高分辨率单道地震调查数据采集技术方法

图 3.2-4
观测系统图示
b 单边激发简单连续观测系统; c 中间激发简单连续观 测系统；d 间隔激发 单次覆盖连续观测系统
2．单次覆盖间隔连续观测系统 激发点与接收排列的第一道间隔一段 距离远离激发点接收，以避开声波和面波 干扰，见3.2-4(d) 3. 延长时距曲线观测系统 在测线上遇到障碍物时采用的观测系统， 见图3.2-5.
返回
折射波法观测系统
• （一）折射波法观测系统 • 1. 相遇时距曲线观测系统 • 用于解释复杂地质构造的定量解释常用的 折射波法观测系统。 • 在测线两端激发，在全测线上接收的观测 系统。得到的时距曲线叫相遇时距曲线， 见图3.2-7。 •
• 2.追逐时距曲线观测系统 • （1）属于单边激发，就是在同一接收地 段的同侧不同激发点上激发；
• （一）微震 • 非震源激发的地面扰动统称为微震。 风吹、草动、海浪、交通车辆等。 • 微震特点：频带宽，不能用频率滤 波或视速度滤波压制，可用垂直叠加法 压制
（二）低频、高频背景 在疏松地层中激发易形成低频背景， 特点：低频不规则振动。 在坚硬的岩石中激发时，波传播到 浅部不均匀体，产生散射和高频干扰背 景。 ；
图3.2.7
折射波的相遇时距曲线系统
（a）能解释的系统 ;(b) 不能解释的系 统
（2）主要用于了解折射界面是否产生穿 透现象，或用来延长某些需要加长的时距 曲线。
（3）当没有穿透现象时，由不同激发 点激发的两支时距曲线是平行的，折射 波时距曲线的形态只和界面的形状和上 下介质的速度有关，与激发点的位置无 关；当有穿透现象时，两条时距曲线不 在平行.
（二）声波 • 在空气中传播的弹性波声波的特 点是速度稳定，（330-340m/s），频 率高，延续时间长，在地震记录上形 成强而尖锐的波至。

地震采集基本技术及技巧地震采集是地震学研究的关键环节之一，通过采集地震数据，可以帮助地震学家研究地震发生的机理以及预测地震趋势。

地震采集的基本技术和技巧包括采集设备的选择和操作、数据的处理和分析等方面。

首先，对于地震采集设备的选择，需要根据实际研究需求和采集场地的特点来确定。

常见的地震采集设备包括地震仪、地震测震台等。

地震仪是用来记录地震波形信号的仪器，一般分为数字地震仪和模拟地震仪两种。

数字地震仪具有采样率高、信噪比好等优点，适用于高精度的地震研究。

模拟地震仪则适用于一些简单的实地调查和初步的地震监测。

地震测震台是用来安放地震仪的基准仪器，具有稳定性和精度要求高的特点。

其次，对于地震采集设备的操作，需要一定的技巧。

在使用地震仪之前，需要进行校准和测试，确保仪器能够正常工作。

在地震仪的安装过程中，需要注意避免与外部干扰源接触，例如电线、建筑物等。

根据采集的具体场地情况，选择适当的仪器设置参数，比如采样时间、放大倍数等。

在采集过程中，要避免强光直射和强电磁干扰，以免影响数据质量。

另外，对于地震数据的处理和分析，也需要一些基本的技术和技巧。

首先是对地震数据的质量进行评估。

这包括对数据的采样率、信噪比、动态范围等进行检查和分析，以判断数据质量是否符合要求。

其次是对地震数据进行滤波处理。

滤波可以去除数据中的噪声和干扰，以突出地震信号。

滤波方法包括时域滤波和频域滤波等。

最后是对地震数据进行解译和分析。

这包括对地震波形的特征进行识别和提取，以及对地震波的震源和传播路径进行模拟和重建。

在地震采集过程中，还有一些需要注意的技巧。

首先是选择合适的采集时间。

由于地震波在不同的时间段和季节有不同的传播特性，因此需要根据实际情况选择合适的采集时间，以提高数据的质量和可靠性。

其次是选择合适的采集点位。

采集点位的选择需要考虑地质结构、地貌特征等因素，以确保数据的代表性和可比性。

此外，在采集过程中，需要避免距离较近的干扰源，比如交通道路、建筑物等，以免干扰数据的采集和分析。

地震勘探原理各章重点复习资料第⼀章：1、地球物理勘探:是根据地质学和物理学的基本原理，利⽤电⼦学和信息论等许多学科领域的新技术建⽴起来的⽅法，简称物探⽅法。

也就是，根据地层和岩⽯之间的物理性质不同来推断岩⽯性质和构造。

2、主要物探⽅法：地震勘探(岩⽯弹性的差别)—勘探地震学⾮地震类：重⼒勘探(岩⽯的密度差别)磁法勘探(岩⽯的磁性差别电法勘探(岩⽯的电性差别)3、重⼒勘探是研究反映地下岩⽯密度横向差异引起的重⼒变化，⽤于提供构造和矿产等地质信息。

重⼒异常的规模、形状和强度取决于具有密度差的物体⼤⼩、形状及深度。

重⼒勘探的任务是通过研究地⾯、⽔⾯、⽔下（或井下）或空间重⼒场的局部或区域不规则变化（即局部重⼒异常或区域重⼒异常）来寻找埋藏在地下的矿体和地质构造4、磁法勘探就是测定和分析各种磁异常，找出磁异常与地下岩⽯、地质构造及有⽤矿产的关系，作出地下地质情况和矿产分布等有关结论。

磁法勘探主要⽤来研究地质构造；研究深⼤断裂；计算结晶基底的埋深；寻找油⽓、煤⽥的构造圈闭、盐丘等，寻找磁铁矿床、⾦属和⾮⾦属矿床等。

5、电法勘探就是利⽤⼈⼯或天然产⽣的直流电场或电磁场在地下的分布规律来研究地球结构、地质构造及找矿的⼀种物探⽅法。

电法勘探是以岩⽯或矿⽯的电性差异为基础的，主要研究的电性差异参数包括：电阻率（ρ）、激发极化率（η）、介电常数（ε）、导磁率（µ）、电化学活动性等。

电法勘探的内容⼗分丰富，它们⼴泛应⽤于⾦属及⾮⾦属、⽯油、⼯程地质、⽔⽂地质等勘探研究⼯作中。

6、地震勘探⽅法就是利⽤⼈⼯⽅法激发的地震波(弹性波)，研究地震波在地层中传播的规律，来确定矿藏（包括油⽓，矿⽯，⽔，地热资源等）、考古的位置，以及获得⼯程地质信息。

地震勘探所获得的资料，与其它的地球物理资料、钻井资料及地质资料联合使⽤，并根据相应的物理与地质概念，能够得到有关构造及岩⽯类型分布等信息。

7、地震波的激发和接收，提取有⽤信息。

高分辨率地震勘探综述摘要高分辨率是地震勘探的一个重要研究方向，涉及地震数据采集、处理和解释等各个方面。

在回顾高分辨率地震勘探发展历程及存在问题的基础上，重点阐述了高分辨率的评价机制，并对近年来发展的高分辨率方法原理及应用实例进行了详细介绍。

高分辨率是一个系统工程，实际生产中的各个环节都有可能对分辨率造成影响，因此，高分辨率不仅仅局限于某个单独的技术，需要同时发展采集、处理和解释各方面的技术，尤其是借鉴交叉学科的新方法。

关键词：采集；处理；解释；高分辨率；评价机制1 概述1.1 高分辨率勘探的目的及技术发展历程地震勘探是一种应用地震波在地下介质中的传播来对地下地质构造和岩性进行测量的技术，经过近一个世纪的发展，该方法已经成为最有成效的油气勘探物探方法。

纵观地震勘探的发展历程，高分辨率一直是科研、生产的重点和难点。

诚然，高分辨率地震勘探是一个系统工程，从地震资料采集、处理到解释，每一个环节都对分辨率有着重要的影响。

虽然采集、处理和解释分属不同的环节，考量高分辨率的角度也有所不同，但三者是有机联系的。

首先，野外地震数据的采集质量直接关系着地震勘探的成败，只有在采集质量得到保证的前提下，处理技术（诸如静校正、拓频和压噪技术等）才有发挥的空间，而地震处理得到的剖面又是解释的基础，解释成果则是高分辨率地震勘探的最终目标，三者环环相扣，紧密联系；其次，采集、处理和解释的方法也是相互影响和促进的，例如，采集观测方式的改变有可能对处理方法或参数提出新的要求（如可控震源采集对处理提出了谐波压制的要求等），解释方法的突破也有可能对处理提出新的标准（如A VO解释技术要求处理方法具有高保真度等）。

在阐述高分辨率地震勘探之前，有必要先介绍一下分辨率的概念及主要影响因素。

地震勘探分辨率是基于地震测量技术对地下构造进行空间测量的精度描述，在反射波地震勘探中可以概括如下：可分辨的最小地质体的厚度或最窄地质体的宽度，前者称为垂（纵）向分辨率，后者称为横向分辨率[1-2]。

维普资讯
第３ １卷第 １ 期
２０ ０ ７年 ２月
物
探
与
化
探
Ｖ０． １ Ｎｏ １ １３ ． ． Ｆｂ ２ ０ ｅ ．， ０ ７
Ｇ ＰＨＹ Ｉ ＡＬ ＆ ＧＥＯ ＥＯ ＳＣ ＣＨＥ ＣＡＬ Ｅ Ｌ ＭＩ ＸＰ ＯＲＡＴ ＯＮ Ｉ
高分辨率单道海 上地震 在香港 海域沉积结构勘查 中的应 用
过改变船速来降低螺旋桨产 生的噪声 。实验证 明， 噪声水平在船速 ３— ｎ ４ ｋ 时较低 ， 当船速达到 ６ｋ ｎ
时急剧升高。对于 电噪声 ， ５ ｚ 如 ０ Ｈ 基频及其次生 谐波的干扰 、 尖脉冲等 ， 通过给发电机输出端加装滤 波电感 ， 在震源和接收系统处分别接水线 等方法加 以压制 ， 再通过低通滤波进一步消除 ； 对于类似陆地
先前划分香港水域沉积层结构的主要依据是钻
孔资料 中对沉积物的描述 ， 四纪离岸沉积被划分 第 为一个“ 冲积层” 崩积层 ” 或“ 基底 ， 包含砂砾、 沙和 淤泥互层， 其上覆盖的“ 海洋沉积层” 为含有贝壳碎 片的淤泥土。这种简单 的划分所构筑的地层学使用
和空气枪 ３ 种震源。它们在穿透深度和垂 向分辨能 力上有着显著差异 ， 因而有不 同的应用领域 。电火 花震源发射低频 （ 率 ５ 频 ０—１ ０ ｚ 高 能量 脉冲 ０Ｈ ） ０
反射同相轴 ， 因此在满足一定穿透深度 的前提下 ， 系
统配置应提供尽可能高的垂 向分辨能力。在香港水
域的地震勘探项 目中， 主要使用电火花、 布麦尔震源
收稿 １期 ：ｏ ６—０ ３ ２ｏ ４—１ ３
维普资讯
１ 期
李军峰等： 高分辨率单道海上地震在香港海域沉积结构勘查中的应用
１ 系统配置

1.1 高密度地震采集技术概述减小面元尺度，增加提高空间采样率，是提高分辨率的重要手段。

近几年由于地震仪器和计算机能力的发展，这一技术发展很快，并以高密度采集技术称之。

该技术不断发展成系列技术，该技术系列有两个显著特点，一是小尺度方形面元，保证空间采样足够和面元属性均匀；二是接收道数多，这是由面元尺度和目的层埋深两项因素决定的。

减小面元尺度，增加提高空间采样率，是提高分辨率的重要手段，尤其是横向分辨率。

高密度空间采样通过加大空间域、时间域的数据采集密度，增加目的层有效覆盖次数，提高速度分析精度，便于室内灵活有效地进行资料处理，在提高资料信噪比的基础上提高地震资料的纵横向分辨率及信息精度，促进勘探开发技术向特高精度发展，对山地勘探和小断块、薄储层、小砂体、小尺度孔洞的识别以及精细油藏描述具有重要意义。

