CN112213774B - 一种浅层q模型估计方法及装置 - Google Patents
一种浅层q模型估计方法及装置 Download PDFInfo
- Publication number
- CN112213774B CN112213774B CN202010574604.2A CN202010574604A CN112213774B CN 112213774 B CN112213774 B CN 112213774B CN 202010574604 A CN202010574604 A CN 202010574604A CN 112213774 B CN112213774 B CN 112213774B
- Authority
- CN
- China
- Prior art keywords
- shallow
- field
- trend field
- trend
- model
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 79
- 238000001514 detection method Methods 0.000 claims description 20
- 230000015654 memory Effects 0.000 claims description 13
- 238000005070 sampling Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000000452 restraining effect Effects 0.000 claims description 3
- 238000010521 absorption reaction Methods 0.000 description 24
- 230000000694 effects Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 13
- 239000011435 rock Substances 0.000 description 12
- 239000010410 layer Substances 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 230000003595 spectral effect Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000001228 spectrum Methods 0.000 description 5
- 238000001914 filtration Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000005284 excitation Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000007500 overflow downdraw method Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000003908 quality control method Methods 0.000 description 3
- 230000002238 attenuated effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000000265 homogenisation Methods 0.000 description 2
- 238000011545 laboratory measurement Methods 0.000 description 2
- 238000012067 mathematical method Methods 0.000 description 2
- 239000002344 surface layer Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G01V1/282—Application of seismic models, synthetic seismograms
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
本文提供了一种浅层Q模型估计方法及装置，其中，方法包括：根据大炮初至信息，确定浅层Q趋势场；利用所述浅层Q趋势场的第一约束算子和/或第二约束算子，对所述浅层Q趋势场进行约束，得到浅层Q模型；其中，所述浅层Q趋势场的第一约束算子根据近地表速度模型中参数与浅层Q值之间的关系确定，所述近地表速度模型中参数包括近地表速度及近地表低降速带厚度，所述浅层Q趋势场的第二约束算子根据浅层Q趋势场与野外双井微测井测得的Q值之间的差异确定。本文能够求得与实际相符、精度及横向分辨率高的浅层Q模型，同时还具有计算量小、效率高的特点。
Description
技术领域
本文涉及地震勘探技术领域，尤其涉及一种浅层Q模型估计方法及装置。
背景技术
近地表Q补偿技术，主要用于补偿由于近地表低降速带风化层造成的强烈吸收作用。它将反Q滤波应用到炮点和检波点上，根据近地表风化层的横向变化应用不同的Q补偿因子，达到补偿浅地表吸收衰减和提高资料空间一致性的目的。
准确求取近地表品质因子Q值是构建浅层Q模型、实施浅层Q补偿以提高地震资料分辨率的重要前提。
现有技术中，从应用角度，可将Q值估算划分为三种方法：实验室测量、双井微测井测量及大炮初至信息估计方法。
实验室测量依据岩石的应力-应变等特征来测量岩石的Q值，因受岩石样本自身局限性及测量频率与地震勘探频率的非一致性等因素影响，加之浅地表存在未成岩岩石，使得实验室测得的Q值存在与实际勘探测得的Q值不一致的问题。
