简介:相干体是一种能够有效反映断层和裂缝等地质上非连续性的地震资料解释工具。然而由于受到附近地层,尤其是具有较强反射系数的地层的影响,微小断层和裂缝在相干体的时间切片和纵剖面上仍然难以辨别。本文提出了一种基于局部直方图规定化的相干体增强方法,实现相干体中的微小断层和裂缝的增强。与传统直方图规定化方法不同,本文方法处理三维相干体时不需要对数据进行离散化以统计其分布情况。在将相干体划分为若干子块后,以相干体整体的分布函数作为每个子块内的目标分布函数进行直方图规定化。另外,相邻子块的部分区域需要重叠,以克服分块产生的边界效应。对实际数据的处理结果表明,该方法可以提供更多的微小断层和裂缝的细节信息。
简介:提出一种对整幅高光谱图像的稀疏表示结果进行直接显示的方法,图中不仅包含了稀疏表示中保留的光谱信息,还可显示整幅图像的空间信息。稀疏表示后,将字典中的各有效原子根据光谱特性选择颜色标签,之后根据稀疏系数进行混合颜色显示,此时的图像能够同时满足可分性及距离保持特性。针对局部地物时,提出的单像素混合阵列表示法及改进的裂片纹理技术能够直观且完整的显示出每个像元的具体组成情况,还能够根据所生成图像中的信息对原始HSI进行重建,进而提高数据的利用率。该模型不仅能够良好地显示地物的空间特性,同时能够显示稀疏系数的组成,同时单像素混合阵列表示法及裂片纹理技术弥补了混合像素彩色显示中颜色表达混乱的弊端。对真实地物数据进行实验,结果证明该模型产生的彩色图像具有良好的视觉效果及可分性,满足距离保持特性。
简介:地震数据规则化是地震信号处理中一个重要步骤,近年来受到广泛关注的压缩感知技术已经被应用到地震数据规则化中。压缩感知技术突破了传统的Shannon-Nyqiust采样定理的限制,可以用采集的少量地震数据重构完整数据。基于压缩感知技术的地震数据规则化质量主要受三个因素影响,除了受地震信号在不同变换域的稀疏表达和11范数重构算法的影响外,极大地取决于地震道随机稀疏采样方式。尽管已有学者开展了2D地震数据离散均匀分布随机采样方式研究,但设计新的稀疏采样方案仍然很有必要。在本文中,我们提出满足Bernoulli分布规律的Bernoulli随机稀疏采样方式和它的抖动形式。对2D数值模拟数据进行四种随机稀疏采样方案和两种变换(Fourier变换和Curvelet变换)实验,对获取的不完整数据应用11范数谱投影梯度算法(SPGL1)进行重构。考虑到不同随机种子点产生不同约束矩阵R会有不同的规则化质量,对每种方案和每个稀疏采样因子进行10次规则化实验,并计算出相应信噪比(SNR)的平均值和标准偏差。实验结果表明,我们提出的新方案好于或等于已有的离散均匀分布采样方案。
简介:山区重力勘探中,重力外部校正是重力勘探料处理和解释的前提,其内容包括地形校正、中间层校正等.本文在分析常规外部校正方法的基础上,提出了一套适合于山区重力勘探的球面地形校正及有限球壳中间层校正方法,并严格推出了球面地形校正公式.对中国南方ZJJ地区重力资料处理结果表明,该方法提高了地形校正的精度,使山区重力资料品质达到或接近平原区的水平.
