一、应用地震道进行间接“地震测井”（论文文献综述）
厍斌[1]（2021）在《基于稀疏表征的高维地震信号反演方法研究》文中研究表明地面激发的地震波向地下深层传播过程中会产生大量不同入射角的高维地震反射信号,该信号综合反映了地下介质丰富的岩性、构造和含油气性等信息。地震信号反演可从该高维信号中反推地下地质体的多种信息,是地下油气等资源勘探的重要手段,也是当前信号处理和资源勘探领域共同关注的前沿交叉科学问题。高维地震信号反演的难点主要在如下四个方面:（1）地震反演问题本身的不适定性,主要表现为反演过程的不稳定性和反演结果的多解性;（2）高维地震信号对不同类型储层参数的响应存在差异,当同步反演多种储层参数时,部分参数的反演结果可靠性较低;（3）地震信号的频带窄,导致地震反演结果的分辨率低、精度不足;（4）地震信号的横向一致性较差,导致常规逐道反演方法的平稳性低,进而造成反演结果横向连续性不足。现有多数方法以模型驱动方式添加储层参数的先验约束以降低上述问题带来的影响。随着对复杂油气藏勘探精度要求的逐年提升,这种模型化的方法已经很难满足实际应用需要。本文以储层参数稀疏表征为手段,提出了模型与数据混合驱动的地震信号反演新方法,在实际应用中获得了很好的效果,主要创新研究包括以下四点:（1）为克服反演问题的不适定性,传统地震反演方法假设地下储层参数服从特定的分布类型或结构特征,导致其应用范围具有局限性,当实际情况远比假设条件复杂时反演无法达到满意的效果。针对上述问题,本文提出了基于字典学习和稀疏表征的地震信号反演方法。该方法利用过完备字典学习算法获得地下储层参数的沉积结构特征字典,然后以地震信号反问题的固有物理机制为模型驱动,以基于特征字典的储层参数稀疏表征约束为数据驱动,实现了模型与数据混合驱动的地震反演求解过程。研究表明,该方法能自适应地获取储层参数先验信息,可显着提高反演结果的准确性,适用于复杂地质区域的反演任务。（2）传统地震反演方法在同步反演多个参数时,未考虑不同参数间的相关性空变问题,导致多参数同步反演效果欠佳。针对这一问题,本文提出了基于联合稀疏表征的多参数同步地震信号反演方法。该方法利用联合稀疏表征技术学习多个储层参数的联合字典,其同时刻画了各储层参数的沉积结构特征及参数间相关性特征,同样以模型与数据混合驱动的方式构建反演目标函数,实现了沉积结构与相关性联合约束的多参数同步反演。研究表明,该方法进一步提高了同步反演的每一个储层参数的反演精度,特别是对振幅信息敏感度偏弱的密度参数。（3）受地震观测信号的频带限制,传统方法的反演结果分辨率不能满足复杂油气藏精细化描述的需要。针对这一问题,本文提出了基于联合稀疏表征和高频预测的高分辨率地震反演方法。该方法借鉴图像超分辨率的思想,利用测井数据所提供的全频带信息,通过联合字典学习算法获得反演结果中低频信息与测井高频信息的关联特征,并根据该特征预测反演储层参数的高频分量,拓宽了反演结果的频带。研究表明,该方法提高了识别地下薄层/薄互层的能力,可满足复杂油气藏反演任务的精细化描述需求。（4）前述反演方法忽略了储层参数的空间结构特征,导致反演结果横向连续性较差。现有的3D反演方法或者过于简单,忽略了真实的空间结构特征;或者过于复杂,计算效率较低。针对这一问题,本文提出了基于联合稀疏表征与空间结构约束的3D地震反演方法。该方法首先利用结构张量技术从地震观测信号中提取出结构张量场,用以描述地下储层参数的空间结构特征;然后以该特征作为横向约束,并在纵向上结合基于联合稀疏表征的沉积结构和相关性约束,实现了3D高分辨率地震反演。研究表明,该方法保留了前述研究高准确性、强自适应性和高分辨率的优点,又增强了反演结果在空间展布上的连续性。综上,本文为复杂油气藏高维地震信号反演提供了新的思路,也可为相关领域反问题的求解提供借鉴,具有一定的理论价值和实践意义。
于浩[2]（2020）在《多变量孔隙压力预测与不确定性分析方法及应用研究》文中提出随着海上油气资源勘探开发逐步向深海发展,超压区域中的油气勘探开发逐渐增加,钻前异常压力预测逐渐成为油气勘探开发中的关键环节。准确的异常孔隙压力预测在油气资源的勘探、油气田的开发以及油藏工程等领域中具有重要意义。目前孔隙压力预测方法主要是建立在单一地球物理参数与孔隙压力（或有效应力）之间的经验关系之上,而异常孔隙压力不仅成因复杂,且受到区域构造背景、沉积特征等多种因素的影响,单变量模型往往不能够充分描述孔隙压力的复杂变化;同时,由于对压力成因及其影响因素认识限制,以及用于孔隙压力预测的数据资料（测井、地震资料）的局限及误差,使得孔隙压力预测具有较强的不确定性。为此,论文开展多变量孔隙压力预测与不确定性分析方法及应用研究。论文基于岩石物理实验数据和测井资料的分析,明确了岩石纵波速度与有效应力和孔隙度之间存在复杂的多变量关系。针对具有明确函数形式的参数化模型难以准确反映有效应力与速度、孔隙度和泥质含量之间复杂非线性关系的问题,论文开展了非参数化有效应力模型研究。进而在非参数化多变量有效应力直接变换模型的基础上,应用机器学习算法,提出一种基于机器学习算法的多变量孔隙压力预测方法,提高了测井多变量孔隙压力预测精度。在此基础上,开展基于机器学习算法的地震多变量孔隙压力预测方法研究,建立了三维地震多变量孔隙压力预测方法技术流程,提高地震孔隙压力预测精度;同时,为了提高三维空间岩石速度、孔隙度及泥质含量三个变量的求取精度,开展了地震叠前同步反演应用研究,提高地震多变量孔隙压力预测所需的纵波速度场及用于构建上覆应力场的密度场精度,开展了基于梯度提升算法的多地震属性变换方法研究,为三维地震多变量孔隙压力预测提供高精度的岩石孔隙度场和泥质含量场。其次,为定量分析地震多变量孔隙压力预测的不确定性,论文开展了基于地质统计协同模拟方法的地震多变量预测孔隙压力不确定性分析方法研究。使用基于最小/最大自相关因子变换的序贯协同模拟算法,生成大量用于预测岩石物性变量实现,结合基于机器学习的地震多变量压力预测方法获取多组预测孔隙压力实现,进而估算预测压力的分布,使用95%置信区间表征预测压力不确定性。最后将上述方法及流程应用于研究区三维孔隙压力场的预测及其不确定性分析。论文取得的主要研究成果如下:1)通过对岩石样品实验数据中速度-有效应力关系的拟合结果分析,对于有效应力项,Eberhart-Phillips模型采用的线性函数与指数函数叠加的函数形式适合砂岩地层,而Sayers模型采用的幂函数形式则适合泥岩地层,因而两个参数化模型的具体函数形式包含对岩性的假设。使用非参数化模型去除了具体函数形式的限制,因而能够更加准确地描述岩石物性与有效应力之间的变化关系。2)在非参数化有效应力模型的基础上,提出了一种基于机器学习算法的测井多变量孔隙压力预测方法。应用机器学习算法需要较大量的训练数据,而实测压力数据点往往很少,难以满足训练数据需求,使用正常压实段的有效应力数据代替实测数据构建训练数据集能够解决实测数据不足的问题。在进行数据集归一化时,由于孔隙度与泥质含量数据分布不均衡的特点,使用分位数归一化方法比使用最大最小值归一化方法更有效。通过对比不同井上不同机器学习算法的超参优化的结果,可以推断相同地质背景的几口井可以采用相同的超参组合。