双井微测井测量是在降速层下激发子波，分别在降速层和地表放置检波器接受地震子波，通过数学方法求取检波器位置的Q值，求取Q值的过程包括：先基于双井微测井数据，利用谱比法求取Q值；然后，通过拟合方法得到纵波速度与Q值之间的关系式；最后，结合表层速度结构、纵波速度与Q值的关系式建立浅层Q模型。双井微测井测量的方法因所测密度范围有限(一般为2km x 2km)，存在难以精准描述Q值横向变化的问题，且该种方法存在拟合不收敛及未考虑近地表风化层厚度对地震子波吸收衰减影响的问题。
大炮初至信息估计的方法主要是设计一未衰减的标准子波，根据标准子波，通过数学方法(质心频率法或频谱比法)来求取每个大炮初至的Q值，然后通过地表一致性的分解得到每个炮点和检波点位置的Q值。大炮初至信息估计的方法存在的问题为：1)初至波是经过传播(包括反射和回折)后的子波，往往不能代表某个位置对地震子波吸收衰减信息；2)初至波(地震道数)远大于炮点和检波点数量，因此，从海量数据中求取炮点和检波点位置Q值存在多解性，而且求取的炮点和检波点位置Q值是相对的平均效应，会造成最终的Q体横向分辨率低的问题；3)工作量大。
发明内容
本文用于解决现有技术中浅层Q模型估计存在与实际情况不符、精度及分辨率低、工作量大、求取效率低的问题。
本文的第一方面提供一种浅层Q模型估计方法，包括：
根据大炮初至信息，确定浅层Q趋势场；
利用所述浅层Q趋势场的第一约束算子和/或第二约束算子，对所述浅层Q趋势场进行约束，得到浅层Q模型；
其中，所述浅层Q趋势场的第一约束算子根据近地表速度模型中参数与浅层Q值之间的关系确定，所述近地表速度模型中参数包括近地表速度及近地表低降速带厚度，所述浅层Q趋势场的第二约束算子根据所述浅层Q趋势场与野外双井微测井测得的Q值之间的差异确定。
浅层Q模型估计方法的进一步实施例中，根据大炮初至信息，确定浅层Q趋势场，包括：
根据大炮初至信息，计算每一炮点和检波点位置的Q估计值；
对所述炮点和检波点位置的Q估计值进行预处理，得到浅层Q趋势场。
浅层Q模型估计方法的进一步实施例中，根据大炮初至信息，计算每一炮点和检波点位置的Q估计值，包括：
根据大炮初至信息，确定共炮点道集和共检波点道集；
拉平近炮点预定偏移距范围内的共炮点道集和拉平近检波点预定偏移距范围内的共检波点道集；
根据理想子波和拉平后的共炮点道集和共检波点道集，求取所述炮点和检波点位置的Q估计值。
浅层Q模型估计方法的进一步实施例中，根据近地表速度模型中参数与浅层Q值之间的关系，确定所述浅层Q趋势场的第一约束算子，包括：
根据近地表速度模型，确定所述浅层Q趋势场各点的近地表速度和近地表低降速带厚度；
根据所述浅层Q趋势场各点的近地表速度及近地表低降速带厚度，构造所述浅层Q趋势场的第一约束算子，使得近地表平均速度与浅层Q值成正比、近地表低降速带厚度与所述浅层Q值成反比。
浅层Q模型估计方法的进一步实施例中，根据所述浅层Q趋势场各点的近地表速度及近地表低降速带厚度，构造所述浅层Q趋势场的第一约束算子，包括利用如下公式确定所述浅层Q趋势场的第一约束算子：
其中，A为浅层Q趋势场的第一约束算子，vi为浅层Q趋势场任一点深度域每一个采样点i的低降速带速度；zi为深度域每一个采样点i的低降速带厚度，n为高速顶界面到浅层Q趋势场任一点位置的采样点数。
浅层Q模型估计方法的进一步实施例中，根据所述浅层Q趋势场与野外双井微测井测得的Q值之间的差异，确定所述浅层Q趋势场的第二约束算子，包括：
计算浅层Q趋势场中野外双井微测井位置的Q值与双井微测井测得的Q值之间的比例关系；集合所有双井微测井位置处的上述比例关系得到第二约束算子；或
对浅层Q趋势场中野外双井微测井位置的Q值与双井微测井测得的Q值做线性拟合，将拟合后得到的斜率作为第二约束算子。
浅层Q模型估计方法的进一步实施例中，利用所述浅层Q趋势场的第一约束算子和第二约束算子，对所述浅层Q趋势场进行约束，得到浅层Q模型，包括利用如下公式确定所述浅层Q模型：
其中，Qf为浅层Q模型，X为设定值，α为调节因子，范围为0-X，A为第一约束算子，B为第二约束算子，Qs为浅层Q趋势场。
本文的第二方面提供一种浅层Q模型估计装置，包括：
Q值预估模块，用于根据大炮初至信息，确定浅层Q趋势场；
第一约束模块，用于根据近地表速度模型中参数与浅层Q值之间的关系，确定所述浅层Q趋势场的第一约束算子，其中，所述近地表速度模型中参数包括近地表速度及近地表低降速带厚度；
第二约束模块，用于根据所述浅层Q趋势场与野外双井微测井测得的Q值之间的差异，确定所述浅层Q趋势场的第二约束算子；
估计模块，用于利用所述浅层Q趋势场的第一约束算子和/或第二约束算子，对所述浅层Q趋势场进行约束，得到浅层Q模型。
本文的第三方面提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现前述任一实施例所述的浅层Q模型估计方法。
本文的第四方面提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行计算机程序，所述计算机程序被处理器执行时实现前述任一实施例所述的浅层Q模型估计方法。
本文提供的浅层Q模型估计方法、装置、计算机设备及计算机设备存储介质，利用近地表速度模型得到的第一约束算子和利用浅层Q趋势场与野外双井微测井测得的Q值之间的差异得到的第二约束算子，对根据大炮初至信息得到的浅层Q趋势场进行约束，能够求得与实际相符、精度及横向分辨率高的浅层Q模型，同时还具有计算量小、效率高的特点。
为让本文的上述和其他目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附图式，作详细说明如下。
附图说明
为了更清楚地说明本文实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本文的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示出了本文实施例的浅层Q模型估计方法的第一流程图；
