分析及其在地震采集设计中的应用

地震照明分析是在给定地下背景结构的情况下用模拟方法研究采集系统对地下结构的探测能力.对目标照明的影响主要来自观测系统的设置,上覆地质结构的复杂性以及目标倾角等三项因素.我们将上述因素的影响统一纳入到对照明的定量计算中.本文阐述了关于地震照明的一系列基本概念,并基于波动理论给出对不同类型照明的计算方法.首先将入射和散射波分解到局部角度域并导出局部照明矩阵,它包括了在目标附近所有可能的入射和散射方向对照明的贡献.从照明矩阵出发,研究入射和反射波在角度域中与反射面的相互作用,并由此获得对地下结构的不同照明描述.作为例子,具体给出了对局部照明矩阵,空间体照明,反射面定向照明,反射面照明角度覆盖,以及对反射面可视性的计算方法,并给出了相应的数值计算结果.最后,讨论了照明分析方法在地震采集设计中的一些可能应用.

复杂断块地震绕射波分离及其影响因素

地震绕射波是地下小尺度不连续构造体(如裂缝、断层、溶洞和地层尖灭等)的地震响应,绕射波的正确识别对复杂断块油气田勘探具有重要意义。平面波预测法通过倾角估计预测连续性较好的反射波同相轴而保留弯曲程度较大的不连续绕射波同相轴,从而分离地震反射和绕射波。在分析绕射波与反射波信号特征差异的基础上,研究了基于平面波预测的绕射波分离方法,分析了噪声和平面波预测滤波器参数对地震绕射波分离结果的影响。模拟数据和实际数据分析结果表明,噪声水平严重影响绕射波分离效果,噪音过大分离结果会不准确;平面波预测滤波器光滑半径偏小会引入噪音和假象,光滑半径偏大会导致绕射波分离不彻底,小断块地震绕射波响应难以分离。