相较于多层感知机、支持向量机和梯度提升算法,随机森林算法在测井孔隙压力预测中取得了更好的效果。孔隙压力预测精度与机器学习算法的拟合优度和泛化能力相关。相较于确定性模型方法,基于机器学习模型的预测方法能够给出更加准确的异常压力起始深度。3)提出了一种基于机器学习算法的地震多变量孔隙压力预测方法,该方法利用叠前同步反演获得速度场和用于计算上覆应力的密度场,利用多地震属性变换获得孔隙度与泥质含量场,进而在每个CDP点上应用基于机器学习模型的多变量预测方法。在进行地震多变量孔隙压力预测时,由于计算量较大,使用预测精度接近的梯度提升算法代替随机森林算法能大幅度减少运算时间和运算占用的系统资源。在进行非欠压实成因压力校正时,由于仅能获得井位上的压力卸载指数U,因而需要使用克里金插值获得区域上卸载指数的分布。井旁预测压力与井上实测压力的误差分析以及压力场的沿层切片分析表明,该方法不仅能够给出准确的预测压力,且预测压力场的分布符合地质背景趋势。4)地震速度、孔隙度和泥质含量之间具有相关关系,需要使用协同模拟来重现变量之间的相关关系,多变量的协同模拟算法复杂、效率低,本文使用基于最小/最大自相关因子变换的协同模拟算法实现了地震速度、孔隙度和泥质含量的协同模拟,利用多组变量的实现,使用基于机器学习算法的孔隙压力预测方法获得预测孔隙压力的多组实现,进而估算空间中预测孔隙压力的分布。使用该方法能够获得预测压力的置信区间,表征预测压力的不确定性。论文取得的主要创新点如下:1)提出了一种基于机器学习算法的测井多变量孔隙压力预测方法。该方法在有效应力的非参数化变换基础上应用机器学习算法进行测井多变量孔隙压力预测。2)提出了一种基于机器学习算法的地震多变量孔隙压力预测方法。该方法在叠前同步反演和基于梯度提升算法的地震多属性变换方法的基础上将基于机器学习的多变量预测模型应用于地震资料孔隙压力预测。3)提出了一种基于地质统计随机模拟的多变量孔隙压力不确定性分析方法。该方法使用基于最小/最大自相关因子变换的协同模拟算法和基于机器学习的压力预测方法模拟预测孔隙压力获得多组预测压力实现,估算空间点上孔隙压力的分布,进而量化预测压力的不确定性。
陈彦虎[3]（2020）在《地震波形指示反演方法、原理及其应用》文中研究指明随着油田勘探开发的不断深入,超薄储层和非常规储层甜点刻画等对反演技术提出了越来越高的要求。本文系统总结了主流地震反演技术的研究现状和局限性,认为高分辨率反演的核心和难点在于如何获得高于地震分辨率的高频部分,目前的反演技术高频部分得获得主要依靠井插值或者随机模拟,存在反演结果过于模型化或者随机性强的问题,无法满足薄精细储层预测的需求。研究发现相似的岩性组合往往具有相似的地震波形,但是测井曲线由于高频信息的差异导致了相似性较低,通过对测井曲线逐步降低频率滤波,发现当测井曲线滤波到100-200Hz,甚至到200-300Hz,就具有了和地震波形相当的相似性,建立了低频地震波形与高频测井信息的内在联系,奠定了地震波形指示反演的理论基础。在地震波形分类和地震沉积学技术基础上,引入具有纵向高分辨率的测井曲线,建立了地震波形指示反演方法（Seismic Meme Inversion,简称SMI）。该方法通过地震波形高效动态聚类,建立了地震波形结构与高频测井曲线结构的映射关系,提高了反演结果的纵向分辨率和横向分辨率,使地震反演的分辨率提高到了 2-3m;通过构建不同地震相类型的贝叶斯反演框架,实现了真正意义上的相控反演。为了验证波形指示反演和波形指示模拟方法的应用效果,利用Marmousi模型与模拟薄储层、砂体叠置、煤层强反射屏蔽砂岩和页岩裂缝孔隙度等4种不同地质条件的正演地质模型开展波形指示反演实验,实验结果表明地震波形指示反演可以预测2-3m的薄储层,证明了方法的合理性和反演结果的高精度。利用陆相薄储层资料、煤层强屏蔽下的薄砂岩资料和海相页岩气裂缝孔隙度参数模拟三个实例论证了地震波形指示反演在不同地质条件下的应用效果。利用大庆长垣典型的陆相薄互层实际资料开展了波形指示反演,波形指示反演能识别2-3m的薄互层,并且反演精度高,参与井和验证井吻合率达到了 90%和80%。地震波形指示反演技术为薄储层预测提供一种全新的思路;利用准噶尔盆地侏罗系煤层强屏蔽下的薄砂岩预测结果表明,地震波形指示反演可以有效地避免煤层强反射强同相轴的影响,可以准确预煤下2-8m的薄砂岩;利用四川盆地川南龙马溪组页岩实例表明,地震波形指示模拟实现了裂缝孔隙度的定量预测,通过和测井曲线和蚂蚁体等地震几何属性对比,验证了裂缝孔隙度模拟的可靠性。地震波形指示反演通过地震波形驱动测井曲线实现高分辨率反演,反演结果突破了地震分辨率的极限,为薄储层预测、高分辨率储层参数模拟提供了一种新的技术思路,具有重要的现实应用意义。
王鹏[4]（2020）在《大庆杏五七区西部葡I3单元储层预测与沉积微相研究》文中研究表明杏五～七区块位于松辽盆地北部地区,研究层位属葡萄花油层组。该区葡萄花油层以三角洲前缘相沉积体系为主,具有“单层砂体薄,河道剥蚀严重”的特点。受多期河道影响,葡萄花油层沉积单元识别难度大,针对这些特点开展论文。本文以层序地层学理论为基础,利用测井曲线的旋回特征和沉积单元的地层特征将葡萄花I油组的1～3油层细分为8个小层单元,对葡萄花I油组1～3油层进行基于测井相的全区小层再调整。进行葡I3沉积单元细分对比研究。通过井震联合标定技术,建立等时地层格架,采用相干体,小层趋势面法辅助层位与断层解释。建立空变速度场进行时深转换,完成葡萄花油层四个反射层构造图的绘制。通过平面与剖面两个方向对反射层进行构造特征分析。储层预测主要依靠地震反演技术,针对常规反演手段无法实现对薄层砂岩的准确预测问题,本文利用曲线重构技术加以改良。通过反演方法挑选、提高地震采样率、反演参数优选等手段加以辅助,最终实现反演。通过观察反演剖面所能识别砂岩最小厚度来看是否达到提高分辨率的目的。综合分析研究区的沉积背景,通过单井相与测井相类型分析来研究沉积微相分布特征。以已知井点信息为基础,结合砂岩预测厚度与反演切片完成沉积微相的刻画。分析沉积微相平面特征,在此基础上进行沉积演化模式分析。葡萄花油层的油藏类型以构造-岩性圈闭为主。断裂密集带、河道走向两者共同控制油藏的分布。综合研究区构造特征、储层特征和油藏特征,预测研究区葡I31、葡I32、葡I33三个目的层的有利区带。
