用于速度自动拾取的路径积分优化法与光顺处理技术

将用于图像处理的光顺技术引用到速度谱能量团曲面的处理环节,借以提高速度谱的分辨率,为最终获得高精确解提供一全新的途径.具体思路是基于路径积分优化法--Viterbi算法所具有的自动搜寻及获取最优解的功能,将其应用于地震资料处理中的速度自动拾取,使其向前做最大"能量团"的积分向后递归计算最优解--叠加速度,但这种解的准确性往往与所定义的目标函数--速度谱的分辨率有关.演算结果表明,Viterbi算法与关顺处理技术的有机结合,不仅提高了速度提取的精度,而且实现了速度的自动拾取,可提高常规地震资料处理的效率,从而可快捷地为叠前深度偏移提供所需初始速度模型.     

基于非线性函数的速度谱智能拾取

随着地震勘探的不断发展以及勘探领域的不断扩大,需要处理的勘探资料也不断增加,对速度分析中速度谱的拾取效率和精度提出了更高的要求.一直以来,速度谱中叠加速度的拾取,受限于人眼对速度谱能量团聚焦中心的识别能力,从而使得拾取速度精确度不高.基于非线性函数的智能拾取是通过确定的目标函数,运用非线性函数作为合理约束条件来实现的.此方法针对速度谱的能量团分布规律自动设置约束参数.应用效果表明该方法不仅能实现速度谱智能拾取,而且拾取的叠加速度在精度上逼近真实的叠加速度.     

基于深度学习的地震速度谱自动拾取研究

在常规的地震数据处理工作流程中,人工拾取地震速度谱中的叠加速度存在耗时长、效率低的问题,且容易受到人为经验的影响.本文基于目标检测的方法,应用改进后的FCOS(Fully Convolutional One-Stage Object Detection)神经网络模型实现速度谱中叠加速度的自动拾取.该方法将速度谱图像作为输入,经模型训练后输出“时间-速度”对序列.在处理低信噪比工区数据时,针对速度谱能量团聚焦特征较差的特点加入基于深度神经网络(Deep Neural Network, DNN)的线性回归模型以拟合出全局速度曲线.Marmousi模型数据和实际工区数据测试结果表明,本文所设计的地震速度谱自动拾取模型准确性较高、鲁棒性强,有效地缓解了人工拾取的负担,在保证速度拾取精度的同时显著地提高了效率.     

基于自适应阈值约束的无监督聚类智能速度拾取

目前叠加速度的获取主要是通过人工拾取速度谱,存在着效率低、耗时长且易受人为因素影响的缺点.本文提出了一种基于自适应阈值约束的无监督聚类智能速度拾取方法,实现叠加速度的自动拾取,在保证速度拾取精度的同时提高拾取效率.利用时窗方法在速度谱中计算自适应阈值,从而识别出一次反射波速度能量团作为速度拾取的候选区域.然后,根据K均值方法将不同的速度能量团聚类,并将最终的聚类中心作为拾取的叠加速度.最后,依据人工拾取速度的经验,加入了离群速度点的后处理工作,以获得更光滑的速度场.模型和实际地震数据测试结果表明,本文提出的方法总体上与人工拾取叠加速度的精度相当,但明显提升了速度拾取效率,极大缓解了人工拾取负担.     

莺东斜坡带速度分析方法研究及速度影响因素分析

莺歌海盆地是一个有勘探潜力的盆地,尤其是莺东斜坡带附近有良好勘探前景.但是由于研究区位于莺东斜坡带附近,因此构造解释具有相当的难度,尤其是由时间解释转化为构造解释有难度,需要有一个准确的速度来进行时深转换.基于此原因,本文首先介绍了速度谱拾取过程中的一些难点及解决方法;其后是速度分析取得的成果,通过DepthTeam形成速度体,从点、面、体三个不同角度证明了速度谱拾取过程中速度的准确性以及速度体的实用性;最后对单井和地层的速度进行了统计分析,总结了本区影响速度变化的主要因素.     

