利用sPL震相测定2022年山西古交M_(L)4.1地震震源深度

选取2022年2月20日山西古交M_(L)4.1地震事件波形,筛选出震中距在10~70 km之间的5个地震台站,基于sPL震相特征对波形数据进行处理,在震中距23 km的GUJ台观测到sPL震相。使用山西2015一维地壳速度模型,通过SEIS-CAP软件计算该地震的震源机制解,并利用F-K方法计算理论地震图,与观测波形拟合对比,确定该地震震源深度约4 km。sPL震相方法、CAP方法测定的震源深度和正式编目结果基本一致,表明利用sPL震相测定山西古交M_(L)4.1地震震源深度是可靠的。

基于地震相识别的相控储层预测技术及应用——以魏岗-张店结合部为例

随着勘探开发不断深入,南阳凹陷的勘探开发方向由魏岗、张店主体区逐渐向背斜翼部转移,滚动勘探目标也由构造油藏向复杂岩性油藏转变。由于魏岗-张店结合部构造较为复杂且地震资料分辨率较低,导致储层预测多解性强,为了准确识别不同岩性体和进行储层预测,以核桃园组核二Ⅱ亚段为例,通过开展地震相识别及多属性融合分析,指出魏岗-张店结合部由北向南发育的水下分流河道是储层发育的有利相带;并在此基础上,通过岩性反演提高了地震分辨率,实现了5 m以下厚度砂体的精细刻画。可为魏岗-张店结合部勘探开发的深化提供技术支撑。

知识图谱引导的沉积相智能地震识别技术

传统的沉积相识别方法依赖地质专家的先验知识,利用地震和测井数据,借助计算机的存储和计算能力定性分析沉积环境。地震相的识别以地震数据为基础,因需大量的人工解释,准确率和效率均不甚理想。如何从地震数据中表征沉积微相的地质特征,实现沉积微相的三维空间刻画仍有待研究。近年来,知识图谱(KG)在地学领域中引起广泛关注,通过构建KG进行约束也可改进传统沉积相识别方法,但是KG、深度学习(DL)与沉积相地震技术识别需进一步融合,研发基于KG约束的沉积微相精细识别技术是目前亟需解决的技术难题。为此,将地质先验知识引入KG,构建了地下复杂沉积模式的计算机高层语义认知系统,利用KG对地质先验知识的计算机表征,作为约束条件和质控手段引导沉积微相的识别与建模,形成了KG引导的沉积微相智能识别技术。利用所提方法将地质先验知识数字化之后,刻画了四川盆地川中地区灯影组碳酸盐岩微生物丘滩体以及多期次前积体沉积相微相的空间分布,预测结果与目标工区的特定地质情况契合。所提方法适用于深层岩性圈闭预测和井位论证,为储层预测提供了有效依据,具有较好的工业化应用、推广价值。

柴东地区欧南凹陷上石炭统地震相及沉积展布特征

柴达木盆地东部欧南凹陷石炭系是新区、新层系油气勘探重点区域,钻井和露头揭示平面上上石炭统沉积特征差异大,沉积相展布特征认识不清,影响着柴东地区上石炭统油气勘探的部署。文章利用欧南凹陷二维地震资料,分析其地震反射内部结构和外部几何形态特征,在欧南凹陷上石炭统内共识别出平行席状地震相、亚平行席状地震相、丘状地震相、楔状地震相、斜交前积地震相和杂乱状地震相6种,并对其特征进行了详细的描述,建立了欧南凹陷上石炭统地震相的平面组合图;综合区域地质资料、露头、测井和地震资料,在地震沉积学和大陆架沉积理论的指导下,建立了欧南凹陷上石炭统地震相与沉积相之间的联系,并预测了其沉积相的展布特征。研究结果表明,上石炭世欧南凹陷由东向西依次发育河流−三角洲平原沉积体系、三角洲前缘沉积体系和前三角洲−深水陆棚沉积体系。

