基于稀疏表征的高维地震信号反演方法研究

来源 :电子科技大学 | 被引量 : 0次 | 上传用户:yangdinghui
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
地面激发的地震波向地下深层传播过程中会产生大量不同入射角的高维地震反射信号,该信号综合反映了地下介质丰富的岩性、构造和含油气性等信息。地震信号反演可从该高维信号中反推地下地质体的多种信息,是地下油气等资源勘探的重要手段,也是当前信号处理和资源勘探领域共同关注的前沿交叉科学问题。高维地震信号反演的难点主要在如下四个方面:(1)地震反演问题本身的不适定性,主要表现为反演过程的不稳定性和反演结果的多解性;(2)高维地震信号对不同类型储层参数的响应存在差异,当同步反演多种储层参数时,部分参数的反演结果可靠性较低;(3)地震信号的频带窄,导致地震反演结果的分辨率低、精度不足;(4)地震信号的横向一致性较差,导致常规逐道反演方法的平稳性低,进而造成反演结果横向连续性不足。现有多数方法以模型驱动方式添加储层参数的先验约束以降低上述问题带来的影响。随着对复杂油气藏勘探精度要求的逐年提升,这种模型化的方法已经很难满足实际应用需要。本文以储层参数稀疏表征为手段,提出了模型与数据混合驱动的地震信号反演新方法,在实际应用中获得了很好的效果,主要创新研究包括以下四点:(1)为克服反演问题的不适定性,传统地震反演方法假设地下储层参数服从特定的分布类型或结构特征,导致其应用范围具有局限性,当实际情况远比假设条件复杂时反演无法达到满意的效果。针对上述问题,本文提出了基于字典学习和稀疏表征的地震信号反演方法。该方法利用过完备字典学习算法获得地下储层参数的沉积结构特征字典,然后以地震信号反问题的固有物理机制为模型驱动,以基于特征字典的储层参数稀疏表征约束为数据驱动,实现了模型与数据混合驱动的地震反演求解过程。研究表明,该方法能自适应地获取储层参数先验信息,可显著提高反演结果的准确性,适用于复杂地质区域的反演任务。(2)传统地震反演方法在同步反演多个参数时,未考虑不同参数间的相关性空变问题,导致多参数同步反演效果欠佳。针对这一问题,本文提出了基于联合稀疏表征的多参数同步地震信号反演方法。该方法利用联合稀疏表征技术学习多个储层参数的联合字典,其同时刻画了各储层参数的沉积结构特征及参数间相关性特征,同样以模型与数据混合驱动的方式构建反演目标函数,实现了沉积结构与相关性联合约束的多参数同步反演。研究表明,该方法进一步提高了同步反演的每一个储层参数的反演精度,特别是对振幅信息敏感度偏弱的密度参数。(3)受地震观测信号的频带限制,传统方法的反演结果分辨率不能满足复杂油气藏精细化描述的需要。针对这一问题,本文提出了基于联合稀疏表征和高频预测的高分辨率地震反演方法。该方法借鉴图像超分辨率的思想,利用测井数据所提供的全频带信息,通过联合字典学习算法获得反演结果中低频信息与测井高频信息的关联特征,并根据该特征预测反演储层参数的高频分量,拓宽了反演结果的频带。研究表明,该方法提高了识别地下薄层/薄互层的能力,可满足复杂油气藏反演任务的精细化描述需求。(4)前述反演方法忽略了储层参数的空间结构特征,导致反演结果横向连续性较差。现有的3D反演方法或者过于简单,忽略了真实的空间结构特征;或者过于复杂,计算效率较低。针对这一问题,本文提出了基于联合稀疏表征与空间结构约束的3D地震反演方法。该方法首先利用结构张量技术从地震观测信号中提取出结构张量场,用以描述地下储层参数的空间结构特征;然后以该特征作为横向约束,并在纵向上结合基于联合稀疏表征的沉积结构和相关性约束,实现了3D高分辨率地震反演。研究表明,该方法保留了前述研究高准确性、强自适应性和高分辨率的优点,又增强了反演结果在空间展布上的连续性。综上,本文为复杂油气藏高维地震信号反演提供了新的思路,也可为相关领域反问题的求解提供借鉴,具有一定的理论价值和实践意义。
其他文献
