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XGBoost算法的vP/vS预测及其在储层检测中的应用

    田仁飞李山刘涛景洋...
    653-663页
    查看更多>>摘要：鄂尔多斯盆地碳酸盐岩地层蕴含着丰富的油气资源.在勘探实践中发现,大牛地气田马家沟组断层发育、断距小,类型多样且成因复杂,给勘探、开发带来了较多挑战.为了应对这些挑战,提高储层预测的精度变得至关重要.在分析大牛地气田敏感弹性参数的基础上,建立地震属性与储层纵横波速度比(vP/vS)的关系,提出一种基于XGBoost算法的地震多属性vP/vS预测方法.为了进一步提升XGBoost算法的预测精度和泛化能力,采用贝叶斯算法对XGBoost算法的超参数进行优化,从而找到最佳的超参数组合,以确保模型在训练集和测试集上的性能均能得到提升.将XGBoost算法应用于Marmousi 2模型进行横波速度预测,预测值与实际值相关系数超过0.88,而均方误差、平均绝对百分比误差分别低于6.55× 107和4％,验证了该方法的准确性和可靠性.在鄂尔多斯盆地大牛地气田,应用该方法获得的vP/vS成功识别出含气储层,结果与实际钻井数据一致.理论模型和实际数据应用结果表明,XGBoost作为一种强大的机器学习算法预测精度较高,为直接由叠后地震属性预测vP/vS提供了一种有效的途径.

    横波速度碳酸盐岩储层地震属性XGBoost算法纵横波速度比(vP/vS)

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于改进pix2pix GAN的多次波压制算法

    张全吕晓雨雷芩黄懿璇...
    664-674页
    查看更多>>摘要：有效压制地震多次波是地震资料处理过程中的重要环节,尽管已有多种多次波压制方法,但是传统的多次波压制方法依赖先验地质构造信息且需要大量的计算,导致多次波压制效率较低,对于复杂地质条件下的多次波压制更具挑战.为此,提出将改进pix2pix GAN运用于多次波压制问题中,利用神经网络的特征学习能力,提高多次压制波的精度.这种改进的pix2pix GAN结合ResNet与U-Net作为网络的生成器,以避免深层网络引起的梯度消失或梯度爆炸现象.并在生成器中引入SE注意力机制,改进的生成器能够更好的感知地震波中一次波与多次波的特征,提升生成器性能.此外,使用多尺度判别器对更精细的地震图像细节特征和纹理信息做出真假判别.网络的输入为全波场数据,标签为一次波数据,使用两个简单地层模型和一个公开的Sigbee2B模型合成的数据集训练网络.实验结果表明,改进的pix2pix GAN比pix2pix GAN的多次波压制效果更好;网络训练一旦完成,即可有效提升多次波压制速度.

    多次波消除深度学习注意力机制ResNetSigbee2B

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    应用自适应注意力机制U-net的地震数据高分辨处理

    赵明赵岩沈东皞王建强...
    675-683页
    查看更多>>摘要：随着油气勘探开发的不断深入,薄储层与岩性油气藏逐渐成为重要的勘探目标,这也对地震资料的分辨率提出了更高的要求.文中提出了一种基于自适应注意力机制的U-net地震数据高分辨处理方法.该方法首先利用U-net结构学习地震数据的特征表示,通过下采样过程的编码器提取地震数据的抽象特征,然后通过上采样的解码器进行特征重建和细化.在上采样的过程中引入了注意力机制,用于自适应地调整网络对不同地震特征的关注程度,网络能够更加有效地捕捉到地震数据更多的细节和特征.Marmousi模型合成地震记录和实际数据实验结果表明,新网络比原U-net误差更小、更稳定,可有效提高预测精度,实现对地震数据的高分辨率处理.

