一、一种基于相似性的相干算法的3-D地震属性分析（论文文献综述）
胡广[1]（2021）在《基于深度学习语义分割的断层识别应用研究》文中指出随着全球人口增长和现代化的进程继续不断推进,也就造成了对能源的需求也日益增加。虽然对新能源和可再生能源的开发研究从未止步,但石油和天然气现在仍然是不可或缺的重要资源,可以说各行各业都需要石油和天然气资源的强力支撑才能维持整个社会稳定前行,因此继续对油气勘探研究仍至关重要。地下的层位在构造应力作用下破裂、错位形成了断层。断层既是油气田的边界,也是油气运移、聚集的通道。断层的解释是油气勘探开发中十分重要的工作,断层的分布和形态对油气藏的识别和描述起到关键性作用,并对地壳发展构造和天然气、石油等的开采与分布都有着非常重要的影响。近几年随着地震勘探技术的不断提高,地震数据的体量也越来越大,利用常规的方法进行断层解释不仅十分琐碎和耗时,而且难度较以及无法重复验证,复杂的解释流程也对解释人员专业性的要求十分高。随着近几年人工智能在各行各业应用的爆炸式增长,人工智能的各种方法已经应用到各行各业。深度学习是人工智能方法研究的热点,它提供了一种思路利用更深的神经网络方法来把人类的经验来让计算机进行学习,从而来代替人类判断来解决某些问题。图像分割是指根据图像的灰度、彩色、空间纹理、几何形状等特征把图像划分成若干个互不相交的区域,简单的说就是在一副图像中,把目标从背景中分离出来。在地震勘探领域的断层解释中,地震振幅图像中包含大量的有用关于地下地质构造的信息,通过对些信息的利用可以很好的实现断层解释。因此可以充分利用深度学习方法的优势,让计算机来学习地震断层解释的模式,实现从计算机视觉来识别地震数据中的断层,这样可以大大的减少人为干预以及错误的发生,并大幅度减少断层解释所需要的时间。鉴于此,本文针对地震数据中断层解释中面临的一些问题,结合目前最流行的深度学习方法,提出了基于深度学习语义分割的断层识别方法,并研究了在地震数据进行深度学习中有效样本难以获取和样本不平衡的问题,还进行了断层识别结果优化后处理的研究。主要有以下的具体工作:（1）分析了深度学习语义分割中地震断层识别问题,并设计了一种适用于地震振幅图像的端对端的深度学习语义分割网络,实现了计算机视觉来识别地震断层,并在合成地震数据上对网络进行了多方面的测试。（2）对深度学习地震断层识别方法中样本选择方式进行了研究,针对合成地震数据训练模型来预测实际地震数据中存在的效果不稳定问题,提出使用在待解释三维断层数据中选取部分二维切片数据人工解释断层作为训练样本,并通过数据扩充方法得到足够量的学习样本。（3）针对地震振幅图像中断层和非断层的数量严重不平衡的情况,研究了采用加权的交叉熵损失函数使神经网络朝准确的方向进行拟合学习。（4）对深度学习语义分割方法的断层识别结果进行了优化后处理研究,利用孤立小连通区域去除方法消除识别结果中的噪声,利用通过骨架化方法对模型预测的断层进行细化处理并利用剪枝操作去除骨架化过程中产生的多余枝节,采用八邻域端点检测方法寻找识别的断层线中断开点并连接不连续的断层。（5）结合深度学习语义分割断层识别网络和断层优化后处理提出了一个基于深度学习语义分割的断层识别流程,并在实际地震数据进行了断层识别处理,还对不同数据不同方法识别出来的断层效果进行了定性和定量分析,深入论证了本文方法的稳定性和可靠性。本文主要创新点为:（1）在VGG16网络基础上设计出一种针对地震断层识别的端对端深度学习语义分割轻量化网络结构。不仅能减少训练时间和预测时间,还能够实现在较少断层样本情况下保持良好断层识别效果。（2）针对深度学习语义分割识别结果中存在的问题,提出了断层识别结果优化后处理的方法流程。整个流程包括孤立小连通区域去除的方法剔除噪声,使用基于距离变换骨架提取算法来得到细化的断层并用剪枝算法去除产生的多余枝节,还提出了一种基于八邻域端点检测的方法来寻找并连接属于同一断层线上的断开点。
汪雅婷[2]（2021）在《基于图像分割的断层识别方法研究与实现》文中研究指明断层的识别工作一直是地震勘探领域的重点。随着石油需求的增长,断层的识别方式从最初的手动解释到自动化属性解释,再到如今智能化的深度学习解释,其识别的精度和效率在不断地提高。为了进一步提高断层的识别效果,本文基于图像分割的思想,利用深度学习技术实现了断层的自动智能识别。聚焦于地震资料断层信息占比少的问题,一方面通过融合多种不同地质属性更充分地学习断层信息,另一方面,减少网络训练过程中断层的信息丢失。本文采用两种不同的卷积神经网络模型,以二维、三维两种不同解释模式对地震数据进行断层识别。开展的具体工作如下:（1）针对地震振幅属性包含的信息有限,单一网络不能有效学习地震数据中断层特征的问题,本文提出了一种基于多属性融合的二维断层识别方法。以U-Net为基础,搭建了MA-Unet网络模型。MA-Unet网络可以对地震数据的多种属性进行融合学习;针对地震数据中断层和非断层样本占比不均衡的问题,引入Lovasz loss损失函数,提升断层识别的准确率;针对卷积局部感受野会丢失全局信息的问题,在网络中加入Non-local组件,学习地震数据全局的信息。最后通过算法在实际工区数据的实验结果,验证了其在断层识别领域的有效性和实用性。（2）针对卷积神经网络训练过程中断层信息丢失的问题,本文在V-Net网络的基础上,提出了一种基于D-Vnet的三维断层识别方法。算法对V-Net模型进行改进,将原本残差模块中的卷积层替换为扩张卷积层,构建扩张残差卷积模块,解决了地震数据在训练时分辨率下降的问题;同时根据地质数据的具体特点,对网络模型进行简化,添加了实例归一化层,进一步提高了断层识别的精度;另外,将网络的损失函数改进为Lovasz loss损失函数,直接对图像分割的衡量指标Io U进行优化。最后,通过理论数据训练,实际工区数据预测的方式,证明了本方法的有效性和实用价值。
