相干体技术在识别小断层和陷落柱中的应用

相干体技术是利用三维数据体来比较局部地震波形的相似性,相干值较低的点与反射波波形不连续性相关。对相干数据体作水平切片图,可揭示断层、岩性体边缘、陷落柱、不整合等地质现象。以山西省某三维地震数据体为例,利用Geoframe软件计算相关体,借以解决煤田地质勘探中识别小断层和陷落柱等地质问题。     

局部结构熵算法在地震数据不连续性检测中的应用

自从相干地震数据体概念被提出以来,许多学者提出了不同的基于相干性检测地质结构不连续性的算法。例如,基于特征结构的相干算法,局部结构熵算法以及第二与第一特征值比值算法等。本文基于小波变换具有多尺度多分辨率分析的优点,提出了在特定的小波变换分频瞬时属性上,利用局部结构熵算法来检测地震数据的局部不连续性。实际地震资料检测结果表明,基于分频瞬时相位的局部结构熵算法更能有效地检测到地震数据的细微变化,对于油气藏的精细刻画有重要意义。      

曲率属性在河流相储层内部不连续性检测中的应用

河流相砂岩储层内部由于岩性、物性和微小构造变化导致的不连续性特征是阻隔流体流动,影响注采受效的重要因素。因此对这些特征的研究对于油田开发具有重要意义。这类不连续特征在地震资料上通常表现为地震振幅和波形的变化、同相轴的扭曲等,尺度通常小于地震资料分辨率。本文研究了基于曲率算法的储层不连续性特征的识别方法,通过模型正演分析发现曲率属性对于砂体之间不连续性特征具有较高的检测精度。在渤海某油田砂体单元的应用分析表明,曲率属性对于储层不连续性的检测结果与后期生产动态及示踪剂测试结果吻合,验证了该方法的可靠性。该方法技术能够为油田高效开发提供有力的技术支撑。     

基于深度信念网络的地质实体识别方法

地质实体作为地质信息表达的核心要素,对其准确识别是地质文本数据挖掘和应用的重要基础。本文通过分析各种类型文本数据中地质实体信息的描述特点,构建了地质实体信息的标注规范和语料库,设计了基于深度信念网络(Deep Belief Networks)的地质实体识别模型,解决了文本数据中地质实体信息的结构化、规范化处理问题。以矿产资源地质调查报告为实验数据,对本文的地质实体识别方法性能进行了评估分析。结果表明,深度学习模型能够在较小规模语料库的基础上,达到较好的地质实体识别性能。     

方差体技术在地震勘探中的应用

三维地震数据体反映了地下一个规则网格的反射情况。当遇到地下有断层或某个局部区域地层不连续变化时，一些地震道的反射特征就会与附近地震道出现差异而导致地震首局部的不连续性。三维方差体技术就是求取三维数据体所有样点的方差值来反映这种不连续性信息。通过该技术在济宁2号井某采区的实际应用，可看出，方差体技术在三维地震信息的自动拾取以及提高地震资料解释成果精度等方面有明显优势，对断层、陷落柱有良好的自动识别能力。     

基于地震波形指示反演的陷落柱识别方法及应用

在煤层气勘探开发中，陷落柱是制约煤层气勘探成效的重要因素之一，因此，有效识别陷落柱对提高煤层气勘探成效具有重要意义。以往识别方法都是基于三维地震数据利用陷落柱这一构造引起的地震反射同相轴的非连续性进行识别，本次将陷落柱作为一种地质异常体，利用地震波形指示反演的方法对其进行识别预测。通过测井资料分析和地质建模正演，分析得出煤层中陷落柱发育位置地震波形的3种地球物理响应特征:纵波阻抗值高、地震波形变化和振幅减弱。从地震波形指示反演的基本原理入手，明确该反演方法能够利用陷落柱上述3个响应特征对其进行有效识别。以沁水盆地樊庄区块为例，用该方法对陷落柱识别进行试验，识别结果与钻井含气性及水文地质背景相吻合。结果表明波形指示反演法对陷落柱能够达到有效识别，该方法是识别陷落柱的一种有效手段。      

PNN在煤田随钻测井岩性判识应用研究

介绍了PNN方法原理及其算法训练学习过程,详细阐述了网络识别岩性参数的选取、岩性识别模型的建立过程.通过对比研究PNN与其他6种岩性识别方法,分析相同条件下预测结果,得到不同识别方法的优劣性.经研究发现,PNN概率神经网络方法在生产应用中效果更佳、训练识别用时最短.利用人工智能神经网络对测井数据进行自动解释分析,可满足随钻测井时效性及快速解释处理的地质导向需求.     

