海上多波地震资料处理方法及应用

海上多波勘探是近些年发展迅速的一种新的地震勘探方法。作者针对海上多波资料处理问题，研究并建立了一套海上多波资料处理方法和软件。经海上多波资料处理应用，证明了方法和软件的正确性和有效性。     

合兴场地震资料吸收油气预测研究

在地震勘探中快速有效地进行油气预测的方法研究已成为我们目前十分重要的研究课题。我们研究了对地震资料利用吸收衰减理论对油气进行预测的油气预测实用技术。     

当代油气勘探发展趋势：非地震多参数油气资源预测

西文从油气勘探的发展简史及现状入手，在详细介绍非地震多参数油气资源预测方法和应用实例的基础之上，阐明了此方法较好的经济效益、社会效益以及周期短的优点，通过与常规油气勘探对比，表明其必将成为当代油气勘探的趋势。     

一种降低地震数据随机噪声的方法

从砂岩型铀矿勘探需求出发,提出了一种改善地震勘探分辨率的方法——随机噪声衰减法,并开发了相应的处理软件。实践证明,采用该处理方法,可以提高地震剖面的质量。     

形态分量分析在去除地震资料随机噪声中的应用

以数学形态学和稀疏信号理论为依据,采用形态分量分析(MCA)方法去除地震数据中的随机噪声。应用MCA方法的关键在于选取合适的字典,从地震数据的特点和计算复杂性出发,选取UWT字典和Curvelet字典,一个用来稀疏表示地震数据的局部奇异部分,一个用来稀疏表示地震数据的线状变化部分。采用BCR算法求解目标函数,通过将数据分解为形态特征不同的2个分量,舍弃在字典中不能有效稀疏表示的随机噪声来达到去噪目的。作为一种二维去噪方法,MCA去噪方法在时间和空间方向上都具有很强的随机噪声抑制能力;由于UWT字典和Curvelet字典能够比传统的小波变换有更强的稀疏表示能力,MCA去噪方法对有效信息的损害较小,是一种保真保幅的去噪方法。模型测试和实际资料处理验证了该方法的有效性。     

砂土地震液化的神经网络预测

在简要分析BP算法的基础上,应用BP网络的理论与方法,选取砂土的平均粒径(d50／mm)、相对密度(Dr／％)、标准贯入击数(N63.5／击)、上覆有效应力(σv／kPa)、地震烈度(I0)作为指标,预测砂土在地震作用下液化的可能性,取得了较好的预测效果。     

基于JADE算法的地震资料随机噪声盲分离方法研究

独立分量分析是近年由盲信号理论发展起来的一种新的多维信号处理方法,在没有先验信息的情况下,能够实现源信号的分离。地震资料中常常包含随机噪声,它是由各种不可预知因素综合作用而成,无统一规律。文中将ICA应用于去除随机噪声问题,在对地震数据特点进行分析的基础上,建立了随机噪声盲分离的ICA模型,并对其假设条件和固有不确定问题进行了深入分析,利用文中改进的稳健预处理算法,先去除加性高斯白噪声,然后将预处理后的数据采用JADE盲分离算法分离出有效信号和非高斯分布的随机噪声,并建立能够辨识有效信号的准则,解决了ICA分离后次序不确定问题,实现了有效信号的提取。仿真实验和对实际地震资料处理表明文中提出的算法能够有效地去除随机噪声。     

基于A- CGAN的深反射地震数据随机噪声压制方法研究

基于深度学习的地震数据噪声压制方法是当前地震数据去噪处理的重要方向。深度学习方法突破了传统滤波处理的局限,在对常规地震数据的噪声压制中表现出效率高、信噪分离效果好的特点。但针对深部弱有效反射数据,当前的深度学习方法特征提取能力有限,难以取得较好的去噪效果。笔者等结合深反射地震数据特点,针对当前深度学习噪声压制方法在特征提取及对数据集依赖上的局限,提出了基于注意力循环生成对抗网络(Attention Cycle- Consistent Generative Adversarial Networks,A- CGAN)的深反射地震数据随机噪声压制方法。借助循环一致生成对抗网络(Cycle- Consistent Generative Adversarial Networks,Cycle- GAN)的域映射思想,降低对数据集的要求。为了构建适用于深反射地震数据的去噪网络,从3个方面对Cycle- GAN进行改进：在Cycle- GAN的生成器（去噪器）中加入残差结构和注意力机制,用于加深网络深度和提高其特征提取能力;在Cycle- GAN的鉴别器中使用块判决,提高鉴别精度和准确度;在损失函数部分加入感知一致性损失函数,提升网络模型恢复纹理细节信息的能力。通过合成地震数据和实际深反射地震数据测试,验证了优化算法的有效性,体现了良好的应用价值。     

基于A- CGAN的深反射地震数据随机噪声压制方法研究

基于深度学习的地震数据噪声压制方法是当前地震数据去噪处理的重要方向。深度学习方法突破了传统滤波处理的局限,在对常规地震数据的噪声压制中表现出效率高、信噪分离效果好的特点。但针对深部弱有效反射数据,当前的深度学习方法特征提取能力有限,难以取得较好的去噪效果。笔者等结合深反射地震数据特点,针对当前深度学习噪声压制方法在特征提取及对数据集依赖上的局限,提出了基于注意力循环生成对抗网络(Attention Cycle- Consistent Generative Adversarial Networks,A- CGAN)的深反射地震数据随机噪声压制方法。借助循环一致生成对抗网络(Cycle- Consistent Generative Adversarial Networks,Cycle- GAN)的域映射思想,降低对数据集的要求。为了构建适用于深反射地震数据的去噪网络,从3个方面对Cycle- GAN进行改进：在Cycle- GAN的生成器（去噪器）中加入残差结构和注意力机制,用于加深网络深度和提高其特征提取能力;在Cycle- GAN的鉴别器中使用块判决,提高鉴别精度和准确度;在损失函数部分加入感知一致性损失函数,提升网络模型恢复纹理细节信息的能力。通过合成地震数据和实际深反射地震数据测试,验证了优化算法的有效性,体现了良好的应用价值。     