周晨[3]（2020）在《碳酸盐岩裂缝储层叠后地震属性综合预测》文中进行了进一步梳理目标工区位于塔河油田,该地区先后经历了加里东、海西期以及喜马拉雅期等多期多次的大型构造运动,使得复杂缝洞构造系统在油田广泛分布。其中的奥陶系碳酸盐岩在经历了加里东晚期和海西期的岩溶作用后,形成了极其复杂的缝洞、裂缝系统相互交错分布。油田的油气藏主要是奥陶系碳酸盐岩缝洞型油气藏,地层中的溶蚀孔洞为主要的油气藏储集空间,断裂裂缝则是连通地层中各大储集空间的通道。随着油气藏的不断开发,剩余油气更多的储集在裂缝中,因此识别目标区地层的地质构造情况愈发重要。对目标区的断裂裂缝储集体进行分级预测,更好地识别出地层中缝洞型储集体的空间分布及内部构造情况,进而对整个油气勘探开发工作更是具有极为重要的意义。本文在前人研究的基础上,针对目标工区已经成型的断裂、缝洞单元进行研究和刻画工作。为了更好的对断裂、裂缝单元进行分级预测,运用基于Curvelet变换的多尺度相干以及三维多尺度体曲率属性方法,结合蚂蚁体、最大似然属性等多种地震属性并稍作改进,形成了对断裂裂缝分级预测的方法流程。与原有的传统方法相比,由于多尺度相干和多尺度曲率具备了在不同尺度方面识别的能力,改进后的方法运用到实际资料后,对于地层中不连续异常信息的识别效果更佳。利用单一地震属性的识别方法对地震资料的要求较高,往往很难将地层中的各类异常信息进行充分刻画。在实际处理时,针对需要刻画的异常信息,对比多种不同的地震属性体结果,经过优选后进行叠后地震属性综合预测。初步筛选出了对河道系统、断溶体单元的识别方法,最终形成了对目标区域内大、中、小不同尺度断裂或裂缝的检测方法。根据目标区域的实际情况,本文利用叠后地震资料,结合多种地震属性方法开展综合预测研究工作。所运用的多尺度相干体、多尺度体曲率、属性蚂蚁体以及蚂蚁最大似然体在识别不同尺度、形态各异的地质异常信息中初见成效,形成了适用于目的区断裂、裂缝分级预测的方法流程,为最终对不同类型的碳酸盐岩裂缝型储层的储集空间更加精细地描述提供思路和参考。
蔡宇飞[4]（2020）在《三维地震断层智能识别与重建》文中进行了进一步梳理断层是连续地层受应力挤压、拉伸而产生的断裂聚集带。断层解释是地震资料解释的核心,它直接影响到油田气田勘探与开采的效率与效益。随着地震勘探的规模日益扩大,周期日益缩短,精细解释的要求日益提高,断层的智能解释备受业界学界关注。断层本身形态复杂,分布规律难觅。仅仅从二维地震剖面去解释断层会丢失大量的断层空间信息特征。将三维地震数据体看作三维图像,可以用深度学习计算机视觉的方法去解决断层解释问题。以卷积神经网络为代表的深度学习方法具有高维复杂信息挖掘,目标特征自动提取,端到端的一体化流程等特点,基于此类方法的三维断层识别与重建是新的研究方向和前沿科学热点。为了进一步提高断层识别与重建的效果,本文从三维角度研究了断层解释中的断层智能识别与重建问题。三维角度主要有区别于断层“点”,地震剖“面”,而是以地震空间“体”作为研究对象的基本单元,以保留地震空间数据体内的断层空间结构特征。对此,本文对于断层的智能识别与重建提出以三维角度的研究方法,本文的具体工作与创新总结如下:a)本文提出了一种基于3D-Unet++卷积神经网络的断层识别方法。本文以Unet卷积神经网络为基础网络模型,通过加入密集连接,三维神经络模型与样本将其改进为3D-Unet++卷积神经网络模型。该网络模型有着良好的泛化能力,针对不同的数据类型如理论数据和实际工区数据,均能表现出优秀的断层识别能力。模型设计了批量归一化来抑制过拟合问题。为了进一步提高断层识别的准确效果,解决断层与背景在断层边缘细节上的难分问题,本方法引入Focal loss为目标损失函数,大幅度提升了断层识别的准确率。本文通过理论模拟地震数据和实际工区地震数据均验证了方法的有效性和实用性。b)本文提出了一种基于视频流的断层智能组合与重建方法,首次用深度学习方法实现了断层数据体的实例分割,并以此为基础快速完成断层重建。断层实例分割不仅区分了断层与非断层,还区分了不同期不同组合的断层类别,这为断层重建提供了数据基础。该模型将地震剖面看作视频帧,地震数据看作由地震剖面组成的视频序列,以少量的人工手动解释地震剖面为指引,学习地震剖面之间的相关关系。方法结合了专家知识经验与机器学习经验,能够准确地分割断层数据体的实例,并实现快速的断层组合与重建。本文通过理论模拟地震数据验证了方法的创新性和有效性。
刘致宁[5]（2020）在《三维地震图像中的异常体识别方法研究》文中研究表明地震勘探利用地震反射信号查明地下地质构造和岩性,将地震勘探采集得到的三维地震数据看作三维地震图像进行处理、解释和分析是寻找地下油气藏常用的手段之一。地下地质异常体（如断层、溶洞和河道等）通常会带来地震反射信号的异常变化,也就会在三维地震图像上产生异常。识别三维地震图像中的异常体能够给出异常体的空间展布、形态和体积,辅助地球科学家认识地下地质构造并寻找油气闭圈,为油气储层预测、储量计算和井位部署等多项工作提供基础,是图像识别和油气勘探领域共同关注的前沿交叉学科问题。地震图像与自然图像在成像原理上存在显着差异,而且在地震图像的处理过程中需要面临图像分辨率有限、反射特征复杂和不确定性强等挑战,自然图像处理中的诸多理论和方法需要针对三维地震图像的特殊性进行改进,才能有效应用于地震图像中的异常体识别。针对地震图像与自然图像之间存在的差异性,本文从特征提取（即地震属性提取）和分割方法两个角度出发,结合信号处理、图像处理以及深度学习等技术,重点研究了异常体边缘的增强、地震属性的融合和先验信息的引入,提出了一系列的异常体识别方法,在实际应用中取得了明显的提升。论文的研究内容和创新性主要包含以下四个方面:（1）相干体是一种传统的异常体边缘识别手段,针对传统相干体无法清晰地刻画异常体边缘的问题（尤其是边缘的连续性不足）,本文提出了一种基于主成分分析（Principal Component Analysis,PCA）的异常体边缘增强方法。首先自动拾取目标层位并沿该层位取出数据体,然后对其进行降维处理,实现冗余信息的压缩,突出横向的不连续性,提升了对异常体边缘的刻画能力。本文还进一步地从理论上分析了该方法与纹理模型回归（Texture Model Regression,TMR）之间的关联,揭示了该方法背后的物理含义。研究表明,基于PCA增强之后的相干体对横向不连续性的识别能力大幅增强,能够更加准确地刻画断层和溶洞的边缘。（2）地下地质异常体在三维地震图像上的分割是异常体识别的重要内容,有利于地下油气储层范围的界定和储量计算,但由于异常体带来的复杂地震波场、地震信号固有的频率缺失和噪声干扰,基于单一地震属性进行三维地震图像的分割难以准确地刻画异常体的空间形态。针对上述问题,本文提出了一种基于地震属性融合的分割方法。首先根据地震属性在异常体上的分布特点,将地震属性划分为两类:基于边缘特征（edge-based）的地震属性和基于区域特征（regionbased）的地震属性。再根据两类地震属性在分割过程中的不同作用,在水平集方法（Level-Set Method,LSM）的框架下提出了一种边缘与区域相结合的分割模型。该方法在分割模型中基于每类地震属性的特点采用了不同的方式进行建模,突出了每类地震属性当中最有效的信息。研究表明,相比于基于单一地震属性的分割方法,该方法能够更加准确地刻画异常体的空间形态。（3）受大地滤波作用和环境噪声等因素的影响,三维地震图像对异常体的刻画存在大量的不确定性,常常导致分割过程中出现不连续的分割结果,影响了异常体形态的完整性。