近年来，高密度地震采集技术已成为国内外勘探工作者关注的热点，主要原因是这一技术提高了地震资料的分辨率和信噪比，对于勘探开发中储层预测和油藏描述是极为有利的。

高密度三维地震技术首先应用于海洋勘探，这是由于海洋地震勘探的设备特点决定的：海洋勘探检波器不组合；道间距小，并且计算机的发展可以传输较大量的地震数据。

PGS公司于1993年使用5缆地震采集船，2001年发展到16缆，目前能达到20缆进行地震作业。

面元普遍使用小尺度6.25m×25m，有的甚至减小到6.25m×12.50m、3.125m×12.50m。

采集中采用单个压电检波器接收、气枪组合激发。

陆地高密度地震技术的研究和试验工作投入较多的是WesternGeco 公司。

WesternGeco以野外单检波器接收、室内进行数字组合处理（DGF）（DigitalGroup Forming）等称为“Q-Land”技术。

DGF 把目前叠前处理的一些技术用于该处理中，如“十字排列”数据集形成、静校正、去噪、补偿、重采样等。

面元多为15m×15m 或20m×20m。

ｔ ｏ —— 界 面的双 程垂深 时 ，ｓ 。
测 线应 当延 伸 到勘探 区 以外 １ ～２个 排列 长 度 ，保
证处理 时有合适 的偏 移孔 径角 。测 线方 向和地 质构 造 有关 ，为 消除资料 解释过 程 中的多解 性 问题 ，测 线是沿 构造 的倾 向方 向布置 的 。测线 间距离 要足 够 密 ，以至 于能反 映地层 在走 向方 向的变化情 况 ，即 在等 于最短 地震波 长 的距 离 内布置两 条测线 。
采用端 点 放炮 。 ２ ）生 产效 率 。 从 施 工 效 率 和 经 济 成 本 出 发 ，
多 次波 。
４ 反射 系数对 偏 移 距 的 影 响 。对 于最 深 目的 ） 层 ，其 最大偏 移距 所对 应 的最大 入射 角范 围 内 ，要 求反 射 系数稳 定 ，不发 生极性 反转 。 总 之 ，远 道偏 移距 是在 综合考 虑 了不 同 因素后
复杂的各类地 区，近年 来在 宁夏银 北矿 区和银 南宁东煤 田均有使用。文章就地震勘探 野外作 业 中的 测 线布 置 和 观 测 系统 进 行 了探 讨 和 研 究 。
关键 词 ：地 震 ；数 据 采 集 ；测 线 ；偏 移 距 ；道 间距
中 图分 类号 ：１ １ ． ： ５６ ＇ ３
界面 倾 角 。
—
—
次波和多次波间的剩余时差大些 ，如果偏移距太 小 ，这 种要求 无法 得 到满 足 ，以至 于不能 有效 压制
一
２ ４ 排 列 类 型 ．
选用 单边 排列 （ 点放 炮 ） 者双 边 排列 （ 端 或 中点 放炮 ） ，主要 取决 于下 面几 个 因素 ： １ ）仪 器道 数 。 当仪 器 道 数很 多 时 ，采 用端 点 放炮 ，最大偏 移 距 超 过 允 许 范 围 时 ，改 用 中点 放 炮 ，以减 少最 大偏 移距 。当仪器 道 数很少 时 ，通常

地震勘探新方法作业题01综述1、写出5种与常规地面采集（地面激发、地面接收，主频20-40Hz）不同的地震勘探新方法新技术。

VSP：地面激发、井中接收（零偏、非零偏、Walkway、三维）井间地震：井中激发、井中接收时移地震/四维地震：多次采集随钻VSP：钻头激发多波多分量：纵波、横波激发（山地地震高分辨率采集高密度采集）2、写出地震勘探中5种解释新方法。

属性分析、地质统计学、反演：叠后反演、叠前反演（EI）、AVO、裂缝预测、信息融合技术、神经网络3、写出5种地震勘探基础理论新方法。

反演理论、小波变换、神经网络、模糊聚类、图形图像学、地震波模拟（数值模拟；物理模拟）、各向异性02 VSP1、什么是VSPVSP：垂直地震剖面，是一种井中地震观测技术。

也即在地面激发、井中放置检波器接收地震信号的一种地震观测技术。

2、VSP的采集方式（VSP的采集方式是指激发点、接收点的排列特点和空间分布特征）地面多次激发，井中三分量接收，激发-检波器提升-再激发-再提升。

3、VSP分为哪几种采集方式(三种)按激发点、接收点的分布特征可以将VSP的采集方式分为①常规VSP采集；②长排列资料采集；③三维VSP与三维地震联合采集4、零偏移距VSP有哪些应用求取各种速度、识别地面地震剖面上的多次波、标定地质层位、计算井旁的Q衰减因子等。

5、偏移距（非零偏）VSP有哪些应用查明井旁的地层构造细节、其作为二维观测可以作出一小段局部地震剖面，具有很高的垂向和横向分辨率描述井旁一定距离内的构造和岩性变化。

附:VSP应用：提取准确的速度及时深关系（零偏）标定地震地质层位（零偏）多次波的识别（零偏）提取反褶积因子预测井底下反射层的深度计算吸收衰减系数提取纵横波速度比及泊松比等参数6、在VSP中，什么是上行波和下行波。

直达波是上行波还是下行波，一次反射波是上行波还是下行波向下传播到达检波器的波/来自接收点上方向下传播的波称为下行波；向上传播到达检波器的波/来自接收点下方向上传播的波称为上行波。

地震勘探三维高密度数据采集 方法和相关的技术
报告提纲 1．什么是高密度地震采集？ 2．高密度采集的预期目标 3．高密度地震剖面与常规剖面的对比实例
高密度地震数据采集 ➢使用数字检波器 ➢提高空间采样率
高密度地震采集
自从20世纪70年代地震勘探实现数字化以来，地震 勘探仪器接收来自检波器的信号仍然和以前的光点 记录地震仪和模拟地震仪接收的信号一样都是模拟 信号。
地震波的保真概念在上世纪70年代已经提出.但是， 由于原始记录本身的不足、处理方法不当和理论上 的认知度以及客观上的实际因素等原因，保真问题 一直远未达到满意的程度.
Shot line
正交观测系统 “十”字交叉道集的抽取方法
炮模板
y (crossline) x (inline)
最大非纵距 接收线模板
中点覆盖模板 纵向最大偏移距
Cross-spread: W(t, X,ys,xr,Y)
陆地观测系统(左图)抽成十字交叉排列(右图)
高密度地震采集
观测系统设计的技术准则 (1) 加密空间采样，提高覆盖次数; (2) 有利于室内去噪（面波，散射，环境噪音等); (3) 保证无假频破坏有效信号；
信号在进入野外地震仪由前置放大器放大后经过模 数转换器进行数字化采样转化为24位的数字，并按 采样先后记录在数字磁带或磁盘上；
高密度地震采集
野外记录不是按道记录排序的，必须将它解编为按道 顺序的记录；
常规地震采集过程
高密度地震采集
由于检波器是模拟信号，检波器的输出对地面振动的 振幅谱和相位谱即原始记录是有选择的. 不同谐振频 率的检波器，用于不同的勘探目标.
高密度地震采集的预期目标
分辨这种横向变化的横向分辨率可称为分析统计性 的横向分辨率.高密度地震采集想提高的横向分辨率 就是指这种分辨率.它可以通过小波分析和地震波形 变化特征的统计和模式识别方法来达到提高横向分 辨率和辨认岩体细节的目的.

强烈钠化的细粒花岗岩 ， 本身生成为含锡一稀有多金属 矿 的载矿体 。除锡、 钨矿外 ， 尚有方铅矿 、 辉铋矿 、 辉钼 矿等流化物伴生。初查评价为 ： 蚀变花 岗岩型含锡一稀 有多 金属 矿 、 中高温 热液 云英 岩 化钨 （ ） 石英 脉 型 矿 锡 一 床 。经选 矿试验 ， 可综 合 回收 利用 金 属一 稀 有金 属 矿 产
勘探 。受 大道 距 （０ ２ ｍ） 多组 合 、 １～ ０ 、 高频 （ ０ 、 ０ Ｈｚ 检 波 器的幅频 响 应 、 长 的束状 观测 系统 、 ６ Ｈｚ １ ０ ） 狭
炮检 方位 角度 变化 引频 率 降低等 因素 的影 响 ， 大地 约 束 了分 辨 率的进 一 步提 高。 高分辨 地震 勘探 极
中图分 类号 ： ６ １ ４ 文献标 识码 ： 文章 编号 ：Ｏ ４ ５ １ （ ０ ７ ０ — ０ ８ —０ Ｐ ３． Ｂ １０— ７６２ ０ ）５ ００ ３
１ 高分 辨地震 勘探数 据 采集制 约 因素
煤层 顶 、 板 的力学 性质 ， 底 煤层 内裂 隙发 育情况 等要求 。 而现 有仪 器装备 及相 应 数 据 采集 方 法 制 约着 煤 炭 三维 地震 数据 采集分 辨率 的进 一步提 高 ， 以完 成矿井 地质 难 所要求 的任 务 。 （ ）目前 ， １ 煤炭 三维 高分辨 地震 勘 探 多采用 大道 距
参考文献 ：
１ ５万鹏冲 、 郎蒲寨 幅区域地质调查报告Ｅ ］ Ｒ． 以上 两 种 测 量 方 法 ， 结 果 差 异 较 大 ， 论 从 异 ［ ］ １： 其 不
维普资讯
２０ 年第 ５ ０７ 期
西部探矿工程
８ １
（）目前 ， 炭系 统 广泛 使 用 的 ６ Ｈｚ１０ 高 频 检 波器 就是 一个 真正 意义 上 的采集站 。 ３ 煤 ０ 、０ Ｈｚ 本 按 １ｄ ／ｃ 的趋 势 向低 频 方 向下 降 。因 而只 有 在低 ２ ｂｏｔ 检波器其 幅频 响应 是 高通 的 ， 即在 低 于 谐 振 频 率 时 ， 基 ２ ３ 数 据传 输特 点 ． （ ） 由 数 字 检 波 器 Ａ／ 转 换 后 的 数 据 链 经 １ Ｄ ０ ＭＨｚ 网络传 输 。传输 线 内没有 任何模 拟信 号 。 于谐振频 率 的频段 上 ， 有 高频补 偿 作用 。极 大地 局 限 １ ０ 才 （） ２ 数据传输 （Ｉ Ｍ） Ｓ Ｉ 没有 ５Ｈｚ ０ 噪音干扰， 但存在 了接 收频 率 的提高 。 （）在 三 维 地 震 施 工 中 ， 于受 到 工 作 道 数 的 限 串音 和漏 电 。 ４ 由 制， 通常采用非全三维束状观测系统接收形成共面元道 （） ３ 在电缆数传总线上传输指令 、 状态信息和接收 素养。在狭长的束状范围内， 各个炮 点到远近检波点之 数据 。 ． 间， 其炮检方位角变化较 大， 必然出现激发子 波在传播 ２ ４ 数 据采 集特点 过程 中因 中心点 发 散引起 旅行 时 间 的变 化 ， 而 产 生 高 从 （）单个 数字 检波 器接 收 ， 组合 ， １ 不 无采 集站 。 频衰减叠 加道 。高频 衰 减 值 的 大 小 与炮 检 方 位 角 的大 （）大线 （Ｉ Ｍ） １ 采 集 单 元 （ ＭＧ） ２ Ｓ 将 ２个 Ｉ Ｓ 数据 传 小成正比。因此束状观测系统限制了分辨率 的提高。 输到 总控 系统 （ Ｒ 。 Ｃ Ｕ） 通过 上述 简要 分析不 难看 出 ， 炭 三 维地 震 勘探 数 煤 （）多道 且道距 等 于或 小于 ５ 的高密 度采集 。二 ３ ｍ 据采集中的束状观测系统所引起 的方位角变化 ，０ 、 维 （ Ｄ 施工 的最 大 能力 为 ２ ０ 道 ， 维 （ Ｄ） ６Ｈｚ ２） ００ 三 ３ 施工 的最 １０ 高频检 波器其 幅 频响应 ， 合 检波 器对 高 频信 号 大能 力为 ４ ００道 。 ０Ｈｚ 组 ００

