CN113219528A - 谱分解优势频率混合运算构造煤识别方法 - Google Patents
谱分解优势频率混合运算构造煤识别方法 Download PDFInfo
- Publication number
- CN113219528A CN113219528A CN202110395161.5A CN202110395161A CN113219528A CN 113219528 A CN113219528 A CN 113219528A CN 202110395161 A CN202110395161 A CN 202110395161A CN 113219528 A CN113219528 A CN 113219528A
- Authority
- CN
- China
- Prior art keywords
- coal
- dominant
- frequency
- tectonic
- tectonic coal
- 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
Links
- 239000003245 coal Substances 0.000 title claims abstract description 209
- 238000000354 decomposition reaction Methods 0.000 title claims abstract description 57
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000003595 spectral effect Effects 0.000 title claims description 33
- 238000001228 spectrum Methods 0.000 claims abstract description 24
- 238000004088 simulation Methods 0.000 claims abstract description 15
- 238000010521 absorption reaction Methods 0.000 claims abstract description 6
- 238000011161 development Methods 0.000 claims description 32
- 230000002159 abnormal effect Effects 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 239000010410 layer Substances 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 8
- 239000011229 interlayer Substances 0.000 claims description 8
- 230000002829 reductive effect Effects 0.000 claims description 8
- 238000010586 diagram Methods 0.000 claims description 7
- 238000011426 transformation method Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000001902 propagating effect Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 description 11
- 230000008859 change Effects 0.000 description 9
- 238000005065 mining Methods 0.000 description 8
- 238000010276 construction Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 239000011435 rock Substances 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010835 comparative analysis Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241001672694 Citrus reticulata Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000002817 coal dust Substances 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G01V1/282—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
