用地震反射波定量解释煤层厚度的方法

一、引言 工业可采煤层厚度一般为1.5m,如何从地震资料上准确圈定1m厚的煤层边界、并定量解释煤层厚度、准确计算地质储量,国外一些学者研究了薄层地震反射波的动力学特征与薄层厚度的关系后,得出了不同的薄层垂直分辨率标准,Widess用零相位子波作实验时,发现当薄层厚度为λ/8(λ是地震子波的主波长)时,反射波形正好是入射波的导数,并可直观地鉴别顶底反射;Kallweit利用可控震源研究了薄层响应的频谱后,提出了分辨地震波的极限为1/(1.4f)(f为地震子波的上限频率),经主频换算后,此     

基于谱分解和地震多属性储层厚度的预测

随着油气勘探开发的不断发展,利用地震属性进行储层预测的方法得到了广泛的应用,并且在生产中取得了较好的效果.本文采用的谱分解和地震多属性联合的方法进行储层厚度预测,克服了单一属性分析存在的多解性和多属性分析在断层处预测不准确的问题,以及仅利用谱分解方法时,由于其预测基础的限制,部分复杂地区对砂体厚度的预测效果存在一定误差这一问题,可以较为准确地预测出目的层的储层厚度,同时,在传统地震分析中非常难发现的地质信息,谱分解之后比较容易发现,有助于进一步解释.实际地震资料结合井信息和分层数据的标定,对储层厚度的预测进行了较为详细的研究.研究结果表明,此方法在原理和实际应用上都是可行的,提出了一种储层厚度预测的新方法.     

基于井位的地震属性融合技术研究

在利用地震属性对储层预测的研究中,大部分理论方法主要存在利用单一属性预测储层这一缺陷,在实际应用中则存在单一属性不能正确预测储层的问题,这些问题应通过多元属性融合技术来解决,本文在已有井资料的基础上,对属性融合技术进行了研究,分析各属性对储层的影响因素,利用井位计算各地震属性融合比重,有机的结合了各属性的优点,提出了这一问题新的解决方法.实际资料的应用显示,该方法在储层预测中取得了良好的效果.     

基于正演模拟的煤层采空区地震响应特征

上组煤采空区对于下组煤的成像和安全回采有着重要影响,有必要研究矿区上组煤采空区精准成像技术.对于实际采空区及其下组煤的地震响应特征预测来说,建立和实际地质情况相吻合的正演模型是基础.根据搜集到的研究矿区钻孔测井资料,获取建模所需的等效地层物性参数、采空区垮落带等效模量、裂隙带等效模量等数据,建立与研究矿区地质情况比较接...     

地震资料预测薄层厚度方法研究与应用

薄层厚度预测一直是公认的难题之一,其难度就在于如何准确地识别和提取薄层的地震属性.常规方法是利用时间域或频率域地震属性与薄层厚度的线性关系计算.但是理论与实际资料表明,不同的薄层和地层组合对地震波的动力学的信息影响很大,各种参数与薄层厚度成非线性关系,使用单一的信息不可能准确预测薄层厚度.本文利用三种线性预测原理（模型）,经数学变换为属性参数,采用非线性BP网络预测薄层厚度,取得了令人满意的效果.     

利用地震岩性信息研究煤层冲刷规律

通过构建煤层冲刷带地质模型,进行正演模拟计算,利用正演模拟数据研究煤层冲刷规律.应用地震属性技术,谱分解/地震相分析技术和地震反演技术获取多种地震岩性信息.利用这些信息,结合钻孔资料和矿井地质资料,对煤层冲刷规律进行综合分析研究.与传统解释方法相比,地震岩性信息综合解释方法能够更准确地圈定煤层冲刷范围.     

基于地震属性的中深层薄砂层厚度定量预测——以渤海A油田为例

渤海广泛分布着油气资源,其中一部分目的层为古近系东营组和沙河街组的中深层油气藏,地震分辨率一般较低,利用常规手段难以准确预测薄层发育情况.本文以渤海中深层的A油田为例研究薄层厚度分布规律,首先利用谱反演技术提高地震资料的分辨率,并详细地分析不同厚度对最大振幅的影响.然后提取不同地震属性,与开发井厚度建立拟合关系,通过优选属性认识到最大振幅属性能够较好刻画薄油层厚度分布规律.最后利用测试探井验证研究结果,吻合较好,证明了地震属性定量预测中深层薄砂体厚度的可行性,发现油田边部潜力储量,为油田挖潜提供了基础.     

地震属性分析技术综述

近年来,地震属性分析技术在地层岩性解释、构造解释、储层评价、油藏特征描述以及油藏流体动态检测等方面得到了广泛应用,并且在油气勘探开发中起着越来越重要的作用.地震属性技术能提取隐藏在地震资料中的有用信息,提高对储层有利区预测的准确度.因此,对地震属性技术在储层预测中的应用的研究显得十分重要.本文就地震属性的发展历程、地震属性分类、地震属性提取和地震属性的优化及预测方法进行了归纳总结,并对地震属性技术在国内外的发展情况作了简要的介绍.     

