饱和流体多孔介质中AVA特征分析及储层参数反演研究

AVA(Amplitude Versus Angle)技术是基于常规介质模型(均匀各向同性介质模型)发展起来的,由于忽略了储层的孔隙结构和充填流体的影响,造成AVA特征中是部分对地震波能量的吸收和衰减作用反映不足.从振幅特征方程的实际应用出发,建立起各参数与常规岩性参数之间的关系.以Gassmann方程与Biot理论为基础,推导出振幅特征方程中弹性参数与常规岩性、储层参数(如:纵波速度、横波速度、密度、孔隙度、流体参数Kf)之间的转化关系式,详细研究饱和流体多孔介质模型中的AVA特征,比较该介质模型与常规介质模型在AVA特征上的差异,并将饱和流体多孔介质AVA技术应用于川西凹陷深层须家河组储层预测,通过多波AVA储层参数的反演研究,为直接利用地震资料进行储层识别并进一步识别其流体特征提供了一种有力手段.     

UNB多波束数据格式解析

采用VB进行程序设计,实现了对数据文件的解析,提取出了各种不同类型的数据,介绍了数据的处理与应用.     

机载激光雷达平均树高提取研究

为了研究机载激光雷达(LiDAR)树高提取技术,以山东省泰安市徂徕山林场为实验区,于2005年5月进行了机载LiDAR数据获取和外业测量.通过对LiDAR点云数据的分类处理,分别得到了试验区的地面点云子集、植被点云子集和高程归一化的植被点云子集.基于高程归一化的植被点云子集计算了上四分位数处的高度,与实地测量的数据进行了比较,并结合中国森林调查规程进行了实用性分析.结果表明:对于较低密度的点云数据,使用分位数法可以较好地进行林分平均高的估计;机载激光雷达技术对树高估计是可行的,精度都高于87%,总体平均精度为90.59%,其中阔叶树的精度高于针叶树.该试验精度可以满足中国二类森林调查规程中平均树高因子的一般商品林和生态公益林的精度要求,对国有商品林小班的调查精度要求(5%)存在一点差距,需要在国有商品林区进一步开展验证工作.对本试验区而言,已经可以满足其作为森林公园生态公益林的调查要求.     

基于高光谱Hyperion数据的线性光谱混合模型与神经网络模型的比较

混合像元问题是定量遥感中的热点问题之一,为了改进从遥感数据中提取定量信息,人们建立了各种混合光谱分解技术,其中线性光谱混合模型和神经网络模型就是两种比较成熟的方法。以陕西省横山地区的高光谱Hyperion数据为研究基础,通过最小噪声变换(MNF)、像元纯度指数(PPI)转换和RMS误差分析的迭代方法相结合提取影像中的纯净像元作为终端端元。分别运用神经网络模型和线性光谱混合模型对影像进行光谱分解,得到各个组分的分解图像。以标准植被指数(NDVI)影像为衡量标准,选取训练样本点,分别对两种模型进行回归分析,结果显示NDVI影像与线性光谱混合模型植被分解图像的判定系数(R2=0.91)要大于其与神经网络模型的判定系数(R2=0.81)。进一步分析表明在一般情况下,线性光谱混合模型具有比神经网络模型略高的分离精度,但是神经网络模型对细部信息的提取的效果要好于线性光谱混合模型,最后提出了端元均方根误差(EAR)指数,一种新的混合像元分解的思路。     

基于相关系数匹配的混合像元分解算法

遥感影像中的混合像元不仅影响地物识别和分类的精度,而且已成为遥感科学向定量化发展的主要障碍.为此,人们已经提出了多种混合像元分解算法,其中应用最为广泛的是最小二乘法.该方法虽然具有意义明确、简单易行等特点,但也易受局部噪声、大气效应、环境辐射等因素的影响.本文将混合像元分解问题归结为一个基于光谱匹配的非线性最优化问题,并针对最小二乘法的不足提出了一种新的基于相关系数匹配(spectral correlation matching, SCM)的混合像元分解技术.通过在北京市北三环及其以北区域内案例的研究表明:在城市区域内,利用图像选取终端端元的办法,基于相关系数匹配的混合像元分解算法的总体精度高于带全约束的最小二乘法(LS)的分解结果.对比分析表明:在目标光谱的绝对值整体放大或缩小而光谱形状得到了很好的保持、及局部噪声使得光谱值显著变化但光谱形状得到了一定程度保持时,基于光谱形状的相关系数法可以得到比基于光谱绝对值的最小二乘法精度更高的分解结果.     