李子航,陈小宏,李景叶,等．基于S 变换与复值U ＧN e t 网络的地震资料高分辨率处理方法[J．石油物探,２０２３６２３４０６㊀Ｇ４１８L I Z i h a n g ,C H E N X i a o h o n g ,L I j i n g y e ,e t a l ．H i g h Ｇr e s o l u t i o ns e i s m i cd a t a p r o c e s s i n g m e t h o db a s e do nSt r a n s f o r ma n dc o m pl e x Ｇv a l u e dU ＧN e t n e t w o r k [J ]．G e o p h y s i c a l P r o s p e c t i n g fo rP e t r o l e u m ,２０２３,６２(３):４０６㊀Ｇ４１８收稿日期:２０２２Ｇ０６Ｇ２３.第一作者简介:李子航(１９９７ ),男,博士在读,主要从事深度学习方法在地震资料处理中的应用研究工作.E m a i l :a h l z h １＠１６３．c o m 通信作者:陈小宏(１９６２ ),男,教授,博士生导师,主要从事油藏地球物理的教学与研究工作.E m a i l :c h e n x h ＠c u p ．e d u ．c n 基金项目:国家自然科学基金项目(４１７７４１２９,４１７７４１３１)和国家重点研发计划项目(２０１９Y F C ０３１２００３)共同资助.T h i s r e s e a r c h i s f i n a n c i a l l y s u p p o r t e db y th eN a t i o n a lN a t u r a l S c i e n c eF o u n d a t i o no f C h i n a (G r a n tN o s ．４１７７４１２９a n d ４１７７４１３１),a n d t h eN a t i o n a l S c i e n c e a n dD e v e l o p m e n t P r o gr a mo fC h i n a (G r a n tN o ．２０１９Y F C ０３１２００３)．基于S 变换与复值U ＧN e t 网络的地震资料高分辨率处理方法李子航１,２,陈小宏１,２,李景叶１,２,王建花３,张俊杰１,２,耿伟恒１,２(１．中国石油大学(北京)地球物理学院,北京１０２２４９;２．中国石油大学(北京)油气资源与探测国家重点实验室,北京１０２２４９;３．中海油研究总院有限责任公司,北京１０００２８)摘要:地震资料高分辨率处理方法通过拓展频带范围有效地提高了地震资料的精度.迄今为止,基于深度学习的高分辨率处理方法仅在时域中进行特征提取,忽视了地震数据的频域信息,因而影响高分辨率处理效果.为此,结合深度学习的数据驱动能力与时频分析方法的时频定位能力,提出了一种基于S 变换和复值U ＧN e t 网络(S T C V U ＧN e t )的地震资料高分辨率处理方法.首先,通过褶积模型构建高分辨率与低分辨率的单道地震数据,接着,利用S 变换获得不同分辨率地震数据的时频谱并将其作为训练数据,然后基于构建的S T C V U ＧN e t 对时频谱进行训练和测试,最后,使用迁移学习方法对已训练的网络进行微调并应用于实际数据的处理.S T C V U ＧN e t 方法充分考虑了地震数据的时域与频域信息,在准确得到地震数据时频谱的同时在时频域中对地震信号进行精准拓频,从而提高了地震资料的分辨率.对比时域端到端的深度学习方法在模型资料和实际工区资料的高分辨率处理结果表明,S T C V U ＧN e t 方法的高分辨率处理结果更准确,高频信息更丰富,具有较大的实际应用潜力.关键词:深度学习;复值神经网络;高分辨率处理;S 变换;迁移学习中图分类号:P ６３１文献标识码:A文章编号:１０００Ｇ１４４１(２０２３)０３Ｇ０４０６Ｇ１３D O I :１０．１２４３１/i s s n ．１０００Ｇ１４４１．２０２３．６２．０３．００３H i g h Ｇr e s o l u t i o n s e i s m i c d a t a p r o c e s s i n g me t h o db a s e d o nS t r a n sf o r m a n d c o m pl e x Ｇv a l u e dU ＧN e t n e t w o r k L I Z i h a n g １,２,C H E N X i a o h o n g １,２,L I j i n g y e １,２,WA N GJ i a n h u a ３,Z H A N GJ u n j i e １,２,G E N G W e i h e n g１,２(１．C o l l e g e o f G e o p h y s i c s ,C h i n aU n i v e r s i t y o f P e t r o l e u m (B e i j i n g ),B e i j i n g １０２２４９,C h i n a ;２．S t a t eK e y L a b o r a t o r y o f Pe t r o l e Ｇu m R e s o u r c e s a n dP r o s p e c t i n g ,C h i n aU n i v e r s i t y of P e t r o l e u m (B e i j i ng ),B e i j i n g １０２２４９,Chi n a ;３．C N O O C R e s e a r c hI n s t i t u t e C o ．,L t d ．,B e ij i n g １０００２８,C h i n a )A b s t r a c t :B y e x p a n d i n g t h e f r e q u e n c y b a n d r a n g e ,h i g h Ｇr e s o l u t i o n s e i s m i c d a t a p r o c e s s i n g m e t h o d s c a n e f f e c t i v e l y i m p r o v e e x p l o r a Ｇt i o na c c u r a c y a n de n h a n c e t h ea c c u r a c y o f s u b s e q u e n t p r o c e s s i n g a n d i n t e r p r e t a t i o n ,t h u s g u i d i n g t h ed e p l o y m e n to f e x pl o r a t i o n w e l l s ．H i g h Ｇr e s o l u t i o n p r o c e s s i n g m e t h o d sb a s e do nd e e p l e a r n i n g a r ew i d e l y u s e d ．H o w e v e r ,e x i s t i n g d e e p Ｇl e a r n i n g Ｇb a s e dh i gh Ｇr e s Ｇo l u t i o n p r o c e s s i n g m e t h o d s o n l y e x t r a c t f e a t u r e s i n t h e t i m e d o m a i n ,d i s r e g a r d i n g t h e f r e q u e n c yＧd o m a i n i n f o r m a t i o n o f s e i s m i c d a Ｇt a ,t h u s a f f e c t i n g t h eh i g h Ｇr e s o l u t i o n p r o c e s s i n g e f f e c t a n d l e a d i n g t o t h e d e t e r i o r a t i o no f t h eh i g h Ｇr e s o l u t i o n p r o c e s s i n g o f s e i s m i c d a t a ．A s a t y p i c a l t i m e Ｇf r e q u e n c y a n a l y s i sm e t h o d ,t h e S Ｇt r a n s f o r mc a n a d j u s t t h e a n a l ys i s t i m ew i d t h a n d p r o v i d e i n t u i t i v e t i m e Ｇf r e Ｇq u e n c y c h a r a c t e r i s t i c s a c c o r d i n g t o t h e c h a n g e i n f r e q u e n c y．T h e r e f o r e,i n c o m b i n a t i o nw i t hd a t aＧd r i v e nd e e p l e a r n i n g a n d a d v a n c e d t i m eＧf r e q u e n c y a n a l y s i sm e t h o d s,a nSＧt r a n s f o r ma n d c o m p l e xＧv a l u e dUＧN e t n e t w o r k(S T C V UＧN e t)Ｇb a s e dh i g hＧr e s o l u t i o n s e i s m i c d a t aＧp r o c e s s i n g m e t h o dw a s p r o p o s e d．F i r s t,t h eS T C V UＧN e tm e t h o dc o n s t r u c t e ds i n g l eＧt r a c es e i s m i cd a t aw i t hd i f f e r e n t r e s o l uＧt i o n su s i n g t h e c o n v o l u t i o nm o d e l a n d o b t a i n e d t h e i r t i m eＧf r e q u e n c y s p e c t r a a s t r a i n i n g d a t a u s i n g t h e SＧt r a n s f o r m．T h e c o n s t r u c t e d S T C V UＧN e t t h e n t r a i n e da n d t e s t e d t h e s e s p e c t r a,f i n a l l y a d j u s t i n g t h e p a r a m e t e r s u s i n g a t r a n s f e r l e a r n i n g a p p r o a c h t om a k e t h e n e t w o r km o r e a d a p t a b l e t o t h e a c t u a l d a t a．T h e p r o p o s e dm e t h o d p e r f o r m e d f e a t u r e e x t r a c t i o n i n t h e t i m eＧf r e q u e n c y d o m a i n t o a cＧq u i r eh i g hＧr e s o l u t i o n s e i s m i c d a t a a c c u r a t e l y．R e s u l t s f r o mt h e p r o p o s e dm e t h o dd e m o n s t r a t e h i g h p r e c i s i o n,t h e p o w e r o f h i g hＧf r eＧq u e n c y i n f o r m a t i o n,a n d g r e a t p o t e n t i a l o f i t sa p p l i c a t i o n s c o m p a r e dt ot h eh i g hＧr e s o l u t i o n p r o c e s s i n g r e s u l t so f t h e t i m eＧd o m a i n e n dＧt oＧe n dd e e p l e a r n i n g m e t h o do n t h em o d e l d a t a a n da c t u a lw o r ka r e ad a t a．K e y w o r d s:d e e p l e a r n i n g,c o m p l e xＧv a l u e dn e u r a l n e t w o r k,h i g hＧr e s o l u t i o n p r o c e s s i n g,SＧt r a n s f o r m,t r a n s f e r l e a r n i n g㊀㊀地震资料的分辨率直接影响着地下储层的识别精度,高分辨率的地震资料可以精细地反映地下的构造和岩性信息,从而指导储层识别和井位部署等工作.如何提高地震资料的分辨率成为地震资料处理中的关键问题之一,国内外学者相继提出了不同的处理技术来获得高分辨率的地震资料.常规的高分辨率地震资料处理技术包括反褶积技术和反Q滤波技术.一方面,反褶积技术是使用较为广泛的高分辨率处理方法,包括预测反褶积㊁脉冲反褶积㊁同态反褶积等方法[１Ｇ２].在这些反褶积方法的基础上又衍生出了其它方法,如陆文凯等[３]利用神经网络技术求取反子波达到反褶积的目的;蔡连芳等[４]采用粒子群算法寻找峭度最大化从而实现地震盲反褶积;王万里等[５]建立了一个动态的褶积模型,利用反射系数脉冲进行随机稀疏脉冲反褶积.但这些反褶积方法都需要提取准确的子波信息来求取反褶积算子,而在实际应用中,获得准确的子波信息十分困难,所以这些方法均存在一定局限性.另一方面,基于地层吸收衰减原理的反Q滤波技术通过补偿地震数据的振幅衰减和频率损失,从而提高地震资料的分辨率.H A L E[６]最先提出反Q滤波法,许多学者在其基础上进行改进并广泛应用于实际资料,如基于短时傅里叶变换(S T F T)㊁基于小波变换(WT)和基于广义S变换(G S T)的时频域反Q滤波方法[７Ｇ９].但这些方法需要假设反射波各频率分量的能量在时间分布上有较高的相似性,因此在实际应用中表现不佳.此外,人们陆续提出了基于希尔伯特黄变换(HH T)的高分辨率方法[１０]㊁基于压缩感知的高分辨率方法[１１]㊁基于经验模态分解(E M D)时频分析高分辨率方法[１２]与基于二阶自适应同步挤压S变换时变子波提取的高分辨率方法[１３]等地震资料高分辨率处理方法.但是这些常规的地震资料高分辨率处理方法存在子波提取困难㊁抗噪能力差㊁限制条件多㊁计算步骤复杂等局限性,且随着地震勘探技术的迅速发展,传统方法越来越难以满足日益增长的海量地震勘探数据处理的计算.因此,提出一种智能化的地震资料高分辨率处理方法有着重大意义.作为机器学习领域里的一个新方向,深度学习技术一经提出便成为学术界和工业界的研究热点.目前,深度学习技术在地球物理领域得到广泛应用,如岩性和流体识别[１４Ｇ１５]㊁地震去噪[１６Ｇ１８]㊁断层检测[１９Ｇ２０]㊁初至拾取[２１]㊁裂缝预测[２２]和地震资料反演[２３Ｇ２４]等.此外,对于地震资料的高分辨率处理,国内外也有多位学者进行了一系列的研究,C H O I等[２５]随机生成高低频的地震数据进行神经网络训练,并应用于楔状模型与实际地震数据来提高地震资料分辨率.孙永壮等[２６]利用UＧN e t网络训练伪反射系数模型数据,实现了端到端的地震资料高分辨率处理,即输入到神经网络的数据为低频的低分辨率地震数据,输出为高频的高分辨率地震数据.以上端到端的方法训练过程都是在时域中完成的,因而忽视了地震数据的频域信息,导致网络的学习效果受限,实际资料测试结果与真实高分辨率数据存在较大差异,高频部分的数据无法得到有效补偿,在性能上尚有较大的提升空间.针对该问题,我们提出了一种基于S变换与复值UＧN e t网络(St r a n s f o r m a n dc o m p l e xＧv a l u e d UＧN e t,S T C V UＧN e t)的地震资料高分辨率处理方法.首先,通过褶积模型构建高分辨率与低分辨率的单道地震数据,使用S变换(S T)得到这些地震数据的时频谱作为训练集;然后,利用时频谱对设计的复值UＧN e t网络进行训练;最后,将所提出方法应用于模型资料和实际工区资料的高分辨率处理,并将结果与传统端到端的UＧN e t网络方法处理结果进行对比,证明了本文方法的可行性㊁有效性与适用性.７０４第３期李子航等．基于S变换与复值UＧN e t网络的地震资料高分辨率处理方法１㊀方法原理１．１㊀S 变换(S T )S 变换[２７]作为一种高时频分辨率的时频分析方法,结合了小波变换和短时傅里叶变换的特点,被广泛应用于地震资料处理中.对于地震数据x (t ),其S 变换的定义为:S (τ,f )＝ʏ＋ɕ－ɕx (t )g (t －τ,f )e x p (－i ２πf t )d t (１)式中:t 和f 分别是时间和频率;τ是一个控制高斯窗在时间t 上位置的平移因子;g (t －τ,f )是高斯窗函数,具体公式如(２)式.g (t －τ,f )＝|f |２πe x p －(t －τ)２f ２２éëêêùûúú(２)在S 变换中,高斯窗的高度与宽度会随着频率的变化而变化.S 变换有一个重要的特性,即S 变换得到的时频谱对时间的积分等于其时域信号的频谱:X (f )＝ʏ＋ɕ－ɕS (τ,f )d τ(３)㊀㊀对(３)式两边同时进行傅里叶逆变换即可实现S 逆变换,即:x (t )＝ʏ＋ɕ－ɕʏ＋ɕ－ɕS (τ,f )d τ[]e x p (i ２πf t )d f (４)㊀㊀利用S 变换,可以得到地震数据的时频谱并应用于后续的复值U ＧN e t 网络的训练与测试中.通过S 逆变换的计算,可以将网络学习后的高分辨率结果由时频域转换到时间域,从而得到高分辨率的地震数据.１．２㊀U ＧN e t 网络构建U ＧN e t 网络进行地震数据的高分辨率处理.U ＧN e t 是一个典型的全卷积网络,包含编码器与解码器两部分[２８].编码器中主要利用卷积层和池化层进行特征的提取,而解码器则利用转置卷积层与卷积层将提取到的特征进行还原,得到原始尺寸的结果.同时在U ＧN e t 中还使用了拼接(c o n c a t e n a t e )的方式将同一维度的特征进行拼接,从而减少下采样带来的信息损失.输入至U ＧN e t 网络中的训练数据大小为１０１ˑ２００的时频谱,根据输入数据的大小设置了结构如图１所示的U ＧN e t 网络.为了提取更深层次的特征信息,相较于已提出的U ＧN e t 高分辨率处理方法[２５Ｇ２６]设置了更多的通道数,通道数从６４开始㊁以２的倍数递增至１０２４.图１㊀U ＧN e t 网络具体结构㊀㊀在U ＧN e t 的编码器部分(图１左侧)共分４个步骤进行特征提取.其中,每一个步骤均含有两个卷积层,卷积核的大小均为３ˑ３,步长为１.在每一个卷积层后设置一个R e L U 激活函数,在每一步的最后设置一个２ˑ２的最大池化层进行下采样操作实现通道数的提升.解码器部分(图１右侧)同样分为４个步骤,在每一步中首先设置一个转置卷积层进行上采样操作来恢复数据的大小,在每一个转置卷积层后同样设置了两个卷积核大小为３ˑ３的卷积层与两个R e L U 激活函数.需要注意的是,在编码器部分设置了４个２ˑ２的下采样层,所以当输入数据的大小不为１６的整数倍时,数据无法被整除而需进行取整操作,进而导致当使用相同卷积核大小的转置卷积层时输出数据与输入数据大小无法匹配,数据无法恢复至原大小.因此,为得到相同大小的输出数据,分别设置４个转置卷积层的卷积核大小为２ˑ３,３ˑ２,３ˑ３８０４石㊀油㊀物㊀探第６２卷和３ˑ２.在网络的最后采用一个卷积核大小为１ˑ１的输出层进行数据的输出.１．３㊀复值U ＧN e t 网络传统的神经网络只能对实值数据进行训练,但复值信号在地球物理等领域中广泛存在,为了直接处理这些复值信号,复值神经网络应运而生.