CN111175823B - 一种三角洲相砂体空间形态表征方法 - Google Patents

一种三角洲相砂体空间形态表征方法 Download PDF

Info

Publication number
CN111175823B
CN111175823B CN201911344072.7A CN201911344072A CN111175823B CN 111175823 B CN111175823 B CN 111175823B CN 201911344072 A CN201911344072 A CN 201911344072A CN 111175823 B CN111175823 B CN 111175823B
Authority
CN
China
Prior art keywords
data
spatial
seismic data
delta
sand
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
CN201911344072.7A
Other languages
English (en)
Other versions
CN111175823A (zh
Inventor
宋来明
范廷恩
胡光义
王宗俊
梁旭
刘向南
董洪超
田楠
周文胜
潘岳
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 National Offshore Oil Corp CNOOC
CNOOC Research Institute Co Ltd
Original Assignee
China National Offshore Oil Corp CNOOC
CNOOC Research Institute Co Ltd
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 National Offshore Oil Corp CNOOC, CNOOC Research Institute Co Ltd filed Critical China National Offshore Oil Corp CNOOC
Priority to CN201911344072.7A priority Critical patent/CN111175823B/zh
Publication of CN111175823A publication Critical patent/CN111175823A/zh
Application granted granted Critical
Publication of CN111175823B publication Critical patent/CN111175823B/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
    • G01V1/364—Seismic filtering
    • 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
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/30—Noise handling
    • G01V2210/32—Noise reduction
    • G01V2210/324—Filtering
    • 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
    • G01V2210/616—Data from specific type of measurement
    • G01V2210/6161—Seismic or acoustic, e.g. land or sea measurements
    • 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
    • G01V2210/616—Data from specific type of measurement
    • G01V2210/6169—Data from specific type of measurement using well-logging
    • 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

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

本发明提供一种三角洲相砂体空间形态表征方法，包括以下步骤：步骤S1，通过变异系数导向的方向寻优空间滤波技术，对观测地震数据进行预处理，提高信噪比；步骤S2，在测井数据辨识的砂体基因单元纵向叠置特征的指导下，从预处理后的地震数据中获取表征砂体空间形态所需的位态特征参数；步骤S3，对所述的砂体位态特征参数进行倾角、方位角和时间方向的空间方向敏感性研究，得到均衡化分布处理的优化参数值。解决了以往方法在表征三角洲相砂体内部基因单元时所面临的挑战，满足了油气田开发中日益增长的储层高精度表征的需要。