图2示出了本文实施例的确定浅层Q趋势场的流程图；
图3示出了本文实施例的线性拉平后共检波点道集的示意图；
图4示出了本文实施例的浅层Q趋势场的示意图；
图5示出了本文实施例的确定第一约束算子的流程图；
图6示出了本文实施例的近地表速度模型的切片示意图；
图7示出了本文实施例的第一约束算子的平面示意图；
图8示出了本文实施例的浅层Q模型估计方法的第二流程图；
图9示出了本文实施例的浅层Q模型估计方法的第三流程图；
图10示出了本文具体实施例的浅层Q模型示意图；
图11示出了本文具体实施例的地表高程示意图；
图12A示出了本文具体实施例的未应用浅层Q补偿的地震资料叠加剖面的示意图；
图12B示出了本文具体实施例的应用浅层Q补偿后地震资料叠加剖面的示意图；
图13示出了本文具体实施例的浅层Q补偿前后的地震资料叠加剖面的频谱对比图；
图14示出了本文实施例的浅层Q模型估计装置的结构图；
图15示出了本文实施例的计算机设备的结构图。
具体实施方式
为了使本文的技术特点及效果更加明显，下面结合附图对本文的技术方案做进一步说明，本文也可有其他不同的具体实例来加以说明或实施，任何本领域技术人员在权利要求范围内做的等同变换均属于本文的保护范畴。
图1示出了本文实施例的浅层Q模型估计方法的第一流程图。本实施例提供的浅层Q模型估计方法考虑到近地表速度与近地表低降速带厚度对地震子波吸收衰减的影响，采用多信息融合方法将大炮初至估计Q值、近地表速度模型中参数(即近地表速度与近地表低降速带厚度)与浅层Q值之间的关系融合起来，能够使得确定出的浅层Q模型与实际情况相符，且能提高浅层Q模型的横向分辨率，减少计算量，提高浅层Q模型的求取效率。具体的，浅层Q模型估计方法包括：
步骤110，根据大炮初至信息，确定浅层Q趋势场。
本文利用大炮初至信息确定浅层Q趋势场能够提高浅层Q模型的可靠性。
大炮初至信息是于地震勘探过程中由检波点位置的检波器检测到的地震子波(即初至波)信息。
浅层Q趋势场中各点值为浅层Q值，浅层Q值用于评价岩石的性质，是用来表征岩石对地震子波吸收衰减作用的因子，岩石对地震子波吸收衰减作用指的是地震子波通过岩石后，其能量会衰减一部分，一般来说，通过坚硬、密度大的岩石地震子波能量衰减较少，即吸收作用弱，通过相对松软、密度小的岩石地震子波能量衰减快，即吸收作用强。浅层Q值还用于反映岩石中含流体的状态。利用浅层Q值可以设计数据滤波来补偿地震波通过岩石后的吸收衰减作用，浅层Q值被定义为如下表达式的倒数：
其中，ΔE为每个强迫震动周期中的能量损失，E为一个强迫震动周期中的峰值能量密度。浅层Q值可以用来表示能量损失的倒数，Q值越大，表示传播过程中能量的损耗越小。
步骤120，根据近地表速度模型中参数与浅层Q值之间的关系，确定所述浅层Q趋势场的第一约束算子，其中，近地表速度模型中参数包括近地表速度和近地表低降速带厚度。
近地表速度模型可通过对大炮初至信息进行层析反演得到，本文对其具体建立过程不作限定。根据野外实验测量发现，近地表速度越低，对地震子波的吸收衰减作用越强，对应的浅层Q值越小，近地表低降速带厚度越厚，对地震子波的吸收衰减所用越强，对应的浅层Q值越小。基于此，可以确定近地表速度和近地表低降速带厚度与浅层Q值之间的关系为：近地表平均速度与浅层Q值成正比，近地表低降速带厚度与浅层Q值成反比。
本文通过利用近地表速度、近地表低降速带厚度对浅层Q趋势场进行约束，能够提高浅层Q趋势场的横向分辨率。
步骤130，利用所述浅层Q趋势场的第一约束算子，对所述浅层Q趋势场进行约束，得到浅层Q模型。具体实施时，利用如下公式实现第一约束算子对浅层Q模型的约束，得到浅层Q模型：
Qf＝AQs
Qf为浅层Q模型，A为第一约束算子，Qs为浅层Q趋势场。
利用本实施例计算得到的浅层Q模型进行浅层Q补偿，将反Q滤波应用到炮点和检波点上，能够有效的补偿由于近地表低降速带风化层造成的强烈吸收作用。
本文一实施例中，如图2所示，上述步骤110根据大炮初至信息，确定浅层Q趋势场包括：
步骤210，根据大炮初至信息，计算每一炮点和检波点位置的Q估计值。
步骤220，对所述炮点和检波点位置的Q估计值进行预处理，得到浅层Q趋势场。
具体的，步骤210包括：
步骤211，根据大炮初至信息，确定共炮点道集和共检波点道集。大炮初至信息为由炮点处产生的地震波经过吸收衰减后的地震子波信息。共炮点道集指的是不同检波点处检波器检测到的来自同一炮点的地震道(地震道是由一系列地震波形道组成的，每一地震道是一个一维的信号道)的集合，其中，炮点为震源激发的位置，即激发地震波的位置。共检波点道集指的是一检波点处检波器检测到的来自不同炮点的地震道的集合，其中，检波点为检波器的安装位置，即接收地震波的位置。
步骤212，拉平近炮点预定偏移距范围内的共炮点道集，拉平近检波点预定偏移距范围内的共检波点道集。近炮点/检波点预定偏移距范围例如为炮点/检波点0～500m的范围，例如，如图3中矩形框内所示，拉平的是近偏移距为500m范围内的共检波点道集。
本文通过拉平炮点/检波点预定近偏移距范围的共炮点道集/共检波点道集，能够减少近地表低降速带及近地表反射对地震波衰减的影响，提高Q估计值的可靠性并减少计算量。
步骤213，根据理想子波和拉平后的共炮点道集和共检波点道集，求取所述炮点和检波点位置的Q估计值。具体的，步骤213包括：
步骤a，根据理想子波和拉平后的共炮点道集和共检波点道集，利用谱比法原理求得炮点和检波点位置每个地震道位置的Q值。详细的说，理想子波为地震激发后，没有经过地面及地下地层吸收衰减的子波，可从地震道中提取，还可以从双井微测井采集的地震子波来提取。谱比法具体计算过程可参见现有技术，此处不再详述。
步骤b，将共炮点道集对应的Q值编辑异常(编辑异常指对异常Q值进行剔除或者利用周边道进行Q插值)后求平均得到相应炮点的Q估计值，将共检波点道集对应的Q值编辑异常后求平均得到相应检波点的Q估计值。
具体的，步骤220包括：
步骤A，对每个炮点和检波点位置的Q估计值进行均一化处理；