地震属性技术的研究和应用

地震属性的研究大致从上个世纪60年代开始,经历了几个阶段的发展后得到了广泛的应用.由于地震属性的解释可获得许多有关地层、断层、裂缝、岩性和相的变化的重要特征信息,我们结合地震属性特征参数的意义,从实际应用出发,把地震属性分为了振幅、频（能）谱、相位、复地震道、层序、相关六大类,并根据在地层、断裂、岩性等方面的实际应用进行了详细描述,讨论了属性分析技术原理中应注意的几个环节.最后通过对断裂、河道、火成岩、古潜山等几个实例的详细描述,证明了相干、阻抗、振幅等地震属性的应用效果,说明了地震属性在实际应用中的作用.     

地震属性技术在四维地震监测中的应用

四维地震(4D seimic)主要是指利用重复三维地震测量资料进行油藏动态监测。在油田开发过程中,由于储层特性变化所引起的地震振幅异常、频率变化以及反射同相轴下拖现象等均可作为注蒸汽波及范围四维地震监测的良好识别标志。由于叠后地震资料中常常存在动校正速度不准、动校正拉伸畸变、剩余静校正误差、以及CDP道集中各道波形的差异性等多方面的问题,这会对叠后地震资料所反映出的四维地震异常特性产生影响,造成解释结果的差异性和不确定性。为此,本文尝试开展叠前地震属性反演研究,利用瞬时频率、瞬时频率梯度、能量衰减85%时的频率、最大振幅频率、最大振幅、总能量等多种衰减属性的叠前剖面及其差值剖面来定性解释四维地震实验区的注入蒸汽在剖面上的反映。     

基于数据增广和CNN的地震随机噪声压制

卷积神经网络(Convolutional Neural Network,CNN)是一种基于数据驱动的学习算法,简化了传统从特征提取到分类的两阶段式处理任务,被广泛应用于计算机科学的各个领域.在标注数据不足的地震数据去噪领域,CNN的推广应用受到限制.针对这一问题,本文提出了一种基于数据生成和增广的地震数据CNN去噪框架.对于合成数据,本文对无噪地震数据添加不同方差的高斯噪声,增广后构成训练集,实现基于小样本的CNN训练.对于实际地震数据,由于无法获得真实的干净数据和噪声来生成训练样本集,本文提出一种直接从无标签实际有噪数据生成标签数据集的方法.在所提出的方法中,我们利用目前已有的去噪方法从实际地震数据中分别获得估计干净数据和估计噪声,前者与未知的干净数据具有相似纹理,后者与实际噪声具有相似的概率分布.人工合成数据和实际数据实验结果表明,相较于F-X反褶积,BM3D和自适应频域滤波算法,本文方法能更好地压制随机噪声和保护有效信号.最后,本文采用神经网络可视化方法对去噪CNN的机理进行了探索,一定程度上解释了网络每一层的学习内容.

     

煤层中流体地震可探测性的模拟分析

作为一种典型的强阻抗差低阻抗薄层,煤层中孔隙含流体时是否会引起地震反射产生明显的异常是回答地震检测流体是否可行的根本.为此,本文针对强阻抗差薄层模型,基于Biot双相介质理论,通过弹性波有限差分法数值模拟,与各向同性单相介质假设的煤层反射对比,探讨了反射复合波受煤层孔隙度及流体性质变化的影响程度.模拟分析发现：由于薄层孔隙度和孔隙流体属性的变化在Biot理论中表现为纵波速度的变化,PP波反射AVO（Amplitude Versus Offset,振幅随偏移距变化）特征对薄层是否含流体相对敏感;综合使用PP与PS波对比有利于薄层中流体的预测;孔隙度一定时,PP波反射振幅随着含气饱和度的增加而增大;受薄层调谐作用的影响,孔隙和流体变化对煤层反射的频谱特征影响不大,近似于单相介质时的情况.

     

An application of 4D seismic monitoring technique to modern coal mining

To study the impact of modern coal mining on the overlying formation, a full‐life‐cycle four‐dimensional seismic monitoring study has been carried out. Four seismic data campaigns have been performed using flexi‐bin geometry with square bins, with total duration of 171 days. The four seismic datasets have been processed with the same processing workflow and parameters; major problems such as statics correction, signal‐to‐noise ratio, resolution, and consistency processing are addressed taking into account the geological features of the research area. This guarantees that remaining four‐dimensional differences between the time‐lapse datasets show mostly geological factors due to the coal mining and effects such as surface subsidence. Our four‐dimensional seismic monitoring of modern coal mining shows that mined and unmined areas have significant zoning characteristics; coal mining has a direct impact on the overlying formation. The mining leads to obvious event subsidence, which reflects that overlying formations undergo subsidence during the mining process. The overlying formation appears as two zones called caving zone and fractured zone. We determine the fault dip of the overlying formation at one end of the working face to be 56°or so by calculation and conversion. We also see that, during the coal mining process, over time, the overlying formation has a self‐recovery capability, which gradually strengthens from the roof siltstone upward to the Aeolian sandstone near the surface. The stability of 20‐m coal pillars between working faces displays a strengthening trend and remains safe during the mining process due to both coal seam supporting and formation compaction effects.     