Description

一种三角洲相砂体空间形态表征方法
技术领域
本发明涉及地震资料解释油藏精细描述领域，更具体地，涉及一种三角洲相砂体空间形态表征方法。
背景技术
1965年，Holmes最早提出，三角洲是指由邻近高地推进到海、湖等稳定水体中的冲积扇。在河流入海(或入湖)盆地的河口区，因盆地坡度变缓，水流速度下降，于是将携带的沉积物源沉积于此，从而形成的顶尖向陆的三角形沉积体。三角洲相属于海陆过渡相的重要组成部分。三角洲相沉积体通常具有以下特征：向陆方向通常以断层为界；砂、砾粗碎屑比例较大；纵向上呈楔形，平面呈扇形，向盆地方向变薄变细；规模常较小，常成群出现。河控三角洲相可以分为三个亚相：三角洲平原、三角洲前缘和前三角洲。三角洲平原亚相包括分流河道、陆上天然堤、决口扇、沼泽、淡水湖泊等微相；三角洲前缘亚相包括水下分流河道、水下天然堤、分流间湾、河口砂坝、远砂坝和前缘席状砂等微相；砂体形态在平面上呈朵状或指状，垂向上呈发散的扫帚状，向前三角洲方向插入泥质沉积中，与泥岩呈齿状交叉。高建设性的三角洲前缘砂坝的延长方向与岸线垂直，高破坏性的则发育与岸线平行的砂体。
随着油气田开发对储层描述精度要求的不断提高，如何在地质认识的指导下，综合应用测井解释数据和地震数据，来高精度的定量表征三角洲相砂体形态在空间上的分布特征成为了重要研究方向。
然而，地震数据中的各种噪声直接影响了最终表征结果的准确性和精度，亟需一种能够提高有效信号，压制噪声的地震数据预处理方法。常规的地震数据滤波方法包括均值滤波、中值滤波、高斯滤波等，甚至在此基础上的各种改进方法均有其限制性，未能充分利用地震数据中包含的方向信息，在压制噪声的同时也损失了有效信号。在砂体形态预测的过程中，传统的方法对于大尺度的断层、岩性边界等尚能满足精确度的要求。而针对于更小尺度的、砂体内部基因单元的划分、形态描述等，其准确度同样受到限制。如何综合利用测井数据与地震数据，来表征三角洲砂体内部极其复杂的空间分布形态成为了一个挑战。
发明内容
为满足高精度预测的挑战，本发明提供了一种三角洲相砂体空间形态表征方法，能够预测三角洲相砂体内部基因单元级的形态在空间上的分布特征。
本发明采用的技术方案是，一种三角洲相砂体空间形态表征方法，方法包括如下步骤：
步骤S1，通过变异系数导向的方向寻优空间滤波技术，对观测地震数据进行预处理，提高信噪比，得到预处理后的地震数据；
步骤S2，在测井数据辨识的砂体基因单元纵向叠置特征的指导下，从预处理后的地震数据中获取表征砂体空间形态所需的位态特征参数；
步骤S3，对所述的位态特征参数进行方向敏感性研究，得到均衡化分布处理的位态特征参数优化值。
优选的，步骤S1包括如下子步骤：
步骤S11：在三维地震数据中生成3×3×3的滑动分析时窗，以三维地震数据中一个点为滑动分析时窗的中心，提取四个空间对角线方向的四组数据分别为WAA'、WBB'、WCC'、WDD'，并计算四个空间对角线方向的变异系数CvAA'、CvBB'、CvCC'、CvDD'及四个空间对角线方向的中值MAA'、MBB'MCC'MDD'；
步骤S12：通过变异系数，依据数据本身分布特点进行方向寻优，得到四个四个空间对角线方向的方向权，计算方法如下：
Cv＝CvAA'+CvBB'+CvCC'+CvDD'，
Figure GDA0002605773680000031
Figure GDA0002605773680000032
其中，Cv为四个空间对角线方向的四组数据变异系数之和，ωAA'ωBB'ωCC'ωDD'分别为四个空间对角线方向的方向权；
步骤S13：将四个方向权分别赋予四个方向的中值，得到四个空间对角线方向的数据的寻优结果M，将寻优结果M赋予滑动分析时窗的中心值Oi，四个方向数据的寻优结果M的计算方法为：
M＝ωAA'MAA'+ωBB'MBB'+ωCC'MCC'+ωDD'MDD'
