地质调查大数据研究的主要问题分析

地质调查大数据包含地质调查工作中产生的多来源、多模态地质数据,以及公共服务与支撑管理产生的数据。一些与数据和计算有关的地质问题,限于当时的信息技术条件,没有得到很好的解决,解决这类地质问题及信息数据共享问题是地质调查大数据处理技术的基本目标。在地质调查大数据处理技术中,应当积极开展多类型地质数据采集器、新型非易失性存储技术、分布式计算、内存计算技术产品开发与应用,然后集中开展、深度分析与挖掘、可视分析技术产品开发与应用,最终形成地质调查大数据处理技术体系与产品线,以产品应用推动资源共享,提升地质调查信息化服务品质。     

主动源与被动源地震数据插值及联合数据成像

本文提出了两种情况下主动源数据和被动源数据的插值方法,并研究了两种数据在偏移成像中的互补效果.基于互相关法被动源数据重构原理,本文提出了结合多域迭代去噪技术的重构方法.提出了两种时间域主动源和被动源数据的插值方法,分别是共炮点域能量匹配插值和共检波点域最小平方匹配插值.然后对获得的主动源和被动源联合地震数据进行叠前深度偏移成像.在被动源活跃度不是很高的地区进行被动源地震勘探时,少量的主动源地震数据可以有效控制和补充被动源数据的成像效果.在稀疏炮点的主动源勘探中,有效利用被动源的信息能够在成像中增加更多的细节信息,提高成像质量.     

叠前时间偏移在煤田地震资料处理中的应用

叠前时间偏移可以实现地质构造的精细成像,同时为岩性储层预测提供高保真的高分辨率成像剖面.为了使叠前时间偏移技术能够有效应用于煤田地震资料处理,从煤田地震资料的特点出发,研究了一系列针对性的叠前预处理技术,引入了利用初至波和反射波联合层析反演建立精细偏移速度场的方法,探索建立叠前时间偏移用于实际资料的技术流程和处理措施.实际资料成像结果表明,相比叠后偏移方法,叠前时间偏移在成像精度和中深层保幅性等方面都有较大的改善,有利于煤田地震资料的精细构造解释和岩性反演.     

浅层气对下伏地层深度预测影响定量研究及在渤海B油田中的应用

浅层气的存在造成下伏地层地震反射出现假象,使得深度预测不准确,增大了油田开发钻井风险。为提高浅层气下伏地层深度预测精度,利用理论模型分析量化描述浅层气对下伏地层的影响范围和影响程度,同时通过正演模拟手段构建时差定量校正量版,指导储层高精度深度预测。根据研究成果和认识,成功解释了渤海B油田两口已钻井深度误差出现的原因,并进一步利用时差校正量版提高了该油田区目标储层深度预测的精度,成功指导了后续多口开发井的准确钻探。     

基于偏移追踪的青藏高原卓琼冰川流速监测及成因分析

冰川作为地球系统中重要的组成部分,是全球气候变化的敏感指示器和调节器.冰川运动的遥感监测也是进行冰川研究的重要内容.本文主要采用偏移追踪的方法,利用2003—2010年期间7对雷达单视复数数据监测了青藏高原珠穆朗玛峰地区的卓琼冰川运动情况.经验证,本研究获得的冰川流速结果可靠.卓琼冰川的流向自西向东,流速自冰川末端向上游积累区逐渐增加,流速大小主要来自距离向的贡献.研究结果显示,卓琼冰川在2003—2005年期间流速较大,最大流速达到45 m·a^-1,而在2005—2010年期间流速有所降低,最大流速在35~40 m·a^-1范围内波动;卓琼冰川年际间流速变化基本一致,冰川中部存在流速突变情况,突变幅度为3~7 m·a^-1,但该尺度的突变并不会影响卓琼冰川的总体运动趋势.此外,本文还分析了气象以及地理位置因素对卓琼冰川运动的影响.

     

双复杂介质条件下的反Q滤波偏移延拓算子研究

地下介质的非弹性吸收衰减效应造成地震资料中深层信号频带窄、能量弱、成像困难,因此需要对地层的非弹性吸收衰减进行补偿。在已有的补偿方法基础上,基于单程波方程,采用与品质因子和频率相关的复速度代替介质真实速度,将粘滞传播算子在频率-空间域采用连分式展开,得到相移项和补偿项,针对连分式的误差,在频率-波数域进行补偿校正,并用逐步累加法解决起伏地表问题。该方法提高了成像精度,有效补偿了由于地层非弹性吸收造成的振幅和频率损失。模型试算和实际资料处理表明,该方法具有一定的适应性和实用性。     

利用部分投影的二维CT旋转中心偏移快速校正

现有的CT重建算法都依赖于转台旋转中心的准确定位,否则会引起重建图像的伪影。目前已有的旋转中心估计方法的共同特点是利用180°或360°的投影数据。获取这些投影,需要比较长的扫描时间,占用比较多的资源。为此,在平行束扫描和扇形束扫描两种情形下,本文提出利用部分视角的投影来对转台旋转中心进行快速定位的方法。在平行束情形,利用物体空间质心与投影空间的质心的对应关系定理,由60°的投影即可准确测量出旋转中心的位置。在扇形束情形,通过将扇形束投影重排成平行束投影,仍可由扇形角再进行60°的投影准确测量出旋转中心的位置。     

基于深度残差网络的机载LiDAR点云分类

机载LiDAR点云的分类是利用其进行城市场景三维重建的关键步骤之一。为充分利用现有的图像领域性能较好的深度学习网络模型,提高点云分类精度,并降低训练时间和对训练样本数量的要求,本文提出一种基于深度残差网络的机载LiDAR点云分类方法。首先提取归一化高程、表面变化率、强度和归一化植被指数4种具有较高区分度的点云低层次特征;然后通过设置不同的邻域大小和视角,利用所提出的点云特征图生成策略,得到多尺度和多视角点云特征图;再将点云特征图输入到预训练的深度残差网络,提取多尺度和多视角深层次特征;最后构建并训练神经网络分类器,利用训练的模型对待分类点云进行预测,经后处理得到分类结果。利用ISPRS三维语义标记竞赛的公开标准数据集进行试验,结果表明,本文方法可有效区分建筑物、地面、车辆等8类地物,分类结果的总体精度为87.1%,可为城市场景三维重建提供可靠的信息。     

角度域剩余深度对剩余速度的敏感性分析

本文针对地震勘探深度域偏移速度建模研究, 利用角度域共成像点道集(ADCIGS)建立了以剩余速度为自变量, 剩余深度为目标函数的关系式, 及目标函数的梯度公式.利用导出的两个公式分别对剩余深度与剩余速度的关系进行了定量分析.通过理论分析和模型试算证明初始速度模型的误差具有方向敏感性, 即正误差较负误差对速度建模迭代收敛更敏感.利用此结论进行深度域速度建模既可以提高计算效率也可以提高建模精度.