随着“两宽一高”地震数据采集技术及地震波成像技术的进步, 薄层、小尺度（缝洞）异常体、小断距断层（走滑断层）等成为了高保真高分辨地震波成像的主要目标地质体。当前地震勘探中, 合理的观测系统设计得到了充分的关注, 但如何实现客户定制高分辨率子波却很少被讨论。可控震源理论上是在频率时间域通过单频时间能量累计得到期望地震子波振幅谱的一种震源。基于此, 提出了客户定制高分辨率地震子波及对应的扫描信号的概念, 基本流程为：首先在特定目标层上生成（或客户定制）一个满足保真分辨率要求的零相位子波, 同时得到其对应的振幅谱; 然后建立定制子波振幅谱和可控震源扫描信号之间的映射关系; 最后在扫描频率线性变化情况下, 设计出可控震源扫描信号。公式推导和数据测试均证明了基于定制高分辨率子波来设计可控震源扫描信号的可行性。正演模拟和偏移试验结果表明, 利用定制的高分辨率子波可以有效保持后续处理资料的高分辨率特征。

随机噪声会干扰地震数据中的有效信号并降低数据的信噪比, 进而影响地震数据的后续处理。常规基于监督学习的深度学习噪声衰减方法需要大量的标签来训练网络, 但是, 在真实地震数据中制作无噪声的标签用于训练深度神经网络是非常具有挑战性的工作。因此, 提出端到端的无监督学习框架来衰减随机噪声, 并提取多维地震资料中的有效信号信息。首先, 建立由全连接模块、编码器模块和解码器模块组成的深度神经网络框架, 并在编码器和解码器之间添加类似残差结构的跳跃链接以提高去噪表现。为了提高网络的去噪表现, 使用适用于地震资料的数据增强方法, 将输入的多维大尺度含噪地震数据分割为大量的小尺度一维数据进行迭代。对地震数据进行数据增强时, 选择合适的切分和滑动尺寸将提高网络的计算效率和去噪效果。合成数据和渤海油田实际数据的应用结果表明, 相较于传统地震噪声衰减方法, 本文提出的方法具有更好的随机噪声衰减能力和有效信号提取能力。

地震噪声的压制是地震勘探中地震数据处理的重要研究内容之一。准确地压制地震噪声和提取地震信号中的有效信息是地震勘探和地震监测的一项关键步骤。传统的地震噪声压制方法存在一些不足之处, 如灵活性不足、难以处理复杂噪声、有效信息损失以及依赖人工提取特征等局限性。为克服传统方法的不足, 采用时频域变换并结合深度学习方法进行地震噪声压制, 并验证其应用效果。通过构建5个神经网络模型(FCN、Unet、CBDNet、SwinUnet以及TransUnet)对经过时频变换的地震信号进行噪声压制。为了定量评估实验方法的去噪性能, 引入了峰值信噪比(PSNR)、结构相似性指数(SSIM)和均方根误差(RMSE)3个指标, 比较不同方法的噪声压制性能。数值实验结果表明, 基于时频变换的卷积神经网络(CNN)方法对常见的地震噪声类型(包括随机噪声、海洋涌浪噪声、陆地面波噪声)具有较好的噪声压制效果, 能够提高地震数据的信噪比。而Transformer模块的引入可进一步提高对上述3种常见地震数据噪声类型的压制效果, 进一步提升CNN模型的去噪性能。尽管该方法在数值实验中取得了较好的应用效果, 但仍有进一步优化的空间可供探索, 比如改进网络结构以适应更复杂的地震信号, 并探索与其他先进技术结合, 以提升地震噪声压制性能。

实际地下介质具有粘滞性，研究粘声介质下的全波形反演方法具有实际意义。针对全波形反演中Hessian矩阵计算复杂、共轭梯度法收敛速度慢等问题，将修正型FR共轭梯度法应用到全波形反演中。修正型FR共轭梯度法使用了更多的梯度信息，具有和拟牛顿法相似的结构和性质，在加快收敛速度的同时可以提升反演效果，计算量仅有少量增加。采用该方法进行了标准线性固体（SLS）模型的时间域粘声多参数全波形反演的研究。模型测试结果表明相对于常规FR共轭梯度法，修正后的方法可以得到更精确的反演结果，加快收敛速度的同时深部反演效果更好，并通过两步法反演策略进一步提高了品质因子的反演效果。

