CN110050205A - 使用偏移道集的潜波照明 - Google Patents

使用偏移道集的潜波照明 Download PDF

Info

Publication number
CN110050205A
CN110050205A CN201780074528.5A CN201780074528A CN110050205A CN 110050205 A CN110050205 A CN 110050205A CN 201780074528 A CN201780074528 A CN 201780074528A CN 110050205 A CN110050205 A CN 110050205A
Authority
CN
China
Prior art keywords
seismic data
process according
low frequency
subterranean zone
data
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.)
Granted
Application number
CN201780074528.5A
Other languages
English (en)
Other versions
CN110050205B (zh
Inventor
伊姆蒂亚兹·艾哈迈德
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.)
BP Corp North America Inc
Original Assignee
BP Corp North America Inc
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 BP Corp North America Inc filed Critical BP Corp North America Inc
Publication of CN110050205A publication Critical patent/CN110050205A/zh
Application granted granted Critical
Publication of CN110050205B publication Critical patent/CN110050205B/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
    • 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
    • G01V1/303—Analysis for determining velocity profiles or travel times
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/003—Seismic data acquisition in general, e.g. survey design
    • G01V1/005—Seismic data acquisition in general, e.g. survey design with exploration systems emitting special signals, e.g. frequency swept signals, pulse sequences or slip sweep arrangements
    • 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
    • G01V1/282—Application of seismic models, synthetic seismograms
    • 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
    • G01V1/306—Analysis for determining physical properties of the subsurface, e.g. impedance, porosity or attenuation profiles
    • 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
    • G01V1/34—Displaying seismic recordings or visualisation of seismic data or attributes
    • G01V1/345—Visualisation of seismic data or attributes, e.g. in 3D cubes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/38—Seismology; Seismic or acoustic prospecting or detecting specially adapted for water-covered areas
    • G01V1/3808—Seismic data acquisition, e.g. survey design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/55—Depth or shape recovery from multiple images
    • 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
    • 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
    • G01V1/307—Analysis for determining seismic attributes, e.g. amplitude, instantaneous phase or frequency, reflection strength or polarity
    • 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
    • G01V2210/51—Migration
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/60—Analysis
    • G01V2210/61—Analysis by combining or comparing a seismic data set with other data
    • G01V2210/614—Synthetically generated data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/60—Analysis
    • G01V2210/62—Physical property of subsurface
    • G01V2210/622—Velocity, density or impedance
    • G01V2210/6222—Velocity; travel time
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/60—Analysis
    • G01V2210/67—Wave propagation modeling
    • G01V2210/679—Reverse-time modeling or coalescence modelling, i.e. starting from receivers

Landscapes

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

Abstract

一种用于估计地震勘测的探测深度的技术在各个方面中包括方法和设备。所述方法用在地震勘探中并包括：在地下区域的表面下属性模型上正向建模以生成一组低频地震数据，所述表面下属性模型从表示所述地下区域的数据生成；对所述低频地震数据执行逆时偏移以获得具有大开口角度的多个道集；堆叠所述道集以产生潜波照明图像；以及根据所述潜波照明图像估计全波形反演探测深度。所述设备可以包括被编程来执行所述方法的计算设备和/或编码有计算指令的程序存储介质，所述计算指令当被执行时执行所述方法。