石战战[5]（2020）在《地震信号稀疏化处理方法研究及应用》文中研究说明油气资源短缺是我国当前和今后面临的一个重要问题,随着油气资源勘探程度增加,新发现构造油气藏越来越少,油气藏勘探开发重点逐渐转向地层油气藏、岩性油气藏等复杂油气藏。地震储层预测更加依赖高效率、高保真、高分辨率数据处理方法,迫切需要一套新理论、方法能够贯穿于整个地震勘探生命周期。地震信号典型特征是信息冗余,即海量地震数据中所携带的信息是有限的。这种结构特征可以采用稀疏进行建模。以稀疏表示为核心的稀疏理论摆脱了传统信息论的缺点,通过少量的系数揭示蕴含的信息。地震信号满足的褶积模型与稀疏表示形式相同,采用稀疏理论能够快速简单地处理地震数据。论文的目的是研究地震信号稀疏化以及在叠前道集优化处理和储层预测中的应用。取得的研究成果和结论包括:1.针对地震信号的结构特征,对已有稀疏表示目标函数提出3点改进:（1）采集和处理环节可能会产生异常值,L2-范数和LF-范数拟合项会放大异常值的影响,将L1-范数和L2,1-范数拟合项引入目标函数能够提高算法的异常值鲁棒性。（2）地震子波构造子波字典具有较高的相干度,不满足稀疏表示的非相干字典要求,将L1-2-范数正则化引入地震资料处理。（3）L1-范数和L2,1-范数正则化存在系数矩阵惩罚不均衡的缺陷,借鉴迭代重加权对目标函数进行修改。基于以上3点改进,提出了迭代重加权L1-L1-范数、L1-2-L1-范数、L2,1-L2,1-范数3种稀疏表示算法。2.传统叠前多道算法处理共炮点道集和CMP道集。这两种道集中直达波和折射波为倾斜同相轴,反射波为双曲线型同相轴,不能发挥多道算法优势。共偏移距道集地震数据具有水平同相轴结构,各道反射波到达时间和信号结构相同,表现出较好的空间相干性,满足共稀疏性条件。结合联合稀疏表示和共偏移距道集数据处理的优势,将联合稀疏表示算法应用于共偏移距道集就能够利用信号的空间相干性,提高去噪算法性能。3.常用地震数据处理方法建立在均匀各向同性层状介质基础上,动、静校正后叠前道集仍存在剩余时差,同相轴校正不平。利用动态时间规整逐点校正地震道,容易造成信号畸变。提出了一种结合稀疏表示和动态时间规整的新方法。该方法利用反射系数序列可以看作是地下地层单位冲击响应,为脉冲序列。由地震子波构造字典后,利用稀疏表示反演反射系数序列,就能消除波形影响。再对反射系数道集进行校正就能避免波形畸变,同时抑制随机噪声。4.地震反演应用于薄储层预测面临3个困境:（1）薄层时间厚度往往小于调谐厚度。由于薄层调谐,反射波受邻层影响较大;（2）反射波能量弱且连续性差,单道反演横向连续性不好;（3）有效信号弱而噪声强。针对以上3个问题,将联合稀疏表示引入地震反射系数反演,构造一种新的多道反演算法。采用双极子分解构造楔形子波字典,提高反演结果分辨率。动校正和剩余时差校正后的叠前地震数据具有水平同相轴结构,满足共稀疏性假设条件,利用联合稀疏表示反演叠前地震道集能够提高反演结果的鲁棒性和横向连续性。局部地层近似为水平地层,近似满足共稀疏性假设,利用联合稀疏表示实现叠后多道反演是可行的。并且多道参与计算相当于增加约束条件,能够缩小解空间,降低多解性。5.地震信号是非平稳信号,但截断信号可以看作是分段平稳的,其时频谱是近似稀疏的。将时频分析采用的信号截断看作是对信号的重采样过程,将压缩感知引入时频分析,利用稀疏表示算法就能够恢复高分辨率时频谱。同时,地下地层沉积相带、物性和流体性质变化会引起地震信号波形和时频谱变化,往往时频谱变化较波形变化更为显着。但时频分析造成数据高度冗余,增加解释工作量。将时频分析和聚类算法结合起来提出时频域波形分类。利用测井解释标定聚类结果后,就能够作为一种直接烃检测方法辅助储层预测。同时降低低频阴影等解释方法的不确定性。6.以某区实际资料为例验证所提方法的有效性。通过叠前道集优化处理实现随机噪声压制和同相轴校平,为储层预测提供高信噪比、无剩余时差叠前道集。主力储层（P5砂层）测试结果验证了基于稀疏理论的储层预测方法的适用性和精确性。
胡迅[6]（2020）在《多点地质统计学叠前同时反演方法研究》文中研究说明油气田的勘探、开发的工作多是针对储层进行的,储层建模和随机反演方法也一直是工业界与学术界关注的热点问题。地质统计学建模依据垂向上分辨率高的井数据,通常在远井区模拟结果准确度不高。常规地震反演则是依据平面上分辨率高的地震数据,反演模型的空间结构缺少地质意义。近些年来综合多学科反演来提高地震反演的价值和地质建模的价值达成了共识。地质统计学反演结合地质、测井和地震资料将地质建模和地震反演结合的一种反演方法。传统的地质统计学反演在不同的工作流程中将传统的地质统计学与常规随机反演有效整合,取得了较好的反演效果。随着地质统计学和随机反演的发展,采用有效且高效的手段进行地质统计学反演是目前的发展趋势。本文以地质、测井、地震和岩石物理资料为基础,结合DS算法、McMC方法和叠前同时反演理论,开发了一套基于DS算法的McMC叠前同时反演方法。相比SIMPAT算法,DS算法简单灵活,可以大大提高计算效率。McMC采样方法通过构造马氏链,使得可以从等效于后验概率的平稳分布中获取储层参数样本。叠前同时反演技术利用纵波阻抗、横波阻抗和密度的关系反演出纵波阻抗、横波阻抗和密度数据体,消除反演算法的不稳定性,可更加精确地预测岩性和流体属性。本文从地质统计学、采样方法和地震反演理论出发,介绍了它们的基本概念,接着介绍了目前地质统计学反演方法和本文提出的新方法,进行对比分析。最后,选取了二维河道模型、StanfordⅥ-E储层和彭州薄互层模型进行了反演测试,结果表明单角度反演扩展到多角度反演,反演结果在砂体形态的刻画上比单角度反演稍好;McMC采样反演的结果接近拒绝采样的结果,而前者采得样本更多,比拒绝采样多一倍左右;基于SIMPAT算法的反演结果与理论模型更吻合,但是该方法比DS算法计算成本多一倍;将纵横波阻抗和密度关系应用到反演和流体预测中将会有很好的效果;将新方法与常规地质统计学反演方法和基于更新比率恒定理论的地质统计学反演方法对比分析,新方法能更有效地识别储层特征。因此,基于DS算法的McMC叠前同时反演是可行且高效的。
杨文强[7]（2019）在《孙疃矿中组煤层地震相分析与煤厚预测》文中进行了进一步梳理煤形成过程由于沉积环境的变化,煤层厚度往往变化较大,在开采时,当实际煤厚比设计煤厚变薄10%-20%时,煤炭产量会下降35%-40%,同时研究煤层厚度也有利于预防瓦斯突出。因此,研究煤层厚度变化规律与地震预测方法,对煤矿安全高效开采具有重要的研究意义和实用价值。煤层厚度主要取决于可容空间增长速率与泥炭聚集速率之间的相对平衡,只有相对稳定的沉积环境才有利于煤层沉积,因此煤层的沉积环境（沉积相）是煤层厚度变化的主要因素。在煤层沉积相与测井相分析基础上,根据地震参数特征上的差别,划分地震层序,建立地震相（地震层序）与沉积相（地层层序）的对应关系,采用地震相方法划分为不同的地震相区,给出煤层不同沉积相区。由于煤层厚度的变化,会引起煤层反射波属性的变化,也就是反射波波形的变化,也就是有可能根据煤层反射波形的变化预测煤层厚度。本文系统分析了孙疃矿钻探、测井等资料,利用沉积相和测井相等相关地质理论,依赖地震相分析方法划定了首采区中煤组沉积相,认为区内主要有分流河道及分流间洼地两种沉积相,并讨论了沉积环境对煤层厚度变化的控制。建立了煤层厚度变化楔形地震地质模型,模拟地震道波形随煤层厚度变化的响应,研究了基于波形分类的地震相分区煤层厚度预测方法。将该方法应用于孙疃矿首采区中煤组72、82煤层厚度预测,在钻孔约束下对实际资料进行处理,采用波阻抗法、谱矩法和波形分类地震相方法反演煤层厚度,其中波形分类地震相方法预测的煤层厚度精度高,证明该方法可行。
