一、褶积、相关分析与连续小波变换 (CWT)的关系(英文)(论文文献综述)
戚鹏飞[1](2020)在《地震资料高精度谱分析方法研究》文中认为谱分析方法在非平稳地震信号的处理与解释中发挥了重要作用,通过将时间域的一维信号转换到时间-频率域中进行二维表征,获取与研究目标相关的局部异常信息,进而实现地层刻画、储层预测及烃类检测。然而随着勘探对象的不断复杂化,传统方法已逐渐难以满足精细勘探的需求,需要针对地震信号的特点发展适用技术,提高研究对象的精细识别与刻画能力。论文以地震资料的高精度谱分析为目标,重点围绕时频分析方法基函数与信号特征的相关性以及衰减地震道的时频表征展开研究,在传统时频分析方法对比研究的基础上,发展了两种高时频聚焦度谱分析方法,提高了地震资料的时频谱刻画精度。从时频谱刻画效果及时频集中度的角度对传统的时频分析方法进行了分析。传统的时频分析方法可以分为线性、双线性、非线性以及参数化方法,在方法原理及基函数分析的基础上,设计了恒频阶跃信号模型、频率线性变化信号模型、频率非线性变化信号模型以及地震道模型,分别计算了这些模型信号及其含噪声信号的不同时频分析方法的计算结果。分析表明,线性方法以及参数化方法的计算结果比较稳定,计算效率较高,但时频能量聚集性较低;双线性方法的时频能量聚集性较高,但容易受到交叉项能量的干扰;非线性方法的时频能量聚集性更高,但容易受到噪声影响,造成计算结果的不稳定。地震勘探中常用的时频分析方法通常要求非平稳信号在局部时域内频率特征不发生变化或呈线性变化,然后基于正交时频网格或旋转时频网格,在局部时频面内采用一条与时间轴或频率轴平行、或者具有一定斜率的线段来逼近信号的时频特征。然而实际中非平稳信号的局部时频特性往往呈非线性变化,为此研究了基于局部多项式傅里叶变换的时频分析方法。在局部时频面内,允许时频网格发生弯曲,利用高阶多项式拟合瞬时频率的非线性变化,提高时频表征的能量集中度。实际地震资料的应用效果表明,局部多项式傅里叶变换方法有效刻画了局部地震信号的瞬时频率和振幅变化特征,可以提高具有频率及振幅异常的目标检测的精度。此外,由于在信号表征方面的优势,匹配追踪方法在地震资料处理中获得了广泛应用,其有效性取决于时频原子与所分析信号局部特征的相似程度,若两者相似程度较高,就可用较少的时频原子实现信号地稀疏分解,若两者相似程度较低,不但分解的时频原子难以有效表征信号的局部特征,而且往往需要较多的原子才能逼近信号,因此时频原子库的定义与选择至关重要。传统的时频原子通常包括四个参数,即尺度因子、中心时间、中心频率、相位因子,针对常规地震资料,地震道的时频变化关系较为平缓,四参数时频原子通常能够满足地震道分解的要求,但当地震资料遇到强衰减时,地震道的时频变化关系变得较为剧烈,此时四参数时频原子难以有效表征信号的时频特性,为此研究了基于旋转时频原子库的匹配追踪方法。在常规四参数的基础上,引入频率旋转算子,建立五参数时频原子库,实现衰减地震道的稀疏分解与时频表征。实际资料应用表明,旋转时频原子库能够有效表征地震道的衰减特征,与谱分解等技术相结合,可以有效实现具有衰减特征储层的预测。
许杰[2](2020)在《高铁地震信号分析研究》文中提出利用实测地震记录反演地下结构是探测地壳结构的重要地球物理方法。随着对城市地区进行地下结构探测需求的不断提高,绿色环保震源的需求也在不断的提高,因此包括炸药震源在内的多种常规人工震源将逐渐不再适用。因而使用列车振动作为地震震源进行地下结构的探测成为了地下结构研究领域中一项新的具有重要意义的探索。高铁运行时会产生较强的振动信号,不同运行环境下所产生的信号不同,这些振动信号不仅包含列车的结构信息,同时也包含了轨道和地基的结构信息。本文首先对合成信号和实测高铁地震信号分别进行短时傅里叶变换(STFT)、连续小波变换(CWT)、同步挤压短时傅里叶变换(FSST)以及同步挤压小波变换(WSST),通过时频对比分析得出同步挤压小波变换(WSST)的优越性,即具有更高的时频分辨率。然后对保定地区实测高铁地震信号进行同步挤压小波变换(WSST)时频分析,分析得出不同运行状态下的实测高铁地震信号的信号特征,并着重对匀速运动状态下采集到的实测高铁地震信号的等间隔特征谱线的产生机制进行了讨论。本文利用同步挤压小波变换(WSST)分析深圳地区不同运行环境下的高铁地震信号特征,得出不同运行环境下的高铁信号的特征差异,从而说明高铁地震信号中蕴藏了与区间地质环境和地下结构有关的信息。本文首先对合成信号分别进行小波阈值法去噪和同步挤压小波阈值法去噪,通过去噪结果的对比分析,分析出了同步挤压小波阈值法去噪的优越性。然后利用同步挤压小波阈值法去噪技术对背景噪声信号和真实高铁地震信号进行波场分离。分离结果表明同步挤压小波阈值法去噪技术能够较好的将背景噪声信号和实际高铁地震信号从实测高铁地震信号中分离开来。
孙亮[3](2020)在《煤田地震数据时频域反褶积方法研究》文中认为目前,煤田地震勘探在识别复杂地质构造、小尺度的地质体时,存在分辨率不能满足实际生产的问题。由于地层普遍具有粘弹性,地震子波在地下传播过程中表现出衰减特征,地震信号实为非平稳信号。基于平稳地震信号假设的反褶积方法,难以解决因地震子波衰减引起的分辨率降低问题。时频域反褶积方法考虑了地层所具有的粘弹性衰减特征,能够有效恢复地层反射系数,提高地震勘探分辨率。本文围绕时频域反褶积的关键内容:时频分析方法、时变子波提取方法和反褶积算子设计等方面进行研究。时频分析方法作为时频域反褶积的基础,对时频分析方法的研究尤为重要。本文首先从时频分辨率、相位特征和信号重构能力三个方面,对比了短时傅里叶变换(STFT)、Gabor变换、小波变换(CWT)、S变换和广义S变换方法。时频分辨率方面,CWT、S变换和广义S变换均属于多分辨率分析方法,时频分辨率高于STFT和Gabor。相位特征方面,STFT、Gabor变换、S变换和广义S变换均具有Fourier基函数,相位信息具有统一的基准。基于复信号分析技术的CWT可以获得相位信息,但相位信息没有统一的基准。