天然气水合物综合识别标志探讨

天然气水合物是天然气和水在特定条件下形成的一种透明的冰状结晶体。天然气水合物的发现为寻找清洁高效的新型能源,以取代日益枯竭的传统能源提供了一个广阔的领域和新的思维方式。我国天然气水合物具有广阔的勘探领域和良好的勘探前景。本文对天然气水合物的研究现状进行了综述。在总结前人关于天然气水合物研究的基础上,归纳了天然气水合物的地震、测井、沉积岩石、地球化学、地形地貌等识别标志。企望对加快天然气水合物勘探进度提供一些有益的线索。     

用局部径向记录道中值滤波进行线性噪音衰减

径向记录道变换是在叠前道集中消除地滚波和相干线性噪音的有效工具。为了模拟噪音,通常在径向域应用一个低通滤波器,然后从原始输入道集中减去逆变换的"模拟噪音"。插值法是径向变换的关键组成部分,并且在大多数实际情况下它严重地制约了径向变换的应用效果。本文提出了不同的径向记录道中值滤波方法。该方法不需要做全部正变换,因而不要求复杂的插值算法。这种方法大大减少了数据丢失问题,而且比低通滤波更可靠,同时还避免了应用常规正反径向交换可能带来的人工效应。     

STseis2.0高精度叠前成像软件系统的研发与应用

在Linux集群环境下,以QT和OpenGL为架构设计平台,遵循软件工程设计规范,研发了功能强大且实用的STseis2.0高精度叠前成像软件系统。本文对其结构设计、核心技术、主要功能和初步应用效果作了较为系统的介绍。     

“STseis叠前成像系统”偏移速度分析技术

本文介绍了自主研发软件"STseis叠前成像系统"偏移速度分析技术,包括叠前偏移剩余曲率分析技术和叠前偏移速度扫描技术。这些偏移速度分析技术与STseis成像系统中相关的叠前时间偏移和叠前深度偏移模块相配套,可以为叠前时间偏移和叠前深度偏移提供更精确的成像速度。     

խ��λ����˫ƽ��������ƫ��Ӧ���о�

双平方根（DSR）方程为波动方程偏移提供了一种新的理论框架。基于“沉降观测”概念的DSR方程叠前深度偏移已经成为了一类重要的地震波成像方法。与单程波方程偏移方法相比，其计算效率要高很多，便于输出角度域的共成像道集，有利于开展波动方程偏移速度分析。DSR方程全偏移方法对计算机条件要求太高，且对地震勘探中大量存在的窄方位三维地震数据不太适用。文章结合DSR方程叠前深度偏移的波场传播算子与成像条件，讨论了它在窄方位三维地震数据成像中的应用问题，对比分析了几种稳相近似DSR方程偏移方法的特点与适用条件。数值试例表明，基于DSR方程的窄（共）方位角叠前深度偏移方法对盐丘（或礁体）、古潜山等复杂构造具有很强的成像能力，值得在石油天然气勘探中推广应用。     

波动方程偏移角度域共成像道集

对于复杂介质，炮域共成像道集和偏移距域共成像道集遇到了麻烦：对于相同到达旅行时和相同的水平慢度，反射同相轴可能来自地下界面不同的点，即地下界面的点存在多解性。对于地下界面的每一点，角度域共成像道集却惟一地定义了射线对，因此，数据体中的每一个同相轴只对应地下界面一个点。利用波动方程偏移能够生成可以用于偏移速度分析和振幅随入射角变化分析的角度域共成像道集。     

共方位角波动方程偏移速度分析方法及其应用

叠前深度偏移是复杂地质构造成象的有力工具,其成象的质量主要取决于所用速度—深度模型的精度。本文根据波场外推理论,给出了层剥离波动方程偏移速度分析方法。该方法利用沿层剩余速度分析直接修改层速度,适用于3D偏移速度分析,已在复杂潜山构造成象中取得较好的效果。     

积分法叠前深度偏移技术在BS6地区的应用

三维叠前深度偏移技术是解决复杂构造和速度横向变化剧烈地区地震资料成像问题的有效手段。介绍了基于STseis系统的Kirchhoff积分法叠前深度偏移的基本原理及处理流程,给出了应用该系统对胜利油田BS6地区三维地震资料叠前深度偏移处理的效果。与常规叠后时间偏移剖面相比,叠前深度偏移资料断面形态更加清晰,潜山及内幕成像更加清楚,表明了该方法及软件具有良好的应用效果。     

STseis系统积分法叠前深度偏移技术在BS6地区的应用

三维叠前深度偏移技术是解决复杂构造和速度横向变化剧烈地区地震资料成像问题的有效手段。文章介绍了STseis系统Kirchhoff积分法叠前深度偏移的基本原理及处理流程,给出了应用该系统对胜利油田BS6地区三维地震资料叠前深度偏移处理的效果。与常规叠后时间偏移剖面相比,叠前深度偏移资料断面形态更加清晰,潜山及内幕成像更加清楚;与国外同类软件相比,STseis处理效果相当,并部分地超越了国外同类产品。     

反射走时及走时梯度联合层析速度反演方法研究

本文探讨了反射走时及走时梯度联合层析成像方法,该方法基于倾斜叠加原理实现了反射走时及走时梯度自动拾取,可以快速地为叠前深度偏移提供精确的宏观速度—深度模型。