Description

使用偏移道集的潜波照明
相关申请的交叉引用
本申请要求2016年12月2日提交的美国临时专利申请No.62/429,541的优先权。所述美国临时专利申请的公开内容特此通过引用整体地并入本文。
技术领域
本发明涉及地震勘测设计和结果的评估，并且更具体地，本发明涉及在这样的努力中对探测深度的估计。
背景技术
本文档的这个部分介绍本领域的可能与在下面描述和/或要求保护的本发明的各个方面相关的所选部分。它提供背景信息以促进对所要求保护的内容的更好理解。这因此是对“相关”技术的讨论。这样的技术是相关的决不暗示它也是“现有技术”。相关技术可以或者可以不是现有技术。此讨论将从这个角度来阅读而不是作为对现有技术的承认。
常常通过“地震勘测”来执行对碳氢化合物的追踪。在地震勘测中，使用脉冲源、扫频源或仍然其它种类的地震源来将地震频率的声学信号传递到地球中。来自这些信号的能量通过地球传播并且地球的地下地层的结构以特有方式更改信号及其属性。然后通过各种机制诸如反射折射等将地震信号部分地返回到地球的表面。所返回的信号被接收和记录为地震数据。
由于地层的结构更改信号及其属性的特有方式，地震数据表示它们传播通过的地下区域。地球物理学家通常可根据所识别的地震信号的特有变更来推理地下区域的结构。
地球物理学家用来做这个的分析严重地依赖于计算资源。地震数据集足够大以致超过人工数值计算和分析，所以地球物理学家呼吁计算机完成此任务。数据集也足够大并且处理足够复杂，以致大多数数值任务也是非常计算昂贵的。也就是说，使用许多计算资源花费长时间。
这样的计算处理被用在地震勘测的许多方面中。例如，地震勘测的覆盖范围和质量将大大地取决于在进行勘测时使用的源和接收器(也称为“采集几何”)的位置。然而，地震勘测的成本太高以致无法使用反复试验来执行以找到适合的采集几何。所以计算处理有时用于评估预期的采集几何以确定哪些可能产生最理想的勘测结果。
在成像中找到另一示例。地震数据常常被成像或者渲染成表面下区域的表示，通常用于目视检查。地震数据成像是非常计算昂贵的。然而，由于在处理之前不明显的基础地震数据的问题，结果得到的图像有时不会提供所期望的信息。
存在表面下地层的地球物理学家感兴趣的许多物理属性。一个这样的物理属性是速度并且经常使用“速度模型”来检查它。速度模型是可在地震数据的分析中使用的表面下地质地层的表示。为了将地震数据转换成“地震图像”，地球物理学家使用表面下速度的分析。速度模型的这种计算也是计算昂贵的，并且其准确性和精确性直接地影响地震图像的质量。
在这些类型的努力中感兴趣的另一物理属性是“探测深度”(depth ofinvestigation，“DOI”)。可以将探测深度认为是从针对表面下区域内的给定经度和纬度坐标的给定勘测获得可用信息的深度。它取决于若干众所周知的参数诸如源和接收器放置、地震信号的属性、表面下速度等。
采集几何和表面下结构因此总体上可大大地影响用于勘测的探测深度。表面下结构和表面下结构内的地震信号的相互作用可能是相当复杂的。它还将因表面下地层内的位置而变化。探测深度因此不是数字那样，而是将因表面下区域内的位置而变化的多个因素的函数。
针对任何给定的一组地震数据确定探测深度通常是计算昂贵的且模糊的。在某些情况下，一个人希望对于先前提及的参数表面下速度中的一个显式地知道探测深度。在分析地震数据时使用的一种方法是全波形反演(full-waveform inversion，FWI)，所述FWI输出要在计算地震图像时使用的速度模型。地球物理学家有时根据FWI—探测深度中的因素和地震图像的总体准确性执行速度模型的探测深度的分析。然而，FWI是计算昂贵的，并且它是足够昂贵的，以致有时探测深度实际上未被定量地确定——它替代地被估计。
在此场景中使用的一种估计技术被称为“三分之一最大偏置量”经验法则。根据此法则，地球物理学家将FWI探测深度假定为在表面下区域中的任何给定点处的源和接收器之间的最大偏置量的三分之一。这种估计的准确性对于许多场景来说是足够的，但是在不适当的场景中应用它并不罕见。这种经验法则估计技术通常既被误用又被滥用为用于估计探测深度的技术。
附图说明
附图被并入在本文中并构成本说明书的一部分，附图图示本发明的实施例，并且与说明书一起用来说明本发明的原理。在图中：
图1图式地呈现本文中公开的技术的方法中的过程流。
图2A和图2B图示可以用于实现目前公开的技术的一些方面的计算设备。
图3呈现在示例性地震勘测的场景中与所要求保护的主题相关联的一些构思。
图4是如可以在本发明的一些实施例中使用的示例性速度模型的图形渲染。
图5是从图4的速度模型获得的合成的正向建模的低频数据的图形渲染。
图6是通过图5的低频数据的逆时偏移所获得的角度道集(gathers)的图形渲染。道集的开口角度在面板内从左向右增加。
图7A至图7C是分别针对8km、12km和15km的最大偏置量的从图6的大角度道集获得的潜波(diving wave)照明的图形渲染。
具体实施方式