步骤B，对均一化处理后的炮点和检波点位置的Q估计值进行插值和平滑处理，得到浅层Q趋势场。详细的说，插值和平滑处理的方法可参见现有技术，此处不再详述。
浅层Q趋势场中记录有多点的浅层Q值，为一平面上的浅层Q场，代表了近地表对地震子波的吸收衰减信息。利用本实施例求取的浅层Q趋势场如图4所示，图4中横纵坐标表示大地坐标，灰度表示浅层Q值大小，色标表示浅层Q值从上至下越来越大。
本文一实施例中，如图5所示，根据近地表速度模型中参数与浅层Q值之间的关系，确定所述浅层Q趋势场的第一约束算子，包括：
步骤510，根据近地表速度模型，确定所述浅层Q趋势场各点的近地表速度及近地表低降速带厚度。详细的说，近地表速度模型的建立在地震探勘领域已为现有技术，本文不再详述其建立过程。
步骤520，根据所述浅层Q趋势场各点的近地表速度及近地表低降速带厚度，构造所述浅层Q趋势场的第一约束算子，使得近地表平均速度与浅层Q值成正比、近地表低降速带厚度与所述浅层Q值成反比。
一具体实施例中，步骤520包括利用如下公式确定所述浅层Q趋势场的第一约束算子：
其中，A为浅层Q趋势场任一点的第一约束算子，ave(v)为浅层Q趋势场任一点近地表速度，Z为浅层Q趋势场任一点低降速带厚度，vi为浅层Q趋势场任一点深度域每一个采样点i的低降速带速度；zi为深度域每一个采样点i的低降速带厚度，n为高速顶界面到浅层Q趋势场任一点位置的采样点数。
浅层Q趋势场中各点的第一约束算子均可通过上述公式计算得到。
如图6及图7所示，图6示出了本文实施例的近地表速度模型的切片示意图，图6中灰度表示近地表速度，横坐标为沿着检波线方向的大地坐标，纵坐标为深度，图6中横线601代表地表，横线602代表高速顶界面，带箭头的垂线为高速顶界面到地表的距离。图7示出了本文实施例的第一约束算子的平面示意图，图7中，灰度表示第一约束因子值，横纵坐标表示大地坐标，色标表示第一约束因子值，从上到下，第一约束因子值越来越大，图7中保持了近地表速度及高程信息，同时具有相对较高的横向分辨率。
图8示出了本文实施例的浅层Q模型估计方法的第二流程图。本实施例提供的浅层Q模型估计方法考虑到大炮初至估计Q值与野外双井微测井得到的Q值之间的差异，采用多信息融合方法将大炮初至估计Q值与野外双井微测井得到的Q值融合起来，能够使得确定的浅层Q模型与实际情况相符，且能提高浅层Q模型的精度，减少计算量，提高浅层Q模型的求取效率。具体的，浅层Q模型估计方法包括：
步骤810，根据大炮初至信息，确定浅层Q趋势场。详细的说，步骤810的具体实施过程可参见图2所示实施例，此处不再详述。
步骤820，根据所述浅层Q趋势场与野外双井微测井测得的Q值之间的差异，确定所述浅层Q趋势场的第二约束算子。
详细的说，野外双井微测井的测量方法为野外施工中使用的一种测量近地表层吸收衰减作用的方法，通过在两口微测井中放置激发炸药和检波器接收衰减前和衰减后的地震子波来计算Q值。
浅层Q趋势场与野外双井微测井测得的Q值之间的差异指的是浅层Q趋势场中双井微测井位置的Q值与双井微测井测得的Q值之间的比例关系。
具体实施时，可通过如下两种方法确定第二约束算子：
(1)计算浅层Q趋势场中各野外双井微测井位置处的Q值与双井微测井测得的Q值之间的比例关系，将计算得到的比例关系作为双井微测井位置的第二约束算子值，集合所有计算得到的上述比例关系，得到第二约束算子。
(2)具体实施时，若双井微测井测得的Q值较少，则可对浅层Q趋势场中双井微测井位置的Q值与双井微测井测得的Q值做线性拟合，将拟合后得到的斜率作为第二约束算子。
本文通过利用第二约束算子约束浅层Q趋势场，能够使得步骤830得到的浅层Q模型具有较高的精度。
步骤830，利用所述浅层Q趋势场的第二约束算子，对所述浅层Q趋势场进行约束，得到浅层Q模型。具体实施时，利用如下公式实现第二约束算子对浅层Q模型的约束，得到浅层Q模型：
Qf＝BQs
Qf为浅层Q模型，B为第二约束算子，QS为浅层Q趋势场。
图9示出了本文实施例的浅层Q模型估计方法的第三流程图。本实施例提供的浅层Q模型估计方法既考虑了近地表速度与近地表低降速带厚度对地震子波吸收衰减的影响，也考虑了计算得到的浅层Q趋势场与野外双井微测井得到的Q趋势场之间的差异，采用多信息融合方法将大炮初至计算得到的Q趋势场与近地表速度及近地表低降速带厚度与浅层Q值之间的关系、以及野外双井微测井得到的Q趋势场融合起来，能够使得确定的浅层Q模型与实际情况相符，且能提高浅层Q模型的横向分辨率及精度，减少计算量，提高浅层Q模型的求取效率。具体的，浅层Q模型估计方法包括：
步骤910，根据大炮初至信息，确定浅层Q趋势场。详细的说，步骤810的具体实施过程可参见图2所示实施例，此处不再详述。
步骤920，根据近地表速度模型中参数与浅层Q值之间的关系，确定所述浅层Q趋势场的第一约束算子。第一约束算子的具体确定过程参见图5所示实施例，此处不再详述。
步骤930，根据所述浅层Q趋势场与野外双井微测井测得的Q值之间的差异，确定所述浅层Q趋势场的第二约束算子。
详细的说，浅层Q趋势场与野外双井微测井测得的Q值之间的差异指的是浅层Q趋势场中双井微测井位置的Q值与双井微测井测得的Q值之间的比例关系。具体实施时，可通过如下两种方法确定：
(1)计算浅层Q趋势场中各野外双井微测井位置处的Q值与双井微测井得到Q值之间的比例关系，将计算得到的比例关系作为双井微测井位置的第二约束算子值，集合所有计算得到的上述比例关系，得到第二约束算子。
(2)具体实施时，若双井微测井测得的Q值较少，还则可对浅层Q趋势场中双井微测井位置的Q值与双井微测井测得的Q值做线性拟合，将拟合后得到的斜率作为第二约束算子。
步骤940，利用所述浅层Q趋势场的第一约束算子和第二约束算子，对所述浅层Q趋势场进行约束，得到浅层Q模型。如图10所示，图10为通过第一约束算子和第二约束算子双重约束后得到的浅层Q模型，图中坐标为大地坐标，灰度表示Q值，色标表示浅层Q值大小，从上至下，浅层Q值越来越大，从图10可以看出其横向分辨率大幅度提高。
