CN111708083A - 一种基于模型的深度域地震子波提取方法 - Google Patents

一种基于模型的深度域地震子波提取方法 Download PDF

Info

Publication number
CN111708083A
CN111708083A CN202010504205.9A CN202010504205A CN111708083A CN 111708083 A CN111708083 A CN 111708083A CN 202010504205 A CN202010504205 A CN 202010504205A CN 111708083 A CN111708083 A CN 111708083A
Authority
CN
China
Prior art keywords
depth domain
seismic
wavelet
model
matrix
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
CN202010504205.9A
Other languages
English (en)
Other versions
CN111708083B (zh
Inventor
陈学华
张�杰
杨威
蒋伟
刘芸菲
徐赫
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.)
Chengdu Univeristy of Technology
Original Assignee
Chengdu Univeristy of Technology
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 Chengdu Univeristy of Technology filed Critical Chengdu Univeristy of Technology
Priority to CN202010504205.9A priority Critical patent/CN111708083B/zh
Publication of CN111708083A publication Critical patent/CN111708083A/zh
Application granted granted Critical
Publication of CN111708083B publication Critical patent/CN111708083B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • G01V1/282Application of seismic models, synthetic seismograms
    • 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
    • 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
    • G01V1/303Analysis for determining velocity profiles or travel times
    • 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
    • G01V1/307Analysis for determining seismic attributes, e.g. amplitude, instantaneous phase or frequency, reflection strength or polarity
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01VGEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/40Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging
    • G01V1/44Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging using generators and receivers in the same well
    • G01V1/48Processing data
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01VGEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/40Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging
    • G01V1/44Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging using generators and receivers in the same well
    • G01V1/48Processing data
    • G01V1/50Analysing data

Abstract

本发明提供了一种基于模型的深度域地震子波提取方法。该方法基于一个深度域地震子波模型,在深度域地震子波提取过程中,只需要针对2个模型参数在两个相应的数值搜索范围内,搜索使得合成的深度域地震记录与已知地震记录匹配最好时的那一对模型参数即可。本发明的优点在于:①可利用深度域测井数据和地震数据直接进行深度域地震子波提取;②在深度域地震子波提取过程中只需要确定两个模型参数即可,而且这两个参数的搜索范围易于确定;③能从含噪的数据中提取可靠的深度域地震子波。

