高分辨率时频分析方法及其在储层预测中的应用研究

发布时间：2020-08-02 21:59

【摘要】：地震信号属于非平稳信号,在研究过程中需要使用时频分析来描述其随时间和频率的变化关系。作为一种地震数据分析工具,时频分析可以为储层预测提供有价值的信息,并以此作为烃类检测的一种手段。本文以传统时频分析方法为基础,主要研究了高分辨率时频分析方法及其在地震储层预测中的应用。地震波穿过含气储层时高频分量衰减剧烈,在地震剖面上含气储层附近会呈现出明显的“低频阴影”现象。为了提高“低频阴影”检测效果,本文探讨了信号分析方法SST(Synchrosqueezing Transform)和EWT(Empirical Wavelet Transform)并提出基于SST和EWT的含气储层“低频阴影”检测。与传统的时频分析方法小波变换相比,SST和EWT具有较高的时频分辨率,能够有效地刻画非平稳信号中变化的频率分量,较好地检测含气储层引起的“低频阴影”。作为一种新近出现的自适应信号分解方法,VMD(Variational Mode Decomposition)可以非递归地将时间域信号分解为不同频带宽度的模态,且这些模态可以较好地重构原始信号。Teager-Kaiser能量算子是一种局部非线性能量计算方法,文中将VMD和TK能量算子相结合,提出了一种谱能量更加聚焦的时频分析方法,并应用于叠后数据“低频阴影”检测。此外,烃类引起的衰减与速度频散有关,因此,依赖于频散的属性能够作为烃类检测的工具,文中将VMD与AVO(Amplitude Versus Offset)近似方程Smith和Gidlow表达式相结合,提出了基于VMD的分频AVO频散属性反演方法,VMD的高时频分辨率特性,使得反演结果有助于刻画和描述异常的细节变化,从而进一步提高烃类检测能力。无论是叠后数据“低频阴影”检测还是叠前数据分频AVO频散属性反演都需要品质较好的地震数据。为此,文中提出了基于压缩感知和曲波变换的噪声衰减方法,并与传统去噪方法f-x反褶积进行了相比;在含缺失道地震数据重建方面,为了提高重建精度,引入局部随机采样,提出了基于局部随机采样和曲波变换的插值方法,并应用于含缺失道的叠前炮集和叠后二维及三维数据重建;此外,针对传统Seislet域迭代阈值法中倾角估算不够准确的问题,提出使用速度-倾角变换来实现倾角估算,该方法估算的局部倾角相对准确且能够有效降低迭代次数,较好地重建了规则缺失的地震道。
【学位授予单位】：中国石油大学(北京)
【学位级别】：博士
【学位授予年份】：2016
【分类号】：P618.13;P631.4
【图文】：

厚度,波长,薄互层模型

(a) (b) (c)型，(a)厚度为 1/2 波长；(b)厚度为 1/4 波长；interbed model, (a), (b) and (c) are correspondinwavelength, respectively(a) (b

界面图,波长,厚度,道集

- 15 -(c) (d)图 2.3 合成 AVO 道集，(a)厚度为 1/2 波长；(b)厚度为 1/4 波长；(c)厚度为 1/8 波长；(d)目标界面处 AVO 响应Fig. 2.3 The synthetic AVO gathers, (a), (b) and (c) are corresponding to 1/2, 1/4 and 1/8wavelength, respectively; (d) is the AVO response based on target interface

界面图,波长,厚度,范数

第2 章时频分析方法概述上述求解 x 的过程等价于计算如下目标函数的最优解：22J s Dx(2.中，22表示 L2 范数。在噪声存在的情况，式(2.20)的解可能是不稳定的。为了获得稳定的解，通要对施加约束，所以上述问题可等价于如下稀疏优化问题[122]：22 112J s Dx x(2.中，1表示 L1 范数，为稀疏因子。得益于压缩感知技术的发展，近年来发展了一系列求解方程(2.21)的算法，用的就是 ISTA 算法[123](Iterative Soft Thresholding Algorithm)。

【相似文献】