    地震数据处理高分辨率U-net注意力机制自适应

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于多尺度窗口生成器网络的抽油机噪声压制

    马一凡文武薛雅娟文晓涛...
    684-691页
    查看更多>>摘要：在老油田的勘探开发中,抽油机噪声形成强干扰,严重降低了地震资料的信噪比.为此,提出了一种基于多尺度窗口生成器网络进行抽油机噪声压制的方法.构建的网络主要由双层编码器—解码器组成,结合不同层的特征信息可获得准确的去噪结果;在不同层采用不同尺寸的窗口进行特征提取,可以有效地扩大神经网络的感知范围,并从抽油机噪声中提取更多有用的特征.为了防止网络的退化,编码器和解码器的每个块中都分别使用了残差连接.编码器残差块部分采用了卷积核数量中间大、两端小的反瓶颈设计,可以提取地震数据更多的特征;解码器使用了编码器五分之一的卷积层数,加快了模型训练以及地震数据重建的速度.通过这种方式构建的网络可以有效地利用多尺度语义信息压制地震数据中的抽油机噪声.模拟数据和实际数据实验结果均表明,与DnCNN、GAN和MLGNet相比,所提方法能够获得高质量的去噪结果,并最大程度地保留有效数据.

    地震资料噪声压制多尺度窗口生成器信噪比

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于U-Net和CNN深度学习求取地质属性建模变差函数参数

    冯国庆莫海帅吴宝峰
    692-701页
    查看更多>>摘要：在油气藏地质属性建模中,变差函数的求取尤为关键,一般是通过拟合实验变差函数求取变程、方位角、基台值等参数的方式获得,但当研究区内样本点数量过少时,实验变差函数拟合效果较差,从而影响属性建模质量.为了克服传统方法的不足,最大限度地利用空间数据,文中提出一种基于U-Net和CNN网络求取变差函数参数的新方法:以孔隙度属性建模为例,首先选用球状模型并利用序贯高斯模拟(SGS)算法模拟生成多组孔隙度模型,以所得孔隙度平面模型抽取的数据点为基准构成样本集;然后采用U-Net进行孔隙度模型重构,保证孔隙度分布的空间相关性;最后利用CNN对样本集进行深度学习,从而建立求取变差函数的模型.实际应用表明,利用所提方法取得的主变程方位角与通过实验变差函数拟合求取的方位角仅相差1.52°,与沉积微相展布方向一致,得到的主次变程与实验变差函数非常契合,证明求取的变差函数结果可靠.同时,该方法简化了地质建模工作流程,减少了求取实验变差函数主观性,降低了研究区内样本点数量的局限性,为变差函数的预测提供了一种新的思路.

    属性建模深度学习模型重构SGS算法变差函数

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    有监督深度学习的地震资料提高分辨率处理方法

    李斐牛文利刘达伟王永刚...
    702-713页
    查看更多>>摘要：地震资料分辨率直接影响后续处理和解释成果精度因此备受关注.深度学习方法具备自动提取深层特征和出色的非线性逼近能力,在反问题求解中广泛应用.在地震勘探领域,深度卷积网络中的卷积算子与地震数据的褶积模型相吻合,因而有望通过智能化手段显著提升地震资料的分辨率.目前,针对卷积神经网络提高地震资料分辨率方面的研究发展迅速,但问题的核心在于设计适合、有效的网络结构和损失函数.为此,提出一种基于强监督学习的地震资料高分辨率处理方法.该方法充分利用地下结构的空间连续性,借鉴图像超分辨率重建的思想,设计了一种生成对抗网络结构,用以提高地震资料的纵向分辨率;同时,采用L1损失和多尺度结构相似性(MS-SSIM)损失相结合的损失函数提高感知质量,以提高网络的高分辨率处理效果.合成数据和实际地震数据的应用结果显示,相较于常规损失函数,文中采用的损失函数可以显著提升智能算法的处理效果,明显改善地震数据同相轴的连续性,且高频细节信息更丰富,验证了该方法的可行性和有效性.

    有监督深度学习多尺度结构相似性损失L1损失生成对抗网络图像超分辨率重建

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    应用生成对抗网络的地震数据重建和去噪一体化方法

    张岩张一鸣董宏丽宋利伟...
    714-723页
    查看更多>>摘要：在实际采集过程中,受地形条件和人为因素的影响,地震数据不仅在空间上会出现采样不足或不规则的情况,而且会混入噪声,不利于后续地震数据的处理和解释.通常将重建与去噪分为两个阶段处理,这样往往会引入额外的误差.为此,文中提出了一种基于条件韦氏生成对抗网络(cWGAN)的地震数据重建去噪一体化方法,该方法研究的重点是在缺失道和噪声的混合干扰下,准确提取地震数据的有效特征.首先,以U-Net模型为基本网络结构来构建生成器模型,分级提取地震数据同相轴特征;在判别器模型中引入条件约束,引导生成器优化梯度方向.其次,建立重建和去噪误差描述模型,该模型设计了一体化损失函数,可以兼顾重建与去噪两方面的处理任务.最后,经过合成数据和实际数据测试,证明文中所提的网络模型恢复的地震数据信噪比更高且具有较强鲁棒性.

