地震勘探方法是石油和天然气地球物理勘探中的重要手段,较为复杂的地下近地表地层结构会对地震勘探的有效信号产生很强的衰减作用,影响地震资料的质量。地震波吸收衰减补偿技术能够有效地提高地震记录分辨率,而衰减补偿的关键问题就是如何从地震资料中准确地提取吸收衰减系数,即能否对品质因子Q值进行提取。在常用的品质因子估计方法中,对数谱比法的效果较好,但直接的谱比方法抗噪性较差,且在实际处理中稳定性较差。由于微测井资料接收到的初至波信息能量变化,能够直接反映地震波吸收衰减的结果,因此选用初至波信息进行近地表衰减分析。在本文中为了实现根据微测井数据的近地表三维Q值建模,使用了一种新的基于匹配追踪算法的Q值提取方法。在本文中,首先对匹配追踪算法完成信号分解和重构的过程进行研究,使用匹配追踪的方法对实际资料初至波子波进行提取,得到分辨率较高的初至波谱分析结果;之后在常规谱比法的基础上,研究整形正则化的反演方法,通过正则化来使谱比法中的谱比计算结果更为稳定,从而得到更为准确的Q值估计结果,由模型数据和实际资料的处理结果分别表明了提取方法的有效性;最后,引入机器学习的人工智能方法,构建深度神经网络的多元非线性回归模型,根据实际资料由匹配追踪得到的Q值构建训练集对网络模型完成训练,根据训练得到的回归模型完成实际数据全工区的近地表三维Q值建模。