崔泽飞[8]（2019）在《基于三维地震资料的四川某区灯影组碳酸盐岩储层预测研究》文中认为碳酸盐岩储层是已探明储量最多的储层,提供了现今一半以上的油气资源。四川某区灯影组碳酸盐岩储层油气资源丰富,但是开发程度较低。该区域勘探开发的难点在于,储层非均质性强,常规的储层预测方法准确率较低。该地区受岩溶作用影响灯四上亚段反射波同相轴较为杂乱,并且多发于有小尺度裂缝,常规的裂缝预测方法分辨率太低,无法准确刻画裂缝发育位置。针对该区域勘探开发的难点,本文从以下3个方面做出研究。（1）针对研究区储层发育程度在纵向上存在较大差异,储层非均质性强的问题,本文提出了基于层位约束在纵向上圈定了储层发育的有利位置的方法。先通过井-震标定找到了在不同地震相带内储层在纵向上的发育特征,再从储层预测的角度出发重新解释了灯四上亚段的底界面,为后续通过地球物理方法的进行储层预测奠定了基础。（2）在碳酸盐岩储层预测中,常规的振幅属性是通过描述与岩溶作用相关的“亮点”反射的振幅间接反应储层发育位置。频率衰减梯度是属性通过地震波高频衰减反应储层含气性从而描述储层位置。这些方法该地区储层预测结果的精度较低（与实际测井资料的吻合率低于70%）。针对该地区储层横向发育差别较大,基于常规地震属性进行储层预测难的问题,本文对常规的时间域的子波分解与重构方法进行了改进,该方法先将地震信号分解为不同形状的三参数小波,再选择与储层相关的波形经行重构,从而预测储层的横向发育位置,预测结果和实测井资料的吻合率为80%。（3）针对研究区目的层地震反射波较为杂乱,常规的预测方法在该研究区的应用效果差,裂缝预测难的问题,本文提出了改进的相干体技术,通过对原始地震资料做三维包边去噪处理以及对相干结果做滤波做处理,提高了该技术的抗噪性。该方法能较为清晰的刻画裂缝发育位置,区分裂缝发育程度,并且和测井资料的解释完全吻合。上述方法在该研究区的应用结果表明,新的层位对提取地震属性,找到优质储层有所帮助。改进的子波分解与重构技术能比较准确的描述储层的横向发育位置。改进的相干体技术能够比较准确的预测大尺度和较小尺度裂缝发育位置。
谢玮[9]（2019）在《基于机器学习的缝洞识别及多波联合反演方法研究》文中研究说明随着人工智能和机器学习的快速发展,机器学习已渗透到石油勘探开发的各个环节,对石油地球物理勘探产生了重要的影响,同时也带来了新机遇和新突破。石油地球物理勘探,尤其是测井和地震勘探,在研究过程中通常会遇到一系列的分类问题和回归问题。本文在调研总结石油地球物理勘探中的分类、回归问题的基础上,对分类问题中的裂缝和缝洞充填物识别,以及回归问题中的多波联合反演展开了研究,并分别提出了改进方法。针对裂缝和缝洞充填物识别,本文提出了一种基于最小二乘支持向量机的识别方法。结合FMI电成像测井图像和岩心观测资料,对裂缝和缝洞充填物进行分类;分析裂缝和缝洞充填物的测井响应特征,从众多的测井曲线中挑选出对裂缝和缝洞充填物敏感的测井曲线;由于利用单个测井曲线来识别的效果往往不佳,因此提取对裂缝和缝洞充填物更加敏感的组合参数;利用最小二乘支持向量机方法分别建立裂缝和缝洞充填物的识别模型,并通过粒子群算法对最小二乘支持向量机参数进行优化,以提高裂缝和缝洞充填物的识别精度。实际资料测试中,该方法的识别精度高于BP神经网络方法,识别结果与成像测井、岩心资料具有较好的一致性,说明该方法是可行的且具有一定的实用价值。针对多波联合反演,本文提出了一种基于改进贝叶斯推断和最小二乘支持向量机的非线性反演方法。该方法采用精确Zoeppritz方程进行PP波和PS波正演,避免近似公式在远炮检距和弹性参数纵向变化较大等情况下的误差;利用最小二乘支持向量机方法建立PP波、PS波反射振幅与弹性参数之间的最优非线性模型,以解决多波联合AVO反演的非线性问题;通过改进的贝叶斯推断对最小二乘支持向量机超参数的后验概率进行最大化,获得了最优的超参数,从而提高了多波联合反演的精度。模型试算表明,该方法的反演精度和抗噪能力优于常规方法;该方法的实际资料反演结果与实际测井曲线更加吻合,反演误差更小,表明该方法有着较强的适用性,利用该方法对研究区的实际多波地震资料进行反演是可行的。
杨爽[10]（2019）在《地质统计学反演在宁东井田煤层预测中的应用研究》文中研究表明作为煤炭资源大国,中国的煤炭开采量在世界上遥遥领先,因此煤炭勘探事业尤为重要。为了避免开采过程中瓦斯泄漏、冒顶、突水等安全隐患的发生,需要对地层地下构造形态有深入的了解。特殊的地质构造、煤层顶底板岩性的变化情况、煤层厚度分布范围、储层富水带的分布状况都是需要重点研究的内容。本文依据当前地震勘探的技术手段,充分结合地震数据、测井数据和录井资料,通过加强井震联合反演手段、多属性分析研究、波阻抗数据体重构技术、蚂蚁体追踪技术等方法,开展对于煤层裂缝系统、岩性变化及煤层厚度预测的研究。本次研究依托“宁夏宁东煤田鸳鸯湖矿区某煤矿勘探”项目,分析了该工区的气候环境及地层沉积特征。该工区主要目的层位于侏罗系中统延安组,沉积环境以冲击平原相、三角洲前缘相为主,沉积较稳定,含煤层数多且有一定厚度。结合这类地质构造特征,首先通过对叠后地震数据的进行常规波阻抗反演,识别出连续性较强的主要煤层;之后通过构造三维岩性数据模型,刻画出各煤层、及其顶底板岩性的展布特征;最后利用地震属性分析技术,通过曲率体及蚂蚁体追踪属性,对研究区目的层的裂缝发育情况进行描述。为了提高自然伽马、散射伽马及视电阻率对于波阻抗的敏感程度,通过随机模拟和数据体模型重构等技术,拟合出新的可以表征岩性变化的波阻抗数据体,提高了反演结果的垂向分辨率。结合实际的地质沉积环境以及井资料,调节各参数及门槛值大小,将波阻抗数据体转换成时间域的岩性数据体,通过建立速度模型进行时深转换,得到深度域的三维岩性数据模型,并绘制各煤层的地质构造图,及其顶底板岩性厚度分布图,为储层描述提供了有利依据。
二、应用地震道进行间接“地震测井”（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、应用地震道进行间接“地震测井”（论文提纲范文）
（1）基于稀疏表征的高维地震信号反演方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 国内外研究历史与现状 |
| 1.2.1 高维地震信号反演框架的构建方法 |
| 1.2.2 高维地震信号反演目标的正则化方法 |
| 1.2.3 高维地震信号反演问题的优化求解方法 |
| 1.2.4 稀疏表征技术的研究现状 |
| 1.3 现有反演方法存在的不足 |
| 1.4 本文的主要贡献与创新 |
| 1.5 本论文的结构安排 |
| 第二章 基于字典学习与稀疏表征的高维地震信号反演方法 |
| 2.1 高维地震信号反演理论概述 |
| 2.1.1 正演模型建立 |
| 2.1.2 反演理论 |
| 2.2 基于字典学习与稀疏表征的高维地震信号反演算法 |
| 2.2.1 字典学习与稀疏表征 |
| 2.2.2 基于字典学习与稀疏表征的地震反演 |
| 2.3 反演结果评估 |
| 2.4 参数选择分析 |
| 2.5 实验与分析 |
| 2.5.1 理论数据 |
| 2.5.2 实际数据 |
| 2.5.3 实验结果讨论 |
| 2.6 本章小结 |
| 第三章 基于联合稀疏表征的多参数同步地震信号反演方法 |
| 3.1 传统多参数同步反演方法的缺陷 |
| 3.2 基于联合稀疏表征的多参数同步反演算法 |