本文中公开的技术提供一种方法，通过所述方法可以根据勘测设计参数和地质模型来估计地震勘测的探测深度(“DOI”)，而不是作为三分之一最大偏置量经验法则的补充或替代。该技术利用了来自全波形反演(“FWI”)的速度模型对在每个检点(shot)道集中记录的低频、长偏置量、潜波信息的存在最敏感的事实。因为FWI的第一次迭代近似地等于偏移，所以一个人可通过对与每个检点位置运行逆时偏移(reverse time migration，“RTM”)的单次迭代并且对于给定几何进行堆叠来近似给定采集几何的影响，如在成像中一样。通过仅包括来自图像道集的波场的低频潜波部分，一个人可针对给定采集几何评估FWI DOI。
将在如上所述的速度模型的场景中公开本文中公开的技术。然而，该技术不限于此。受益于本公开的本领域的技术人员将领会的是，速度只是被建模的一个表面下属性。应当理解的是，目前公开的技术还可以被应用于除速度模型以外的表面下属性模型。
现在将详细地参考本发明的目前的实施例(示例性实施例)，其示例被图示在附图中。只要有可能，将在所有附图中使用相同的附图标记来指代相同或相似的部分。
现在转向附图，在图1中图式地呈现了依照本发明的一个特定实施例的过程流100。如对于具有本文公开的本领域的技术人员而言将变得显而易见的，该过程流主要并且在一些实施例中完全是计算机实现的。为此，图2A和图2B呈现可以用来执行过程流100的计算机实现的方面的示例性计算设备。
现在参考图2A，示出了计算设备200的硬件和软件架构的所选部分。取决于特定实施方式，计算设备200可以是通用计算设备或专用计算设备。计算设备200至少包括通过通信介质209与存储装置206进行通信的电子处理器203。
电子处理器203可以是本领域已知的任何适合的处理器或处理器组。本领域的技术人员将领会的是，将取决于熟悉的实施方式特定细节在各种实施例中优选某些类型的处理器。本领域的技术人员还将领会的是，诸如在诸如本文中公开的过程这样的过程中使用的那些的数据和数据集是相当庞大的，并且本文中描述的处理是计算密集的。用于电子处理器203的典型实施方式因此实际上构成分布在协同工作的多个计算设备上的多个电子处理器组。在下面讨论一个这样的实施例。这些考虑事项类似地影响存储装置206和通信介质209的实施方式。
存储装置206可以包括诸如磁硬盘和/或随机存取存储器(“RAM”)这样的非暂时性存储介质和/或诸如光盘215这样的可移动存储装置。存储装置206被编码有许多软件组件。这些组件包括操作系统(“OS”)212；应用214；速度模型(“VM”)216；可以存储低频地震数据(“LFSD”)218的数据结构；可以存储多个道集220的数据结构；以及可以存储图像222的数据结构。如上所述，存储装置206可以分布在多个计算设备上。
和电子处理器203一样，实施方式特定设计约束可以在任何特定实施例中影响存储装置206的设计。例如，如上面所指出的，所公开的技术对庞大的数据集进行操作，所述数据集对于诸如独立磁盘冗余阵列(“RAID”)这样的各种类型的“大容量”存储装置将通常减轻。其它类型的大容量存储装置是本领域已知的并且还可以作为RAID的补充或替代被使用。
电子处理器203在OS 212的控制下操作并且通过通信介质209执行应用214。可以例如在启动时或者应用户命令而自动地发起此过程。用户命令可以直接地通过用户界面224。
用户界面224包括用户界面软件(“UIS”)226和显示器228。它还可以包括诸如键区或键盘230、鼠标232或操纵杆234这样的外围输入/输出(“I/O”)装置。这些将是与目前公开的技术没有密切关系的实施方式特定细节。例如，如果显示器228包括触摸屏，则一些实施例可以放弃外围I/O装置。因此，目前公开的技术在计算系统200的这个方面中容许广泛变化，并且可以使用本领域已知的任何常规的实施方式。
此外，不要求像公开的那样实现上述的计算系统200的功能性。例如，可以在某种其它种类的软件组件诸如守护进程或实用程序中实现应用214。应用214的功能性不需要被聚合到单个软件组件中并且可以分布在两个或更多个软件组件上。类似地，可以使用本领域已知的任何适合的数据结构来实现这些数据结构。
和电子处理器203和存储装置206一样，通信介质209的实施方式将随着实施方式而变化。如果计算系统200被部署在单个计算设备上，则通信介质209可以是例如该单个计算设备的总线系统。或者，如果跨越多个联网的计算设备实现计算系统200，则通信介质209可以包括计算设备之间的有线或无线链路。因此，通信介质209的实施方式将以对于受益于本公开的本领域的技术人员而言将显而易见的方式高度地依赖于特定实施例。
如从本文的描述中显而易见的，本文的详细描述的一些部分是按软件实现的过程而呈现的，所述过程涉及对计算系统或计算装置中的存储器内的数据比特的操作的符号表示。这些描述和表示是由本领域的技术人员使用来将其工作的实质最有效地传达给本领域的其它技术人员的手段。过程和操作要求物理量的物理操纵，所述物理量将以物理方式变换在上面执行操纵或者在上面存储结果的特定机器或系统。通常，虽然不一定，但是这些量采取能够被存储、转移、组合、比较和以其它方式操纵的电信号、磁信号或光信号的形式。有时主要由于通用的原因，将这些信号称为比特、值、元素、符号、字符、术语、数字等已证明是方便的。
