發(fā)布時間：2020-12-03 08:03

　　隨著地震數(shù)據(jù)解釋技術(shù)的成熟,在地質(zhì)勘探中對地震層面及斷層的解釋已經(jīng)成為一種趨勢。本文以地震記錄為研究對象,應(yīng)用神經(jīng)網(wǎng)絡(luò)、小波分析和智能螞蟻等數(shù)學(xué)算法完成地震層面及斷層自動解釋。本文的主要研究內(nèi)容和結(jié)果如下:通過分析數(shù)據(jù)特點,完成了對地震記錄SEG_Y格式文件的解析。地震數(shù)據(jù)的采集受到多種因素的影響,會產(chǎn)生噪聲,本文采用小波閾值濾波技術(shù)對地震波進行消噪處理,為地層追蹤提供高質(zhì)量的數(shù)據(jù);并使用相干技術(shù)對地震數(shù)據(jù)進行預(yù)處理,形成相干體,為斷層識別提供良好的數(shù)據(jù)支持。利用地震同相軸波形特性,采用自組織神經(jīng)網(wǎng)絡(luò)進行地震層面追蹤。由于神經(jīng)元過多會增加神經(jīng)網(wǎng)絡(luò)的負擔,為維持地震波特性,本文首先采用主成分分析法對地震波參數(shù)進行降維處理,之后利用自組織神經(jīng)網(wǎng)絡(luò)完成對地層的自動追蹤。實驗表明,利用基于主成分分析法的自組織神經(jīng)網(wǎng)絡(luò)對地層自動追蹤,既保留了地震波形的參數(shù)特性,又提高了地層追蹤的效率。根據(jù)相干體的數(shù)據(jù)屬性,采用蟻群算法對斷層進行自動識別。蟻群算法時間復(fù)雜度隨螞蟻數(shù)量的增多而增大,追蹤前優(yōu)化的螞蟻數(shù)量、追蹤時采用基于塊的梯度確定追蹤方向,并不斷調(diào)整螞蟻數(shù)量以提高斷層識別的速度。實驗表明,本文的基于... 

【文章來源】：西安科技大學(xué)陜西省

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【部分圖文】：

螞蟻覓食行為

西安科技大學(xué)碩士學(xué)位論文于地震子波在傳送的過程中遇到地質(zhì)異常情況時的干擾波；以及對地震數(shù)據(jù)振幅體干處理，為后面章節(jié)的斷層識別提供良好的數(shù)據(jù)支持。.2.1 地震波去噪處理通過分析地震勘探數(shù)據(jù)，對了解地質(zhì)構(gòu)造是非常重要的，記錄信息包含了地震勘程領(lǐng)域的所有信息。其中噪聲是不可避免的，而噪聲又有很多來源，比如儀器噪聲境噪聲，因此選擇合適的方法對地震波進行消噪，對提取地震波的有效信息尤為重目前，地震波的降噪方法有很多，常用的降噪方法是通過降低地震資料分辨率為來換取高信噪比。在消噪過程中，傅里葉變換是傳統(tǒng)的隨機噪聲去除方法，它只能映信號在整個時間域的頻譜特性；而小波分析技術(shù)可以根據(jù)局部波的差異來調(diào)整參有效波的提取非常有用。下圖為小波抑制細節(jié)系數(shù)消噪及應(yīng)用傅里葉變換降噪的效：

2 地震數(shù)據(jù)處理細節(jié)系數(shù)和 FFT 去噪比較如表 2.2 所示：表 2.2 降噪成果參數(shù)比較表去噪方法 參數(shù) 能量比 標準差小波細節(jié)系數(shù)去噪X1 0.9010 48.8734X2 0.9287 32.4658傅里葉去噪X1 0.8710 66.6615X2 0.9491 41.4371X3 0.9645 34.8462看出：使用傅里葉降噪處理要比小波抑制細節(jié)系降噪的相似度低。小波閾值進行消噪處理的效果圖：

【參考文獻】：
期刊論文
[1]基于自組織特征映射神經(jīng)網(wǎng)絡(luò)的聚類分析[J]. 丁碩,常曉恒,巫慶輝.  信息技術(shù). 2014(06)
[2]一種改進的蟻群算法在斷層自動追蹤中的應(yīng)用[J]. 趙俊省,孫贊東.  科技導(dǎo)報. 2013(27)
[3]小斷層的地震識別[J]. 劉峰,牟中海,蔣裕強,仇鵬,羅芳.  地球物理學(xué)進展. 2011(06)
[4]利用方向約束蟻群算法識別斷層[J]. 嚴哲,顧漢明,蔡成國,穆星.  石油地球物理勘探. 2011(04)
[5]基于譜分解技術(shù)的小斷層識別[J]. 陳波,魏小東,任敦占,張亞中,王亞楠,李建華.  石油地球物理勘探. 2010(06)
[6]Land 3D-Seismic Data: Preprocessing Quality Control Utilizing Survey Design Specifications, Noise Properties, Normal Moveout, First Breaks, and Offset[J]. Abdelmoneam Raef.  Journal of Earth Science. 2009(03)
[7]蟻群算法中求解參數(shù)最優(yōu)選擇分析[J]. 張毅,梁艷春.  計算機應(yīng)用研究. 2007(08)
[8]基于SOFM網(wǎng)絡(luò)的多層模糊關(guān)聯(lián)規(guī)則挖掘算法[J]. 李學(xué)俊,李龍澍,徐怡.  華南理工大學(xué)學(xué)報(自然科學(xué)版). 2007(05)
[9]地震新技術(shù)在低級序斷層識別中的應(yīng)用[J]. 夏冰.  斷塊油氣田. 2007(02)
[10]低序級斷層識別技術(shù)在復(fù)雜斷塊油藏注采調(diào)整中的運用[J]. 曾祥平,楊海中,王宏,姜開惠.  石油勘探與開發(fā). 2006(05)

博士論文
[1]裂縫油氣藏儲層預(yù)測方法及應(yīng)用研究[D]. 汪勇.中國地質(zhì)大學(xué) 2013

碩士論文
[1]基于相干體技術(shù)的斷層識別研究[D]. 馮苗苗.吉林大學(xué) 2014
[2]基于蟻群算法的三維地震斷層識別方法研究[D]. 趙偉.南京理工大學(xué) 2009
[3]面向動態(tài)需求的軟件模塊化結(jié)構(gòu)評價研究[D]. 張軼.重慶大學(xué) 2009
[4]基于人工神經(jīng)網(wǎng)絡(luò)方法的斷層兩側(cè)地層層位追蹤的研究[D]. 趙皓.成都理工大學(xué) 2005



本文編號：2896230