针对上述问题,本文从异常体内部常常存在连通性这一先验信息出发,在分割过程引入了连通性的约束;同时通过构建最短路径树,将连通性约束转化为树形图上的线性约束条件,最后在该树形图上求解分割模型的最优解以得到异常体的识别结果。针对连通性约束容易受到噪声干扰的问题,本文又进一步提出了一种基于边缘特征的剪枝方法。研究表明,连通性约束的引入能够充分利用异常体自身的形态特征,更加准确地刻画异常体的空间形态,同时剪枝算法的提出进一步完善了连通性约束的分割方法。（4）传统的异常体识别方法依赖于人为设计的地震属性和分割方法,而深度学习技术能够从海量训练样本中自动挖掘更加有效的特征用于异常体识别,大大提升了异常体识别的准确率。但是油气勘探领域中有效的训练样本非常少,这导致深度神经网络在训练过程中容易出现偏差,无法捕捉到数据当中最本质的特征。针对上述问题,本文提出将先验信息引入至深度神经网络中,用于解决有效训练样本不足带来的问题。针对现有深度学习技术缺乏透明度、引入先验信息困难的问题,本文提出从机器学习模型的可解释性出发,借由可解释性进行正则项的定义,从而引入先验信息并进一步提高异常体识别精度。研究表明,基于可解释性引入的先验信息有效提升了异常体识别的准确率以及模型的可解释性,并证实了基于可解释性在深度学习技术中引入先验信息这一方式的可行性。
廖龙[6]（2020）在《基于地震相干体数据的裂缝及断层检测方法研究》文中研究表明裂缝及断层作为常见的地质构造,是石油、天然气等地质资源重要的运输通道与存储空间,对其精确描述在资源勘探的前、中、后期都有着十分重要的意义。由于地质情况的复杂性,采集的地震数据分辨率通常较低,且裂缝及断层解释易受主观认知因素的影响,传统的裂缝及断层解释方法精度和可靠性都不高。地震相干体技术是一种常见的地震属性体增强技术,通过对三维地震数据局部邻域的相似性分析,实现对地震数据中的裂缝及断层的增强显示。截止到目前,地震相干体算法已经发展到了第三代,其中第一代与第二代采用互相关算法计算相似性,第三代则采用对裂缝更敏感的本征值分解的方法。基于地震相干体数据的裂缝及断层检测是地震资料解释、三维裂缝及断层模型构建的关键步骤,也是国内外研究的热点。本文依托横向科研项目,结合图像处理中的边缘检测技术,针对相干数据裂缝及断层自动检测的算法、原理展开研究。本文的主要研究工作如下:（1）研究了地震曲率体、方差体以及相干体算法的原理,分析了第一代、第二代、第三代地震相干体算法的区别与联系,给出了它们的适用条件。（2）分析了地震相干体数据的噪声特点,研究了对裂缝及断层具有保护作用的去噪方法,通过实验对比了它们之间的区别与联系,分析了各向异性扩散滤波在地震相干体数据裂缝及断层检测中的作用。（3）研究了基于Hessian矩阵的裂缝及断层检测理论,针对Jerman滤波中噪声抑制不足、对裂缝及断层增强效果较差的问题,引入Frangi算子中的噪声压制模块与线状结构增强模块,提升了裂缝及断层在低信噪比数据中的增强效果。（4）针对地震数据中裂缝对比度较低,常规的基于空间域的检测方法容易漏检的问题,引入了基于相位一致性的裂缝及断层检测方法,通过融合Hessian矩阵与相位一致性的裂缝及断层检测结果,有效降低了裂缝及断层漏检的情况。（5）研究了形态学与骨架细化算法,分析了裂缝及断层线的结构特点,针对裂缝及断层线中存在较多毛刺的问题,提出了基于形态学分析的毛刺消除算法,提升了裂缝及断层线的连续性与定位精度,加强了检测结果的地质意义。通过多个地区实际地震资料的处理测试,验证了本文方法的有效性和可行性。
姜自然[7]（2019）在《顺北油田奥陶系断裂识别及其油气评价研究》文中研究说明塔里木盆地顺北油田多期构造活动形成的大量断裂控制了奥陶系碳酸盐岩缝洞储层形成和油气聚集成藏,地震资料上准确识别断裂是开展奥陶系断溶体油藏评价的基础。研究区二叠系广泛发育的火成岩影响了深层奥陶系断裂的准确识别。火成岩对地震波的强屏蔽和吸收造成地震资料品质差,导致中小尺度断裂不易准确识别,制约了断溶体油藏的勘探开发。火成岩岩性和厚度纵横向变化影响了地震资料速度场的精度,造成地震资料中可能出现大量地下并不存在的假性断裂,加大了断溶体油藏勘探风险。论文从断裂精细解释技术研究和假性断裂定量判别技术研究入手展开顺北油田奥陶系断裂的识别,基于奥陶系断裂准确识别深入分析断裂分级分段对油气富集的影响。本文主要研究内容及成果有:（1）受火成岩对地震波的屏蔽及衰减,原始地震数据体的中、小尺度断裂剖面特征模糊且不易准确识别。本文通过断裂地震剖面识别模式研究,正演模拟不同尺度断裂带在地震剖面的响应特征,为断裂的剖面解释提供依据。通过不同尺度断裂的平面识别方法研究,对原始地震资料进行信号增强处理,并结合断裂敏感属性优选,清晰刻画不同尺度断裂的平面展布特征,为断裂的平面解释提供组合方案。通过断裂的平剖联合解释完成顺8北区块地震数据体奥陶系断裂精细解释。（2）二叠系火山岩影响了偏移速度场的准确性,造成地震资料中产生假性断裂。准确的描述二叠系火山岩的岩相展布并建立火成岩地质分布模型是开展工区假性断裂精确识别的基础。顺8北缺少二叠系火山岩段录井及测井资料,以相邻顺北1三维工区的录井及测井资料类比研究顺8北火成岩。首先,通过测井曲线交会分析不同岩性火成岩的电性特征,结合岩屑录井资料标定对应的火成岩地震相。其次,以岩屑录井中的正常沉积岩,地震及测井资料中不整合波阻抗界面划分火成岩喷发期次。最后,对火成岩分期提取层间均方根振幅属性,并结合各类火成岩的地震相特征精细刻画顺8北三维工区二叠系火山岩的分期岩相展布特征。（3）假性断裂成因及主控因素研究是假性断裂精确识别的基础。从建立顺8北三维工区火成岩地质分布模型入手,利用正演模拟高速火成岩偏移速度误差、厚度变化及断裂空间位置三种情况对下伏地层断裂成像的影响,分析假性断裂与高速火成岩空间位置关系。经研究得出地震数据体中的假性断裂常形成于英安岩岩体边界正下方地层中及英安岩纵向叠加厚度等值线急剧变化处对应的下伏地层中。（4）以顺北1三维工区高速英安岩测井平均速度替换顺8北三维工区背景速度场中英安岩速度,并通过正演模拟研究高速英安岩厚度、偏移速度误差对目的层假性断距的影响,建立假性断裂垂直断距定量计算关系式,判断英安岩边界及纵向叠加厚度等值线急剧变化下方地层断裂真假,剔除经定量计算后为假性的断裂,完成顺8北三维工区奥陶系真实断裂的识别。（5）在奥陶系真实断裂识别的基础上,根据断裂带发育规模分级和断裂带力学特征分段,提出断裂带分级、分段的标准。分析顺北1井区不同级别断裂及断裂不同应力段导致的储层发育及油气富集的差异。通过断裂特征、地震缝洞响应类比,实现顺8北工区断裂带油气富集评价,为勘探评价井部署提供依据。