Description

一种基于模型的深度域地震子波提取方法
技术领域
本发明属于石油地震勘探领域,涉及一种基于模型从深度域地震和测井数据中提取深度域地震子波的方法。
背景技术
目前已有很多学者在基于深度偏移地震数据进行深度域地震反演方面取得了一定的成果。地震反演结果的可靠性在很大程度上取决于所提取地震子波的可靠性。在深度域中,由于地震子波是介质速度的函数,且随着介质速度的增加,其波形会被拉长变“胖”,故其在传播过程不满足褶积模型线性时不变的假设前提。目前提取深度域地震子波主要有两种途径:一是利用时间域数据提取时间域地震子波,然后根据时深转换关系,将提取的时间域子波转换到深度域;二是将深度域数据转换到常速度深度域,然后在常速度深度域提取深度域地震子波。这两种途径的目的都是要使得褶积模型线性时不变的假设前提成立,从而基于褶积模型进行地震子波提取。由于这两种途径都涉及到在不同域之间的转换,在转换过程中需要有准确的转换关系以及可靠的转换算法,否则可能会导致数据中的有效信息丢失或是在数据中引入异常值,从而导致提取的地震子波不可靠。
发明内容
本发明的目的在于提供一种可以避免不同域之间的转换,直接利用深度域地震和测井数据进行深度域地震子波提取的方法,所述方法包括以下主要步骤:
(1)输入深度域测井速度和密度信息和对应的深度域井旁地震记录Y,并根据深度域测井速度和密度信息计算出深度域反射系数r;
(2)求取深度域井旁地震记录Y的振幅谱;
(3)根据振幅谱中的最大值kp和深度域测井速度的最大值V,按照下式计算fp
Figure BDA0002525950340000011
(4)设定子波模型参数f的搜索范围[fa,fb],该搜索范围是一组等间隔的向量,且fp在该搜索范围内;
(5)对于在搜索范围[fa,fb]内每一个值fi(即fi∈[fa,fb]),使用一维寻优算法在搜索范围[θab]内确定使得目标函数Oi有最小值的最优参数θi
Oi=||Y-S||2
式中,||·||2表示内积运算,S为合成的深度域地震记录,其按如下步骤计算:
①按如下的子波模型获得子波向量w:
w=real{x}cos(θi)-imag{x}sin(θi),
式中,real{·}表示取向量的实部运算,imag{·}表示取向量的虚部运算,
Figure BDA0002525950340000021
其中*表示褶积运算,d为子波模型对应的长度坐标;
②按照下式计算合成的深度域地震记录S:
Figure BDA0002525950340000022
式中,
Figure BDA0002525950340000023
是w的快速傅里叶变换结果,
Figure BDA0002525950340000024
表示基本积运算,T表示转置运算,矩阵
Figure BDA0002525950340000025
是矩阵P的共轭矩阵,矩阵P是一个方阵,且P中的元素pm,n为:
Figure BDA0002525950340000026
其中,vm是索引号为m时的深度域测井速度,N为矩阵P的行数;
(6)找到向量O(Oi∈O)中最小值对应的那一组参数
Figure BDA0002525950340000027
Figure BDA0002525950340000028
按照下式计算要提取的深度域地震子波
Figure BDA0002525950340000029
Figure BDA00025259503400000210
式中,
Figure BDA00025259503400000211
附图说明
图1是本发明实施例分别从不含噪声和含噪声的正演数据中提取的深度域地震子波与已知地震子波的对比。其中,图1(a)是深度域波阻抗模型,纵坐标为深度,单位是米(m),横坐标为波阻抗,单位为克/立方厘米·米/秒(g/cm3·m/s)。图1(b)是不含噪声的深度域正演合成地震记录,纵坐标为深度,单位是米(m)。图1(c)是含噪声(噪声类型为高斯白噪声,信噪比S/N=20)的深度域正演合成地震记录,纵坐标为深度,单位是米(m)。图1(d)是从不含噪声的正演数据中提取的深度域地震子波(黑色虚线)与已知地震子波(灰色实线)的对比,纵坐标为振幅,横坐标为长度,单位是米(m)。图1(e)是从含噪声的正演数据中提取的深度域地震子波(黑色虚线)与已知地震子波(灰色实线)的对比,纵坐标为振幅,横坐标为长度,单位是米(m)。
图2是本发明实施例从某工区的深度域地震数据和测井数据中提取的深度域地震子波以及利用提取子波合成的深度域地震记录与实际地震记录的对比。其中,图2(a)是利用深度域测井信息计算得到的深度域反射系数,纵坐标为深度,单位是米(m)。图2(b)是过某井的井旁地震道集,纵坐标为深度,单位是米(m),其中用于深度域地震子波提取的井旁地震道由底部的黑色三角标示。图2(c)是提取的深度域地震子波,纵坐标为振幅,横坐标为长度,单位是米(m)。利用图2(c)的子波合成的深度域地震记录以灰色叠加在图2(b)中的井旁地震道上显示。
具体实施方式
(1)输入深度域测井速度和密度信息和对应的深度域井旁地震记录Y,并根据深度域测井速度和密度信息计算出深度域反射系数r,其具体计算公式为:
Figure BDA0002525950340000031
式中,ri是索引号为i时的深度域反射系数,ρi是索引号为i时的深度域测井密度,vi是索引号为i时的深度域测井速度;
(2)对深度域井旁地震记录Y进行快速傅里叶变换,然后求取其振幅谱;
(3)根据振幅谱中的最大值kp和深度域测井速度最大值V,按照下式计算fp
Figure BDA0002525950340000032
(4)设定子波模型参数f的搜索范围[fa,fb],该搜索范围是一组等间隔的向量,且fp在该搜索范围内;
(5)对于在搜索范围[fa,fb]内的每一个值fi(即fi∈[fa,fb]),使用斐波那契一维寻优方法在搜索范围[θab]内确定使得目标函数Oi有最小值的最优参数θi
Oi=||Y-S||2
式中,||·||2表示内积运算,S为合成的深度域地震记录,其按如下步骤计算:
①按如下的子波模型获得子波向量w:
w=real{x}cos(θi)-imag{x}sin(θi),
式中,real{·}表示取向量实部运算,imag{·}表示取向量虚部运算,
Figure BDA0002525950340000041
其中*表示褶积运算,d为子波模型对应的长度坐标;
②按照下式计算合成的深度域地震记录S:
Figure BDA0002525950340000042
式中,
Figure BDA0002525950340000043
是w的快速傅里叶变换结果,
Figure BDA0002525950340000044
表示基本积运算,T表示转置运算,矩阵
Figure BDA0002525950340000045
是矩阵P的共轭矩阵,矩阵P是一个方阵,且P中的元素pm,n为:
Figure BDA0002525950340000046
其中,vm是索引号为m时的深度域测井速度,N为矩阵P的行数;
(6)找到向量O(Oi∈O)中最小值对应的那一组参数
Figure BDA0002525950340000047
Figure BDA0002525950340000048
按照下式计算要提取的深度域地震子波
Figure BDA0002525950340000049
Figure BDA00025259503400000410
式中,
Figure BDA00025259503400000411
图1(d)为本发明实施例从不含噪声的正演数据(图1a和b)中提取的深度域地震子波(黑色虚线),其中,正演数据包含341个采样点(即N=341),用于生成正演数据所用的子波模型参数为f=35和θ=-23,子波提取过程中参数f的搜索范围为[25,45],间隔为1,参数θ的搜索范围为[-90,90],最终提取到的模型参数为
Figure BDA00025259503400000412
Figure BDA00025259503400000415
图1(e)为本发明实施例从含噪声(信噪比S/N=20)的正演数据(图1a和c)中提取的深度域地震子波(黑色虚线),子波提取过程中参数f的搜索范围为[25,45],间隔为1,参数θ的搜索范围为[-90,90],最终提取到的模型参数为
Figure BDA00025259503400000413
Figure BDA00025259503400000414
从图1(d)和(e)可以看出,本发明所提供的方法均能从含噪和不含噪的数据中提取到正确的子波。
图2(c)为本发明实施例从某工区的深度域数据(图2a和b)中提取的深度域地震子波,其中,实际数据包含2101个采样点(即N=2101),子波提取过程中参数f的搜索范围为[10,50],间隔为1,参数θ的搜索范围为[-90,90],最终提取到的模型参数为
Figure BDA0002525950340000051
Figure BDA0002525950340000052
从图2(b)中可以看出,基于提取的深度域地震子波合成的深度域地震记录(灰色)与提取子波时所用的井旁地震记录(由底部黑色三角标示)的吻合度很好,二者的相关系数为0.84。
本发明的优点在于:(1)利用深度域测井数据和地震数据直接进行深度域地震子波提取;(2)在深度域地震子波提取过程中只需要确定两个模型参数即可,而且这两个参数的搜索范围很好确定;(3)能从含噪的数据中获得可靠的子波结果。
上述各实施例仅用于说明本发明,其中方法的各实施步骤等都是可以有所变化的,凡是在本发明技术方案的基础上进行的等同变换和改进,均不应排除在本发明的保护范围之外。

