CN111290023A - 基于地震数据优势频率的三属性融合断层识别方法 - Google Patents

基于地震数据优势频率的三属性融合断层识别方法 Download PDF

Info

Publication number
CN111290023A
CN111290023A CN202010188216.0A CN202010188216A CN111290023A CN 111290023 A CN111290023 A CN 111290023A CN 202010188216 A CN202010188216 A CN 202010188216A CN 111290023 A CN111290023 A CN 111290023A
Authority
CN
China
Prior art keywords
frequency
formula
attribute
seismic
matching
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.)
Pending
Application number
CN202010188216.0A
Other languages
English (en)
Inventor
李晓丽
刘晓燕
杨会东
陈国飞
黄勇
陈丽
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.)
Northeast Petroleum University
Original Assignee
Northeast Petroleum 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 Northeast Petroleum University filed Critical Northeast Petroleum University
Priority to CN202010188216.0A priority Critical patent/CN111290023A/zh
Publication of CN111290023A publication Critical patent/CN111290023A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01VGEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/28Processing seismic data, e.g. analysis, for interpretation, for correction
    • G01V1/32Transforming one recording into another or one representation into another
    • G01V1/325Transforming one representation into another
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01VGEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/28Processing seismic data, e.g. analysis, for interpretation, for correction
    • G01V1/30Analysis
    • G01V1/306Analysis for determining physical properties of the subsurface, e.g. impedance, porosity or attenuation profiles
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01VGEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/28Processing seismic data, e.g. analysis, for interpretation, for correction
    • G01V1/34Displaying seismic recordings or visualisation of seismic data or attributes
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01VGEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00Details of seismic processing or analysis
    • G01V2210/40Transforming data representation
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01VGEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00Details of seismic processing or analysis
    • G01V2210/60Analysis
    • G01V2210/64Geostructures, e.g. in 3D data cubes
    • G01V2210/642Faults

Abstract

本发明涉及的是基于地震数据优势频率的三属性融合断层识别方法,其包括:第一步,对目标区域的全频带地震数据分频处理;第二步,优势频率数据体选取;第三步,相干、倾角、方位角属性体制作;第四步,将相干、倾角和方位角这三种属性应用HIS进行叠合显示,得到最终三属性融合体,制作解释目标构造层位属性切片,断层平面要素特征将得到清晰显示。本发明对原始全频带地震数据体进行分频处理,从系列单频带地震数据体中优选出有效信息最强的数据体,分别制作相干、倾角和方位角属性体,将三种属性体通过颜色融合得到综合地震属性体,再用于断层识别,识别能力明显增强,达到直接使用地震数据识别断距5m以上断层的精度。

