CN109143368B - 山前带地震去噪方法 - Google Patents

山前带地震去噪方法 Download PDF

Info

Publication number
CN109143368B
CN109143368B CN201710507391.XA CN201710507391A CN109143368B CN 109143368 B CN109143368 B CN 109143368B CN 201710507391 A CN201710507391 A CN 201710507391A CN 109143368 B CN109143368 B CN 109143368B
Authority
CN
China
Prior art keywords
seismic data
noise
signal
noise ratio
optimized
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.)
Active
Application number
CN201710507391.XA
Other languages
English (en)
Other versions
CN109143368A (zh
Inventor
孙志锋
刘思思
蒋波
高艳霞
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.)
China Petroleum and Chemical Corp
Sinopec Geophysical Research Institute
Original Assignee
China Petroleum and Chemical Corp
Sinopec Geophysical Research Institute
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 China Petroleum and Chemical Corp, Sinopec Geophysical Research Institute filed Critical China Petroleum and Chemical Corp
Priority to CN201710507391.XA priority Critical patent/CN109143368B/zh
Publication of CN109143368A publication Critical patent/CN109143368A/zh
Application granted granted Critical
Publication of CN109143368B publication Critical patent/CN109143368B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G01V1/36—Effecting static or dynamic corrections on records, e.g. correcting spread; Correlating seismic signals; Eliminating effects of unwanted energy
    • 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
    • G01V1/36—Effecting static or dynamic corrections on records, e.g. correcting spread; Correlating seismic signals; Eliminating effects of unwanted energy
    • G01V1/362—Effecting static or dynamic corrections; Stacking
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/50—Corrections or adjustments related to wave propagation
    • G01V2210/53—Statics correction, e.g. weathering layer or transformation to a datum

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Acoustics & Sound (AREA)
  • Environmental & Geological Engineering (AREA)
  • Geology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Geophysics (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

公开了一种山前带地震去噪方法，包括：步骤1：对原始地震数据分类，获得多个地震数据组与属性分布；步骤2：计算噪音特征，获得噪音特征参数；步骤3：基于噪音特征参数，获得去噪因子与去噪参数组；步骤4：建立数据矩阵并求解信噪比因子，获得优化地震数据；步骤5：将优化地震数据作为原始地震数据，重复执行步骤1‑4，获得优化信噪比因子与再优化地震数据；步骤6：比较信噪比因子与优化信噪比因子，如果差大于预定值，返回步骤5将再优化地震数据作为原始地震数据，如果差小于预定值，输出再优化地震数据为去噪地震数据。本发明通过递进迭代消除噪音，提高数据的信号能量，具有较强的稳定性和适应性，提高了信噪比。