基于多特征融合自编码器的无监督地震相分类研究

地震相分类是地震数据解释中的一个重要步骤,是地震数据与沉积相的连接工具.为了提高地震相分类精度和减少对有限人工标签的依赖,本文提出了一种基于多特征融合自编码器的无监督地震相分类方法.首先,提出了一种混合卷积和变分编码的多特征融合自编码器,实现了地震数据中表征地震相的大量隐含特征提取.其次基于非负矩阵分解和K均值聚类实现了主特征分量分解和地震相聚类.实际地震数据应用结果和指标分析表明,本文方法提取的隐含特征趋于正态分布,且主特征分量中蕴含了不同地震相类别的响应,从而可以获得更准确的地震相分类结果.在渤海湾盆地东营凹陷古近系沙河街组湖相沉积中,清晰划分出了六类沉积微相的边界,有利于揭示三角洲沉积环境演变.

基于半监督对比学习的地震相智能识别方法研究

近年来,基于无监督学习和有监督学习的深度神经网络在地震相智能识别中发挥了重要的作用。但在实际应用中,无监督学习因缺少先验知识的引导,而识别精度相对较低。有监督学习需依赖大量标签信息,而实际情况难以满足该要求。提出一种半监督对比学习地震相识别方法,采用无标签数据和有标签数据共同学习以优化模型的性能和学习能力,从全部数据中学习相似样本之间的特征和不相似样本的差异,尽可能缩小同类地震相的类内距离并尽可能扩大类间距离;然后,利用少量的标签学习,将相类型和学习到的特征对应起来;最终实现全区的地震相高精度识别。将该方法应用于SEAM AI地震数据和南海某工区地震数据,获得了地震相识别结果,并将其与常规有监督地震相识别方法得到的结果进行对比,发现在少量标签的情况下,半监督对比学习地震相识别方法能有效识别不同类别的地震相,提高了地震相识别精度,具有良好的应用前景。

大同煤田边缘相侵入岩测井响应及地震预测方法研究

侵入岩对大同盆地北部石炭-二叠纪煤炭资源破坏严重,制约了特大型矿井的高效、安全开采。为此,基于钻井取芯、巷道揭露和测井等资料,首先厘清了中心相和边缘相不同蚀变程度侵入岩的测井响应特征。针对强蚀变边缘相侵入岩与煤层顶、底板围岩物性波阻抗差异小,地震预测困难的问题,进一步研究并应用了振幅类、频率类和构造类地震属性解释技术,提出了以瞬时频率为主,构造属性为辅的侵入岩地震预测方法。钻孔对比结果表明:边缘相区残存煤厚度变薄是导致煤层反射波频率增大的主要原因。地震预测的总误判率约9.1%,揭露侵入岩的钻孔预测准确率约93.7%,实现了边缘相侵入岩分布的地震精细预测。

应用遗传算法估计非稳态地震数据的混合相位子波及Q值

地震高分辨率处理或反演的目的是获得精确的反射系数或弹性参数模型。然而地层滤波效应模糊了地震记录中的地层反射信息,因此有必要消除这种滤波效应。现有的大部分提高分辨率方法并不能完全摒弃关于地震子波和Q模型的一些假设。为了获得更为切合实际的地震子波,同时自适应获取Q模型,文中将地震子波相位估计与Q模型估计相结合,提出了基于遗传算法的非稳态地震数据混合相位子波及Q值估计方法。首先通过井旁道记录拟合得到初始地震子波的振幅信息,然后依据子波Z变换的根关于单位圆移动与否构建用于遗传算法的编码链条。另一方面,十进制Q模型对应的二进制表示形式同样能够利用编码链条表征,因此利用全局优化算法能够同时估计地震混合相位子波以及Q模型。结合根变换和遗传算法不断改变子波相位的同时自适应生成Q模型,利用子波和Q模型构造的时变子波矩阵与测井反射系数得到合成地震记录,并与井旁道记录进行匹配,最终得到合理的混合相位子波和地层Q模型,进而构造时变子波矩阵进行时变反褶积。通过井旁道记录与测井数据拟合得到的混合相位子波,与实际地震子波相位更为接近,理论数据和实际数据处理结果证实了该方法的有效性。