基于小波变换的单频GPS快速精密定位整周模糊度的解算

对于GPS短基线,载波相位双差观测量已基本消除了卫星轨道误差、钟差、大气折射误差等系统偏差的影响,主要包含距离观测量信息及随机测量误差,其中测量误差是高频的测量噪声,小波变换可将GPS载波相位双差观测量中的观测噪声(高频部分)分解出来。本文利用Coiflets小波基函数对GPS快速定位的原始载波相位双差观测量进行5层分解,通过重构第5层低频系数获得去除噪声的"干净"的载波相位双差观测量,然后利用"干净"的双差观测量进行最小二乘参数估计,以减小测量噪声对GPS快速定位病态方程解的扰动。计算结果表明该方法能够显著提高GPS快速定位中模糊度浮点解的精度,仅利用几个观测历元的数据就可以准确地固定模糊度。     

基于LBV变换的遥感影像多步骤分类法研究

面对与日俱增的遥感数据,如何快速准确地进行影像分类成为遥感领域亟待解决的问题。本文在前人的基础上提出了一种基于LBV变换的遥感影像多步骤分类方法。L:地物的总辐射水平,集中反映了裸地的信息;B:地物的可见-红外光辐射平衡,是地面水分状况和水体存在的一个良好指标;V:地物辐射随波段变化的方向和速度向量,能集中反映地面植被状况。多步骤分类法遵循由易到难的原则,能克服类别之间的互相影响,从而提高分类精度。文章结合LBV变换和多步骤分类法的优点对影像进行了分类,结果表明该方法简单易行,且能达到良好的分类精度。     

多点地质统计学在河流相储层建模中的应用

多点地质统计学综合了基于象元方法以及基于目标方法两者的优点,对于河流相等具有复杂地质形态的储层精确建模具有较强的优势.在对传统建模方法综合分析的基础上,介绍了多点地质统计学的基本理论及SNESIM算法,并应用该技术对大牛地气田某开发井区的辫状分流河道相进行了实际建模.研究结果表明,在河流相储层建模中,该方法比传统的建模方法更具优越性.最后,进一步综合讨论了多点地质统计学目前面临的主要问题(包括训练图像、目标体连续性、数据样板选择、综合地震信息等方面)的改进方法.     

东海陆坡及邻近槽底天然气水合物成藏条件分析及前景

在西太平洋边缘海中,东海是唯一没有获得天然气水合物样品的边缘海。利用已有的地震资料、海底温度资料等,从沉积物来源、沉积地层厚度、烃源岩条件、沉积速率、海底温度—压力条件等方面对东海水合物成藏条件进行了分析。认为冲绳海槽沉积物源丰富,沉积厚度大,且发育烃源岩地层。冲绳海槽较高的沉积速率主要分布于冲绳海槽槽底沉积中心,以及西部陆坡连接海底峡谷底部的三角洲区域。根据冲绳海槽实测的海底温度数据,整个冲绳海槽地区600m以深的范围都能够满足水合物发育的温度、压力条件。以温度梯度为30℃/km计算,冲绳海槽中水合物稳定域的最大厚度为650m。冲绳海槽盆地中普遍发育的底辟构造、背斜构造等局部构造,以及网格状断裂系统,为烃类气流体的向上及侧向运移创造了有利条件,成为天然气水合物发育的有利区带。根据已经发现的BSR特征来看,东海地区天然气水合物前景广阔。     

Study on the connectivity of heavy oil reservoirs by ultraviolet spectrum technique in the western part of the QHD32-6 oilfield

As a new method, the ultraviolet spectrum technique is applied to studying the connectivity of biode-gradable heavy oil reservoirs. The similarity of crude oils can be judged according to the extinction coefficient （E） because aromatic hydrocarbons and non-hydrocarbons have conjugated bonds and obvious absorption in the ultraviolet range, and different materials have different characteristics and additives. The relationship diagram is made in terms of the extinction coefficients （E） of the samples by taking E as the Y-axis and wavelength as the X-axis. The connectivity of oil reservoirs is estimated according to the curve positions and characteristic fingerprints of the sampies. The connectivity of part of the reservoirs in the western part of the QHD32-6 oilfield was studied with this method. The results showed that the connectivity of samples from wells F7 and F8 in the Nm-2 oil reservoir zone is good, that of samples from wells F17 and F20 in the Nm-1 oil reservoir zone also is good, and that of samples from wells F17, F19, and F20 is poor.