井间地震速度反演的遗传算法

井间地震速度反演具有重要的意义,不仅对于准确圈定地下构造的传统地震勘探是重要的,而且速度的变化可以指示非背斜型的地层岩性圈闭.传统的射线追踪方法一般是先给出入射角,然后根据折射定律修改入射角以达到反演的目的.该方法对每条射线均需通过扫描确定入射角,计算量较大,对初始地质模型的要求较高.遗传算法具有全局收敛性,是一种不用梯度信息的优化方法,特别适用于大型的组合优化问题.采用多项式展开表示界面深度和速度,通过弯曲射线追踪算法来计算射线的旅行时间,利用遗传算法进行迭代优化,可以同时反演出地下复杂构造的界面形态和速度变化.该方法与网格化速度反演相比,减少了未知参数,较好地克服了多解性问题,试验结果表明,该方法可以达到较高的反演精度.     

井震联合地震道多尺度反演

多尺度（多分辨率）反演是近几年才提出的一种加快收敛速度，克服局部极小值影响，搜索全局最小极值点的反演策略，将垂向上分辨率较高的测井资料和横向上连续性较好的地震资料在地质理论指导下进行联合地震道反演，同时将小波变换多尺度分析（多分辨率分析）思想应用于上述反演中，实现对地震道多尺度（多分辨率）反演，理论和实际资料的处理均表明，这种反演方法具有收敛速度快，反演精度较高，适应能力较强的特点。     

小波多尺度井间地震层析成像方法

将小波多尺度分析的思想引入到井间地震层析成像非线性反问题研究, 首次提出了小波多尺度遗传进化井间地震层析成像方法.该方法是一种非线性全局寻优算法, 其解大大地优于线性化反演方法的解,并极大地提高了地震层析图像的分辨率和图像质量,很好地解决了复杂模型和大扰动模型成像的难题.另外,小波多尺度反演方法还能够提供不同分辨率的反演图像,将有益于层析图像的解释.数值模型试验和实际工程应用结果表明该方法具有很好应用效果.     

多项式的井间地震速度场反演方法

基于契比雪夫多项式的旅行时反演方法,不需进行入射角扫描,首先用多项式表示出深度和慢度,计算出从源点到接收点的旅行时间,通过与实际时间的误差修改模型参数,经过反复迭代,最终得到地下复杂构造的界面形态和速度变化.与网格化速度反演方法相比,计算的未知数少,对初始地质模型的依赖性小.模型试算表明,在初始地质模型与实际地质模型差别较大时,仍能取得比较好的反演结果.     

影响地震道多尺度反演效果因素分析

测井、地震资料联合地震道多尺度反演方法是笔者近年来在地质理论指导下研究出的通过小波变换多尺度思想进行地震道反演的方法。理论和实际资料的处理表明,这种反演方法具有收敛速度快、反演精度较高、适应能力较强的特点。为了搞清各种因素对测井、地震资料联合地震道多尺度反演效果的影响规律,通过改变各种参数用上述方法分别对理论模型和实际资料进行了试算和处理,得到了一些有意义的结果,为该方法的进一步完善和拓宽其应用范围提供一点思路和方向。     

基于混合模糊神经网络储层裂缝地震反演研究

基于储层裂缝系统具有非线性特征,储层裂缝地震反演是由遗传算法(GA)、模糊神经网络(ANF IS)和禁忌搜索算法(TS)有机地结合而构成的自适应混合模糊神经网络技术。该技术在成像测井约束下,形成的自适应混合算法分别训练ANF IS网络的前提参数和结论参数,从而获得满足精度要求的储层裂缝密度的最佳估计值。针对目标储层段,应用储层裂缝地震反演方法对过井地震剖面和联井地震剖面进行了储层裂缝密度反演处理,获得了可用于地质解释和油气预测的视裂缝密度剖面。这种裂缝密度剖面含有裂缝定量信息,其裂缝密度相对误差为:0.8%~24%,满足勘探开发的要求。经与研究区的地质对比分析表明,视裂缝密度剖面上的裂缝展布特征符合研究区的沉积相分布和岩石力学性质的变化特征,对研究区的勘探开发具有重要意义。     

井间地震时频域联合速度和衰减系数同步层析反演

井间地震资料中蕴含丰富的地下储层岩性和物性信息,利用井间地震直达波初至信息,通过层析反演可以得到两井之间的速度剖面。通过对井间地震直达波振幅衰减信息的处理,可以实现井间的吸收衰减层析成像。基于井间地震直达波射线路径的一致性,提出了井间地震时域直达波走时层析反演和频域质心频率衰减层析同步反演方法,增加了约束条件,增强了抗干扰能力。对模型和实际资料的处理结果表明,速度和吸收衰减同步反演方法,提高了速度层析反演精度,得到了对油气更为敏感的衰减属性,增强了井间地震在储层描述和油气预测中的应用能力。     