Description

基于地震数据优势频率的三属性融合断层识别方法
技术领域:
本发明涉及的是油气勘探开发领域,具体涉及的是基于地震数据优势频率的 三属性融合断层识别方法。
背景技术:
油田勘探开发中,使用原始采集、处理后的全频带地震数据体提取优选属 性开展断层识别。全频带地震数据体中涵盖了有效带宽内连续的单频率数据信 息,这些连续的单频率地震信息振幅和相位不同,采集获取作为整体叠加使有 效信息此消彼长,削弱了地震数据的断层识别能力。随着石油勘探开发的不断 深入,利用全频带地震数据体开展断层识别时,地震数据的识别能力受到削弱, 已不能适应需要。
发明内容:
本发明的一个目的是提供基于地震数据优势频率的三属性融合断层识别方 法,这种基于地震数据优势频率的三属性融合断层识别方法用于解决利用全频 带地震数据体开展断层识别时,地震数据的识别能力受到削弱的问题。
本发明解决其技术问题所采用的技术方案是:这种基于地震数据优势频率的 三属性融合断层识别方法包括如下步骤:
第一步,对目标区域的全频带地震数据分频处理;
采用匹配追踪算法将地震信号从时间域转换到频率域,对地震信号进行匹 配追踪,首先要建立一个用来分解信号的基本函数库,这个基本函数库能把信 号成份从时、频两域分开,定义如公式(1):
Figure BDA0002414928490000011
(1)式中:g为基本函数库;t为地震双程旅行时;lm为选取时窗长度;τm为时窗移动距离;ωm为采样频率;m为地震双程旅行时离散化个数;
匹配追踪算法的实现步骤如下:
①从基本函数库中选出与给定信号f(t)最为匹配的函数g0(t),即g0(t)与f(t) 的内积<f(t),g0(t)>是所有基本函数库内成员与f(t)内积最大的一个,把f(t)分解 成式(2):
f(t)=<f(t),g0(t)>g0(t)+P1 (2)
(2)式中:g0(t)为第一次匹配基本函数;P1为第一次匹配后的残余;
②对P1作类似匹配,从基本函数库中再选出对P1最匹配的另一个基本函数 g1(t),把P1分解成式(3);
P1=<P1,g1(t)>g1(t)+P2 (3)
(3)式中:g1(t)为第二次匹配基本函数;P2为第二次匹配后的残余;
③重复步骤②对残余部分不断匹配,第n次匹配后有式(4)
Pn-1=<Pn-1,gn-1(t)>gn-1(t)+Pn (4)
(4)式中:n为第几次求取匹配基本函数;gn-1(t)为第n次匹配基本函数; Pn为第n次匹配后的残余;
把n次匹配结果依次回代,得到分解公式(5)
Figure BDA0002414928490000021
(5)式中:N为求取匹配残余值总次数;
利用公式(5)对地震信号进行匹配追踪分频处理,使用迭代法不断地寻找 最佳匹配,当剩余值降低于预定阈值便停止迭代,对全频带地震数据进行处理 后,得到一系列离散的单频数据体;
第二步,优势频率数据体选取;
对第一步分解得到的每个单频地震数据体制作高斯曲率体,曲面的曲率定 义为曲率半径的变化:
Figure BDA0002414928490000022
(6)式中:k为二维曲面曲率;R为曲率半径;z(x)为二维层面的高程;
在地震解释构造层位的局部空间曲面上,通过用二元二次方程将构造面拟 合成二元三维趋势面,表示为:
z(x,y)=a1x2+a2y2+a3xy+a4x+a5y+a6 (7)
(7)式中:z(x,y)为三维曲面的高程;a1、a2、a3、a4、a5、a6为二元三维 趋势面方程变量待求系数;
将三维曲面划分成有限个边长为Δx、Δy的小面元,利用九点法组成小面元, 计算出:
Figure BDA0002414928490000031
Figure BDA0002414928490000032
Figure BDA0002414928490000033
Figure BDA0002414928490000034
Figure BDA0002414928490000035
Figure BDA0002414928490000036
(8)~(13)式中:z1、z2、z3、z4、z5、z6、z7、z8、z9为组成小面元9个点 高程;Δx、Δy为小面元平面边长;
将上面计算得到系数代入到式(14)的高斯曲率公式,得到地震数据的曲 率体;
Figure BDA0002414928490000037