信号重构方面,STFT、Gabor变换、CWT、S变换和广义S变换都具有很好的信号重构能力。因此,S变换和广义S变换兼具了STFT、Gabor变换和CWT的优点。但是,利用S变换和广义S变换分析低频信号时,普遍存在时间分辨低的问题。为解决这一问题,本文通过设计广义S变换中的高斯时窗函数,提出了一种改进的广义S变换(IGST)。理论推导表明改进的广义S变换具有无损可逆和相位基准统一的优点。改进的广义S变换在保证高频信号时频分辨率的情况下,提高了低频信号的时间分辨率,时频分析效果优于S变换和广义S变换方法。基于改进的广义S变换,本文提出复赛时频谱谱模拟法提取时变子波的方法,构建了改进的时频域(ITFD)反褶积方法。首先,利用IGST将地震记录分解至时频域,再将其转换到复赛时频域;其次,基于信赖域算法,采用高阶Fourier级数拟合复赛时频振幅谱中每一时刻的时变子波振幅谱,克服了褶积模型中反射系数白噪假设;再次,为了消除时变子波时频振幅谱提取结果的不稳定性,本文将矩形窗平滑法和时频域双曲平滑法用于时变子波振幅谱平滑;最后,利用Hilbert变换估计时变子波时频相位谱,从而提取了时变子波时频谱。通过与实际时变子波、Gabor反褶积时变子波的时频振幅谱对比,表明本文提出的时变子波提取方法具有更加理想的效果。结合时变子波的时变特征,本文设计了合理的反褶积算子,从而构建了一种新的时频域反褶积方法。该方法的反褶积结果优于最小平方反褶积和Gabor反褶积,与实际反射系数吻合较好。结合广义标准线性固体和差分进化算法,本文建立了近似常Q值粘声波方程。采用高阶交错网格有限差分方法,实现了近似常Q值粘声波方程的数值求解。针对煤系层状、断层和陷落柱地质模型,开展了弹性声波和粘声波波场正演模拟。相对弹性声波波场,粘声波波场中反射波的能量存在衰减特征,反射波同相轴变宽。为验证改进的时频域反褶积方法的有效性,本文分别利用最小平方反褶积、Gabor反褶积和ITFD反褶积方法处理粘声波地震剖面,结果表明三种方法均可以有效提高反射波同相轴的分辨率,但最小平方反褶积没有补偿介质粘弹性导致的能量衰减,且深部反射波同相轴难以识别;Gabor反褶积补偿了介质粘弹性衰减导致的反射波能量衰减,但其存在时变子波提取效果较差,残余子波降低了地震剖面信噪比的问题;ITFD反褶积方法不仅补偿了介质粘弹性衰减导致的能量衰减,而且拓宽了地震有效频带,成像效果优于最小平方反褶积和Gabor反褶积。基于IGST的时频分析表明ITFD反褶积方法能够提高地震分辨率,拓宽地震频带,提高对断点和断面的识别能力。为了消除地震道之间的振幅能量差异,本文采用标准道的L2范数进行能量均衡,提高反射波同相轴连续性。实际地震资料处理中,若采用标准地震道提取的时变子波进行时频域反褶积,将影响地震反射波同相轴的连续性。基于L2范数的时变子波提取方法,可以有效均衡各道之间的能量差异,提高地震反射波同相轴的连续性。此外,为了提高时频域反褶积的抗噪性,本文对多道时变子波进行加权平滑处理,建立了基于ITFD反褶积方法的技术流程。实际数据验证了该技术流程的合理性和可行性,可以有效补偿深部反射波能量,提高煤田地震数据的垂向分辨率。
郭志伟[4](2020)在《时频分析在高精度地震资料处理中的应用研究》文中提出时频分析技术是地震资料处理和分析的关键技术。地震信号作为典型的非平稳信号,通过时频分析进行处理,可以快速高效获取地下储层的相关信息,为后续地震资料的分析和解释提供参考和依据。本文以时频分析方法为基础,研究了时频分析在高精度地震资料处理重要环节中的应用。初至自动拾取是地震资料处理中基础且重要的工作,关系到静校正和近地表速度模型的建立等后续地震资料处理的成败。地震勘探正向全方位、高密度、多维多分量、高分辨率、高保真度方向发展,地震勘探数据量越来越大。研究适合于海量地震数据精确高效拾取初至的方法十分必要。本文提出了基于CEEMD的初至拾取自动方法和基于约束线的初至自动拾取方法,与常规方法相比,新方法处理流程简单、高效,能够提供精确的初至信息,特别是适用于海量数据处理。地层吸收效应造成了地震波能量衰减、分辨率降低,反Q滤波能够有效恢复衰减能量、提高分辨率。本文针对常规反Q滤波采用的增益函数不能对信噪比进行自适应的问题,提出了时空变自适应反Q滤波方法。该方法在增益函数中设置与地震资料局部信噪比有关的具有时空变特征的增益参数,根据信噪比对高频成分进行自适应补偿。时频分析结果显示该方法兼顾分辨率和信噪比,对实际资料的适应性较好,具有较好的应用效果。频谱分解方法能够揭示地震资料中隐藏的有价值信息。利用基于瞬时频率二阶局部估计的二阶同步压缩变换对地震信号进行谱分解,能够获得聚焦性好、清晰度高的时频分布,同时还能够进行信号分离和重构。该方法能够精细刻画地震属性、反映储层流体性质和储层地质特征,具有广阔的应用前景。多次波会引起地震资料中有效反射波的频率、振幅以及相位产生畸变,降低地震资料的信噪比,造成地震资料偏移、速度分析等后期处理的误差,影响中深层目标储层的预测精度,进而影响地震资料解释的准确性和可靠性。针对多次波特别是层间多次波的问题,本文提出了自适应Shearlet变换和高分辨率Radon变换相结合的层间多次波压制方法。该方法不仅能有效去除层间多次波,还能够提高地震资料的信噪比、保真度和分辨率,具有较好的应用效果和前景。
