基于非局部贝叶斯地震数据随机噪声压制方法（英文）

针对地震数据随机噪声压制问题,本文提出一种基于非局部贝叶斯(Non-local Bayes algorithm)的滤波方法。NLBayes方法使用高斯模型代替NL-means方法中使用全部相似数据块的加权平均,减少对数据结构细节的平滑效应,从而改善去噪效果。在地震数据去噪处理中,根据噪声的方差自适应的计算数据块的大小和高斯模型中数据块的数量,经过两次迭代实现地震数据去噪。第二次迭代中使用第一次迭代去噪后的数据来计算高斯模型块的无偏差均值和协方差,以提高数据块的相似度,使得去噪效果更理想。通过对模型数据和实际数据测试表明,NL-Bayes方法能有效提高地震数据信噪比和满足数据保真性处理的要求。     

基于相似度权重算子和f-x域经验模态分解的随机噪声衰减方法（英文）

传统的f-x域经验模态分解法(Empirical mode decomposition,EMD)能够有效地对主要由水平同相轴构成的地震记录进行随机噪声衰减。然而,当同相轴倾斜时,f-x域经验模态分解法在衰减随机噪声的同时去除大部分有效信号。本文提出了一种基于f-x域经验模态分解法的改进算法。我们通过局部相似度对所去除的噪声信号中的有效信号进行提取。局部相似度可以用来检测噪声信号中的有效信号点并用来构造一权重算子进行信号提取。新方法与f-x域经验模态分解法、f-x域预测滤波法以及f-x域经验模态分解预测滤波法相比能够在衰减随机噪声的同时保留更多的有用信号。数值模拟实验以及实际地震资料处理结果均表明该方法能更为有效地去噪。     

基于反演的衰减补偿方法(英文)

提高地震资料分辨率的一个有效途径就是衰减补偿,通过对地震波的衰减和频散效应进行校正,提高地震资料的分辨率。常规衰减补偿方法都是基于波场延拓的反Q滤波方法。本文利用Futterman衰减模型,导出了一种衰减介质中合成地震记录的计算方法,在此基础上将衰减补偿问题归结为一个Fredholm积分方程反问题,利用反演方法来实现衰减补偿。针对衰减补偿问题的不稳定性,利用Tikhonov正则化方法提高反演过程的稳定性,数值模拟资料和实际资料处理结果验证了方法的有效性。     

基于贝叶斯理论的时频域联合AVO反演方法研究（英文）

AVO反演是获取地下介质弹性参数的重要手段。反演可在时间域或频率域实现,时间域反演稳定性好但分辨能力受限;频率域反演受益于有利频带的选择,分辨能力提高但反演结果容易受噪音影响。在贝叶斯反演理论框架下,提出了一种时间域和频率域联合的AVO反演方法。该方法在反演目标函数构建中融合了时间域和频率域信息的影响,假设待反演参数先验信息和似然函数分别服从柯西和高斯分布,考虑了待反演参数间的相关性,并采用模型约束提高了反演稳定性。模型测试表明,利用时频域联合反演得到的纵横波速度等弹性参数反射系数的频谱带宽要优于仅用时间域信息得到的结果,且合成地震记录信噪比为2时,仍可以得到较好的反演结果,验证了方法在保持稳定性的同时改善了分辨能力的优势。实际资料试处理进一步验证了方法的可行性及其相对单纯时间域或频率域反演的优势。     

基于时频分析的岩石超声衰减计算方法（英文）

品质因子Q是表征岩石非弹性性质的重要参数,准确的Q值是深入研究岩石动力学特征的关键。准确、稳定地获得岩石Q值参数一直是一个难点。本文利用时频谱信息进行Q值提取,提出了基于S变换的频谱比法(SR-ST)。该方法利用了S变换的变时窗特性解决常规方法中的时窗问题,并对S变换中高斯窗添加时窗因子,使得高斯窗更适合超声衰减计算。同时,通过给出频带线性回归规则,提高计算的稳定性和准确性。文中首先通过数值模拟和标准样品测量实验,研究分析了SR-ST方法的可行性行以及影响因素;其次利用不同Q值人工样品,研究该方法对不同Q值样品计算的适应性和稳定性;最后通过岩石超声衰减测量实验,将该方法与常规频谱比法进行对比分析,分析SR-ST方法的稳定性和准确性。实验结果表明:利用无时窗因子的S变换时频谱计算,会引起36%的误差,需要对S变换添加时窗因子,适当调整时窗大小随频率变化的程度;SR-ST方法能够适应不同衰减特征岩石样品Q值计算,利用给出的频带线性回归规则以及平均斜率值进行Q值计算,能够保证不同Q值(Q15)的最大误差在10%以内。     