地震波三重震相在地幔转换区结构研究中的应用

地幔转换区位于上、下地幔之间,作为地球内部物质循环的关键场所而被地学界长期关注。410 km和660 km间断面是地幔转换区的上下边界,对这2个间断面附近的速度结构及间断面起伏形态进行成像,有助于了解地球内部物质和能量循环。地震波三重震相对速度缓变的结构较为敏感,因而可用于直接约束间断面附近的速度结构及间断面起伏形态。本文概要介绍三重震相对地幔转换区结构的响应特征,并对三重震相波形拟合方法获得的全球多个地幔转换区的速度结构及间断面起伏特征等方面的成果进行综合分析,并据此探讨地幔转换区间断面起伏形态和俯冲滞留物质等对地幔物质组分、温度变化、地幔矿物含水量、地幔动力学过程和地球内部物质循环过程的约束能力。

基于波形特征向量的谱聚类地震相分析

本文提出一种基于地震沉积学原理沿层提取地震波形特征向量,并以谱聚类(spectral clustering)分析进行地震相划分的方法。谱聚类能够处理非线性的数据结构和高维数据的聚类问题,但其相似度矩阵的构建和谱分解的计算较为复杂,需要较高的计算资源和时间成本。为提高谱聚类算法的效率和可扩展性,本文提出将Mini-batch K-means算法与谱聚类算法结合起来的MKSC算法,在提高谱聚类算法精度的同时大大降低谱聚类空间的复杂度。经过对数值模拟、地球物理模型数据和实际地震资料的处理分析,证明该方法在沉积相划分、沉积相特征识别方面的效果明显,是一种具有良好应用前景的新型沉积特征分析工具。

“地震相-岩性层位”识别模式的研究及应用-以桩海地区中生界为例

为准确卡取济阳坳陷桩海地区的中生界古潜山地层,通过大量三维地震剖面解释分析,研究了中生界地震相反射和岩性特征,建立了桩海地区中生界“地震相-岩性层位”6种识别模式。研究结果表明,该识别模式的建立,实现了地震相与地层岩性关联性,对桩海地区中生界层位划分、地层对比提供了新的技术手段,具有较强的指导意义和推广价值。

基于机器学习的地震复合微相自动识别技术应用实践

西湖凹陷斜坡带平湖组砂体发育模式及分布规律不清限制了斜坡带勘探开发评价进展。从基础资料深入分析出发,井震结合明确“振幅-频率-波形-反射外形”四个参数为地震复合微相描述敏感参数,在此基础上依托BP神经网络算法实现地震复合微相自动识别。明确斜坡带水下分流河道、河口坝、潮汐砂坝及席状砂等多类型砂体发育规律,为该区岩性油气藏勘探提供理论支撑。

东尼日尔盆地白垩系Yogou组地震相-沉积相和控制因素分析

东尼日尔盆地Termit拗陷位于尼日尔东南部,属于中西非裂谷系的一部分,具有较大油气勘探潜力。本文通过二维地震剖面分析,研究了Termit拗陷的典型地震相类型、沉积控制因素、物源输送体系和代表性沉积相,并依据地质背景转换为沉积相,重点分析坡折带对沉积的控制因素。通过前积反射构造分析,确定了Termit盆地的物源输送方向。 根据资料,Termit拗陷主要发育了平行-亚平行反射、河道充填、发散性反射、前积反射、空白反射及杂乱反射等地震相。挠曲坡折带与火成活动带和水下凸起共同构成构造控制因子,其他两种沉积控制单元未涉及。地震剖面分析显示,Termit盆地的物源输送多样化,沉积范围广泛,主要物源方向为东北。 研究将三角洲沉积相分为三角洲前缘和前三角洲。沉积微相包括水下分流河道、河口坝、远砂坝、席状砂、分流河道间泥和前三角洲泥,并制作了地震相与沉积相转换表。