本文主要的创新点体现在:（1）提出了基于高速火成岩叠加厚度判断假性断裂分布位置的技术。从建立研究区火成岩分布地质模型入手,通过正演模拟分析奥陶系假性断裂形成原因。研究可知假性断裂平面展布形态与二叠系英安岩叠加厚度的边界及等值线密集分布区域具有相似的形态。本技术可以在奥陶系目的层众多断裂中快速判断假性断裂位置并且筛选出不受火成岩影响的真实断裂。（2）提出了基于波动方程断距定量分析的假性断裂识别技术（发明专利）。首先定量建立不同偏移速度误差下的断裂假性断距值与上覆二叠系英安岩厚度的拟合关系式,其次引入邻区溢流相高速火成岩速度计算研究工区地震资料处理时二叠系火山岩段偏移速度误差范围,并带入高速英安岩边界厚度计算地震资料处理时奥陶系断裂的最大假性断距值。当目标断裂在原始地震资料断距值大于假性断距最大值即可该判断是真实断裂。论文建立了一套适用于提高火成岩岩下地震资料成像品质及检测多尺度断裂的地球物理技术组合,并提出了一套即使在缺少测井资料无法获得准确的地震速度情况下,仍能有效判别火成岩下伏地层中假性断裂的技术方法,以此为基础开展顺8北工区奥陶系断裂精细解释及断控油气富集评价研究。本研究形成的技术可为顺北油田奥陶系断溶体油气勘探目标的选定提供地质及地球物理依据。
吴尧[8]（2019）在《基于CNN网络的地震储层预测应用研究》文中研究表明地震储层预测通过使用地震数据或者优选的地震属性获得断层、储层岩性或者储层参数。然而,随着石油和天然气勘探开发的不断深入,勘探对象已由常规油气藏逐渐向裂缝油气藏和岩性油气藏转变,传统储层预测方法的精度和效率已经满足不了对这些油气藏的预测要求。因此,发展高精度自动的断层识别和储层岩性预测技术对油气勘探开发有着重大意义。深度学习算法是目前人工智能领域非常热门的一个研究方向,卷积神经网络只需用已知的模式对卷积网络加以训练,网络就具有对输入输出之间的映射能力,能够较好的建立输入数据与输出数据之间复杂的非线性关系。本文将卷积神经网络算法应用到断层识别和储层预测中,研究了基于Le Net卷积神经网络的断层识别,确定出断层裂缝的发育带,继而研究了基于U-Net卷积神经网络的储层预测,在确定的断层裂缝的发育带中寻找储层。传统相干属性在预测断层时存在断层假象以及易受噪音影响等缺点,论文首先给出了基于S变换的多谱相干属性提取方法,有效解决传统相干属性的不足之处,也为基于Le Net卷积神经网络的断层预测提供了输入数据。然后针对工区内断层的特点,通过实验分析确定了网络的相关参数,获得了较好的训练效果,利用该Le Net网络模型对工区的断层进行预测,准确率明显高于传统方法。针对工区的岩性数据特点,在U-Net卷积神经网络中加入残差模块,直接将输入信息绕道传到输出,保护了信息的完整性,使得整个网络只需要学习输入、输出差别部分,有效解决了较深网络中易出现的梯度消失的问题。经实际数据测试,发现基于改进的U-Net卷积神经网络在储层岩性预测以及“甜点”储层预测上均能取得较好的效果。
吕丙南[9]（2019）在《非均匀碳酸盐岩裂缝储层地震检测方法及应用》文中提出碳酸盐岩中裂缝对于油气藏的勘探开发具有非常重要的意义。目标工区塔河油田奥陶系碳酸盐岩在加里东晚期-海西期经历了风化壳岩溶作用,形成复杂的岩溶地貌和溶蚀缝洞系统,其主力油藏为奥陶系碳酸盐岩缝洞型油藏,溶洞、孔洞是主要的储油空间,裂缝是主要的连通通道。随着缝洞型碳酸盐岩油藏开发工作的不断深入,油气勘探开发的日益精细化,油气储集体的形式越来越复杂,勘探目标不断向岩性油气藏与隐蔽油气藏转移,识别油气藏的岩性空间分布和内部构造越来越重要。实现对不同类型碳酸盐岩缝洞储集体更精确地描述,识别地下裂缝型油气藏的空间分布和内部结构,对油气的勘探与开发具有特别重要的意义。通过对目标工区已经形成的缝洞单元缝洞体描述技术的研究,为了能够进行多尺度分级刻画,引用基于Curvelet变换的多尺度相干和三维多尺度体曲率属性方法,经过改进后的曲率和相干算法,与传统算法相比具有了多尺度特点。基于二维希尔伯特变换的边缘检测方法可以直接对二维资料进行处理,且引入高斯函数以及三维窗函数使算法具有了去噪能力,而且能够很好地对三维地震资料中不连续性信息进行解释刻画。对于复杂地形地区的油气藏储层解释,利用单一地震属性方法不能将地下地质结构信息很好地展示出来。地震属性融合的裂缝检测方法,通过筛选单个属性方法并根据其特点,结合地震解释刻画目标,最终形成了不同尺度断溶体解释刻画方法。针对目标工区独特的区域地质概况,详细地对目标区域进行分析,分别在不同缝洞单元形成了基于蚂蚁体、Curvelet相干、多尺度体曲率的地震分级预测方法,并初步形成了针对“断溶体”的主干断裂、边界及内幕溶洞的检测方法。本文结合实际地区地震资料特点,开展多属性地震检测方法综合分析研究,并创造性地加入了二维希尔伯特变换边缘检测属性算法,对不同尺度尤其是大尺度裂缝边界、伴生裂缝、内幕进行解释刻画,最终实现对不同类型碳酸盐岩缝洞储集体更精确地描述。
胡鹏[10]（2019）在《河流相储层地震正演模拟及特征响应分析》文中研究指明随着油气勘探程度的不断深入,油气勘探难度也在不断提高,构造型油气藏已经日益稀少,针对岩性油气藏的勘探开发已经越来越受到重视,而河流相砂体又是我国陆相盆地中最主要的储集类型。河流流域中的河道、堤坝以及泛滥平原等在平面上在较短历史时期内就会显着变化,河流在盆地内的频繁决口和改道,会不断改造河流的沉积样式,导致河道在沉积过程中变成一个复杂的岩性复合体,导致单一河道或沙坝的识别和追踪变得极为困难。论文针对河流相储层砂体普遍较薄、垂向沉积模式复杂多变以及河道平面边界难以识别等问题,采用地震物理模拟技术和地震数值模拟技术两种正演方式对多期次河道砂体的地震反射特征以及属性识别进行详细的研究。首先以苏里格区为研究目标区,在详细分析其地质、地震特征的基础上,根据研究区岩石物理参数建立具有代表意义的河流相储层物理模型。物理模型中考虑不同期次河道的横向摆动和纵向叠置情况,采用精细打磨工艺确保含流体心滩沉积的制作,采用激光三维扫描形态测试系统精确控制河流的空间形态,提供了一套可以用于后续物理模型三维重建的数据体。通过精准的流程控制,制作了含有5期辫状河沉积的三维物理模型,通过数据采集、处理和分析,得到了一套多期次辫状河三维地震物理模拟数据,为后续河流相储层的研究提供了可看到的分析数据。三维速度体建模过程中,基于物理模型形态激光点云数据,提出了两步法建模步骤,采用沉积相控制加趋势面约束的的建模流程,为利用模型形态测试数据建立河流相三维储层模型提供了方法思路。通过地震物理模拟和三维数值模拟处理成果,详细分析了不同河道构型下的波形剖面特征和平面特征,总结了不同河道构型下波形的特征,波形特征随砂体厚度以及砂泥比的变化而发生变化,同时流体砂岩存在时,在剖面中也会出现振幅的变化;两种模拟方式结果表明,在没有噪声情况下,数值模拟的结果要明显好于物理模拟,两者在波形特征上有相似性,但差别很大,在实际数据中这种问题应该更为突出,所以一定要做好噪声衰减和高分辨处理等工作。不同切片方式表明,基于体解释的地层切片技术对于河道的刻画更为准确细致,时窗的选择对于地震属性识别河道来说,在复合波场中影响不是很大,但时窗越大,平均效应越大;通过不同属性的对比,振幅类属性对内部刻画比较好,而相关类属性对河道边界的刻画会更为细致。