| 3.2.1 弹性参数的联合稀疏表征 |
| 3.2.2 基于联合稀疏表征的多参数同步反演 |
| 3.3 拟牛顿共轭梯度迭代优化求解算法 |
| 3.4 实验与分析 |
| 3.4.1 理论数据 |
| 3.4.2 实际数据 |
| 3.5 鲁棒性分析 |
| 3.5.1 噪声强度的影响 |
| 3.5.2 训练样本数量的影响 |
| 3.6 本章小结 |
| 第四章 基于联合稀疏表征与高频预测的高分辨率地震反演方法 |
| 4.1 地震反演结果的频带分析 |
| 4.2 基于联合稀疏表征的高频预测方法 |
| 4.2.1 基于联合稀疏表征的图像超分辨率 |
| 4.2.2 基于联合稀疏表征的高分辨率地震反演 |
| 4.3 抑制过拟合 |
| 4.3.1 引入时空特征和结构特征 |
| 4.3.2 PCA降维处理 |
| 4.3.3 非局部均值滤波 |
| 4.4 实验与分析 |
| 4.4.1 参数选择分析 |
| 4.4.2 实际数据 |
| 4.5 本章小结 |
| 第五章 基于联合稀疏表征与空间结构约束的3D地震反演方法 |
| 5.1 二维图像中的结构张量 |
| 5.1.1 结构张量的概念 |
| 5.1.2 对结构张量的分析 |
| 5.1.3 张量扩散的基本原理 |
| 5.1.4 结构张量在图像恢复中的优势 |
| 5.2 基于稀疏表征与空间结构约束的3D地震反演方法 |
| 5.2.1 3D地震信号的结构张量 |
| 5.2.2 单参数3D地震信号反演方法 |
| 5.2.3 多参数3D地震信号反演方法 |
| 5.3 本章与前面章节的联系 |
| 5.4 实验与分析 |
| 5.5 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 全文总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间取得的成果 |
（2）多变量孔隙压力预测与不确定性分析方法及应用研究（论文提纲范文）
| 作者简历 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 论文研究的意义与背景 |
| 1.2 相关研究进展综述与问题 |
| 1.2.1 地层孔隙压力预测方法 |
| 1.2.2 地震孔隙压力预测 |
| 1.2.3 多参数孔隙压力预测模型 |
| 1.2.4 孔隙压力不确定性研究 |
| 1.2.5 地质统计协同模拟算法 |
| 1.2.6 机器学习算法在地球物理中的应用 |
| 1.2.7 主要问题 |
| 1.3 主要研究内容、技术路线和方法思路 |
| 1.3.1 主要研究内容 |
| 1.3.2 技术路线和方法思路 |
| 1.4 主要研究成果和创新点 |
| 1.5 论文的章节安排 |
| 第二章 孔隙压力预测原理 |
| 2.1 异常压力现象及其成因 |
| 2.1.1 异常压力 |
| 2.1.2 异常压力主要成因机制 |
| 2.2 异常压力成因判别 |
| 2.3 有效应力理论 |
| 2.4 上覆应力计算 |
| 2.5 孔隙压力预测模型 |
| 2.5.1 理论模型 |
| 2.5.2 单变量经验模型 |
| 2.5.3 多变量模型 |
| 2.6 研究区域中岩石样品测试数据分析 |
| 2.6.1 岩石样品测试资料 |
| 2.6.2 速度-有效应力关系分析 |
| 2.6.3 速度-有效应力-孔隙度关系 |
| 2.6.4 岩石测试数据的局限性 |
| 2.7 实测压力 |
| 2.7.1 钻杆测试实测压力 |
| 2.7.2 电缆测试实测压力 |
| 2.8 本章小结 |
| 第三章 基于机器学习的多变量孔隙压力预测 |
| 3.1 非参数化多变量预测模型 |
| 3.2 机器学习算法 |
| 3.2.1 多层感知机 |
| 3.2.2 支持向量机 |
| 3.2.3 随机森林 |
| 3.2.4 梯度提升 |
| 3.3 基于机器学习的测井多变量孔隙压力预测方法 |
| 3.3.1 方法流程 |
| 3.3.2 数据预处理 |
| 3.3.3 训练数据集构建 |
| 3.3.4 数据集的归一化 |
| 3.3.5 超参数优化 |
| 3.3.6 非欠压实成因压力修正 |
| 3.3.7 预测孔隙压力 |
| 3.4 机器学习算法应用效果对比 |
| 3.5 与参数化模型方法对比 |
| 3.6 本章小结 |
| 第四章 地震多参数孔隙压力场构建 |
| 4.1 地震多变量孔隙压力场构建方法步骤 |
| 4.2 地震速度场构建 |
| 4.2.1 叠前同步反演原理 |
| 4.2.2 初始模型建立 |
| 4.2.3 井震标定 |
| 4.2.4 角道集子波提取 |
| 4.2.5 反演结果 |
| 4.3 地震岩石物理参数反演 |
| 4.3.1 多地震属性变换算法 |
| 4.3.2 构建训练数据集 |
| 4.3.3 地震属性的优选 |
| 4.3.4 梯度提升模型超参优化 |
| 4.3.5 孔隙度和泥质含量预测结果 |
| 4.4 时深转换 |
| 4.5 地震上覆应力场计算 |
| 4.5.1 海水密度校正 |
| 4.5.2 密度延拓 |
| 4.6 地震多变量孔隙压力预测方法 |
| 4.6.1 构建训练数据 |
| 4.6.2 机器学习算法选取 |
| 4.6.3 超参数优选 |
| 4.6.4 压力卸载指数的空间分布 |
| 4.7 地震多变量孔隙压力场预测结果分析 |
| 4.7.1 孔隙压力预测精度 |
| 4.7.2 异常压力空间展布特征 |
| 4.8 本章小结 |
| 第五章 预测孔隙压力不确定性分析 |
| 5.1 预测孔隙压力不确定性量化方法 |
| 5.2 最小/最大自相关因子变换 |
| 5.3 基于Markov模型的序贯协同模拟算法 |
| 5.4 孔隙压力不确定性 |
| 5.5 本章小结 |
| 第六章 结论与建议 |
| 6.1 结论 |
| 6.2 建议 |
| 致谢 |
| 参考文献 |
（3）地震波形指示反演方法、原理及其应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 选题背景与研究目的、意义 |
| 1.2 地震反演技术研究现状 |
| 1.3 传统反演技术存在的局限性 |
| 1.4 论文研究思路与研究内容 |
| 1.5 论文完成的工作量 |
| 1.6 论文取得的创新性成果 |
| 第2章 地震波形指示反演理论基础 |
| 2.1 地震纵向分辨率和横向分辨率的探讨 |
| 2.2 基于褶积模型的地震反演技术 |
| 2.3 地震波形分类技术 |
| 2.4 地震沉积学技术 |
| 第3章 地震波形指示反演方法及原理 |
| 3.1 地震波形结构特征的量化分析 |
| 3.2 地震波形与测井高频信息的内在联系 |
| 3.3 地震波形指示反演基本原理与流程 |
| 3.4 地震波形指示反演算法实现 |
| 3.5 地震波形指示反演与模拟 |
| 3.6 地震波形反演的相控特征 |
| 3.7 地震波形指示反演特色 |
