Walkaway VSP技术在特殊地质体成像中的应用效果

来源 :中国地球物理学会地球物理技术委员会第九届学术会议——全域地球物理探测与智能感知学术研讨会 | 被引量 : 0次 | 上传用户:shagen_gw
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着油气勘探的深入,地震勘探目标区逐渐由简单地区向复杂近地表条件地区转移.由于地表及地下地质条件的特殊性,在复杂地区地震波场复杂、信噪比低,造成该地区深部地层特殊地质体不能准确成像.本文利用Walkaway VSP成像技术获得更精细准确的成像剖面,建立更加准确的复杂构造地区深部地层的构造模式,约束和优化地面地震处理过程中的构造模式,获得了更加准确的三维地震成像资料,通过综合地质研究,助推评价、开发井位部署.
其他文献
电磁法和地震法联合勘探是地球物理勘探技术发展方向,地震方法能够较高精度圈定地质构造圈闭,但难以有效识别圈闭是否含油,而电磁方法通过电阻率和极化率等信息能够较好地评估地震圈闭是否含油气,两者联合能够更好地为油气勘探开发决策服务.目前,采用地震、电磁还都是独立的采集站和独立作业方式,电磁一地震联合采集已经见诸于相关文献,其思路是电磁、地震传感器一体化的采集站,不能根据探测目标调整传感器的种类和作业方式
运动的海水因切割地磁场而产生感应电磁场,这种海水运动感应电磁场在浅水环境更加强烈且复杂.海浪波动的振幅与其产生的感应电磁场强度呈正相关,其强度接近甚至高于大地电磁信号的强度,严重降低了浅水大地电磁数据信噪比.本文基于海浪感应电磁干扰的特点和电场与磁场之间的传递函数关系,通过改进复自适应滤波最小均方差算法,提出了一种海浪感应磁干扰的压制方法.该方法将受海浪感应电磁干扰影响较小的电场作为输入信号,将磁
在油气勘探中,断层解释是研究构造的基础,也是地震资料解释的关键.断层形态与规模位置与展布对探究地壳构造变化油井定位油气运移通道或封堵意义重大.传统的断层解释方法通常辅以多种手段方法,以提高断层识别的准确性和可靠性.随着地震勘探技术不断进步,勘探仪器越来越精密采集数据量剧增,传统断层检测方法效率和效果逐渐降低.近年来,随着人工智能技术的迅速发展,国内外研究人员开始使用深度学习技术进行断层的检测较有代
块匹配三维协同滤波(Block-matching and3D Filtering,BM3D)方法将数据域与变换域有效结合,其核心思想是对数字信号进行分块,并对数字信号采用块匹配及分组的方式聚集,在变换域滤波后返回原始数据域,然后将分块数据返回图像原位置;BM3D在去噪同时可较好保留图像或数据的细节信息,在图像处理和地震资料去噪中取得较好效果.
瞬变电磁法是能够提供地下空间电阻率分布的常用物探方法.在瞬变电磁数据反演解释中,常规反演方法多侧重于提供单一的最优反演结果,然而由于模型化过程和数据本身存在误差,使得存在一定范围内的模型均能够有效满足数据拟合,单一反演结果难免会造成估计结果的偏差.变维贝叶斯反演结合统计学思想提供的模型置信区间,能够有效对这种不确定度范围进行描述,然而受庞大的计算量及瞬变电磁自身正演速度的限制,使得该方法评估效率仍
小尺寸拖曳式瞬变电磁法具有高效、灵活的特点,可用于城市地下空间探测.由于发射线圈和接收线圈之间存在互感,早期的二次磁场信号被一次磁场信号所污染.为了补偿一次场,bucking线圈技术以其补偿效果好、接收线圈与地下物体耦合强度强等优点被广泛应用于机载TEM系统中.然而,在地面小回线瞬变电磁系统中直接采用bucking线圈技术会产生许多问题.一是接收线圈尺寸有限,导致带宽不足;二是bucking线圈会
随着现代海上油气勘探数据采集方式处理技术的飞速发展,海上油气勘探正在由浅海走向深海、由海面走向海底、由单分量走向多分量.近些年,深水甚至超深水油气资源勘探已经成为国内外勘探地球物理界关注的热点难点.海底是弹性的,海面拖缆单分量采集已经越来越不能满足工业界的需求,海上多波多分量采集在海上油气资源勘探中越来越被工业界重视.海底四分量(4C)地震采集通过将4C检波器耦合在海底采集到地下弹性参数的有效信息
雄安新区是千年大计、国家大事,建设地上、地下两个雄安是新区规划建设的重要目标地下雄安建设必须建立在对地下地质结构充分认识的基础上地球物理探测技术在地下结构探测方面具有不破坏地表、探测效率高、成本低廉等明显优势,在支撑雄安新区地下地质结构探测中发挥了重要作用.为提高探测精度,本次研究采用了二维地震和高密度电阻率测深结合的方法,取得了重要进展:(1)精细刻画了工作区200米以浅深度范围内地层结构和断裂
为进一步增加响应带宽,提高系统稳定性,采用正交基模法,设计并实现了一种闭环宽频磁通门传感器.同时,针对各项关键指标进行测试,实验结果表明,正交基模磁通门传感器带宽达到12kHz,线性度优于0.01%,正交度优于0.04°.
在测井解释中,重要工区的某些井位可能出现部分层段测井曲线缺失,因此需要在已知层段测井曲线基础上对未知层段测井曲线作出预测.近年来,一些学者利用全连接神经网络(FCNN)、长短期记忆网络(LSTM)等深度学习方法为测井曲线预测提供了新思路.提出了利用卷积神经网络(CNN)和门控循环单元网络(GRU)组合而成的CNN-GRU神经网络进行测井曲线预测.CNN能高效地进行局部特征提取,GRU是对LSTM的