地震波阻抗反演是地震勘探领域的重要研究方向之一，其目标是利用地震数据定量预测地下介质的波阻抗。近年来，随着人工智能技术的快速发展，国内外学者提出了多种基于深度学习的地震波阻抗反演方法。这些方法将物理定律、经验公式及专家先验知识等地球物理信息融入深度网络，从不同角度降低反演问题的多解性，并增强其物理可解释性。对这些方法进行了研究和总结，从3个角度引入地球物理信息，分别为：①设计嵌入地球物理知识的网络结构；②施加数据约束；③构建多目标损失函数。其中，嵌入地球物理知识的网络结构包括：正演物理模型模块、反射系数反演模型模块、地震数据的时空特征表征模块和人工合成与实际数据的域适应模块。数据约束包括：通过人工合成多样化的样本训练深度网络和量化先验知识输入网络。多目标损失函数中引入基于地球物理信息的正则化项，包括：闭环损失、生成对抗损失、动态时间规整损失、空间构造损失和不确定性损失。上述3种策略可以从不同角度降低反演的多解性，提升反演的可靠性。最后，对基于深度学习的地震波阻抗反演方法做出展望：①利用多模态大模型的强大理解能力和知识推理能力，采用多模态数据提升反演模型的泛化性；②利用多模型拟合并结合物理信息神经网络，将反演建模的“一对多”问题转化为每个地震相分割单元内的“一对一”问题，降低地震波阻抗反演问题的多解性。
莺歌海盆地东方1−1底辟区油气成藏条件优越，基于高分辨率拖缆地震资料已探明多个浅层气田，但中深层广泛发育地震模糊带，成像分辨率低，多轮地震数据重处理仍难以改善，严重制约中央凹陷带油气勘探进程。基于模糊带成因机理研究，提出了一套海底节点(ocean bottom node, OBN)地震采集与纵波处理技术体系，包括创新设计“三高一低”(高信噪比、高覆盖次数、高品质、低成本)OBN变观采集方案，解决了浅层气屏蔽与底辟裂隙干扰的问题；组合应用小波域双检合并、黏弹介质全波形反演及柯西霍夫Q叠前深度偏移等关键技术，显著提升OBN纵波成像精度。应用结果表明，新采集的地震数据相比老数据信噪比显著提升，速度建模精度更高且更可靠，地震成像模糊区范围大幅缩小，首次实现了底辟核部清晰成像，为东方1−1底辟区中深层油气勘探提供了高品质地震资料。
间断Galerkin有限元方法(DGFEM)是一种具有较高模拟精度的有限元方法，但其算法编程难度大，其针对各类复杂介质的波动方程的算法目前未见统一的计算格式。为此，基于三角形非结构化网格以及局部Lax-Friedrichs数值流，构建了针对复杂介质波动方程模拟的DGFEM编程计算矩阵，并进一步得出了适用于各类复杂介质模拟的单一波场分量的通用计算格式。该通用计算格式能够有效提升DGFEM算法编程的可拓展性。基于该格式给出了DGFEM的通用CUDA核函数的构建方法，并形成CPU+GPU的二维DGFEM并行计算程序框架。通用CUDA核函数可以将DGFEM算法进一步延伸到更加复杂的介质以及三维情况。理论模型和复杂山地模型的数值实验结果表明，构建的通用计算格式和CUDA核函数可以准确模拟声波、弹性波、粘弹性波、孔隙弹性波方程描述的纵波、横波以及慢纵波等波现象。相比单核CPU模拟，二维DGFEM弹性波GPU计算加速比平均在100倍左右。同时，弹性波、粘弹性波、孔隙弹性波模拟耗时约为声波模拟的1.7，2.3，3.0倍。此结果可以指导复杂介质耦合条件模拟时多进程的负载平衡。