其中M为四个方向数据的寻优结果。
步骤S14：将滑动分析时窗移动至下一个点，重复步骤S11-S13，直至计算完数据体内所有数据。
优选的，步骤S2包括如下子步骤：
步骤S21：在测井数据辨识的砂体基因单元纵向叠置特征的指导下，将滑动分析时窗内的地震数据排序为{ei|i＝1，…，4}。
步骤S22：求取地震数据的位态特征参数值，对于坐标为(x,y,t)的空间点，所述位态特征参数值T(x,y,t)的计算方法为：
Figure GDA0002605773680000041
其中,i和j都是U的下标，用于体现在公式计算中的求和方式不同。
优选的，步骤S3包括如下子步骤：
步骤S31：构建空间数据广义梯度体u(x,y,t)，求取张量矩阵的特征值和特征向量，计算方法如下：
Figure GDA0002605773680000042
Figure GDA0002605773680000043
Figure GDA0002605773680000044
u(x,y,t)＝ux 2(x,y,t)+uy 2(x,y,t)+uz 2(x,y,t)
Figure GDA0002605773680000045
其中，s(x,y,t)为地震数据；ux、uy、ut分别为三维地震数据x、y、t方向的梯度量体；Δx、Δy和Δt分别为三维地震数据在线间隔x方向、道间隔y方向的距离和时间t方向的采样间隔，
Figure GDA0002605773680000051
为张量矩阵；α1、α2、α3分别为三个特征向量，λ1、λ2、λ3分别为三个特征值。。
步骤S32：求取地震数据中每一个空间点的倾角和方位角参数，计算方法如下：
Figure GDA0002605773680000052
Figure GDA0002605773680000053
其中，α1x(x,y,t)、α1y(x,y,t)、α1t(x,y,t)分别为最大特征值λ1对应的特征向量α1在x、y、t三个方向上的元素。
步骤S33：在倾角、方位角和时间方向上建立向量基，将空间位态参数值分解成三个方向的参数序列，作均衡化分布处理后，得到位态特征参数优化值，计算如下，
Ti(x,y,t)＝aiβe+biγe+cite
Ai＝equalize(ai)
Bi＝equalize(bi)
Ci＝equalize(ci)
Ti'(x,y,t)＝Aiβe+Biγe+Cite
其中，Ti(x,y,t)为地震数据中某一点的位态特征参数；βe，γe，te分别代表倾角、方位角和时间方向的单位向量；ai，bi，ci分别代表三个方向分解后的参数序列；Ai，Bi，Ci分别代表均衡化后重组的参数序列；Ti'(x,y,t)代表地震数据中某一点均衡化后的位态特征参数优化值。
三维地震数据可以看作三维坐标系中，每一个位置都有一个数值。对于每一个坐标为(x,y,t)的空间点均可以利用上述公式进行计算。
本发明一种三角洲相砂体空间形态表征方法的有益效果如下：本发明提出的变异系数导向的方向寻优空间滤波地震数据预处理方法，充分利用了地震数据中包含的方向信息，在压制噪声的同时保护了有效信号，提高了地震数据的信噪比。提出的砂体空间形态的位态特征参数求取方法，将其分解至倾角、方位角方向，并进行均衡化处理后优化重组，对砂体内部基因单元的边界、断层、裂缝等的预测优势明显。
附图说明
图1为本发明三角洲相砂体空间形态表征方法的总流程框图。
图2为本发明三角洲相砂体空间形态表征方法的预处理空间时窗的方向示意图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
以下结合图1中的流程图，具体说明本发明的一种三角洲相砂体空间形态表征方法。
首先，通过变异系数导向的方向寻优空间滤波技术，对观测地震数据进行预处理，提高信噪比，这一过程具体包括以下三个步骤：