Claims (1)

1.一种基于模型的深度域地震子波提取方法,其包括以下主要步骤:
(1)输入深度域测井速度和密度信息和对应的深度域井旁地震记录Y,并根据深度域测井速度和密度信息计算出深度域反射系数r;
(2)求取深度域井旁地震记录Y的振幅谱;
(3)根据振幅谱中的最大值kp和深度域测井速度的最大值V,按照下式计算fp
Figure FDA0002525950330000011
(4)设定子波模型参数f的搜索范围[fa,fb],该搜索范围是一组等间隔的向量,且fp在该搜索范围内;
(5)对于在搜索范围[fa,fb]内每一个值fi(即fi∈[fa,fb]),使用一维寻优算法在搜索范围[θab]内确定使得目标函数Oi有最小值的最优参数θi
Oi=||Y-S||2
式中,||·||2表示内积运算,S为合成的深度域地震记录,其按如下步骤计算:
①按如下的子波模型获得子波向量w:
w=real{x}cos(θi)-imag{x}sin(θi),
式中,real{·}表示取向量的实部运算,imag{·}表示取向量的虚部运算,
Figure FDA0002525950330000012
其中*表示褶积运算,d为子波模型对应的长度坐标;
②按照下式计算合成的深度域地震记录S:
Figure FDA0002525950330000013
式中,
Figure FDA0002525950330000014
是w的快速傅里叶变换结果,
Figure FDA0002525950330000015
表示基本积运算,T表示转置运算,矩阵
Figure FDA0002525950330000016
是矩阵P的共轭矩阵,矩阵P是一个方阵,且P中的元素pm,n为:
Figure FDA0002525950330000017
其中,vm是索引号为m时的深度域测井速度,N为矩阵P的行数;
(6)找到向量O(Oi∈O)中最小值对应的那一组参数
Figure FDA0002525950330000021
Figure FDA0002525950330000022
按照下式计算要提取的深度域地震子波
Figure FDA0002525950330000023
Figure FDA0002525950330000024
式中,
Figure FDA0002525950330000025
CN202010504205.9A 2020-06-05 2020-06-05 一种基于模型的深度域地震子波提取方法 Active CN111708083B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010504205.9A CN111708083B (zh) 2020-06-05 2020-06-05 一种基于模型的深度域地震子波提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010504205.9A CN111708083B (zh) 2020-06-05 2020-06-05 一种基于模型的深度域地震子波提取方法

