简介:传统上,时间域航空电磁数据通过拟合迭代反演计算得到大地模型,然而,由于航空电磁数据道间的较强相关性,导致病态反演,并引起超定问题;同时电磁数据的相关性使其与模型参数的映射关系复杂,增加了反演的复杂度。采用主成分分析法将航空电磁数据变换为正交的较少数量的主成分,不仅降低了数据道间的相关性,减小了数据量,同时压制了数据的不相关噪声。本文利用人工神经网络(ANN)逼近主成分与大地模型参数间的映射关系,避免了传统反演算法中雅克比矩阵的复杂计算。层状模型的主成分神经网络与数据神经网络的反演结果对比显示,主成分神经网络反演方法网络结构简单,训练步数少,反演结果好,特别是对于含噪数据。准二维模型的主成分ANN、数据ANN以及Zhody方法的反演结果显示了主成分神经网络具有更接近真实模型的反演效果,进一步证明了主成分神经网络反演方法适合海量航空电磁探测数据反演。
简介:3D地震波走时计算是偏移、反偏移、层析等诸多地震勘探技术中的重要中间步骤。快速推进法计算3D地震波走时具有高效率、稳定性及适应能力强的特点,但快速推进法在震源附近区域的计算精度不高,降低了整个走时算法的计算精度。本文提出了一种联合3D走时计算方法来解决这一问题。该方法在震源附近小范围内使用计算精度较高的波前构建法计算走时,在剩余区域使用快速推进法计算走时,由于模型中绝大多数网格节点走时是通过快速推进法计算的,故新方法保留了快速推进法高效的特点,同时由于震源附近网格节点走时精度的提高,整个新算法的计算精度相对于快速推进法而言有了较大的改善。文中通过数值分析对上述结论进行了验证并使用三维岩丘模型验证了新方法的稳定性和适应能力。
简介:High-qualityseismicgeometryisthekeytoobtainhigh-qualityseismicdata,andcanaffecttheaccuracyofdataprocessingandimaging.Basedontheanalysisoftherelationshipbetweenthequalityofthegeometryandthefouracquisitionparameters(thenumberoftraces,shotlinespacing,andthespaceandnumberofreceiverlines),aqualityevaluationmethodofthegeometrybasedoncomprehensivequalityfactor(CQF)isproposed,andtherelationshipbetweenthegeometryqualityandthefourparametersisgiven.WeusefielddatacollectedinanoilfieldinWesternChinawithcomplexgeology:Firstweuseawideazimuthgeometry.Then,wecalculatetherelationshipcurvebetweengeometryanddataqualitybyvaryingeachparameterwhilekeepingtherestfixed.andtheanalysisresultsaregivenbyusingtheCQFevaluationmethod.Theresultsshowthattheshot-linespacinghasthegreatesteffectonthequalityofthegeometry,andtheincreaseofthereceiverlinespacingcanappropriatelyimprovethequalityofthegeometry,andtheincreaseofthenumberofreceivingtracescanimprovethegeometryquality.Thedifferentacquisitionparametershavedifferenteffectsontheimagingqualityofshallowanddeepevents.Themodelforwardandprestackdepthmigrationareusedtogenerateprestackdepthmigrationprofileswithdifferentacquisitionparameters.Theimagingresultsareconsistentwiththeabovecalculatedresults.Accordingtothedepthofthetargetlayer,thequalityfactorevaluationmethodisappliedtoguidethedesignofthegeometryandoptimizetheacquisitionparameterstoimprovetheimagingaccuracyofseismicdata.