CN105425306B - 基于2d离散小波多尺度分解构建3d位场的方法 - Google Patents

基于2d离散小波多尺度分解构建3d位场的方法 Download PDF

Info

Publication number
CN105425306B
CN105425306B CN201510870128.8A CN201510870128A CN105425306B CN 105425306 B CN105425306 B CN 105425306B CN 201510870128 A CN201510870128 A CN 201510870128A CN 105425306 B CN105425306 B CN 105425306B
Authority
CN
China
Prior art keywords
mrow
dimensional
munderover
msub
msup
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201510870128.8A
Other languages
English (en)
Other versions
CN105425306A (zh
Inventor
沈鸿雁
严月英
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xian Shiyou University
Original Assignee
Xian Shiyou University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xian Shiyou University filed Critical Xian Shiyou University
Priority to CN201510870128.8A priority Critical patent/CN105425306B/zh
Publication of CN105425306A publication Critical patent/CN105425306A/zh
Application granted granted Critical
Publication of CN105425306B publication Critical patent/CN105425306B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
    • G01V3/38—Processing data, e.g. for analysis, for interpretation, for correction
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
    • G01V1/30—Analysis
    • G01V1/301—Analysis for determining seismic cross-sections or geostructures
    • G01V1/302—Analysis for determining seismic cross-sections or geostructures in 3D data cubes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/70—Other details related to processing
    • G01V2210/74—Visualisation of seismic data

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Geology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Geophysics (AREA)
  • Acoustics & Sound (AREA)
  • Geophysics And Detection Of Objects (AREA)
  • Medicines Containing Antibodies Or Antigens For Use As Internal Diagnostic Agents (AREA)

Abstract

基于2D离散小波多尺度分解构建3D位场的方法，步骤为：第一步，将含有M条测线，线距为△y，每条测线N个采样点，点距为△x的二维位场数据读取到二维数组f MN 中；第二步，对二维数据f MN 进行二维离散小波多尺度分解；第三步，分别提取每一尺度小波细节的高频分量，并进行二维离散小波反变换；第四步，将尺度维等效为拟深度维，并按由小尺度到大尺度的顺序组建二维多尺度高频分量位场数据，形成三维位场数据体F MN ；第五步，对三维数据体F MN 进行三维网格化及插值处理，并将其绘制成三维位场立体图，便实现了三维位场构建，随后可借助三维可视化技术提取三维位场的异常信息进行地质解释，获得的三维位场具有异常信息展示直观、易于信息提取和地质解释的优点。