具体实施时，利用如下公式实现第一约束算子和第二约束算子对浅层Q模型的约束，得到浅层Q模型：
其中，Qf为浅层Q模型，X为设定值，α为调节因子，范围为0-X，A为第一约束算子，B为第二约束算子，Qs为浅层Q趋势场。
调节因子α用于控制浅层Q模型是由第一约束算子A主导还是以第二约束算子B主导。为了确保实际补充效果最佳，会通过验证的方式调整调节因子α大小。
本文一实施例中，得到浅层Q模型之后还包括：对浅层Q模型的应用效果进行质量控制。若质量控制效果不佳，则利用预先设定的步长(例如每次增加0.1X或减少0.1X等，本文对具体步长不做限定)调整上述调节因子，直至质量控制满足需求为止。
实施时，质量控制可以采用如下两种方法实现：
第一种：通过野外实际观测确定近地表高程，根据近地表高程分析浅层Q模型的精度。近地表高程反映近地表低降速带厚度，而近地表低降速带厚度与浅层Q值存下如下关系：近地表某点的低降速带厚度越大，对地震子波的吸收衰减作用越强，对应的该点位置的浅层Q值越小；近地表某点的低降速带厚度越小，对地震子波的吸收衰减作用越小，对应的该点位置的浅层Q值越大。
一具体实施例中，如图10及图11所示，图10示出了采用本文所述方法建立的浅层Q模型示意图，色标表示浅层Q值大小，从上至下，浅层Q值越来越大。图11示出了本文具体实施例的野外确定的地表高程图，色标表示高程值，从上至下，高程越来越小。通过对比图10及图11可知，农田等稀松土壤地区(图11弯曲线状区域周围的深色区域，对应的色标值11至14范围的区域)的Q值相对偏小，河床(图11中弯曲线状区域，对应色标值5至6范围的区域)等低速层厚度小的地区Q值相对较大(图10中弯弯曲曲的线状区域)，上述分析结果与低降速带厚度与Q值之间的关系一致，可以说明，本文得到的浅层Q模型与实际情况相符。
第二种：通过实际补偿效果来确定本文得到的浅层Q模型的精度及分辨率。现有技术中通过反Q滤波的方式来补偿地震波的高频衰减，补偿后高频成分增加，同时会不可避免激发高频噪声影响资料信噪比水平。通过本文浅层Q补偿方法可以有效弥补由于近地表差异引起的空间上子波空间不一致的问题，拓宽频带的同时可以很好的保持地震资料的信噪比水平。
如图12A及图12B所示，图12A示出了本文具体实施例的未应用浅层Q补偿的地震资料叠加剖面的示意图，图12B示出了本文具体实施例的应用浅层Q补偿后地震资料叠加剖面的示意图，图12A及图12B中的横坐标为沿着地震测线方面的面元点号(相当于大地坐标)，纵坐标为双程旅行时，地震资料叠加剖面图可通过地震资料处理的方式得到。对比图12A及图12B所示地震资料叠加剖面图可知，经过本文计算得到的浅层Q模型补偿之后，地下有效反射层中高频成本得到有效恢复(如图12B中箭头位置所示)，同相叠加效果好，分辨率更高，同时保持了资料信噪比。
如图13所示，图13示出了本文具体实施例的浅层Q补偿前后的地震资料叠加剖面图中不同区域的频谱对比图，频谱对比图中横坐标为频率，纵坐标为分贝(db)。时窗1代表近地表吸收衰减作用较弱区域，时窗2代表近地表吸收衰减作用较强的区域。时窗1对应的频谱图中曲线1201表示浅层Q补偿前的频谱曲线，频宽为3Hz-60Hz，曲线1202表示应用浅层Q补偿后的频谱曲线，频宽为3Hz-90Hz，主频(即频谱极大值所对应的频率)约为43Hz。时窗2对应的频谱图中曲线1201’表示浅层Q补偿前的频谱曲线，频宽为3Hz-40Hz，曲线1202’表示应用浅层Q补偿后的频谱曲线，频宽为3Hz-80Hz，主频为约为38Hz。
由时窗1对应的频谱图中曲线1201可知，时窗1吸收衰减作用较弱。由时窗2对应的频谱图中曲线1201’可知，时窗2资料的频宽和主频更窄更低，该区域的吸收衰减作用更强。浅层Q补偿后，两个时窗的频宽和主频更加趋于一致(如频谱对比图中曲线1202及1202’所示)，有效消除了近地表Q吸收衰减作用对地震数据产生的影响，改善了子波的空间一致性，提高了地震数据的分辨率。
基于同一发明构思，本文还提供一种浅层Q模型估计装置，如下面的实施例所述。由于该装置解决问题的原理与浅层Q模型估计方法相似，因此该装置的实施可以参见浅层Q模型估计方法的实施，重复之处不再赘述。具体的，如图14所示，浅层Q模型估计装置，包括：
Q值预估模块1410，用于根据大炮初至信息，确定浅层Q趋势场。
第一约束模块1420，用于根据近地表速度模型中参数与浅层Q值之间的关系，确定所述浅层Q趋势场的第一约束算子，其中，所述近地表速度模型中参数包括近地表速度及近地表低降速带厚度。
第二约束模块1430，用于根据所述浅层Q趋势场与野外双井微测井测得的Q值之间的差异，确定所述浅层Q趋势场的第二约束算子。
估计模块1440，用于利用浅层Q趋势场的第一约束算子和/或第二约束算子，对浅层Q趋势场进行约束，得到浅层Q模型。
本文的一实施例中，Q值预估模块1410根据大炮初至信息，确定浅层Q趋势场，包括：根据大炮初至信息，计算每一炮点和检波点位置的Q估计值；对所述炮点和检波点位置的Q估计值进行预处理，得到浅层Q趋势场。
其中，根据大炮初至信息，计算每一炮点和检波点位置的Q估计值，包括：根据大炮初至信息，确定共炮点道集和共检波点道集；拉平近炮点预定偏移距范围内的共炮点道集和拉平近检波点预定偏移距范围内的共检波点道集；根据理想子波和拉平后的共炮点道集和共检波点道集，求取所述炮点和检波点位置的Q估计值。
本文一实施例中，第一约束模块1420根据近地表速度模型中参数与浅层Q值之间的关系，确定浅层Q趋势场的第一约束算子，包括：
根据近地表速度模型，确定所述浅层Q趋势场任一点的近地表速度和近地表低降速带厚度；根据所述浅层Q趋势场任一点的近地表速度及近地表低降速带厚度，构造所述浅层Q趋势场的第一约束算子，使得近地表平均速度与浅层Q值成正比、近地表低降速带厚度与所述浅层Q值成反比。
其中，根据所述浅层Q趋势场任一点的近地表速度及近地表低降速带厚度，构造所述浅层Q趋势场的第一约束算子，包括利用如下公式确定所述浅层Q趋势场的第一约束算子：