近些年,复值神经网络越来越受到国内外学者的关注,A R J O ＧV S K Y 等[２９]通过多次实验证明使用包含复数的循环神经网络(R N N )相较于传统的R N N 拥有更鲁棒㊁更稳定的性能.同时复值神经网络由于其映射能力强和适应性好的特点已被应用于实值分类㊁音频处理等.因此,可以构建复值神经网络对复数形式的时频谱进行训练.将T R A B E L S I 等[３０]提出的深度复值模块拓展到整个网络结构中,构建由两个实值的U ＧN e t 子网络A 和B 构成的复值U ＧN e t 网络,表示为H ＝A ＋i B .时频谱数据可表示为w ＝x ＋i y ,其中,x 是时频谱的实部;y 是时频谱的虚部.复值U ＧN e t 网络的数据运算可表示为:㊀H ∗w ＝(A ∗x －B ∗y )＋i (B ∗x ＋A ∗y )(５)㊀㊀复值U ＧN e t 网络的计算过程如图２所示.由图２可见,复值的运算被分解为２种不同的实值运算,并且在运算过程中实部数据与虚部数据会同时输入到２个U ＧN e t 子网络,２个子网络同时对实部数据与虚部数据进行训练.这种共享U ＧN e t 子网络的设计有助于整个网络更好地学习到时频谱的实部与虚部之间的关系,使得预测的高分辨率结果更加准确.图２㊀复值U ＧN e t 网络计算过程㊀㊀设置合适的损失函数对提升网络的收敛速度和预测精度有着重要的意义.目前,基于深度学习的高分辨率处理方法多采用均方误差(m e a ns qu a r e de r Ｇr o r ,M S E )损失函数,其定义为高分辨率标签与预测高分辨率结果的均方误差,计算公式为:M S E ＝１nði s u m [yi －f (x i )]２(６)式中:n 为训练样本数量;y i 为第i 个数据的高分辨率标签;f (x i )为第i 个数据的高分辨率预测结果.针对复值U ＧN e t 网络,构建了复值M S E 损失函数.该损失函数同时计算时频域的实部与虚部的均方误差,即:L ＝１nði s u m [y r e a l i －f (x r e a l i )]２＋１nði s u m [y i m a g i －f (x i m a g i )]２(７)式中:y r e a l i 与f (x r e a li)分别为第i 个数据时频谱实部的高分辨率标签与预测结果;y i m a g i 与f (x i m a gi)为第i 个数据时频谱虚部的高分辨率标签与预测结果.１．４㊀基于S 变换与复值U ＧN e t 网络的高分辨率处理传统的基于深度学习的高分辨率处理方法通过训练大量数据,建立低分辨率数据与高分辨率数据之间的映射关系.但这些方法对不同分辨率的地震数据的特征提取与映射建立只在时域中进行,因而忽视了数据在频域中的特征,导致网络对高频信息学习不到位,处理结果中高频信息出现一定缺失㊁准确性不高.为此,结合S 变换与复值U ＧN e t 网络的理论,构建了一种基于S 变换与复值U ＧN e t 网络的高分辨率处理方法.S T C V U ＧN e t 的结构框架如图３所示.首先对单道地震数据进行S 变换得到地震数据的时频谱,再将时频谱的实部与虚部输入至复值U ＧN e t 网络中得到高分辨率数据的实部和虚部,对得到的结果做S 逆变换得到单道高分辨率地震数据.图中红线表示实部的运算,蓝线表示虚部的运算.９０４第３期李子航等．基于S 变换与复值U ＧN e t 网络的地震资料高分辨率处理方法图３㊀S T C V UＧN e t整体结构框架㊀㊀S T C V UＧN e t方法结合深度学习数据驱动能力与时频分析方法的时频定位能力,基于构建的复值UＧN e t网络对不同分辨率数据的时频谱进行训练,使得网络在提取地震数据不同频率成分对应关系的同时获取该频率成分变化的发生时间,从而更准确地对低分辨率数据到高分辨率数据的映射关系进行学习.１．５㊀迁移学习如果直接用合成数据训练得到的网络对实际工区数据进行测试时,不同的地震数据及地震子波之间存在的差异往往会导致测试结果不够准确.实际工区的数据通常不足以重新训练网络,在这种情况下,引入迁移学习(t r a n s f e r l e a r n i n g,T L)[３１]的方法可以使已训练的网络更适用于其它工区的数据.不同的地震数据之间在存在着一定差异的同时仍存在一定的相关性,迁移学习方法可以利用这种相关性显著减少地震数据之间的差异引起的不利影响[３２].图４为对复值UＧN e t网络进行迁移学习的示意.图４中,上半部分为预训练阶段,下半部分为使用新数据㊀㊀㊀㊀图４㊀迁移学习示意进行迁移的阶段,相同的颜色代表着网络层被冻结,参数被固定.可以看到,在微调过程中,整个网络除了最后两个卷积层的参数可被调整外,其余部分的参数均被固定.通过迁移学习的方法,可以用少量新工区数据对预训练网络的部分参数进行更新,从而使网络能够更准确地对新工区数据进行高分辨率处理.２㊀训练与测试２．１㊀网络训练与验证首先,利用褶积模型合成单道地震数据,并对其进行S变换得到相应的时频谱作为训练集对网络进行训练.图５为部分M a r m o u s i２模型的反射系数,大小为５４９ˑ３４００,从中随机抽选５０道反射系数,使用这些反射系数与低频子波进行褶积得到低分辨率的单道地震数据作为输入数据,而标签为反射系数与高频子波进行褶积得到的高分辨率数据.为了增强网络的泛化性,在合成低分辨率数据时所用的子波为主频在５~２０H z内随机选取的雷克子波,合成高分辨率数据所用的子波是主频为５０H z的雷克子波;同时为了增强网络的抗噪性,在低分辨率数据中随机添加不同方差的高斯噪声使信噪比(s i g n a l n o i s e r a t i o, S N R)为－１０d B至５０d B,信噪比的定义为:S N R＝１０l o g s ２２s－ s ２２(８)式中:s和 s分别表示真实地震数据与含噪地震数０１４石㊀油㊀物㊀探第６２卷㊀㊀㊀㊀图５㊀M a r m o u s i２模型反射系数据.通过不同的主频子波㊁不同信噪比的设置与滑动时窗的方法,共构建了１８００道㊁采样数为２００的地震数据作为训练集,另外构建了２００道地震数据作为验证集.模型框架用P y t o r c h进行构建,优化器为A dＧa m自适应矩估计(a d a p t i v em o m e n t e s t i m a t i o n),学习率被设定为０．０００５,批大小为４,迭代次数为１００,整个训练与测试过程在一个G P U(N V I D I A R T X３０９０)上进行.在训练结束后,引入决定系数(c o e f f i c i e n t o f d eＧt e r m i n a t i o n)来评估高分辨率处理结果的准确率.决定系数是表示回归模型中真实值和预测值的方差比的统计度量,通常用R表示.R越接近１,表示预测值越接近真实值,预测效果越准确.R的公式为:R＝１－ði(y i－^yi)２ði(y i－ y i)２(９)式中:y i是真实值;^y i为真实值的平均值; y i是预测值.为了说明所提出的S T C V UＧN e t方法的优势,额外构建了一个具有相同结构㊁超参数和训练集的时域端到端一维UＧN e t网络来进行对比.在该网络中,单道地震数据直接输入到网络中进行训练.训练完成后,在验证集上比较了时域端到端UＧN e t方法与S T CＧV UＧN e t方法取得的R分别为０．９５５１和０ ９６３６.从验证集上随机选取一道,该道的低分辨地震数据㊁高分辨地震数据与两种网络的预测结果如图６所示.图７展示了该单道数据预测结果的时频谱和时频谱的实部与虚部.由图７可见,两种方法均能够对高频成分进行较好的恢复,但S T C V UＧN e t方法预测结果与高分辨率地震数据更吻合,时频谱数值更精确.２．２㊀模型数据测试使用两个训练好的网络对整个低分辨率M a r mＧo u s i２模型进行测试.图８a是使用主频为２０H z雷克子波与反射系数通过褶积模型形成的低分辨率地震剖面;图８b是使用主频为５０H z雷克子波与反射系数进行褶积形成的高分辨率地震剖面;图８c和图８d分别是使用传统UＧN e t方法和使用S T C V UＧN e t方法得到的预测结果.同时计算了整个剖面上传统UＧN e t方法与S T C V UＧN e t方法预测结果的R 分别为０．９２６２与０．９５２２.可以看出,比起低分辨率数据,S T C V UＧN e t方法的预测结果的同相轴精细程度得到显著提升,层间信息更加丰富,局部小构造信㊀㊀㊀㊀图６㊀验证集单道数据预测结果１１４第３期李子航等．基于S变换与复值UＧN e t网络的地震资料高分辨率处理方法图７㊀验证集单道数据时频谱a~d为时频谱;e~h为时频谱的实部;i~l为时频谱的虚部息也清晰可辨,地震资料的分辨率得到了显著提高.图８e至图８h分别为图８a至图８d中黑框区域的局部放大显示.从红色箭头所指部分可以看出,相较于传统UＧN e t方法,S T C V UＧN e t方法的预测结果同相轴更连续,分辨率更高,与实际高分辨率数据更吻合.图９a和图９b分别为２种方法与真实高分辨率数据的差值剖面.图９c和图９d为图９a和图９b中黑框区域的局部放大.由图９可以看出,S T C V UＧN e t方法的预测结果与实际高分辨率数据之间的差值更小,预测结果更准确.进一步对比原始高低分辨率地震剖面与２种方法预测结果的频谱(图１０)可知,S T CＧV UＧN e t方法显著提高了模型数据的主频和频带宽２１４石㊀油㊀物㊀探第６２卷度,其预测结果的频谱相较于U ＧN e t 方法更贴合高分辨率标签数据的频谱.为了更直观地对两种方法的结果进行比较,在预测结果中随机选取一道进行对比(图１１).由图１１可以看出,U ＧN e t 方法的预测结果在一些地震道上与合成的高分辨率地震数据之间存在着较大误差,未能图８㊀M a r m o u s i ２模型数据预测结果对比a 低分辨率地震剖面;b 高分辨率地震剖面;cU ＧN e t 预测结果;dS T C V U ＧN e t 预测结果;e ~h 分别为a ~d的局部放大图９㊀M a r m o u s i ２模型数据预测结果残差对比aU ＧN e t 预测结果与真实高分辨率数据的差值剖面;bS T C V U ＧN e t 预测结果与真实高分辨率数据的差值剖面;c ,d 分别为a ,b 的局部放大３１４第３期李子航等．基于S 变换与复值U ＧN e t 网络的地震资料高分辨率处理方法图１０㊀M a r m o u s i ２模型数据预测结果的归一化振幅谱图１１㊀M a r m o u s i ２模型单道数据预测结果完全恢复地震数据的高频信息.而S T C V U ＧN e t 方法的预测结果误差更小㊁更加真实可信,处理效果优于传统端到端U ＧN e t 方法.为测试S T C V U ＧN e t 方法的抗噪性,在M a r m Ｇo u s i ２模型数据中随机加入了不同方差的高斯噪声,使信噪比分别为２d B ,５d B ,１０d B 和２０d B (图１２a 至图１２d ).使用S T C V U ＧN e t 方法对不同信噪比的数据进行高分辨率处理,结果如图１２e 至图１２h 所示.在不同信噪比条件下,S T C V U ＧN e t 方法均能在进行高分辨率处理的同时对数据中的随机噪声进行有效地压制,压制效果会随着信噪比的提高而提升.同时对使用不含噪声的训练数据训练得到的网络进行预测,结果如图１２i 至图１２l 所示.由图１２可以看出,当训练数据中含有一定噪声时,不同信噪比下的高分辨率预测效果均得到了提高.因此,在训练数据中加入适当噪声可以有效提高S T C V U ＧN e t 方法的抗噪能力和预测精度.２．３㊀实际数据测试选取某工区的实际地震资料进行测试.为了评价高分辨率处理方法的效果,将实际资料的低通滤波数据(图１３a )作为低分辨率数据进行输入,将实际数据(图１３b )视为高分辨率数据进行对比验证.工区共有７１８条主测线,９０１条联络测线,此外还有１８口井的测井资料.时间范围限定为０．７３６~１ １３４s ,采样间隔为２m s.图１４为２种方法实际资料预测结果对比.由于地震子波之间存在差异,当直接将M a r m o u s i ２合成数据训练所得网络用于实际资料测试时,预测结果出现较大偏差(图１４a ).因此引入迁移学习方法,使用测井资料中的反射系数信息与提取的实际数据高低频子波构建了１５道高分辨率与低分辨率数据对(图１５),并利用该数据对两个已训练网络进行微调后,选取一个未参与微调过程的地震数据剖面进行测试,结果如图１４b 与图１４c 所示,图中黑色实线为测井反射系数与提取的４１４石㊀油㊀物㊀探第６２卷㊀㊀㊀㊀图１２㊀M a r m o u s i ２模型含噪数据预测结果对比a ~d 含噪数据;e ~h 训练数据中含噪声的S T C V U ＧN e t 方法预测结果;i ~l 训练数据中不含噪声的S T C V U ＧN e t方法预测结果图１３㊀实际资料高低分辨率数据a 低分辨率数据;b 高分辨率数据５１４第３期李子航等．基于S 变换与复值U ＧN e t 网络的地震资料高分辨率处理方法图１４㊀实际资料预测结果对比a 未微调S T C V U ＧN e t 预测结果;bU ＧN e t 预测结果;c S T C V U ＧN e t预测结果图１５㊀实际资料高低分辨率数据对的生成６１４石㊀油㊀物㊀探第６２卷高频子波进行褶积得到的合成记录.进一步计算相应预测结果的决定系数R 分别为０．９１３４和０．９４５２.可以看出,２种方法均能提高地震数据的分辨率,相比之下,使用S T C V U ＧN e t 方法得到的预测结果与真实数据的一致性更好,不仅同相轴在横向上更连续,而且构造特征更加清晰.进一步对比每个数据的频谱(图１６)可以看出,未经微调的网络的预测结果的频谱与真实高分辨率数据频谱的吻合度较差;U ＧN e t 方法在一定程度上拓宽了频带,但未能对高频部分完全进行补偿;而S T C V U ＧN e t 方法能对实际数据的高频部分进行最准确的补偿,有效提升了主频,拓宽了频带范围.图１６㊀实际地震数据预测结果的归一化振幅谱３㊀结论本文结合深度学习的数据驱动能力与时频分析方法的时频定位能力,提出了一种基于S 变换与复值U ＧN e t 网络(S T C V U ＧN e t)的地震资料高分辨率处理方法,使网络同时学习到地震数据中不同频率成分的变化与该频率成分变化的发生时间,从而更准确地学习到低分辨率数据到高分辨率数据的映射关系,有效且精确地进行高分辨率处理.模型数据与实际数据的测试结果表明,S T C V U ＧN e t 方法相较于常规端到端的U ＧN e t 方法,能够更准确地进行地震资料高分辨率处理,并且S T C V U ＧN e t 的高分辨率处理结果同相轴形态清晰,高频信息丰富,具有较大的应用潜力.参㊀考㊀文㊀献[１]㊀王江,涂国田,王杰．基于载波调制的高分辨率地震双向拓频技术及其应用[J ]．石油物探,２０２１,６０(６):９５４Ｇ９６３WA N GJ ,T U G T ,WA N GJ ．H i gh Ｇr e s o l u t i o ns e i s m i cb i d i r e c Ｇt i o n a l f r e q u e n c y e x t e n s i o nb a s e d o n c a r r i e rm o d u l a t i o n [J ]．G e o Ｇp h y s i c a l P r o s p e c t i n g fo rP e t r o l e u m ,２０２１,６０(６):９５４Ｇ９６３[２]㊀王华忠,盛燊．走向精确地震勘探的道路[J ]．石油物探,２０２１,６０(５):６９３Ｇ７０８WA N G H Z ,S H E N G S ．P a t h w a y to w a r da c c u r a t es e i s m i ce x Ｇp l o r a t i o n [J ]．G e o p h y s i c a lP r o s p e c t i n g fo rP e t r o l e u m ,２０２１,６０(５):６９３Ｇ７０８[３]㊀陆文凯,牟永光．神经网络子波反褶积[J ]．石油地球物理勘探,１９９６,３１(增刊２):１０７Ｇ１１１L U W K ,MU Y G．N e u r a l n e t w o r kw a v e l e t d e c o n v o l u t i o n [J ]．O i lG e o p h y s i c a l P r o s p e c t i n g,１９９６,３１(S ２):１０７Ｇ１１１[４]㊀蔡连芳,田学民．基于峭度最大化的地震盲反褶积方法[J ]．石油物探,２０１２,５１(１):３０Ｇ３６C A IL F ,T I A N X M．A b l i n ds e i s m i cd e c o n v o l u t i o n m e t h o db a s e do nk u r t o s i sm a x i m i z a t i o nc r i t e r i o n [J ]．G e o p h ys i c a l P r o s Ｇp e c t i n g fo rP e t r o l e u m ,２０１２,５１(１):３０Ｇ３６[５]㊀王万里,杨午阳,魏新建,等．随机稀疏脉冲非线性反褶积[J ]．地球物理学进展,２０１４,２９(４):１７８０Ｇ１７８４WA N G W L ,Y A N G W Y ,W E IXJ ,e ta l ．S t o c h a s t i cs pa r s e s p i k e n o n l i n e a r d e c o n v o l u t i o n [J ]．P r o g r e s si n G e o p h y s i c s ,２０１４,２９(４):１７８０Ｇ１７８４[６]㊀HA L ED．Q Ｇa d a p t i v ed e c o n v o l u t i o n [J ]．E x pa n d e d Ab s t r ac t so f ５２nd A n n u a l I n te r n a t S E G M t g ,１９８２:８２Ｇ８３[７]㊀白桦,李鲲鹏．基于时频分析的地层吸收补偿[J ]．石油地球物理勘探,１９９９,３４(６):６４２Ｇ６４８B A IH ,L IKP ．S t r a t i g r a p h i c a b s o r p t i o n c o m pe n s a t i o nb a s e d o n t i m e Ｇf r e q u e n c y a n a l y s i s [J ]．O i lG e o p h y s i c a lP r o s p e c t i ng ,１９９９,３４(６):６４２Ｇ６４８[８]㊀李鲲鹏,李衍达,张学工．基于小波包分解的地层吸收补偿[J ]．地球物理学报,２０００,４３(４):５４２Ｇ５４９L IKP ,L IY D ,Z H A N G X G．A m e t h o d t oc o m pe n s a t ee a r t hf i l t e r i ng ba s e do n w a v e l e t p a c k e t [J ]．C h i n e s eJ o u r n a lo fG e o Ｇp h y s i c s ,２０００,４３(４):５４２Ｇ５４９[９]㊀刘喜武,年静波,刘洪．基于广义S 变换的地震波能量衰减分析[J ]．勘探地球物理进展,２００６,２９(１):２０Ｇ２４L I U X W ,N I A N JB ,L I U H．G e n e r a l i z e dS Ｇt r a n s f o r m b a s e ds e i s m i c a t t e n u a t i o na n a l y s i s [J ]．P r o g r e s s i n E x pl o r a t i o n G e o Ｇp h ys i c s ,２００６,２９(１):２０Ｇ２４[１０]㊀陈宝书,汪小将,李松康,等．海上地震数据高分辨率相对保幅处理关键技术研究与应用[J ]．中国海上油气,２００８,２０(３):１６２Ｇ１６６C H E N BS ,WA N G XJ ,L ISK ,e t a l ．K e y t e c h n i qu e r e s e a r c h a n da p p l i c a t i o ni nr e l a t i v ea m p l i t u d e p r e s e r v a t i o n p r o c e s s i n g７１４第３期李子航等．基于S 变换与复值U ＧN e t 网络的地震资料高分辨率处理方法。