Description

山前带地震去噪方法
技术领域
本发明涉及石油地球物理勘探技术领域，更具体地，涉及一种山前带地震去噪方法。
背景技术
在山前带油气勘探工程中，提高地震数据信噪比的问题是整个地震处理过程的关键问题。常规信噪分离方法主要是依据信号和噪音的比值(S/N)。为此提高信噪比的方案包括在噪音不变的基础上，放大增强信号；再一种就是在信号不变的前提下，缩小噪音值。或者，同时放大信号与缩小噪音值，也能达到提高数据信噪比的目的。在常规地区，这种去噪方法相对成熟，对干扰特征明显的干扰和噪音，去除效果较好。但是，山前带干扰因素复杂多变，地震信号的激发和接收千差万别，各种干扰源以及次生干扰影响因素多而杂，有效信号的能量非常弱，频带完全被噪音淹没，分离非常困难。因此，有必要开发一种适用于山前带的地震去噪方法。
公开于本发明背景技术部分的信息仅仅旨在加深对本发明的一般背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
发明内容
本发明提出了一种山前带地震去噪方法，其根据山前带地震原始数据的特点，与高精度静校正方法结合，递进迭代消除噪音，提高数据的信号能量，具有较强的稳定性和适应性，提高了山前带地震数据的信噪比。
根据本发明的一方面，提出了一种山前带地震去噪方法。所述方法可以包括：步骤1：对原始地震数据进行分类，获得多个地震数据组，进而获得所述多个地震数据组的属性分布；步骤2：基于所述多个地震数据组的属性分布，计算所述多个地震数据组的噪音特征，获得每个地震数据组的噪音特征参数；步骤3：针对每个地震数据组，基于所述地震数据组的噪音特征参数，获得所述地震数据组对应的去噪因子，并将所述去噪因子与所述原始地震数据进行互相关运算，获得所述地震数据组对应的去噪参数组；步骤4：基于所述原始地震数据、所述多个地震数据组的属性分布、噪音特征参数与去噪参数组，建立数据矩阵并求解，获得信噪比因子，将所述信噪比因子应用于所述原始地震数据，获得优化地震数据；步骤5：将所述优化地震数据作为原始地震数据，重复执行步骤1-4，获得优化信噪比因子，进而获得再优化地震数据；步骤6：比较所述信噪比因子与所述优化信噪比因子，如果所述信噪比因子与所述优化信噪比因子之差大于预定值，则返回步骤5并将所述再优化地震数据作为原始地震数据，如果二者之差小于所述预定值，则输出所述再优化地震数据为去噪地震数据。
优选地，还包括：判断所述信噪比因子是否在预定范围内，如果不在所述预定范围内，则排查所述多个地震数据组的噪音特征的异常点并删除。
优选地，所述噪音特征包括：振幅、能量、速度与频率。
优选地，对原始地震数据进行分类包括，获得多个地震数据组：根据所述原始地震数据的噪音属性，将所述原始地震数据分为随机干扰与规则干扰，根据振幅、频率、速度与影响范围，对所述规则干扰进一步划分，获得所述多个地震数据组。
优选地，所述多个地震数据组包括：线性干扰组、面波干扰组、浅层多次干扰组、随机干扰组。
优选地，所述数据矩阵为：
Figure GDA0002283109070000031
其中，Sn表示数据矩阵，F(x)表示原始地震数据的地震数据组，A(x)表示属性分布，B(x)表示噪音特征参数，N(x)表示去噪参数组，n表示地震数据组的个数，x表示原始地震数据。
本发明的有益效果在于：根据山前带地震原始数据的特点，与高精度静校正方法结合，递进迭代消除噪音，方法可靠，计算思路明确，能够较好的控制山前带单炮信噪比的变化，避免了单一去噪方法的局限性，计算易于收敛，结果可靠。
本发明的方法和装置具有其它的特性和优点，这些特性和优点从并入本文中的附图和随后的具体实施方式中将是显而易见的，或者将在并入本文中的附图和随后的具体实施方式中进行详细陈述，这些附图和具体实施方式共同用于解释本发明的特定原理。
附图说明
通过结合附图对本发明示例性实施例进行更详细的描述，本发明的上述以及其它目的、特征和优势将变得更加明显，其中，在本发明示例性实施例中，相同的参考标号通常代表相同部件。
图1示出了根据本发明的山前带地震去噪方法的步骤的流程图。
图2示出了根据本发明的一个实施例的山前带工区近地表高程变化的示意图。
图3示出了根据本发明的一个实施例的近地表地质模型的示意图。
图4a、图4b、图4c和图4d分别示出了根据本发明的一个实施例的山前带平原区地形的面波、过渡带地形的线性波、过渡带地形的浅层多次波和山上地形的随机噪音的原始单炮数据和对应高度的示意图。
图5a、图5c和图5e分别示出了根据本发明的一个实施例的山前带平原区地形、过渡带地形和山上地形的原始单炮数据的示意图，图5b、图5d和图5f分别示出了对应的信噪比的示意图。
图6示出了根据本发明的一个实施例的山前带信噪比平面分布的示意图。
图7a和图7b分别示出了根据本发明的一个实施例的原始单炮数据和信号与噪音分离频谱的示意图。
图8a、图8b和图8c分别示出了平原区地形的原始地震数据与根据本发明的一个实施例的去噪地震数据及去除的噪音的示意图。