利用测井曲线识别标志层的软件设计及应用

本文引进人工智能的思想,利用动态规划序列匹配的识别方法进行地质标志层位识别。在选取特征模式参数时,不仅考虑了曲线形态的特征,而且考虑了地层岩性的特征。对特征模式向量进行了量纲一致性处理,参考了统计学中变量主成分分析的思想,对多种测井信息做了综合处理,对地质先验知识做了约束条件处理。在软件编制中采用窗口式人机对话方式。识别时既可以全孔所有层识别,也可以只做部分层位识别,还可以分段识别。对山东唐口地区的几口井做了识别处理,均取得较满意的结果。     

用方差体技术识别小断层及裂隙发育带

为了提高煤田开采的效率,准确、快速地确定断层和裂隙发育带已迫在眉睫。而三维方差体技术突出了地层横向变化对地震道的影响,能够对三维地震地质信息进行提取,还可用于识别断层、裂隙及地层的不连续变化。这里介绍了三维方差体技术的原理及基本算法,并在山东某采区三维地震资料的解释工作中进行了实际应用。结果表明,方差体技术对断层、裂隙发育带等地质异常体具有良好的识别效果。     

基于多道信噪能量统计的微地震有效信号识别方法

在微地震监测中有效微地震信号的识别是关键步骤。常规的微地震有效信号识别方法基于单道长短时窗能量比,受噪音影响较大,对于信噪比较低的事件无法准确识别。利用多道记录数据之间的信号相关性好而信号与噪音相关性差的特点,通过记录道自相关求取总能量和相邻记录互相关求取信号能量,以有效信号能量所占比即含信能量比作为门槛值进行有效信号识别,信号识别过程中利用多道互相关对噪音进行了有效压制,提高了微地震信号识别的压噪能力,通过模型数据和实际资料处理验证了方法的有效性。     

基于Manhattan距离的相干体技术的应用

地震相干体技术可以有效地压制连续性,突出不连续性,比地震切片的地质解释更直观,能更细致地进行断层解释。基于Manhattan 距离的相干体技术,与传统的C1 相干算法进行比较,该技术不仅在断层识别能力方面要强于C1 相干算法,而且当利用两种算法获取断层信息的效果相当时,该技术的相关时窗长度要比C1 相干算法所用的相关时窗长度小,这恰能提高程序的运行速度,提高了地震相干体技术的运行效率。此外,该相干体技术也能近似计算出每道在纵横测线方向上的视时间倾角。     

地震相干体技术简介及其应用

通过对三维数据体各种逻辑关系和物理属性的分析研究,认为地震三维数据体的不连续性主要反映断层和岩性的变化;连续性则主要反映岩性的均一性和地层的连续性。根据这一特点,利用地震相干体技术可在相干切片上直观地反映构造和断层的分布情况。通过方法介绍、程序设计和地震相干体技术应用的两个实例,展示该技术在三维地震资料处理中的应用效果。     

相干体技术在煤田三维地震勘探中的应用

相干体技术是一种用于描述断层和地层特征的解释性处理技术。其基本原理是,在偏移后的三维地震数据体中,通过对每一个道每一个样点求得与其周围数据的相干性值,来获得一个表示地震数据相干的三维数据体。地层出现的不连续性在相干体上表现为低相干体值。相干体上的低相干值通过相干时间切片和相干层拉平切片来反映。应用实例表明,使用相干技术在解释落差３ｍ左右的小断层,分析断层的平面分布,加快大断层的解释速度,探测巷道,     