李庆忠院士给出一个不十分严格的垂向分辨能力的计算公式
时间分 辨力
t
1 2.3 f
厚度分 辨力
z vt
2 4.6
影响分辨率的因素
1、地质因素: 岩石的吸收（品质因子Q）响.层间反射、簿
互层结构、反射界面形状深度等
2、地震子波：延续长度、频带宽度、相位特性和相位 数
目、能量及其稳定性等
3、波场特征：波的干涉、旅行路径、传播速度、反射与折
分辨率的定义始终不十分确切，日常工作中常采用指标是：
视频率多少周 频带多宽
用这个指标遇到的问题是：
1、数值不好确定 2、指标与分辨率不能完全等同，高分辨率数据一定具有好
的指标，但高指标不一定是高分辨率数据
反褶积是处理提高分辨率的主要手段，但要做好反褶积，实现 反褶积的目的是一件很不容易的事：
1、子波往往是非最小相位的 2、子波特性是时变的，反褶积假设时不变 3、记录中有噪声，反褶积因子估算，受噪声强度影响 4、反射系数序列白噪假设难以满足，反褶积使反射系数趋
噪声影响反褶积效果
信号保真去噪
压噪对原始信噪比有要求 CMP叠加对原始数据信噪比最低要求与覆盖次数有关
S 1
N
M
信号高频成份衰减
f t
At A0e Q
Ag 0.65
r
ftபைடு நூலகம்
eQ
A2
rS
Ag为面波能量，A2为反射信号高频分量能量，rs为面波 沿地表传播距离，r反射信号传播距离
水平分辨率（横向分辨率）
第一 第二 Fresnel带 三维概念 偏移
影响横向分辨率的因素
未偏移和偏移数据上存在噪声 偏移处理的精度 地震成像的广义空间分辨率 原始数据采集限定