- G01V1/307—Analysis for determining seismic attributes, e.g. amplitude, instantaneous phase or frequency, reflection strength or polarity
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
本发明涉及一种谱分解优势频率混合运算构造煤识别方法，以黏弹性地震波传播理论为指导，在正演模拟指导下，利用构造煤对高频地震波吸收衰减特征，应用谱分解优势频率混合运算方法识别出构造煤，有效提高构造煤的可识别精度，为瓦斯治理提供更加准确的依据。
Description
技术领域
本发明属于构造煤识别技术领域，具体涉及一种谱分解优势频率混合运算构造煤识别方法。
背景技术
由于我国构造复杂多变，煤层赋存地质条件差，我国煤矿有一半左右属于高瓦斯矿井和瓦斯突出矿井，瓦斯突出灾害常有发生。近年来，随着矿井开采深度不断加大，超过千米的深井日益增加，很大程度上加大了煤矿瓦斯治理安全隐患。多年的研究与实践证明：构造煤发育位置，煤层瓦斯含量高，易造成瓦斯突出。
构造煤是指在构造应力作用下煤岩产生变形从而形成具有不同结构特征的构造变形煤。构造煤发育区，尤其是塑性变形环境下形成的糜棱煤发育区，具有含气性高、渗透性低和强度低等特征，是瓦斯突出的高危区。
但是，申请人发现：现有对构造煤识别方法包括采用Q值识别方法、构造煤地震识别方法、多曲线声波重构技术识别构造煤技术。其中，
构造煤的Q值识别方法：计算不同信噪比合成地震记录的振幅属性和 Q值属性，研究结果表明，在不含噪音的情况下，两种地震属性均能有效区分原生煤和构造煤；但是随着噪音的增加，振幅属性识别构造煤的能力有所降低，而Q值属性仍能较好地区分原生煤和构造煤，可以用于有效识别构造煤，单一属性识别误差大。
构造煤地震识别方法：根据井田实际测井揭示的原生结构煤与构造煤的弹性参数，建立了2种类型共计8个构造煤地震地质模型，利用射线追踪法计算了这8个模型的地震相应特征并提取地震属性进行了对比分析，结果表明，构造煤与原生煤的地震反射特征存在明显差异，单一煤层结构情况下，构造煤厚度越大其地震剖面相应特征越明显；但是厚度对其属性特征不存在影响，双层及三层煤层结构情况下，构造煤厚度直接影响了其属性异常强度，且与构造煤发育的煤层内部部位无关，通过多组地震地质模型的正演模拟，从理论上证明了构造煤可以应用地震属性进行识别。
多曲线声波重构技术识别构造煤技术：针对单一测井曲线难以区分原生结构煤与构造煤的问题，采用测井曲线重构的方法进行研究；提出利用 Fisher准则优选测井曲线，提取密度测井曲线、人工伽马测井曲线的高频信息与声波测井曲线的低频信息进行重构,重构的拟声波曲线有利于构造煤的识别。
总的来说，目前现有的Q值识别方法、构造煤地震识别方法、多曲线声波重构技术识别构造煤技术对构造煤的识别精度不高，从而导致难以对瓦斯进行有效治理，无法避免因瓦斯突出而造成事故的发生。
发明内容
为解决现有技术中存在的上述问题，本发明提供了一种可有效提高构造煤的可识别精度，为瓦斯治理提供更加准确的依据的谱分解优势频率混合运算构造煤识别方法。
为解决上述技术问题，本发明采用如下技术方案：
本发明的一种谱分解优势频率混合运算构造煤识别方法，以黏弹性地震波传播理论为指导，在正演模拟指导下，利用构造煤对高频地震波吸收衰减特征，应用谱分解优势频率混合运算方法识别出构造煤。
进一步地，该谱分解优势频率混合运算构造煤识别方法具体包括以下步骤：
a1.地震地质模型数值模拟：采用射线追踪原理，并结合检波器和地震子波，对地震波在黏弹性介质中传播进行模拟正演，模拟得出构造煤发育位置；其中反射波的振幅减弱，且随着构造煤厚度的加大，振幅降低得越明显；
a2.对正演结果进行频谱分解识别：首先采用S变换方法对地震数据进行谱分解，然后对谱分解的剖面图进行分析，确定对构造煤反应敏感的优势高频和优势低频，接着通过优势频率混合运算提高构造煤发育区异常的数据体，最后对得到的数据体进行层面/层间属性分析、对比，识别出构造煤分布。
进一步地，所述“通过优势频率混合运算提高构造煤发育区异常的数据体”具体为：将优选的优势高频和优势低频标准化后进行相减或相除计算，以降低背景值影响，得到可以更加突出构造煤发育区异常的数据体。
进一步地，所述“对谱分解的剖面图进行分析，确定对构造煤反应敏感的优势高频和优势低频”具体为：利用谱分解剖面、调谐频率体层面、层间属性等实见构造煤分布对比，确定对构造煤反应敏感的优势高频和优势低频。
进一步地，在采用S变换方法对地震数据进行谱分解时，频谱分解频率窗口为30Hz～90Hz，频率间隔为10Hz。
进一步地，所述检波器的道距为10m，所述地震子波是40Hz的雷克子波。
本发明主要具有以下有益效果：
本发明通过上述方案即可有效提高构造煤的可识别精度，为瓦斯治理提供更加准确的依据。
附图说明
图1是本发明所述的一种谱分解优势频率混合运算构造煤识别方法的流程示意图；
图2是本发明实施例中寺家庄公司15号煤层的地质模型示意图；
图3是本发明实施例中寺家庄公司15号煤层的地质模型数值模拟剖面图；
图4是本发明实施例中寺家庄公司15号煤层的模型正演频谱分解剖面图；