二、一种基于相似性的相干算法的3-D地震属性分析（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、一种基于相似性的相干算法的3-D地震属性分析（论文提纲范文）
（1）基于深度学习语义分割的断层识别应用研究（论文提纲范文）
| 作者简介 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 选题的目的和意义 |
| 1.2 选题的国内外研究现状及存在问题 |
| 1.2.1 地震断层解释方法的国内外研究现状 |
| 1.2.2 深度学习语义分割方法的研究现状 |
| 1.2.3 图像分割方法在断层识别中的研究现状 |
| 1.2.4 选题存在问题 |
| 1.3 主要研究内容、技术路线和方法思路 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线和方法思路 |
| 1.4 主要研究成果和创新点 |
| 1.5 论文的组织结构 |
| 第二章 深度学习语义分割的基本原理 |
| 2.1 图像分割概述 |
| 2.1.1 图像分割的目标 |
| 2.1.2 相关分割算法 |
| 2.2 基于深度学习的语义分割实现方式 |
| 2.2.1 深度学习神经网络模型的构建 |
| 2.2.2 深度学习神经网络模型的训练 |
| 2.2.3 模型预测 |
| 2.3 深度学习语义分割效果的评价标准 |
| 2.4 本章小结 |
| 第三章 深度学习语义分割的断层识别网络设计研究 |
| 3.1 深度学习语义分割中地震断层识别问题分析 |
| 3.1.1 基于视觉检测的地震断层解释特点分析 |
| 3.1.2 深度学习中地震断层样本问题分析 |
| 3.1.3 深度学习语义分割网络分析 |
| 3.1.4 问题分析总结 |
| 3.2 基于VGG16 深度学习语义分割网络的断层识别方法 |
| 3.2.1 地震断层训练样本的选取方法 |
| 3.2.2 基于VGG16 改进的语义分割深度学习模型构建 |
| 3.2.3 模型训练方式 |
| 3.2.4 基于深度学习模型的断层预测 |
| 3.3 合成地震断层数据测试 |
| 3.3.1 测试环境配置 |
| 3.3.2 合成地震断层数据生成方法 |
| 3.3.3 合成数据测试与分析 |
| 3.4 本章小结 |
| 第四章 断层识别结果优化后处理研究 |
| 4.1 骨架的基本概念 |
| 4.1.1 骨架的定义 |
| 4.1.2 骨架的基本性质 |
| 4.2 骨架提取的算法及比较 |
| 4.2.1 骨架提取方法 |
| 4.2.2 骨架计算方法分析比较 |
| 4.2.3 本文断层骨架提取方法 |
| 4.3 优化处理方法 |
| 4.3.1 孤立小连通区域的去除 |
| 4.3.2 断线连接 |
| 4.3.3 剪枝 |
| 4.4 实验结果与分析 |
| 4.5 本章小结 |
| 第五章 实际地震数据断层识别与分析 |
| 5.1 基于深度学习语义分割的断层识别流程 |
| 5.2 实际地震数据的断层识别 |
| 5.2.1 数据背景介绍 |
| 5.2.2 实际地震数据断层识别 |
| 5.2.3 三维结果讨论 |
| 5.3 不同方法对比分析研究 |
| 5.4 本章小结 |
| 第六章 结论和建议 |
| 6.1 结论 |
| 6.2 建议 |
| 致谢 |
| 参考文献 |
（2）基于图像分割的断层识别方法研究与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文主要工作与贡献 |
| 1.4 论文结构 |
| 第二章 断层识别方法的相关技术和原理 |
| 2.1 断层的定义 |
| 2.2 传统的断层识别方法 |
| 2.2.1 断层人工识别方法 |
| 2.2.2 断层属性识别方法 |
| 2.2.3 断层属性融合方法 |
| 2.3 基于图像分割的断层识别方法 |
| 2.3.1 图像分割的相关理论 |
| 2.3.2 图像分割的评价指标 |
| 2.3.3 基于图像分割的断层识别方法 |
| 2.4 CNN的相关理论和基础 |
| 2.4.1 CNN的基本组成 |
| 2.4.2 CNN网络模型融合策略 |
| 2.4.3 基于深度学习的图像分割方法 |
| 2.5 本章小结 |
| 第三章 基于MA-Unet的断层识别方法 |
| 3.1 引言 |
| 3.2 基于MA-Unet的断层识别方法流程 |
| 3.2.1 断层数据处理 |
| 3.2.2 MA-Unet网络模型的构建 |
| 3.3 MA-Unet网络模型的训练 |
| 3.4 仿真结果及分析 |
| 3.5 本章小结 |
| 第四章 基于D-Vnet的断层识别方法 |
| 4.1 引言 |
| 4.2 基于D-Vnet的断层识别方法流程 |
| 4.2.1 断层数据处理 |
| 4.2.2 D-Vnet网络模型的构建 |
| 4.3 D-Vnet网络模型的训练 |
| 4.4 仿真结果及分析 |
| 4.5 本章小结 |
| 第五章 工作总结与展望 |
| 5.1 工作总结 |
| 5.2 工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间的研究成果 |
（3）碳酸盐岩裂缝储层叠后地震属性综合预测（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容及成果 |
| 第2章 裂缝储层的地震几何属性方法 |
| 2.1 裂缝的分级描述及地震预测方法 |
| 2.2 相干分析 |
| 2.2.1 常规相干 |
| 2.2.2 多尺度相干 |
| 2.3 曲率属性 |
| 2.3.1 三维体曲率 |
| 2.3.2 多尺度体曲率 |
| 2.4 蚂蚁追踪技术 |
| 2.4.1 蚁群算法 |
| 2.4.2 蚂蚁追踪技术 |