| 第4章 正演模型方法验证 |
| 4.1 Marmousi模型正演实验 |
| 4.2 薄互层模型正演实验 |
| 4.3 薄砂体叠置模型正演实验 |
| 4.4 强屏蔽薄砂体模型正演实验 |
| 4.5 裂缝型薄储层模型正演实验 |
| 4.6 小结 |
| 第5章 陆相薄互层砂岩预测实例 |
| 5.1 区域地质概况 |
| 5.2 研究区储层特征 |
| 5.3 地震波形指示反演预测薄互层 |
| 5.4 小结 |
| 第6章 煤层强屏蔽薄砂岩预测实例 |
| 6.1 区域地质概况 |
| 6.2 研究区储层特征 |
| 6.3 地震波形指示反演预测煤层强屏蔽薄砂岩 |
| 6.4 小结 |
| 第7章 海相页岩裂缝孔隙度预测实例 |
| 7.1 区域地质概况 |
| 7.2 龙马溪组裂缝发育特征 |
| 7.3 页岩岩石物理建模 |
| 7.4 地震波形指示模拟定量预测裂缝型孔隙度 |
| 7.5 小结 |
| 第8章 结论 |
| 参考文献 |
| 致谢 |
| 附录 |
（4）大庆杏五七区西部葡I3单元储层预测与沉积微相研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 前言 |
| 0.1 选题依据及意义 |
| 0.2 国内外研究现状 |
| 0.3 研究内容和思路 |
| 0.4 主要的完成工作量 |
| 第一章 区域概况 |
| 1.1 研究区概况 |
| 1.1.1 工区简介 |
| 1.1.2 勘探概况 |
| 1.2 区域地质特征 |
| 1.2.1 构造特征 |
| 1.2.2 地层特征 |
| 1.2.3 油组划分 |
| 第二章 井震联合地震精细解释 |
| 2.1 精细地层对比格架的建立 |
| 2.1.1 原分层问题分析 |
| 2.1.2 基于层序地层学指导地层格架建立 |
| 2.1.3 全区小层再调整 |
| 2.1.4 PI3沉积单元细分对比研究 |
| 2.2 井震联合统层 |
| 2.2.1 葡萄花油层组层位精细标定 |
| 2.2.2 地震反射界面波组特征 |
| 2.3 地震资料构造解释 |
| 2.3.1 层位与断层解释 |
| 2.3.2 等T0图编制 |
| 2.3.3 速度分析 |
| 2.3.4 构造图的绘制 |
| 2.4 构造特征分析 |
| 2.4.1 各反射层构造特征 |
| 2.4.2 断裂特征分析 |
| 2.4.3 圈闭特征分析 |
| 第三章 地震反演储层预测 |
| 3.1 储层反演思路 |
| 3.1.1 储层反演流程 |
| 3.1.2 储层反演步骤 |
| 3.2 曲线重构 |
| 3.2.1 地震反演预处理 |
| 3.2.2 曲线敏感性分析 |
| 3.2.3 曲线品质分析 |
| 3.2.4 曲线重构 |
| 3.2.5 曲线检测 |
| 3.3 地震反演实现过程 |
| 3.3.1 地震反演可行性分析 |
| 3.3.2 开展地质统计学反演 |
| 3.4 储层预测结果 |
| 3.4.1 反演剖面分析 |
| 3.4.2 反演切片提取 |
| 3.4.3 砂体平面厚度预测分析 |
| 3.4.4 地质统计学反演储层精度验证 |
| 第四章 沉积微相研究 |
| 4.1 沉积微相类型及特征 |
| 4.1.1 单井相分析 |
| 4.1.2 测井相类型 |
| 4.1.3 连井相分析 |
| 4.2 井震联合沉积微相绘制 |
| 4.2.1 基于井条件下沉积微相研究 |
| 4.2.2 井震联合沉积微相刻画 |
| 4.2.3 沉积微相平面特征 |
| 4.2.4 演化模式分析 |
| 第五章 油藏分析与有利区预测 |
| 5.1 油藏分析 |
| 5.1.1 油水分布特征 |
| 5.1.2 油藏类型 |
| 5.1.3 油藏主控因素分析 |
| 5.2 有利区预测 |
| 5.2.1 PI33有利区 |
| 5.2.2 PI32有利区 |
| 5.2.3 PI31有利区 |
| 结论 |
| 参考文献 |
| 发表文章目录 |
| 致谢 |
（5）地震信号稀疏化处理方法研究及应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状综述 |
| 1.2.1 压缩感知和稀疏表示研究现状 |
| 1.2.2 叠前地震道集优化方法的研究现状 |
| 1.2.3 地震储层预测的研究现状 |
| 1.3 主要研究内容和创新点 |
| 1.3.1 主要研究内容 |
| 1.3.2 主要创新点 |
| 1.4 论文的章节安排 |
| 第2章 压缩感知与稀疏表示理论基础 |
| 2.1 基本概念 |
| 2.1.1 稀疏信号 |
| 2.1.2 范数 |
| 2.1.3 压缩感知 |
| 2.1.4 稀疏表示 |
| 2.2 稀疏表示的唯一性和稳定性条件 |
| 2.2.1 稀疏表示的唯一性条件 |
| 2.2.2 稀疏表示的稳定性条件 |
| 2.3 稀疏模型 |
| 2.3.1 单测量向量模型 |
| 2.3.2 组稀疏模型 |
| 2.3.3 多测量向量模型 |
| 2.3.4 低秩稀疏模型 |
| 2.4 稀疏优化算法 |
| 2.4.1 凸优化算法 |
| 2.4.2 交替方向乘子法 |
| 2.4.3 优化算法对比 |
| 2.5 小结 |
| 第3章 应用ADMM求解稀疏表示问题 |
| 3.1 L1-范数正则化稀疏表示 |
| 3.1.1 基于ADMM求解基追踪问题 |
| 3.1.2 L1-L1-范数稀疏表示 |
| 3.1.3 算法改进 |
| 3.1.4 数值模拟 |
| 3.2 L1-2-范数正则化稀疏表示 |
| 3.2.1 L1-2-范数的性质 |
| 3.2.2 L1-2-范数正则化稀疏表示问题 |
| 3.2.3 基于DCA和 ADMM求解L1-2-范数正则化问题 |
| 3.2.4 算法改进 |
| 3.2.5 数值模拟 |
| 3.3 组稀疏和联合稀疏表示 |
| 3.3.1 组稀疏表示 |
| 3.3.2 联合稀疏表示 |
| 3.3.3 算法改进 |
| 3.3.4 数值模拟 |
| 3.4 低秩稀疏矩阵分解 |
| 3.4.1 基于ADMM求解低秩矩阵分解 |
| 3.4.2 数值模拟 |
| 3.5 小结 |
| 第4章 基于稀疏表示的地震道集优化处理 |
| 4.1 基于稀疏理论的随机噪声压制方法 |
| 4.1.1 时频域稀疏低秩分解去噪方法 |
| 4.1.2 基于联合稀疏表示的噪声压制方法 |
| 4.1.3 数值模拟 |
| 4.1.4 应用实例 |
| 4.2 基于稀疏理论的地震波场道重建 |
| 4.2.1 基于稀疏表示的共偏移距道集重建方法 |
| 4.2.2 基于矩阵补全的地震道集重建方法 |
| 4.2.3 数值模拟 |
| 4.2.4 应用实例 |
| 4.3 基于L1-2-范数正则化稀疏表示的剩余时差校正方法 |
| 4.3.1 剩余时差产生的原因 |
| 4.3.2 方法原理 |
| 4.3.3 动态时间规整原理 |
| 4.3.4 数值模拟 |
| 4.3.5 应用实例 |