图5是本发明实施例中寺家庄公司15号煤层的实见构造煤厚度等值线图；
图6是本发明实施例中寺家庄公司15号煤层的15116综采面实见构造煤分布与分频平均瞬时振幅属性平面图；
图7是本发明实施例中寺家庄公司15号煤层的15116综采面实见构造煤分布和全频与分频平均瞬时振幅对比图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
本发明所述的一种谱分解优势频率混合运算构造煤识别方法，以黏弹性地震波传播理论为指导，在正演模拟指导下，利用构造煤对高频地震波吸收衰减特征，应用谱分解优势频率混合运算方法识别出构造煤。
如图1所示，该谱分解优势频率混合运算构造煤识别方法具体包括以下步骤：
步骤100.地震地质模型数值模拟：采用射线追踪原理，并结合检波器和地震子波，对地震波在黏弹性介质中传播进行模拟正演，模拟得出构造煤发育位置；其中反射波的振幅减弱，且随着构造煤厚度的加大，振幅降低得越明显。其中，所述检波器的道距为10m，所述地震子波是40Hz的雷克子波。
步骤200.对正演结果进行频谱分解识别：首先采用S变换方法对地震数据进行谱分解，然后对谱分解的剖面图进行分析，确定对构造煤反应敏感的优势高频和优势低频，接着通过优势频率混合运算提高构造煤发育区异常的数据体，最后对得到的数据体进行层面/层间属性分析、对比，识别出构造煤分布。其中，在采用S变换方法(因为S变换使用了特殊母小波的小波变换和相位因子的乘积，它校正了小波变换因相位局部化问题造成的各频率基准不一，并且保留了小波变换的多分辨率分析特征，而且S变换的逆变换是傅立叶变换，保留了傅立叶变换的无损可逆性质，可以直接用快速傅立叶变换算法实现正反S变换的计算。)对地震数据进行谱分解时，频谱分解频率窗口为30Hz～90Hz，频率间隔为10Hz；所述“对谱分解的剖面图进行分析，确定对构造煤反应敏感的优势高频和优势低频”具体为：利用谱分解剖面、调谐频率体层面、层间属性等实见构造煤分布对比，确定对构造煤反应敏感的优势高频和优势低频；所述“通过优势频率混合运算提高构造煤发育区异常的数据体”具体为：将优选的优势高频和优势低频标准化后进行相减或相除计算，以降低背景值影响，得到可以更加突出构造煤发育区异常的数据体，即：为了突出构造煤在高频段和低频段表现的差异特征，求取归一化后的优势高频能量与低频能量的差值或比值(因为构造煤发育区对地震反射高频成分吸收强烈，对高频成分有明显的衰减作用，调谐频率体振幅的变化有可能反映煤层岩性的变化，这种变化可通过优势低频振幅能量与优势高频振幅能量的差值或比值来体现)，以消除部分背景值的影响，以此来突出构造煤分布的一种变化属性。
这样，通过本发明所述的谱分解优势频率混合运算构造煤识别方法即可有效提高构造煤的可识别精度，为瓦斯治理提供更加准确的依据。
下面通过具体实施例对本发明所述的谱分解优势频率混合运算构造煤识别方法做进一步说明，但以下实施例不应理解为对本发明权利要求的保护范围上的限制。
【实施例】
本实施例以寺家庄公司(山西阳煤寺家庄煤业有限责任公司)(以下简称为“寺家庄公司”)15号煤层为例，采用本发明所述的谱分解优势频率混合运算构造煤识别方法对15号煤层的构造煤进行识别，具体步骤如下：
1、地震地质模型数值模拟
由于寺家庄公司15号煤层埋深在300m左右，厚度一般为5m，构造煤 (主要为糜棱煤和碎粒煤)主要发育于15号煤层顶部，构造煤厚度为0～ 2m不等。结合寺家庄公司中央盘区15号煤层发育特征，设计模型长3000m、深800m，构造煤发育在300m～305m；煤层设计为：上部为0～2m局部构造煤，下部为原生煤，构造煤与原生煤总厚度为5m。煤层顶、底均为泥岩，详见图2的地质模型示意图和如下地层参数表。
地层参数表
采用射线追踪原理，检波器道距10m、地震子波为40Hz的雷克子波。依据地震波在黏弹性介质中传播进行模拟正演，模拟的结果见图3的地质模型数值模拟剖面图。从模拟结果可以看出，构造煤发育位置，反射波的振幅减弱，且随着构造煤厚度的加大，振幅降低得越明显；但是对于小于 1m的构造煤不可识别。
从正演结果频谱进行分解分析，对地质模型数值模拟结果进行频谱分解，以10Hz为间隔，把频谱分解分析、对比(详见图4的模型正演频谱分解剖面图)。
从该模型正演频谱分解剖面图可以得知，图中由黑色到白色到灰色的值逐渐降低，同时发现以下规律：
(1)同一调谐频率下，随着构造煤厚度加大，反射波能量减弱；
(2)随着调谐频率由20Hz-90Hz不断增大，反射波振幅先增大，反射波振幅在调谐频率为40Hz时最大，随后反射波振幅减小；
(3)随着构造煤厚度加大，反射波高频成分(60Hz-90Hz)剧烈衰减；
(4)上下围岩反射波频率成份也受到构造煤的影响，产生异常现象；
(5)分频体可以较为清晰地识别1m及以上的构造煤，但是对于0.2m 与0.5m构造煤识别困难，其中60Hz、70Hz调谐频率体对于0.5m厚的构造煤有肉眼可识别的异常响应。
2、构造煤发育区谱分解识别方法
构造煤识别方法的流程为：
(1)对地震数据进行谱分解：采用S变换方法对地震数据进行谱分解。
(2)对谱分解资料进行分析：利用谱分解剖面、调谐频率体层面、层间属性等实见(实见是指实际揭露的，为已知数据)构造煤分布对比，确定对构造煤反应敏感的优势高频和优势低频。