然而，应该记住的是，所有这些和类似的术语都将与适当的物理量相关联并且仅仅是应用于这些量的方便标签。除非具体地陈述或者另外如可能显而易见的，否则贯穿本公开，这些描述涉及电子装置的动作和过程，这些动作和过程操纵并将被表示为某个电子装置的存储器内的物理(电子、磁或光学)量的数据变换成被类似地表示为存储装置内或传输或显示装置中的物理量的其它数据。表示这样的描述的术语的示例不限于是术语“处理”、“计算”、“计算出”、“确定”、“显示”等。
此外，软件的功能性的执行变换在上面执行它的计算设备。例如，数据的采集将以物理方式更改存储装置的内容，该数据的后续处理也将如此。物理更改是“物理变换”的原因在于它改变用于计算设备的存储装置的物理状态。
还注意的是，本发明的软件实现的方面通常被编码在某种形式的程序存储介质上，或者可替选地，被实现在某种类型的传输介质上。程序存储介质可以是随机存取存储器(“RAM”)、磁的(例如，硬盘驱动器)或光学的(例如，压缩盘只读存储器，或“CD ROM”)，并且可以是只读或随机存取。类似地，传输介质可以是双绞线对、同轴电缆、光纤或本领域已知的某个其它适合的传输介质。本发明不受任何给定实施方式的这些方面限制。
在图2B中示出了在所图示的实施例中发生这样的处理的示例性计算系统250的一部分。计算系统250是联网的，但是不要求计算系统250联网。替代实施例可以采用例如对等架构或对等架构和客户端/服务器架构的某种混合体。计算系统250的大小和地理范围对于本发明的实践而言不重要。大小和范围可以范围从位于同一房间中的局域网(“LAN”)的几个机器到全球分布在企业计算系统中的数百或数千个机器的任何地方。
在所图示的部分中，计算系统250包括服务器252、大容量存储设备254和工作站256。这些组件中的每一个可以被以常规方式实现在其硬件中。替代实施例还可以在用于实现计算系统250的计算设备中变化。本领域的技术人员此外将领会的是，计算系统250和甚至它所示的那个部分将是更加复杂的。然而，这样的细节是常规的并且不应被示出或者讨论以避免模糊在下面要求保护的主题。
在图2B中，应用214被示出为驻留在服务器252上，然而速度模型216、低频地震数据218、道集220和图像222驻留在大容量存储装置254中。虽然这是定位各种软件组件的一种方式，但是该技术不依赖于这样的布置。尽管在特定实施例中性能关注点对于某些位置可以减轻，但是软件组件的位置另外是不重要的。
取决于最终产品的采集和实施方式特定目标的方式，目前公开的技术在处理中容许某种变化。本领域的技术人员将领会的是，不论处理方法都将通常有一定程度的预处理。通常在目前公开的技术的各种实施例中将使用这样的预处理。然而，由于其在本领域中的普遍性以及本领域的技术人员对它的熟悉，为了清楚起见并且为了避免模糊在下面要求保护的主题，将不进一步讨论这样的预处理。
现在参考图1和图2B，工作站256处的用户258调用应用214来执行过程100。如上面所提及的，速度模型216被假定为已经在用户258发起过程100时被生成。速度模型216是已经被勘测或者将被勘测的地球的特定地下区域的模型。它使用本领域公知的技术来生成。在先前尚未生成速度模型216的实施例中，可首先使用那些众所周知的技术来生成速度模型216。那些技术是本领域众所周知的，为了清楚起见并且为了避免模糊本发明，将省略对细节的进一步讨论。
速度模型216从表示地球的地下区域的数据(未示出)生成。在所图示的实施例中，该数据是在前一次地震勘测中采集的地震数据。如果期望地震数据，则替代实施例可以出于此目的使用其它数据源作为地震数据的替代或补充。作为示例，这样的其它数据源可以包括测井日志、重力勘测、电磁勘测、地质检查等。受益于本公开的本领域的技术人员可以辨识可能适合于此目的的仍然另外的数据源。
利用足够低频和足够高信噪比的地震数据，本领域的技术人员众所周知的用于从地震数据构建速度模型的一种技术是全波形反演(“FWI”)。在实施例中，FWI从低频(尽可能低)开始，然后添加越来越高的频率。器速度为一的表面下属性模型因此缓慢地成为焦点，随着反演的轮次继续而渐进地添加更精细的特征。通过该过程的每个阶段所输出的速度模型然后变成用于下一个阶段的起始模型。参见L.Sirgue和R.G.Pratt的“EfficientWaveform Inversion and Imaging:AStrategy for Selecting Temporal Frequencies(高效的波形反演和成像：一种选择时间频率的策略)”，69Geophysics 231(2004)。
所图示的实施例的速度模型216此外是“平滑”速度模型。在此场景中，术语“平滑”指示速度模型已被低通滤波，使得速度标度长度大于研究的地震波长。然而，在所有实施例中这样的平滑对于本发明的实践而言不是必需的。一些替代实施例可以使用尚未被平滑的速度模型。
返回到图1和图2A，过程100通过在地下区域的速度模型216上进行正向建模(在110处)以生成一组低频地震数据218来开始。这种正向建模更具体地是被称为“双向”正向模拟。在其它实施例中，正向建模可以是“单向”正向建模，其通常被认为不如双向建模准确。然而，在本实施例中，对正向建模的引用是描述双向建模。速度模型上的双向正向建模的一般构思本身是本领域众所周知的。然而，在本发明中与常规实践至少有两个区别。