在地震勘探中，采集得到的地震数据通常会受到严重的随机噪声污染，对后续的数据处理和解释产生负面影响。常规的地震数据噪声压制方法在压制噪声时无法有效分离信号和噪声，导致数据图像细节信息丢失、产生伪纹理等问题。为提高地震图像质量，提出了基于多尺度信息感知生成对抗网络(MSIP GAN)的地震数据随机噪声压制方法。首先，设计了多尺度信息感知生成网络来去除地震数据中的随机噪声，降噪网络以传统的深度卷积神经网络为基础框架，结合并行多尺度模块、多通道信息融合模块、一致性正则化模块来改善纹理结构的准确性并保留更多细节信息；其次，构建了判别网络的判别标签数据并将其与生成网络的生成图像相结合来辅助生成网络的训练；最后，设计了一种复合损失函数指导生成网络，提升生成网络恢复图像细节信息的能力。将该方法应用于大庆油田实际工区的地震数据处理，处理结果表明，与目前的主流模型和工业软件相比，其噪声压制效果提升显著；将该方法应用于荷兰近海的海底F3地震数据的噪声压制，结果表明该方法具有较强的泛化能力。
海洋大地电磁法(MT)利用海底电磁台站(OBEM)接收天然大地电磁信号，利用阻抗张量估计方法计算视电阻率与相位，进而探测海底电性结构。OBEM产生的噪声常表现为具有特定频率特征的不规则高频脉冲，这种噪声导致受干扰频点的阻抗张量偏离真实值，严重影响数据解释。为降低脉冲噪声对海洋MT信号的影响，提出了一种基于频域Hampel识别的脉冲噪声压制方法。该方法利用一阶差分预白降低海洋MT数据的低频能量以提高Hampel识别器的噪声识别率，在频域利用Hampel识别器识别出大地电磁四分量中的脉冲噪声所在频点，考虑到大地电磁阻抗估计的稳定性，合并四分量噪声频点并做统一的降幅处理以压制脉冲噪声，达到校正视电阻率和相位畸变的目的。为评价基于频域Hampel识别的脉冲噪声压制方法的脉冲噪声压制效果，基于MT信号和脉冲噪声之间的周期性差异，利用自相关函数进行定性评价，该评价方法可应用于实测数据的噪声压制效果评价。将基于频域Hampel识别的脉冲噪声压制方法应用于合成数据和实测海洋大地电磁数据脉冲噪声压制实验，结果表明，所提出方法可压制海洋MT数据中的脉冲噪声，消减自相关函数曲线中噪声引起的周期峰，校正噪声引起的视电阻率和相位的畸变，提高了MT数据的质量。
面波噪声压制效果会影响地震数据的成像质量和地震资料的解释精度。针对纯数据驱动的深度学习架构在智能化噪声压制中存在噪声识别精度不足和实际数据应用泛化能力有限的问题，提出了一种基于物理信息约束的智能化面波噪声压制技术。首先，构建一种双通道输入的UNET网络，将去噪前时空域数据及其对应的频率波数域数据作为输入，以对应的时空域噪声数据作为输出，建立输入输出之间的映射关系，利用双域联合的数据输入提高网络识别噪声的精度。其次，根据面波的规则噪声特性，在损失函数中引入结构相似性正则化算子，以增强网络对噪声的识别能力。然后，考虑不同工区面波的物理特性差异，进一步引入噪声频率和视速度分布作为约束条件，对输出数据进行优化，从而获得高精度的预测噪声。最后，采用自适应相减算法去除预测的噪声，得到最终的去噪数据。利用实际数据验证了所提出的智能化面波压制技术的去噪精度和泛化能力。
初至拾取是地震数据处理的关键环节之一，其拾取精度直接影响速度模型的构建及静校正效果。常规基于卷积神经网络的初至拾取方法虽然效果显著，但在黄土塬等复杂地表地区，由于初至波能量弱、背景噪声强等因素影响，拾取效果往往不佳。为此，提出了一种基于多数据融合和自适应加权混合损失函数约束的深度学习初至拾取方法。首先，将地震记录、偏移距和高程信息进行融合，构建多数据融合模型，提升方法的鲁棒性；然后，通过自适应加权策略优化多个损失函数的组合，构建自适应加权混合损失函数来有效约束模型的训练过程，进而提升模型的初至拾取精度。实际地震数据测试结果表明，在复杂地质条件下的弱初至、强噪声情况下，所提出的初至拾取方法较常用的长/短时窗均值比方法和地震图像深度语义分割方法(简称分割方法)具有更好的拾取效果和更强的抗噪性能，测试结果验证了方法的有效性和鲁棒性。