| 4.4 小结 |
| 第5章 基于联合稀疏表示的多道反射系数反演 |
| 5.1 褶积模型与地震子波 |
| 5.1.1 褶积模型 |
| 5.1.2 子波提取 |
| 5.1.3 双极子子波字典 |
| 5.2 叠后多道反射系数反演 |
| 5.2.1 方法原理 |
| 5.2.2 数值模拟 |
| 5.2.3 应用实例 |
| 5.3 叠前多道反射系数反演 |
| 5.3.1 方法原理 |
| 5.3.2 数值模拟 |
| 5.3.3 应用实例 |
| 5.4 小结 |
| 第6章 稀疏时频分析及其在储层预测中的应用 |
| 6.1 稀疏时频分析与低频阴影 |
| 6.1.1 时频分析方法原理 |
| 6.1.2 低频阴影 |
| 6.1.3 数值模拟 |
| 6.1.4 应用实例 |
| 6.2 时频域波形分类 |
| 6.2.1 方法原理 |
| 6.2.2 生成拓扑映射 |
| 6.2.3 数值模拟 |
| 6.2.4 应用实例 |
| 6.3 基于稀疏时频分析的分频地震属性 |
| 6.2.1 方法原理 |
| 6.2.2 相干属性 |
| 6.2.3 应用实例 |
| 6.4 圈闭落实与井位部署 |
| 6.4.1 圈闭落实 |
| 6.4.2 井位部署 |
| 6.5 小结 |
| 结论与展望 |
| 主要结论 |
| 工作展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间取得学术成果 |
（6）多点地质统计学叠前同时反演方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究意义与背景 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容 |
| 1.4 主要研究成果 |
| 第二章 地质统计学反演的基本概念 |
| 2.1 常规反演方法 |
| 2.2 贝叶斯统计学 |
| 2.3 地质统计学 |
| 第三章 多点地质统计地震叠前同时反演 |
| 3.1 方法原理 |
| 3.2 不同反演方法的比较 |
| 第四章 方法测试与分析 |
| 4.1 河道模型测试 |
| 4.2 Stanford VI-E储层模型测试 |
| 4.3 彭州模型测试 |
| 第五章 结论与认识 |
| 致谢 |
| 参考文献 |
| 个人简介 |
（7）孙疃矿中组煤层地震相分析与煤厚预测（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 研究目的和意义(Aim and Significance of the Research) |
| 1.2 国内外研究现状(Research Reviews) |
| 1.3 研究内容与技术路线(Research Contents and Technical Route) |
| 2 地震相分析与煤厚地震反演基础 |
| 2.1 测井相分析技术（Log Facies Analysis Technique） |
| 2.2 地震属性技术（Seismic Attribute Technique） |
| 2.3 地震相分析与煤厚地震反演预测方法（ Seismic Facies Analysis and Coal Thickness Seismic Inversion Prediction Methods） |
| 2.4 小结（Summary） |
| 3 煤层厚度地震正演模拟 |
| 3.1 煤厚变化地震属性正演模拟与分析(Forward Modeling and Analysis of Seismic Attributes of Coal Thickness Model) |
| 3.2 煤层厚度变化模型波形分类地震相正演模拟（ Seam Thickness Forward Modeling of Waveform Classification Seismic Facies in Varying Wedge Coalseam Model） |
| 3.3 小结（Summary） |
| 4 孙疃矿中煤组地震相分析 |
| 4.1 研究区地质概况（Geological Overview of Workarea） |
| 4.2 研究区中煤组沉积相特征（Sedimentary Facies Characteristics of Middle Coal Formation in Workarea） |
| 4.3 研究区中煤组煤层地震相分析（Seismic Facies Analysis of Middle Coal Formation in Workarea） |
| 4.4 研究区中煤组沉积相的地震相解释（ Seismic Facies Interpretation of Sedimentary Facies of Middle Coal Formation in Workarea） |
| 4.5 小结（Summary） |
| 5 孙疃矿中煤组煤层厚度地震预测 |
| 5.1 波阻抗煤层厚度反演（Coal Thickness Inversion Based on Wave Impedance Method） |
| 5.2 谱矩法煤层厚度反演（Coal Thickness Inversion Based on Spectral Moment Method） |
| 5.3 波形分类地震相预测煤层厚度（Coal Thickness Inversion Based on Waveform Classification Seismic Facies Technique） |
| 5.4 小结（Summary） |
| 6 结论与建议 |
| 6.1 结论(Conclusions) |
| 6.2 建议(Suggestions) |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（8）基于三维地震资料的四川某区灯影组碳酸盐岩储层预测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 引言 |
| 1.1 选题依据及意义 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容及研究思路 |
| 1.3.1 研究内容 |
| 1.3.2 研究思路 |
| 1.4 论文取得的主要成果 |
| 第二章 碳酸盐岩储层预测的方法理论 |
| 2.1 基于地震属性分析的碳酸盐岩储层预测方法 |
| 2.1.1 振幅类属性 |
| 2.1.2 频率衰减梯度属性 |
| 2.2 基于叠后反演的碳酸盐岩储层预测方法 |
| 2.2.1 波阻抗反演基本原理 |
| 2.2.2 道积法 |
| 2.2.3 基于模型的反演方法 |
| 2.3 基于叠后地震数据的碳酸盐岩储层裂缝预测方法 |
| 2.3.1 第三代相干体技术 |
| 2.3.2 基于边缘检测的裂缝预测 |
| 2.3.3 基于体曲率的裂缝预测 |
| 第三章 2种改进的碳酸盐岩储层预测新方法 |