一个区别是选择性地利用源和接收器的一个或多个特定采集几何或位置来执行正向建模(在110处)。采集几何的选择将取决于实施例，因为FWI DOI依赖于采集几何。一些实施例可以对于已经被执行的地震勘测估计FWI DOI。这些实施例将使用在采集期间部署的实际采集几何。该过程还可以用于对于提出的勘测估计DOI。在这样的实施例中，可以使用若干提出的采集几何来确定哪一个对于地下感兴趣区域产生最好的FWI DOI。
第二区别是将定制正向建模(在110处)中使用的仿真地震信号以产生低频地震数据。本领域的技术人员将领会的是，地震勘测或一个的正向建模将通常在合成的地震数据中包括一系列频率。例如，一个实施例使用跨三个八度音的一系列频率，直到能够以几十米分辨率解析表面下结构的感兴趣频率。本领域的技术人员还将领会的是，正向建模是计算上昂贵的，并且将正向建模局限于低频地震数据将加速正向建模过程。目前要求保护的过程对低频地震数据进行操作，如此可以相应地定制正向建模(在110处)中使用的地震信号，从而降低正向建模(在110处)的总体计算成本。
在本公开的场景内，术语“低频”通常意指2Hz-6Hz。理论上，所要求保护的过程可以使用低于2Hz。然而，由于公认的地球物理限制和仪器问题，在现场的地震源很少低于2Hz。所要求保护的过程可以使用高于6Hz的频率，但是所估计的FWI DOI受此频率限制并且频率越高，通常所估计的FWI DOI越浅。
因此可能存在经建模的地震数据的“低频”落在2Hz-6Hz的范围外的异常情况。例如，可以知道地震数据特别没有噪声，使得可以使用低于2Hz的频率。类似地，技术可以前进到在现场可容易地实现小于2Hz的地震频率的点。或者，一个人可能正在对特别浅的FWIDOI进行测试，在此情况下可能使用高于6Hz的频率。然而，预期大多数实施例将采用2Hz-6Hz范围内的“低频”。
不管怎样，在“低频”的场景中术语“大致”意味着数值量化在行业内可接受的误差的余量内。例如，众所周知在勘测过程中，仪器设定和测量结果可能因各种原因而变化。因此，“大致2Hz”的频率包括不精确地为2.0Hz的频率，而是包括在误差的可接受余量内稍微变化的频率。类似地，大致2Hz-6Hz的频率范围可以包括在2.0Hz-6.0Hz范围外的频率，只要它们在误差的可接受余量内即可。构成“误差的可接受余量”的将取决于对受益于本公开的本领域的技术人员显而易见的情况。
所要求保护的过程独立于建模源和它们传递的信号的类型。仿真源可以是脉冲源、扫描源或本领域已知的任何其它种类的源。如受益于本公开的本领域的技术人员将领会的，这些种类的建模源中的每一个均将产生不同种类的信号。所要求保护的过程可以与这些信号中的每一个一起使用。
返回到图1，过程100通过对通过正向建模(在110处)所产生的低频地震数据执行(在120处)逆时偏移而继续。此逆时偏移的目的是为了获得(在120处)具有大开口角度的多个图像道集。逆时偏移本身是本领域众所周知的，但是其在此场景中的使用不是众所周知的。预期所要求保护的过程的实施例将使用逆时偏移技术，所述逆时偏移技术区分具有大开口角度的道集和不具有大开口角度的那些道集。在2014年3月31日以发明人Qie Zhang的名义提交的标题为“Specular Filter(SF)and Dip Oriented Partial Imaging(DOPI)Seismic Migration(镜面滤波器(SF)和倾角定向部分成像(DOPI)地震偏移)”并且同此共同转让的美国专利公开2014/0293744中公开了一种这样的技术。
在本公开的场景内，“大开口角度”意指等于或者超过大致160°的那些开口角度。如图3中所示，这将通常包括本领域已知为“潜波”300和反向散射能量310。潜波300是被折射而不是被反射到地球的记录表面320的那些波。地下地层330的地震速度特性的变化逐渐地改变能量的传播方向，以将它从向下轨迹重定向到向上轨迹。开口角度沿着潜波的路径等于180°。反向散射能量310由地下地层330中的反射器340处的反射产生。沿着反向散射波路径310的开口角度具有180°的开口角度。
在此场景中，“大致”意味着对于构成“大开口角度”的内容的精确测量结果可以取决于逆时偏移算法的准确性而在一定程度上变化。在这种情况下，即使不完全是所期望的，一个人也可能放松≥160°的标准以包括接近于此角度的大量能量。因此，一些实施例可以放松标准以便捕获该能量。受益于本公开的本领域的技术人员将能够在实现所要求保护的过程时容易地行使这样的个人判断。
如上面所指出的，预期大多数实施例将利用逆时偏移(“RTM”)技术，所述RTM技术将区分并产生具有大开口角度的道集。逆时偏移是基于波场的偏移的示例，其中波场被生成并用于通过以下步骤来形成地震图像：对波场(或源波场)进行正向建模，使用相同的正向建模引擎(接收器波场)来反向传播一组记录的地震数据，并且应用成像条件，诸如源波场与接收器波场之间的零滞后互相关。基于波场的偏移方法通常被认为在地下区域中是可取的，所述地下区域在地质上是复杂的并且包含陡峭倾斜地质结构。虽然在计算上比基于射线的偏移更昂贵，但是RTM产生更准确的地震图像。
返回到图1，过程100然后通过堆叠(在130处)具有大开口角度的图像道集以产生潜波照明图像而继续。注意的是，潜波照明图像不仅包含潜波，而且包含如上面所讨论的那样开口角度≥160°的反向散射能量。堆叠本身在本领域中是众所周知的，但是其在此场景中的使用不是众所周知的。它包括道集的求和以生成潜波照明图像。