| 2.5 最大似然属性方法 |
| 2.5.1 相似系数 |
| 2.5.2 最大似然属性 |
| 第3章 叠后地震属性综合预测 |
| 3.1 单一叠后地震属性预测 |
| 3.1.1 单属性的缝洞识别 |
| 3.1.2 单属性的河道识别 |
| 3.2 基于蚂蚁体的叠后属性综合预测 |
| 3.3 结合最大似然属性体的叠后属性综合预测 |
| 第4章 叠后地震属性综合预测在塔河地区的应用 |
| 4.1 研究区域地质概况 |
| 4.1.1 区域构造及地层沉积特征 |
| 4.1.2 区域储层特征 |
| 4.2 碳酸盐岩裂缝储层叠后属性综合地震预测 |
| 4.2.1 大尺度断裂及裂缝系统的检测与刻画 |
| 4.2.1.1 基于相干体的大断裂检测与识别 |
| 4.2.1.2 基于三维多尺度体曲率的大断裂检测与刻画 |
| 4.2.2 中尺度断裂及裂缝的检测 |
| 4.2.2.1 基于多尺度相干的地震分级预测 |
| 4.2.2.2 基于属性蚂蚁体的地震分级预测 |
| 4.2.3 小尺度裂缝地震预测 |
| 结论 |
| 致谢 |
| 参考文献 |
| 攻读学位期间取得学术成果 |
（4）三维地震断层智能识别与重建（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文的主要工作与贡献 |
| 1.4 论文章节安排 |
| 第二章 三维断层识别与重建的相关技术与原理 |
| 2.1 计算机视觉在三维断层识别与重建的优势 |
| 2.2 卷积神经网络的相关技术与原理 |
| 2.2.1 图像分类 |
| 2.2.2 图像语义分割 |
| 2.2.3 图像目标检测 |
| 2.2.4 图像实例分割 |
| 2.3 断层智能识别相关技术与原理 |
| 2.3.1 地震属性分析 |
| 2.3.2 地震属性增强 |
| 2.4 断层智能追踪相关技术与原理 |
| 2.4.1 蚁群追踪方法 |
| 2.4.2 断层向量投影与联合方法 |
| 2.5 本章小节 |
| 第三章 基于3D-Unet++的断层智能识别 |
| 3.1 基于3D-Unet++的断层智能识别方法流程 |
| 3.1.1 三维样本数据集的构建 |
| 3.1.2 3D-Unet++网络模型的构建 |
| 3.1.3 3D-Unet++网络模型的改进 |
| 3.2 实验仿真与分析 |
| 3.2.1 理论模型识别结果 |
| 3.2.2 实际工区识别结果 |
| 3.4 本章小结 |
| 第四章 基于视频流的断层智能组合与重建 |
| 4.1 基于视频流的断层智能组合与重建方法流程 |
| 4.1.1 样本数据集的构建 |
| 4.1.2 视频流神经网络模型的构建 |
| 4.1.3 视频流神经网络模型的训练与推理 |
| 4.2 实验仿真与分析 |
| 4.3 本章小结 |
| 第五章 总结与展望 |
| 5.1 工作总结 |
| 5.2 工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
（5）三维地震图像中的异常体识别方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 国内外研究历史与现状 |
| 1.2.1 地震属性提取 |
| 1.2.1.1 地震属性的发展脉络 |
| 1.2.1.2 地震属性的分类研究 |
| 1.2.1.3 本节小结 |
| 1.2.2 地震图像分割 |
| 1.2.2.1 常见的分割方法 |
| 1.2.2.2 分割结果的可视化 |
| 1.2.2.3 本节小结 |
| 1.2.3 基于深度学习的异常体识别 |
| 1.2.3.1 训练数据 |
| 1.2.3.2 网络结构 |
| 1.2.3.3 目标函数 |
| 1.2.3.4 本节小结 |
| 1.2.4 识别结果评估 |
| 1.3 本文的主要贡献与创新 |
| 1.4 论文结构安排 |
| 第二章 基于主成分分析的异常体边缘增强方法 |
| 2.1 相干体技术 |
| 2.2 主成分分析 |
| 2.3 增强相干体 |
| 2.3.1 基于有向图的层位追踪 |
| 2.3.1.1 有向图的构建 |
| 2.3.1.2 基于子图匹配的合并 |
| 2.3.1.3 有序层次聚类 |
| 2.3.2 增强相干体的计算方法 |
| 2.4 实验与分析 |
| 2.4.1 异常体刻画性能的对比 |
| 2.4.2 投影向量的分析 |
| 2.4.3 与非线性降维方法的对比 |
| 2.5 本章小结 |
| 第三章 基于地震属性融合的地震图像分割方法 |
| 3.1 基于水平集的分割方法 |
| 3.2 边缘特征和区域特征 |
| 3.3 基于地震属性融合的分割模型 |
| 3.4 实验与分析 |
| 3.4.1 溶洞的提取 |
| 3.4.2 河道的提取 |
| 3.5 本章小结 |
| 第四章 连通性约束的地震图像分割方法 |
| 4.1 连通性约束的分割模型 |
| 4.1.1 地震属性的提取 |
| 4.1.2 分割模型的建立 |
| 4.1.3 基于最短路径树的连通性约束引入 |
| 4.1.3.1 根节点的拾取 |
| 4.1.3.2 最短路径树的构建 |
| 4.1.3.3 分割模型的最优化 |
| 4.2 基于边缘特征的剪枝方法 |
| 4.3 实验与分析 |
| 4.3.1 理论数据 |
| 4.3.2 实际数据 |
| 4.4 本章小结 |
| 第五章 基于可解释性约束CNN的异常体识别方法 |
| 5.1 CNN的可解释性研究 |
| 5.1.1 基于CNN的断层识别 |
| 5.1.2 模型可解释性 |
| 5.1.3 基于Smooth Grad的CNN可解释性研究 |
| 5.2 可解释性约束的CNN |
| 5.2.1 基于CAM的显着性图计算 |
| 5.2.2 显着性图引导的CNN |
| 5.3 实验与分析 |
| 5.3.1 定性分析 |
| 5.3.2 定量分析 |
| 5.4 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 全文总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间取得的成果 |
（6）基于地震相干体数据的裂缝及断层检测方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 选题背景及研究意义 |
| 1.2 国内外研究现状及发展趋势 |
| 1.2.1 基于三维地震数据的裂缝及断层检测 |
