一种地质雷达数据解释方法、装置,电子设备及存储介质

    公开(公告)号:CN109358323B

    公开(公告)日:2022-01-21

    申请号:CN201811309973.8

    申请日:2018-11-05

    Abstract: 本发明提供了一种地质雷达数据解释方法、装置,电子设备及存储介质,属于雷达探测技术领域。所述方法包括:获取对目标地质的探测数据;从所述探测数据中获取与预设目标属性对应的多种相关属性;将所述多种相关属性进行融合,得到融合结果。本发明提供的一种地质雷达数据解释方法,首先获取对目标地质的探测数据,然后从所述探测数据中获取与预设目标属性对应的多种相关属性,最后将所述多种相关属性进行融合,得到融合结果。与现有技术相比,多种属性融合对地质构造进行解释,可以避免单一属性因各种干扰因素产生不确定性误差,降低了人为主观判断。通过多种属性融合对地质构造进行解释,使解释结果更加精确。

    地质异常体识别的方法及其模型训练方法、装置

    公开(公告)号:CN111178320A

    公开(公告)日:2020-05-19

    申请号:CN202010012578.4

    申请日:2020-01-07

    Abstract: 本发明提供了一种地质异常体识别的方法及其模型训练方法、装置,涉及地震勘探技术领域,该模型训练方法包括:获取样本区域的地震绕射波数据以及地震反射波数据;将地震反射波数据以及地震绕射波数据进行渲染,得到训练样本图像;将样本图像输入至预设的神经网络模型中进行训练,得到用于地质异常体预测的模型。通过将待识别的地震波数据图像输入至预先完成训练的地质异常体识别模型中即可输出地质异常体识别的结果。该方法利用分离之后的绕射波地震数据,采用叠合显示技术将地震反射波剖面与地震绕射波剖面叠合显示,再基于已知地质异常体数据完成神经网络模型的训练,最后通过输入实际的叠合显示地震数据实现研究区的地质异常体高精度预测。

    储层的叠前反演方法及装置

    公开(公告)号:CN110297273B

    公开(公告)日:2020-04-03

    申请号:CN201910723429.6

    申请日:2019-08-06

    Abstract: 本发明提供了一种储层的叠前反演方法及装置,涉及地震勘探技术领域,方法包括:获取储层弹性参数的初始数据;将初始数据作为反演目标函数的输入数据,并通过如下步骤进行反演,直至反演目标函数的值符合预期,将反演得到的输出数据作为反演后的储层弹性参数:基于输入数据,通过空间局部叠加得到第一正则化项;将第一正则化项输入反演目标函数,得到反演目标函数的值;如果反演目标函数的值不符合预期,将输入数据进行调整,并将调整后的输入数据作为新的输入数据。可以有效压制反演后的随机噪声,从而提高反演精度。

    叠前地震数据拼接方法及装置

    公开(公告)号:CN110376644A

    公开(公告)日:2019-10-25

    申请号:CN201910763081.3

    申请日:2019-08-16

    Abstract: 本发明提供了一种叠前地震数据拼接方法及装置,涉及地震勘探的技术领域,包括:对至少两个区块的叠前地震数据进行处理,得到面元大小相同的叠前地震数据;在至少两个区块的重叠区域任意选择一条Inline线作为拼接界限;基于所述拼接界限,对面元大小相同的叠前地震数据进行目标层位对齐的时差校正;对时差校正后的叠前地震数据进行振幅均衡处理;将振幅均衡处理后的叠前地震数据基于拼接界限进行拼接,得到拼接的叠前地震数据。本发明利用目标层位对齐的方法将不同区块在不同时期的叠前地震数据进行时差校正以消除叠前地震数据的时差差异,并且利用振幅均衡处理消除了振幅差异,进而使得拼接无痕迹,提高了拼接效果。

    一种地质构造解释的检测方法,检测装置及可读存储介质

    公开(公告)号:CN109492775A

    公开(公告)日:2019-03-19

    申请号:CN201811377579.8

    申请日:2018-11-19

    Abstract: 本发明提供一种地质构造解释的检测方法,检测装置及可读存储介质,涉及地质勘探技术领域。该检测方法包括:获取待测目标区域的地质信息;其中,地质信息包括多个地震属性的信息;基于多种预先确定的敏感属性提取出地质信息中与敏感属性对应的敏感信息;基于预先确定的第一学习算法对敏感信息进行计算,获得待测目标区域的构造解释结果。因此能够实现对待测目标区域的地质构造进行自动识别,避免了人为主观干涉地质构造解释工作,能够减少人为主观判断过程中耗费的大量时间。