过程100然后通过从潜波照明图像估计(在140处)全波形反演探测深度(“DOI”)而结束。这将通常包括渲染潜波照明图像以用于目视检查。本领域的技术人员将领会的是，DOI不是数字，而是函数。通常，用户想要评估给定地震采集的FWI DOI是否足以探测表面下的感兴趣区域。受益于本公开的本领域的技术人员将能够根据对潜波照明图像的目视检查来判断此查询的答案。然而，一些实施例可以选择利用计算技术来实现此步骤。
为了进一步理解在下面要求保护的主题，现在将呈现具体示例。此特定实施例针对已经被勘测的地下区域的新勘测评估采集几何。此后续勘测的目的是为了获得关于地下区域的在前一次勘测中未采集的附加信息。
在设计新勘测时的一个关注点是确保其覆盖范围包括地下区域内的特定感兴趣区域。如上面所指出的，覆盖范围的一个方面是FWI探测深度(“DOI”)并且DOI中的一个因素是采集几何。因为先前已勘测了地下区域，所以存在用于该地下区域的传统速度模型。依照常规实践来生成并平滑此传统速度模型。在图4中示出了用于此特定实施例的传统速度模型。因为传统速度模型已经可用，并且因为采集几何影响覆盖范围(包括DOI)，所以将期望在用于其覆盖范围和DOI的传统速度模型上测试各种可能的采集几何。
在常规实践中，能通过在传统速度模型上执行三维(“3D”)全波形反演(“FWI”)并且然后检查结果以确定速度模型被更新到的深度来确定FWI的DOI。然而，运行3D FWI的计算费用通常阻碍它被用于分析不同的3D地震采集几何对通过FWI所计算出的速度模型的影响。这是用于确定所提出的采集几何的FWI DOI的三分之一最大偏置量经验法则流行的原因。
相比之下，在下面要求保护的过程可用于分析不同的3D地震采集几何对结果得到的表面下速度模型的影响。它还是计算上相对便宜的。通过完成一个人每检点运行建模和基于检点的成像中的每一个，可通过对与探测中的几何相对应的、单独地偏移的检点道集的子集的简单求和(或“堆叠”)来评估任何期望的采集几何。成像过程是线性的，然而FWI是非线性的迭代过程。
此特定实施例仅在低于6Hz的频率下生成正向模型数据并且利用仅具有大开口角度≥160°的角度道集的部分来计算逆时偏移(“RTM”)图像。也就是说，此实施例仅包括RTM中满足近似用于潜波的开度角成像条件的开度角成像条件的数据。(注意的是，这将不仅包括潜波，而且包括如上面所讨论的一些反向散射能量。)它通过使用前述美国专利公开2014/0293744中公开的光流方法来计算RTM中的角度道集来区分这些大角度。对于给定采集几何，这些低频大角度道集的对应堆叠被称为潜波照明(“DWI”)图像，其近似针对此相同采集几何的FWI的DOI。
基本上，在此实施例中存在用于像图1中所图示的那样获得DWI图像的三步骤过程。它通过在平滑速度模型上正向建模(在110处)以生成低频(2-6Hz)数据诸如图5中所示的数据而开始。它通过运行(在120处)低频RTM(2-6Hz)继续进行，包括通过上面公开的光流技术来计算角度道集。图6是在此实施例中通过图5的低频数据的逆时偏移所获得的角度道集的图形渲染。它然后生成具有大开口角度的角度道集的部分的堆叠(在130处)。此堆叠是DWI图像，所述DWI图像近似给定采集几何的FWI DOI。图7A至图7C是分别针对8km、12km和15km的最大偏置量的从图6的大角度道集获得的潜波照明图像的图形渲染。
然后可根据对诸如图7A至图7C中的那些图形渲染这样的图形渲染的目视检查来估计用于获得DWI图像的特定采集几何的FWI DOI。例如考虑图7A中的DWI图像。图像的黑暗区域包含有用信息，所以可将在最大偏置量为8km情况下的此特定实施例的FWI DOI(图7A)认为是图像的黑暗区域和光亮区域之间的分界。注意的是，如图7A至图7C相互比较所示，DOI像随着最大偏置量的距离而变化。
此过程然后可与若干提出的采集几何中的每一个一起使用来看那些几何中的哪一个将产生理想的DOI。在多个采集几何满足这个期望的标准的情况下，用户可以选择似乎产生最理想的结果的一个或多个采集几何。此方法实现这种理想的目的，而不会对于采集几何中的甚至一个引发FWI的全部成本。它还帮助在不必实际上参与勘测的情况下确保所提出的勘测将相对于DOI实现理想的结果。
然而，注意的是，此特定实施例仅是如何可以使用用于估计地震勘测的DOI的过程的一个示例。在此特定实施例中，目标是为了评估用于要进行的勘测的潜在采集几何。但是在上面提到了其它用途。
例如，可能已经进行对地下区域的勘测，并且地球物理学家想要知道DOI是否足以使FWI解析他们感兴趣的特定区域。除了别的之外，这种知识还可用于通知是否对地震数据运行计算上昂贵的全3D FWI的判定。
一种方法将是运行3D FWI并且看DOI是否足够。然而，如果DOI不足，则这对地球物理学家没有什么好处。地球物理学家还可能求助于三分之一最大偏置量经验法则，但是这缺乏准确性和精确性并未说明表面下地质。然而，目前要求保护的技术补救这两个问题的缺点。
从对本文中公开的本发明的说明书和实践的考虑中，本发明的仍然其它的实施例对于本领域的技术人员而言将是显而易见的。意图是，说明书和示例仅被认为是示例性的，同时本发明的真实范围和精神通过以下权利要求来指示。