Description

基于2D离散小波多尺度分解构建3D位场的方法
技术领域
本发明属于位场数据处理技术领域，特别涉及一种基于2D离散小波多尺度分解构建3D位场的方法。
背景技术
位场包括重力场、磁场和电场，位场的异常是来自不同深度、不同尺度场源体综合响应及共同叠加的结果。受位场勘探方法理论自身的限制，野外位场数据采集难以获得深度(维)信息，致使位场异常的地质解释不够直观，从而增大了位场资料地质解释工作的难度，并降低了地质解释的准确性。
发明内容
为了克服上述现有技术的不足，本发明的目的在于提出了一种基于2D离散小波多尺度分解构建3D位场的方法，该方法获得的3D位场具有异常信息展示直观，易于信息提取和地质解释等优点。
为了实现上述目的，本发明采用的技术方案是：基于2D离散小波多尺度分解构建3D位场的方法，包括如下步骤：
第一步，将含有M条测线，线距为△y，每条测线N个采样点，点距为△x的二维位场数据读取到二维数组fMN中；
第二步，对二维数据fMN进行二维离散小波多尺度分解正变换，二维离散小波多尺度分解正变换为：
式中，ψ称为母小波；ψ*为ψ的共轭函数；a表示伸缩系数；bx表示沿x方向的平移系数；by表示沿y方向的平移系数；且 并令a0＝2，b0＝1，j∈Z，k∈Z；△x为点距；n＝0，1，…，N-1，n为采样序号；△y为线距；m＝0，1，…，M-1，m为测线序号；
第三步，分别提取每一尺度小波细节的高频分量，并进行二维离散小波多尺度分解反变换，二维离散小波多尺度分解反变换为：
式中，ψ称为母小波；j∈Z，k∈Z；x＝n·△x，x为采样点横坐标；△x为点距；n＝0，1，…，N-1，n为采样序号；y＝m·△y，y为采样点纵坐标；△y为线距；m＝0，1，…，M-1，m为测线序号；
第四步，将尺度维等效为拟深度维，并按由小尺度到大尺度的顺序组建二维多尺度高频分量位场数据，形成三维位场数据体FMN；
第五步，对三维数据体FMN进行三维网格化及插值处理，然后将其绘制成三维位场立体图，便实现了三维位场构建，随后可借助三维可视化技术提取三维位场的异常信息进行地质解释。
本发明的有益效果是：
本方法基于浅层场源体产生的位场异常频率相对较高，而深层场源体产生的位场异常频率相对较低，并且随深度增加，位场异常的频率在逐渐降低为假设前提，通过二维离散小波变换技术对二维测网的位场数据进行处理，将来自不同深度、不同场源的位场异常进行多尺度分解，然后把尺度维等效为拟深度维，并按由小尺度到大尺度的顺序将二维位场进行组合，从而将二维(2D)位场平面数据拓展构建出三维(3D)位场立体数据，随后借助三维可视化技术提取三维位场的异常信息可直接用于地质解释；该方法获得的三维位场具有异常信息展示直观，易于信息提取和地质解释等优点。
附图说明
图1为本发明实测二维(2D)布格重力异常平面图。
图2为本发明实施例二维离散小波16尺度分解并重构每一尺度高频分量获得的二维布格重力异常平面按小尺度到大尺度的顺序排列图。
图3为本发明构建的三维布格重力异常立体图。
图4为本发明三维布格重力异常三维切片图。
图5为本发明提取的三维布格重力异常体(△g<-10mGal和△g>5mGal)。
具体实施方式
下面结合附图和实施例对本发明进一步详细说明。
参见图1、2、3、4、5，基于2D离散小波多尺度分解构建3D位场的方法，包括如下步骤：
第一步，将含有M条测线，线距为△y，每条测线N个采样点，点距为△x的二维位场数据读取到二维数组fMN中，参见图1；
第二步，对二维数据fMN进行二维离散小波多尺度分解正变换，二维离散小波多尺度分解正变换为：
式中，ψ称为母小波；ψ*为ψ的共轭函数；a表示伸缩系数；bx表示沿x方向的平移系数；by表示沿y方向的平移系数；且 并令a0＝2，b0＝1，j∈Z，k∈Z；△x为点距；n＝0，1，…，N-1，n为采样序号；△y为线距；m＝0，1，…，M-1，m为测线序号；
第三步，分别提取每一尺度小波细节的高频分量，并进行二维离散小波多尺度分解反变换，二维离散小波多尺度分解反变换为：
