基于稀疏强特征提取的三维地震数据完备方法

随着复杂储层地震资料特征筛选的机器学习技术的进步,如何有效地对参与地震属性优选和储层反演的地震样本进行采集和分析,成为目前智能地震预测领域的一个研究热点。目前的方法多着重于模型分类算法的改进,在标签的制作和采集方面不仅耗费大量时间进行人工标注,还存在标签不平衡情况下类内可靠性、类间平衡性不强等问题。为此,提出基于稀疏强特征提取的三维地震数据完备方法。首先,基于多数决原则的样本分割(Sample Segmentation Based on Majority Rule, SSMR)寻迹多尺度、多标签三维地震样本,进行采集、自动标注;然后,改进标签洗牌平衡方法(Improved Label Shuffling Balance Method, ILSB),通过“2+1”的样本增广平衡策略进行数据完备处理,改善样本采样不平衡性导致的模型训练偏向性;最后,利用基于最小L₁范数稀疏表示对奇异值分解结果进行强特征提取(Minimum L₁-norm Based Sparse Representation for Feature Extraction, L     

基于White模型的砂岩储层渗透率特性分析

针对不同固结程度的砂岩,从Boit经典理论出发,基于White斑块饱和模型,应用数值模拟研究了渗透率对地震波衰减和速度频散的影响,分析了地震波垂直入射时渗透率对储层界面反射系数和相位的影响.结果表明:对于砂岩储层,渗透率对地震波衰减和速度频散有明显影响,尤其是中等压实砂岩储层和未固结砂岩储层,对渗透率变化非常敏感;渗透率对砂岩储层尤其中等压实砂岩储层界面反射系数和相位有明显影响,甚至会产生相位极性反转.     

基于加速Bregman方法和阈值迭代法的联合地震数据重建

地震数据缺失道重建是数据处理的重要环节,但现今大部分重建算法收敛速度慢,计算成本高,难以满足海量数据处理的要求。为此,提出一种将加速线性Bregman方法(ALBM)与阈值迭代法(ISTA)进行联合的快速重建方法,并采用多尺度、多方向曲波变换作为稀疏基。ALBM能从未阈值化的曲波系数得到更多的有效信号,因此在迭代初期收敛速度快;后期因未阈值化的曲波系数带入更多噪声,会降低重建精度。ISTA则一直需要将曲波系数进行阈值化,迭代初期滤除了大部分有效系数,故收敛速度慢;但后期能恢复微弱有效信号,故重建精度较高。为了充分发挥两种算法的优势,文中给出了1~0范围的线性和指数两种加权参数公式,有效地将ALBM与ISTA两种算法进行线性组合,保证在迭代初期ALBM起主要作用,迭代后期ISTA作用大,从而使该联合算法既迭代速度快,且迭代精度高。联合过程中,采用软阈值公式,引入了指数阈值参数公式。理论模拟结果表明,相对于ALBM、ISTA及传统联合方法,所提加速联合方法的计算速度较快,重建效果明显。     

应用组稀疏正则化反演的高分辨率自适应Gabor时频分析方法

地震信号频率成分随时间的变化规律(时频特性)对油气检测具有重要意义,且Gabor变换作为最简便的时频分析技术在地震资料解释中得到了广泛应用。然而常规Gabor变换所得时频谱的时间分辨率低,相邻反射子波频谱信息混叠严重,不利于开展高分辨率地震资料解释。为了提高Gabor时频谱的时间分辨率,首先基于Gabor反变换的定义将Gabor时频谱的计算归结为求解反演问题; 然后以相同时刻频谱分入同一组的策略加入组稀疏正则化约束项; 最终利用投影快速软阈值迭代算法实现上述目标函数求解并获得Gabor时频谱。同时,还给出一种利用地震信号瞬时质心频率自适应地构造Gabor时频分析所需高斯窗函数的方法。理论信号实验及实际数据应用表明,该方法可在时间方向上对Gabor时频谱的能量团进行显著压缩,低频端和高频端的时间分辨率获得同步提高,进而在低频和高频剖面上同时清晰揭示薄储层顶、底界面,便于精细对比解释。     

横向二阶导数TV正则化三维反射系数反演

三维反射系数数据体一般采用逐道(或逐线)稀疏反演的方式获得，但由于道与道(或线与线)之间缺乏联系使三维反射系数横向连续性不佳而产生抖动假象。为了全方位压制抖动假象，在反演目标函数中加入合成数据三维空间中的横向二阶导数全变分(Total Variation, TV)约束项提高反演结果的空间连续性，进而将常规的逐道L₁范数正则化反演目标函数扩展为三维反演形式。但时间—空间域三维反演目标函数中存在三维卷积运算而难以直接进行优化求解，因此在分裂Bregman优化框架下将该三维反演目标函数转化到频率—波数域实现了快速求解。合成数据实验及实际数据处理结果表明，该反演方法不仅可以高效地获得三维反射系数数据体，而且能显著改善易被抖动假象掩盖的小构造和薄层的成像效果。