速度建模是地球物理勘探中的重点和难点之一。现有的人工智能方法虽然能高效建模，但往往缺少领域知识引导，没有考虑成像结果与速度模型的结构相似性，导致地质结构刻画不准确。为此，提出基于Dix引导的智能速度建模方法，在时间域结合成像剖面与层速度的结构相似性以及Dix物理关系，优化神经网络建模过程。首先，以共中心点(CMP)道集和速度谱作为输入，提取反映相对大小和变化趋势的速度特征。其次，再输入叠加剖面，通过均方根(RMS)速度标签和Dix激活函数，引导速度特征转换成与叠加剖面结构相似的层速度(隐藏层)。测试结果表明，Dix激活函数能够引导网络利用地质结构优化速度模型，学习形态上的简单映射关系，提升泛化能力。预测的速度模型能够准确刻画地层边界且具有良好横向连续性。
松辽盆地北部青山口组古龙页岩油资源潜力大，勘探开发前景广阔。然而，古龙页岩储层受页理密度、裂缝、地层压力等因素控制，具有强各向异性和强衰减的“两强”特征，导致古龙页岩地震响应机制复杂并且响应特征尚不明确。针对古龙页岩层系地层粘弹各向异性特征，采用“测井信息−地震层位−构造特征−岩心实验”多信息融合实现初始模型细化分层，进而构建古龙页岩米级尺度的高精度复杂粘弹各向异性模型。基于粘弹VTI介质模型的本构关系建立波动方程，利用交错网格有限差分算法，对古龙页岩层系进行地震波场数值模拟。研究表明：无论是爆炸源还是横波震源，粘弹各向异性对古龙页岩地震振幅都产生了较大的影响。古龙地区的“两强”特性下的地震响应结果表明，在古龙地区考虑Q补偿的各向异性成像技术对于高精度地震成像至关重要。
大量数据统计结果表明，孔隙度与渗透率之间的关系密切，但传统基于孔隙度−渗透率经验公式预测的渗透率误差较大，难以满足复杂储层的渗透性预测需求。为此，利用人工智能可以挖掘数据隐含关系的优势，借助多任务学习共享机制有效缓解单任务学习在小样本条件下的过拟合问题，提出了一种基于多任务学习的储层渗透性地震预测方法。该方法以叠后地震数据和纵波阻抗数据为网络的输入数据，将测井孔隙度和渗透率作为网络的标签数据，通过网络训练构建井旁道地震数据与测井数据的网络模型，实现井间储层孔隙度与渗透率的同步预测。应用该方法对四川盆地金秋气田沙溪庙组致密气藏8号砂体的渗透性进行了预测，预测结果与实钻井数据吻合程度高，且具有较高的纵、横向分辨率，验证了方法的有效性。
针对顺北油气田储层埋藏深、非均质性强和油气充注复杂等特点，以顺北超深层碳酸盐岩含油气储层为研究对象，开展了顺北地区含油气储层地震响应特征分析及储层特征约束叠前AVO反演技术研究与应用。首先，结合测井、岩心和地震资料，分析了顺北地区油气藏3种地震反射类型及AVO特征，建立了含不同流体的储层正演模型。正演模拟结果表明，含油气储层可引起地震信号振幅及AVO特征的显著变化，因此，顺北地区具备通过AVO反演实现含油气储层预测的理论基础。其次，建立符合实际储层特征的随机模型反射系数关系，推导了储层特征约束的AVO方程，实现了对含油气储层敏感的AVO属性参数反演。将该技术应用于顺北研究区，应用结果表明，储层特征约束叠前AVO反演预测结果与实钻井油气揭示情况相吻合，可以有效识别顺北超深层碳酸盐岩含油气储层，表征地下油气富集情况。