    基于地震分频技术的煤系地层砂岩识别方法和系统

    公开(公告)号:CN109188518A

    公开(公告)日:2019-01-11

    申请号:CN201811030242.X

    申请日:2018-09-04

    CPC classification number: G01V1/307 G01V1/306

    Abstract: 本发明提供了基于地震分频技术的煤系地层砂岩识别方法和系统,包括获取目标地层的原始地震数据;对原始地震数据进行频谱分析得到目标地层的主频率范围;利用谱分解法,对原始地震数据提取分频地震数据体;根据分频地震数据体进行测井约束反演得到反演数据体;利用反演数据体对目标地层进行层位追踪,并通过时深转换得到目标地层的空间展布情况。本发明可以实现获得更加精密的空间展布,达到突出砂岩的效果,对于准确预测砂岩展布具有积极作用。

    地震检波装置及其系统和方法

    公开(公告)号:CN106772562B

    公开(公告)日:2018-08-31

    申请号:CN201710071179.3

    申请日:2017-02-09

    Abstract: 本发明涉及地质勘探技术领域,尤其涉及一种地震检波装置及其系统和方法。该地震检波装置包括地震外壳、显示屏、信号收发器、定位器和检波器;显示屏设置在地震外壳上,信号收发器和定位器设置在地震外壳内部;地震外壳的底部设置有检波器,地震外壳的底部具有用于伸出检波器的检波头的检波出孔;显示屏、定位器和检波器分别与信号收发器电连接;信号收发器用于与服务终端或者地震仪主机通过无线方式进行通信。该地震检波系统包括地震仪主机和地震检波装置。该地震检波方法使用地震检波装置。本发明的目的在于提供地震检波装置及其系统和方法,以解决现有技术中存在的人工工作量大和劳动成本高,道间距数据的采集效率低和采集质量差的技术问题。

    陷落柱检测方法和装置
    18.
    发明公开

    公开(公告)号:CN107015275A

    公开(公告)日:2017-08-04

    申请号:CN201710248324.0

    申请日:2017-04-14

    CPC classification number: G01V1/302 G01V1/28 G01V2210/642

    Abstract: 本发明提供了一种陷落柱检测方法和装置,涉及地震勘探技术领域,该方法包括获取目标地下区域内的三维地震数据的数据体,其中,三维地震数据的数据体中携带地下岩层的界面信息,地下岩层的界面信息包括地下岩层的属性信息和/或地下岩层的结构信息;采用蚂蚁追踪算法对三维地震数据的数据体进行运算,得到包含蚂蚁体属性的蚂蚁追踪属性体,其中,蚂蚁体属性表示地质结构的不连续特性;根据蚂蚁追踪属性体确定包含陷落柱位置信息和边界信息的目标数据体,以根据目标数据体在目标地下区域中识别陷落柱。本发明缓解了现有技术中无法有效识别陷落柱的技术问题,达到了较准确地预测陷落柱位置及刻画陷落柱边界的技术效果。

    地震检波装置及其系统和方法

    公开(公告)号:CN106772562A

    公开(公告)日:2017-05-31

    申请号:CN201710071179.3

    申请日:2017-02-09

    CPC classification number: G01V1/181 G01V1/20 G01V1/223

    Abstract: 本发明涉及地质勘探技术领域,尤其涉及一种地震检波装置及其系统和方法。该地震检波装置包括地震外壳、显示屏、信号收发器、定位器和检波器;显示屏设置在地震外壳上,信号收发器和定位器设置在地震外壳内部;地震外壳的底部设置有检波器,地震外壳的底部具有用于伸出检波器的检波头的检波出孔;显示屏、定位器和检波器分别与信号收发器电连接;信号收发器用于与服务终端或者地震仪主机通过无线方式进行通信。该地震检波系统包括地震仪主机和地震检波装置。该地震检波方法使用地震检波装置。本发明的目的在于提供地震检波装置及其系统和方法,以解决现有技术中存在的人工工作量大和劳动成本高,道间距数据的采集效率低和采集质量差的技术问题。

    储层参数的预测方法、装置和电子设备

    公开(公告)号:CN115169247A

    公开(公告)日:2022-10-11

    申请号:CN202210921368.6

    申请日:2022-08-02

    Abstract: 本发明提供了一种储层参数的预测方法、装置和电子设备,包括:获取原始炮集地震数据;基于原始炮集地震数据计算与其对应的包络数据;采用储层参数高分辨率预测模型对原始炮集地震数据和包络数据进行储层参数高分辨率预测,得到高分辨率的储层参数,其中,储层参数高分辨率预测模型为递进式的多任务学习网络。通过上述描述可知,本发明的储层参数的预测方法中,是通过储层参数高分辨率预测模型实现的对储层参数的高分辨率预测,且储层参数高分辨率预测模型为递进式的多任务学习网络,能够得到高分辨率的储层参数,另外,神经网络模型的预测过程耗时短。

Patent Agency Ranking