步骤S11：在三维地震数据中生成3×3×3的滑动分析时窗(如图2所示)，提取四个空间对角线方向的四组数据分别为WAA'、WBB'、WCC'、WDD'，并计算其变异系数CvAA'、CvBB'、CvCC'、CvDD'及中值MAA'、MBB'、MCC'、MDD'；
步骤S12：通过变异系数，依据数据本身分布特点进行方向寻优，计算如下：
Cv＝CvAA'+CvBB'+CvCC'+CvDD'，
Figure GDA0002605773680000071
Figure GDA0002605773680000072
其中，Cv为四组数据变异系数之和，ωAA'ωBB'ωCC'ωDD'分别为四个方向权；
步骤S13：将四个方向权分别赋予四个方向的中值，得到的方向寻优结果赋予滑动分析时窗的中心值Oi，将滑动分析时窗移动至下一个点，直至计算完数据体内所有数据，计算如下：
M＝ωAA'MAA'+ωBB'MBB'+ωCC'MCC'+ωDD'MDD'
其中M为四个方向数据的寻优结果。
通过上述变异系数导向的方向寻优空间滤波地震数据预处理方法，充分利用了地震数据中包含的方向信息，在压制噪声的同时保护了有效信号，提高了地震数据的信噪比。
其次，在测井数据辨识的砂体基因单元纵向叠置特征的指导下，从预处理后的地震数据中获取表征砂体空间形态所需的位态特征参数，这一过程具体包括：
步骤S21：在测井数据辨识的砂体基因单元纵向叠置特征的指导下，将滑动分析时窗内的地震数据排序为{ei|i＝1，…，4}。
步骤S22：求取地震数据的空间位态特征参数值，计算如下：
Figure GDA0002605773680000081
之后，对步骤S2)中得到的砂体位态特征参数进行方向敏感性研究，研究步骤主要为：
步骤S31：构建空间数据广义梯度体u(x,y,t)，求取张量矩阵的特征值和特征向量，计算如下：
Figure GDA0002605773680000082
Figure GDA0002605773680000083
Figure GDA0002605773680000084
u(x,y,t)＝ux 2(x,y,t)+uy 2(x,y,t)+uz 2(x,y,t)
Figure GDA0002605773680000085
其中，s(x,y,t)为地震数据；ux、uy、ut分别为三维地震数据x、y、t方向的梯度量体；Δx、Δy和Δt分别为三维地震数据在线间隔x方向、道间隔y方向的距离和时间t方向的采样间隔，
Figure GDA0002605773680000086
为张量矩阵；αi和λi分别为三个特征向量和特征值；
步骤S32：求取地震数据中每一个空间点的倾角和方位角参数，计算如下：
Figure GDA0002605773680000091
Figure GDA0002605773680000092
其中，α1x(x,y,t)、α1y(x,y,t)、α1t(x,y,t)分别为最大特征值λ1对应的特征向量α1在x、y、t三个方向上的元素。
步骤S33：在倾角、方位角和时间方向上建立向量基，将空间位态参数值分解成三个方向的参数序列，作均衡化分布处理后，得到位态参数的优化值，计算如下，
Ti(x,y,t)＝aiβe+biγe+cite
Ai＝equalize(ai)
Bi＝equalize(bi)
Ci＝equalize(ci)
Ti'(x,y,t)＝Aiβe+Biγe+Cite
其中，Ti(x,y,t)为地震数据中某一点的位态特征参数；βe，γe，te分别代表倾角、方位角和时间方向的单位向量；ai，bi，ci分别代表三个方向分解后的参数序列；Ai，Bi，Ci分别代表均衡化后重组的参数序列；Ti'(x,y,t)代表地震数据中某一点均衡化后的位态特征参数优化值。由此，得到优化后的位态特征参数。
本发明的砂体空间形态的位态特征参数求取方法，将其分解至倾角、方位角方向，并进行均衡化处理后优化重组，对砂体内部基因单元的边界、断层、裂缝等的预测优势明显。