式中，ψ称为母小波；j∈Z，k∈Z；x＝n·△x，x为采样点横坐标；△x为点距；n＝0，1，…，N-1，n为采样序号；y＝m·△y，y为采样点纵坐标；△y为线距；m＝0，1，…，M-1，m为测线序号；
第四步，将尺度维等效为拟深度维，并按由小尺度到大尺度的顺序组建二维多尺度高频分量位场数据，形成三维位场数据体FMN，参见图2；
第五步，对三维数据体FMN进行三维网格化及插值处理，然后将其绘制成三维位场立体图，便实现了三维位场构建，随后可借助三维可视化技术提取三维位场的异常信息进行地质解释，参见图3、4、5。
实施实例
将含有141条测线，每条测线201个采样点，线距和点距均为5km的二维布格重力异常数据为例说明实施步骤：
第一步，将含有141条测线，每条测线201个采样点，线距△y和点距△x均为5km的二维布格重力异常数据读取到二维数组fMN中，参见图1；
第二步，对二维数据fMN进行二维离散小波16尺度分解正变换，二维离散小波16尺度分解正变换为：
式中，ψ称为母小波；ψ*为ψ的共轭函数；a表示伸缩系数；bx表示沿x方向的平移系数；by表示沿y方向的平移系数；且 并令a0＝2，b0＝1，j＝0，1，…，15，k∈Z；△x＝5km，△x为点距；n＝0，1，…，200，n为采样序号；△y＝5km，△y为线距；m＝0，1，…，140，m为测线序号；
第三步，分别提取每一尺度小波细节的高频分量，并进行二维离散小波多尺度分解反变换，二维离散小波16尺度分解反变换为：
式中，ψ称为母小波；j＝0，1，…，15，k∈Z；x＝n·△x，x为采样点横坐标；△x＝5km，△x为点距；n＝0，1，…，200，n为采样序号；y＝m·△y，y为采样点纵坐标；△y＝5km，△y为线距；m＝0，1，…，140，m为测线序号；
第四步，将尺度维等效为拟深度维，并按由小尺度到大尺度的顺序组建二维16尺度高频分量布格重力异常数据，形成三维布格重力异常数据体FMN，参见图2；
第五步，对三维数据体FMN进行三维网格化及插值处理，然后将其绘制成三维布格重力异常立体图，便实现了三维布格重力异常场构建，随后可借助三维可视化技术提取三维布格重力异常场的异常信息进行地质解释，参见图3、4、5。
实例效果说明：
图1是实测二维(2D)布格重力异常平面图，其中x坐标为数据采样点序号方向(单位：km)，y坐标为测线序号方向(单位：km)，色标为布格重力异常值△g(单位：mGal)，该等值线在平面上的异常特征表现明显，但缺乏深度域的信息，无法明确判断出由什么样的地质体、在什么深度位置引起了这些布格重力异常。
图2是二维离散小波16尺度分解并重构每一尺度高频分量获得的二维布格重力异常剖面按小尺度到大尺度的顺序排列图，其中x坐标为数据采样点序号方向(单位：km)，y坐标为测线序号方向(单位：km)，z坐标为尺度(拟深度)，色标为布格重力异常值△g(单位：mGal)，该图初步建立了三维布格重力异常数据体框架。
图3是构建的三维布格重力异常立体图，其中x坐标为数据采样点序号方向(单位：km)，y坐标为测线序号方向(单位：km)，z坐标为尺度(拟深度)，色标为布格重力异常值△g(单位：mGal)，由于将尺度维等效为拟深度维，从而拓展出深度域信息，有利于采用三维可视化技术提取异常信息进行准确的地质解释。
图4是三维布格重力异常场的三维切片图，其中x坐标为数据采样点序号方向(单位：km)，y坐标为测线序号方向(单位：km)，z坐标为尺度(拟深度)，色标为布格重力异常值△g(单位：mGal)，从三维切片图中的异常值大小及异常轮廓可有效识别出布格重力异常在三维立体空间的分布特征，并定性判断出引起布格重力异常的地质体是高密度体还是低密度体。
图5是提取的三维布格重力异常体(△g<-10mGal和△g>5mGal)，其中x坐标为数据采样点序号方向(单位：km)，y坐标为测线序号方向(单位：km)，z坐标为尺度(拟深度)，色标为布格重力异常值△g(单位：mGal)，从提取的异常体可准确判断高密度体和低密度体的空间分布范围，以及高密度体与低密度体的空间接触关系。