(3)优势频率混合运算提高构造煤发育区异常：将优选的优势高频和优势低频标准化后进行相减或相除计算，以降低背景值影响，得到可以更加突出构造煤发育区异常的数据体。
(4)对(3)输出的数据体进行层面/层间属性分析，对比实见构造煤分布，优选与实见构造煤匹配较好的结果。
下面对所述的谱分解优势频率混合运算构造煤识别方法进行验证。
1、井田概况
以全面揭露实见构造煤区域验证该方法的有效性。
试验区寺家庄中央盘区瓦斯相对涌出量为21.31m3/t，绝对量为 197.29m3/min，属瓦斯突出矿井，且研究区15号煤层有煤尘爆炸性。据现有的采掘资料分析，研究区15号煤层顶部普遍发育构造煤，局部区域15 号煤层底部也有构造煤发育。寺家庄矿井实践证明：当15号煤层糜棱煤厚度超过0.3m或者碎粒煤厚度超过0.5m，就极有可能有发生煤与瓦斯突出的危险，构造煤的分布严重威胁了煤矿安全开采，制约了煤矿高效开采。
2017年，矿上对该区15116综采面进行了构造煤厚度分布面测量，其测量结果见图5的构造煤厚度等值线图(图中A1线为糜棱煤厚度等值线，A2线和A3线为碎粒煤厚度等值线)。实践证明：该区南部15号煤层顶部除发育碎粒煤外，在碎粒煤下部还发育0.6m左右厚的糜棱煤，为构造煤最为发育区；该区北部构造煤相对发育厚薄较薄，一般碎粒煤厚度小于0.5m。结合该区实际情况，将碎粒煤厚度大于0.5m或者糜棱煤厚度大于0.3m的区域定为构造煤发育区(图中网格阴影区域A4)。
2、谱分解剖面分析
对试验区的保幅处理地震资料进行S变换频谱分解，频谱分解频率窗口为30Hz～90Hz，频率间隔为10Hz。
图6的15116综采面实见构造煤分布与分频平均瞬时振幅属性平面图是提取单频体15号煤层上下2ms时窗内的平均瞬时振幅与构造煤实见情况的对比分析图，图中可见由浅白色(2860-3100)到淡灰色(2380-2620) 到黑色(2140-2380)，属性值逐渐降低。从构造煤最为发育的南端看，本区构造煤在地震上变现为弱振幅、高频急剧衰减的特征。从30Hz到90Hz，南部构造煤发育区域振幅逐渐降低，北部构造煤不发育区域振幅值逐渐增加。70Hz至90Hz振幅强弱的分布与实见构造煤分布趋势更加一致。可见分频体能量的变化与构造煤厚度有关，且高频数据振幅强弱分布与实见构造煤分布匹配更好，更有利于构造煤发育区的识别。
3、优势频率混合运算识别构造煤
为了突出构造煤在高频段和低频段表现的差异特征，求取归一化后的优势高频能量与低频能量的差值或比值，以消除部分背景值的影响，以此来突出构造煤分布的一种变化属性。
图7的15116综采面实见构造煤分布和全频与分频平均瞬时振幅对比图是15号煤层上下2ms时窗内的全频、80Hz-40Hz与80Hz/40Hz平均瞬时振幅属性与实见构造煤对比。从整体上看，80Hz-40Hz与80Hz/40Hz属性分布为南部、中部值小而北部值大，这与构造煤分布大趋势一致，而全频数据的瞬时振幅并没有该规律。
从细节上看，全频属性更加突出南部糜棱煤发育区(B1线圈定范围)，表现为异常低值，但是北部构造煤欠发育区也和南部糜棱煤发育区属性值接近，而中部构造煤发育区属性值表现为高值，全频数据平均瞬时振幅属性会造成南部与中部较大范围的预测错误。80Hz-40Hz与80Hz/40Hz属性分布类似，构造煤发育区(B2网格阴影范围)基本均为属性低值区域，而构造煤欠发育区(B2网格阴影以外范围)多为属性高值区域，80Hz-40Hz 与80Hz/40Hz属性在细节上也与构造煤实见分布更加匹配，有效提高了构造煤识别的准确度。
综上可以得出：
(1)构造煤发育区对地震反射高频成分吸收强烈，对高频成分有明显的衰减作用，调谐频率体振幅的变化有可能反映煤层岩性的变化，这种变化可通过优势低频振幅能量与优势高频振幅能量的差值或比值来体现。
(2)通过在寺家庄煤矿15号煤层验证，证明谱分解优势频率混合运算可以有效提高构造煤的可识别精度，为瓦斯治理提供更加准确的依据。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
Claims (6)
1.一种谱分解优势频率混合运算构造煤识别方法，其特征在于，以黏弹性地震波传播理论为指导，在正演模拟指导下，利用构造煤对高频地震波吸收衰减特征，应用谱分解优势频率混合运算方法识别出构造煤。
2.根据权利要求1所述的谱分解优势频率混合运算构造煤识别方法，其特征在于，具体包括以下步骤：
a1.地震地质模型数值模拟：采用射线追踪原理，并结合检波器和地震子波，对地震波在黏弹性介质中传播进行模拟正演，模拟得出构造煤发育位置；其中反射波的振幅减弱，且随着构造煤厚度的加大，振幅降低得越明显；
a2.对正演结果进行频谱分解识别：首先采用S变换方法对地震数据进行谱分解，然后对谱分解的剖面图进行分析，确定对构造煤反应敏感的优势高频和优势低频，接着通过优势频率混合运算提高构造煤发育区异常的数据体，最后对得到的数据体进行层面/层间属性分析、对比，识别出构造煤分布。
3.根据权利要求2所述的谱分解优势频率混合运算构造煤识别方法，其特征在于，所述“通过优势频率混合运算提高构造煤发育区异常的数据体”具体为：将优选的优势高频和优势低频标准化后进行相减或相除计算，以降低背景值影响，得到可以更加突出构造煤发育区异常的数据体。