无线网络技术正迈向与多领域的深度融合,逐步实现无时无处的智能连接、全息连接、深度连接与泛在连接。然而,由于无线网络的广播性及开放性,使得无线网络极易受到窃听以及干扰等恶意攻击。同时,微型无线终端设备的普及,使得这些微型终端的计算和能量都非常有限,基于传统的安全解决方案难以适用于无线网络的低功耗、低计算资源以及高吞吐率下的高安全需求。无线物理层安全技术的提出为解决这些安全问题提供了新的思路。物理层安
近年来人类社会所产生的海量数据使得人工智能技术为制造业产能升级提供了强有力的支持。但与此同时,传统计算机的计算能力与存储性能也逐渐步入瓶颈,核心处理器的电路集成度越来越大,且因不可控制的量子效应导致计算失效。为了克服传统计算机目前的缺陷,在存储和计算等关键领域上重新思考并发明全新的颠覆性技术成为计算机研究领域的热点研究课题。近年来,利用量子力学规律所设计的量子计算机相比经典计算机具有更强大的存储与
近年来,大规模云计算系统不断成为大数据、物联网、人工智能等应用的重要支撑平台,随着其规模和复杂性的急剧增加,各种硬件和软件故障质变为常态现象,多类型的故障需要及时发现和修复。同时,复杂性不断增加的云计算系统架构对可靠性带来的影响不断凸显(如评估困难、运维低效等),并受到学术界和产业界的广泛关注。如何量化复杂的云计算系统可靠性特征并加以保障和有效提升已经成为了制约云计算产业持续发展的关键问题。在现有
光学相干层析成像技术因具有高分辨,非入侵和实时成像的特点,被广泛应用于各种基础研究和临床医学中。但光在通过无序的生物组织时,由于折射率不均匀而发生的多次散射,限制了OCT的成像深度为1~2 mm。近些年来,随着使用空间光调制器优化入射光的波前、样品反射/传输矩阵测量和时间反演等技术的出现,人们提出了很多新型的穿透散射介质成像和聚焦的技术,这其中就包括反馈式的波前整形、光学反射/传输矩阵的测量、光学
与常规相控阵(Phased Array,PA)仅有方位角依赖性的发射波束不同,频控阵(Frequency Diverse Array,FDA)雷达通过对各阵元载频依次施加不同的频率偏移形成具有方位角、距离甚至时间依赖特性的发射波束。因此,频控阵雷达在发射波束形成、杂波和干扰抑制、目标检测与跟踪、参数估计和射频隐身等领域具有广泛的应用前景。本文从频控阵雷达阵列结构和信号的基本特性出发,对其目标检测涉
传统电信网络由一系列的专有物理设备组成,网络服务所需的网络功能都是专有设备。这样的网络使提供网络服务的周期长、服务敏捷性低,并且严重依赖于专用硬件。这些缺点使在传统网络中提供敏捷的、多样的服务变得极其困难。网络功能虚拟化(Network Function Virtualization,NFV)被提出来以解决这些问题。NFV使用虚拟化技术,将基于硬件的网络功能实现为基于软件的虚拟网络功能(Virtu
工业4.0与5G技术使得大量智能物联网终端加入到网络中,在提升网络便捷性与多样性的同时也带来了诸多安全风险。接入认证是保证网络安全的第一道防线,然而由于智能终端多为小型化、低功耗,难以支持传统的基于密码的安全技术对计算复杂度与存储容量的需求。基于物理特征的认证方法因其轻量化、负担集中于认证侧等特点,非常适用于近距离且拥有大量物联网终端的边缘计算场景。但基于物理特征的认证由于其利用设备或信道的物理特
在肺癌的早期临床影像筛查中,CT影像中肺结节的检测对肺癌诊断极为重要,可以提高肺癌患者的生存几率。由于CT影像的数据量庞大,会给医生带来负担与疲劳,从而导致病症的漏检和误检。因此,临床上急需一种辅助医生进行病症检测的计算机辅助检测(computer-aided detection,CAD)系统,以提高医生的病症检测率。然而,肺结节具有异质性的特性,并且肺腔内存在大量与结节相似的组织。这些因素给肺结
网络流量海量化、复杂化已成为常态,如何识别、监测、分析网络流量已成为重要研究方向和热点。特别是基于深度学习的异常检测方法的研究,受到产学研界广泛关注,异常检测与机器学习、深度学习等人工智能技术领域相结合是网络安全领域研究的一个重要分支。作为检测高级威胁手段的流量分析技术结合人工智能、大数据等技术对流量建模,分析流量行为,识别检测异常流量,为网络规划、网络优化、网络监控等提供重要的技术支撑。本论文的