图9a、图9b和图9c分别示出了过渡带地形的原始地震数据与根据本发明的一个实施例的去噪地震数据及去除的噪音的示意图。
图10a、图10b和图10c分别示出了山上地形的原始地震数据与根据本发明的一个实施例的去噪地震数据及去除的噪音的示意图。
图11a和图11b分别示出了根据本发明的一个实施例的共中心点道集与去噪后的共中心点道集的示意图。
图12a和图12b分别示出了根据本发明的一个实施例的共中心点叠加剖面与去噪后的共中心点叠加剖面的示意图。
图13a和图13b分别示出了现有技术的去噪地震数据与根据本发明的一个实施例的去噪地震数据的示意图。
具体实施方式
下面将参照附图更详细地描述本发明。虽然附图中显示了本发明的优选实施例，然而应该理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了使本发明更加透彻和完整，并且能够将本发明的范围完整地传达给本领域的技术人员。
图1示出了根据本发明的山前带地震去噪方法的步骤的流程图。
根据本发明的山前带地震去噪方法可以包括：
步骤1：对原始地震数据进行分类，获得多个地震数据组，进而获得多个地震数据组的属性分布，包括地震数据组的信噪比水平、信号能量与噪音类型。在一个示例中，对原始地震数据进行分类包括，获得多个地震数据组：根据原始地震数据的噪音属性，将原始地震数据分为随机干扰与规则干扰，根据振幅、频率、速度与影响范围，对规则干扰进一步划分，进而根据不同的干扰类型划分多个地震数据组。在一个示例中，多个地震数据组包括：线性干扰组、面波干扰组、浅层多次干扰组、随机干扰组。
具体地，在地震勘探中，接收到的地震数据中叠合了各种干扰，只有包含地下地层的反射信息的波信号，被称为有效信号，其它所有妨碍有效信号辨识和追踪的地震波，都被称为噪音。由于工程采集条件以及地下地质的差别，使得接收到的噪音具有多样性。由于噪音和有效信号叠合在一起，不能一次性把噪音从地震波中去除，只有根据不同噪音的不同特征，采用有针对性的手段，分别衰减或者消除，并不损失有效信号。根据噪音的特点在时间上随机性和相干性的特点，将具有随机性的特征噪音称为随机干扰，具有规则相干性的噪音称为规则干扰，根据噪音在振幅、频率、速度等特性的差异以及影响的范围的不同，对规则干扰进一步划分，可以包括线性波、面波、浅层多次波等，进而根据不同的干扰类型，划分出对应干扰类型的地震数据组，可以包括线性干扰组、面波干扰组、浅层多次干扰组、随机干扰组等。
步骤2：基于多个地震数据组的属性分布，计算多个地震数据组的噪音特征，获得每个地震数据组的噪音特征参数。在一个示例中，噪音特征包括：振幅、能量、速度与频率。根据不同类型的地震数据组的属性分布，计算其对应的振幅、能量、速度与频率，作为对应地震数据组的噪音特征参数。
步骤3：针对每个地震数据组，将地震数据组的噪音特征参数输入到Omega处理软件的与该类型对应的去噪模块进行匹配处理，去噪模块可包括线性干扰去噪模块、面波干扰去噪模块、浅层多次干扰去噪模块、随机干扰去噪模块等，主要是将每个噪音特征参数分别应用到对应模块进行拉平与反相位处理，获得相位相反、振幅、能量、速度与频率与噪音特征参数均相同的对应的去噪因子，并将去噪因子与原始地震数据进行求取去噪因子和地震数据的线性相似性关系的互相关运算，获得每个地震数据组对应的去噪参数组。
步骤4：基于原始地震数据、多个地震数据组的属性分布、噪音特征参数与去噪参数组，建立数据矩阵并求解，获得信噪比因子，将信噪比因子应用于原始地震数据，获得优化地震数据。在一个示例中，数据矩阵为：
Figure GDA0002283109070000061
其中，Sn表示数据矩阵，F(x)表示原始地震数据的地震数据组，A(x)表示属性分布，B(x)表示噪音特征参数，N(x)表示去噪参数组，n表示地震数据组的个数，x表示原始地震数据。
步骤5：将优化地震数据作为原始地震数据，重复执行步骤1-4，获得优化信噪比因子，进而获得再优化地震数据。
步骤6：比较信噪比因子与优化信噪比因子，如果信噪比因子与优化信噪比因子之差大于预定值，则返回步骤5并将再优化地震数据作为原始地震数据，如果二者之差小于预定值，则优化信噪比因子收敛，输出再优化地震数据为去噪地震数据。
在一个示例中，还包括：判断信噪比因子是否在预定范围内，如果不在预定范围内，则排查多个地震数据组的噪音特征的异常点并删除。
本发明根据山前带地震原始数据的特点，与高精度静校正方法结合，递进迭代消除噪音，方法可靠，计算思路明确，能够较好的控制山前带单炮信噪比的变化，避免了单一去噪方法的局限性，计算易于收敛，结果可靠。
应用示例
为便于理解本发明实施例的方案及其效果，以下给出一个具体应用示例。本领域技术人员应理解，该示例仅为了便于理解本发明，其任何具体细节并非意在以任何方式限制本发明。
图2示出了根据本发明的一个实施例的山前带工区近地表高程变化的示意图。
图3示出了根据本发明的一个实施例的近地表地质模型的示意图。