王文倩[5](2020)在《苹果园地土壤全氮含量的高光谱参数及估测模型研究》文中指出氮(N)是维持果树生长必需的营养元素和评价园地肥力的重要指标之一,土壤氮素含量的多寡直接影响果树的生长发育和果实的品质。统计资料表明,我国氮肥单位面积施用量约是美国的2.5倍,果农为了增加产量盲目施肥,不仅导致氮肥利用率低、资源浪费,还造成土地和水污染,影响了园地的可持续利用。因此,及时准确地监测果园土壤中氮素的含量水平对果园科学施肥和园地质量精准管理具有重要意义。传统的采样化验分析方法会在一定程度上损坏果树根系,且化验成本高、时间长,在果园管理中的应用受到很大限制。土壤理化性质的光谱估测技术发展为果园土壤监测和管理带来了新途径,对土壤全氮(Total Nitrogen,TN)的光谱估测也取得不少成果。但苹果园多分布于山地丘陵区,受地理、气候及土壤质地等因素的影响,果园土壤含氮量较低,光谱信号弱,易被干扰或掩盖,有效光谱信息较难获取。针对这些问题,本研究以山东省济南市长清区双泉镇一苹果园地为实验区,分别在果园幼果期、膨果期、品质期和月子期四个施肥期前10天采集土壤样品并测定土壤TN含量,利用ASD FieldSpec3地物光谱仪采集土壤样品的室外光谱数据,分析不同施肥采样期土壤TN光谱特征,对土壤反射率R进行1/R、LogR、R、(R)′、(1/R)′、(LogR)′、(R)′、CR共8种光谱变换和连续小波变换处理,并进行了基于全波段范围的光谱特征参数筛选,采用相关系数法和逐步回归分析(SMLR)法提取土壤TN的光谱特征波段,分别基于多元线性回归(MLR)和思维进化算法优化的BP神经网络(MEA-BP)方法构建光谱估测模型,并优选果园土壤TN的光谱估测流程。主要结果如下:(1)确定了苹果园地土壤TN的特征谱段范围基于不同施肥期的光谱数据,对土壤原始光谱R及其8种变换形式,分别采用相关系数法和多元逐步回归(SMLR)法进行土壤TN含量特征波段的筛选,总体来看土壤TN的光谱敏感区主要集中于500-900nm、1400-1500nm、1900-1950nm和2200-2400nm波段范围,其中全施肥期光谱数据中562nm、706nm、808nm、1933nm和2345nm波段受土壤TN含量的影响较为显着;幼果期541nm、808nm、1423nm、1462nm和2423nm波段受影响显着;膨果期554nm、812nm、1931nm和2301nm波段受影响显着;品质期556nm、826nm、2041nm、2313nm和2450nm波段受影响显着;月子期562nm、809nm、858nm、1912nm和2269nm波段受影响显着。(2)确立了苹果园地土壤特征光谱指数的筛选方法选取RSI、DI和NDSI三种常见的光谱指数,采用矩阵全波段两两组合方式,计算土壤原始光谱反射400-2450nm波段范围内所有光谱指数与土壤TN含量的相关性,确定了光谱指数的土壤TN含量敏感区不因采样期时间的不同发生大的变化,其中比值光谱指数(RSI)的敏感区域位于800-900nm、1900-1950nm和2200-2300nm波段范围内,差值光谱指数(DI)和归一化光谱参数(NDSI)的敏感区域均位于1900-1950nm和2200-2300nm波段范围内。(3)确定土壤TN含量特征谱段的筛选方式和光谱指数修正模型的建模效果针对不同施肥期,基于特征波段和特征光谱指数,构建土壤TN含量的MLR和MEA-BP神经网络估测模型,确定基于SMLR方法筛选的特征波段构建的模型预测效果较好,光谱指数的加入能够进一步提高模型的建模精度,其中幼果期、膨果期、品质期、月子期和全年统一的土壤TN含量最佳估测模型均为CR-SCI-MEA-BP神经网络模型。(4)引入连续小波变换构建果园不同施肥期独立和统一的土壤TN光谱估测模型基于土壤原始反射率及其8种变换,利用Gaus4函数对9种形式的光谱进行10个尺度的连续小波变换,利用SMLR方法确定最适分解尺度并提取小波系数,基于最佳尺度的小波系数和特征光谱参数,分别构建果园不同施肥期和全年的土壤TN的MLR和MEA-BP神经网络模型。结果显示:耦合传统光谱变换与连续小波变换可以提升土壤光谱对土壤TN的敏感性,模型精度也有所提升;综合考虑建模决定系数和预测效果,确定该果园各施肥期独立和统一的土壤TN含量估测模型均为基于CR-CWT-SCI-MEABP模型,5期模型的预测精度分别达到0.95、0.96、0.95、0.95和0.91,RMSE分别是0.0027、0.0023、0.0029、0.0026和0.0031。(5)优选提出了土壤TN含量的光谱估测流程从果园土壤TN含量快速、无损监测的需要出发,对比分析了研究中所用的光谱估测关键技术,形成了完整流程,即首先对土壤原始光谱R进行连续统去除(CR)和连续小波(CWT)的耦合处理,采用SMLR方法筛选第5尺度的特征小波系数;然后进行800-900nm、1900-1950nm和2200-2300nm波段范围内土壤特征光谱指数的逐波段计算,并筛选出相关性最好的特征指数;最后基于特征小波系数和特征光谱指数采用MEA-BP神经网络构建土壤TN含量的光谱估测模型。目前我国苹果园地的生产管理正处于新旧产能的交替阶段,部分果园逐步由传统粗放管理转向精确动态化管理。本研究利用土壤高光谱技术,探讨了不同施肥期果园土壤TN对应的光谱特征,建立了估测模型,优选提出了果园不同时期和全年统一的土壤TN快速估测技术流程,为今后开展苹果园地土壤TN的数字化无损诊断和园地质量的精准动态管理提供技术支持。
徐增光[6](2019)在《地震信号的时频分析方法研究及实际应用》文中研究表明利用地震资料可以反演得到与油气相关的频散特征参数,目前该技术主要是利用叠前地震资料进行反演,称为频变AVO反演技术,是地球物理勘探技术方面的一个研究热点。反演中的关键技术是对叠前地震数据进行时频分析得到不同频率成分的信息,然后再结合AVO反演技术进行反演得到与地震波速度频散相关的特征参数。因此,针对实际地震资料的时频分析处理,如何选取合适的时频分析方法变得至关重要。信号的时频分析是信号处理中一个非常重要的领域,它可以揭示数据中更多的细节信息。实际地震资料处理时面对的都是非平稳信号,时频联合分析就是为了获得原始信号的时频域联合信息,表征出原始信号的时变频谱特性。论文主要对比分析了五种不同的时频分析方法,包括短时傅里叶变换、连续小波变换、广义S变换、平滑伪魏格拉威尔分布以及希尔伯特黄变换。从传统的线性时频分析和高精度的时频分析两个方面进行了不同时频分析方法的研究,并利用合成地震记录完成了不同时频分析方法的对比分析,同时验证了这些方法的有效性与可行性。同时,论文还讨论了不同的时频分析方法应该如何选取合适、合理、有效的参数。通过对比发现,针对实际地震资料,平滑伪魏格拉威尔分布时频分析技术具有计算效率高、时频聚集性高以及去除交叉干扰项能力强的特点。通过研发形成了适合实际地震资料处理的平滑伪魏格拉威尔分布时频分析技术,并将该时频分析方法应用在实际地震数据的频变AVO反演中。文中选取了一个实际工区的地震数据,开展了叠前频变AVO反演的应用研究。本文选用平滑伪魏格拉威尔分布的时频分析方法,对实际叠前地震数据进行时频分析,完成了实际地震数据的分频处理。最后,利用频变AVO反演方法得到了地震频散特征属性参数,完成了基于频散特征属性参数的含气丰度预测。
