物理、数据先验认识融合的叠前解耦分步反演

AVA三参数反演在地层弹性参数预测中发挥着重要作用。由于AVA理论公式（即物理先验认识）中的角度不易确定,加之大型稀疏矩阵的病态性,导致常规叠前反演过程不稳定。为此,提出物理、数据先验认识融合的叠前解耦分步反演方法。首先,基于物理先验认识构建非稀疏正演框架,以增加参数反演的稳定性,为解耦分步反演奠定基础;然后,以井资料为数据先验认识,将物理、数据先验认识融合,对叠前地震数据进行解耦,以得到更准确的叠前地震属性数据;最后,对解耦后的叠前地震属性进行反演得到地层弹性参数。该方法通过井数据先验认识修正反演过程,可以避免因物理先验认识中角度不准带来的误差。实际数据测试结果表明,相比于业界三参数AVA反演方法,本方法的反演结果具有更高的精度,其中拉梅参数、剪切模量和密度的精度分别提高14.1%、13.6%和11.9%。     

地震匹配追踪技术与应用研究进展

匹配追踪作为一种自适应信号分析方法,由于其具有良好的地震数据稀疏表示特性,在地震资料处理及解释领域得到了越来越多的关注。匹配追踪技术有三大要素:匹配子波母函数、匹配子波库和匹配追踪分解算法。匹配追踪首先要构建匹配子波库或子波字典,其类型有超完备子波库、正交子波库和动态子波库。匹配子波母函数在早期用Gabor子波,现在常用Morlet子波和Ricker子波。匹配追踪分解算法是匹配追踪技术的核心,分为贪婪算法、正交匹配追踪算法、快速匹配追踪算法。在深入调研的基础上,梳理了地震匹配追踪分解与重构技术的发展历程及研究进展,系统阐述了匹配追踪技术的基本原理,剖析了匹配追踪技术的加速策略,并总结了匹配追踪技术在地震资料处理、解释领域的应用现状。理论及应用实例研究表明,地震匹配追踪技术算法灵活、应用效果良好,具有广阔的发展前景。     

快速结构字典学习三维地震数据重建方法

目前基于字典学习的三维地震数据重建方法通常采取二维逐切片重建的策略,这种重建方式忽略了切片间的相互联系,未能充分运用地震数据各个方向上的连续性约束。为此,提出了一种三维联合重建方法——快速结构字典学习三维数据重建方法。该方法在压缩感知理论框架下,利用快速结构字典学习算法训练训练集,产生三维自适应字典;然后利用三维自适应字典、观测矩阵以及正则化正交匹配追踪算法对数据进行高精度重建。模型数据和实际数据的重建结果表明,该方法能够恢复地震数据的细节特征,具有重建精度高、保幅性良好的优点。