选择相关法提高转换波速度分析精度

利用转换波速度分析拾取的横波速度是转换波共转换点（Common Conversion Point简称CCP）叠加技术中很重要的参数.它的拾取难度在于转换波时距关系在中—浅层或大偏移距情况下误差明显增大,以及在相邻薄反射层上叠加速度谱分辨率很低.本文对选择相关速度谱分析技术进行了研究,即在速度分析中不是利用所有道集,而是有选择的利用部分（可调）道集进行速度分析,研制了相应的实用软件.理论模型和实际资料均表明,该方法在中—浅层或大偏移距情况下,比传统方法有较大改善,分辨率明显提高,能大大提高速度谱估算的精度.     

高密度资料面元细分与速度分析关系研究

速度分析是地震资料处理的重要环节,制作准确的速度谱,可为动校正提供可靠的速度资料,并最终决定叠加资料的质量.本文在对速度分析的基本估算方法和应用要素做系统的概括总结后,对面元细分与速度分析关系进行了详细的理论研究和实际资料的检验.理论模型数据和胜利油田永新工区高密度实际资料处理表明,面元细分对速度谱的主要影响是覆盖次数,覆盖次数较低时,要准确获知速度较难;覆盖次数增大,速度谱变好,但其精度并不按覆盖次数线性增大.要实现高密度资料分辨率品质的提高,必须提高检波器接收精度.     

基于稀疏反演理论的自动叠加速度反演方法

叠加速度分析技术是常规地震资料处理中的重要环节,也是经典的时间域速度建模方法.叠加速度分析技术主要包括速度谱计算和拾取两个步骤.至今为止,多数研究工作通过提高速度谱的分辨率以及抗噪声能力,获得高质量的速度谱从而有利于拾取.本文的目标是将叠加速度分析技术转为一个全自动化的处理流程.从参数估计的角度出发,将叠加速度估计转化为稀疏反演框架下的模型参数估计问题,并通过稀疏反演算法自动反演叠加速度,进而提高叠加速度建模的效率.为实现这一目标,首先给出了正问题的定义,即层状介质中CMP道集的预测模型,利用叠加速度、垂向双程走时(t_0)以及反射子波以及CMP道集时距关系(如双曲时距关系)可以预测CMP道集.接着,速度分析反问题可以描述为已知观测的CMP道集,估计模型参数(叠加速度及t_0时间等).利用模型参数的稀疏性作为约束条件并用L_0范数作为模型稀疏性的度量准则,叠加速度分析可以转化为L_0范数约束下的稀疏反演问题.本文提出了一种基于预测校正思想的匹配追踪算法求解上述反问题,实现了自动叠加速度建模并为后续的高精度速度反演方法提供较好的初始模型.理论和实际资料的测试结果证明了本文方法的有效性.     

基于Viterbi算法的复杂地质体速度约束化自动拾取

对于复杂地质体而言,由于各种因素的影响,速度信息中往往会包含一些假的速度信息(如速度异常值)．因此,如何在速度谱能量团(由所定义目标函数——相似系数法等得到)中拾取有效的叠加速度,是地震数据处理中一个重要的环节．本文,所引入的Viterbi算法具有约束化自动搜寻并获取最优解的功能,将其应用于速度的自动拾取中,它能向前做最大“能量团”的积分并向后递归计算最优解——叠加速度,是一种实现速度自动优化拾取的便利工具．     

基于面波频散曲线聚类分析的近地表横波速度反演

获取准确的近地表横波速度对复杂地表条件下弹性波地震数据处理和成像非常重要.在浅层面波工程勘探中通过反演提取的频散曲线可以获得近地表横波速度结构.在多道面波频散曲线分析中,频散关系拾取的精度直接影响速度反演结果的可靠性.本文在多道面波叠加及自动拾取频散曲线基础上,提出了基于面波频散曲线聚类分析的近地表横波速度反演方法.该方法充分考虑了低信噪比条件下面波频散曲线的不确定性,通过在频散曲线拾取中引入曼哈顿距离K-Means聚类算法提高频散曲线拾取的准确性.采用多道多窗口叠加技术提高了面波反演对横向速度变化的适应性,通过聚类算法和多窗口叠加提高反演的可靠性,聚类算法获得较准确的频散曲线更利于后续横波速度反演过程.模拟数据算例对比表明本文提出的方法比常规算法效果更好,精度更高.将提出的方法应用于工程勘探和油气勘探的面波数据反演中,结果也验证了该方法的有效性.