王克东[7](2019)在《致密砂岩储层地震流体识别方法研究》文中进行了进一步梳理致密砂岩储层具有低孔隙度、低渗透率、孔隙结构复杂等特点,基于流体弹性参数构建的流体因子不能很好的满足储层预测对精度的要求。因此,寻找更高精度的流体因子是致密砂岩储层流体识别研究的核心。孔隙流体流动会引起地震波的频散和衰减,因此,频散属性可以用于识别流体。传统AVO技术以Gassmann理论为基础,Gassmann理论假设岩石高孔渗,流体粘度为零,没有考虑地震波的频散和衰减。因此,传统AVO技术用于流体识别存在一定的局限性。基于介观尺度岩石物理理论的频变AVO反演在传统反演的基础上引入频率信息,得到的频散属性可以用于识别流体,本文在频变AVO反演的基础上开展致密砂岩储层地震流体识别的研究。本文首先通过介观尺度Johnson模型分析频散特性与物性参数的关系,论述频变主控因素,为反演提供理论支撑。然后,在传统时频分析的基础上,进行高精度反演谱分解研究,获得频变反射系数,为反演提供输入数据。最后,推导基于Russell近似式的频变AVO反演方程,在Cauchy约束下建立目标泛函,利用IRLS优化算法求解反演问题,获得频变流体项,并与传统反演相结合,构建稳定性好,分辨率高的流体因子。模型测试和实际资料应用表明,新的流体因子对含流体储层具有更好的刻画能力,流体识别精度更高。
张国印[8](2019)在《川西坳陷沙溪庙组致密砂岩优质储层识别及预测方法研究》文中认为致密砂岩油气藏储层质量严重影响其开发效果,准确识别及预测优质储层是实现致密砂岩油气藏高效开发的重要基础。传统储层表征方法虽然可以提供一套既有解决方案,但针对复杂致密砂岩油气藏的储层表征仍有众多问题需要解决。针对储层测井解释精度低、地震预测分辨率低等问题,本论文以川西坳陷沙溪庙组致密砂岩气藏为研究目标,以深度学习和机器学习为主要技术,充分挖掘岩心、测井、地震数据潜能,形成一套多尺度数据驱动的智能储层分类、测井解释、地震预测新方法,提高优质储层识别及预测的精度和工作效率。研究区沙溪庙组河道致密砂岩具有物性、孔隙结构强非均质的特征,综合岩相、成岩相对储层质量的控制,论文总结了六种岩石物理相。针对储层孔隙度、渗透率及流动带指标等物性参数的聚类分析,得到三类储层定量分类模型。岩石物理相与物性参数聚类结合得到沙溪庙组综合储层分类方案,准确识别出优质Ⅰ类和Ⅱ类储层。提出基于深度学习的智能测井解释新方法,建立了沙溪庙组统一的孔隙度、渗透率测井解释模型,与其他机器学习方法和分砂体方法相比,提高了测井解释的精度和效率,将多盲井渗透率预测平均相对误差由1.16降至0.53。提出了应用于深度学习机制解释的敏感性分析及类型曲线新方法,分析了沙溪庙组渗透率深度学习模型“黑箱”中蕴含的地质模式,认为深度学习能够学习到相对于其他方法更加复杂的非线性模式,可以从测井参数中学习到孔隙结构对渗透率的影响模式。针对地震岩性、优质储层预测,提出四种不同的深度学习反演模型:深度反演(DNN)、卷积反演(CNN)、小波深度反演(CWT-DNN)以及小波卷积反演(CWT-CNN)。分析认为,小波卷积反演结合了连续小波变换和卷积神经网络,可以从时频谱图中提取更多薄层信息,是一种高分辨率智能地震反演方法,在沙溪庙组岩性、储层预测中表现最佳,特别是对于中层和薄层预测。沙溪庙组5m以上河道砂体厚度预测平均相对误差由0.66降至0.34;5m以上优质Ⅰ类和Ⅱ类储层厚度预测平均相对误差分别由0.75和0.72降至0.34和0.15。论文形成一套多尺度数据驱动的智能储层识别及预测方法,在川西沙溪庙组应用并取得良好效果,论证了数据驱动的深度学习技术的可行性及潜力,在油气勘探与开发研究领域具有广阔的推广应用前景。
王振达[9](2019)在《基于多尺度反演的薄储层预测方法研究与应用》文中研究说明在我国很多储层以薄层为主。现今的反演方法没有充分利用地震资料相对低频和高频的信息,分辨率无法达到识别薄层的能力。本文从提高层位标定准确度,建立高精度测井初始模型和降低反演多解性三个角度出发,提出了多频段匹配井震小层标定、方位距离约束测井建模和多尺度混合反演三种新方法。多频段匹配井震小层标定为多尺度混合反演提供准确的时深。方位距离约束测井建模为多尺度混合反演提供高精度的初始模型。多尺度混合反演的结果用于薄储层格架的追踪解释。通过安第斯工区实际资料的应用,形成了以下三点认识:(1)层位标定是建立测井和地震之间关系的桥梁。采用中值滤波和方波化对测井数据进行预处理可以压制噪声,得到稀疏特性的反射系数序列。不同频带的地震数据反映的地质信息不同。多频段匹配井震小层标定可以在低、中、高频段同时获得良好的标定效果。(2)使用方位距离约束建模方法构建初始模型,避免了反距离加权法“牛眼现象”的出现。(3)多尺度混合反演依据时频图“频枝”出现的位置设置频段范围,将初始模型和地震数据体分解为大、中、小三个尺度数据体。将各尺度的反演结果按照一定的权重相加,得到最终的反演结果。多尺度混合反演方法较常规反演分辨率更高,可以识别10m以下薄层。最后,在方法研究的基础上使用C++编程语言和Qt界面设计框架,成功地将本课题的研究方法软件化,开发了多频段匹配小层标定、方位距离建模和多尺度混合反演三个可以独立运行的软件模块。