基于双程波动方程的逆时偏移是一种高精度偏移成像方法，适用于复杂构造的成像，但是该方法对偏移速度模型较敏感。因此，提出了一种新的倾角约束逆时偏移，将正传和反传波场分解为不同角度分量，进而利用倾角约束成像条件，显著提升了逆时偏移在速度不准确情形下的成像质量。同时，即使在速度准确情形下，由于其他非一次反射波能量的存在，可能会导致成像假象，而提出的倾角约束逆时偏移可以利用菲涅尔带内的反射信息明显压制此假象。此外，为了提高效率，进行震源正传波场的分解时，可以利用对高频波场成分计算入射角来实现。复杂模型数值测试结果验证了该方法在存在速度误差的情况下，改善了成像质量，并且在速度正确的情况下，压制非一次反射波导致的假象。

横波在含裂缝等的各向异性介质中传播时，会分裂为快横波和慢横波，快慢横波的时差与裂缝密度成正比。目前计算快慢横波时差的方法有人工拾取层位方法和互相关方法，由于受地震数据信噪比的影响，单一的方法不能有效计算精细的快慢横波时差。为此，提出了基于层位和动态时间调整的精细快慢横波时差求取方法。首先对大套地层进行人工拾取层位，利用层位信息进行时差求取，得到大尺度时差；然后利用动态时间调整算法对层间的小层求取剩余时差，得到小尺度时差；再结合大尺度时差和小尺度时差，得到最终的时差和时差校正后的慢横波数据。将基于层位和动态时间调整的精细快慢横波时差求取方法应用于实际横波数据的时差求取，计算结果证明了方法的可行性和有效性。

海底节点（OBN）地震数据采集技术已广泛用于海上地球物理勘探中。但其Z分量数据中横波泄露噪声的存在严重降低了地震数据的信噪比，因而影响了其应用效果。传统滤波算法和匹配衰减算法难以实现有效信号及泄露噪声的有效分离。提出了基于曲波域扩展滤波的横波泄露噪声匹配衰减方法。该方法基于OBN数据中X和Y分量数据构建相应的希尔伯特变换记录、时间导数记录以及希尔伯特变换的时间导数记录来预测Z分量中的横波泄露噪声。在此基础上，采用曲波域最小二乘扩展滤波的横波泄露噪声匹配相减方法，实现有效信号与横波泄露噪声的高精度分离。理论模型实验与实际数据处理结果均表明，该方法兼顾了曲波变换在分离有效信号与横波泄露噪声方面的优势以及扩展滤波对横波泄露噪声预测误差的适应性。在避免损伤有效信号的前提下，能够有效压制横波泄露噪声，从而提升OBN数据的成像精度。

陆上地震数据的噪声主要包括来自复杂近地表的噪声、外源激发的波场、不能用于地震波成像的其它噪声，通常包括线性与非线性相干噪声、非相干噪声及随机噪声。噪声压制的基本思想是对实测数据中包含的信号或相干噪声建立预测模型，然后对信号或相干噪声进行预测，最后压制数据中相干噪声和随机的非相干噪声。全波形反演和最小二乘逆时偏移逐渐成为高精度地震波成像的代表性方法技术，它们对噪声压制方法提出了更高的要求。因此，对当前地震数据去噪理论、方法与技术进行了分析对比，首先，提出了勘探地震数据的概念模型，即具有线性或非线性结构的信号或相干噪声叠加上满足一定概率分布的随机噪声；然后，分析针对该概念模型的各种方法技术，对于线性信号或相干噪声，采用的预测方法包括自回归模型预测器、线性Radon变换方法、K-L变换方法、Hankel矩阵方法，对于非线性（双曲）信号或相干噪声，采用的预测方法包括Radon变换方法和多项式拟合方法；最后，指出对数据中的非线性信号进行最佳建模是地震数据去噪的基础。上述方法的对比分析结果加深了数据处理人员对目前主流去噪软件模块理论基础的认识，从而进一步提升实际地震数据的处理效果。

随着国内油气勘探的不断深入，地震勘探目标越来越精细，常规的地震数据规则采集方式投资成本高昂，而非规则采集方式能够在不增加投资的情况下，得到非规则三维数据体。对非规则数据进行高密度的规则化重建，成为当前处理成像要解决的关键技术问题。针对该问题，基于压缩感知理论，研究了三维曲波变换数据重建方法。利用曲波变换能够有效捕捉地震记录中同相轴的各向异性特征以及方向性和各向异性特点，对地震数据同相轴进行最优稀疏表达，再引入凸集投影算法（POCS），开展基于三维曲波变换的非规则地震数据重建，提高重建精度。同时，采用f-x域转换和OpenMP并行加速优化策略提高方法的计算效率，最终实现了基于压缩感知的非规则采集数据高密度、高效率、高精度重建。利用该数据重建技术对胜利油田广利—青南滩浅海三维非规则采集数据进行重建和成像处理，结果表明：该方法重建结果精度高、计算效率高，能够获得较常规规则高密度采集更好的偏移剖面，明显提高了勘探目标的分辨能力。