其中，A为浅层Q趋势场的第一约束算子，vi为浅层Q趋势场任一点深度域每一个采样点i的低降速带速度；zi为深度域每一个采样点i的低降速带厚度，n为高速顶界面到浅层Q趋势场任一点位置的采样点数。
本文一实施例中，第二约束模块1430根据所述浅层Q趋势场与野外双井微测井测得的Q值之间的差异，确定所述浅层Q趋势场的第二约束算子，包括：
计算浅层Q趋势场中野外双井微测井位置的Q值与双井微测井测得的Q值之间的比例关系；集合所有双井微测井位置处的上述比例关系得到第二约束算子；或
对浅层Q趋势场中野外双井微测井位置的Q值与双井微测井测得的Q值做线性拟合，将拟合后得到的斜率作为第二约束算子。
本文一实施例中，估计模块1440利用浅层Q趋势场的第一约束算子及第二约束算子，对浅层Q趋势场进行约束，得到浅层Q模型，包括利用如下公式确定所述浅层Q模型：
其中，Qf为浅层Q模型，X为设定值，α为调节因子，范围为0-X，A为第一约束算子，B为第二约束算子，Qs为浅层Q趋势场。
本文提供的浅层Q模型估计装置，利用近地表速度模型得到的浅层Q趋势场的第一约束算子和利用浅层Q趋势场与野外双井微测井测得的Q值之间的差异得到的浅层Q趋势场的第二约束算子，对根据大炮初至信息得到的浅层Q趋势场进行约束，能够求得与实际相符、精度及横向分辨率高的浅层Q模型，同时还具有计算量小、效率高的特点。
本文一实施例中，如图15所示，还提供一种计算机设备结构图。计算机设备1502可以包括一个或多个处理器1504，诸如一个或多个中央处理单元(CPU)，每个处理单元可以实现一个或多个硬件线程。计算机设备1502还可以包括任何存储器1506，其用于存储诸如代码、设置、数据等之类的任何种类的信息。非限制性的，比如，存储器1506可以包括以下任一项或多种组合：任何类型的RAM，任何类型的ROM，闪存设备，硬盘，光盘等。更一般地，任何存储器都可以使用任何技术来存储信息。进一步地，任何存储器可以提供信息的易失性或非易失性保留。进一步地，任何存储器可以表示计算机设备1502的固定或可移除部件，存储器用于存储可在处理器1504上运行的计算机程序，处理器1504执行所述计算机程序时实现前述任一实施例所述的浅层Q模型估计方法。在一种情况下，当处理器1504执行被存储在任何存储器或存储器的组合中的相关联的指令时，计算机设备1502可以执行相关联指令的任一操作。计算机设备1502还包括用于与任何存储器交互的一个或多个驱动机构1508，诸如硬盘驱动机构、光盘驱动机构等。
计算机设备1502还可以包括输入/输出模块1510(I/O)，其用于接收各种输入(经由输入设备1512)和用于提供各种输出(经由输出设备1514))。一个具体输出机构可以包括呈现设备1516和相关联的图形用户接口(GUI)1518。在其他实施例中，还可以不包括输入/输出模块1510(I/O)、输入设备1512以及输出设备1514，仅作为网络中的一台计算机设备。计算机设备1502还可以包括一个或多个网络接口1520，其用于经由一个或多个通信链路1522与其他设备交换数据。一个或多个通信总线1524将上文所描述的部件耦合在一起。
通信链路1522可以以任何方式实现，例如，通过局域网、广域网(例如，因特网)、点对点连接等、或其任何组合。通信链路1522可以包括由任何协议或协议组合支配的硬连线链路、无线链路、路由器、网关功能、名称服务器等的任何组合。
本文实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述任一浅层Q模型估计方法实施例的步骤。
本文实施例还提供一种计算机可读指令，其中当处理器执行所述指令时，其中的程序使得处理器执行上述任一浅层Q模型估计方法实施例的步骤。
应理解，在本文的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本文实施例的实施过程构成任何限定。
还应理解，在本文实施例中，术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系。例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本文的范围。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本文所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本文实施例方案的目的。
另外，在本文各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本文的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本文各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本文中应用了具体实施例对本文的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本文的方法及其核心思想；同时，对于本领域的一般技术人员，依据本文的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本文的限制。
Claims (9)
1.一种浅层Q模型估计方法，其特征在于，包括：
根据大炮初至信息，确定浅层Q趋势场；
利用所述浅层Q趋势场的第一约束算子和第二约束算子，利用如下公式对所述浅层Q趋势场进行约束，得到浅层Q模型：
其中，Qf为浅层Q模型，X为设定值，α为调节因子，范围为0-X，A为第一约束算子，B为第二约束算子，Qs为浅层Q趋势场；
其中，所述浅层Q趋势场的第一约束算子使得近地表平均速度与浅层Q值成正比、近地表低降速带厚度与所述浅层Q值成反比，其中，近地表平均速度与近地表低降速带厚度由近地表速度模型确定；