陶钰[10](2019)在《基于SST的时频分析方法改进与应用研究》文中指出作为信号处理领域中有力的分析手段,时频分析将帮助我们理解掌握信号特点,同时也为后续处理打下良好的基础。获取能够正确描述信号特征并具有高分辨率的结果是目前时频分析的主要目标。同步挤压变换(SST)是一种最新发展的时频分析工具,它可以通过“重新分配”时频分布来优化原有结果并提高分辨率。凭借自身所具有完备的数学理论和重构能力,SST成为信号领域研究的热门方向与课题。如何进一步提高分析精度成为应用SST方法时中需考虑的关键问题。本文在对SST理论进行全面阐述后,通过模型测试验证了其在能量聚焦性、抗噪性及重构能力中的表现。但原有SST中仍存在能量模糊现象,对此,二阶同步挤压变换(SST2)可作为一种对应的改进方法。理论与模型测试也验证了这种修正瞬时频率的方法在SST中的适用性。此外,本文进一步研究了利用更高阶相位信息来修正瞬时频率的高阶SST方法并探讨了其具体实现过程。模型与实际数据也检验了这种改进方法的效果,但这种方法是基于STFT实现的,因此仍受到固有分辨率的限制。为更好地分析复杂信号,本文创新性的提出了基于自适应窗口的同步挤压S变换(ASST)与其利用局部算子修正的二阶SST(ASST2),而基于迭代思想修正ASST2(Multi ASST2)的方法又使时频分析的精度有了进一步的提高。数值模拟结果验证了这种在自身与SST两方面来改善原有效果的复合方法能够在实现高精度、高分辨率的同时,保持较高的噪声鲁棒性与重构能力。最后,我们将上述基于SST改进的高精度方法应用到地震处理的谱分解与面波压制环节中,利用实际资料表明它们的应用价值。
二、褶积、相关分析与连续小波变换 (CWT)的关系(英文)(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、褶积、相关分析与连续小波变换 (CWT)的关系(英文)(论文提纲范文)
(1)地震资料高精度谱分析方法研究(论文提纲范文)
摘要 |
Abstract |
第1章 引言 |
1.1 研究目的及意义 |
1.2 非平稳信号定义 |
1.3 地震数据的非平稳性 |
1.4 谱分析技术研究现状 |
1.5 论文主要内容及章节安排 |
1.6 论文主要创新点 |
第2章 时频分析基本方法对比分析 |
2.1 时频分析方法 |
2.1.1 线性时频分析 |
2.1.2 双线性时频分析 |
2.1.3 非线性时频分析 |
2.1.4 参数化时频分析 |
2.2 方法对比分析 |
2.3 本章小结 |
第3章 基于局部多项式傅里叶变换的地震道时频分析 |
3.1 方法原理 |
3.1.1 LPFT基本表达式 |
3.1.2 瞬时频率估计方法分析 |
3.1.3 LPFT方法求解 |
3.2 数值模拟 |
3.3 实际资料 |
3.4 本章小结 |
第4章 基于旋转时频原子库的匹配追踪分解方法 |
4.1 方法原理 |
4.1.1 衰减地震波的时频变化关系 |
4.1.2 旋转时频原子库的构建 |
4.1.3 基于旋转时频原子库的匹配追踪方法 |
4.1.4 衰减地震波的旋转时频特性表征 |
4.2 实际资料 |
4.2.1 地震资料重构 |
4.2.2 含气储层时频分析 |
4.3 问题讨论 |
4.4 本章小结 |
第5章 结论与展望 |
5.1 结论 |
5.2 展望 |
致谢 |
参考文献 |
附录 攻读博士学位期间发表学术论文 |
(2)高铁地震信号分析研究(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 国内外发展现状 |
1.2.1 高铁地震信号分析研究国内外发展现状 |
1.2.2 同步挤压变换国内外发展现状 |
1.3 主要研究内容 |
1.4 论文结构 |
第二章 时频分析方法概述与对比分析 |
2.1 时频分析方法概述 |
2.1.1 短时傅里叶变换 |
2.1.2 小波变换 |
2.1.3 同步挤压变换 |
2.2 时频分辨率对比分析 |
2.2.1 窄带信号数值实验 |
2.2.2 褶积模型地震信号数值实验 |
2.3 本章小结 |
第三章 基于同步挤压小波变换的高铁地震信号时频分析 |
3.1 实测高铁地震信号预处理 |
3.2 保定地区数据分析 |
3.2.1 不同运动状态下的高铁地震信号特征 |
3.2.2 高铁地震信号产生机制的探讨 |
3.3 深圳地区数据分析 |
3.4 本章小结 |
第四章 基于同步挤压小波变换的高铁地震信号波场分离 |
4.1 小波去噪方法理论 |
4.1.1 小波阈值法去噪基本原理 |
4.1.2 同步挤压小波阈值法去噪 |
4.2 去噪效果对比分析 |
4.2.1 窄带信号数值实验 |
4.2.2 褶积模型地震信号数值实验 |
4.3 实测高铁地震信号波场分离实验 |
4.4 本章小结 |
结论与展望 |
参考文献 |
致谢 |
攻读硕士学位期间的研究成果 |
(3)煤田地震数据时频域反褶积方法研究(论文提纲范文)
摘要 |
abstract |
1 引言 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 时频分析研究现状 |
1.2.2 反褶积方法研究现状 |
1.2.3 粘弹性理论研究现状 |
1.3 论文研究内容和创新点 |
1.3.1 论文研究内容与技术路线 |
1.3.2 论文创新点 |
2 改进的广义S变换方法 |
2.1 瞬时谱分析 |
2.1.1 Fourier变换 |
2.1.2 复信号分析 |
2.1.3 瞬时频率和瞬时相位 |
2.2 短时Fourier变换 |
2.2.1 短时Fourier变换(STFT) |
2.2.2 Heisenberg测不准原理 |
2.2.3 Gabor变换 |
2.3 连续小波变换(CWT) |
2.4 改进的广义S变换 |
2.4.1 S变换(ST) |
2.4.2 广义S变换(GST) |
2.4.3 改进的广义S变换(IGST) |
2.4.4 数值模拟测试 |
2.5 本章小结 |
3 时频域反褶积方法 |
3.1 反褶积基础 |
3.1.1 平稳地震记录褶积模型 |
3.1.2 非平稳地震记录褶积模型 |
3.1.3 最佳维纳滤波及最小平方反褶积 |
3.1.4 Gabor反褶积 |
3.2 复赛时频谱谱模拟法提取时变子波 |
3.2.1 复赛时频谱谱模拟法 |