Claims (35)

1.一种用在地震勘探中的过程，包括：
在地下区域的表面下属性模型上正向建模以生成一组低频地震数据，所述表面下属性模型从表示所述地下区域的数据生成；
对所述低频地震数据执行逆时偏移以获得具有大开口角度的多个道集；
堆叠所述道集以产生潜波照明图像；以及
根据所述潜波照明图像估计全波形反演探测深度；
其中，所述正向建模、执行、堆叠和估计中的至少一个通过处理器来执行。
2.根据权利要求1所述的过程，还包括：
使用所述全波形反演探测深度来验证更新的表面下属性模型，
使用所述更新的表面下属性模型来提供所述地下区域的增强地震图像；以及
使用所述地下区域的所述增强地震图像来勘探碳氢化合物。
3.根据权利要求1所述的过程，其中，所述表面下属性模型是平滑表面下属性模型。
4.根据权利要求1所述的过程，其中，所述低频地震数据在大致2Hz-6Hz之间。
5.根据权利要求1所述的过程，其中，所述大开口角度包括大于大致160°的角度。
6.根据权利要求1所述的过程，其中，表示所述地下区域的所述数据是一组地震数据。
7.根据权利要求1所述的过程，其中，所估计的探测深度是针对在所述正向建模中使用的提出的采集几何的估计的探测深度。
8.根据权利要求1所述的过程，其中，所述表面下属性模型是速度模型。
9.一种用在地震勘测中的过程，包括：
获得表示地下区域的一组合成的低频地震数据，包括：
获得用于地震勘测的采集几何；
获得所述地下区域的表面下属性模型，所述表面下属性模型从表示所述地下区域的数据生成；以及
使用所述采集几何在所述表面下属性模型上正向建模以生成所述低频地震数据；以及
对所述低频地震数据进行成像，包括：
对所述低频地震数据执行逆时偏移以获得具有大开口角度的多个道集；
堆叠所述道集以产生潜波照明图像；以及
根据所述潜波照明图像估计全波形反演探测深度。
10.根据权利要求9所述的过程，其中，所述低频地震数据在大致2Hz-6Hz之间。
11.根据权利要求9所述的过程，其中，所述正向建模包括用于源和接收器的提出的采集几何。
12.根据权利要求9所述的过程，其中，所述正向建模包括用于源和接收器的实际的采集几何，所述实际的采集几何用于采集一组地震数据，其中从所述一组地震数据构建所述表面下属性模型。
13.根据权利要求9所述的过程，其中，所述逆时偏移包括光流逆时偏移。
14.根据权利要求9所述的过程，其中，所述大开口角度包括大于大致160°的角度。
15.一种在评估地震数据处理策略时使用的过程，包括：
在地下区域的表面下属性模型上正向建模以生成一组低频地震数据，所述表面下属性模型从表示所述地下区域的地震数据集生成；
对所述低频地震数据执行逆时偏移以获得具有大开口角度的多个道集；
堆叠所述道集以产生潜波照明图像；
根据所述潜波照明图像估计探测深度；以及
根据所估计的全波形反演探测深度来确定所述地震数据处理策略是否可能产生可接受的产品。
16.根据权利要求15所述的过程，还包括：
使用所述全波形反演探测深度来验证更新的表面下属性模型，以及
使用所述更新的表面下属性模型来提供所述地下区域的增强地震图像。
17.根据权利要求15所述的过程，其中，所述低频地震数据在大致2Hz-6Hz之间。
18.根据权利要求15所述的过程，其中，所述正向建模包括用于源和接收器的提出的采集几何。
19.根据权利要求15所述的过程，其中，所述正向建模包括用于源和接收器的实际的采集几何，所述实际的采集几何用于采集一组地震数据，其中从所述一组地震数据构建所述表面下属性模型。
20.根据权利要求15所述的过程，其中，所述大开口角度包括大于大致160°的角度。
21.一种用在地震勘探中的过程，包括：
在地下区域的速度模型上正向建模以生成一组合成的低频地震数据，所述速度模型从表示所述地下区域的数据生成；
对所述低频地震数据执行逆时偏移以获得具有大开口角度的多个道集；
堆叠所述道集以产生潜波照明图像；以及
根据所述潜波照明图像估计全波形反演探测深度。
22.根据权利要求21所述的过程，其中，所述低频地震数据在大致2Hz-6Hz之间。
23.根据权利要求21所述的过程，其中，所述正向建模包括用于源和接收器的提出的采集几何。
24.根据权利要求21所述的过程，其中，所述正向建模包括用于源和接收器的实际的采集几何，所述实际的采集几何用于采集一组地震数据，其中从所述一组地震数据构建所述速度模型。
25.根据权利要求21所述的过程，其中，所述道集包括潜波和反向散射能量。
26.根据权利要求21所述的过程，其中，所述大开口角度包括大于大致160°的角度。
27.一种用在地震勘测中的过程，包括：
获得表示地下区域的一组合成的低频地震数据，包括：
获得用于地震勘测的采集几何；
获得所述地下区域的速度模型，所述速度模型从表示所述地下区域的数据生成；以及
使用所述采集几何在所述速度模型上正向建模以生成所述低频地震数据；以及
对所述低频地震数据进行成像，包括：
对所述低频地震数据执行逆时偏移以获得具有大开口角度的多个道集；
堆叠所述道集以产生潜波照明图像；以及
根据所述潜波照明图像估计全波形反演探测深度。
28.根据权利要求27所述的过程，其中，所述低频地震数据在大致2Hz-6Hz之间。
29.根据权利要求27所述的过程，其中，所述正向建模包括用于源和接收器的提出的采集几何。
30.根据权利要求27所述的过程，其中，所述正向建模包括用于源和接收器的实际的采集几何，所述实际的采集几何用于采集一组地震数据，其中从所述一组地震数据构建所述速度模型。
31.根据权利要求27所述的过程，其中，所述大开口角度包括大于大致160°的角度。
32.一种在评估提出的地震勘测计划时使用的过程，包括：
获得用于要进行的地震勘测的提出的采集几何和要地震勘测的地质区域的速度模型，所述速度模型从表示地下区域的数据生成；
利用定义源和接收器位置的所述提出的采集几何在所述速度模型上正向建模以生成一组合成的低频地震数据；
对所述低频地震数据执行逆时偏移以获得具有大开口角度的多个道集；
堆叠所述道集以产生潜波照明图像；以及
利用所述提出的采集几何，根据所述潜波照明图像来估计用于所述地下区域的勘测的全波形反演探测深度。
33.根据权利要求32所述的过程，其中，所述低频地震数据在大致2Hz-6Hz之间。
34.根据权利要求32所述的过程，其中，所述道集包括潜波和反向散射能量。
35.根据权利要求32所述的过程，其中，所述大开口角度包括大于大致160°的角度。
CN201780074528.5A 2016-12-02 2017-12-04 使用偏移道集的潜波照明 Expired - Fee Related CN110050205B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201662429541P 2016-12-02 2016-12-02
US62/429,541 2016-12-02
PCT/US2017/064506 WO2018102814A1 (en) 2016-12-02 2017-12-04 Diving wave illumination using migration gathers