4.根据权利要求2或3所述的谱分解优势频率混合运算构造煤识别方法，其特征在于，所述“对谱分解的剖面图进行分析，确定对构造煤反应敏感的优势高频和优势低频”具体为：利用谱分解剖面、调谐频率体层面、层间属性等实见构造煤分布对比，确定对构造煤反应敏感的优势高频和优势低频。
5.根据权利要求2或3所述的谱分解优势频率混合运算构造煤识别方法，其特征在于，在采用S变换方法对地震数据进行谱分解时，频谱分解频率窗口为30Hz～90Hz，频率间隔为10Hz。
6.根据权利要求2或3所述的谱分解优势频率混合运算构造煤识别方法，其特征在于，所述检波器的道距为10m，所述地震子波是40Hz的雷克子波。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110395161.5A CN113219528A (zh) | 2021-04-13 | 2021-04-13 | 谱分解优势频率混合运算构造煤识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110395161.5A CN113219528A (zh) | 2021-04-13 | 2021-04-13 | 谱分解优势频率混合运算构造煤识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113219528A true CN113219528A (zh) | 2021-08-06 |
Family
ID=77087271
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110395161.5A Pending CN113219528A (zh) | 2021-04-13 | 2021-04-13 | 谱分解优势频率混合运算构造煤识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113219528A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080270033A1 (en) * | 2003-08-19 | 2008-10-30 | Apex Spectral Technology, Inc. | Methods of hydrocarbon detection using spectral energy analysis |
| CN102707317A (zh) * | 2010-10-27 | 2012-10-03 | 中国石油化工股份有限公司 | 一种利用地震波吸收衰减特征进行储层分析的方法 |
| CN103364832A (zh) * | 2013-07-01 | 2013-10-23 | 西安交通大学 | 一种基于自适应最优核时频分布的地震衰减定性估计方法 |
| RU2014118825A (ru) * | 2014-05-08 | 2014-09-27 | Алексей Алексеевич Никитин | Способ обработки и интерпретаций сейсмических данных |
| CN104360382A (zh) * | 2014-10-31 | 2015-02-18 | 中国石油化工股份有限公司 | 一种利用叠后地震数据进行油气检测的方法 |
| CN112305612A (zh) * | 2019-07-23 | 2021-02-02 | 中国海洋石油集团有限公司 | 高分辨率复谱分解时频空间域振幅随偏移距变化校正方法 |
-
2021
- 2021-04-13 CN CN202110395161.5A patent/CN113219528A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080270033A1 (en) * | 2003-08-19 | 2008-10-30 | Apex Spectral Technology, Inc. | Methods of hydrocarbon detection using spectral energy analysis |
| CN102707317A (zh) * | 2010-10-27 | 2012-10-03 | 中国石油化工股份有限公司 | 一种利用地震波吸收衰减特征进行储层分析的方法 |
| CN103364832A (zh) * | 2013-07-01 | 2013-10-23 | 西安交通大学 | 一种基于自适应最优核时频分布的地震衰减定性估计方法 |
| RU2014118825A (ru) * | 2014-05-08 | 2014-09-27 | Алексей Алексеевич Никитин | Способ обработки и интерпретаций сейсмических данных |