海洋单道地震勘探技术应用浅析摘要】本文具体介绍了单道地震勘探技术工作原理、方法和主要优点，并探讨了其在油气井场地质灾害调查、海洋区域地质调查和天然气水合物调查中的应用，希望通过本文分析不断加深我们对单道地震勘探技术的了解和认识，在实践中更好的掌握和应用。

关键词】单道地震；勘探技术；应用随着我国深海战略的实施和推进，海洋地质调查范围不断扩大，对各种地质勘探技术要求也越来越高。

海洋单道地震勘探技术具有操作便捷、配置灵活、运行稳定、工作效率高的特点，在井场调查、地质灾害调查、区域地质调查、天然气水合物资源勘查等不同领域得到了广泛普及和应用，为获取海洋地质数据和开展海洋工程建设作出了突出贡献，是种十分重要的地质勘探技术。

1单道地震勘探技术介绍1.1工作原理和系统组成众所周知，海洋底部具有复杂介质环境，声波在其中传播会遇到不同的反射强度，单道地震勘探技术就是利用不同介质具有不同信号发射波的特点来获取海底地质数据。

一般来说，单道地震勘探系统主要由三部分组成，即震源系统、接收系统和数据采集系统组成。

以气枪震源为例，典型的工作系统组成如图1 所示。

1.2工作方法采集数据质量直接取决于单道地震作业参数的选择。

在使用单道地震勘探技术之前，一般会进行作业参数校正和检测，以保证作业参数选择具有较高精度和信度。

单道地震勘探技术主要有以下几种作业参数：1）震源的选择。

在采用单道地震勘探技术之前，首选要确定采用何种震源系统，这要根据勘探要求和环境分析来确定。

目前，比较常用的单道地震震源系统主要有以下几种：电火花震源、气枪震源以及Boomer 震源等。

在勘探浅水区域地质时，主要采用Boomer 震源；在水深不超过0.5km的海域环境，主要采用中小能量电火花震源；深海地质勘探主要选择气枪震源和大容量电火花震源。

2）震源激发间距。

一般来说，震源激发间隔参数主要有两种方式，即等时间激发和等距离激发。

如果采用等时激发模式，为避免发生漏炮的情况，震源激发间隔时长要符合公式（1）：T > 2 X (T 1 +T 2 ) (1)在上式（1 ）中：T 是激发间隔时长，T1 是单程水深时间，T2 是海底地层勘探深度。

第四章 地震数据采集系统及相关技术第一节 地震数据采集系统组成地震勘探技术、电子技术、计算机技术及信息技术共同推动了地震数据采集仪器的不断发展和更新换代，共经历了模拟光点地震仪、模拟磁带地震仪、集中式数字地震仪和分布式遥测地震仪。

一、 集中式地震数据采集系统：上个世纪70年代中期，数字地震仪的出现，把地震勘探带入了一个崭新的时代， 出现了以DFS －V 和SN338为代表的集中式数字地震仪。

集中式地震数据采集仪器成功用于野外地震勘探约20年。

集中式地震勘探数据采集系统的最大特点是：采用IFP 与14位逐次逼近型A/D 转换器，IFP 采用3～4位增益码，A/D 转换器采用15位（1位符号位，14位尾数）逐次逼近型，集中式数字地震仪动态范围理论上可达168dB ，但实际考虑仪器噪声等因素的影响，仪器的系统动态范围一般不超过120dB 。

()20log DR =⨯记录的最大不失真电平理论（dB ）最小有效电平()max min ()20log 6DR G G n =⨯+⨯理论()20logDR =⨯记录的最大不失真电平系统（dB ）仪器系统等效输入噪声电平其中：min max ~G G 为IFP 放大器的增益范围，n 为模数转换器的位数。

二、分布式遥测地震数据采集系统把数据采集系统中的放大器、滤波器、A/D转换器、数据传输控制逻辑以及整个控制用CPU做在一个小箱体内，称为“采集站”，将采集站放置在检波点上，每个采集站用小线与1～8道检波器连接，各采集站用数字大线或以无线方式与中央控制主机相连，构成分布式（Distributed）数据采集系统。