致密砂岩气藏是油气勘探领域的主要目标之一，其储层孔隙度小，渗透率低，非均质性强，孔隙结构复杂，储层评价面临严峻挑战。目前对孔隙结构表征的测井评价方法具有局限性，迫切需要深入研究。压汞实验能够得到表征储层孔喉配置关系及渗流能力的数据，核磁共振能够准确描述不同组分孔隙分布，将两种手段联合，用于分析致密砂岩储层孔隙结构。根据岩心压汞及核磁共振实验结果，提取了对孔隙结构敏感的6个参数，分别建立了6个孔隙结构参数与核磁共振组分的孔隙度关系，实现了孔隙结构参数的测井解释。研究了K均值聚类及主成分分析、降维分析的算法和步骤，对孔隙结构参数测井解释结果进行聚类，实现了孔隙结构的智能分级。将该方法应用于鄂尔多斯盆地韦州地区羊虎沟组的孔隙结构分级，结果表明，该方法提高了孔隙结构分级的准确性，可以应用于其他低孔低渗致密砂岩储层的孔隙结构分级。
复电阻率和极化率是电磁勘探用来描述地下储层岩石电性的重要参数。为研究复电阻率和极化率在致密砂岩储层含流体时的变化规律，基于西南某气田的露头及岩芯样品，开展了不同温度、压力的复电阻率实验，建立了研究区的致密砂岩激电岩石物理模型，并分析了不同孔隙度、不同含气饱和度下复电阻率和极化率的变化规律。研究结果表明：①电阻率与极化率随储层含气饱和度增大，都有增大的趋势；②在同等物性条件下，随含气饱和度增大，电阻率与极化率相比，增大幅度可跨越数量级；③电阻率较极化率更易受储层物性参数变化的影响。该研究成果为储层含流体性质的电磁、地震联合预测奠定了基础。
水力压裂通过人工制造裂缝改造页岩层，是当前油田增产的重要技术手段之一。了解压裂裂缝的发育过程、深度、长度特征及空间分布特征，对提升页岩层油气开采效率至关重要。针对在工程实践中地面电磁法受探测深度和探测精度制约的问题，提出井下井网与地面同步观测的联合监测方案。研究了垂直井下不同页岩层参数对电磁测量结果的影响规律，根据瞬变电磁法原理，使用接地电偶源发射装置。对套管内壁一处或多处进行水力压裂，通过地面压裂设备向套管内壁挤压页岩周围的砂体形成裂缝后，注入含盐电解液，使得井壁周围呈现一定规模的低阻裂缝，研究不同电导率的压裂液注入垂直方向裂缝后所形成的地质模型。在地面同心圆阵列式测线上布置了72个测点，这些测点均匀分布于3条环线上。通过对这些测点所接收的地电信息进行信息采集，并且基于COMSOL Multiphysics有限元数值仿真软件，对页岩层中不同形态的压裂裂缝进行响应特征分析。研究结果表明，该方法可有效确定井下裂缝的方位、埋深和裂缝长度，为研究井下低阻体的压裂裂缝形态提供了理论依据和技术思路。
随着深度学习技术的发展，利用图像分割模型进行障碍物识别是三维地震采集观测系统变观设计的发展趋势。大多数勘探工区覆盖范围大且呈不规则状，用于观测系统设计的遥感影像通常很大且携带了大量的无效数据。基于深度学习的障碍物识别方法聚焦于提高识别精度，而缺少识别前的遥感影像预处理和识别后的障碍物边界矢量化处理，使得相关的方法难以实用化。为此，提出了“遥感影像的预处理−障碍物自动识别−后处理−避障变观”的“四步走”遥感影像处理方法，以实现面向超大遥感影像的障碍物自动定位与变观设计。首先，提出一种遥感影像预处理方法，自适应拟合有效数据区域的最小外切矩形，完成最优遥感瓦片切分；其次，提出改进的UMiT-Net(Softmax)网络模型，同时提取多种类型障碍物；然后，设计一组障碍物边界矢量化方法，通过边界提取、拼接、扩边、坐标转换等处理得到投影坐标；最后，使用避障算法移动炮点和检波点，确定炮检点的新坐标，完成变观设计。试验结果表明，所提方法可以剔除试验工区遥感影像中50.4%的无效瓦片数据，计算效率提升102%。障碍物识别结果具有较高的准确率和完整性，使用矢量化后的边界坐标能够快速完成避障变观设计，“端到端”式的操作高效易用。
苏公网安备 32011502010797号
摘要
PDF全文
HTML
在线办公
作者投稿查稿