基于Bond变换的裂缝介质波场方位特征模拟及分析

地震波场的方位特征对于裂缝性油气藏的地震预测方法研究有着重要的意义.为使裂缝模型更具一般性,本文基于线性滑动理论和Bond变换构造了两组任意夹角竖直裂缝模型;考虑到波场二维模拟中突出方位特征,依据弹性动力学的基本方程和Bond变换,推导出了含方位角的弹性波传播速度应力方程;使用高精度交错网格有限差分法对几种裂缝介质进行了数值模拟,并分析其波场特征的变化.模拟结果表明,在两组参数相同的任意夹角竖直裂缝模型中,裂缝内夹角各个方位的波场特征变化不明显,各向异性强度较低,裂缝外夹角各个方位的波场特征变化剧烈,裂缝正交时,各处波场特征相近;针对单组裂缝模型,分析了裂缝参数变化对波场特征的影响,总结出了三种波场形态,得出了裂缝垂直面的波场特征与裂缝法向弱度和切向弱度的相对大小有关,从裂缝垂直面到裂缝平行面的波场朝着相同的形态变化,与裂缝参数无关等认识.这些分析结果有助于进一步认识和应用裂缝介质的波场方位特征.     

卷积神经网络中批量规范化层的使用对地震数据去噪的影响分析

深度学习算法已广泛应用于地震数据处理分析领域,并在地震数据去噪等方面取得了较好的应用效果.目前业界关注重点在于各种不同深度学习算法和相关的网络结构形式,以及不同标签数据对算法效果的影响,较少关注数据集本身的差异对深度学习算法的应用效果影响.本文以卷积神经网络(Convolutional Neural Network, CNN)算法中批量规范化层(Batch Normalization)对地震数据去噪的影响分析为例,通过理论公式和应用效果的对比分析,提出了基于地震数据特征分析下的批量规范化层的使用建议.批量规范化层的使用依赖于数据集的统计分布特征,只有当训练集的归一化能量分布集中在能量较强的区域,批量规范化层的使用才会提升网络的效果.但通常情况下,在地震数据去噪的应用中,不建议使用批量规范化层.这些特征为深度学习算法在地震数据去噪应用中的网络结构设计提供了有价值的参考.     

南海1998-2002年初级生产力的遥感估算及其时空演化机制

基于SeaWiFS资料得到1998—2002年海洋叶绿素浓度值以及海表温度(SST)数据和其它海洋数据,通过VGPM模型最终反演得到南海1998—2002年逐月初级生产力分布图以及季节分布图,发现在这5年内南海海域初级生产力年平均值变化不大,仅略有差异,1998年的年平均初级生产力要比其它几年的年平均初级生产力小一些;而南海海域初级生产力的季节变化则很明显,冬季要比其它几个季节高得多,而夏季最低。不同季节控制南海海域初级生产力的主导因素各不相同,主要是叶绿素浓度的分布、营养盐的分布、温度条件等,不同海区又略有不同。