首页期刊导航|石油地球物理勘探
期刊信息/Journal information
石油地球物理勘探
东方地球物理勘探有限责任公司
石油地球物理勘探

东方地球物理勘探有限责任公司

钱荣钧

双月刊

1000-7210

0312-3822282 3822804

072751

河北省涿州市11信箱石油学会

石油地球物理勘探/Journal Oil Geophysical ProspectingCSCD北大核心CSTPCDEI
查看更多>>本刊为专业学术性刊物。内容包括地球物理勘探的新理论、新技术和新经验以及石油物探的装备制造、计算机技术、人物介绍、经验交流等。主要读者对象是石油、地质、矿山、煤炭、冶金、工程、水文等专业的工程技术人员和各级技术管理人员以及高等院校师生。
正式出版
收录年代

    基于导航金字塔的强地震约束建模方法——以胜利油田沙二段河流相为例

    张海峰黄旭日张俊任梦宇...
    1197-1205页
    查看更多>>摘要：河流相储层横向变化快、非均质性强,传统建模方法已不能满足目前储层表征的需求.为此,首先利用导航金字塔技术,将地震数据进行分解与重构,重构后的数据更加凸显地质规律,有利于沉积相的刻画;然后采用贝叶斯—序贯高斯地震约束建模方法进行储层建模,建立测井数据与地震属性的约束关系,提高模型垂向分辨率.胜利油田沙二段河流相储层建模实践表明,经导航金字塔技术处理后的地震数据横向表征能力增强,砂体边界识别效果较好;与传统序贯高斯方法相比,贝叶斯—序贯高斯方法模拟模型垂向分辨率更高,砂体预测厚度与实际厚度吻合率达86％,更有利于砂体识别.该方法可为剩余油开采提供指导.

    河流相储层导航金字塔贝叶斯—序贯高斯储层建模地震约束

      原文链接:
    • 万方数据

    利用双路卷积神经网络的速度自动拾取方法

    赵亮孙小东李振春秦宁...
    1206-1216页
    查看更多>>摘要：人工拾取速度谱是地震资料常规处理中速度分析的主要手段,此方法既耗时、耗力,又限制了大规模三维地震资料处理的效率和准确性.为此,提出了一种利用双路卷积神经网络的速度谱自动拾取方法.首先,采用卷积神经网络结合注意力机制作为主网络,从速度谱数据中提取能量团的特征并实现速度的自动拾取;其次,训练主网络在输出时间—速度序列之前,通过特征融合和特征转换将速度与另一个卷积神经网络(辅网络)输入的未校正CMP道集的隐藏表征进行信息融合,重构成校正后的CMP道集;最后,通过辅网络模拟CMP道集动校正的过程,利用动校正优化速度拾取的精度.模型和实际资料测试结果表明,在加入辅助神经网络引入动校正信息后,文中方法比单一的卷积神经网络在速度拾取方面具有更高的精度.

    双路卷积神经网络主神经网络辅神经网络CMP道集优化拾取

      原文链接:
    • 万方数据
    • 维普

    基于Transformer的地震数据断层识别

    武庭润高建虎常德宽王海龙...
    1217-1224页
    查看更多>>摘要：利用地震资料识别断层在油气勘探中有着重要的作用.目前,机器学习和深度学习技术提高了断层识别的精度和效率,但断裂预测结果仍难以满足生产需求.为此,提出基于Transformer的地震断层识别方法,即3D SwinTrans-U-Net.该网络由Swin Transformer模块、卷积模块组成.其中,Swin Transformer模块可以利用Transformer的注意力机制提取全局信息,并将计算全局注意力转变为计算窗口的注意力,从而比Trans-former 减少了计算复杂度;卷积模块具有归纳偏置的特性,避免了 Swin Transformer存在弱归纳偏置的缺陷;最后,利用U-Net结构,结合Swin Transformer层与卷积层,融合深层与浅层的信息并提取相关特征,充分学习全局性和局部依赖性信息,在保证断层识别精度的基础上提高了计算效率,实现端到端的地震断层学习.模型数据和实际数据测试均表明,3D SwinTrans-U-Net网络能进一步提升断层识别精度.