| 3.1 基于常规相干体裂缝预测方法的改进技术 |
| 3.1.1 三维保边去噪方法原理 |
| 3.1.2 新方法的技术流程 |
| 3.2 基于三参数小波的子波分解与重构的改进方法 |
| 3.2.1 多子波地震道模型 |
| 3.2.2 三参数小波 |
| 3.2.3 匹配追踪算法 |
| 3.2.4 新方法的技术流程 |
| 第四章 四川某区灯影组储层预测研究 |
| 4.1 目的层段地震层位重新解释 |
| 4.1.1 灯四上亚段底界面层位重新解释的必要性 |
| 4.1.2 地震层位解释的新原则 |
| 4.1.3 地震层位成果分析 |
| 4.2 灯四上亚段储层预测分析 |
| 4.2.1 基于常规地震属性的储层预测分析 |
| 4.2.2 基于改进子波分解与重构的储层预测分析 |
| 4.2.3 基于地震叠后反演的储层预测分析 |
| 4.3 裂缝预测结果分析 |
| 4.3.1 三种裂缝预测方法对比分析 |
| 4.3.2 裂缝预测结果与测井解释的验证 |
| 结论 |
| 致谢 |
| 参考文献 |
| 攻读学位期间取得学术成果 |
（9）基于机器学习的缝洞识别及多波联合反演方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 引言 |
| 1.1 论文的研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 机器学习 |
| 1.2.2 机器学习在测井技术中的应用 |
| 1.2.3 机器学习在地震勘探中的应用 |
| 1.2.4 裂缝及缝洞充填物识别 |
| 1.2.5 多波联合AVO反演 |
| 1.3 主要研究内容及思路 |
| 1.3.1 研究内容 |
| 1.3.2 研究思路和技术路线 |
| 1.4 创新点 |
| 2 机器学习方法研究 |
| 2.1 BP神经网络 |
| 2.2 支持向量机 |
| 2.2.1 分类问题 |
| 2.2.2 回归问题 |
| 2.2.3 核函数 |
| 2.3 最小二乘支持向量机 |
| 2.3.1 分类问题 |
| 2.3.2 回归问题 |
| 2.4 三种方法的对比 |
| 2.5 改进的贝叶斯推断参数优化方法 |
| 2.5.1 贝叶斯方法 |
| 2.5.2 改进的贝叶斯推断 |
| 2.5.3 粒子群优化算法 |
| 2.6 本章小结 |
| 3 裂缝及缝洞充填物识别方法研究及应用 |
| 3.1 裂缝及缝洞充填物识别方法 |
| 3.1.1 基于PSO-LSSVM的识别方法 |
| 3.1.2 基于BP神经网络的识别方法 |
| 3.2 研究区概况 |
| 3.2.1 区域地质概况 |
| 3.2.2 储集空间类型 |
| 3.2.3 岩心裂缝统计 |
| 3.2.4 FMI成像测井裂缝统计 |
| 3.3 裂缝识别应用实例 |
| 3.3.1 样本的选取 |
| 3.3.2 裂缝识别模型的建立 |
| 3.3.3 裂缝识别结果分析 |
| 3.4 缝洞充填物识别应用实例 |
| 3.4.1 样本的选取 |
| 3.4.2 缝洞充填物识别模型的建立 |
| 3.4.3 缝洞充填物识别结果分析 |
| 3.5 本章小结 |
| 4 多波联合AVO反演方法研究 |
| 4.1 AVO理论 |
| 4.1.1 Zoeppritz方程 |
| 4.1.2 Zoeppritz方程近似公式 |
| 4.1.3 近似公式计算精度对比 |
| 4.2 纵波贝叶斯反演 |
| 4.3 非线性多波联合AVO反演 |
| 4.4 模型试算 |
| 4.4.1 模型背景资料 |
| 4.4.2 无噪模型试验 |
| 4.4.3 抗噪性试验 |
| 4.5 本章小结 |
| 5 多波联合AVO反演应用实例 |
| 5.1 研究区概况 |
| 5.1.1 区域地质概况 |
| 5.1.2 储层特征 |
| 5.2 多波地震资料处理 |
| 5.2.1 多波叠前处理 |
| 5.2.2 多波同相轴匹配 |
| 5.2.3 部分角度道集叠加 |
| 5.3 实际资料应用 |
| 5.3.1 多波合成地震记录标定 |
| 5.3.2 训练样本构建及非线性建模 |
| 5.3.3 非线性多波联合反演 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（10）地质统计学反演在宁东井田煤层预测中的应用研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 引言 |
| 1.1 选题背景及意义 |
| 1.2 研究现状 |
| 1.2.1 岩性识别方法研究现状 |
| 1.2.2 煤层富水带预测研究现状 |
| 1.2.3 储层裂缝发育研究现状 |
| 1.3 研究方法及技术路线 |
| 1.3.1 煤层储层预测 |
| 1.3.2 煤层顶底板砂岩层含水性预测 |
| 1.3.3 煤层裂缝发育带预测技术 |
| 2 煤层预测方法与技术 |
| 2.1 叠后约束稀疏脉冲反演 |
| 2.2 地质统计学反演 |
| 2.3 常规地震属性分析 |
| 3 测井与地震资料分析 |
| 3.1 研究区情况介绍 |
| 3.1.1 工区概况 |
| 3.1.2 目标层地质概况 |
| 3.2 井数据的整理分析 |
| 3.2.1 测井曲线校正 |
| 3.2.2 单井柱状图及连井对比图分析 |
| 3.3 合成地震记录标定 |
| 4 实际应用效果分析 |
| 4.1 煤层顶底板岩性识别 |
| 4.2 煤层顶底板富水带预测 |
| 4.3 煤层裂缝发育带预测 |
| 4.3.1 曲率属性分析 |
| 4.3.2 蚂蚁体追踪属性分析 |
| 5 结论与认识 |
| 致谢 |
| 参考文献 |
四、应用地震道进行间接“地震测井”（论文参考文献）
- [1]基于稀疏表征的高维地震信号反演方法研究[D]. 厍斌. 电子科技大学, 2021(01)
- [2]多变量孔隙压力预测与不确定性分析方法及应用研究[D]. 于浩. 中国地质大学, 2020(03)
- [3]地震波形指示反演方法、原理及其应用[D]. 陈彦虎. 中国地质大学(北京), 2020(01)
- [4]大庆杏五七区西部葡I3单元储层预测与沉积微相研究[D]. 王鹏. 东北石油大学, 2020(03)
- [5]地震信号稀疏化处理方法研究及应用[D]. 石战战. 成都理工大学, 2020(04)
- [6]多点地质统计学叠前同时反演方法研究[D]. 胡迅. 长江大学, 2020(02)
- [7]孙疃矿中组煤层地震相分析与煤厚预测[D]. 杨文强. 中国矿业大学, 2019(09)
- [8]基于三维地震资料的四川某区灯影组碳酸盐岩储层预测研究[D]. 崔泽飞. 成都理工大学, 2019(02)
- [9]基于机器学习的缝洞识别及多波联合反演方法研究[D]. 谢玮. 中国地质大学(北京), 2019(02)
- [10]地质统计学反演在宁东井田煤层预测中的应用研究[D]. 杨爽. 中国地质大学(北京), 2019(02)