基于结构自适应中值滤波器的随机噪声衰减方法

本文提出一种保护断层、裂缝等地层边缘特征的结构自适应中值滤波器,用于衰减地震资料中的随机噪声.基于地震反射同相轴局部呈线型结构的假设,采用梯度结构张量估计地层倾向,分析地层结构的规则程度,在此基础上引入地震剖面中线型和横向不连续性两种结构特征的置信度量.结构自适应中值滤波器根据这两种置信度量调整滤波器窗函数的尺度和形状,根据地层倾角调整滤波器窗函数的方向,从而使得滤波操作窗能够最佳匹配信号的局部结构特征.将本文方法用于合成和实际数据的处理,并与两种常用中值滤波方法进行对比,结果表明,该方法能够更好地解决地震剖面的随机噪声衰减和有效信号保真的问题,在增强反射同相轴的横向一致性的同时有效保持了剖面内的地层边缘和细节特征,显著改善了地震资料的品质.     

基于正弦函数相关性约束的重磁数据联合三维反演方法（英文）

基于相关性约束的联合反演方法使用线性相关函数作为结构约束项,而线性相关函数中含有分母,在求解过程中可能出现奇点,从而导致反演计算不稳定。为提高反演计算的稳定性,本文提出改进措施:利用基于正弦函数的相关函数代替常规的线性相关函数作为联合反演的结构约束项,该结构约束项不含分母,能有效避免出现奇点。设计模型试验,与基于交叉梯度约束的联合反演方法对比,证明了基于正弦函数相关性约束的联合反演方法的有效性;又将本文方法应用于联合反演实际航空重力梯度数据和航磁数据,得到的磁性分布和密度分布具有较强的结构相关性,验证了本文方法具有处理实际数据的能力。     

基于数据驱动的小波域分贝准则强能量振幅压制方法（英文）

在对振幅值动态范围分布较大的地震数据进行强能量去噪处理时,针对常规方法通常会面临的阈值求取不准导致效果不理想、需要反复测试模块参数以及需要多轮迭代联合去噪才能达到预期效果等问题,本文提出了基于数据驱动的分贝准则小波域强能量振幅压制方法。与常规方法相比,该方法不直接对异常强振幅能量值进行统计分析,而是对振幅的能量级指数进行统计分析来确定去噪阈值,即分贝判定准则。本文采用小波变换在时频域选取最佳有效信号分布时窗进行阈值统计,然后分频压制,以进一步提升去噪效果。理论和实际数据测试表明,该方法能有效压制地震数据中的强能量振幅,对强能量振幅分布动态范围适应广、时窗依赖程度低、保幅性好,具有良好的应用前景。     

基于数据与模型联合驱动的波阻抗反演方法

井插值初始模型为基于模型的反演提供的低频信息往往不够准确,导致该模型驱动方法容易出现较大的波阻抗预测误差且建模效率较低.为缓解这些问题,本文利用数据驱动的深度学习反演更加擅长预测低频阻抗的优势,提出一种基于数据与模型联合驱动的波阻抗反演方法.该方法联合地震和测井等数据,先后开展数据驱动和模型驱动的波阻抗反演.首先,数据驱动部分使用井旁地震记录、测井导出的波阻抗曲线以及井插值低频阻抗曲线,搭建以双向门控递归单元为主要模块的波阻抗智能预测网络.其次,该网络预测的波阻抗的低频分量作为数据驱动初始模型,替代井插值初始模型而参与模型驱动部分.最后,模型驱动部分在地震数据匹配和数据驱动初始模型的共同约束下开展基于模型的反演,获得最终的波阻抗结果.合成数据和实际数据测试表明,本文方法相比于单一的数据驱动或模型驱动方法能获得更高分辨率和更高精度的波阻抗反演结果,从而为后续储层预测提供可靠的弹性参数分布.

     

基于f-x域流式预测滤波器的地震随机噪声衰减方法

随机噪声的影响在地震勘探中是不可避免的,常规的随机噪声压制方法在处理中往往会破坏具有时空变化特征的非平稳有效地震信号,影响地震数据的准确成像.当前油气勘探的目标已经转变为“两宽一高”,随着数据量的增大,对去噪方法的处理效率也提出了更高的要求.因此,开发高效的非平稳地震数据随机噪声压制方法具有重要意义.预测滤波技术广泛用于地震随机噪声的衰减,本文基于流式处理框架提出一种新的f-x域流式预测滤波方法,通过在频率域建立预测自回归方程,运用直接复数矩阵逆运算代替迭代算法求解非平稳滤波器系数,实现时空变地震同相轴预测,提高自适应预测滤波的计算效率.通过与工业标准的FXDECON方法和f-x域正则化非平稳自回归(RNA)方法进行对比,理论模型和实际数据的测试结果表明,提出的f-x域流式预测滤波方法能更好地平衡时空变有效信号保护、随机噪声压制和高效计算三者之间的关系,获得合理的处理效果.     