    深度学习3DSwinTrans-U-Net断层识别TransformerSwinTransformer卷积

      原文链接:
    • 万方数据
    • 维普

    基于AHRFaultSegNet深度学习网络的地震数据断层自动识别

    李克文李文韬窦一民朱信源...
    1225-1234页
    查看更多>>摘要：断层识别是地震数据解释的重要环节之一.深度学习技术的发展有效提高了断层自动识别的效率和准确性.然而,目前在断层的自动识别任务中,如何准确捕捉断层细微结构并有效抵抗噪声干扰仍然是一个具有挑战性的问题.为此,在HRNet网络的基础上,构建了一种基于解耦自注意力机制的高分辨率断层识别网络模型AHRFaultSegNet.对于自注意力机制解耦,结合空间注意力和通道注意力,代替HRNet中并行传播的卷积层,在减少传统自注意力机制计算量的同时,模型可以在全局范围内计算输入特征的相关性,更准确地建模非局部特征;对解耦自注意力使用残差连接来保留原始特征,在加速模型训练的同时,使模型能够更好地保持细节信息.实验结果表明,所提出的网络模型在Dice、Fmeasure、IoU、Precision、Recall等性能评价指标上均优于其他常见的断层自动识别网络模型.通过对合成地震数据与实际地震数据等进行测试,证明了该方法对断层细微结构具有良好的识别效果并且具有良好的抗噪能力.

    断层检测识别深度学习解耦自注意力机制残差连接

      原文链接:
    • 万方数据
    • 维普

    应用曲率谱和Siamese网络的叠前深度偏移速度建模

    首皓曾庆才胡莲莲丁玲...
    1235-1243页
    查看更多>>摘要：速度建模是叠前深度偏移的重要环节,通常需要在层位约束下对观测点的地层速度进行横向外推,然而在速度建模初期缺乏地震解释层位等格架信息.为此,文中提出了一种基于曲率谱横向相似性和改进循环结构Siamese网络的速度模型建立方法.Siamese网络是目前常用的基于深度学习的目标识别和追踪网络,可以快速进行目标图像的相似度对比,而且不需要人工制作标签.曲率谱可以看成反应地层特征和速度信息的二维图像,将速度建模作为横向特征相似性类比问题,通过类比曲率谱可以自动得到地层的格架和速度更新信息.首先,将叠前深度偏移后的道集转换为曲率谱;其次,确定待搜索曲率谱图像及其对应的目标追踪对象,并求取当前追踪对象与目标追踪对象的相似系数;然后,基于相似系数更新参考曲率谱图像和当前追踪对象;最后,在遍历完全部追踪对象时,基于各个追踪对象的层速度及深度建立速度模型.理论模型和实际数据试验结果表明,该方法能在没有解释资料的条件下快速生成符合地质构造和地层特征的速度模型.

    曲率谱Siamese网络叠前深度偏移速度建模横向相似性相似系数

      原文链接:
    • 万方数据
    • 维普

    时频域保幅面波压制方法

    邬世英
    1244-1251页
    查看更多>>摘要：陆上勘探中面波是常见干扰波之一,面波压制的保幅效果对后续资料处理具有较大影响.传统的面波压制方法很难在有效保护反射波的情况下对面波进行精确压制.由于面波具有低速、低频、高振幅的特征,文中提出了一种基于Gabor变换的时频域保幅面波压制方法.首先,利用Gabor变换将地震道划分成若干个地震道片段,在地震道片段内根据面波和有效波振幅能量差异进行面波识别,从而实现时间域内面波和有效波精细分离;然后,在含有面波的地震道片段上采取频率域带通滤波,根据面波和有效波频率的差异进行面波压制;最后,利用Gabor反变换得到面波压制后的地震道.模型测试和实际数据处理表明,该方法在有效压制面波的同时,最大程度地保护了有效波的信息,提高了面波处理的保幅性.

    面波压制Gabor变换保幅处理时频域

      原文链接:
    • 万方数据
    • 维普

    基于扩散模型的地震数据随机噪声压制方法

    吴迪文武门哲马一凡...
    1252-1259页
    查看更多>>摘要：地震数据中的随机噪声毫无规律,常规去噪方法难以达到理想的效果,影响后续的地震数据解释和分析.为此,提出一种基于扩散模型的地震信号去噪方法.该方法的前向扩散过程是通过对地震数据进行一定程度的加噪,将地震数据变成存在大量各向同性的高斯噪声的含噪地震数据,再利用训练后的扩散模型对含噪数据进行重建,提高地震数据的信噪比.预测网络部分是基于改进的U-Net网络,该网络中引入了注意力模块和ResNet模块,以提高网络对重要区域的关注度,避免深度网络中的梯度消失问题.理论数据和实际数据的应用结果均验证了文中方法的有效性.该方法去噪效果远超FX滤波、SVD等传统去噪方法,同时也比经典的深度学习网络CNN、GAN更加优秀,能够完整地保留有效信号,极大提升地震数据的质量.