⒈由于受到采样间隔和大线重量的限制，集中式地震仪生产道数一般不超过120道，适应不了三维地震勘探对道数的要求。

而分布式遥测地震仪的道数可达到上千道甚至上万道，完全能够满足三维地震勘探的需要。

⒉集中式数字地震仪的检波器通过大线与采集系统连接，由于大线上传输的是模拟信号，传输的距离又比较远，因此，信号易受各种干扰因素的影响。

海洋短排列高分辨率多道地震高精度成像关键技术骆迪;蔡峰;吴志强;闫桂京;杜润林【摘要】基于高频震源的海洋短排列、高分辨率多道地震探测方法,具有主频高、频带宽的特点,是海底浅层地质研究,特别是海洋天然气水合物调查等方面的重要手段.针对这种地震探测方法不能有效控制电缆沉放深度、虚反射干扰严重且规律性差以及速度分析精度低带来的成像效果差等问题,研究了基于虚反射走时识别与模拟计算的电缆沉放深度计算方法,获得了检波点的准确沉放深度,为虚反射的有效压制提供了保障;采用基于相似性原理的排列长度放大技术,有效地解决了排列长度较短引起的速度谱能量团不聚焦的问题,提高了速度分析灵敏度,确保了地震资料成像处理精度.实际资料的最终成像处理结果表明,地震波组的信噪比和分辨率高,速度结构合理,BSR特征清晰,为海洋天然气水合物的识别和研究提供了高品质资料.【期刊名称】《地球物理学报》【年(卷),期】2019(062)002【总页数】13页(P730-742)【关键词】地震分辨率;剩余时差;虚反射;速度分析【作者】骆迪;蔡峰;吴志强;闫桂京;杜润林【作者单位】自然资源部天然气水合物重点实验室,中国地质调查局青岛海洋地质研究所,山东青岛 266071;青岛海洋科学与技术国家实验室海洋矿产资源评价与探测技术功能实验室,山东青岛 266071;自然资源部天然气水合物重点实验室,中国地质调查局青岛海洋地质研究所,山东青岛 266071;青岛海洋科学与技术国家实验室海洋矿产资源评价与探测技术功能实验室,山东青岛 266071;自然资源部天然气水合物重点实验室,中国地质调查局青岛海洋地质研究所,山东青岛 266071;青岛海洋科学与技术国家实验室海洋矿产资源评价与探测技术功能实验室,山东青岛266071;自然资源部天然气水合物重点实验室,中国地质调查局青岛海洋地质研究所,山东青岛 266071;青岛海洋科学与技术国家实验室海洋矿产资源评价与探测技术功能实验室,山东青岛 266071;自然资源部天然气水合物重点实验室,中国地质调查局青岛海洋地质研究所,山东青岛 266071;青岛海洋科学与技术国家实验室海洋矿产资源评价与探测技术功能实验室,山东青岛 266071【正文语种】中文【中图分类】P6310 引言海洋天然气水合物赋存于浅层疏松沉积物中,深度一般小于1000 m,因此要求其勘探技术具有较高的浅层分辨率. 浅地层剖面、单道地震和高分辨率多道地震都是天然气水合物勘查常用的技术.浅地层剖面测量分辨率可达到1 m左右,但勘探深度一般小于100 m.单道地震测量虽然勘探深度较大,但是其信噪比较低、缺乏地震速度信息,限制了在海洋天然气水合物识别中的应用.因此,高分辨率多道地震测量成为了天然气水合物调查的重要手段(Horozal et al., 2009; Shipley et al.,1979; Taylor et al.,2000;张光学等,2011).目前海洋多道地震测量多采用调查船拖曳电缆的方式进行,常规的地震拖缆道间距大、排列长.气枪震源能量大、频率低、激发间隔大,对于海底以下千米级深度的目的层具有较好的探测效果,但不能满足以高频信号为主的浅层高分辨率地震成像的需要.另外,长排列地震拖缆使海上施工灵活性差且电缆平衡控制难度大,因此施工效率低、成本高.而采用高主频、宽频带、大能量电火花震源的海洋短排列、小道距、高分辨率多道地震探测技术可以弥补目前方法的不足.它具有接收道数少(一般24—48道)、道间距小(3.125～6.25 m)的特点,工作段缆长一般只有75～300 m,施工灵活性强,适应区域广,采集效率高、成本低.另外,由于拖缆较短,可以取消用于控制电缆沉放姿态的深度控制器,从而减少干扰源,提高地震原始资料的信噪比.这种地震探测技术的特点是使用大能量(激发能量高达20 kJ)电火花震源,它与气枪震源相比最显著的优势在于主频高、频带宽,其有效频率范围在60～1000 Hz之间,主频一般达到400 Hz以上,因此在具有较大的地层穿透能力的同时保证了勘探分辨率,能够实现在海水深度大于1000 m的海域穿透超过1000 m厚度的地层,且垂向分辨率达到1～3 m,可以满足海洋天然气水合物调查(褚宏宪等,2015)、工程地质勘查以及浅层地质等研究的需要.1 短排列、小道距、高分辨率多道地震原始资料特征及处理难点分析短排列、小道距高分辨率地震采集技术采用20 kJ电火花震源作为激发震源, 沉放深度2 m, 激发间隔12.5 m, 接收道数48道, 道间距6.25 m, 电缆沉放深度2 m, 最小偏移距37.5 m, 采样间隔0.5 ms.在采集过程中为了减少噪声,提高信噪比,没有使用深度控制装置控制电缆沉放深度.这种采集技术最大的优势在于可以提供更高的垂直与横向勘探分辨率,但是其固有的特点使后期地震数据的成像处理存在一定的难度,主要表现在以下方面.首先,由于缺少深度控制装置,调查船的速度、拖曳拉力及潮流方向等因素的改变会造成电缆沉放深度的非均一性,从而使CMP道集的同相轴错段；其次,较短的排列长度使依赖能量谱判别法则的速度分析敏感性下降；第三,激发、接收端虚反射走时及多次波压制的难度较大等.1.1 原始资料频率特征电火花震源的特点是激发的地震波频率高、频带宽(Mangipudi et al.,2014) .从初叠加剖面频谱分析(图1)看,最高截止频率可达到800 Hz,有效频率范围在60～400 Hz,主频在190 Hz左右.图1 地震叠加剖面频谱分析Fig.1 Spectrum analysis for preliminary seismic stacked data地震分辨率取决于地震信号的主频和频带宽度,主频越高,频带越宽,地震分辨率越高(李庆忠,1994; 俞寿朋,1993),因而电火花震源最显著的优势就是对地层具有较高的分辨能力.图2为我国重点海域天然气水合物勘查区短排列、小道距高分辨率地震资料的叠前时间偏移成像处理结果剖面,可以看出，在BSR附近20 ms的时窗内分布着3～4个地震反射波组,单个波组的视周期只有5～7 ms,具有较高的垂向分辨率；且天然气水合物地震识别标志—似海底反射波(Bottom Simulating Reflector,简称BSR)(Haines et al.,2017; Kroeger et al.,2017; Shipley et al.,1979)特征突出、接触关系清晰,能够明显的看到具有与海底反射平行且极性相反、与沉积层斜交以及上部空白反射带等BSR特征.1.2 虚反射多次波虚反射对海洋地震数据的影响存在于整个海洋地震采集和处理过程中，所有反射波中均存在虚反射多次波,引起陷波效应(Zhang et al., 2018),导致地震记录频带变窄,进而降低地震剖面的分辨率和成像精度，给地球物理解释工作带来困扰(王冲等,2016a，2016b).此外，虚反射的存在导致速度谱聚焦性变差，严重干扰地震波成像.因此，消除地震波中虚反射的影响也是这种短排列、小道距高分辨率多道地震资料处理的关键问题.地震波的主频高，子波周期短，虚反射的表现形式与常规海洋多道记录不同，主要表现为与有效波分离并伴随其后,即在炮集上表现为紧跟在海底反射之后，与海底反射极性相反(单一炮点或检波点虚反射)或相同(炮点和检波点虚反射叠加在一起)的同相轴,延迟时与炮检点沉放深度有关,即不考虑入射角的情况下为沉放深度的双程走时.图3(a，b)中，对应于主反射同时存在的3组虚反射多次波,分别为震源虚反射、检波点虚反射和震源加检波点虚反射三种情况(陈金海等,2000a,2000b;李套山等,1997).检波点虚反射是反射波上行时,电缆接收一次后,继续上行至海面,进而反射变为反极性的下行波被电缆接收形成的虚反射;震源虚反射是地震波震源发出后上行至海面,反射变为反极性的下行波，经海底反射后上行被电缆接收所形成的虚反射;震源加检波点虚反射是地震波震源发出后上行至海面从而反射变为反极性的下行波,经海底反射后上行,而后被电缆接收一次后继续上行至海面,反射变为与主反射同极性的下行波被电缆接收后所形成的虚反射.在速度谱(图3b)中，海底反射波能量团聚焦性差,呈现出高速和低速两组能量团.因此，在高分辨率地震记录中，虚反射的影响更为严重.图2 叠前时间偏移成像处理剖面的BSR特征Fig.2 Pre-time migration section showed BSR图3 虚反射地震剖面和速度谱(a) 海底反射(单炮); (b) 海底反射(叠加); (c) 速度谱(海底).Fig. 3 Ghost in seismic section and velocity spectrum(a) Seafloor reflection (single shot); (b) Seafloor reflection (stacking); (c) Velocity spectrum (seafloor).1.3 震源和电缆沉放深度误差对地震成像精度的影响理论上,同一测线的震源和电缆沉放深度是一致的,但是由于未使用深度控制装置，地震资料采集过程中的海浪作用、海流运动方向、大小及拖曳拉力变化等因素都会造成震源和电缆沉放深度偏离设计深度,使电缆纵向倾斜或弯曲,误差造成动校正时同相轴无法完全校平,使同相轴叠加时无法同相叠加,降低了地震记录的分辨率和叠加成像精度.在地震剖面中表现为同相轴扭曲，速度谱中表现为能量团不聚焦，速度分析精度较差；另一方面，造成检波点虚反射与海底反射不平行,严重时则出现与有效波同相轴相交或交叉的现象,造成虚反射压制困难,同时引起速度分析的多解性增加和成像噪声的增大.图4是采用基于波动方程的正演模拟技术获得的不同电缆沉放模式下的单炮记录，图4a表示两种电缆倾斜状态，图4b和4c分别为其对应的正演模型和正演模拟的单炮记录.图5是实际采集资料的单炮记录，图5a、5b、5c分别为三种不同电缆姿态及其对应实际资料的单炮记录.由图可见,检波点虚反射同相轴与海底反射同相轴不平行，且随电缆姿态的变化呈不同特征：当电缆水平时,虚反射同相轴与海底反射基本平行；当电缆姿态呈近道浅,远道深时,虚反射同相轴表现为下拉特征；而当电缆姿态呈近道深,远道浅时,虚反射同相轴表现为上翘特征.图6为未校正由于电缆沉放深度变化造成剩余时差的叠加剖面,由图可看出，在叠加剖面中通常表现为同相轴发生错动或扭曲,叠加成像发生畸变.当电缆倾斜时,由于叠加地震道中剩余时差的存在,难以实现完全的同相叠加,造成速度谱能量团不聚焦,从而降低了速度分析的精度.图7为一条测线在校正电缆倾斜造成剩余时差之前的速度谱,速度谱中叠加能量团分散、聚焦性差,难以拾取正确的叠加速度.一方面,剩余时差的存在使CMP道集内叠加同相轴不能完全校平.由于地震波在海水中的传播速度基本恒定不变,利用海水速度对海底反射波进行动校正,可以根据其是否拉平来评价电缆沉放深度是否相同,如图8a为单炮记录,海底反射波在动校正后并未得到校平(8b),可见电缆沉放深度存在差异.通过拾取虚反射走时,计算得出原始数据电缆深度变化范围为6～15.75 m,与设计的沉放深度2 m差异巨大. 虽然在常规地震勘探中,这种剩余时差可以忽略不计,但是对于高分辨率地震而言,消除由于震源和电缆沉放深度变化引起的剩余时差,实现CMP道集的同相叠加,是提高短排列小道距高分辨率多道地震成像精度的关键.另一方面,电缆沉放深度的变化具有一定的优势.虚反射陷波频率为f=nc/2hg,其大小由海水中声波传播速度c和电缆沉放深度hg决定(王冲等,2016a, 2016b;许自强等,2015),虚反射陷波频率随电缆沉放深度的增加而降低(图9).由图可见,不同拖缆沉放深度获得的地震通频带不同,拖缆沉放浅时,高频信息更丰富；而当拖缆沉放深时,低频信息更丰富,因此,可以利用不同拖缆沉放深度的虚反射陷波差异,优化低频和高频信号品质,达到拓宽原始数据频带宽度的目的,同时可以将虚反射陷波分散化,削弱陷波的影响(吴志强等,2016; Rebert et al.,2012; Soubaras and Dowle,2010).图4 电缆倾斜状态下的正演记录Fig.4 Forward modeling seismic recoed for variable-depth streamers图5 不同电缆状态下的实际单炮记录Fig.5 Single shot seismic records in different Situation of streamers图6 未校正剩余时差的叠加剖面Fig.6 Stacked section of uncorrected residual moveout图7 电缆沉放深度偏差引起速度谱能量团发散Fig.7 Stacked energy divergence in velocity spectrum caused by variable-depth streamers图8 电缆沉放深度偏差使海底反射波无法校平(a) 原始单炮记录; (b) 动校正后单炮记录.Fig.8 Cannot leveling of seafloor reflection caused by variable-depth streamers(a) Original single shot record; (b) Single shot record after dynamic correction.图9 不同电缆沉放深度导致陷波频谱(考虑高频衰减)Fig.9 Notches in the amplitude spectrum caused by ghosts at different streamer depths1.4 排列长度对速度分析精度的影响地震波速度是贯穿地震勘探全过程的重要属性信息,速度分析的精度决定了地震资料处理过程中各个步骤成果的准确性,尤其对于海域天然气水合物调查,地震速度信息是识别天然气水合物的重要依据.常规速度分析采用速度扫描的方法,该方法要求排列长度的设计要以引起叠加值或相关值的明显变化的动校正时差为标准,要求速度分析的精度越高,排列长度应越长(何汉漪，2001).海洋短排列、小道距高分辨率多道地震采集方式的拖缆排列长度通常小于300 m,因此,速度谱能量团的聚焦性除了受到电缆沉放深度变化和虚反射的影响以外,还受到排列长度的影响.图10为不同排列长度的正演模拟速度谱,可以看出,当排列长度较短时,由于提供速度分析所需的走时信息较少,速度谱能量团聚焦性较差,速度拾取存在较大的困难,因此速度分析精度较低.只有达到一定的排列长度,提供足够的走时信息时,才能形成能量聚焦的速度谱,提高速度分析精度.虽然电火花震源的高主频性能够在一定程度上弥补排列长度较短的缺陷(Luo et al., 2017),但是排列长度仍然是影响速度分析精度的主要因素.为此,本文针对性开展了数值模拟研究,论证排列长度是速度分析精度的主要影响因素.假设标准叠加速度为1535 m·s-1(相当于海底之下地层的地震叠加速度),利用不同的叠加速度(1200～1800 m·s-1)进行速度扫描,根据校正时差,叠加形成新的子波,计算新形成子波的均方根振幅与标准速度子波的均方根振幅的比例.根据速度分析原理可知,随扫描速度的变化,均方根振幅能量下降的越快,则速度谱能量团聚焦性越好,速度分析精度越高.为了更好地说明排列长度对速度分析精度影响大于主频的影响,设计了两种模型进行模拟对比.模型1为短排列模型,设计排列长度300 m、主频200 Hz；模型2为长排列模型,设计排列长度1200 m,即排列长度放大4倍,相应的采集数据主频为短排列的1/4,主频为50 Hz.图11分别为两种模型的速度扫描结果,由图可见,模型2的均方根振幅能量下降的更快,且在1535 m·s-1时能量达到最大,叠加振幅在标准叠加速度处聚焦性较好.模型1当速度误差为10%时(1380 m·s-1),均方根振幅能量下降了14.5%,而模型2的均方根振幅能量则下降了70.7%.由以上分析可知,当排列长度扩大,虽然主频等比例缩小,但是仍然能够大幅度提高速度分析精度.图10 正演模型道集不同排列长度对应的速度谱Fig.10 Velocity Spectrums of Forward Modeling Gathers in different Spreads实际资料的排列长度是固定的,不可能通过增加排列长度提高速度谱能量团的聚焦性,因此,如何在排列长度一定的情况下,提高速度谱能量团的聚焦性,是提高小道距高分辨率地震速度分析精度的关键.上述模拟结果为基于地震模型学相似性原理的精细速度分析技术的应用提供了理论基础,也是本文后续探讨的内容之一.图11 不同排列长度和主频条件下均方根振幅下降比例对比图Fig.11 Contrast chart showing proportion of decline in RMS amplitude under different conditions of seismic dominant frequencies and spreads2 短排列小道距高分辨率多道地震资料处理关键技术2.1 基于虚反射走时的电缆沉放深度计算与剩余时差校正在电缆等浮(沉放深度相同)的情况下,地震记录中虚反射同相轴和一次波同相轴平行,表现为光滑的双曲线形态,在小偏移距范围内可以忽略虚反射周期随入射角的变化,且炮点和检波点虚反射延迟时是沉放深度的双程走时.但在实际采集过程中由于沉放深度的差异,不同接收点具有不同的沉放深度,使地震记录中的海底反射波存在明显的同相轴扭曲现象,对应的虚反射同相轴也不完全和一次波平行.由前面的分析可知,本文数据中虚反射多次波与一次波彼此分离,电缆沉放深度是影响走时变化的主要因素,而数据中缺乏电缆沉放深度的准确数值,因此,利用虚反射走时特征进行电缆沉放深度的求取,进而评价电缆的工作姿态并进行校正,是本文的研究重点之一.通过虚反射射线走时公式计算可以得到虚反射与主反射时差dT公式：],(1)式中：DWB为海底深度,DR为检波点沉放深度,Ds为震源沉放深度,为偏移距,V为海水速度,本文采用1500 m·s-1.由公式(1)可以反推出的通过主反射与虚反射旅行时计算相应检波点深度的公式：(2)在偏移距、海底深度以及虚反射时差已知的情况下,可以由公式(2)计算出实际的检波点(电缆)沉放深度,由此可以计算出检波点的剩余时差dTre：(3)本文根据上述理论公式,首先采用交互式的拾取方法,拾取每炮的海底反射波及其对应的检波点虚反射走时,由虚反射时差计算每炮记录的实际电缆沉放深度,进而计算剩余时差并进行校正,将电缆沉放深度统一校正到海平面,实现同相轴同相叠加,提高地震分辨率.同理,拾取每炮对应的炮点虚反射时差可以计算炮点沉放深度变化引起的剩余时差,从而将炮点沉放深度统一校正到海平面.图12为剩余时差校正前后叠加剖面的对比图,由图可以看出,剩余时差校正后,叠加同相轴光滑,海底扭曲现象消失,有效反射波连续性明显提高,剖面整体信噪比和分辨率均得到提升.2.2 虚反射压制虚反射是一种不可避免的干扰波,其波形、频率、视速度等都与一次波相似,从而严重干扰一次反射波,降低地震分辨率,甚至产生假的同相轴,给地震解释造成困扰.随着地震资料处理向精细化发展,消除虚反射的影响已经成为海上地震资料处理的一个热门的研究课题.通过虚反射压制,可以达到拓宽频带,提高地震数据分辨率的作用.压制虚反射的方法较多(Fang et al.,2017; Wang et al., 2017)，适用条件和效果差别较大(陈金海等,2000a,2000b).本文在采用基于虚反射走时的电缆沉放深度计算方法，准确求取炮点、检波点沉放深度的基础上，采用了F-K域的虚反射压制技术,该技术的特点是在已知检波器深度和海水速度的情况下,针对检波点和炮点虚反射,分别在炮域和共检波点域进行压制,从而消除虚反射效应,改善剖面波组特征,拓展频谱宽度(蒋陶等,2017;孙福利等,2011).在F-K域采用如下算子压制虚反射：(4)其中,R是界面反射系数；V一般取值为1500 m·s-1；z是震源(或检波点)的深度；F和K分别表示数据的频率和波数.在采用F-K域虚反射压制之后,剖面上仍然存在一套与海底反射平行的虚反射残余,分析认为该套虚反射是由于计算获得的震源和电缆沉放深度与实际沉放深度仍存在微小误差，并且受到海水速度误差、海浪以及虚反射拾取误差等因素的影响, 使虚反射压制因子的求取不够理想造成的,因此,为了更进一步压制虚反射,在F-K域虚反射压制基础上,又采用了预测反褶积虚反射压制技术,较好的压制了虚反射残余.图13是虚反射压制前后的叠加剖面和频谱对比.从剖面可以看出,通过组合应用F-K 域压制虚反射技术和预测反褶积技术处理后,虚反射引起的子波旁瓣得到了很好的压制,剖面上地层的反射特征更加突出、可靠,陷波效应得到了明显补偿,高低频信息得到了拓展(图13c).2.3 基于地震模型学相似性原理的精细速度分析由正演模拟可知,地震叠加速度的分析精度主要取决于排列长度.为了提高速度分析精度,基于地震模型学相似性原理,采用放大排列长度、相应降低数据主频的方法,进行叠加速度分析处理.相似性原理(陆基孟和王铁男,1988)是地震模型学的基础,由波动方程的不变性理论可推出实际地质和物理模型之间速度、时间、距离、频率等参量之间的关系：(5)当时,则有：图12 剩余时差校正前后叠加剖面对比(a) 剩余时差校正前叠加剖面； (b) 剩余时差校正后叠加剖面.Fig.12 Contrast showing stacked section before and after correction of residual moveout(a) Stacking profile before residual moveout correction; (b) Stacking profile after residual moveout correction.图13 虚反射压制叠加剖面和频谱对比图(a) 虚反射压制前叠加剖面; (b) 虚反射压制后叠加剖面; (c) 虚反射压制前后频谱.Fig.13 Contrast showing stacked profiles and frequency spectrums before and after ghost suppression(a) Stacking profile before ghost suppression; (b) Stacking profile after ghost suppression; (c) Frequency spectrums before and after ghost suppression.或(6)(7)其中分别表示尺度、时间、速度和频率,下标R和M分别表示实际地质和物理模型. 以上公式表明,在波动方程成立的前提下,当波速相等或相似,实际地质和物理模型之间的尺度和时间应等比例增大或缩小,而频率则呈反比例变化,且模型尺度相似比和波长相似比也应相当.借鉴地震模型学中的相似性原理，在地震速度分析过程中,将地震数据在排列长度和时间尺度等比例放大,增加远炮检距道上提供速度分析所需的时差信息,增强速度谱能量团的聚焦性,从而提高速度分析精度.具体的做法是,根据图11的模拟结果分析,考虑到时间同时放大的因素.在观测系统定义中将炮间距、偏移距、道间距同时放大4倍,使最大偏移距达到1325 m,同时修改地震记录的道头信息,使炮间距、道间距等信息与观测系统同步,时间采样间隔同步放大4倍,地震主频随之降低至原来的1/4.通过该方法，在进行速度扫描时,相邻地震道动校正时差的差异增大,相关振幅值对速度变化的敏感度明显增强,速度谱上能量团得到有效聚焦,从而提高速度分析精度.在完成速度分析,拾取到准确的叠加速度后,恢复观测系统,并利用实际观测系统和地震数据进行后续成像处理.图14(a,b)分别为实际资料同一CDP道集参数调整前后的速度谱剖面,可以看出,在扩大了排列长度之后,由于增加了远炮检距道所提。