Claims (8)

1.一种三角洲相砂体空间形态表征方法，其特征在于，包括以下步骤：
步骤S1，通过变异系数导向的方向寻优空间滤波技术，对观测地震数据进行预处理，得到预处理后的地震数据；
步骤S2，在测井数据辨识的砂体基因单元纵向叠置特征的指导下，从预处理后的地震数据中获取表征砂体空间形态所需的位态特征参数；
步骤S3，对所述的位态特征参数进行方向敏感性研究，得到均衡化分布处理的位态特征参数优化值；
其中步骤S2包括：
步骤S21：在测井数据辨识的砂体基因单元纵向叠置特征的指导下，将滑动分析时窗内的地震数据排序为{ei|i＝1，…，4}；
步骤S22：求取地震数据的位态特征参数值，对于坐标为(x,y,t)的空间点，所述位态特征参数值T(x,y,t)的计算方法为：
Figure FDA0002698399720000011
2.如权利要求1所述的一种三角洲相砂体空间形态表征方法，其特征在于，所述变异系数导向的方向寻优空间滤波技术，通过如下步骤实现：
步骤S11：在三维地震数据中生成3×3×3的滑动分析时窗，以三维地震数据中一个点为滑动分析时窗的中心，提取四个空间对角线方向的四组数据分别为WAA'、WBB'、WCC'、WDD'，并计算四个空间对角线方向的变异系数CvAA'、CvBB'、CvCC'、CvDD'及四个空间对角线方向的中值MAA'、MBB’、MCC’、MDD’；
步骤S12：通过变异系数，依据数据本身分布特点进行方向寻优，得到四个空间对角线方向的方向权；
步骤S13：将四个方向权分别赋予四个方向的中值，得到四个空间对角线方向的数据的寻优结果M，将寻优结果M赋予滑动分析时窗的中心值Oi，
步骤S14：将滑动分析时窗移动至下一个点，重复步骤S11-S13，直至计算完数据体内所有数据。
3.如权利要求2所述的一种三角洲相砂体空间形态表征方法，其特征在于，所述的四个空间对角线方向的方向权的计算方法为：
Cv＝CvAA'+CvBB'+CvCC'+CvDD'，
Figure FDA0002698399720000021
Figure FDA0002698399720000022
其中，Cv为四个空间对角线方向的变异系数之和，ωAA'ωBB'ωCC'ωDD'分别为四个空间对角线方向的方向权。
4.如权利要求3所述的一种三角洲相砂体空间形态表征方法，其特征在于，四个方向数据的寻优结果M的计算方法为：
M＝ωAA'MAA'+ωBB'MBB'+ωCC'MCC'+ωDD'MDD'
其中M为四个方向数据的寻优结果。
5.如权利要求1-4任一所述的一种三角洲相砂体空间形态表征方法，其特征在于，步骤S3包括如下子步骤：
步骤S31：构建空间数据广义梯度体u(x,y,t)，求取张量矩阵的特征值和特征向量；
步骤S32：求取地震数据中每一个空间点的倾角和方位角参数；
步骤S33：在倾角、方位角和时间方向上建立向量基，将位态特征参数值分解成三个方向的参数序列，作均衡化分布处理后，得到位态特征参数优化值。
6.如权利要求5所述的一种三角洲相砂体空间形态表征方法，其特征在于，对于坐标为(x,y,t)的空间点，所述空间点的张量矩阵的特征值和特征向量的计算公式为：
Figure FDA0002698399720000031
Figure FDA0002698399720000032
Figure FDA0002698399720000033
u(x,y,t)＝ux 2(x,y,t)+uy 2(x,y,t)+uz 2(x,y,t)
Figure FDA0002698399720000034
其中，s(x,y,t)为地震数据；ux、uy、ut分别为三维地震数据x、y、t方向的梯度量体；Δx、Δy和Δt分别为三维地震数据在线间隔x方向、道间隔y方向的距离和时间t方向的采样间隔，
Figure FDA0002698399720000043
为张量矩阵；α1、α2、α3分别为三个特征向量，λ1、λ2、λ3分别为三个特征值。
7.如权利要求6所述的一种三角洲相砂体空间形态表征方法，其特征在于，所述空间点的倾角和方位角的计算公式为：
Figure FDA0002698399720000041
Figure FDA0002698399720000042
其中，α1x(x,y,t)、α1y(x,y,t)、α1t(x,y,t)分别为最大特征值λ1对应的特征向量α1在x、y、t三个方向上的元素。
8.如权利要求7所述的一种三角洲相砂体空间形态表征方法，其特征在于，位态特征参数优化值的计算方法为，
Ti(x,y,t)＝aiβe+biγe+cite
Ai＝equalize(ai)
Bi＝equalize(bi)
Ci＝equalize(ci)
Ti'(x,y,t)＝Aiβe+Biγe+Cite
其中，Ti(x,y,t)为地震数据中坐标为(x,y,t)的位点的位态特征参数；βe，γe，te分别代表倾角、方位角和时间方向的单位向量；ai，bi，ci分别代表三个方向分解后的参数序列；Ai，Bi，Ci分别代表均衡化后重组的参数序列；Ti'(x,y,t)代表地震数据中坐标为(x,y,t)的位点均衡化后的位态特征参数优化值。
CN201911344072.7A 2019-12-24 2019-12-24 一种三角洲相砂体空间形态表征方法 Active CN111175823B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911344072.7A CN111175823B (zh) 2019-12-24 2019-12-24 一种三角洲相砂体空间形态表征方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911344072.7A CN111175823B (zh) 2019-12-24 2019-12-24 一种三角洲相砂体空间形态表征方法

