【学习笔记】Day 15

一、进度概述

1、《地震勘探原理》第八、九章

二、详情

对于第八章,主要讨论地震资料岩性解释的基本方法,对于利用地震信息进行储层的物性预测于解释、储层的含油性分析与解释、地震地层学解释、层序地层学解释、地球物理资料综合解释等内容。

第五、六、八章介绍完最基本的对于地震资料解释的相关知识点。我们知道,地震资料中包含的丰富信息可以通过自相关函数、傅里叶谱、功率谱的计算,或利用自回归分析、数理统计分析以及各种数学变换等方法,提取各种各样的反射特征参数,即地震属性。在地震资料的岩性、物性和含油性解释过程中,人们对众多的地震属性参数所具有的地质含义进行了归纳总结(见下表)。尽管这些属性间的相互关系不是------对应的,但对我们在地震资料解释过程中更好地利用这些波场信息,并确保地震属性参数的真实性等方面具有十分重要的指导意义。

在细读完第八章内容,同样发现:从 DL-FWI 的角度来讲,这一章节涉及的内容并不用于全波形反演,但有所了解对 DL-FWI 肯定也有益处。故本只做归纳,当做索引使用。

对于第九章,详细介绍了三维地震勘探技术,这一技术无疑是对二维勘探技术的进一步升华,但是对于 DL-FWI,目前还停留在优化二维探测的阶段,所以这里不做站看,需要的话看书了解即可。

8.1 地震波速度资料的利用

8.1.1 理论基础 p316

8.1.2 利用速度信息划分岩性 p316

通过这一章节的一些图片,我们发现,DL-FWI 干的其实就是通过机器学习,更快速更准确的生成岩性图,从而减轻地震探测的成本与压力。

8.1.3 利用 划分岩性 p320

8.1.4 利用速读资料估算砂岩百分含量 p323

8.1.5 利用速度资料预测地层压力 p330

8.1.6 利用速度信息研究岩性的反演方法 p339

这一章节涉及的反演方法需要理解。其中有 SLIM(地震岩性模拟方法,正演思路)和波阻抗反演方法。

基于褶积模型的波阻抗反演方法主要有以下三类:

(1)直接反演;(2)稀疏脉冲法;(3)以模型为基础的反演方法

这里只是统述性的提出这几个名词,具体只是参考 DL-FWI 相关资料。

8.2 厚层反射振幅信息的利用

8.2.1 振幅信息在岩性解释和油气检测中的重要性 p341

8.2.2 影响振幅的各种因素 p342

对于这一章节提出的因素,需要加以注意,在模型中可能需要引入相关校正

8.2.3 亮点技术方法原理 p343

8.2.4 AVO 技术 p347

AVO 技术是继亮点技术后有一项利用振幅信息研究岩性、检测油气的地震勘探技术。回到 DL-FWI ,我们发现 FWI 是利用波动方程进行岩性反演的方法。虽然 AVO 技术严格意义上还不能算利用波动方程,但是它的思路、理论基础已经能对波动方程得到的结果进行比较精确的直接利用,所以稍作了解还是有一定收货的。

8.3 薄层反射振幅信息的利用

8.3.1 薄层的定义、研究意义和研究方法 p356

对于薄层,我们在当初讲解分辨率的时候已经遇到过了,这里做出又一次声明以及相关数学推导。

8.3.2 薄层的类型及主要特征 p357

8.3.3 利用薄层反射振幅信息估计薄层 p361

8.4 地震属性分析及其应用

8.4.1 地震属性分析的基本内容 p366

8.4.2 地震属性的分析方法与属性描述 p371

8.4.3 地震属性在岩性解释中的应用 p381


后记

《地震勘探原理》的一轮学习就到此结束了,后面按需补充。

接下来的学习任务是有关深度学习方面的知识,学习目标是能够从原理上理解 ddnet 代码的构造及思路。学习资料参考以下文章和书籍。
https://blog.csdn.net/minfanphd/category_12328466.html

相关推荐
芯思路1 小时前
STM32开发学习笔记之三【按键】
笔记·stm32·学习
Lips6111 小时前
2026.1.11力扣刷题笔记
笔记·算法·leetcode
charlie1145141912 小时前
从 0 开始的机器学习——NumPy 线性代数部分
开发语言·人工智能·学习·线性代数·算法·机器学习·numpy
咚咚王者2 小时前
人工智能之核心基础 机器学习 第十二章 半监督学习
人工智能·学习·机器学习
袁气满满~_~2 小时前
Python数据分析学习
开发语言·笔记·python·学习
njsgcs3 小时前
ppo 找出口模型 训练笔记
人工智能·笔记
pumpkin845144 小时前
Go 学习全景引子:理解设计理念与工程思路
python·学习·golang
你要飞4 小时前
考研线代第四课:线性方程组
笔记·线性代数·考研·矩阵
week_泽4 小时前
第5课:短期记忆与长期记忆原理 - 学习笔记_5
java·笔记·学习·ai agent
星期五不见面4 小时前
机器人学习!(二)ROS-基于Gazebo项目(2)2026/01/12
学习·机器人