简介：埋藏在6000m以下的地震反射异常体是礁体还是火成岩体?或者是海底滑塌体?在高质量重磁电资采集的基础上,通过对研究区域内的地层岩石物性细致研究,利用CEMP资料界面约束二维反演、重磁力异常剥离技术和LCT重磁力地震联合反演解释技术细致研究了异常体的物性参数,从密度、磁化率、电阻率、速度等多种特征推测判断了深层异常体地质属性,为钻井部署提供了间接依据.

简介：地震数据的精确解释和分析非常依赖于所使用算法的稳定性。我们着重于盐丘地震勘探的稳定检测。我们讨论一个基于地震成像中最佳结构特征属性排序分类的盐丘探测新模型。该算法克服了现有的基于结构属性技术的局限性，因为该技术非常依赖于盐丘固有的地质属性与盐丘检测所用的属性数量。该算法综合了灰度共生矩阵（GLCM）属性，Gabor滤波器，以及含有使用属性特征排序信息协方差矩阵的本征结构等属性。将排序前列的属性组合起来形成一组最优的特征集，以保证算法即使在沿盐丘边界没有强反射层的情况下也能有效。与现有的盐丘检测技术相比，本文的算法稳定和计算高效，并能处理小尺度特征集。我用荷兰F3地块评价该算法的性能。实验结果表明，本文提出的基于信息理论的工作流程用于检测盐丘，其精度优于现有盐丘检测技术。

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：相干属性是检测地下介质不连续性特征的主要参数之一，但倾斜地层会对相干属性产生干扰，故在计算相干属性时需要消除地层倾角的影响。传统的相干属性计算一般使用时域倾角扫描法来消除地层倾角的影响，但这种方法的精度受到采样间隔等因素的限制，并不能很好地消除地层倾角的影响。根据振幅谱具有不受地层倾角影响的特点，本文提出将预先定义的子数据体内的地震数据变换为振幅谱，再利用振幅谱构造协方差矩阵，协方差矩阵最大特征根与矩阵迹的比值作为子数据体中心点的相干值。利用振幅谱计算相干属性的方法能够较好地消除地层倾角的影响，而且可以使用不同频段的振幅谱计算相干体，具备多尺度相干体算法的特性。模型数据和实际地震数据的应用结果表明，振幅谱相干属性可以更好地消除地层倾角对相干属性的影响。

简介：苏14井区属苏里格气田,地质情况十分复杂,主要表现为砂岩发育,但有效砂岩非均质性强,横向变化大,厚度较薄,在垂向上分布比较分散。属性分析已是目前寻找非构造油气藏的有效手段之一。本文利用叠前地震资料、叠前纵横波联合反演结果和叠后属性进行属性融合,不但保留了叠前所含的流体信息,而且利用了叠后数据的高信噪比特点。采用单步递归方法从多个属性中寻找最优的属性组合,利用概率神经网络方法训练测井曲线与地震属性之间的非线性关系,并用训练样本预测苏14井区的自然咖玛,提高地震资料的分辨率,较好地预测苏14井区的有效储层分布范围,为储层精细描述提供依据。

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：通过地震数据获取裂缝储藏中流体的性质并对流体类型进行识别,是地震勘探岩性反演的重要问题之一。由于地震波的速度、储层的密度等弹性参数对某些流体不具有很强的敏感性,使只依赖振幅信息进行流体识别的传统AVO方法面临困境。作为传统叠前振幅反演的一个拓展,频变AVO（FDAVO）技术进一步考虑了振幅对频率的依赖关系,将这种依赖关系与地下裂缝结构、流体填充对应起来,能带来更丰富的流体信息。利用该技术,本文提出了一种基于地震数据参数化Chapman模型的贝叶斯反演新方法（BIDCMP）,它包含两步算法,即,FDAVO反演储层的非弹性属性和贝叶斯框架下的流体识别。首先,通过匹配观测数据和模型数据,构造差函数反演裂缝储层非弹性参数。随后,在贝叶斯框架下,使用马尔科夫随机场（MRF）作为先验模型,联合多参数场识别流体。本方法在计算过程中,除综合考虑了弹性参数场、测井资料等常规信息外,还特别地加人了第一步中反演得的非弹性参数的约束,从而充分利用了流体粘性差异,最后在最大后验概率（MAP）准则下输出最佳岩性一流体识别结果。分别对合成地震记录和模拟岩性—流体剖面验证本文方法的有效性,结果证明本文方法获得的流体识别结果准确可信。

简介：奥陶系灰岩水是中国北方地区煤矿突水的主要来源。本文介绍了利用熵、最大李氏指数及分形分维等三种非线性地震属性预测奥陶系灰岩含水的方法，分析了这三种属性的提取和应用。以许疃煤矿81、82采区为例，利用上述单属性及多属性综合分析，预测许疃煤矿81、82采区可能的奥陶系灰岩含水区域。实际应用表明，非线性地震属性是奥陶系灰岩含水性预测的有效工具。