对分解得到的各个单频地震数据体计算得到相应曲率体,再利用地震解释 目标层构造面提取每套单频地震数据体的曲率体切片,对每张曲率体切片进行 切片扫描和肉眼辨识,断层识别最清晰的切片所对应的单频数据体确定为优势 频率数据体,用于进一步制作三属性融合体精细识别断层;
第三步,相干、倾角、方位角属性体制作;
第四步,三属性地震数据体融合识别断层;
将相干、倾角和方位角这三种属性应用HIS进行叠合显示,得到最终三属 性融合体,制作解释目标构造层位属性切片,断层平面要素特征将得到清晰显 示。
上述方案中第三步相干、倾角、方位角属性体制作方法:
(a)相干体制作;
将相邻两道地震数据分别表示为Q(n)和H(n)两个离散信号系列,在优势频率 数据体内两两相邻地震道计算相关系数r(t,d),
Figure BDA0002414928490000041
Figure BDA0002414928490000042
Figure BDA0002414928490000043
(15)-(17)式中:t为地震双程旅行时;d为地震道数;Qi,Hi为地震 道数据对;K为样点数;i为第i个样点;qi,hi分别为数据元素,
Figure BDA0002414928490000044
分别为 数组元素的平均值;
(b)倾角和方位角属性体制作;
倾角和方位角的计算是基于样点所在三维数据体中线的位置,0°方位角定 义为地震联络测线增大方向;90°方位角定义为地震主测线减小方向;倾角的 正负定义同相轴随线道号增大时间增大为正,反之为负,变化范围为-90°~90°;
把时间梯度的大小定义为倾角,计算公式为:
Figure BDA0002414928490000045
把联络测线方向时间梯度与主测线方向时间梯度比值的反正切定义为方位 角,计算公式为:
Figure BDA0002414928490000046
本发明具有以下有益效果:
1、本发明提出了一种基于优势频率的三属性融合断层识别方法,对原始全 频带地震数据体进行分频处理,从系列单频带地震数据体中优选出有效信息最 强的数据体(即“优势”频率数据体),分别制作相干、倾角和方位角属性体, 将三种属性体通过颜色融合得到综合地震属性体,再用于断层识别。相比于使 用原始地震数据体断层识别能力明显增强,达到直接使用地震数据识别断距5m 以上断层的精度。
2、本发明地震信号从时间域转换到频率域,采用匹配追踪算法处理能够保 证分频信息损失少且真实可靠。
具体实施方式
下面对本发明做进一步的说明:
这种基于地震数据优势频率的三属性融合断层识别方法:获取目标区域地 震数据,原始采集、处理得到的地震数据体中涵盖了有效带宽内连续的单频率 数据信息,正演模拟对比分析证实,存在这样一个“优势”单频数据识别断层 能力最强。应用傅氏变换将全频带地震数据分解成一系列单频地震数据体;用 同一解释地震层位对每一个单频数据体提取曲率体属性,对比分析优选出“优 势”频率数据体;然后利用“优势”频率地震数据体进一步制作相干、倾角和 方位角属性体;最后将三种地震属性体融合再用于断层识别。具体如下:
第一步,对目标区域的全频带地震数据分频处理;
原始地震数据是包含大量不同频率信号而合成的具有一定频带宽度地震信 号。使用固定频率地震数据体才能得到理想的地震相位体,需要对原始数据进 行分频处理。地震信号从时间域转换到频率域,采用匹配追踪算法处理能够保 证分频信息损失少且真实可靠。
对地震信号进行匹配追踪,首先要建立一个用来分解信号的基本函数库, 这个基本函数库能把信号成份从时、频两域分开,定义如公式(1):
Figure BDA0002414928490000051
(1)式中:g为基本函数库;t为地震双程旅行时;lm为选取时窗长度;τm为时窗移动距离;ωm为采样频率;m为地震双程旅行时离散化个数;
匹配追踪算法的实现步骤如下:
①从基本函数库中选出与给定信号f(t)最为匹配的函数g0(t),即g0(t)与f(t) 的内积<f(t),g0(t)>是所有基本函数库内成员与f(t)内积最大的一个,把f(t)分解 成式(2):
f(t)=<f(t),g0(t)>g0(t)+P1 (2)
(2)式中:g0(t)为第一次匹配基本函数;P1为第一次匹配后的残余;
②对P1作类似匹配,从基本函数库中再选出对P1最匹配的另一个基本函数 g1(t),把P1分解成式(3);
P1=<P1,g1(t)>g1(t)+P2 (3)
(3)式中:g1(t)为第二次匹配基本函数;P2为第二次匹配后的残余;