基于地震属性智能融合的湖相重力流沉积致密砂岩储层预测

湖相重力流是目前沉积学研究的热点与难点,也是致密油、页岩油富集的有利场所,鄂尔多斯盆地庆城油田三叠系延长组作为致密油、页岩油的典型代表已显示出巨大的勘探开发前景。然而,由于湖相重力流砂体分布认识不清,导致油田并未达到预期的开发效率。本文采用支持向量机(SVR)的机器学习方法,先优选频段再优选属性,建立分频属性与测井解释砂体厚度的非线性映射关系,实现了致密砂岩的定量预测。研究结果表明,低频地震属性适合预测厚层砂体,高频地震属性适合预测薄层砂体;采用机器学习的方法,将不同频率的地震属性智能融合,能够兼顾预测不同厚度砂体,既提高了地震属性的解释精度,又降低了地震解释的多解性,实现了砂体厚度的定量预测。检验结果显示,智能融合属性与砂体厚度的分布趋势与值域区间基本一致,智能融合属性预测砂体分布的可靠性明显提高,与测井解释砂体厚度的相关性由0.60提高至0.79,大多数井点处预测的砂体厚度误差小于5 m。继而,根据融合属性与测井解释,刻画了研究区的沉积微相展布特征:研究区目的层发育湖底扇沉积,细分为分支水道、朵叶主体、朵叶侧缘、滑塌体与朵叶间/水道间5种沉积微相;砂体主体呈扇形连片式沉积,厚度顺物源方向逐渐减薄;分支水道呈窄条带状树形分叉,下切发育于朵叶体之上;朵叶体沉积为研究区的沉积主体;滑塌体为湖底扇前端失稳滑塌形成的小规模孤立砂体,长轴方向多平行于湖底扇前端。研究成果对油田下一步高效开发具有重要意义。

2023年2月5日三水ML4.0级矿山地震震相特征与发震构造

2023年2月5日广东三水发生了ML4.0级地震,佛山、广州、深圳等地区有感,有感范围广泛,且震中位于盐矿开采区,因此特别引人关注。通过收集震中800 km范围内质量较高的342个测震记录和410个强震记录,经过人工仔细分析,识别出了967个震相,统计分析发现:所有台站记录都在Sg波之前有丰富的高频成份,有75个台站记录中在Sg波之后出现了周期变化(周期在1.1~1.5 s之间)、毛刺少、振动规则的短周期面波,其持续时间大致在5~20 s之间;面波振幅整体随震中距增大而减小,但在部份台站存在突然增大数倍的现象,最大峰值的视速度约为2.85 km/s,在垂直向比较明显,符合Rg面波的特征;用深度震相sPn测定的震源深度约为3.8±0.39 km,重新修订的震中位置为:经度112.958 3°N,纬度23.271 6°E;初动呈四象限分布,确定的发震构造为走向334.90°,倾角54.04°,滑动角-18.84°,错动类型以左旋走滑为主,兼少量正断。综合分析认为,这是由长期的抽取卤水采盐活动引起的。采空区的应力变化导致矿体的应力分布发生调整,沿F7断层的应力超过了其承载能力,在区域应力主控制下使上盘发生破裂和滑动,从而引发了与采矿活动密切相关的矿山地震。

2022年平山4.3级地震震源机制及发震机理

基于震中附近地震台站波形资料,采用CAP方法得到平山4.3级地震的震源机制解和矩心深度,同时利用sPL震相对震源深度进行了精确测定。结果显示:平山4.3级地震震源机制双力偶解节面Ⅰ走向311°、倾角43°、滑动角33°;节面Ⅱ走向196°、倾角68°、滑动角128°;P轴方位角259°、倾角15°,表现为NEE-SWW向的挤压应力状态,与华北地区构造应力场方向基本相同。结合区域应力状态和地质构造活动,推测其发震断层为一条兼有走滑性质的逆断型隐伏断裂。

