低频建模技术研究及其在AVO反演中的应用.pdfVIP

低频建模技术研究及其在AVO反演中的应用.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
低频建模技术研究及其在AVO反演中的应用

中图分类号: P631 单位代码:10425 学 号: 低频建模技术研究及其在AVO 反演中的应用 Research of Low Frequency Modeling Method and its Application in AVO Inversion 学科专业: 地球探测与信息技术 研究方向: 地球物理探测方法与技术 作者姓名: 刘炳杨 指导教师: 张军华 教授 二〇一三年六月 Research of Low Frequency Modeling Method and its Application in AVO Inversion A Thesis Submitted for the Degree of Master Candidate:Liu Bingyang Supervisor:Prof. Zhang Junhua School of Geosciences China University of Petroleum (EastChina) 摘 要 地震数据的频带范围一般在几到几十 Hz 之间,常缺少低频和高频信息。高频信 息缺失主要影响地震资料的分辨率,而低频信息的缺失则会影响数据的基本趋势,影 响速度分析的精度,影响深层构造的成像。特别是在叠前和叠后反演中,低频信息的 缺失会严重影响反演结果的正确性,影响油气藏的精细描述。应该说,地震数据的低 频信息也起着不可忽视的作用。本文就如何对地震信号进行低频补偿,如何在反演过 程中构建低频模型进行了探索性研究。 关于地震信号的低频补偿,虽然是个老问题,但文献报道的有效方法还不是很多。 笔者认为地震信号的低频补偿一定要从数据本身出发,以保证补偿低频的可靠性。本 文介绍了一种基于压缩感知理论和稀疏脉冲反演的低频补偿方法,并对模型和实际资 料进行了试算,可以较好地对地震信号低频成分进行补偿。另外,本文还介绍了一种 频域空间滤波器的方法进行稳频处理,这样处理后可以使低频成分更加稳定,改善反 演以及后续解释分析的效果。 叠前 AVO 反演,在缺少低频的情况下只能定性地进行属性分析,而不能进行储 层定量研究。而反演所用的低频模型一般从井资料出发,采用空间插值方法进行构建。 本文对协克里金、序贯高斯模拟等基于地质统计学的建模方法进行了误差分析,发现 简单地利用单一数据约束插值过程效果不稳定。针对上述问题,尝试了一种多属性相 关约束的建模方法,建模效果相对来说比较稳定。 最后,本文针对不加低频趋势、加入序贯高斯模拟方法构建的低频模型以及多属 性相关方法构建的低频模型的反演结果进行了分析,发现在缺少低频情况下以及加入 的模型不够准确时,反演效果不理想。而使用多属性相关方法构建的相对比较准确的 低频模型进行反演,效果则较前两种要好很多。 关键词:低频补偿,压缩感知,低频建模,多属性相关建模,AVO 反演 i Research of Low Frequency Modeling Method and it’s Application in AVO Inversion Liu Bingyang (Geophysical Exploration and Information Technology) Directed by Prof. Zhang Junhua

您可能关注的文档

文档评论(0)

tianebandeyazi + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档