Claims (2)

1.基于2D离散小波多尺度分解构建3D位场的方法，其特征在于，包括如下步骤：
第一步，将含有M条测线，线距为△y，每条测线N个采样点，点距为△x的二维位场数据读取到二维数组fMN中；
第二步，对二维数据fMN进行二维离散小波多尺度分解正变换，二维离散小波多尺度分解正变换为：
<mrow> <mi>W</mi> <mrow> <mo>(</mo> <mi>a</mi> <mo>,</mo> <msub> <mi>b</mi> <mi>x</mi> </msub> <mo>,</mo> <msub> <mi>b</mi> <mi>y</mi> </msub> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mn>1</mn> <mrow> <mo>|</mo> <mi>a</mi> <mo>|</mo> </mrow> </mfrac> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>n</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <mi>N</mi> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>m</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <mi>M</mi> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <msup> <mi>&amp;psi;</mi> <mo>*</mo> </msup> <mrow> <mo>(</mo> <mfrac> <mrow> <mi>n</mi> <mo>&amp;CenterDot;</mo> <mi>&amp;Delta;</mi> <mi>x</mi> <mo>-</mo> <msub> <mi>b</mi> <mi>x</mi> </msub> </mrow> <mi>a</mi> </mfrac> <mo>,</mo> <mfrac> <mrow> <mi>m</mi> <mo>&amp;CenterDot;</mo> <mi>&amp;Delta;</mi> <mi>y</mi> <mo>-</mo> <msub> <mi>b</mi> <mi>y</mi> </msub> </mrow> <mi>a</mi> </mfrac> <mo>)</mo> </mrow> <mi>f</mi> <mrow> <mo>(</mo> <mi>n</mi> <mo>&amp;CenterDot;</mo> <mi>&amp;Delta;</mi> <mi>x</mi> <mo>,</mo> <mi>m</mi> <mo>&amp;CenterDot;</mo> <mi>&amp;Delta;</mi> <mi>y</mi> <mo>)</mo> </mrow> <mo>,</mo> <mi>a</mi> <mo>&amp;NotEqual;</mo> <mn>0</mn> </mrow>
式中，ψ称为母小波；ψ*为ψ的共轭函数；a表示伸缩系数；bx表示沿x方向的平移系数；by表示沿y方向的平移系数；且 并令a0＝2，b0＝1，j∈Z，k∈Z；△x为点距；n＝0，1，…，N-1，n为采样序号；△y为线距；m＝0，1，…，M-1，m为测线序号；
第三步，分别提取每一尺度小波细节的高频分量，并进行二维离散小波多尺度分解反变换，二维离散小波多尺度分解反变换为：
<mrow> <mi>f</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mo>-</mo> <mi>&amp;infin;</mi> </mrow> <mrow> <mo>+</mo> <mi>&amp;infin;</mi> </mrow> </munderover> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mo>-</mo> <mi>&amp;infin;</mi> </mrow> <mrow> <mo>+</mo> <mi>&amp;infin;</mi> </mrow> </munderover> <mi>W</mi> <mrow> <mo>(</mo> <mi>j</mi> <mo>,</mo> <mi>k</mi> <mo>)</mo> </mrow> <mi>&amp;psi;</mi> <mrow> <mo>(</mo> <msup> <mn>2</mn> <mrow> <mo>-</mo> <mi>j</mi> </mrow> </msup> <mi>x</mi> <mo>-</mo> <mi>k</mi> <mo>,</mo> <msup> <mn>2</mn> <mrow> <mo>-</mo> <mi>j</mi> </mrow> </msup> <mi>y</mi> <mo>-</mo> <mi>k</mi> <mo>)</mo> </mrow> </mrow>
式中，ψ称为母小波；j∈Z，k∈Z；x＝n·△x，x为采样点横坐标；△x为点距；n＝0，1，…，N-1，n为采样序号；y＝m·△y，y为采样点纵坐标；△y为线距；m＝0，1，…，M-1，m为测线序号；
第四步，将尺度维等效为拟深度维，并按由小尺度到大尺度的顺序组建二维多尺度高频分量位场数据，形成三维位场数据体FMN；
第五步，对三维数据体FMN进行三维网格化及插值处理，然后将其绘制成三维位场立体图，便实现了三维位场构建，随后可借助三维可视化技术提取三维位场的异常信息进行地质解释。
2.根据权利要求1所述的基于2D离散小波多尺度分解构建3D位场的方法，其特征在于，包括如下步骤：
第一步，将含有141条测线，每条测线201个采样点，线距△y和点距△x均为5km的二维布格重力异常数据读取到二维数组fMN中；
第二步，对二维数据fMN进行二维离散小波16尺度分解正变换，二维离散小波16尺度分解正变换为：