Publications (2)

Publication Number Publication Date
CN110050205A true CN110050205A (zh) 2019-07-23
CN110050205B CN110050205B (zh) 2022-03-11

Family

ID=60703222

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780074528.5A Expired - Fee Related CN110050205B (zh) 2016-12-02 2017-12-04 使用偏移道集的潜波照明

Country Status (10)

Country Link
US (1) US10877174B2 (zh)
EP (1) EP3548931A1 (zh)
CN (1) CN110050205B (zh)
AU (1) AU2017366758A1 (zh)
BR (1) BR112019011281A2 (zh)
CA (1) CA3045504A1 (zh)
EA (1) EA037479B1 (zh)
MX (1) MX2019006436A (zh)
SG (1) SG11201909100VA (zh)
WO (1) WO2018102814A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115877449A (zh) * 2021-09-28 2023-03-31 中国石油化工股份有限公司 用于在勘测区域内获得地下堆叠图像的计算机实现方法

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108680968B (zh) * 2018-07-24 2020-01-07 中国石油天然气集团有限公司 复杂构造区地震勘探数据采集观测系统评价方法及装置
EP3948360A1 (en) * 2019-03-29 2022-02-09 BP Corporation North America Inc. Low-frequency seismic survey design
US11914101B2 (en) 2020-01-31 2024-02-27 ExxonMobil Technology and Engineering Company Method for partitioning a search direction when using least squares reverse time migration
US12060781B2 (en) 2020-02-20 2024-08-13 ExxonMobil Technology and Engineering Company Method for generating initial models for least squares migration using deep neural networks
CN117546050A (zh) * 2021-06-17 2024-02-09 沙特阿拉伯石油公司 利用高速列车震源进行地震采集和处理
CN116429897B (zh) * 2023-06-12 2023-09-15 山东大学 海上风电桩基础冲刷坑形态的监测系统与监测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130311151A1 (en) * 2010-09-28 2013-11-21 René-Edouard André Michel Plessix Earth model estimation through an acoustic full waveform inversion of seismic data
CN105093329A (zh) * 2015-08-25 2015-11-25 中国石油天然气集团公司 地震数据的低频信息的自动补偿方法及装置
US20160187507A1 (en) * 2014-12-02 2016-06-30 Bp Corporation North America Inc. Seismic acquisition method and apparatus
CN106324662A (zh) * 2015-06-15 2017-01-11 中国石油化工股份有限公司 一种针对目标层的全波形反演方法及系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2006235820B2 (en) * 2005-11-04 2008-10-23 Westerngeco Seismic Holdings Limited 3D pre-stack full waveform inversion
US7725266B2 (en) 2006-05-31 2010-05-25 Bp Corporation North America Inc. System and method for 3D frequency domain waveform inversion based on 3D time-domain forward modeling
US8537638B2 (en) 2010-02-10 2013-09-17 Exxonmobil Upstream Research Company Methods for subsurface parameter estimation in full wavefield inversion and reverse-time migration
US9651694B2 (en) 2013-04-02 2017-05-16 Bp Corporation North America Inc. Specular filter (SF) and dip oriented partial imaging (DOPI) seismic migration
US20160187512A1 (en) * 2014-01-14 2016-06-30 Cgg Services Sa Detecting and estimating anisotropy errors using full waveform inversion and ray based tomography
US20170184748A1 (en) * 2014-05-21 2017-06-29 Schlumberger Technology Corporation A method and a computing system for seismic imaging a geological formation

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130311151A1 (en) * 2010-09-28 2013-11-21 René-Edouard André Michel Plessix Earth model estimation through an acoustic full waveform inversion of seismic data
US20160187507A1 (en) * 2014-12-02 2016-06-30 Bp Corporation North America Inc. Seismic acquisition method and apparatus
CN106324662A (zh) * 2015-06-15 2017-01-11 中国石油化工股份有限公司 一种针对目标层的全波形反演方法及系统
CN105093329A (zh) * 2015-08-25 2015-11-25 中国石油天然气集团公司 地震数据的低频信息的自动补偿方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
J.VIRIEUX 等: "An overview of full-waveform inversion in exploration geophysics", 《GEOPHYSICS》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115877449A (zh) * 2021-09-28 2023-03-31 中国石油化工股份有限公司 用于在勘测区域内获得地下堆叠图像的计算机实现方法
CN115877449B (zh) * 2021-09-28 2024-02-13 中国石油化工股份有限公司 用于在勘测区域内获得地下叠加图像的计算机实现方法

Also Published As

Publication number Publication date
EA037479B1 (ru) 2021-04-01
CA3045504A1 (en) 2018-06-07
EP3548931A1 (en) 2019-10-09
CN110050205B (zh) 2022-03-11
AU2017366758A1 (en) 2019-07-11
WO2018102814A1 (en) 2018-06-07
US20180156931A1 (en) 2018-06-07
EA201991328A1 (ru) 2019-10-31
BR112019011281A2 (pt) 2019-12-31
US10877174B2 (en) 2020-12-29
SG11201909100VA (en) 2019-11-28
MX2019006436A (es) 2019-08-21

Similar Documents

Publication Publication Date Title
Peters et al. Multiresolution neural networks for tracking seismic horizons from few training images
US11397272B2 (en) Data augmentation for seismic interpretation systems and methods
An et al. Deep convolutional neural network for automatic fault recognition from 3D seismic datasets
Stork et al. Application of machine learning to microseismic event detection in distributed acoustic sensing data
CN110050205A (zh) 使用偏移道集的潜波照明
Araya-Polo et al. Deep-learning tomography
Drew et al. Automated microseismic event detection and location by continuous spatial mapping
CN110023790A (zh) 地震采集几何全波形反演
Ely et al. Assessing uncertainties in velocity models and images with a fast nonlinear uncertainty quantification method
EP3721265B1 (en) Systems and methods for refining estimated parameter values in seismic imaging
CN108369289A (zh) 使用全波场反演点扩展函数分析设计地球物理勘测的方法
BR102015021137B1 (pt) Processo para levantamento de uma formação subterrânea real, sistema de computador para gerar uma imagem de uma formação subterrânea real e meio legível por computador não transitório
US20240265696A1 (en) Methods for Digital Imaging of Living Tissue
Artun et al. Reservoir characterization using intelligent seismic inversion
Vamaraju et al. Unsupervised physics-based neural networks for seismic migration
Wei et al. Small-data-driven fast seismic simulations for complex media using physics-informed Fourier neural operators
Jing et al. Fault detection using a convolutional neural network trained with point-spread function-convolution-based samples
Dafni et al. Scattering and dip angle decomposition based on subsurface offset extended wave-equation migration
Toxopeus et al. Simulating migrated and inverted seismic data by filtering a geologic model
Hu et al. 3D seismic characterization of fractures in a dipping layer using the double-beam method
Lokmer et al. Time reversal imaging of synthetic volcanic tremor sources
Feng et al. Subsurface Object 3D Modeling Based on Ground Penetration Radar Using Deep Neural Network
EP2743737A2 (en) Methods and systems for quality control of seismic illumination maps
Qu et al. Using a synthetic data trained convolutional neural network for predicting subresolution thin layers from seismic data
Yildirim et al. Machine learning-enabled traveltime inversion based on the horizontal source-location perturbation

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
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: 20220311