③重复步骤②对残余部分不断匹配,第n次匹配后有式(4)
Pn-1=<Pn-1,gn-1(t)>gn-1(t)+Pn (4)
(4)式中:n为第几次求取匹配基本函数;gn-1(t)为第n次匹配基本函数; Pn为第n次匹配后的残余;
把n次匹配结果依次回代,得到分解公式(5)
Figure BDA0002414928490000061
(5)式中:N为求取匹配残余值总次数;
利用公式(5)对地震信号进行匹配追踪分频处理,使用迭代法不断地寻找 最佳匹配,当剩余值降低于预定阈值便停止迭代,对全频带地震数据进行处理 后,得到一系列离散的单频数据体;
对原始地震数据体选取10~100Hz的频带宽度,间隔选为5Hz,分频处理得 到20个单频地震数据体。
第二步,“优势”频率数据体选取;
对第一步分解得到的每个单频地震数据体制作高斯曲率体,曲面的曲率定 义为曲率半径的变化:
Figure BDA0002414928490000062
(6)式中:k为二维曲面曲率;R为曲率半径;z(x)为二维层面的高程;
在地震解释构造层位的局部空间曲面上,通过用二元二次方程将构造面拟 合成二元三维趋势面,表示为:
z(x,y)=a1x2+a2y2+a3xy+a4x+a5y+a6 (7)
(7)式中:z(x,y)为三维曲面的高程;a1、a2、a3、a4、a5、a6为二元三维 趋势面方程变量待求系数;
将三维曲面划分成有限个边长为Δx、Δy的小面元,利用九点法组成小面元, 计算出:
Figure BDA0002414928490000071
Figure BDA0002414928490000072
Figure BDA0002414928490000073
Figure BDA0002414928490000074
Figure BDA0002414928490000075
Figure BDA0002414928490000076
(8)~(13)式中:z1、z2、z3、z4、z5、z6、z7、z8、z9为组成小面元9个点 高程;Δx、Δy为小面元平面边长;
将上面计算得到系数代入到式(14)的高斯曲率公式,得到地震数据的曲 率体。
Figure BDA0002414928490000077
对分解得到的20个单频地震数据体计算得到相应曲率体,再利用地震解释 目标层构造面提取得到20张曲率体切片,对每张曲率体切片进行切片扫描和肉 眼辨识,断层识别最清晰的切片所对应的单频数据体确定为“优势”频率数据 体,用于进一步制作三属性融合体精细识别断层;
第三步,相干、倾角、方位角属性体制作;
(a)相干体制作;
地下断层面两侧地层、岩性、波阻抗等发生突变,导致两侧相邻地震道之 间反射波在波形连续性、振幅、频率和相位等方法发生变化,在三维相干数据 体中表现为不相干,将相邻两道地震数据分别表示为Q(n)和H(n)两个离散信号系 列,在“优势”频率数据体内两两相邻地震道计算相关系数r(t,d),
Figure BDA0002414928490000078
Figure BDA0002414928490000081
Figure BDA0002414928490000082
(15)-(17)式中:t为地震双程旅行时;d为地震道数;Qi,Hi为地震 道数据对;K为样点数;i为第i个样点;qi,hi分别为数据元素,
Figure BDA0002414928490000083
分别为 数组元素的平均值;
(b)倾角和方位角属性体制作;
倾角和方位角的计算是基于样点所在三维数据体中线的位置,0°方位角定 义为地震联络测线(Crossline)增大方向;90°方位角定义为地震主测线(Inline) 减小方向;倾角的正负定义同相轴随线道号增大时间增大为正,反之为负,变 化范围为-90°~90°。
把时间梯度的大小定义为倾角,计算公式为:
Figure BDA0002414928490000084
把联络测线方向时间梯度与主测线方向时间梯度比值的反正切定义为方位 角,计算公式为:
Figure BDA0002414928490000085
第四步,三属性地震数据体融合识别断层;
对于相干、倾角和方位角属性单独制作目标层位切片,不能识别出小断层 和断层组合的细微特征,将这三种属性应用HIS(Hue色度、Intensity光亮度、 Saturation饱和度)进行叠合显示,得到最终三属性融合体,制作解释目标构造 层位属性切片,断层平面要素特征将得到清晰显示。