    随机噪声压制扩散模型残差模块注意力模块

      原文链接:
    • 万方数据
    • 维普

    利用动态时间规整的多层位追踪方法

    周继继许辉群李彪杨梦琼...
    1260-1268页
    查看更多>>摘要：层位追踪是地震资料处理、解释中非常重要的步骤,现有的层位自动追踪技术在遇到断层时追踪效果不佳.为此,根据相邻地震道之间波形相似性,提出一种利用动态时间规整(DTW)的纯数据驱动的多层位追踪方法.首先,提取地震道特征值,将地震道按波谷、波峰或过零点等特征划分,使所追层位点严格遵循以上特征,保证追踪结果的高精度;其次,利用DTW方法计算两道相邻地震道划分好的特征值序列以得到相似路径;最后,从相似路径中提取所有彼此相似的特征值点对,并根据参考层划分特征值点对得到各套层位.模型数据试算和实际资料测试结果表明,所提方法能快速追踪到目标区域的各套层位,并有效克服断层对层位追踪的阻碍,对不同地质条件的地震资料具有一定的适用性,有一定的应用价值.

    地震层位追踪动态时间规整地震波形特征构造解释

      原文链接:
    • 万方数据
    • 维普

    应用自适应方向TV正则化的多道反褶积方法

    张元鹏张强王玲谦周辉...
    1269-1279页
    查看更多>>摘要：作为提高地震数据纵向分辨率的有效手段,反褶积技术一直是地震勘探领域的研究热点.传统反褶积方法采取逐道稀疏反演的策略重构地下反射系数序列,忽视了相邻地震道之间的空间关系,反褶积结果空间连续性不佳.应用全变分(Total Variation,TV)约束的多道地震反褶积方法虽然能够改善由逐道反演引起的空间不连续,但由于未考虑地质构造信息,因而仅适用于"块状"构造.为了克服这一问题,文中提出一种自适应方向TV(Adaptively Directional TV,ADTV)约束的多道地震反褶积算法.该方法基于局部地质构造方向构建ADTV正则化项,不像传统TV约束仅考虑水平和垂直方向的信息.因此,ADTV可以更好地保护弱小反射信号,更清晰地刻画地质体的空间展布,在地质构造复杂的情况下也能保证反褶积结果的空间连续性.模型测试和实际资料处理结果均表明,该方法可以提供分辨率高、空间连续性强的反褶积结果.

    反褶积构造约束ADTV正则化高分辨率空间连续性

      原文链接:
    • 万方数据
    • 维普

    基于P、z分量Radon变换和非稳态自适应相减的OBN横波噪声压制

    李默言黄旭日史云燕陈永灿...
    1280-1285页
    查看更多>>摘要：在OBN地震采集中,检波器与海底耦合问题经常导致陆检z分量接收到横波噪声.横波噪声对OBN数据的处理、成像、解释、油藏监测均带来严重干扰,而且横波噪声的频带、曲率与有效信号非常相似,难以用常规方法有效压制.为此,提出了一种基于抛物线Radon变换和非稳态自适应相减的OBN横波噪声压制方法.首先,将OBN数据的P分量和z分量数据通过抛物线Radon变换从时空域变换到τ-q域,利用横波噪声与反射信号传播速度的差别,在τ-q域尽可能分离横波噪声和一次波;其次,通过非稳态自适应相减算法的高度灵活性,从包含横波噪声的z分量数据中去除P分量中的反射信号成分,提取横波噪声;最后,将提取的横波噪声分量变换回时空域,并从原始z分量数据中去除横波噪声,实现消除噪声的同时,尽可能保护地震数据中的反射信号.实际资料的处理结果证明,该方法能有效压制OBN数据的横波噪声,提高地震资料的信噪比.

    OBN采集Radon变换横波噪声非稳态滤波自适应相减

      原文链接:
    • 万方数据
    • 维普