<mrow> <mi>W</mi> <mrow> <mo>(</mo> <mi>a</mi> <mo>,</mo> <msub> <mi>b</mi> <mi>x</mi> </msub> <mo>,</mo> <msub> <mi>b</mi> <mi>y</mi> </msub> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mn>1</mn> <mrow> <mo>|</mo> <mi>a</mi> <mo>|</mo> </mrow> </mfrac> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>n</mi> <mo>=</mo> <mn>0</mn> </mrow> <mn>200</mn> </munderover> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>m</mi> <mo>=</mo> <mn>0</mn> </mrow> <mn>140</mn> </munderover> <msup> <mi>&amp;psi;</mi> <mo>*</mo> </msup> <mrow> <mo>(</mo> <mfrac> <mrow> <mi>n</mi> <mo>&amp;CenterDot;</mo> <mi>&amp;Delta;</mi> <mi>x</mi> <mo>-</mo> <msub> <mi>b</mi> <mi>x</mi> </msub> </mrow> <mi>a</mi> </mfrac> <mo>,</mo> <mfrac> <mrow> <mi>m</mi> <mo>&amp;CenterDot;</mo> <mi>&amp;Delta;</mi> <mi>y</mi> <mo>-</mo> <msub> <mi>b</mi> <mi>y</mi> </msub> </mrow> <mi>a</mi> </mfrac> <mo>)</mo> </mrow> <mi>f</mi> <mrow> <mo>(</mo> <mi>n</mi> <mo>&amp;CenterDot;</mo> <mi>&amp;Delta;</mi> <mi>x</mi> <mo>,</mo> <mi>m</mi> <mo>&amp;CenterDot;</mo> <mi>&amp;Delta;</mi> <mi>y</mi> <mo>)</mo> </mrow> <mo>,</mo> <mi>a</mi> <mo>&amp;NotEqual;</mo> <mn>0</mn> </mrow>
式中，ψ称为母小波；ψ*为ψ的共轭函数；a表示伸缩系数；bx表示沿x方向的平移系数；by表示沿y方向的平移系数；且 并令a0＝2，b0＝1，j＝0，1，…，15，k∈Z；△x＝5km，△x为点距；n＝0，1，…，200，n为采样序号；△y＝5km，△y为线距；m＝0，1，…，140，m为测线序号；
第三步，分别提取每一尺度小波细节的高频分量，并进行二维离散小波多尺度分解反变换，二维离散小波16尺度分解反变换为：
<mrow> <mi>f</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>0</mn> </mrow> <mn>15</mn> </munderover> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mo>-</mo> <mi>&amp;infin;</mi> </mrow> <mrow> <mo>+</mo> <mi>&amp;infin;</mi> </mrow> </munderover> <mi>W</mi> <mrow> <mo>(</mo> <mi>j</mi> <mo>,</mo> <mi>k</mi> <mo>)</mo> </mrow> <mi>&amp;psi;</mi> <mrow> <mo>(</mo> <msup> <mn>2</mn> <mrow> <mo>-</mo> <mi>j</mi> </mrow> </msup> <mi>x</mi> <mo>-</mo> <mi>k</mi> <mo>,</mo> <msup> <mn>2</mn> <mrow> <mo>-</mo> <mi>j</mi> </mrow> </msup> <mi>y</mi> <mo>-</mo> <mi>k</mi> <mo>)</mo> </mrow> </mrow>
式中，ψ称为母小波；j＝0，1，…，15，k∈Z；x＝n·△x，x为采样点横坐标；△x＝5km，△x为点距；n＝0，1，…，200，n为采样序号；y＝m·△y，y为采样点纵坐标；△y＝5km，△y为线距；m＝0，1，…，140，m为测线序号；
第四步，将尺度维等效为拟深度维，并按由小尺度到大尺度的顺序组建二维多尺度高频分量布格重力异常数据，形成三维布格重力异常数据体FMN；
第五步，对三维数据体FMN进行三维网格化及插值处理，然后将其绘制成三维布格重力异常立体图，便实现了三维布格重力异常场构建，借助三维可视化技术提取三维布格重力异常场的异常信息进行地质解释。
CN201510870128.8A 2015-12-01 2015-12-01 基于2d离散小波多尺度分解构建3d位场的方法 Expired - Fee Related CN105425306B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510870128.8A CN105425306B (zh) 2015-12-01 2015-12-01 基于2d离散小波多尺度分解构建3d位场的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510870128.8A CN105425306B (zh) 2015-12-01 2015-12-01 基于2d离散小波多尺度分解构建3d位场的方法