| 1.2.2 基于二维地震数据的裂缝及断层检测 |
| 1.3 主要研究内容及技术路线 |
| 1.4 论文结构安排 |
| 第二章 地震裂缝及断层检测基础理论 |
| 2.1 裂缝与断层 |
| 2.2 地震属性体 |
| 2.2.1 相干体 |
| 2.2.2 曲率体 |
| 2.2.3 方差体 |
| 2.3 裂缝及断层去噪分析 |
| 2.3.1 双边滤波 |
| 2.3.2 导向滤波 |
| 2.3.3 各向异性扩散滤波 |
| 2.4 本章小结 |
| 第三章 基于Hessian矩阵的裂缝及断层检测方法 |
| 3.1 HESSIAN矩阵 |
| 3.1.1 数学原理 |
| 3.1.2 物理含义 |
| 3.2 基于HESSIAN矩阵的裂缝及断层检测流程 |
| 3.2.1 地震相干数据预处理 |
| 3.2.2 各向异性高斯滤波 |
| 3.2.3 构造增强滤波器 |
| 3.3 实验测试 |
| 3.3.1 截取阈值 |
| 3.3.2 尺度空间 |
| 3.3.3 各向异性扩散滤波 |
| 3.4 对比分析 |
| 3.5 本章小结 |
| 第四章 基于相位一致性的裂缝及断层检测方法 |
| 4.1 相位一致性 |
| 4.1.1 数学原理 |
| 4.1.2 物理含义 |
| 4.2 基于相位一致性的裂缝及断层检测流程 |
| 4.2.1 频率分量提取 |
| 4.2.2 噪声压制 |
| 4.2.3 构造增强滤波器 |
| 4.3 实验测试 |
| 4.3.1 滤波方向 |
| 4.3.2 小波长度 |
| 4.3.3 频谱宽度 |
| 4.4 对比分析 |
| 4.5 本章小结 |
| 第五章 基于形态学分析的裂缝及断层线优化方法 |
| 5.1 形态学分析 |
| 5.1.1 膨胀与腐蚀 |
| 5.1.2 开运算与闭运算 |
| 5.2 裂缝及断层线细化 |
| 5.3 实验结果与分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.1.1 工作总结 |
| 6.1.2 主要贡献及创新点 |
| 6.2 工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（7）顺北油田奥陶系断裂识别及其油气评价研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 选题依据及意义 |
| 1.2 研究现状 |
| 1.2.1 塔北断裂控藏的认识 |
| 1.2.2 顺北油气勘探现状 |
| 1.2.3 断裂带识别技术 |
| 1.3 存在的问题 |
| 1.3.1 小尺度断裂无法清晰识别 |
| 1.3.2 地震资料存在假性断裂 |
| 1.3.3 断裂识别技术的局限性 |
| 1.3.4 断控油气富集规律不清 |
| 1.4 主要研究内容 |
| 1.5 研究思路及技术路线 |
| 1.6 完成的主要工作量 |
| 1.7 主要认识与创新点 |
| 1.7.1 主要认识 |
| 1.7.2 论文创新点 |
| 第2章 区域地质概况 |
| 2.1 地层岩性特征 |
| 2.2 构造特征 |
| 2.3 断裂带成藏控制作用 |
| 2.3.1 断裂带控储作用 |
| 2.3.2 断裂带控藏作用 |
| 第3章 断裂精细解释技术研究 |
| 3.1 断裂带的地震剖面识别模式研究 |
| 3.1.1 断裂错断的地震剖面响应特征 |
| 3.1.2 缝洞体的断裂剖面响应特征 |
| 3.2 不同尺度断裂的平面识别方法研究 |
| 3.2.1 信号增强处理 |
| 3.2.2 断裂敏感属性优选 |
| 3.3 断裂精细解释 |
| 第4章 火成岩地震识别及描述技术研究 |
| 4.1 火成岩岩性-地震反射特征 |
| 4.1.1 火成岩类型及其测井特征 |
| 4.1.2 火山岩地震相特征 |
| 4.2 火山岩喷发期次划分 |
| 4.2.1 录井及测井揭示的顺北1火成岩喷发期次 |
| 4.2.2 地震资料类比的顺8北火成岩喷发期次 |
| 4.3 火成岩分期岩相展布特征 |
| 4.3.1 顺北1三维区块 |
| 4.3.2 顺8北三维区块 |
| 第5章 假性断裂成因及主控因素 |
| 5.1 假性断裂成因分析 |
| 5.1.1 火成岩速度分析 |
| 5.1.2 断裂正演成像分析 |
| 5.2 假性断裂主控因素 |
| 5.3 假性断裂位置判断 |
| 第6章 假性断裂精确识别 |
| 6.1 基于波动方程断距定量分析的假性断裂识别技术 |
| 6.1.1 假性断距计算步骤 |
| 6.1.2 假性断距的模拟分析 |
| 6.1.3 假性断裂的定量判别 |
| 6.2 顺北评2井勘探失利分析 |
| 第7章 断裂带油气富集评价 |
| 7.1 断裂发育特征 |
| 7.1.1 平面展布 |
| 7.1.2 断裂分级 |
| 7.1.3 断裂分段 |
| 7.2 断裂带油气富集特征 |
| 7.2.1 油气富集受断裂分级控制 |
| 7.2.2 油气富集受断裂分段控制 |
| 7.2.3 顺8北区块油气评价 |
| 结论 |
| 致谢 |
| 参考文献 |
| 攻读学位期间取得的学术成果 |
（8）基于CNN网络的地震储层预测应用研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究目的与意义 |
| 1.2 国内外研究现状 |
| 1.3 论文研究内容 |
| 第二章 卷积神经网络理论基础 |
| 2.1 人工神经网络 |
| 2.1.1 神经元模型 |
| 2.1.2 人工神经网络模型 |
| 2.1.3 反向传播 |
| 2.2 卷积神经网络模型 |
| 2.2.1 卷积层 |
| 2.2.2 池化层 |
| 2.2.3 全连接层 |
| 2.3 本章小结 |
| 第三章 基于LeNet卷积神经网络的断层识别 |
| 3.1 基于地震属性的断层识别 |
| 3.1.1 基于S变换的多谱相干属性 |
| 3.1.2 曲率属性 |
| 3.2 用于断层识别的LeNet网络 |
| 3.2.1 LeNet卷积神经网络模型 |
| 3.2.2 网络建立流程 |
| 3.2.3 网络参数分析 |
| 3.3 实际数据应用 |
| 3.4 本章小结 |
| 第四章 基于U-Net卷积神经网络的储层预测 |
| 4.1 U-Net卷积神经网络模型 |
| 4.1.1 U-Net网络的建立 |
| 4.1.2 批规范化 |
| 4.1.3 过拟合 |
| 4.2 网络建立流程 |
| 4.3 网络参数分析 |
| 4.3.1 批规范化的影响 |