Claims (2)

1.一种基于地震数据优势频率的三属性融合断层识别方法,其特征在于:
第一步,对目标区域的全频带地震数据分频处理;
采用匹配追踪算法将地震信号从时间域转换到频率域,对地震信号进行匹配追踪,首先要建立一个用来分解信号的基本函数库,这个基本函数库能把信号成份从时、频两域分开,定义如公式(1):
Figure FDA0002414928480000011
(1)式中:g为基本函数库;t为地震双程旅行时;lm为选取时窗长度;τm为时窗移动距离;ωm为采样频率;m为地震双程旅行时离散化个数;
匹配追踪算法的实现步骤如下:
①从基本函数库中选出与给定信号f(t)最为匹配的函数g0(t),即g0(t)与f(t)的内积<f(t),g0(t)>是所有基本函数库内成员与f(t)内积最大的一个,把f(t)分解成式(2):
f(t)=<f(t),g0(t)>g0(t)+P1 (2)
(2)式中:g0(t)为第一次匹配基本函数;P1为第一次匹配后的残余;
②对P1作类似匹配,从基本函数库中再选出对P1最匹配的另一个基本函数g1(t),把P1分解成式(3);
P1=<P1,g1(t)>g1(t)+P2 (3)
(3)式中:g1(t)为第二次匹配基本函数;P2为第二次匹配后的残余;
③重复步骤②对残余部分不断匹配,第n次匹配后有式(4)
Pn-1=<Pn-1,gn-1(t)>gn-1(t)+Pn (4)
(4)式中:n为第几次求取匹配基本函数;gn-1(t)为第n次匹配基本函数;Pn为第n次匹配后的残余;
把n次匹配结果依次回代,得到分解公式(5)
Figure FDA0002414928480000012
(5)式中:N为求取匹配残余值总次数;
利用公式(5)对地震信号进行匹配追踪分频处理,使用迭代法不断地寻找最佳匹配,当剩余值降低于预定阈值便停止迭代,对全频带地震数据进行处理后,得到一系列离散的单频数据体;
第二步,优势频率数据体选取;
对第一步分解得到的每个单频地震数据体制作高斯曲率体,曲面的曲率定义为曲率半径的变化:
Figure FDA0002414928480000021
(6)式中:k为二维曲面曲率;R为曲率半径;z(x)为二维层面的高程;
在地震解释构造层位的局部空间曲面上,通过用二元二次方程将构造面拟合成二元三维趋势面,表示为:
z(x,y)=a1x2+a2y2+a3xy+a4x+a5y+a6 (7)
(7)式中:z(x,y)为三维曲面的高程;a1、a2、a3、a4、a5、a6为二元三维趋势面方程变量待求系数;
将三维曲面划分成有限个边长为Δx、Δy的小面元,利用九点法组成小面元,计算出:
Figure FDA0002414928480000022
Figure FDA0002414928480000023
Figure FDA0002414928480000024
Figure FDA0002414928480000025
Figure FDA0002414928480000026
Figure FDA0002414928480000027
(8)~(13)式中:z1、z2、z3、z4、z5、z6、z7、z8、z9为组成小面元9个点高程;Δx、Δy为小面元平面边长;
将上面计算得到系数代入到式(14)的高斯曲率公式,得到地震数据的曲率体;
Figure FDA0002414928480000031
对分解得到的各个单频地震数据体计算得到相应曲率体,再利用地震解释目标层构造面提取每套单频地震数据体的曲率体切片,对每张曲率体切片进行切片扫描和肉眼辨识,断层识别最清晰的切片所对应的单频数据体确定为优势频率数据体,用于进一步制作三属性融合体精细识别断层;
第三步,相干、倾角、方位角属性体制作;
第四步,三属性地震数据体融合识别断层;
将相干、倾角和方位角这三种属性应用HIS进行叠合显示,得到最终三属性融合体,制作解释目标构造层位属性切片,断层平面要素特征将得到清晰显示。
2.根据权利要求1所述的基于地震数据优势频率的三属性融合断层识别方法,其特征在于:所述的第三步相干、倾角、方位角属性体制作方法:
(a)相干体制作;
将相邻两道地震数据分别表示为Q(n)和H(n)两个离散信号系列,在优势频率数据体内两两相邻地震道计算相关系数r(t,d),
Figure FDA0002414928480000032
Figure FDA0002414928480000033
Figure FDA0002414928480000034
(15)-(17)式中:t为地震双程旅行时;d为地震道数;Qi,Hi为地震道数据对;K为样点数;i为第i个样点;qi,hi分别为数据元素,
Figure FDA0002414928480000035
分别为数组元素的平均值;
(b)倾角和方位角属性体制作;
倾角和方位角的计算是基于样点所在三维数据体中线的位置,0°方位角定义为地震联络测线增大方向;90°方位角定义为地震主测线减小方向;倾角的正负定义同相轴随线道号增大时间增大为正,反之为负,变化范围为-90°~90°;
把时间梯度的大小定义为倾角,计算公式为:
Figure FDA0002414928480000041
把联络测线方向时间梯度与主测线方向时间梯度比值的反正切定义为方位角,计算公式为:
Figure FDA0002414928480000042
CN202010188216.0A 2020-03-17 2020-03-17 基于地震数据优势频率的三属性融合断层识别方法 Pending CN111290023A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010188216.0A CN111290023A (zh) 2020-03-17 2020-03-17 基于地震数据优势频率的三属性融合断层识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010188216.0A CN111290023A (zh) 2020-03-17 2020-03-17 基于地震数据优势频率的三属性融合断层识别方法

Publications (1)

Publication Number Publication Date
CN111290023A true CN111290023A (zh) 2020-06-16

Family

ID=71025898

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010188216.0A Pending CN111290023A (zh) 2020-03-17 2020-03-17 基于地震数据优势频率的三属性融合断层识别方法