C1相干算法及其在三维地震勘探解释中的应用

作者在文中详细讨论了二维和三维C1相干算法，根据三维C1相干算法的特点，结合二维地震数据体的特点，考虑到三维地震勘探在各大矿区的全面普及，针对三维地震资料开发出了一套实用的应用程序进行相干处理和解释，通过对实际三维地震资料的处理，分析结果表明，C1相干技术对三维地震资料的构造，岩性解释有明显的效果。     

时移地震数据重复性度量及一致性分析方法

时移地震的可重复性高低是时移地震成功与否的关键,因此需要有效的时移地震数据重复性度量及一致性分析方法。这里首先分析了常用的时移地震数据重复性度量方法,即NRMS和PRED方法。经研究发现,PRED度量方法对地震数据的差异性并不敏感,因此提出了基于第三代相干分析的COHE度量方法,COHE方法比PRED方法对地震数据的差异性更为敏感。NRMS和COHE方法可以度量地震数据的重复性,但不能直接分析不一致性的影响因素,因此这里引入地震数据处理中的相关参数分析法,提出了基于相关函数的时移地震数据一致性分析方法,求取相关函数的特征参数,可以直观地分析时移地震数据在时间、振幅、相位和频率等方面的一致性,指导时移地震数据的处理,进行质量监控。     

利用地震方法预测潜山裂缝性油气储层——以渤海湾南部为例

以３Ｄ地震数据体为基础,使用相干分析技术和合成声波测井对发育在渤海湾盆地南部少浅海海域中的古生界碳酸盐岩和太古界花岗片麻岩中的潜山裂缝性储层进行了横向预测,在此基础上确定了有利部位。预测结果得到了实际钻探的证实。     

地震相干体算法的改进及应用

近年来,相干体技术在地震勘探资料解释方面的应用有着重要突破。由于相干体处理的对象主要是三维地震数据体,传统的方法计算需要运行较长时间。为缩短解释周期,在研究算法分析的基础上,采用递推算法、乘幂法等,对传统的相干体算法进行了改进,大大地提高了计算速度。这里介绍了相干体技术的改进算法,在微机上开发出相干体分析软件,并在实际的三维地震体储层评价上得到成功的应用。测试证明,运算速度较常规方法提高了5~7倍,这充分表明了该方法的有效性。     

利用人工神经网络方法检测地震剖面同相轴

在地震勘探中,经过各种处理后最终得到用于解释的地震剖面实际上都可以看作是一些图像。这样,就可以从图像处理的观点来看问题,图像的特征有边缘和区域,那么,地震反射同相轴在地震剖面图像上,可以看作是一边缘。人工神经网络是近年来发展起来的一种新技术,它可以进行二维图像的边缘检测,基于这一点,把神经网络边缘检测技术应用到地震剖面上来检测地震反射界面,压制地震剖面上的随机干扰,从而改善地震图像的质量,达到提高地震资料信噪比和分辨率的目的。运用该技术对实际剖面进行了处理,效果很好,证明了方法的可行性和有效性。     

基于小波变换的改进阈值函数自适应去噪方法

在多分辨分析小波阈值去噪方法的基础上[3],用一种改进的阈值函数和自适应阈值选取算法相结合的方法,克服了硬阈值法不连续性和软阈值法有偏差的缺点。该方法能自动跟踪噪声,不同尺度自适应采用不同的阈值,可有效去除每一尺度上的噪声,保留有用信号,提高信噪比。仿真实验和地震资料处理结果表明,该方法去噪效果明显,可在各类消除随机噪声的信号处理中发挥作用。     

基于CUDA的地震相干体并行算法

相干体技术在地震勘探资料解释方面得到了广泛的应用,由于相干体技术处理的对象是三维地震数据体,所以算法运算时间较长。为了缩短解释周期,本文充分发挥GPU并行计算优势,对C3相干体算法进行并行化分析。从硬盘读取数据到GPU上计算相干值并写入硬盘的整个过程进行分析,剔除了冗余数据的读取,完成了C3相干体算法的并行化设计与实现。最后分别对串行算法与并行算法进行性能测试,结果表明本文设计的并行算法在保证精度的前提下达到了16倍左右的加速比,对加快地震资料解释具有重要意义。