所述浅层Q趋势场的第二约束算子根据所述浅层Q趋势场与野外双井微测井测得的Q值之间的差异确定。
2.如权利要求1所述的方法，其特征在于，根据大炮初至信息，确定浅层Q趋势场，包括：
根据大炮初至信息，计算每一炮点和检波点位置的Q估计值；
对所述炮点和检波点位置的Q估计值进行预处理，得到浅层Q趋势场。
3.如权利要求2所述的方法，其特征在于，根据大炮初至信息，计算每一炮点和检波点位置的Q估计值，包括：
根据大炮初至信息，确定共炮点道集和共检波点道集；
拉平近炮点预定偏移距范围内的共炮点道集；
拉平近检波点预定偏移距范围内的共检波点道集；
根据理想子波和拉平后的共炮点道集和共检波点道集，求取所述炮点和检波点位置的Q估计值。
4.如权利要求1所述的方法，其特征在于，根据近地表速度模型中参数与浅层Q值之间的关系，确定所述浅层Q趋势场的第一约束算子，包括：
根据近地表速度模型，确定所述浅层Q趋势场各点的近地表速度和近地表低降速带厚度；
根据所述浅层Q趋势场各点的近地表速度及近地表低降速带厚度，构造所述浅层Q趋势场的第一约束算子。
5.如权利要求4所述的方法，其特征在于，根据所述浅层Q趋势场各点的近地表速度及近地表低降速带厚度，构造所述浅层Q趋势场的第一约束算子，包括利用如下公式确定所述浅层Q趋势场的第一约束算子：
其中，A为浅层Q趋势场的第一约束算子，vi为浅层Q趋势场任一点深度域每一个采样点i的低降速带速度；zi为深度域每一个采样点i的低降速带厚度，n为高速顶界面到浅层Q趋势场任一点位置的采样点数。
6.如权利要求1所述的方法，其特征在于，根据所述浅层Q趋势场与野外双井微测井测得的Q值之间的差异，确定所述浅层Q趋势场的第二约束算子，包括：
计算浅层Q趋势场中野外双井微测井位置的Q值与双井微测井测得的Q值之间的比例关系；集合所有双井微测井位置处的上述比例关系得到第二约束算子；或
对浅层Q趋势场中野外双井微测井位置的Q值与双井微测井测得的Q值做线性拟合，将拟合后得到的斜率作为第二约束算子。
7.一种浅层Q模型估计装置，其特征在于，包括：
Q值预估模块，用于根据大炮初至信息，确定浅层Q趋势场；
第一约束模块，用于根据近地表平均速度及近地表低降速带厚度与浅层Q值之间的关系，确定所述浅层Q趋势场的第一约束算子，其中，所述第一约束算子使得近地表平均速度与浅层Q值成正比、近地表低降速带厚度与所述浅层Q值成反比，其中，近地表平均速度与近地表低降速带厚度由近地表速度模型确定；
第二约束模块，用于根据所述浅层Q趋势场与野外双井微测井测得的Q值之间的差异，确定所述浅层Q趋势场的第二约束算子；
估计模块，用于利用所述浅层Q趋势场的第一约束算子和第二约束算子，利用如下公式对所述浅层Q趋势场进行约束，得到浅层Q模型：
其中，Qf为浅层Q模型，X为设定值，α为调节因子，范围为0-X，A为第一约束算子，B为第二约束算子，Qs为浅层Q趋势场。
8.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的浅层Q模型估计方法。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有执行计算机程序，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的浅层Q模型估计方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010574604.2A CN112213774B (zh) | 2020-06-22 | 2020-06-22 | 一种浅层q模型估计方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010574604.2A CN112213774B (zh) | 2020-06-22 | 2020-06-22 | 一种浅层q模型估计方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112213774A CN112213774A (zh) | 2021-01-12 |
| CN112213774B true CN112213774B (zh) | 2024-06-04 |
Family
ID=74058809
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010574604.2A Active CN112213774B (zh) | 2020-06-22 | 2020-06-22 | 一种浅层q模型估计方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112213774B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024087002A1 (en) * | 2022-10-25 | 2024-05-02 | Saudi Arabian Oil Company | Methods and systems for determining attenuated traveltime using parallel processing |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5105391A (en) * | 1990-10-31 | 1992-04-14 | Exxon Production Research Company | Method for high-resolution seismic recording using detectors planted at shallow depths |
| CN102590864A (zh) * | 2011-12-31 | 2012-07-18 | 中国石油集团西北地质研究所 | 两步法层析反演近地表建模方法 |