| CN104360382A (zh) * | 2014-10-31 | 2015-02-18 | 中国石油化工股份有限公司 | 一种利用叠后地震数据进行油气检测的方法 |
| CN112305612A (zh) * | 2019-07-23 | 2021-02-02 | 中国海洋石油集团有限公司 | 高分辨率复谱分解时频空间域振幅随偏移距变化校正方法 |
Non-Patent Citations (2)
| Title |
|---|
| 左卫华;孟凡彬;: "基于频谱分析技术预测煤与瓦斯突出带" * |
| 田拴来;: "基于三维地震频率衰减属性预测煤层瓦斯富集区――以淮北芦岭煤矿Ⅲ102、Ⅲ106采区为例" * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8923093B2 (en) | Determining the quality of a seismic inversion | |
| CN104950334B (zh) | 一种预测储层分布的方法及装置 | |
| US11740372B1 (en) | Method and system for intelligently identifying carbon storage box based on GAN network | |
| CN103792573B (zh) | 一种基于频谱融合的地震波阻抗反演方法 | |
| CN105044777B (zh) | 基于经验模态分解检测地震标志层强反射振幅消除的方法 | |
| CN105319585B (zh) | 一种利用薄层干涉振幅恢复识别油气藏的方法 | |
| CN104749621A (zh) | 基于改进s变换的相对保幅点谱模拟高分辨率处理方法 | |
| CN105093294A (zh) | 基于可变模态分解的地震波衰减梯度估计方法 | |
| Li et al. | Waveform characteristics of earthquakes induced by hydraulic fracturing and mining activities: Comparison with those of natural earthquakes | |
| CN102169188A (zh) | 一种基于Morlet谱勘测油气的方法 | |
| CN102253414B (zh) | 基于地震纹分析的储层检测方法 | |
| CN113219528A (zh) | 谱分解优势频率混合运算构造煤识别方法 | |
| CN104280773A (zh) | 利用随炮检距变化的时频谱交汇图预测薄层厚度的方法 | |
| Akinci et al. | S-wave attenuation variation and its impact on ground motion amplitudes during 2016–2017 Central Italy earthquake sequence | |
| CN112147687B (zh) | 一种储层含气性预测方法及预测系统 | |
| CN111427085B (zh) | 一种碳酸盐岩层间岩溶储层预测方法及装置 | |
| Gao et al. | An Analysis Method for Time‐, Frequency‐, and Energy‐Domain Characteristics of Downhole Microseismic Signals and Its Application | |
| Chen et al. | Application of prediction techniques in carbonate karst reservoir in tarim basin | |
| CN102967884A (zh) | 波阻抗反演数据可靠性评价方法及装置 | |
| Yao et al. | Microseismic signal denoising using simple bandpass filtering based on normal time–frequency transform | |
| CN112649852B (zh) | 火山岩vsp数据的振幅补偿方法及装置 | |
| Shykhaliyev et al. | Pre-drill overpressure prediction in the South Caspian Basin using seismic data | |
| CN107589457A (zh) | 测井资料尺度粗化的方法和装置 | |
| Minato et al. | A new model for acoustic-poroelastic coupling of compressional body and Stoneley waves at a fault zone | |
| CN104991277A (zh) | 一种利用声波速度判断火山岩含油气性的方法及装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210806 |