选取一个山前带工区进行试验，地形由近及远分别为平原、山地、山上，工区海拔高程介于900-1500m，工区平原地区海拔平缓，高程在900m，如图2所示，工区采用三维地震采集，面元为25mx25m，微测井小折射按照1000x1000m的密度采集，如图3所示。
图4a-图4d分别示出了根据本发明的一个实施例的山前带平原区地形的面波、过渡带地形的线性波、过渡带地形的浅层多次波和山上地形的随机噪音的原始单炮数据和对应高度的示意图。
图5a、图5c和图5e分别示出了根据本发明的一个实施例的山前带平原区地形、过渡带地形和山上地形的原始单炮数据的示意图，图5b、图5d和图5f分别示出了对应的信噪比的示意图。
图6示出了根据本发明的一个实施例的山前带信噪比平面分布的示意图。
图7a和图7b分别示出了根据本发明的一个实施例的原始单炮数据和信号与噪音分离频谱的示意图。
步骤1：根据原始地震数据的噪音属性，将原始地震数据分为随机干扰与规则干扰，根据振幅、频率、速度与影响范围，对规则干扰进一步划分，包括线性波、面波、浅层多次波，图4a所示为面波，其地震记录中噪音具有典型近道低频强能量发散影响有效信号特征的干扰波，图4b所示为线性波，其地震记录中具有线性特征干扰双曲特征有效波的干扰；图4c所示为浅层多次波，其地震记录中沿地表传播最先到达的地震直达波及其散射波组将地震数据远端有效信号交叉叠合的干扰记录，图4d所示为随机噪音，其地震记录中则为高频噪音覆盖整个数据记录，无明显可辨识的相干特征的地震波组，图中各段曲线表示面波、线性波、浅层多次波与随机噪音的对应高度，进而根据不同的干扰类型划分多个地震数据组，包括线性干扰组、面波干扰组、浅层多次干扰组、随机干扰组，获得多个地震数据组的属性分布，包括地震数据组的信噪比水平、信号能量与噪音类型，如图5a-图5f、图6与图7a-图7b所示。
步骤2：根据不同类型的地震数据组的属性分布，计算多个地震数据组的噪音特征，其中，噪音特征包括：振幅、能量、速度与频率，获得每个地震数据组的噪音特征参数。
步骤3：针对每个地震数据组，将地震数据组的噪音特征参数输入到Omega处理软件的与该类型对应的去噪模块进行匹配处理，包括线性干扰去噪模块、面波干扰去噪模块、浅层多次干扰去噪模块、随机干扰去噪模块，对每个地震数据组的噪音特征参数进行拉平与反相位处理，获得相位相反、振幅、能量、速度与频率与噪音特征参数均相同的对应的去噪因子，并将去噪因子与原始地震数据进行互相关运算，获得地震数据组对应的去噪参数组。
步骤4：基于原始地震数据、多个地震数据组的属性分布、噪音特征参数与去噪参数组，通过公式(1)建立数据矩阵并求解，获得信噪比因子，设定预定范围为[0.01,1]，判断信噪比因子是否在预定范围内，如果不在预定范围内，则排查多个地震数据组的噪音特征的异常点并删除。将信噪比因子应用于原始地震数据，获得优化地震数据。
步骤5：将优化地震数据作为原始地震数据，重复执行步骤1-4，获得优化信噪比因子，进而获得再优化地震数据。
图8a、图8b和图8c分别示出了平原区地形的原始地震数据与根据本发明的一个实施例的去噪地震数据及去除的噪音的示意图。
图9a、图9b和图9c分别示出了过渡带地形的原始地震数据与根据本发明的一个实施例的去噪地震数据及去除的噪音的示意图。
图10a、图10b和图10c分别示出了山上地形的原始地震数据与根据本发明的一个实施例的去噪地震数据及去除的噪音的示意图。
图11a和图11b分别示出了根据本发明的一个实施例的共中心点道集与去噪后的共中心点道集的示意图。
图12a和图12b分别示出了根据本发明的一个实施例的共中心点叠加剖面与去噪后的共中心点叠加剖面的示意图。
图13a和图13b分别示出了现有技术的去噪地震数据与根据本发明的一个实施例的去噪地震数据的示意图。
步骤6：设定预定值为0.01，比较信噪比因子与优化信噪比因子，如果信噪比因子与优化信噪比因子之差大于0.01，则返回步骤5并将再优化地震数据作为原始地震数据，如果二者之差小于0.01，则优化信噪比因子收敛，输出再优化地震数据为去噪地震数据。如图8a-图8c、图9a-图9c、图10a-图10c、图11a-图11b、图12a-图12b、图13a-图13b所示，不仅对平原地区单炮效果较好外，对山前带以及山上的单炮噪音和干扰基本都得到消除，剖面和单炮应用效果较好，地震剖面较其它方法也有较好的改善，信噪比相较其它去噪方法得到10％左右的提升。
综上所述，本发明根据山前带地震原始数据的特点，与高精度静校正方法结合，递进迭代消除噪音，方法可靠，计算思路明确，能够较好的控制山前带单炮信噪比的变化，避免了单一去噪方法的局限性，计算易于收敛，结果可靠。
本领域技术人员应理解，上面对本发明的实施例的描述的目的仅为了示例性地说明本发明的实施例的有益效果，并不意在将本发明的实施例限制于所给出的任何示例。
以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。