基于神经网络的结构地震反应仿真

提出了基于神经网络的结构地震反应仿真方法，探讨了仿真基本步骤中样本集的准备、目标函数的选取、网络拓扑结构的构建、隐层神经元数目的确定、训练方法的选择以及提高泛化精度的措施等若干实际问题，并通过算例分析验证了本方法的可行性。     

灰关联与人工神经网络在建筑物震害预测中的应用

基于灰关联识别方法,解析了各震害影响因子对多层砖房抗震性能的影响程度;并利用BP人工神经网络非线性模型对震害实例样本进行了训练。结果表明:利用灰关联分析,可得出各因子对多层砖房抗震性能影响程度的大小排序,有利于实际的工程抗震设计;基于BP人工神经网络模型的多层砖房的震害预测结果与震害实例的实际情况比较吻合,其思路和方法可推广于其他不同类型的建筑结构的震害预测。     

基于DMFF-Net的地震随机噪声压制新技术

地震勘探是油气和矿产资源开发领域使用最为广泛的物探方法之一.由于采集条件的限制,地震记录中通常混杂有大量的随机噪声,导致勘探资料普遍信噪比(Signal-to-Noise Ratio,SNR)较低,这严重影响有效信号辨识的精度,为后续反演、解释等工作带来巨大挑战.此外,地震勘探随机噪声通常具有非平稳、非高斯和与信号存在频带混叠等复杂特性,导致传统方法在处理复杂勘探记录时,消噪性能可能发生退化.针对复杂勘探随机噪声消减问题,本文提出了一种新型的双层多尺度特征融合去噪网络(Double-layer Multi-scale Feature Fusion Denoising Network,DMFF-Net).该网络具有多尺度网络结构,利用多分支模块提取勘探数据不同尺度和不同分支的潜在特征,提升网络对于勘探记录复杂特征的学习能力.同时,采用跳跃连接实现浅层和深层信息的融合,提升网络对微弱信号的恢复能力.模拟和实际资料处理结果表明,相较传统地震勘探资料消噪方法而言,DMFF-Net可以更加有效地压制随机噪声,完整恢复有效信号,显著提升地震资料信噪比,在信号保幅性和微弱信号恢复能力方面更具优势.

     

区域地震信号自动识别方法及应用(英文)

地震信号的实时、自动、准确识别对于地震自动速报和地震预警十分重要。仿真信号试验分析表明,观测数据的四阶统计量函数(BKCF)对信号与噪声在能量和(或)频率方面的微弱差异变化具有较高的分辨能力。以此为基础,本文提出了一种新的自动探测区域地震事件的方法和测定直达波震相到时的BKCF-AIC方法。为了进一步提高波震相到时测定的精度,本文首先对指定时段的P-波记录进行偏振特性分析,其次对含有P波的S波记录进行偏振滤波处理,再次应用上述方法测定震相到时。与传统算法相比,基于山东测震台网记录的区域地震震例分析结果表明,使用本文提出的方法能够大幅度降低地震事件误检、漏检率,进一步提高了震相识别精度。     

全卷积神经网络在建筑物震害遥感提取中的应用研究

为解决建筑物震害信息提取自动化程度不高的问题,本文将全卷积神经网络应用于建筑物震害遥感信息提取。以玉树地震后获取的玉树县城区0.2m分辨率航空影像作为建筑物震害信息提取试验数据源,将试验区地物划分为倒塌建筑物、未倒塌建筑物和背景3类。对427个500×500像素的子影像进行人工分类与标注,选取393个组成训练样本集,34个用于验证。利用训练样本集对全卷积神经网络进行训练,采用训练后的网络对验证样本进行建筑物震害信息提取及精度评价。研究结果表明：建筑物震害遥感信息提取总体分类精度为82.3%,全卷积神经网络方法能提高信息提取自动化程度,具有较好的建筑物震害信息提取能力。     

一种基于神经网络的探地雷达信号解释研究

运用人工神经网络理论和方法,建立了用于隧道衬砌厚度探地雷达探测信号解释的BP神经网络模型,对某公路隧道衬砌检测厚度进行了分析应用,并与钻孔取芯结果进行比较,实践证明,该方法可提高探地雷达信号解释精度和工作效率．