Publications (2)

Publication Number Publication Date
CN111708083A true CN111708083A (zh) 2020-09-25
CN111708083B CN111708083B (zh) 2022-04-15

Family

ID=72538917

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010504205.9A Active CN111708083B (zh) 2020-06-05 2020-06-05 一种基于模型的深度域地震子波提取方法

Country Status (1)

Country Link
CN (1) CN111708083B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114545523A (zh) * 2022-02-25 2022-05-27 成都理工大学 一种深度域测井和地震数据的直接标定方法
CN116755141A (zh) * 2023-04-18 2023-09-15 成都捷科思石油天然气技术发展有限公司 一种深度域地震子波提取方法
CN116840916A (zh) * 2023-07-04 2023-10-03 成都理工大学 一种地震速度信号和加速度信号联合子波提取方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006266940A (ja) * 2005-03-24 2006-10-05 Sekisui Chem Co Ltd 入力地震動の推定方法
CN101329407A (zh) * 2007-06-20 2008-12-24 中国石油天然气集团公司 一种快速转换波直接模拟以确定地层岩性、岩相变化的方法
US8010293B1 (en) * 2007-10-29 2011-08-30 Westerngeco L. L. C. Localized seismic imaging using diplets
US20120253758A1 (en) * 2011-03-31 2012-10-04 Lazaratos Spyridon K Method of Wavelet Estimation and Multiple Prediction In Full Wavefield Inversion
WO2014084945A1 (en) * 2012-11-28 2014-06-05 Exxonmobil Upstream Resarch Company Reflection seismic data q tomography
CN106094019A (zh) * 2016-04-12 2016-11-09 中国石油化工股份有限公司 基于地质信息映射的深度域地层结构反演方法
CN106443768A (zh) * 2016-12-14 2017-02-22 成都理工大学 一种叠前深度域合成地震记录制作方法
CN106873038A (zh) * 2017-03-15 2017-06-20 成都理工大学 一种从深度域地震数据中提取深度域地震子波的方法
CN107329171A (zh) * 2017-06-07 2017-11-07 中国石油天然气股份有限公司 深度域储层地震反演方法及装置
CN108459350A (zh) * 2018-03-07 2018-08-28 成都理工大学 一种深度域地震子波提取与地震记录合成的一体化方法
CN110146923A (zh) * 2019-07-03 2019-08-20 成都理工大学 一种高效的高精度深度域地震子波提取方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006266940A (ja) * 2005-03-24 2006-10-05 Sekisui Chem Co Ltd 入力地震動の推定方法
CN101329407A (zh) * 2007-06-20 2008-12-24 中国石油天然气集团公司 一种快速转换波直接模拟以确定地层岩性、岩相变化的方法
US8010293B1 (en) * 2007-10-29 2011-08-30 Westerngeco L. L. C. Localized seismic imaging using diplets
US20120253758A1 (en) * 2011-03-31 2012-10-04 Lazaratos Spyridon K Method of Wavelet Estimation and Multiple Prediction In Full Wavefield Inversion
WO2014084945A1 (en) * 2012-11-28 2014-06-05 Exxonmobil Upstream Resarch Company Reflection seismic data q tomography
CN106094019A (zh) * 2016-04-12 2016-11-09 中国石油化工股份有限公司 基于地质信息映射的深度域地层结构反演方法
CN106443768A (zh) * 2016-12-14 2017-02-22 成都理工大学 一种叠前深度域合成地震记录制作方法
CN106873038A (zh) * 2017-03-15 2017-06-20 成都理工大学 一种从深度域地震数据中提取深度域地震子波的方法
CN107329171A (zh) * 2017-06-07 2017-11-07 中国石油天然气股份有限公司 深度域储层地震反演方法及装置
CN108459350A (zh) * 2018-03-07 2018-08-28 成都理工大学 一种深度域地震子波提取与地震记录合成的一体化方法
US20190277993A1 (en) * 2018-03-07 2019-09-12 Chengdu University Of Technology Integrated method for estimation of seismic wavelets and synthesis of seismic records in depth domain
CN110146923A (zh) * 2019-07-03 2019-08-20 成都理工大学 一种高效的高精度深度域地震子波提取方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
BULAND A. AND MORE H.: "Bayesian wavelet estimation from seismic and well data", 《GEOPHYSICS》 *
张雪建等: "深度域合成地震记录的制作方法研究", 《石油地球物理勘探》 *
杨国权等: "井间地震资料层位标定方法研究", 《石油物探》 *
王永刚等: "井间地震资料深度域合成记录的制作方法", 《石油大学学报(自然科学版)》 *
董文涛: "叠前纵横波联合反演方法优化与应用", 《中国优秀博硕士学位论文全文数据库(硕士)基础科学辑》 *
陈学华: "深度域地震子波的优化提取方法", 《中国地球科学联合学术年会2017》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114545523A (zh) * 2022-02-25 2022-05-27 成都理工大学 一种深度域测井和地震数据的直接标定方法
CN114545523B (zh) * 2022-02-25 2023-03-24 成都理工大学 一种深度域测井和地震数据的直接标定方法
CN116755141A (zh) * 2023-04-18 2023-09-15 成都捷科思石油天然气技术发展有限公司 一种深度域地震子波提取方法
CN116755141B (zh) * 2023-04-18 2024-03-29 成都捷科思石油天然气技术发展有限公司 一种深度域地震子波提取方法
CN116840916A (zh) * 2023-07-04 2023-10-03 成都理工大学 一种地震速度信号和加速度信号联合子波提取方法
CN116840916B (zh) * 2023-07-04 2024-03-26 成都理工大学 一种地震速度信号和加速度信号联合子波提取方法

