基于非下采样剪切波变换—参数自适应脉冲耦合神经网络的属性融合裂缝预测方法

常用的叠后地震属性主要有相干体(描述波形相似性)、曲率体(表征构造应力引起的地层弯曲程度)、倾角体(刻画地层构造变化特征)等,但仅仅依靠单一属性很难准确地预测地下裂缝分布情况。为此,提出一种基于非下采样剪切波变换(NSST)—参数自适应脉冲耦合神经网络(PA-PCNN)的属性融合裂缝预测方法,该方法基于NSST分解算法,将多种属性数据分解为高、低频子带,将融合后的多尺度、多方向高、低频子带进行数据重构,得到最终的多属性融合结果,可进一步提取裂缝的轮廓及细节信息。具体步骤为:①提取描述相同尺度裂缝的多种地震属性(相干、曲率及倾角等属性),通过NSST将多种属性分解为高、低频子带,其中高频子带包含更多的裂缝细节信息,低频子带可更好地刻画裂缝轮廓且具有丰富的能量信息。②对高频子带运用PA-PCNN模型进行融合,无需人工设置参数,得到更全面的高频数据;结合八邻域的改进拉普拉斯算子加权和与局部能量加权方法对低频子带进行融合,使低频数据更好地保留细节及能量信息,以得到丰富的低频数据。③通过逆NSST方法有效地完成属性融合裂缝预测。运用所提方法对M区属性数据进行测试,并对比了不同方法的属性融合裂缝预测结果,证明基于NSST—PAPCNN的属性融合裂缝预测方法能够更有效地预测裂缝。     

基于L1-2正则化的地震波阻抗“块”反演

波阻抗反演技术已经相当成熟,但仍然存在反问题的不适定性、反演的分辨率低以及对地层边界刻画不清晰等问题。为此,提出基于L_1-2正则化的地震波阻抗“块”反演方法。在前人的基础上,将L_1-2正则化引入基于模型的波阻抗反演,通过借鉴全变分正则化的思想,利用叠后地震数据直接获得波阻抗反演结果。首先,推导线性化的波阻抗正演近似公式并分析精度;然后,基于贝叶斯理论,引入L_1-2正则化构建波阻抗反演的目标函数,利用迭代重加权最小二乘算法求解目标函数,获得波阻抗反演结果。由于波阻抗反演为单道反演算法,反演多道数据时道与道之间会产生空间不连续现象,因此对反演结果执行f-x域空间预测滤波改善由噪声和单道反演算法带来的空间不连续性。相关系数的定量对比证明了基于L_1-2范数的反演结果优于基于L₁范数和L₂范数。合成数据和实际资料反演验证了所提方法的有效性和可行性。     

基于波动方程解析解的块约束广义声阻抗反演

由于前期处理过程多数情况下基于声学介质假设,叠前地震道集更趋向于声学AVO特征。密度作为一种非常可靠的弹性参数在储层描述中起着关键作用,但反演过程不稳定。为此,提出基于声波方程解析解的块约束广义波阻抗反演方法。该方法通过部分叠加剖面反演随入射角变化的广义声阻抗,在此基础上提取稳定的速度和密度参数。针对常规阻抗反演方法忽略透射损失、层间多次波问题,基于推导的递归公式,对一维声波方程进行解析求解,获取不同入射角的全波场响应,并利用链式法则推导了对应的模型导数用于梯度类反演算法。为提高反演结果的分辨率,在贝叶斯理论框架下引入块约束,以获取稳定且边界清晰的反演结果。模型数据验证了所提出的正、反演方法的有效性;通过噪声测试验证了块约束反演方法的抗噪能力以及边界刻画能力;实际资料反演结果表明,新方法的反演结果分辨率高,边界刻画清晰,提取的速度、密度参数稳定且准确。     

基于非下采样剪切波变换—参数自适应脉冲耦合神经网络的属性融合裂缝预测方法

常用的叠后地震属性主要有相干体(描述波形相似性)、曲率体(表征构造应力引起的地层弯曲程度)、倾角体(刻画地层构造变化特征)等,但仅仅依靠单一属性很难准确地预测地下裂缝分布情况。为此,提出一种基于非下采样剪切波变换(NSST)—参数自适应脉冲耦合神经网络(PA-PCNN)的属性融合裂缝预测方法,该方法基于NSST分解算法,将多种属性数据分解为高、低频子带,将融合后的多尺度、多方向高、低频子带进行数据重构,得到最终的多属性融合结果,可进一步提取裂缝的轮廓及细节信息。具体步骤为:①提取描述相同尺度裂缝的多种地震属性(相干、曲率及倾角等属性),通过NSST将多种属性分解为高、低频子带,其中高频子带包含更多的裂缝细节信息,低频子带可更好地刻画裂缝轮廓且具有丰富的能量信息。②对高频子带运用PA-PCNN模型进行融合,无需人工设置参数,得到更全面的高频数据;结合八邻域的改进拉普拉斯算子加权和与局部能量加权方法对低频子带进行融合,使低频数据更好地保留细节及能量信息,以得到丰富的低频数据。③通过逆NSST方法有效地完成属性融合裂缝预测。运用所提方法对M区属性数据进行测试,并对比了不同方法的属性融合裂缝预测结果,证明基于NSST—PAPCNN的属性融合裂缝预测方法能够更有效地预测裂缝。     

改进型W变换方法及其应用

低频信息是地震勘探和储层表征的重要依据。由于传统时频分析方法难以描述低频区域的时频特征，因而严重影响了储层表征的精度。W变换方法通过构建包含时变主频的窗函数，可以清晰地刻画低频区域的时频分布，但是，面对高时间分辨率的储层表征需求，单参数控制的W变换不能很好地调整时频分辨率。为此，提出了改进型W变换(MWT)的时频分析方法，可以更为灵活地调整时频分辨率。首先，设计了一个新的斜率参数，结合原有尺度因子，得到包含双参数组合的窗函数。接着，替换原W变换的窗函数获得时间域的改进方法，并将改进型W变换由时间域转换到频率域，实现简单、高效时频变换。与W变换的比较表明，改进型W变换方法利用斜率参数和尺度因子可以更加精细地控制时频分辨率。单子波和子波组合的合成记录实验证明了该方法可以灵活地调整时频分辨率。实际工区数据应用结果表明，改进型W变换方法通过选取合适的参数集，可以在油井储层区域对应出现较为明显的低频异常现象，可以更好地用于储层表征。