简介:边界识别是重磁数据解释中的常用方法之一,依据其结果可划分出地质体的水平范围。边界识别结果受地质体埋深及导数计算误差的影响所识别边界与真实边界之间存在一定的差距,且边界识别法无法直观地给出地质体的深度信息。为了获得异常体的水平位置和深度信息,本文提出空间归一化边界识别方法,其对不同深度的边界识别函数进行归一化计算,空间归一化边界识别法的最大值对应于异常体的水平位置和深度。常规边界识别结果的误差随理深的减小而减小,而空间归一化边界识别法是通过最大值来判断地质体的位置,最大值是在地质体处获得,因此归一化边界识别方法所获得的结果是准确的。通过理论模型试验证明归一化边界识别方法能有效地完成异常体的水平位置和深度的计算,所获得的水平位置和深度信息与理论值相一致,为下一步的勘探计划提供了更加可靠的依据。将其应用于实际航磁数据的解释,获得了断裂的具体分布形式。更多还原
简介:从大量的地震属性中提取最能反映地质特征的综合属性是储层预测技术的关键,通常选用降维方法来优选属性。目前应用最为广泛的线性降维方法。但是,由于地震属性与地质特征的关系通常是非线性的,基于线性变换的地震属性降维优化方法不能充分地反映这种非线性关系,降低了储层预测的精度。流形学习是一种新的非线性学习方法,它是通过保持数据局部结构的方式将高维数据投影到低维空间,挖掘和发现隐藏在数据中的内在特征与规律性,开拓了地震属性降维优化研究的新领域。本文首次实现了3D地震数据的层问属性特征提取,讨论了LLE方法及其关键技术,并以奥陶系礁滩相储层实例说明LLE和PCA两种方法降维及聚类的不同效果。理论模型分析和实例应用表明:LLE较好地保持了数据本身的原始结构;提取的综合属性和聚类相图较好地刻画了沉积相带、储层和流体的特征。这说明流形学习具有更好的特征提取性能。
简介:井地电位成像是通过套管向井中供电或将电源放在井中,在地表观测电位异常的一项技术,其供电源有线源和点源两种类型。为了研究这两种电源对地下异常体产生的电位异常特征,本文针对不同激励源,采用有限差分方法进行数值模拟研究,在线性方程组求解电位时引入不完全Cholesky共轭梯度(ICCG)迭代方法,分别实现了点源和线源井地电位成像技术的三维正演。最后,基于阻尼最小二乘法实现了井地电位成像技术的电阻率三维反演。设计不同地电模型分别进行正演和反演试算,正演结果表明,供电电源的类型不同,异常体在地表的电位异常特征也不同;反演结果表明,低阻体的反演结果要好于高阻体,点源置于异常体下方时反演的电阻率对异常体边界的识别比线源更加准确。
简介:类中梯装置三维激电成像技术兼顾了激电测深与激电剖面二者的特点,能快捷高效的获得测区三维电阻率及极化率信息,空间分辨率高,探测深度大。本文从类中梯装置的数据采集方式入手,阐述了采用类中梯装置进行三维激电成像的工作方式.建立了一个三维地电模型,采用类中梯装置进行三维正演模拟,并进行反演及成像。数值模拟结果表明,采用类中梯装置进行三维激电成像能较好地刻画实际地电模型的特点。以甘肃省某多金属矿为例,利用阵列式电磁法综合测量系统,进行了三维大功率激电成像技术的应用研究。实际应用结果表明,采用三维激电成像技术,可以多角度、多细节显示测区地下介质电阻率、极化率的分布情况,明确电性突变界面的延展状态,快速圈定成矿有利区。该研究对多金属矿产勘探等领域具有一定的指导性意义。
简介:通过地震数据获取裂缝储藏中流体的性质并对流体类型进行识别,是地震勘探岩性反演的重要问题之一。由于地震波的速度、储层的密度等弹性参数对某些流体不具有很强的敏感性,使只依赖振幅信息进行流体识别的传统AVO方法面临困境。作为传统叠前振幅反演的一个拓展,频变AVO(FDAVO)技术进一步考虑了振幅对频率的依赖关系,将这种依赖关系与地下裂缝结构、流体填充对应起来,能带来更丰富的流体信息。利用该技术,本文提出了一种基于地震数据参数化Chapman模型的贝叶斯反演新方法(BIDCMP),它包含两步算法,即,FDAVO反演储层的非弹性属性和贝叶斯框架下的流体识别。首先,通过匹配观测数据和模型数据,构造差函数反演裂缝储层非弹性参数。随后,在贝叶斯框架下,使用马尔科夫随机场(MRF)作为先验模型,联合多参数场识别流体。本方法在计算过程中,除综合考虑了弹性参数场、测井资料等常规信息外,还特别地加人了第一步中反演得的非弹性参数的约束,从而充分利用了流体粘性差异,最后在最大后验概率(MAP)准则下输出最佳岩性一流体识别结果。分别对合成地震记录和模拟岩性—流体剖面验证本文方法的有效性,结果证明本文方法获得的流体识别结果准确可信。