【摘 要】
:
针对城市复杂环境干扰且常规物探方法无法有效进行作业特点,本文重点分析了城市环境的振动噪声特征,同时以面波理论为基础分析了城市环境振动噪声在瞬态面波与被动源面波中的表征的,认为可通过有效方式将环境噪声作为有效信号进行利用.结合相关分析,本文在某城市环境进行了实际数据采集,对不同工况下环境振动干扰进行了分析,认为多重强干扰情况下无法将环境振动模拟为单一虚拟震源,需结合复杂环境信号传播特征进行合理的观测
论文部分内容阅读
针对城市复杂环境干扰且常规物探方法无法有效进行作业特点,本文重点分析了城市环境的振动噪声特征,同时以面波理论为基础分析了城市环境振动噪声在瞬态面波与被动源面波中的表征的,认为可通过有效方式将环境噪声作为有效信号进行利用.结合相关分析,本文在某城市环境进行了实际数据采集,对不同工况下环境振动干扰进行了分析,认为多重强干扰情况下无法将环境振动模拟为单一虚拟震源,需结合复杂环境信号传播特征进行合理的观测系统布置,同时采用合理的分析方式压制干扰,以获取合理的地层波速结构.结合上述分析方式,本文在城市强振动环
其他文献
地震数据重建是一个不适定的反问题,通常采用正则化方法求解.正则化方法需要人工建模,建模的准确性会影响重建结果,此类方法还存在计算代价高的问题.为克服正则化方法存在的问题,本文使用深度卷积神经网络实现了端到端的地震数据重建.此方法是基于数据驱动的,直接从数据中学习输入与输出的映射关系,无需人工建模,经过训练的网络可直接用于非完整数据的重建工作.数值实验分别使用模拟数据和实际数据并与传统正则化方法对比
地面监测的微地震数据主要包含两个部分:人工形成的射孔数据和压力诱发的微地震数据.从微地震监测理论出发,微地震事件准确识别直接影响微地震信号初至拾取的精度.针对常规微地震信号初至拾取方法存在漏检及误检的弊端,提出了多道包络能量叠加技术的微地震事件自动识别方法.针对存在射孔数据的情况,详细论述了多道包络能量叠加技术的微地震事件自动识别方法的过程,采用模拟数据证明了基于射孔信号的微地震事件自动识别方法的
本文基于相控震源基本原理,通过数值模拟计算验证相控震源具有方向可控性,能量集中的特点.首先,采用了有限差分法求解声波方程方式来模拟由传统炸药震源、单个可控震源、组合震源和相控震源在相同地质模型下的地震波场,其中选择了PML吸收边界,设计了两种均匀介质的地质模型.通过对比不同震源的地震记录和波场快照,相控震源相比同等环境参数下的其他震源(炸药震源、相控震源和单个可控震源)有较高分辨率,以及在大倾角地
为了研究黏弹VTI介质井间地震波的波场特征,理论分析地震波在黏弹VTI介质中传播特性的基础上,编程实现高斯射线束方法对黏弹VTI介质井间地震波场的正演模拟.为将黏弹VTI介质和完全弹性各向同性介质正演记录进行对比,将黏弹VTI介质的黏弹性参数和各向异性参数设定为零,得到完全弹性各向同性介质下的正演结果.两种介质正演结果对比显示的差异与地震波理论完全一致,证明了所研究的黏弹VTI介质井间地震高斯束正
剧烈起伏地表给地震成像带来巨大挑战.提出了一种曲网格-矩形网格耦合机制,并将耦合网格机制应用到最小二乘逆时偏移中,推导了辅助坐标系下的梯度公式、偏移算子和反偏移算子,提出了起伏地表最小二乘逆时偏移方法,在起伏地表复杂构造的成像中起到了很好的效果.对于混叠数据,采用最小二乘逆时偏移技术可以压制成像过程中的部分串扰噪声,同时引入静态编码技术可以进一步压制串扰成像噪声,最后通过整形规则化滤波技术可以很好
随着油气勘探难度的加大,对资料保真度方面提出了更高的要求.针对可控震源资料提高保真度的问题,实现了可控震源力信号反褶积方法提取可控震源单炮记录.根据理论褶积模型,对比了可控震源参考信号互相关方法和力信号反褶积方法的优劣.得到以下结论:力信号反褶积资料子波能量更集中,无谐波干扰,子波相位更接近地下反射系数序列,是保真度更高的资料.在实际资料的对比中,力信号反褶积相比常规参考信号互相关数据,初至清晰,
瞬变电磁测井是一种利用套管井内的瞬变响应获取套管外地层电导率的有效方法,但是该方法受套管参数(电导率、磁导率、厚度)的影响很大.本文用频谱法分别在一维和三维三层介质套管井模型中求得了套管井内瞬变电磁响应的精确解,研究了套管对瞬变电磁响应的影响.在一维模型中,套管内表面的反射系数随套管电导率和厚度增加而增大,随磁导率的增加而减小;套管外表面的透射系数随套管电导率和厚度的增加而快速减小,然而其受磁导率
在城市地区采用地震勘探方法时,由于地表障碍物、地形等因素的影响,地震检波器不能按照观测系统设计规则布设,采集的地震数据存在道缺失,常规的浅层地震数据处理方法由于没有采用数据重建方法,因此会影响地震数据处理和解释的效果.压缩感知技术被引入到地震勘探中已经有十余年,但都是在石油地震勘探中应用,其原因是石油地震勘探数据量大,信噪比高.由于浅层地震勘探的覆盖次数小,信噪比低,在浅层地震勘探中应用压缩感知技
传统探地雷达图像识别方法中存在识别准确率不高,复杂目标体识别难度大,识别流程较为繁琐,不能实现端到端识别等问题,不能准确的识别实测数据.本文将深度学习中Faster R-CNN、YOLOv3这两种具有代表性的目标检测算法运用到探地雷达的图像识别当中.选择隧道的衬砌结构作为探测识别研究目标,制作了包含钢拱架、钢筋网、施工缝三类结构物标注的实测数据集.从准确率、召回率、平均准确率,准确率-召回率曲线等
为了提高叠前数据质量,将叠前时间偏移/反偏移与共散射点道集相结合,提出了一种新的时间偏移/反偏移方法.利用改进的CRS参数建立精确的速度模型,提高偏移成像质量.将振幅映射到共偏移距顶点来生成共散射点道集,将偏移和中点上的多参数叠加,通过叠加数据,实现了叠前数据增强,道集的数量远高于传统叠前时间偏移的叠加数量.利用基于中点位移、半偏移距和偏移速度的算子进行反偏移处理,能量重新分配回时间域中的每个绕射