Also Published As

Publication number Publication date
CN111708083B (zh) 2022-04-15

Similar Documents

Publication Publication Date Title
CN111708083B (zh) 一种基于模型的深度域地震子波提取方法
CN101893698B (zh) 噪声源测试分析方法及其装置
Sun et al. A noise attenuation method for weak seismic signals based on compressed sensing and CEEMD
CN110146923B (zh) 一种高效的高精度深度域地震子波提取方法
Ma et al. Joint processing of forward and backward extended Prony and weighted spectral semblance methods for robust extraction of velocity dispersion data
Guo et al. Research on a multiscale denoising method for low signal-to-noise magnetotelluric signal
Wu et al. Applications of the trace transform in surface wave attenuation on seismic records
Wang et al. Application of a new wavelet threshold method in unconventional oil and gas reservoir seismic data denoising
CN110988990A (zh) 一种高精度的地震属性反演方法
Li et al. Magnetotelluric noise suppression via convolutional neural network
CN109991661B (zh) 油气检测方法及装置
CN110941028B (zh) 一种对碳酸盐岩溶蚀孔洞型地热能储层位置进行定位的方法和系统
CN114265118A (zh) 一种用于海上随钻声波测井时差提取方法、装置及系统
Park et al. Study on acoustic impedance conversion using an optimal chirplet analyzed in chirp SBP raw data
US4837752A (en) Method for establishing a common bandwidth for processing seismic data obtained from different sources, recording equipment and surveys
Chen et al. Coal mine microseismic identification and first-arrival picking based on Conv-LSTM-Unet
Yao et al. Automatic P-Wave Arrival Picking based on Inaction Method
CN110858004B (zh) 基于标准地震道频谱相关性差异的信噪比评价方法及系统
Qin et al. A De-Noising Method for Microseismic Signal Based on the Synchrosqueezing Transform in the Time-Frequency Domain
CN111665536A (zh) 基于微测井子波定量化约束的井深设计方法
Zhao et al. The 3D global pre-stack seismic inversion in the time-frequency mixed domain
CN116520419B (zh) 一种热流体裂缝通道识别方法
Gaci Seismic signal denoising using empirical mode decomposition
CN110673211B (zh) 一种基于测井与地震数据的品质因子建模方法
CN112558147B (zh) 一种井中微地震数据的偏振分析方法及系统

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