Country Status (1)

Country Link
CN (1) CN111290023A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112415586A (zh) * 2020-11-16 2021-02-26 北京孚梅森石油科技有限公司 一种泥浆漏失风险评估方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1997013166A1 (en) * 1995-10-06 1997-04-10 Amoco Corporation Method and apparatus for seismic signal processing and exploration
CN105182415A (zh) * 2015-09-02 2015-12-23 中国石油化工股份有限公司 一种基于分频处理的断层识别方法
CN106154327A (zh) * 2016-08-17 2016-11-23 中国石油化工股份有限公司 一种提高隐蔽断层识别精度的方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1997013166A1 (en) * 1995-10-06 1997-04-10 Amoco Corporation Method and apparatus for seismic signal processing and exploration
CN105182415A (zh) * 2015-09-02 2015-12-23 中国石油化工股份有限公司 一种基于分频处理的断层识别方法
CN106154327A (zh) * 2016-08-17 2016-11-23 中国石油化工股份有限公司 一种提高隐蔽断层识别精度的方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
周全: "基于MPD的谱分解技术", 《中国优秀博硕士学位论文全文数据库(硕士)》 *
朱秋影等: "利用时频分析技术预测依拉克构造有利砂体分布", 《石油地球物理勘探》 *
柏冠军等: "优势频带相位分析技术在AA区块断层解释中的应用", 《石油物探》 *
段云卿等: "基于体属性的地震相干技术", 《石油地球物理勘探》 *
王伟: "地震几何属性识别断层技术研究及应用", 《中国优秀博硕士学位论文全文数据库(硕士)》 *
邢正岩: "相干分析技术在复杂断块油田断层描述中的应用", 《油气地质与采收率》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112415586A (zh) * 2020-11-16 2021-02-26 北京孚梅森石油科技有限公司 一种泥浆漏失风险评估方法及装置
CN112415586B (zh) * 2020-11-16 2023-10-03 北京孚梅森石油科技有限公司 一种泥浆漏失风险评估方法及装置

Similar Documents

Publication Publication Date Title
Zhu et al. Seismic signal denoising and decomposition using deep neural networks
CN111208561B (zh) 基于时变子波与曲波变换约束的地震声波阻抗反演方法
Neidell et al. Stratigraphic Modeling and Interpretation--Geophysical Principles and Techniques: Section 3. Stratigraphic Models from Seismic Data
Yanhu et al. A method of seismic meme inversion and its application
CN111505708B (zh) 一种基于深度学习的强反射层剥离方法
EA001509B1 (ru) Способ обработки сигналов сейсмических данных
CN105445801A (zh) 一种消除二维地震资料随机噪音的处理方法
CN111142156A (zh) 基于相控的地震强屏蔽时频信息提取及剥离方法
Lyu et al. Multispectral coherence: Which decomposition should we use?
CN107193046A (zh) 一种基于谱反演的砂体厚度预测方法及系统
CN114994758B (zh) 碳酸盐岩断控储层的波阻抗提取与结构表征方法和系统
Zhong‐Lai et al. A SECOND‐ORDER SYNCHROSQUEEZING S‐TRANSFORM AND ITS APPLICATION IN SEISMIC SPECTRAL DECOMPOSITION
Lou et al. Seismic volumetric dip estimation via multichannel deep learning model
CN111290023A (zh) 基于地震数据优势频率的三属性融合断层识别方法
Han et al. First arrival traveltime picking through 3-D U-Net
Du et al. Study on Optical Fiber Gas-Holdup Meter Signal Denoising Using Improved Threshold Wavelet Transform
Wu‐Yang et al. Research and application of improved high precision matching pursuit method
Li et al. Magnetotelluric noise suppression via convolutional neural network
Li* et al. VMD based sedimentary cycle division for unconventional facies analysis
Zhao et al. Automatic events extraction in pre-stack seismic data based on edge detection in slant-stacked peak amplitude profiles
CN113589365B (zh) 基于时频域信息的储层尖灭线描述方法
Jesus et al. Mapping of carbonate mounds in the Brazilian presalt zone
CN110361782B (zh) 一种地震波形聚类方法与装置
Liu et al. Seismic sparse time-frequency network with transfer learning
Liao et al. Automatic first arrival picking combining transfer learning and the short-time Fourier transform

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200616

RJ01 Rejection of invention patent application after publication