论文部分内容阅读
从矿产普查、详查、细测到油气田开发的各阶段环节,地震勘探技术作为应用地球物理技术之一,发挥了极其重要的作用。但是,随着油气资源勘探向更深层、非常规领域的推进,野外采集的地震勘探记录往往呈现出弱有效信息、强噪声干扰以及复杂噪声波场的特征,使油气工业中要求的高信噪比、高分辨率、高保真度难以实现或达不到要求。因此,有效分离地震资料中的信号与噪声是地震勘探领域的关键技术之一。深度学习(Deep learning,DL)作为一种新的数据驱动技术,具有普适性高、无需先验假设、特征提取能力强等诸多优势,在地震噪声衰减方面表现良好。本文的研究重点是基于深度学习理论建立地探深反射信号增强与井中地震勘探多目标数据分离的研究方案,分别研究了基于生成对抗网络(Generative Adversarial Net,GAN)和卷积神经网络(Convolutional Neural Networks,CNN)的地面地震勘探资料噪声消减方法,以及基于GAN的井中地震勘探资料多目标数据分离技术(包括信-噪分离技术与噪-噪分离技术)。受复杂地面采集条件、深层目标层、多次构造作用引起的油气地层各种样式变动等因素的影响,导致由地探技术采集到的地震资料品质普遍偏低,主要表现为反射信号弱,随机噪声与面波干扰强。由于井中勘探方式在环境相对安静的井下工作且接收器更接近勘探目标体,因而恶劣的地表环境对其采集资料的品质影响较小,采集到的有效信号能量较强,是规避上述地探“强噪声、弱信号”勘探难题的有效方式。近年来,分布式光纤声传感(Distributed Optical Fiber Acoustic Sensing,DAS)技术在井中地震勘探发展迅速,由该技术采集到的地震资料分辨率高、有效信号能量强,具备支撑高分辨率成像的潜力。但是,受井筒条件与布设工艺的影响,井中DAS资料普遍存在较为严重的仪器干扰,其特有的长周期噪声、耦合噪声与水平噪声(也称为自调制噪声)尤为发育,造成信-噪分离任务新的技术瓶颈。因此,针对地面地震勘探深反射数据表现出的“强噪声、弱反射”特征,以及井中DAS数据包含的多种新型噪声干扰,本文以深度学习理论为技术支撑,分别提出了增强地探有效反射信号与分离井中多种目标数据的研究方案。本文主要研究内容及贡献如下:(1)针对地面地震勘探数据呈现的“强噪声”特征,研究如何在不损伤有效反射事件的前提下压制地震噪声。本文基于深度学习与稀疏分解思想提出多模态残差卷积神经网络(Multimodal residual convolution neural network,MRCNN),并从以下三个方面开展研究:1)受“强噪声”特征影响,常规深度学习算法在消噪过程中容易出现虚假反射现象(“假轴”),因而本文提出利用变分模态分解(Variational modal decomposition,VMD)算法良好的稀疏分解能力减弱地震资料的“强噪声”特征,提高深度学习算法区分信号与噪声能力;2)在有效信号能量保留方面,本文提出以多通道(16通道)并行训练的方式以保留VMD算法的全部模态分量,减少由于舍弃模态而造成的有效信号能量泄露;3)效率方面,MRCNN引入可逆下采样算子与子像素卷积以提高网络的运行速度。(2)针对地面地震勘探数据表现出的“弱信号”特征,提出基于属性特征的双约束去噪网络(Attribute-based double constraint denoising network,Att-DCDN)实现对地探深反射信号的有效重构。开展研究:1)对抗损失、重构损失、分类损失在地震噪声衰减与有效反射恢复任务中的作用,并搭建属性指导的双约束去噪网络模型;2)研究属性训练集的构建方式,提出“弱标签”的概念,搭建适用于地探去噪任务的超完备地震属性训练集;3)提出残差损失函数,建立双约束训练模式以提高去噪算法增强地探深反射信号能力。本研究利用鲁棒性实验证明了Att-DCDN算法处理极低信噪比地探资料的良好性能,并通过处理合成与实际地震资料,验证了Att-DCDN算法能够恢复出传统去噪算法(DnCNN算法、带通滤波器等)无法识别的深部微弱有效反射信号。(3)针对井中DAS资料存在的多种新型噪声干扰,提出属性指导的目标数据分离网络(Attribute-guided target data separation network,Att-TDSN)以达到同时分离井中DAS资料多种目标数据(有效信号以及某几种噪声)的目的。本研究创新性提出信-噪-噪分离概念,即在实现传统信-噪分离任务的基础上,进一步实现噪-噪分离任务。具体来说,本研究延用上述Att-DCDN算法中的“弱标签”思想,并将Att-DCDN算法中的二维弱标签上升至多维弱标签,其中每一维度对应井中DAS资料所包含的一种目标数据。然后提出“单向匹配、双向约束”的训练模式驱动网络参数更新,其中“单向匹配”可以保证数据分离结果的唯一性,“双向约束”能够确保将每种目标数据彻底分离。本研究利用消融实验证明了“单向匹配、双向约束”训练模式的有效性与必要性。此外,本研究还提出一种新颖的构造水平噪声训练集的方法,该方法十分便捷且准确率高,可以很容易地被应用于本研究与其他研究中。综上,本文针对地探深反射数据研究了噪声衰减、有效信号增强的方法,针对新型井中DAS数据研究了信-噪-噪分离的方法。本文研究成果为寻找油气闭圈,储量计算,储层改造,预测油气储层和井位部署等多项工作提供翔实的方法基础。