排序方式: 共有36条查询结果,搜索用时 6 毫秒
31.
横向各向同性介质纵波非双曲时差速度分析 总被引:3,自引:0,他引:3
在各向异性介质中,P波反射具有非双曲时差特性,地震波走时亦随排列长度的加大呈现非双曲现象。因此,常规双曲时距曲线方程已经不能满足描述地震勘探中日益复杂的地球介质模型的需求。为此,我们对双曲时距曲线进行了改进——在走时公式中加入了含炮检距的四次项,并采用分式展开法表示。改进后的表达式在形式上接近于常规地震波双曲型时距关系,清楚地描述了横向各向同性介质中速度随炮检距的变化。实例中可见其提高了复杂介质速度分析精度、改善了剖面叠加效果。 相似文献
32.
Xu-White模型为强非线性模型,无法直接进行线性化近似、实现储层物性线性化反演。对Xu-White模型进行正演分析,发现泥质含量是影响模型非线性强弱的关键因素。为此,提出岩相约束的岩石物理模型线性化近似方法,实现了由Xu-White模型线性化反演储层物性参数。主要有四个步骤:①利用测井曲线建立岩相模型;②利用泰勒级数展开方法,分岩相对Xu-White模型进行线性化近似;③依据贝叶斯理论建立储层物性反演目标函数,并利用最小二乘优化算法反演孔隙度、泥质含量与含水饱和度等参数;④通过不确定性分析,验证反演结果的可信程度。该方法在模型试算及实际测试中均取得了较高质量的反演结果。 相似文献
33.
准确描述并预测裂缝空间分布是裂缝型潜山油藏储层开发的前提条件,裂缝型潜山油藏构造复杂、断层发育、地震反射多表现为空白或杂乱反射,传统的依赖模型的反演方法难以表征复杂的潜山断裂系统。为此,提出了以测井裂缝敏感参数FIC c为训练目标的深度信念网络反演方法。首先基于碳酸盐岩裂缝在测井曲线上的响应特征,综合伽马、井径等曲线,构建敏感性裂缝识别参数FIC c;然后以基于优选井计算的FIC c曲线作为训练目标、以井旁地震数据作为训练特征构成训练样本,通过训练深度信念网络,建立井旁地震数据与FIC c曲线之间的非线性映射关系;最后将训练成熟的网络模型应用到整个地震数据体,反演得到裂缝识别参数FIC c,进而预测裂缝空间分布。S区潜山裂缝预测的应用结果表明,测井裂缝识别参数FIC c识别结果与成像测井裂缝识别结果基本吻合,FIC c作为训练目标在S区裂缝预测中具有较好的可靠性;应用深度信念网络反演的解释结果表明S区潜山主要发育北东向裂缝,呈带状沿断层大面积发育,与熵属性刻画的裂缝发育带一致性较好,钻井吻合率达71%。 相似文献
34.
35.
物理驱动的全波形反演方法计算成本高,数据驱动的深度学习反演方法对标记数据集的依赖性强。为了在有限的数据条件下获得更好的反演结果,结合数据驱动与物理驱动,提出了波动方程正演引导的深度学习地震波形反演方法。首先,利用地震数据应用神经网络重建速度模型,对网络预测的速度模型进行正演建模,通过最小化速度模型的误差及地震数据的误差训练网络;其次,使用有限差分法将二阶偏微分波动方程近似为可微算子,使正演过程能够传递梯度,并根据梯度方向动态调整地震数据损失的权重。实验结果表明,该方法能在一定程度上降低数据驱动方法对标记数据集的依赖性,可得到更准确的速度模型,且具有较强的鲁棒性。 相似文献
36.
胜利油田K71井区的主力产层Ng85~10为河流相薄互层沉积,非均质性严重,应用传统的油气预测方法很难准确进行油气预测。本文以测井多井解释结果为约束,对Ng58~10地层利用多波二维时频分析法进行了油气预测,具体流程为:①对多井测井数据进行解释得到目的层(Ng58~10)的解释结果;②对纵波剖面和转换横波剖面进行二维时频分析获得时、空、频域数据体,利用二维S变换将二维地震剖面变成三维数据体,分析不同频段上的油气和水的特征;③将测井解释为水层的时频数据与油气层的时频数据进行差值计算,优选出差异最大的频段作为优势频段,并对优势频段内的纵波和转换横波地震数据进行二维时频分析得到二维瞬时振幅数据。实际应用表明,优势频段内所提取的地震属性放大了油气和水的差异性,突出了油气异常,能够更好地描述横向变化快的河流相储层,油气存在部位在纵波数据体上表现为亮点,在转换横波数据体上表现为暗点。 相似文献