简介:在对浙江省某铜矿进行瞬变电磁勘查时,由于感应激发极化效应的影响,造成瞬变电磁晚期测道的数据发生倒转。采用常规的瞬变电磁数据处理方法难以处理,造成晚期测道数据不可用,影响TEM的探测深度及精度。针对这个情况,采用Cole—Cole模型分析了均匀半空间模型中直流电阻率、充电率、时间常数以及频率相关系数对磁性源瞬变电磁响应的影响规律。利用奇异值分解法(TheSingularValueDecomposition,简称SVD)对实测TEM数据进行分析及反演,并且从瞬变电磁响应数据中分离出勘探区瞬变电磁测量数据Cole-Cole模型的各参数,将分离出来的参数用于探测结果的辅助解释。经过分析得出充电率和频率相关系数对瞬变电磁响应的影响较大,而直流电阻率和时间常数对其影响较小的结论。通过常规方法和奇异值分解法对实测数据分别进行处理,发现后者视电阻率断面图的异常更加突出,从而较准确的圈定了铜矿体地范围,此结论得到了钻孔的验证,与实际地质情况吻合较好。
简介:从大量的地震属性中提取最能反映地质特征的综合属性是储层预测技术的关键,通常选用降维方法来优选属性。目前应用最为广泛的线性降维方法。但是,由于地震属性与地质特征的关系通常是非线性的,基于线性变换的地震属性降维优化方法不能充分地反映这种非线性关系,降低了储层预测的精度。流形学习是一种新的非线性学习方法,它是通过保持数据局部结构的方式将高维数据投影到低维空间,挖掘和发现隐藏在数据中的内在特征与规律性,开拓了地震属性降维优化研究的新领域。本文首次实现了3D地震数据的层问属性特征提取,讨论了LLE方法及其关键技术,并以奥陶系礁滩相储层实例说明LLE和PCA两种方法降维及聚类的不同效果。理论模型分析和实例应用表明:LLE较好地保持了数据本身的原始结构;提取的综合属性和聚类相图较好地刻画了沉积相带、储层和流体的特征。这说明流形学习具有更好的特征提取性能。
简介:将偏移后的炮域偏移距道集转换为角度域共成像道集(ADCIGs)可为偏移速度分析(MVA)和叠前反演提供输入道集,并且ADCIGs是理论上没有假象的叠前反演道集,也是目前公认的精度最高的叠前反演道集。本文研究了基于矢量波场逆时偏移的弹性波保幅ADCIGs的提取方法,以保幅弹性波逆时偏移方程为基础,其核心是求取不同震源位置的纵、横波场在地下各成像点的入射角,对于转换波勘探,二者共享一个入射角,即震源纵波入射角。根据几何关系,震源纵波波场的传播角、构造的局部地层倾角之差为震源纵波入射角,震源纵波波场的传播角利用解耦后纵波场的极化向量得到,构造的局部地层倾角利用偏移叠加剖面的复波数得到。对纵、横波的共炮点偏移道集按入射角重新排列即可得到各自的ADCIGs。文中利用水平层状介质模型、倾斜层状介质模型、Marmousi—II弹性波部分模型和实测资料验证了算法的有效性,计算结果表明,本文方法计算的纵、横波角度具有较高的精度,提取的角道集具有较好的振幅保真性,能够为MVA和叠前反演提供可靠的输入道集。
简介:希尔伯特—黄变换(Hilbert-Huangtransform,HHT)是一种新的适合非平稳和非线性信号的分析方法,由于地震信号一般呈现出非平稳与非线性特性,因此HHT非常适合地震信号的分析。本文首先介绍了HHT中关于经验模态分解(EmpiricalModeDecomposition,EMD)的实现过程,在此基础上分析了几种基于EMD获得本征模态函数(IntrinsicModeFunctions,IMF)来计算瞬时频率的算法,其中利用了两个采样间隔瞬时频率的平均来计算瞬时频率,较好地反映了地震信号频率成分随时间变化的特征。将该方法应用于四川东北部某地区海相碳酸盐岩地层三维地震叠后偏移数据处理,提取"三瞬"地震属性,与传统的希尔伯特变换提取的"三瞬"地震属性进行对比,结果表明基于HHT的"三瞬"地震属性结果具有更高的分辨率,IMF2的瞬时相位能够较好地刻画台地边缘生物礁相,IMF2的瞬时频率亦具有较好的分带性。将IMF2的"三瞬"地震属性与钻井等资料结合分析,能够更好地识别沉积相的分布。
简介:基于曾新吾和MacBeth提出的时域内双源累积旋转方法,建立了频率相关介质中分析多分量VSP数据的横波分裂参数提取算法(DCTF)。该算法可以在频域中针对单个频率提取横波各向异性参数(快横波的极化方向以及快、慢横波间的时间差),从而避免了目前常用方法中使用窄带通滤波可能带来的误差。通过对地震合成记录的数值分析,确定了该算法的可行性和正确性,并与目前常用方法的应用结果进行了比较。结果显示,频率相关横波分裂参数可以利用DCTF从地震四分量数据中直接提取。在地震频率范围内,含较大尺度裂缝时各向异性参数将表现出频率相关性,这意味着在地震频率范围会出现频散。随着频率的增加,各向异性有降低的趋势。