Publications (2)

Publication Number Publication Date
CN111175823A CN111175823A (zh) 2020-05-19
CN111175823B true CN111175823B (zh) 2020-11-17

Family

ID=70655639

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911344072.7A Active CN111175823B (zh) 2019-12-24 2019-12-24 一种三角洲相砂体空间形态表征方法

Country Status (1)

Country Link
CN (1) CN111175823B (zh)

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8773949B2 (en) * 2009-11-03 2014-07-08 Westerngeco L.L.C. Removing noise from a seismic measurement
EP3224653B1 (fr) * 2014-11-28 2020-06-24 Total SA Méthode et dispositif de traitement de données de puits
CN106569287B (zh) * 2016-09-14 2019-02-26 中国石油化工股份有限公司 一种基于复合砂体构型模式的扇三角洲前缘储层预测方法
CN108121008A (zh) * 2016-11-30 2018-06-05 中国石油天然气股份有限公司 一种地震属性预测河道砂空间分布的方法
CN110320574B (zh) * 2018-03-30 2021-06-15 中国石油化工股份有限公司 基于缓坡三角洲薄层砂体刻画的方法
CN109061728B (zh) * 2018-08-06 2019-07-12 中国石油大学(华东) 一种滩坝砂体精细预测方法

Also Published As

Publication number Publication date
CN111175823A (zh) 2020-05-19

Similar Documents

Publication Publication Date Title
CN108802812B (zh) 一种井震融合的地层岩性反演方法
Klotzsche et al. Full‐waveform inversion of cross‐hole ground‐penetrating radar data to characterize a gravel aquifer close to the Thur River, Switzerland
US8363509B2 (en) Method for building velocity models for pre-stack depth migration via the simultaneous joint inversion of seismic, gravity and magnetotelluric data
AU2003272233B2 (en) Method of conditioning a random field to have directionally varying anisotropic continuity
CN110231652B (zh) 一种基于密度的含噪声应用空间聚类的地震相提取方法
Mendonca et al. The equivalent data concept applied to the interpolation of potential field data
WO2016036411A1 (en) Sediment transport simulation with parameterized templates for depth profiling
CN110187382B (zh) 一种回折波和反射波波动方程旅行时反演方法
Guo et al. Prestack seismic inversion based on anisotropic Markov random field
CN111080021B (zh) 一种基于地质信息库的砂体构型cmm神经网络预测方法
CN116187168A (zh) 基于神经网络-重力信息小波分解提高水深反演精度方法
CN113156500B (zh) 数据驱动的快速构造约束叠前地震多道反演方法
CN106772587A (zh) 基于同位多相协同克里金的地震弹性参数相控建模方法
CN112764103A (zh) 一种基于稀疏编码特征dbscan聚类地震相分析方法
Hole et al. Interface inversion using broadside seismic refraction data and three‐dimensional travel time calculations
CN113031062B (zh) 一种基于波场分离的相关加权逆时偏移成像方法
Mari et al. High resolution 3D near surface imaging of fracture corridors and cavities by combining Plus‐Minus method and refraction tomography
CN111175823B (zh) 一种三角洲相砂体空间形态表征方法
CN116719086B (zh) 基于点扩散函数的稀疏海底四分量数据高分辨率成像方法
CN111273346B (zh) 去除沉积背景的方法、装置、计算机设备及可读存储介质
CN110426737A (zh) 基于振幅极值、相位极性双控的砂砾岩体轮廓描述方法
ZHANG et al. Estimation of Regular Parameters for Impedance Inversion
CN114482995A (zh) 一种细粒沉积物泥质含量精细确定方法
CN109901221B (zh) 一种基于动校正速度参数的地震资料各向异性建模方法
CN113325474B (zh) 生物礁判别方法

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