| 4.3.2 损失函数的影响 |
| 4.3.3 激活函数的影响 |
| 4.3.4 优化器的影响 |
| 4.4 实际数据应用 |
| 4.4.1 基于U-Net卷积神经网络的岩性预测 |
| 4.4.2 基于U-Net卷积神经网络的“甜点”储层预测 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间取得的学术成果 |
| 致谢 |
（9）非均匀碳酸盐岩裂缝储层地震检测方法及应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 地震属性分析 |
| 1.2.2 边缘检测 |
| 1.3 主要研究内容及成果 |
| 第2章 地震属性解释方法 |
| 2.1 不同尺度裂缝分级 |
| 2.2 基于Curvelet变换的多尺度相干分析技术 |
| 2.2.1 相干 |
| 2.2.2 多尺度相干 |
| 2.3 三维多尺度体曲率裂缝预测技术 |
| 2.3.1 三维体曲率分析 |
| 2.3.2 空间波数域多尺度微分算子 |
| 2.3.3 三维多尺度体曲率的融合 |
| 第3章 基于二维加窗希尔伯特变换边缘检测 |
| 3.1 一维希尔伯特变换 |
| 3.1.1 希尔伯特变换的定义 |
| 3.1.2 希尔伯特变换的离散化 |
| 3.2 二维希尔伯特变换 |
| 3.2.1 二维希尔伯特变换定义 |
| 3.2.2 边缘检测模型试算 |
| 3.3 二维高斯滤波器 |
| 3.4 基于加窗二维希尔伯特变换 |
| 3.5 基于深度加窗的二维希尔伯特变换 |
| 第4章 多属性融合在TH地区的应用 |
| 4.1 区域地质概况 |
| 4.1.1 区域地质特征—地层沉积及区域构造特征 |
| 4.1.2 储层特征 |
| 4.1.3 流体特征研究及油气勘探开发成果 |
| 4.2 碳酸盐岩裂缝储层地震属性预测方法 |
| 4.2.1 基于蚂蚁体的地震分级预测技术 |
| 4.2.2 基于多尺度体曲率的地震分级预测技术 |
| 4.2.2.1 多尺度体曲率缝洞单元刻画 |
| 4.2.2.2 基于多尺度体曲率的多属性裂缝及边界刻画 |
| 4.2.3 基于多尺度相干的地震分级预测技术 |
| 4.3 地震分级预测综合解释 |
| 结论 |
| 致谢 |
| 参考文献 |
| 攻读学位期间取得学术成果 |
（10）河流相储层地震正演模拟及特征响应分析（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 创新点 |
| 第1章 引言 |
| 1.1 研究目的及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 河道储层地震响应研究现状 |
| 1.2.2 地震正演模拟研究现状 |
| 1.3 主要研究内容 |
| 第2章 多期辫状河储层地震物理模拟 |
| 2.1 模型设计思路 |
| 2.1.1 研究区概况 |
| 2.1.2 物理模型设计 |
| 2.2 建模方法及模型制作 |
| 2.2.1 建模方法及流程 |
| 2.2.2 辫状河物理模型制作 |
| 2.3 模型三维空间形态测量 |
| 2.3.1 形态测量方式 |
| 2.3.2 形态测试结果 |
| 2.4 物理模型数据采集及处理 |
| 2.4.1 地震数据采集 |
| 2.4.2 数据处理 |
| 2.4.3 成像质量分析 |
| 2.5 本章小结 |
| 第3章 多期次辫状河储层地震数值模拟 |
| 3.1 三维数值模拟原理 |
| 3.1.1 三维声波方程差分解 |
| 3.1.2 稳定性及吸收边界 |
| 3.1.3 PML吸收边界 |
| 3.2 速度模型建立 |
| 3.2.1 常规建模方法 |
| 3.2.2 物理模型建模方法 |
| 3.2.3 数据预处理 |
| 3.2.4 速度体建模 |
| 3.3 正演计算处理 |
| 3.3.1 正演参数设置 |
| 3.3.2 模拟数据处理分析 |
| 3.4 本章小结 |
| 第4章 河道砂体地震反射特征分析 |
| 4.1 砂体反射波场分析方法及原理 |
| 4.1.1 地震反射波场的地质含义 |
| 4.1.2 薄层反射理论 |
| 4.2 数值模拟反射特征分析 |
| 4.2.1 薄砂体地震分辨率分析 |
| 4.2.2 叠置砂体反射特征分析 |
| 4.3 物理模拟反射特征分析 |
| 4.3.1 叠置砂体反射特征分析 |
| 4.3.2 河道平面特征分析 |
| 4.4 两种正演结果差异性分析 |
| 4.5 本章小结 |
| 第5章 河道叠后属性分析 |
| 5.1 切片技术及地震属性技术 |
| 5.1.1 切片技术类型 |
| 5.1.2 叠后属性分类及优化 |
| 5.2 参考层拾取和地层模型建立 |
| 5.2.1 参考层拾取 |
| 5.2.2 基于全局自动解释的地层模型建立 |
| 5.2.3 切片方式对比分析 |
| 5.3 正演数据属性分析 |
| 5.3.1 属性优选 |
| 5.3.2 属性融合 |
| 5.4 本章小结 |
| 第6章 结论 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间发表的学术论文及研究成果 |
| 学位论文数据集 |
四、一种基于相似性的相干算法的3-D地震属性分析（论文参考文献）
- [1]基于深度学习语义分割的断层识别应用研究[D]. 胡广. 中国地质大学, 2021(02)
- [2]基于图像分割的断层识别方法研究与实现[D]. 汪雅婷. 电子科技大学, 2021(01)
- [3]碳酸盐岩裂缝储层叠后地震属性综合预测[D]. 周晨. 成都理工大学, 2020(04)
- [4]三维地震断层智能识别与重建[D]. 蔡宇飞. 电子科技大学, 2020(07)
- [5]三维地震图像中的异常体识别方法研究[D]. 刘致宁. 电子科技大学, 2020(07)
- [6]基于地震相干体数据的裂缝及断层检测方法研究[D]. 廖龙. 电子科技大学, 2020(07)
- [7]顺北油田奥陶系断裂识别及其油气评价研究[D]. 姜自然. 成都理工大学, 2019(06)
- [8]基于CNN网络的地震储层预测应用研究[D]. 吴尧. 中国石油大学(华东), 2019(09)
- [9]非均匀碳酸盐岩裂缝储层地震检测方法及应用[D]. 吕丙南. 成都理工大学, 2019(02)
- [10]河流相储层地震正演模拟及特征响应分析[D]. 胡鹏. 中国石油大学(北京), 2019(01)