地震构型分析方法在胜坨油田辫状河储层表征中的应用

辫状河沉积砂体储层内部的复杂结构是控制砂体连通性的根本原因,它制约了碎屑沉积储层的剩余油开发。以往依靠井数据的砂体构型表征精度取决于井控程度,井间预测由于缺乏数据支持而存在不确定性。因此,砂体构型精细表征的关键在于使用地震数据进行井间预测。研究表明,通过划分复合心滩坝砂体的单井构型相,结合地震正演分析确定地震可辨识构型模式,利用地震构型分析方法预测地震构型相和构型边界的平面分布特征,能够为井间预测提供客观数据支持。

基于机器学习和台阵相关性的水力压裂微地震事件自动识别及到时拾取

利用密集台阵对水力压裂微地震进行监测将有助于优化储层压裂、揭示断层活化.为满足密集台阵海量采集数据的处理需求,本文建立了一种综合运用多种机器学习方法和台阵相关性的、无需人工干预的自动处理流程,从而能够快速得到高质量的密集台阵震相到时目录.该综合策略包括:(1)利用迁移学习在连续波形中快速检测地震事件;(2)利用U型神经网络PhaseNet自动拾取P波、S波震相;(3)利用三重线性剔除法,结合密集台阵到时相关性剔除异常到时数据和地震事件;(4)利用K-means和SVM两类机器学习算法,进一步区分发震时刻接近的多个地震事件,减小事件漏拾率.通过将该流程应用于四川盆地长宁—昭通页岩气开发区微地震监测数据,并将自动处理结果与人工拾取结果进行比对发现,二者在震级测定、定位以及走时成像结果等方面具有很好的一致性,表明本文处理流程结果精度可达到手动处理精度.本文结果为密集台阵地震监测数据的高效、高精度处理提供了新思路.

地震沉积学在东海陆架盆地西湖凹陷河流-三角洲相储集层刻画中的应用

针对东海陆架盆地西湖凹陷渐新统花港组河流-三角洲相储集层横向变化快、常规切片属性形态差、储集层预测难度大、难以满足岩性油气藏的后续勘探开发的问题应用分频解释、反演-常规-90°相移联合构建地震岩性体、非线性切片、古地貌恢复、多属性融合等特色技术对传统地震沉积学方法进行优化。研究发现花港组发育辫状河、曲流河和浅水三角洲3类沉积体,垂向沉积演化受中期基准面旋回和古地貌联合控制。在中期基准面旋回上升阶段的早—中期以辫状河道沉积为主,发育垂向叠置型砂体;在上升半旋回晚期和下降半旋回的早期以曲流河沉积为主,发育孤立型砂体;在中期基准面下降半旋回的中—晚期以浅水三角洲沉积为主,发育迁移型中—厚层砂体。限定性古地貌对砂体展布具有控制作用,非限定性古地貌对砂体展布影响较小。在储集层刻画的基础上,提出断层封堵型和储集层上倾尖灭型构造岩性圈闭是西湖凹陷下一步滚动挖潜的主力方向。

2D/3D起伏地表多震相地震波走时的因式分解程函方程算法

起伏地表条件的地震波走时计算方法是研究该类地表区地下结构的基础工具。快速行进法和快速扫描法均是基于有限差分求解程函方程而发展起来的地震波走时计算方法,由于震源附近波前曲率较大,这两种算法均存在震源奇异性问题。研究成果表明,对于复杂模型快速行进法的计算效率高于快速扫描法。为此,借鉴快速扫描法解决震源奇异性的思路,采用快速行进法求解因式分解程函方程,从而规避了震源奇异性问题。具体而言,将地震波走时分解为一个距离函数T0与一个走时扰动值T1乘积的形式,通过快速行进法求解T1,并与T0相乘,得到地震波走时;同时,为弥补规则网格迎风差分格式不适用于地表/界面起伏的缺陷,构建了适用于不规则网格的不等距迎风差分格式,进而结合分区多步技术形成了全局多震相地震波走时计算方法。2D和3D数值模拟实例表明,所提算法从根本上解决了快速行进法的震源奇异性问题,显著提高了原算法的计算精度与效率,可精确计算多震相地震波走时。