基于经验模态分解的分数维地震随机噪声衰减方法

经验模态分解算法（EMD）是一种基于有效波和噪声尺度差异进行波场分离的随机噪声压制方法,但由于实际地震数据波场复杂,导致模态混叠较严重,仅凭该方法进行去噪很难达到理想效果.本文基于EMD算法对信号多尺度的分解特性,结合Hausdorff维数约束条件,提出一种用于地震随机噪声衰减的新方法.首先对地震数据进行EMD自适应分解,得到一系列具有不同尺度的、分形自相似性的固有模态分量（IMF）;在此基础上,基于有效信号和随机噪声的Hausdorff维数差异,识别混有随机噪声的IMF分量,对该分量进行相关的阈值滤波处理,从而实现有效信号和随机噪声的有效分离.文中从仿真信号试验出发,到模型地震数据和实际地震数据的测试处理,同时与传统的EMD处理结果相对比.结果表明,本文方法对地震随机噪声的衰减有更佳的压制效果.

     

基于弹性参数加权统计的储层物性参数反演方法（英文）

储层物性参数的改变伴随着弹性参数某种程度的改变,而这种改变并非简单的线性关系。加上观测信息的缺失、重叠、噪声破坏及模型理想化等原因,致使这种改变关系的获取具有较大的不确定性。针对传统统计岩石物理物性参数反演方法的不足,以利用弹性参数反演储层物性参数为目的,依据贝叶斯反演框架,我们建立了新的储层物性参数目标反演函数。首先,采用兼具确定性与随机性特点的统计岩石物理模型,考虑到不同弹性参数间的精度存在差异,引入权重系数,建立起储层物性参数与弹性参数间的加权统计关系。其次,基于这种加权统计关系,结合马尔科夫链蒙特卡洛随机模拟技术产生储层物性参数、弹性参数随机联合样本空间作为目标函数求解样本空间。最后,建立解的快速求解准则,求取最大后验概率密度对应的储层物性参数取值作为最终解。实际应用表明,该方法具有较高的反演效率,应用前景较好。     

基于反演的稳定高效衰减补偿方法

反Q滤波方法是提高地震数据分辨率的一种有效途径,可以用来补偿振幅和校正相位.常规的反Q滤波方法一般基于波场延拓理论,具有不稳定性或振幅补偿不足的缺点.本文基于波场延拓的正Q滤波方程,借鉴反演的思想以及正则化策略提出了一种新的衰减补偿方法,该方法稳定、精确,利用该方法可最终得到高分辨的地震记录.该方法仅计算有效频带内的频率分量,提高了计算效率.模拟数据以及实际数据处理验证了本文方法的有效性.     

基于统计特征参数的叠前地震随机反演方法研究（英文）

常规的地震随机反演方法一般用变差函数表征地下地层的空间结构信息,但是变差函数很难有效表征实际复杂地层的非均质特性。本文利用多参数的思想充分发掘已知地震和测井资料中蕴含的地下地层信息,利用多个统计特征参数更全面地描述地下复杂储层的空间结构特征,并与地震随机反演相结合,提出了基于统计特征参数先验信息的叠前地震随机反演方法。该方法基于随机介质理论从已知的地震和测井资料中求取多个统计特征参数,选取符合实际地质特征的椭圆自相关函数,构建满足地层空间结构特征的先验信息模型,并将多参数约束融入似然函数中构建目标函数,用非常快速量子退火算法进行优化更新,实现目标函数的求解得到最终的反演结果。由模型试算可知,相比于传统的先验模型构建方法,本文基于多个参数构建的先验模型包含更丰富的地层信息,能更好地实现对地下复杂储层的描述。实际资料分析表明,基于统计特征参数先验信息的随机反演方法能够有效地进行地下复杂储层的地球物理预测,且具有较高的分辨率。     

强各向异性介质的微地震数据反演的陷阱（英文）

在井下微震监测中,各向异性模型用来获取事件位置和给出对介质实际描是十分有用的。在各向异性介质中,因为横波的分裂和奇异点的出现,使得波场的结构变得复杂。我们的研究展示了对强烈各向异性VTI介质利用速度模型校准和双偶极震源进行常规处理和运动学反演的结果。因小走时的拟合差,常用的质量评价标准,不是总正确的,人工加入各向同性介质层以降低拟合差,也可能产生非物理模型,负泊松比,事件位置的位移     