简介:JointPP–PSinversionoffersbetteraccuracyandresolutionthanconventionalP-waveinversion.P-andS-waveelasticmodulideterminedthroughdatainversionsarekeyparametersforreservoirevaluationandfluidcharacterization.Inthispaper,startingwiththeexactZoeppritzequationthatrelatesP-andS-wavemoduli,acoefficientthatdescribesthereflectionsofP-andconvertedwavesisestablished.Thismethodeffectivelyavoidserrorintroducedbyapproximationsorindirectcalculations,thusimprovingtheaccuracyoftheinversionresults.Consideringthattheinversionproblemisill-posedandthattheforwardoperatorisnonlinear,priorconstraintsonthemodelparametersandmodifiedlow-frequencyconstraintsarealsointroducedtotheobjectivefunctiontomaketheproblemmoretractable.Thismodifiedobjectivefunctionissolvedovermanyiterationstocontinuouslyoptimizethebackgroundvaluesofthevelocityratio,whichincreasesthestabilityoftheinversionprocess.TestsofvariousmodelsshowthatthemethodeffectivelyimprovestheaccuracyandstabilityofextractingPandS-wavemodulifromunderdetermineddata.Thismethodcanbeappliedtoprovideinferencesforreservoirexplorationandfluidextraction.
简介:Theattenuationfactororqualityfactor(Q-factororQ)hasbeenusedtomeasuretheenergyattenuationofseismicwavespropagatinginundergroundmedia.ManymethodsareusedtoestimatetheQ-factor.WeproposeamethodtocalculatetheQ-factorbasedontheprestackQ-factorinversionandthegeneralizedS-transform.TheproposedmethodspecifiesastandardprimarywaveletandcalculatesthecumulativeQ-factors;then,itfindstheinterlaminarQ-factorsusingtherelationbetweenQandoffset(QVO)andtheDixformula.TheproposedmethodisalternativetomethodsthatcalculateinterlaminarQ-factorsafterhorizonpicking.Becausethefrequencyspectrumofeachhorizoncanbeextractedcontinuouslyona2Dtime–frequencyspectrum,themethodiscalledthecontinuousspectralratioslope(CSRS)method.ComparedwiththeotherQ-inversionmethods,themethodoffersnearlyeffortlesscomputationsandstability,andhasmathematicalandphysicalsignificance.WeusenumericalmodelingtoverifythefeasibilityofthemethodandapplyittorealdatafromanoilfieldinAhdeb,Iraq.TheresultssuggestthattheresolutionandspatialstabilityoftheQ-profileareoptimalandcontainabundantinterlaminarinformationthatisextremelyhelpfulinmakinglithologyandfluidpredictions.