地震数据智能去噪与传统去噪方法的对比及展望

在油气地震勘探中,提高地震资料的分辨率、信噪比、保真度一直以来都是地震资料处理环节的关键问题.一般来说,高信噪比是高分辨率的前提,只有信噪比达到一定的水平,地震资料处理才可能实现良好的保真度.当今的地震勘探正向着深层、复杂构造和岩性勘探的方向发展迈进,人们相应的对地震资料处理也提出了更高的要求.目前,业界比较流行的去噪手段包括f-x RNA法、f-x-y NRNA法、3D t-x-y APF法和t-x SOPF法等.本文将这些传统去噪方法与压缩感知去噪、卷积神经网络法等先进的智能去噪技术做了对比,并对智能去噪技术的前景做进一步的展望.     

人工智能速度分析方法研究现状

在油气地震勘探中,速度分析是关键的地震数据处理步骤.但是在传统地震处理中,人工速度分析效率低、耗费时长且人为因素影响大.随着对油气资源的需求日益增加,人工速度分析已经不能满足当前生产的需要.目前,各种人工智能方法已经应用于地震速度分析的研究之中.本文分析了主流的人工智能速度分析方法的原理和应用效果,有普通神经网络方法,卷积神经网络方法,递归神经网络方法,卷积和递归组合网络方法,聚类机器学习方法.根据各种方法的表现,最后对人工智能速度分析方法做了总结以及进一步的展望.