3.2.2 基于信赖域算法提取时变子波时频谱 |
3.3 时变子波时频谱平滑 |
3.4 改进的时频域反褶积方法及测试 |
3.4.1 改进的时频域反褶积方法 |
3.4.2 数值模拟测试 |
3.5 本章小结 |
4 粘声波地震波场正演及时频域反褶积方法测试 |
4.1 一阶速度-应力方程交错网格有限差分方法 |
4.1.1 弹性波波动方程 |
4.1.2 时间2M阶与空间2N阶差分 |
4.2 近似常Q粘声波方程 |
4.2.1 广义标准线性固体(GSLS) |
4.2.2 基于差分进化(DE)算法的粘声介质近似常Q值拟合 |
4.2.3 近似常Q值粘声波一阶速度-应力方程的构建 |
4.2.4 数值模拟测试 |
4.3 煤岩岩石物理实验 |
4.3.1 煤岩样品与实验设备 |
4.3.2 煤岩超声波速度测试 |
4.3.3 煤岩品质因子Q提取 |
4.4 煤系层状模型粘声波地震波场正演及时频域反褶积 |
4.4.1 煤系层状模型粘声波地震波场正演 |
4.4.2 时频域反褶积方法测试 |
4.5 煤系断层地质模型粘声波地震波场正演及时频域反褶积 |
4.5.1 煤系断层地质模型粘声波地震波场正演 |
4.5.2 时频域反褶积方法测试 |
4.6 煤系陷落柱地质模型粘声波地震波场正演及时频域反褶积 |
4.6.1 煤系陷落柱地质模型粘声波地震波场正演 |
4.6.2 时频域反褶积方法测试 |
4.7 本章小结 |
5 YC煤矿三维地震资料处理及时频域反褶积应用 |
5.1 概况 |
5.1.1 地质概况 |
5.1.2 采集概况 |
5.2 三维地震资料预处理 |
5.2.1 静校正 |
5.2.2 地表一致性振幅补偿 |
5.2.3 速度分析、动校正(NMO)与叠加 |
5.3 时频域反褶积应用 |
5.3.1 时变子波时频谱提取 |
5.3.2 时变子波时频谱多道加权平滑 |
5.3.3 测井数据对比分析 |
5.3.4 时频域反褶积应用效果对比分析 |
5.4 本章小结 |
6 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
致谢 |
作者简介 |
(4)时频分析在高精度地震资料处理中的应用研究(论文提纲范文)
摘要 |
ABSTRACT |
创新点 |
第1章 绪论 |
1.1 研究目的和意义 |
1.2 国内外研究现状 |
1.2.1 时频分析技术研究现状 |
1.2.2 初至拾取技术研究现状 |
1.2.3 反Q滤波方法研究现状 |
1.2.4 多次波压制技术研究现状 |
1.3 本文主要研究内容 |
第2章 时频分析技术概述 |
2.1 常规时频分析方法 |
2.1.1 短时傅里叶变换 |
2.1.2 连续小波变换 |
2.1.3 S变换 |
2.1.4 WVD分布 |
2.1.5 经验模态分解 |
2.1.6 时频谱重排 |
2.1.7 稀疏反演谱分解 |
2.2 高分辨率时频分析新方法 |
2.2.1 同步压缩变换 |
2.2.2 二阶同步压缩变换 |
2.3 本章小结 |
第3章 初至拾取新方法研究 |
3.1 常规初至拾取方法 |
3.1.1 能量比法 |
3.1.2 相关法 |
3.1.3 神经网络法 |
3.1.4 图像处理法 |
3.2 基于CEEMD的初至自动拾取方法 |
3.2.1 方法原理 |
3.2.2 模型数据测试 |
3.2.3 实际数据处理 |
3.3 基于约束线的初至自动拾取方法 |
3.3.1 方法原理 |
3.3.2 实际数据处理 |
3.4 本章小结 |
第4章 时空变自适应反Q滤波 |
4.1 常规反Q滤波方法 |
4.1.1 基于波场延拓的反Q滤波方法 |
4.1.2 截止频率反Q滤波方法 |
4.1.3 稳定因子反Q滤波方法 |
4.1.4 自适应增益反Q滤波方法 |
4.2 时空变自适应反Q滤波 |
4.2.1 反Q滤波基本原理 |
4.2.2 时空变自适应增益函数 |
4.3 模型数据测试 |
4.3.1 无噪模型 |
4.3.2 含噪模型 |
4.4 实际数据处理 |
4.5 本章小结 |
第5章 基于二阶同步压缩变换的高精度谱分解方法 |
5.1 同步压缩变换(SST) |
5.2 基于短时傅里叶变换的同步压缩变换(FSST) |
5.2.1 STFT和多分量信号 |
5.2.2 基于短时傅里叶变换的同步压缩变换 |
5.3 二阶同步压缩变换(FSST2) |
5.3.1 基本原理 |
5.3.2 模型数据测试 |
5.4 实际数据处理 |
5.4.1 实例一 |
5.4.2 实例二 |
5.5 本章小结 |
第6章 基于自适应Shearlet变换和高分辨率Radon变换的层间多次波压制 |
6.1 多次波成因及特征分析 |
6.1.1 多次波的成因 |
6.1.2 多次波的分类 |
6.1.3 多次波的时距曲线 |
6.1.4 多次波的特征 |
6.2 多次波压制方法研究 |
6.2.1 预测反褶积 |
6.2.2 Radon变换多次波压制技术 |
6.2.3 聚束类滤波多次波压制技术 |
6.2.4 基于波动方程理论的多次波压制技术 |
6.3 基于自适应Shearlet变换和高分辨率Radon变换压制层间多次波 |
6.3.1 Shearlet变换 |
6.3.2 基于Shearlet变换的自适应阈值算法 |
6.3.3 高分辨率Radon变换 |
6.3.4 组合方法压制层间多次波 |
6.4 模型测试和实际资料处理 |
6.4.1 模型测试 |
6.4.2 实际资料处理 |
6.5 本章小结 |
第7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 |
(5)苹果园地土壤全氮含量的高光谱参数及估测模型研究(论文提纲范文)
符号说明 |
中文摘要 |
英文摘要 |
1 前言 |
1.1 研究背景及意义 |
1.2 土壤全氮含量的光谱估测技术研究进展 |
1.2.1 土壤光谱预处理研究进展 |
1.2.2 土壤光谱指数的研究进展 |
1.2.3 土壤全氮含量的光谱估测模型研究 |