数据驱动型多次波衰减方法的研究

在油气田勘探过程中,多次波的存在往往会直接影响地质构造的解释程度.鉴于自由界面的反射系数一般都远远大于地层的反射系数,与之相关多次波具有更强的能量,更多的宽频带,本文聚焦于与表面相关多次波的模拟与衰减.表面多次波的衰减可以表述为一种迭代的过程,其中MPI(Wang,2003)是一种全数据驱动型的多次波建模方法,它是通过迭代修正多次波模型从而预测出更为精确的多次波.MPI多次波建模方法的显著特征在于它减弱了对表面操作因子的依赖性,即在先验信息未知的情况下,仍可以依据地震数据而模拟出较为精确的多次波模型,这种方法的另一特征在于它不仅在时间域而且在相位和振幅域也可以模拟出多次波模型.根据实际地震数据的应用效果,表明在给定一个一般精度的去多次波结果的情况下,通过利用全数据驱动型迭代反演可以建立更为精确的多次波模型,然后再把它从原始地震数据中减去,从而更为有效地压制和衰减多次波场能量.     

利用机械取样和浅地层剖面数据反演河底泥沙参数（英文）

河流动力学研究需要河底泥沙物性参数(孔隙率、渗透率和波速等)作为依据,机械取样和浅地层剖面探测是获取物性的重要途径。取样时的机械扰动使测试结果产生偏差,仅利用浅地层剖面数据获取河底特性有限,本文将两者结合起来开展反演研究。将取样测试的级配作为先验信息,进而根据Kozeny-Carman公式确定孔隙率和渗透率的关系。从浅地层剖面数据中提取了水-泥沙界面的声波反射系数。基于等效密度流模型,结合Kozeny-Carman公式和声波反射系数,提出了一种表层淤积泥沙参数反演方法。经过黄河库区试验,得到多个断面的密度和波速等参数,并获取泥沙物性参数的空间变化特征。对比发现,取样点的反演结果与测试结果较为一致,证明了本文提出泥沙参数反演方法的有效性。     

基于随钻电磁波电阻率测井数据的地层电阻率自适应约束反演（英文）

随钻电磁波测井传统电阻率反演方法受反演目标函数约束方式影响,随钻电磁波测井幅度比电阻率曲线及相位差电阻率曲线径向及纵向探测特性存在明显差异,从而影响了随钻电磁波测井数据实际应用效果。本文提出了一种基于随钻电磁波电阻率测井数据的地层电阻率自适应约束反演方法,该方法通过在随钻电磁波测井电阻率反演目标函数中引入一个自适应加权表达式平衡了相位差和幅度比数据的相对贡献,并引入粒子群算法来消除反演精度及收敛性对反演初始值的依赖性。基于多组理论地层模型的随钻电磁波测井电阻率反演结果,详细讨论了文中自适应约束反演电阻率曲线与传统幅度比电阻率曲线及相位差电阻率曲线探测特性的差异。反演结果表明,文中自适应电阻率曲线兼顾了传统幅度比电阻率曲线径向探测深度及相位差电阻率曲线纵向分辨率两方面的优势,在应用于划分纵向薄层及评价径向侵入特征时明显优于单一的幅度比电阻率曲线及相位差电阻率曲线,可为随钻电磁波测井电阻率反演新方法研究提供理论参考。     

棱柱波形与全波形联合反演方法（英文）

棱柱波的特点是它有三段主要反射路径和两个反射点,一个反射点位于反射界面上,另一个位于陡倾角反射层上。从而含有了很多一次波无法获取的地下高陡反射界面信息,我们应用Born近似对常规逆时偏移成像剖面处理可以将棱柱波信息提取出来,然后用棱柱波进行速度更新以提高盐体悬伸侧翼等高陡构造的反演速度。基于此想法下提出了棱柱波形反演(prismatic waveform inversion),简称PWI方法,但棱柱波形反演方法存在明显的弱点:一次迭代的时间是全波形反演(FWI)的两倍,而且不能充分利用全波场信息。为此,我们将全波形反演与棱柱波形反演方法两者结合起来进行联合反演,FWI与PWI方法交替使用更新速度场。模型的试算表明,这种联合反演方法对初始模型中高陡构造信息是否缺失依赖性较低,对高陡构造的反演精度和效率都更高。     

时间域波场重构反演（英文）

波场重构反演是一种改进的全波形反演理论。该反演方法通过将波动方程引入目标函数中拓宽了解的寻找空间,通过重构真实波场来计算模型梯度,大大提高了计算效率的同时还减弱了局部极小值的影响。但目前该理论基本在频率域进行,而频率域反演对计算内存的需求太高,并且很难应用到实际生产中。因此,本文将波场重构反演拓展到时间域,推导了时间域波场重构的增广方程,结合模型试算结果对波场重构的模型梯度进行了修改。数值实验表明,时间域波场重构反演准确性较高并且对低频信息具有良好的重建能力。