Publications (2)

Publication Number Publication Date
CN105425306A CN105425306A (zh) 2016-03-23
CN105425306B true CN105425306B (zh) 2017-10-13

Family

ID=55503630

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510870128.8A Expired - Fee Related CN105425306B (zh) 2015-12-01 2015-12-01 基于2d离散小波多尺度分解构建3d位场的方法

Country Status (1)

Country Link
CN (1) CN105425306B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106772610B (zh) * 2016-11-14 2020-05-01 中国石油化工股份有限公司 一种叠前道集资料增维属性分析方法
CN112014876B (zh) * 2019-05-31 2022-11-04 中国石油天然气股份有限公司 基于拟三维叠后多属性反演的储层预测方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5673191A (en) * 1995-04-10 1997-09-30 Atlantic Richfield Company Method and apparatus for identifying geological structures using wavelet analysis of potential fields
CN102809762A (zh) * 2012-08-13 2012-12-05 成都理工大学 基于全频带地震信息挖掘的储层成像技术
CN103245972A (zh) * 2012-02-07 2013-08-14 中国石油天然气集团公司 一种在二维空间内确定复杂地质构造的方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6691039B1 (en) * 2002-08-30 2004-02-10 John M. Robinson Removal of noise from seismic data using improved radon transformations

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5673191A (en) * 1995-04-10 1997-09-30 Atlantic Richfield Company Method and apparatus for identifying geological structures using wavelet analysis of potential fields
CN103245972A (zh) * 2012-02-07 2013-08-14 中国石油天然气集团公司 一种在二维空间内确定复杂地质构造的方法
CN102809762A (zh) * 2012-08-13 2012-12-05 成都理工大学 基于全频带地震信息挖掘的储层成像技术

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
二维离散小波变换在磁测资料处理中的应用;李志华 等;《物探与化探》;20090228;第33卷(第1期);第91-98页 *
离散小波变换与重力异常多重分解;杨文采 等;《地球物理学报》;20010731;第44卷(第4期);第534-541页 *

Also Published As

Publication number Publication date
CN105425306A (zh) 2016-03-23

Similar Documents

Publication Publication Date Title
Yang et al. Three-dimensional inversion of airborne time-domain electromagnetic data with applications to a porphyry deposit
CN102798898B (zh) 大地电磁场非线性共轭梯度三维反演方法
CN102508308B (zh) 一种隧道瞬变电磁多点阵列式探测方法
CN107991711B (zh) 航空时域电磁三维条状随机断裂带模型建立及判别方法
CN105549068A (zh) 一种三维各向异性微地震干涉逆时定位方法及系统
CN105372718B (zh) 一种2d位场构建3d位场的方法
CN105425306B (zh) 基于2d离散小波多尺度分解构建3d位场的方法
CN104656156A (zh) 音频大地电磁测深三维采集资料的磁参考处理方法
CN103926619A (zh) 一种三维vsp数据的逆时偏移方法
CN106405664A (zh) 一种磁异常化极方法
CN105487129A (zh) 一种地空时域电磁数据高度校正方法
Huang et al. Spectral-element method with arbitrary hexahedron meshes for time-domain 3D airborne electromagnetic forward modeling
Zhang et al. 3D inversion of large-scale frequency-domain airborne electromagnetic data using unstructured local mesh
CN102353986A (zh) 含逆断层的复杂地质构造的全三维联动地震解释方法
Huang et al. Three-dimensional arbitrarily anisotropic modeling for time-domain airborne electromagnetic surveys
Manglik et al. Transverse tectonics in the Sikkim Himalaya: A magnetotelluric study
Wang et al. Fast 3D time-domain airborne EM forward modeling using random under-sampling
CN105893723A (zh) 一种基于微震事件簇群pca法岩体断层滑移面产状计算方法
CN105425307B (zh) 一种1d位场异常曲线构建2d位场异常剖面的方法
CN103105629A (zh) 一种等视电阻率曲面图电磁勘探资料解释方法
Li et al. Airborne transient electromagnetic simulation: detecting geoelectric structures for HVdc monopole operation
CN103344998A (zh) 一种瞬变电磁数据小波变换提取异常的方法
Lu et al. Transient electromagnetic pseudo wavefield imaging based on the sweep-time preconditioned precise integration algorithm
Ren et al. A fast 3-D inversion for airborne EM data using pre-conditioned stochastic gradient descent
Hautot et al. Three-dimensional magnetotelluric inversion of large data sets: case study of Pasfield Lake (Saskatchewan) for mineral exploration

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20171013

Termination date: 20181201