1.3 高光谱技术在监测果园土壤氮素研究中存在的问题 |
1.4 研究内容 |
1.4.1 土壤全氮含量的特征波段提取 |
1.4.2 土壤全氮含量的光谱特征指数的筛选 |
1.4.3 土壤全氮含量的光谱估测模型构建 |
1.4.4 基于连续小波变换的土壤全氮含量光谱估测研究 |
1.4.5 果园土壤全氮含量的高光谱估测流程优选 |
1.5 研究技术路线 |
2 研究区概况与数据处理 |
2.1 研究区概况 |
2.2 土壤样本的采集 |
2.3 光谱数据采集与化验分析 |
2.3.1 土壤样本的预处理 |
2.3.2 土壤光谱数据的采集 |
2.3.3 土壤样本的化验分析 |
2.4 光谱数据预处理 |
2.4.1 土壤光谱断点矫正及边缘噪声波段的去除 |
2.4.2 SG平滑 |
2.4.3 光谱变换 |
2.4.4 数据求导 |
2.4.5 连续统去除 |
2.4.6 结果分析 |
3 苹果园地不同施肥期土壤全氮特征谱段及光谱参量的筛选 |
3.1 不同施肥期土壤含氮量及其光谱特征 |
3.1.1 不同施肥期土壤全氮含量统计特征 |
3.1.2 不同施肥期土壤光谱的变化特征 |
3.2 土壤全氮的特征谱段提取 |
3.2.1 特征谱段的提取方法 |
3.2.2 结果分析 |
3.3 苹果园地土壤全氮含量的光谱特征指数筛选 |
3.3.1 数据处理 |
3.3.2 基于全波段范围内的光谱特征指数 |
3.4 小结 |
4 苹果园地土壤全氮含量的光谱估测研究 |
4.1 数据处理与方法 |
4.1.1 数据处理 |
4.1.2 建模方法 |
4.2 不同施肥期土壤全氮含量高光谱估测模型 |
4.2.1 一元回归分析 |
4.2.2 多元回归分析 |
4.2.3 基于思维进化算法优化的BP神经网络估测模型研究 |
4.2.4 基于光谱指数的模型优选 |
4.3 全施肥期土壤全氮含量高光谱估测模型 |
4.4 小结 |
5 基于小波分析的土壤全氮含量的高光谱估测及模型优选 |
5.1 数据处理与方法 |
5.1.1 数据处理 |
5.1.2 小波分析 |
5.2 基于小波分析的土壤全氮含量的高光谱估测 |
5.2.1 光谱分析 |
5.2.2 相关性分析 |
5.2.3 分解尺度的确定 |
5.2.4 基于连续小波变换的土壤全氮含量高光谱估测模型的研究 |
5.3 模型的优选 |
5.4 小结 |
6 结论与讨论 |
6.1 结论 |
6.2 研究特色与创新 |
6.3 讨论 |
参考文献 |
致谢 |
攻读学位期间发表论文情况 |
参与的科研项目 |
(6)地震信号的时频分析方法研究及实际应用(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 论文研究目的和意义 |
1.2 国内外研究现状 |
1.2.1 传统线性时频分析方法 |
1.2.2 高精度时频分析方法 |
1.3 论文的主要研究内容 |
第2章 传统线性时频分析方法 |
2.1 短时傅里叶变换(STFT) |
2.1.1 傅里叶变换(FT) |
2.1.2 希尔伯特变换(HT) |
2.1.3 短时傅里叶变换(STFT) |
2.1.4 窗口的选择 |
2.1.5 短时傅里叶变换(STFT)的特点 |
2.1.6 实例分析 |
2.2 小波变换(WT) |
2.2.1 基本小波的定义 |
2.2.2 连续小波变换(CWT) |
2.2.3 小波尺度到频率的转换 |
2.2.4 Morlet小波的改进 |
2.2.5 连续小波变换与短时傅立叶变换的对比 |
2.2.6 连续小波变换(CWT)分析 |
2.2.7 实例分析 |
2.3 广义S变换(GST) |
2.3.1 标准S变换 |
2.3.2 三种线性时频分析方法的对比 |
2.3.3 广义S变换 |
2.3.4 广义S变换的特点 |
2.3.5 实例分析 |
第3章 高精度时频分析方法 |
3.1 平滑伪魏格拉威尔分布(SPWVD) |
3.1.1 魏格拉-威尔分布(WVD) |
3.1.2 伪魏格拉威尔分布(伪WVD) |
3.1.3 平滑伪魏格拉威尔分布(SPWVD) |
3.1.4 实例分析 |
3.2 希尔伯特黄变换(HHT) |
3.2.1 希尔伯特黄变换(HHT)在地球物理中的研究进展 |
3.2.2 瞬时频率(IF)的估算方法 |
3.2.3 经验模态分解(EMD)的方法原理 |
3.2.4 经验模态分解(EMD)算法的特点 |
3.2.5 实例分析 |
3.3 五种时频分析方法的单道实际信号时频分析 |
第4章 实际应用 |
4.1 频变AVO反演 |
4.1.1 AVO理论基础 |
4.1.2 频变AVO反演理论基础 |
4.1.3 定量预测含气丰度 |
4.2 实际数据应用实例 |
4.2.1 工区概况 |
4.2.2 层位数据情况 |
4.2.3 斑块饱和模型 |
4.2.4 分频处理结果 |
4.2.5 过井剖面 |
4.2.6 目的层属性 |
4.2.7 含气饱和度分布预测图 |
第5章 结论与建议 |
5.1 结论 |
5.2 建议 |
参考文献 |
致谢 |
(7)致密砂岩储层地震流体识别方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究目的与意义 |
1.2 国内外研究现状 |
1.2.1 流体识别方法研究现状 |
1.2.2 介观尺度岩石物理模型研究现状 |
1.2.3 时频分析方法研究现状 |
1.2.4 频变AVO反演研究现状 |
1.3 论文的主要研究内容 |
第2章 介观尺度岩石物理模型研究 |
2.1 孔隙介质地震波理论 |
2.2 White斑块饱和模型 |
2.3 Johnson斑块饱和模型 |
2.4 致密砂岩储层频散衰减特性分析 |
2.5 小结 |
第3章 时频分析方法研究 |
3.1 基于变换的时频分析 |
3.1.1 短时傅立叶变换(STFT) |
3.1.2 短时傅立叶变换与倒频谱联合拓频 |
3.1.3 小波变换(CWT) |