rv t 2 fc
(3.5.3)
1. 指沿横向方向所能分辨的最小地质体的尺 寸；
2. 第一菲涅尔带：地表点震源发出的球面波 到达界面时的波前面，与前面相距1/4波长先 期到达的另一波前面在界面上形成的圆称第 一菲涅尔带；
3. 在频率较高时，第一菲涅尔带半径为式 （3.5.3)
4. 如果地质体的水平宽度a满足不等式则这样 的地质体相当于一个点的绕射，不能分辨该地 质体的存在；
CDJ低频系列检波器
CDJ低频系列检波器其规格有1HZ、2HZ、2.5 HZ、3HZ， 以及由其组成的三分量检波器，广泛用于深部地震勘探、 地震监测、工程微振测量，以及其他方面的低频测振。
二 、放大器
1．由于检波器接收到的信号很微弱，需将 信号送至前置放大器进行放大；
2．放大器对来自浅、中、深层的反射信号 自动调节放大倍数；
Pn 11r12 Pa
(3.5.10)
图3.5-4 相同频带宽度的子波具有相同的分辨率示意图
式中pn 为有噪声存在条件下的分辨率，r 为信噪比，为无噪声时的分辨率；
3. 地震记录的分辨率可以用子波的分辨率 来描述，零相位子波的分辨率最高；
4. 当信噪比r趋于零时，分辨率pn趋于零； 5. 当r趋于无穷大时，等于无噪声时的分
图3.7-3 组合法频率特性
(2) 随t增大，组合对高频成分有压制 作用；
(3) 组合的频率特性会使有效波形产生 波形畸变；
(4) 实际工作中应设法提高有效波的视 速度，例如近炮点接收，倾斜界面时， 采用下倾激发上倾接收。
1．设组合数目为n，如果组合内各检波点接 收的不规则干扰波互相统计独立，且有效波 的到达时差t0，这时统计效应有最大值：
（一）分辨率与频率成分的关系

收稿日期:2002208205作者简介:郭　勇(1960-),男,四川成都人,副教授,从事应用地球物理研究。

文章编号:100023754(2002)0520058202高分辨率地震资料处理技术郭　勇1,王元波2(11成都理工大学信息工程学院,四川成都　610059;21大庆油田有限责任公司勘探开发研究院,黑龙江大庆　163712)摘要:油田勘探储层解释对地震资料处理提出了更高的要求,以往的常规地震资料处理手段已难以适应高分辨率地震资料处理和解释的需要。

为此,针对原始资料的特点,探讨了高分辨率处理中需要解决的几个关键问题,并研究出一套实用的高分辨率处理技术,重点阐述了合理利用叠前去噪、振幅保真、反褶积和剩余静校正处理等提高地震资料分辨率的技术问题。

在大庆油田三维地震区块的资料处理结果表明,成果剖面中各反射层位波组特征清楚,层间信息丰富,波形自然稳定,断层走向清晰,断点干脆,能够较好地满足地震资料解释的要求。

该实验区的解释成果也表明,所采用的关键技术及处理流程设计正确、合理,具有推广价值。

关键词:地震资料处理;叠前去噪;剩余静校正;反褶积;速度分析中图分类号:P63114+43 文献标识码:A 目前,油田勘探中地震资料解释已经从构造解释逐步转向了更细致的储层砂体预测,这种技术的发展要求地震资料处理具有高保真度、高信噪比、高分辨率的特征[1,2]。

由于通过现有的高分辨率采集工作方式所得到的地震资料具有频带宽、信息丰富的特点,使以往的常规地震资料处理手段难以适应高分辨率地震资料处理的要求。

因此,必须解决4个方面的问题:(1)在振幅保真的基础上,恰当地压制噪音。

(2)保护好原始资料的频率,拓宽有效信号频带。

(3)做好静校正工作,包括长、短波长静校正问题。

(4)要有配套的精细速度分析手段,对层间弱反射的速度要认真分析。

1　高分辨率处理技术要点111　振幅处理振幅处理是高分辨率处理的一项重要内容,它既能使振幅得到有效恢复,又能改善资料的横向一致性,为后续的反褶积处理奠定良好的基础。