浅海地震勘探中，如果鸣震和气泡满足一定的条件，将会产生拍振，产生一种能量很强的低频混响，其振幅强弱变化呈现明显的拍振包络趋势。常规的预测反褶积和利用远场子波的确定性反褶积等方法在压制这种噪声时效果均不理想。雷克子波反褶积方法在压制海上地震勘探气泡效应时具有较好的效果。基于CLAERBOUT理论，提出时滞−对数域滤波压制拍振包络中的低频混响的方法，重新定义了时滞−对数域中的时滞信号的内容，划分了小时滞信号、中时滞信号和大时滞信号。根据信号在时滞−对数域的不同分布，设计滤波器压制拍振包络中的低频混响噪声，取得了很好的噪声压制效果。利用时滞−对数域滤波方法和其他几种方法对实际数据进行处理，处理结果充分显示了时滞−对数域滤波方法在压制拍振包络中的低频混响方面的优势。

现有基于深度学习的层位识别方法通常在地震振幅信号特征方面进行处理，而地层之间上、下位置的空间关系、不同尺度特征未得到充分关注，导致普通深度学习网络在识别多个地震层位时容易产生层位识别结果连续性不强和错层等问题。为了充分利用层位之间的空间位置关系及多尺度特征，使用MultiResBlock多尺度残差模块、CBAM注意力与UNet++，提出了基于多尺度注意力UNet++的层位识别方法(MR_CBAM_UNet++)。该方法利用MultiResBlock提取更多层位尺度特征，采用CBAM注意力模块以减少非目标层的振幅信号干扰，利用Focal Loss与Dice Loss组成的联合损失函数对网络进行训练。最后，加入唯一性约束对模型识别结果优化得到层位识别结果。在实际地震数据上的评价结果显示，MR_CBAM_UNet++模型相比于传统模型，对非层位信息的抑制能力和复杂地势下层位的识别能力均有很大提升。在测试集上，层位识别结果的准确率达到了86.19%，有效缓解了层位解释连续性不强和错层等问题，唯一性约束也使层位识别结果更贴近实际。

页岩气储层具有水平层理特征, 并且同时发育若干平行排列的高角度裂缝, 利用传统的VTI和HTI模型不能对这种裂缝型储层进行准确描述, 但利用正交各向异性(OA)介质能够更准确地对其进行描述。根据高角度裂缝在地震反射方程中的各向异性特征, 提出一种表征高角度裂缝发育强度的裂缝指示因子, 再利用正交各向异性介质反射系数近似方程以及等效正交各向异性参数, 推导出正交各向异性介质中含裂缝指示因子的方位弹性阻抗方程, 建立了裂缝指示因子及裂缝方位弹性阻抗反演的方法流程。为提高反演的稳定性, 将推导的方位弹性阻抗方程改写为双参数的形式, 并采用基于模型的迭代最小二乘反演来进行裂缝指示因子和裂缝方位的稳定估算。模型测试和实际地震资料处理结果表明, 该方法能够得到合理可靠的裂缝指示因子和裂缝方位预测结果, 有助于指导页岩气储层高角度裂缝发育区域的勘探开发。

含倾斜裂缝的地层在地下广泛分布，可等效为倾斜横向各向同性（TTI）介质。TTI型富有机质页岩气储层即使具有较高的脆性程度，但其杨氏模量可能依旧较低，从而降低了杨氏模量作为储层脆性指数的适用性。为此，将杨氏模量与拉梅第一常数的组合作为脆性指数，推导了由脆性指数、裂缝密度和倾角直接表达的TTI介质线性化纵波反射系数方程及其傅里叶级数形式，有效分离了裂缝信息和背景基质信息。然后，在贝叶斯反演框架下，结合离散傅里叶级数，提出了一种直接预测TTI型富有机质页岩气储层脆性特征和裂缝参数的分级地震反演方法，该方法分别利用地震数据的二阶分量和零阶分量直接预测裂缝参数和脆性指数，以解决裂缝参数和脆性指数对地震数据贡献度不同而导致的裂缝参数预测稳定性差的问题，同时避免了裂缝方位估计误差对裂缝密度和裂缝倾角预测精度的影响。模型测试和实际应用结果表明，该方法估计的裂缝参数和脆性指数合理地圈定了优质脆性储层，提高了裂缝参数的预测稳定性。