基于地震资料有效信息约束的深度网络无监督噪声压制方法

地震资料处理是地震勘探中的关键环节,由于地下构造和地表条件的复杂性,地震资料的处理需要经过一系列复杂流程,从而形成多种不同类型的地震数据。不同种类的地震数据具有不同的数据特征,充分利用和发掘其中的数据特征,不仅可以充分发挥处理方法的技术潜力,消除各类非地质因素对地震资料处理质量的影响,同时可以增强地震资料处理的可靠性,改善地震资料的资料信噪比及分辨率,在复杂油气藏勘探开发中具有非常重要的基础作用。叠前地震成像道集（CRP）中的有效信号同相轴近似水平,叠后地震成像数据因为地层沉积的规律性,有效信号相比于随机噪声、成像画弧噪声等干扰具有规律、简单等特点。具体表现为CRP道集及叠后地震资料有效信号具有多尺度自相似性的特征,其高维Fourier （FK或FKK）域主要能量集中在低频、低波数区域。针对上述地震数据的特点,提出一种基于先验信息约束的深度网络地震资料无监督噪声压制方法。受到深度图像先验（DIP）的启发,神经网络的结构可以视为一种特殊的隐式先验信息,合理设计网络结构可以使得网络具有多尺度自相似性特征的提取能力。由于叠前地震成像道集数据和叠后地震成像数据有效信号的多尺度自相似性,而噪声不具备这一特性,因此,特定结构的网络可以从原始数据提取出有效信号,从而达到噪声压制的目的。叠前成像道集和叠后成像的实际数据随机噪声压制试验结果表明,本文方法具有良好的保真性与鲁棒性。此外,由于本文方法具有强大的特征提取能力,因此,对常规方法不易压制的弧状成像噪声也有良好的效果。     

基于多t-x域联合的多震源地震数据混叠噪声分离方法

随着多震源同时激发采集方法在地震油气勘探领域的应用逐年增加,许多学者对其关键技术多震源地震数据混叠噪声分离进行了研究,就目前为止,仍需开展保真度更高的方法研究。基于以下设想:对多震源地震数据做正常时差校正(NMO),可以加强反射信号的线性分布程度(尤其在共中心点CMP道集内),并扩大反射信号和混叠噪声的分布差异;单域分离混叠噪声,仅针对混叠噪声和反射信号的某一分布特性差异进行分离,多t-x域联合分离可综合利用各t-x域内混叠噪声和反射信号在各域内的分布差异,其分离效果更好。首先,通过对多震源数据CMP道集做NMO以强化反射信号的线性程度、扩大随机分布混叠噪声的离散程度,利用中值滤波分离大部分混叠噪声,再在其他t-x域内(如共炮点CSG道集、共检波点CRG道集和共偏移距COG道集等)根据残余混叠噪声分布特征利用随机噪声衰减等方法进一步分离,并在整个分离处理中使用保幅处理方法。提出的多t-x域联合分离混叠噪声方法,经理论数据验证,相较于单域分离方法可以有效且保真分离多震源数据中的混叠噪声,并对其他噪声和横波有一定的压制作用;实际数据应用效果表明,该方法比单域方法分离效果较好,叠后成像效果品质较高。多t-x域联合分离混叠噪声方法,能够稳定、可靠和保真地分离多震源地震数据中的混叠噪声。      

基于地震数据构造曲率属性预测裂缝

为了有效预测岩层裂缝发育与分布,利用新疆准噶尔盆地南缘霍尔果斯背斜在纵弯变形作用下地震数据构造曲率属性进行了分析,并在此基础上进行了裂缝预测。具体方法是:利用petrel软件分析研究区的地震数据,追踪主要层面和断层并提取目标层面曲率和建立构造模型;考虑层面曲率对裂缝预测的局限性,通过“蚂蚁追踪”进一步提取目标层三维曲率属性而提取裂缝分布规律,将提取的裂缝与构造模型相结合。实例表明,上述方法可以简单、高效、全面地预测裂缝发育与分布,因此具有较强的实用性。     

基于SVD的叠后地震资料随机噪声分离方法

笔者提出基于SVD的叠后地震资料随机噪声分离方法,在地震剖面的同相轴水平或接近水平时可以有效地分离出地震剖面中的随机噪声,提高地震剖面的分辨率。为了说明SVD随机噪声分离方法的有效性和高效性,建立模型试验,在合成地震记录中加入随机噪声,之后进行实际地震资料处理,分别用SVD方法和基于小波变换的分层阈值方法对加入随机噪声的合成记录和加入随机噪声的实际资料进行随机噪声分离处理。对比发现,SVD随机噪声分离方法相比于基于小波变换的分层阈值方法更加有效且高效。     

基于反距离加权法的混采地震数据分离方法

为将混合地震记录分离为单炮地震记录,笔者采用基于反距离加权的迭代分离方法,在非共炮点域对伪分离数据进行混叠噪声的压制,将其变换回共炮点域,得到分离后的单炮地震记录。模拟数据和实际数据的处理结果证明,本方法能够有效地实现混合数据分离。相较于单独使用多级中值滤波方法,本分离方法能更好的保留有效信息。