    地震数据处理重建与去噪一体化深度学习生成对抗网络一体化损失函数

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于一种注意力机制U-Net的地震数据去噪方法

    曹静杰高康富许银坡王乃建...
    724-735页
    查看更多>>摘要：受野外采集过程中设备和环境等多种因素影响,地震数据中往往存在表面波、鬼波、随机噪声等各种噪声,影响了地震数据处理和解释的可靠性和准确性.近年来,基于人工智能的方法以其计算效率高、数值效果好等优点成为地震数据去噪的研究热点.U型网络(U-Net)是一种经典的卷积神经网络结构,常用于图像分割任务;注意力机制(Attention Mechanism,AM)是一种能够让模型在学习过程中更加关注特定区域或特征的技术.通过在U-Net网络中添加AM模块,构建了一种具有注意力功能的U型网络(AU-Net),并将其运用到地震数据去噪.为解决去噪过程中产生的边界效应,使用膨胀填充的方法对数据进行切分,该方法通用性较高,可以用于其他网络模型.AU-Net和U-Net的去噪试验结果表明:AU-Net网络去噪的效果比U-Net更好,可更好地保留弱信号;同时,通过迁移学习使AU-Net去噪方法更具适应性.

    地震勘探深度学习U型网络地震数据去噪神经网络

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    自适应动态滤波网络地震随机噪声压制方法

    徐彦凯王迪李宜真曹思远...
    736-744页
    查看更多>>摘要：由于地质及环境条件复杂,导致地震勘探采集资料信噪比相对较低,对后续的研究带来不利影响,因此地震勘探数据处理中对随机噪声的压制一直备受关注.现有算法无法较好实现对噪声的有效压制和对有效信号的极大保留,为此,将传统方法和深度学习相结合,提出了基于自适应动态滤波网络(Adaptive Dynamic Filtering Net,ADFNet)的方法压制地震资料中的随机噪声.该网络以编码器—解码器为架构,首先引入通道注意力机制(Attention Mechanism,AM)的思想,通过通道AM对空洞卷积多尺度数据特征集成,为网络提供了精准且丰富的特征表示;然后,引入动态卷积,以较低的计算复杂度实现对地震资料高频特征的学习,从而保留更丰富的细节信息.合成数据和实际数据的实验结果均表明,ADFNet可有效压制地震资料中的随机噪声,同时保留更丰富的地震数据细节,处理后的地震数据信噪比得到显著提升.

    深度学习通道注意力机制动态卷积残差学习信噪比

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    V型Transformer的遥感影像障碍物提取方法

    邓飞罗文蒋先艺许银坡...
    745-754页
    查看更多>>摘要：遥感影像中的障碍物是地震采集观测系统变观的重要依据之一.传统的人工提取障碍物方法效率低,且易受人为因素影响,难以保证结果的一致性,不适用于复杂地表环境及数量庞大的障碍物.当前通用的卷积神经网络自动提取障碍物方法,由于卷积核的尺寸受限,无法直接进行远距离的语义交互,也不能准确提取具有较大跨度且部分被遮蔽的障碍物(乡间道路、河流等).为此,提出了基于V型全自注意力网络(MTNet)提取遥感影像障碍物的方法.首先,MTNet采用端到端的V型编码器—解码器结构,通过跳跃连接实现信息交互;其次,用具有远距离建模能力的Mix-Transformer模块取代传统卷积层,提取和重建更准确的障碍物多尺度特征;最后,用轻量的块扩展层取代转置卷积,实现上采样和图像分割,重建障碍物信息.实验结果表明,该网络分割障碍物的精度和速度显著优于现有方法,尤其在道路识别方面,优势更明显.

    观测系统变观深度学习障碍物提取图像语义分割Mix-Transformer

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据