基于EEMD及BP神经网络的区域海平面多尺度预测研究

基于时间序列的统计预测模型是现阶段海平面高度预测的主要手段之一,然而海平面变化机理复杂,传统方法对于非平稳非线性的时间序列预测存在较大局限性,预测精度有待进一步提高.本文基于闸坡站长时间(1959～2011年)月均验潮序列,结合集合经验模态分析(Ensemble Empirical Mode Decomposition,简称EEMD)与BP(Back Propagation)神经网络方法,提出一种改进的区域海平面变化趋势预测方法——EEMD-BP建模.本研究首先利用EEMD方法对原始序列进行分解,根据验潮序列中隐含的各个信号的不同频谱特征生成多个本征模函数(Intrinsic Mode Function,简称IMF),达到将时间序列平稳化,提高信噪比的效果.然后由各IMF作为BP神经网络的输入因子,分别预测各IMF的未来变化趋势,最后将输出结果重建得到原始序列的预测值.结果显示,EEMD能有效提取序列中隐含的多时间尺度信号,神经网络能较好地预测海平面未来变化趋势,相对于直接使用BP神经网络进行海平面变化时间序列预测(R=0.76,RMSE=36.74mm,ME=-3.46),EEMD-BP建模预测精度有显著提高(R=0.89,RMSE=28.16mm,ME=2.31).说明EEMD-BP建模首先对非平稳非线性时间序列进行平稳化、降噪等处理,再分别对分解后序列进行预测,有利于提高预测精度.该方法为相关区域海平面变化趋势预测研究提供现实参考意义.     

用STRATA进行地震数据的反演

STRATA为一套交互2D/3D模型和反演软件,其功能是将叠后的地震道转换成波阻抗地震道。除了地震反演外,STRATA软件还包括其它一些功能如地震处理,子波提取和井编辑等。所有任务可在多个连接窗口中完成和显示,可以建立地质模型,分析地震数据和交互研究反演结果。在软件中提供了多种反演方法如基于模型反演,稀疏脉冲反演和人工智能神经网络反演。STRATA还提供了分析分步反演结果的工具。     

地震反演中测井数据的预处理

大港油田港东一区一断块是高含水、开发后期的老油田,地震反演是油田深入开发的一项基础工作,采用合理的技术,进行测井数据预处理,则是地震反演的关键环节.对区内大量多年的测井数据进行了的环境校正;以VSP速度趋势,作为声波测井低频速度趋势,对不同年代、不同型号仪器观测的测井曲线进行了标准化处理.在此基础上,研究了用自然电位和深探测电阻率重构拟声波曲线的模型,选择了深探测电阻率重构的拟声波曲线,突出了储层岩性的变化,为地震反演准确预测储层空间展布提供了可靠的测井资料.     

基于多尺度边缘特征的深度学习电阻率反演方法

直流电阻率法是一种经济、高效的工程地球物理探测手段,对含水构造敏感。线性电阻率反演是实际探测中的主流方法,但其反演结果容易陷入局部最优,产生错误的地质解译。与之相比,无监督反演方法能够采用物理规律和数据挖掘双驱动训练网络,摆脱对真实模型的依赖,具备在实际数据中全局搜索的可行性。在无监督反演方法的基础上,创新了基于多尺度边缘特征的深度学习边界刻画方法。针对反演成像边界模糊的问题,借鉴地震、电磁勘探中多尺度反演的经验,提出了一种电阻率多尺度反演方法,以多尺度反演目标函数作为损失函数修正网络梯度,有效提高了无监督学习反演的边界刻画能力。在上海市域铁路机场联络线1号风井工程开展现场试验,以5号基坑地连墙渗漏点探测为例,探明了15处低阻异常,指导基坑补强作业,验证了方法的可行性和有效性。     

基于组合震源编码的多尺度全波形反演方法

全波形反演(full waveform inversion, FWI)是目前精度最高的一种速度反演工具,通过迭代反演得到高精度的地下构造,为叠前成像技术提供更准确的速度场,满足目前勘探开发日益复杂的需求。但FWI需要估计精确的震源子波,而从野外采集的地震数据提取子波是非常困难的,此外,反演过程中,模型参数与观测数据存在强的非线性关系,容易产生周波跳跃现象。针对中低波数反演过程中存在周波跳跃现象与地震子波难提取的问题,本文构建了一种基于组合震源的多尺度波形反演方法。首先对子波和地震数据进行时移组合叠加,再进行互相关梯度求取,只需要一次逆时偏移的计算量,就可以完成梯度的求取,实现多尺度反演的目标。通过模型试算,基于组合震源的FWI方法,可以达到多尺度反演的目的,使得反演结果更稳定;与不依赖子波的方法相结合,反演结果相对准确。     