Claims (6)

1.一种山前带地震去噪方法，包括：
步骤1：对原始地震数据进行分类，获得多个地震数据组，进而获得所述多个地震数据组的属性分布；
步骤2：基于所述多个地震数据组的属性分布，计算所述多个地震数据组的噪音特征，获得每个地震数据组的噪音特征参数；
步骤3：针对每个地震数据组，基于所述地震数据组的噪音特征参数，获得所述地震数据组对应的去噪因子，并将所述去噪因子与所述原始地震数据进行互相关运算，获得所述地震数据组对应的去噪参数组；
步骤4：基于所述原始地震数据、所述多个地震数据组的属性分布、噪音特征参数与去噪参数组，建立数据矩阵并求解，获得信噪比因子，将所述信噪比因子应用于所述原始地震数据，获得优化地震数据；
步骤5：将所述优化地震数据作为原始地震数据，重复执行步骤1-4，获得优化信噪比因子，进而获得再优化地震数据；
步骤6：比较所述信噪比因子与所述优化信噪比因子，如果所述信噪比因子与所述优化信噪比因子之差大于预定值，则返回步骤5并将所述再优化地震数据作为原始地震数据，如果二者之差小于所述预定值，则输出所述再优化地震数据为去噪地震数据。
2.根据权利要求1所述的山前带地震去噪方法，其中，还包括：判断所述信噪比因子是否在预定范围内，如果不在所述预定范围内，则排查所述多个地震数据组的噪音特征的异常点并删除。
3.根据权利要求1所述的山前带地震去噪方法，其中，所述噪音特征包括：振幅、能量、速度与频率。
4.根据权利要求1所述的山前带地震去噪方法，其中，对原始地震数据进行分类包括，获得多个地震数据组：
根据所述原始地震数据的噪音属性，将所述原始地震数据分为随机干扰与规则干扰，根据振幅、频率、速度与影响范围，对所述规则干扰进一步划分，获得所述多个地震数据组。
5.根据权利要求4所述的山前带地震去噪方法，其中，所述多个地震数据组包括：线性干扰组、面波干扰组、浅层多次干扰组、随机干扰组。
6.根据权利要求1所述的山前带地震去噪方法，其中，所述数据矩阵为：
Figure FDA0002283109060000021
其中，Sn表示数据矩阵，F(x)表示原始地震数据的地震数据组，A(x)表示属性分布，B(x)表示噪音特征参数，N(x)表示去噪参数组，n表示地震数据组的个数，x表示原始地震数据。
CN201710507391.XA 2017-06-28 2017-06-28 山前带地震去噪方法 Active CN109143368B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710507391.XA CN109143368B (zh) 2017-06-28 2017-06-28 山前带地震去噪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710507391.XA CN109143368B (zh) 2017-06-28 2017-06-28 山前带地震去噪方法

