排序方式： 共有4条查询结果，搜索用时 15 毫秒
1
1.
地震储层预测是油气勘探的重要组成部分，但完成该项工作往往需要经历多个环节，而多工序或长周期的研究分析降低了勘探效率.基于油气藏分布规律及其在地震响应上所具有的特点，本文引入卷积神经网络深度学习方法，用于智能提取、分类并识别地震油气特征.卷积神经网络所具有的强适用性、强泛化能力，使之可以在小样本条件下，对未解释地震数据体进行全局优化提取特征并加以分类，即利用有限的已知含油气井段信息构建卷积核，以地震数据为驱动，借助卷积神经网络提取、识别蕴藏其中的地震油气特征.将本方案应用于模型数据及实际数据的验算，取得了预期效果.通过与实际钻井信息及基于多波地震数据机器学习所预测结果对比，本方案利用实际数据所演算结果与实际情况有较高的吻合度.表明本方案具有一定的可行性，为缩短相关环节的周期提供了一种新的途径. 相似文献
2.
相对于常规射线层析速度建模,基于波动理论的层析速度建模考虑了波的带限特性,反演分辨率更高。波动理论层析的核心在于波路径(有限频核函数)的计算。文中详细介绍了一种基于高斯束算子计算有限频核函数的方法,分析了初始束宽度和高斯束出射角度间隔对计算精度的影响;并针对高斯束近源处误差较大的缺陷,提出了改进的束参数以提高近源精度;详细分析了初始束宽度和角度间隔对改进高斯束方法的影响及改进高斯束的聚焦特性;数值算例验证了该方法在缓变介质中计算有限频核函数的可行性,计算效率较高且可处理回折波的核函数。 相似文献
3.
传统的利用有限差分方法模拟地震波场需要耗费较大的机时.为了提高地震波场的模拟效率,采用GPU并行计算技术是一种非常好的方法.文章基于一阶应力-速度声波方程的交错网格有限差分法,采用分块策略,将一个地质模型分解成多个小规模的地质子块,每个子块交由一个线程块负责,并利用常数存储器、块内共享存储器和寄存器减少对全局存储器的访问,实现了波场模拟的GPU加速.单CPU和GPU/CPU下不同规模网格的波场模拟结果表明:利用GPU加速可以将模拟效率提高数倍.尤其是当模拟大规模网格且炮点个数较多时,可以更加显著的提升模拟效率. 相似文献
4.
层析反演是速度建模中最重要的方法之一,结合偏移成像在成像域进行走时层析速度反演是当前比较成熟有效且广泛应用的技术.本文从高斯束偏移成像条件出发,在波动方程的一阶Born近似和Rytov近似下,推导了成像域走时扰动与速度扰动的线性关系,建立了成像域走时层析方程及其显式表达的层析核函数.该核函数的本质是有限频层析核函数,利用该核函数替换常规射线层析核函数可以明显提高层析反演精度.该核函数的计算关键是背景波场格林函数的计算,本文利用高斯束传播算子计算格林函数进而得到走时层析核函数,实现方式灵活高效且计算精度较高.基于高斯束传播算子的偏移成像与层析成像相结合进行深度域建模迭代,体现了速度建模与偏移成像一体化的思想.数值计算及实际数据应用证明了基于高斯束传播算子的成像域走时层析方法的有效性. 相似文献
1