测井约束多尺度储层厚度反演

在多尺度小波分解理论的基础上,提出利用速度剖面和测井曲线的多尺度小波分解结果,在测井约束下分别确定砂体的位置,几何形态,计数薄砂体的视累计厚度和含油气砂体的视地厚度;并将各尺度下计算的视累计厚度作为人工神经网络的输入,反演得到最终精确的薄砂体的累计厚度和含油气砂体的累计厚度,经三维地震资料连片处理证实,该方法稳定可靠,确定的砂体位置准确,反结果具有较高的精度。     

概率神经网络在地震岩性反演中的应用

卧龙湖煤矿北二采区岩浆岩侵入8煤层的现象较为严重,同时该区煤层中构造煤比较发育,瓦斯富集问题较为突出。利用三维地震资料、测井曲线进行约束反演得到的波阻抗作为外部属性,并使用step-wise属性选择法确定合适数目的地震属性,利用概率神经网络技术(PNN)对该区进行孔隙度预测反演。孔隙度反演结果与波阻抗反演结果的对比表明:孔隙度较波阻抗对于识别瓦斯富集带具有更高的分辨能力;概率神经网络具有高稳定性、计算精度高等特点,可作为研究构造煤发育和瓦斯赋存的有效手段。     

多尺度地震资料联合成像

为改善储层目标区域的成像质量,结合地面地震、VSP和井间地震的各自优势,采用归一化后的自适应叠加方法,实现3种资料偏移结果的联合成像,以达到各种资料优势互补、提高成像精度的目的。为了给联合成像提供精度较高的单种资料成像剖面,采用傅里叶有限差分叠前深度偏移算法实现地面地震资料成像;在VSP和井间地震资料的叠前成像中采用了基于起伏地表直接下延法成像思想,基于傅里叶有限差分延拓算子得到VSP和井间地震偏移结果。模型试算和实际资料的处理验证了多尺度地震资料联合成像法的正确性和有效性。     

多尺度地震信号属性分析

地震信号的瞬时属性分析对地震岩性解释和烃类检测很有帮助,通过采用希尔伯特变换的复数道分析方法。利用这种方法,可以比较方便地从地震记录中分离出波的瞬时振幅、瞬时相位等参数。信号的不同频带具有不同的属性特性,而小波变换具有对信号进行多尺度分解的特性,如采用解析小波则分解后的小波系数仍为一解析信号,且其虚部是其实部的希尔伯特变换。因此根据这一特点可以研究地震信号在不同分辨率下的属性特征。     

测井约束下的神经网络地震储层参数反演

针对目前大多数地震反演方法基于褶积模型及相应假设条件的现状,本文提出了在假定储层参数与地震资料之间存在某种非线性映射的情况下,以测井作为约束条件,利用Ｅｌｍａｎ局部递归神经网络法,建立地震数据到地层参数的映射模型,将地震数据直接由已知井点向外递推地层速度、孔隙度和泥质含量的方法。文中给出了方法原理、处理流程及应用实例。     

地震断层力学的多尺度问题

大量观察和研究结果证明,大陆浅源构造地震是由上地壳岩石的突发性剪切运动造成的,这种固体脆性破坏一般是在区域构造应力作用下沿原有断层面的快速滑动和破裂扩展,可称为地震断层作用(earthquake faulting),它的机制主要是固体力学过程,即岩石空间位置的变动。很多地震研究,如地震构造、地震机制、地震前兆等,都涉及地震断层力学问题,也是构造地质学的一个前沿研究领域。     

基于多尺度区域卷积神经网络的露头孔洞自动提取

碳酸盐岩储层解释与评价的一个重要内容是确定其孔隙空间特征,野外露头是地下储层的真实刻画,对野外露头进行孔洞的自动化提取与其参数定量表征具有重要意义。在深度学习Mask-RCNN模型基础上进行改进,提出一种基于多尺度的区域卷积神经网络孔洞检测新方法,并通过两种方式进行准确度分析,第一种是将该方法的孔洞提取结果与OSTU分割法、分水岭分割法、BP神经网络法、支持向量机法以及Mask-RCNN的孔洞提取结果进行比较,其结果显示该方法有更高的检测准确度;第二种是通过该方法提取的孔洞结果计算洞数量、面孔率和洞面积均值三个孔洞特征参数,以人工提取结果为参照,比较得到洞数量准确度在88%以上,面孔率准确度在93%以上,洞面积均值准确度在93%以上。最后将提出的方法应用于峨边先锋灯二段的数字露头剖面孔洞自动识别,并分层计算孔洞参数,定量分析其分布特征,为该露头碳酸盐岩储层评价提供了依据。