| CN106646601A (zh) * | 2016-12-28 | 2017-05-10 | 中国石油化工股份有限公司 | 多信息联合约束的浅中深层三维q体建立方法 |
| CN108121018A (zh) * | 2017-11-30 | 2018-06-05 | 中国石油天然气集团公司 | 检波点定位准确度评价方法和装置 |
| CN109001813A (zh) * | 2018-07-16 | 2018-12-14 | 中国石油天然气股份有限公司 | 一种压制多次波的方法、装置及系统 |
| CN110244383A (zh) * | 2019-06-27 | 2019-09-17 | 中国石油化工股份有限公司 | 基于近地表数据的地质岩性综合模型创建方法 |
-
2020
- 2020-06-22 CN CN202010574604.2A patent/CN112213774B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5105391A (en) * | 1990-10-31 | 1992-04-14 | Exxon Production Research Company | Method for high-resolution seismic recording using detectors planted at shallow depths |
| CN102590864A (zh) * | 2011-12-31 | 2012-07-18 | 中国石油集团西北地质研究所 | 两步法层析反演近地表建模方法 |
| CN106646601A (zh) * | 2016-12-28 | 2017-05-10 | 中国石油化工股份有限公司 | 多信息联合约束的浅中深层三维q体建立方法 |
| CN108121018A (zh) * | 2017-11-30 | 2018-06-05 | 中国石油天然气集团公司 | 检波点定位准确度评价方法和装置 |
| CN109001813A (zh) * | 2018-07-16 | 2018-12-14 | 中国石油天然气股份有限公司 | 一种压制多次波的方法、装置及系统 |
| CN110244383A (zh) * | 2019-06-27 | 2019-09-17 | 中国石油化工股份有限公司 | 基于近地表数据的地质岩性综合模型创建方法 |
Non-Patent Citations (2)
| Title |
|---|
| 利用多项式拟合质心频移法估算近地表Q值;罗勇;毛海波;薛为平;蒋立;夏丽娜;王顺国;;石油地球物理勘探;20160615(第03期);第549-595页 * |
| 杨智超.《天然气勘探与开发》.2018,第2节，第4节，图1. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112213774A (zh) | 2021-01-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109425896B (zh) | 白云岩油气储层分布预测方法及装置 | |
| US10705238B2 (en) | Method and apparatus for processing seismic data | |
| CN102937720B (zh) | 井控提高地震资料分辨率的方法 | |
| CN105425292A (zh) | 一种油气预测方法及装置 | |
| CN107462924B (zh) | 一种不依赖于测井资料的绝对波阻抗反演方法 | |
| CN111123354A (zh) | 基于频变反射振幅衰减预测致密气层的方法及设备 | |
| CN106443774A (zh) | 一种提高起伏地表叠前深度偏移成像精度的方法 | |
| CN109655918B (zh) | 地面浅井微地震监测观测台站位置确定方法及系统 | |
| CN113341455B (zh) | 一种粘滞各向异性介质地震波数值模拟方法、装置及设备 | |
| CN105954803B (zh) | 叠后地震反演方法及装置 | |
| CN110095811B (zh) | 膏岩层速度模型构建处理方法及装置 | |
| CN112213774B (zh) | 一种浅层q模型估计方法及装置 | |
| CN111665556B (zh) | 地层声波传播速度模型构建方法 | |
| CN111077567A (zh) | 一种基于矩阵乘法的双程波叠前深度偏移的方法 | |
| CN112904415B (zh) | 基于重构源谱一致性的q层析反演方法、系统及处理设备 | |
| CN106574980A (zh) | 用于地下地质体的岩石性质估计的系统和方法 | |
| CN106353807A (zh) | 裂缝识别方法和装置 | |
| CN110244383B (zh) | 基于近地表数据的地质岩性综合模型创建方法 | |
| EP3259618B1 (en) | Black hole boundary conditions | |
| CN109143345A (zh) | 基于模拟退火的品质因子q非线性反演方法及系统 | |
| CN112147700A (zh) | 速度异常区的低频模型构建方法及系统 | |
| CN112630841B (zh) | 一种微地震事件检测分析方法 | |
| CN114740528A (zh) | 一种超微分拉普拉斯块约束的叠前多波联合反演方法 | |
| CN115170428A (zh) | 一种声波远探测成像图的降噪方法 | |
| CN112415601A (zh) | 表层品质因子q值的确定方法及装置 |
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 |