为推进珠江口盆地开平凹陷深水储层预测技术的应用, 利用三维地震资料、钻井记录及测井数据对研究区进行了层序地层划分和沉积体系研究, 分析了恩平组岩石物理特征。采用测井约束稀疏脉冲反演方法, 得出有利储层砂体的纵、横向展布规律。结合地震多属性分析方法, 沿层提取多种对地震信息敏感度不同的属性, 优选出3种相关性系数大的属性进行权重融合。钻井资料揭示开平凹陷始新统地层以埋深大、砂泥岩互层为主要特征。相较于文昌组, 恩平组砂岩储集条件优越, 孔渗性好, 是潜在的有利储层。综合恩平组沉积分布、储层特征、地震反演结果和地震属性融合结果, 认为连续且高波阻抗的三角洲砂岩层是较有利的油气储层。预测KP11构造带西北部为有利钻探区域, 并提交了一口有利钻探井位, 为未来油气勘探提供方向。

利用分偏移距及分方位地震属性进行断裂、河道等复杂地质异常体检测存在属性信息挖掘不足、综合成果展示单一等问题。分析了经典非降维算法局部线性嵌入（LLE）的基本原理和技术特点, 开展了面向叠前地震属性的LLE降维技术研究并给出了相应的技术流程。通过对道集进行部分叠加和属性计算, 形成一个高维空间的部分叠加属性数据体, 利用LLE数据降维算法将高维空间属性数据体进行降维表示, 得到了三维空间的叠前属性降维数据体。与传统的线性降维算法主成分分析（PCA）相比, 典型数据测试证明了LLE非线性降维技术具有降维效果好、数据保真度高的特点。实际工区数据的应用结果表明: 基于LLE非线性降维技术可以实现对叠前地震属性的降维和融合, 通过充分挖掘偏移距属性和方位属性的有效信息, 实现了断裂-裂缝、隐蔽河道等的准确识别和表征。

西湖凹陷平北斜坡带平湖组储层受薄煤层影响易形成强反射，从而造成地质假象。储层反演时，薄煤层对储层分布和厚度的预测准确性有较大影响。消除煤层影响对提高储层预测精度至关重要。从煤层的地震反射特征出发，根据煤、泥、砂各岩性组合的反射系数差异，建立了一套提取、识别和消除煤层强反射系数的地震叠前优化处理技术流程。该技术通过叠前分角度地震道集处理，弱化了煤层强反射及其旁瓣造成的影响，提高了叠前地震道集的质量，突出了砂体分布特征，消除了煤层强反射造成的地质假象。在叠前地震反演技术的实际资料应用中，弱化煤层强反射处理后的地震数据有效地压制了煤层假象，降低了煤层强反射导致的储层预测多解性，在斜坡带平湖组储层预测中效果显著，有效支持了开发井的实施及钻后评价。

在湖泊−三角洲沉积体系中，致密砂岩储层孔隙结构复杂且孔隙类型多样、渗透率低，此类储层的测井解释与评价面临挑战。渗透率是储层评价和产能预测的关键参数，传统的渗透率测井解释方法精度低，不能满足生产要求。针对这一难题，分析了影响储层渗透性的微观因素（孔隙结构）和宏观因素（流动单元），而且孔隙结构与流动单元密切相关，提出了岩石类型与流动单元指数（FZI）大小分类构建渗透率模型的方法。首先，分析岩心实验结果，确定岩石类型，计算岩心流动单元指数并利用累计频率法进行类型细分，针对每种类型构建相应的渗透率模型。然后，选取敏感测井实验构建标签，利用深度神经网络构建最佳模型，预测储层流动单元指数。最后，将孔隙度测井和流动单元指数代入相应的分类模型，计算出渗透率。将该方法应用于XH凹陷HG组低孔、低渗储层的渗透率预测进行应用，渗透率预测对数误差约为0.18，比利用深度神经网络直接预测渗透率的效果好。新的储层渗透率评价方法包括基于数据驱动的机器学习方法和基于机理或知识驱动的物理模型构建，体现了数模双驱智能思想，显著提高了致密砂岩储层渗透率测井评价精度，为其他湖泊−三角洲沉积体系储层渗透率预测提供了重要借鉴。