Publications (2)

Publication Number Publication Date
CN109143368A CN109143368A (zh) 2019-01-04
CN109143368B true CN109143368B (zh) 2020-04-07

Family

ID=64805711

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710507391.XA Active CN109143368B (zh) 2017-06-28 2017-06-28 山前带地震去噪方法

Country Status (1)

Country Link
CN (1) CN109143368B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112444869A (zh) * 2019-08-30 2021-03-05 中国石油化工股份有限公司 一种用于压制外源干扰波的地震数据处理方法及存储介质
CN115236726B (zh) * 2022-07-22 2023-05-02 中国地质调查局自然资源综合调查指挥中心 一种用于主动降噪的地震单点采集设备

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6842701B2 (en) * 2002-02-25 2005-01-11 Westerngeco L.L.C. Method of noise removal for cascaded sweep data
US9348056B2 (en) * 2013-08-06 2016-05-24 Bp Corporation North America Inc. Image-based direct numerical simulation of petrophysical properties under simulated stress and strain conditions
CN104977618B (zh) * 2014-04-09 2017-09-22 中国石油集团东方地球物理勘探有限责任公司 一种评价页岩气储层及寻找甜点区的方法
CN104018826B (zh) * 2014-04-16 2016-05-25 彭玲丽 基于非线性算法的裂缝及裂缝内流体识别方法
CN106680876B (zh) * 2017-01-22 2019-04-12 中国石油大学(华东) 一种地震数据联合去噪方法

Also Published As

Publication number Publication date
CN109143368A (zh) 2019-01-04

Similar Documents

Publication Publication Date Title
CN101334483B (zh) 一种在地震数据处理中衰减瑞雷波散射噪声的方法
Ferreira et al. Unsupervised seismic facies classification applied to a presalt carbonate reservoir, Santos Basin, offshore Brazil
CN106896409A (zh) 一种基于波动方程边值反演的变深度缆鬼波压制方法
CN103926623A (zh) 一种压制逆时偏移低频噪音的方法
CN104570116A (zh) 基于地质标志层的时差分析校正方法
CN109143368B (zh) 山前带地震去噪方法
CN117546051A (zh) 使用s波速度模型和机器学习进行地震成像的方法和系统
CN104977615B (zh) 一种基于模型统计拾取的深水obc资料多次波压制方法
CN109655918B (zh) 地面浅井微地震监测观测台站位置确定方法及系统
CN104597485B (zh) 一种微小断层检测方法及断层检测装置
CN106125139B (zh) 一种三维地震数据处理方法及系统
Ding et al. Reverse time migration (RTM) imaging of iron-oxide deposits in the Ludvika mining area, Sweden
CN103969685A (zh) 一种薄互层地震信号的处理方法
CN116520419B (zh) 一种热流体裂缝通道识别方法
CN111983683B (zh) 一种少井条件下盐下湖相灰岩储层预测方法和系统
CN116027419B (zh) 利用地震波形特征识别与判定含气砂岩储层的方法
Al‐Marzooq et al. Mitigating the effects of sand dunes on seismic data from the Rub al Khali basin, Saudi Arabia
CN112198547A (zh) 深层或超深层地震资料处理方法及装置
Wang et al. Application of a new wavelet threshold method in unconventional oil and gas reservoir seismic data denoising
CN110579799A (zh) 一种等旅行时间间隔的地震采集观测方法及系统
CN109471162A (zh) 层间多次波处理方法、系统、电子设备及可读介质
CN110879413A (zh) 一种射线参数域转换波静校正方法及系统
Cahoj et al. Pitfalls in seismic processing: An application of seismic modeling to investigate acquisition footprint
CN110579798B (zh) 一种等反射角度间隔的地震采集观测方法及系统
CN111352158B (zh) 地震信号增强方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant