基于DTW匹配技术的叠前AVO反演优化方法

    公开(公告)号:CN116908908A

    公开(公告)日:2023-10-20

    申请号:CN202310797706.4

    申请日:2023-07-03

    Abstract: 本发明提供一种基于DTW匹配技术的叠前AVO反演优化算法,选取误差小的地震道作为参考道,建立欧式距离矩阵,计算累计欧式距离矩阵用于表征序列参考道与待矫正道的全局相似性;通过累计误差矩阵的计算,求得该道矫正的最优路径,该路径存放了每一个点的拉伸压缩量,也即是最优的在时间域对待矫正道进行拉伸压缩的方案。遍历所有待矫正道,即可得到优化后的叠前道集,将优化后的道集用于叠前AVO反演可以提高反演的精度。本发明仅在时间轴上做局部拉伸压缩,保证对于后续的AVO分析与反演的精度。且每个待矫正道的拉伸压缩量可以自动计算矫正量,在有效反射信号较弱,背景噪音干扰较强的情况下,还可以增加控制层,使得匹配结果更为可靠。

    一种基于Surelet变换的地震信号去噪方法

    公开(公告)号:CN120044613A

    公开(公告)日:2025-05-27

    申请号:CN202510262190.2

    申请日:2025-03-06

    Abstract: 本发明公开了一种基于Surelet变换的地震信号去噪方法,旨在有效抑制噪声并保留有用信号细节。该方法首先对输入的地震数据进行预处理,以去除无关部分并进行标准化,增强数据的稳定性。接着,利用曲波变换把信号分解为多个尺度和方向的子带系数,并引入SURE算法自动选择最优阈值,最大化去噪效果。随后,对每个子带系数进行软阈值或硬阈值处理,抑制噪声。为进一步提升去噪效果,采用快速非局部均值(FNLM)算法减少残余噪声,并结合方向性平滑扩散算法,以梯度信息加权平滑。最后,通过逆Surelet变换重建去噪后的地震信号。该方法有效克服了传统去噪技术的不足,展现出在地震监测和分析中的广泛应用潜力,能够显著提高信号的清晰度和解译准确性。

    一种基于属性聚类的低速泥岩识别方法和系统

    公开(公告)号:CN119001849A

    公开(公告)日:2024-11-22

    申请号:CN202411152655.0

    申请日:2024-08-21

    Abstract: 本发明公开了一种基于属性聚类的低速泥岩识别方法和系统。包括:通过分析工区探井的测井数据和地震数据,将低速泥岩划分为亮点型和非亮点型,并分析其特征。建立三层介质模型并进行地震正演,获取不同模型的地震响应特征。然后,从正演结果中提取并优选的地震属性。使用CLARA聚类算法和PAM方法对属性进行聚类分析,识别低速泥岩及含气砂岩的类型。本发明提高了低速泥岩与含气砂岩的识别准确性,为勘探和井位部署提供了技术支持。

    一种基于Criminisi算法的地震数据恢复方法

    公开(公告)号:CN117590467A

    公开(公告)日:2024-02-23

    申请号:CN202311614623.3

    申请日:2023-11-29

    Abstract: 本发明公开了一种基于Criminisi算法的地震数据恢复方法,其目的是为了充分发挥时移地震数据在预测油气藏上的作用,本发明将图像修复中经典的Criminisi算法运用到有空缺区域的三维地震属性数据中去,使地震属性数据从管道区空缺部分的边缘开始向空缺部分中心补全,补全后的时移地震可以提供更加完整的监测数据。

Patent Agency Ranking