3.1.4 S(广义S)变换(GST) |
3.1.5 魏格纳-威利分布(WVD) |
3.2 基于反演的时频分析 |
3.2.1 稀疏约束反演谱分解 |
3.2.2 反演谱分解去噪 |
3.3 基于反演谱分解的薄层AVO分析 |
3.3.1 薄层调谐效应 |
3.3.2 薄层陷频现象 |
3.3.3 薄层分频AVO分析 |
3.4 小结 |
第4章 频变AVO反演及流体因子构建 |
4.1 粘弹性介质中的频变反射系数 |
4.2 频变AVO反演 |
4.3 流体因子构建 |
4.3.1 流体因子的构建思想 |
4.3.2 流体因子的物理意义 |
4.4 流体因子效果测试 |
4.4.1 一维模型测试 |
4.4.2 二维模型测试 |
4.4.3 实际数据测试 |
4.5 小结 |
第5章 致密砂岩工区储层流体识别应用 |
5.1 工区地质概况 |
5.2 原始资料分析 |
5.2.1 地震资料分析 |
5.2.2 测井资料分析 |
5.3 地震数据AVO及 FAVO反演 |
5.4 致密砂岩储层流体识别 |
5.5 小结 |
第6章 结论 |
参考文献 |
致谢 |
(8)川西坳陷沙溪庙组致密砂岩优质储层识别及预测方法研究(论文提纲范文)
摘要 |
ABSTRACT |
创新点 |
第1章 绪论 |
1.1 选题的目的及意义 |
1.2 国内外研究现状 |
1.2.1 致密砂岩储层分类评价方法 |
1.2.2 人工智能、机器学习与深度学习 |
1.2.3 数据驱动方法与理论驱动方法 |
1.2.4 测井解释与地震预测方法 |
1.3 存在的主要问题 |
1.4 主要研究内容 |
1.5 研究思路及技术路线 |
1.6 完成的工作量 |
1.7 取得的主要成果和认识 |
第2章 研究区概况 |
2.1 区域地质背景 |
2.2 沙溪庙组沉积特征 |
2.2.1 沉积相特征 |
2.2.2 孤立河道砂体特征 |
2.3 沙溪庙组气藏特征 |
第3章 致密砂岩储层特征及质量主控因素 |
3.1 致密砂岩储层特征 |
3.1.1 岩石学特征 |
3.1.2 宏观物性特征 |
3.1.3 微观孔隙结构特征 |
3.1.4 含气性特征 |
3.2 沉积作用对储层质量的控制 |
3.2.1 砂体类型对储层质量的影响 |
3.2.2 岩相对储层质量的影响 |
3.3 成岩作用对储层质量的控制 |
3.3.1 方解石胶结 |
3.3.2 石英胶结 |
3.3.3 粘土胶结 |
3.3.4 长石溶蚀 |
3.3.5 压实作用 |
3.4 裂缝对储层质量的控制 |
3.5 储层质量主控因素分析 |
第4章 储层分类评价及优质储层特征 |
4.1 储层岩石物理相 |
4.2 储层多参数聚类 |
4.2.1 聚类分析方法 |
4.2.2 聚类参数的选择 |
4.2.3 储层聚类结果 |
4.3 储层综合分类方案及优质储层特征 |
第5章 基于深度学习的储层参数测井解释方法 |
5.1 数据特征分析 |
5.1.1 河道砂岩孔渗数据特征及非均质性 |
5.1.2 孔渗关系及流动单元模式 |
5.1.3 分砂体孔渗模型 |
5.2 深度学习测井解释建模策略 |
5.2.1 技术思路 |
5.2.2 深度神经网络 |
5.2.3 输入与输出数据 |
5.2.4 模型性能评估方法 |
5.2.5 数据集划分与交叉验证 |
5.2.6 欠拟合与过拟合 |
5.3 孔隙度与渗透率测井解释模型 |
5.3.1 超参数优化 |
5.3.2 模型效果对比分析 |
5.4 深度学习模型分析及优化 |
5.4.1 敏感性分析方法 |
5.4.2 孔隙度与渗透率模型敏感性分析 |
5.4.3 类型曲线可视化方法 |
5.4.5 渗透率模型“黑箱”智能模式分析 |
5.4.6 模型优化 |
5.5 多井解释 |
5.5.1 孔隙度与渗透率多井解释 |
5.5.2 储层类型测井识别 |
5.6 小结与讨论 |
第6章 基于深度学习的优质储层地震预测方法 |
6.1 常规优质储层地震预测方法 |
6.1.1 岩石物理分析 |
6.1.2 叠后波阻抗反演岩性预测 |
6.1.3 叠前同时反演优质储层预测 |
6.2 深度学习地震反演方法 |
6.2.1 技术思路 |
6.2.2 卷积神经网络 |
6.2.3 井震匹配及分辨率 |
6.2.4 时频谱图转换 |
6.2.5 滑动时窗采样 |
6.2.6 深度学习反演框架 |
6.3 深度学习叠后地震反演岩性预测 |
6.3.1 数据集构建 |
6.3.2 模型评估方法 |
6.3.3 小波卷积反演模型实验 |
6.3.4 不同深度学习反演模型对比 |
6.3.5 与常规方法对比 |
6.4 深度学习叠前地震反演优质储层预测 |
6.4.1 叠前深度学习反演模型 |
6.4.2 优质储层预测结果 |
6.5 小结与讨论 |
第7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 |
(9)基于多尺度反演的薄储层预测方法研究与应用(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究的目的与意义 |
1.2 研究现状 |
1.2.1 井震标定的研究进展 |
1.2.2 叠后反演方法和影响分辨率的因素 |
1.2.3 多尺度反演的应用与发展 |
1.3 研究内容 |
第2章 小波多尺度分解理论 |
2.1 小波分析数学基础 |
2.2 连续小波变换 |
2.3 小波函数的选择 |
2.4 尺度与频率的关系 |
第3章 多频段匹配井震小层标定 |
3.1 多频段匹配井震小层标定基本原理 |
3.2 测井数据校正 |
3.2.1 中值滤波,提高测井数据信噪比 |
3.2.2 方波化处理,获取稀疏的反射系数序列 |
3.3 多频段平移匹配与子波优选 |
3.4 应用效果分析 |
第4章 多尺度混合反演 |
4.1 多尺度混合反演基本原理 |
4.2 Morlet小波改造,提高与实际地震子波相似性 |
4.3 高精度测井建模方法 |
4.3.1 反距离加权建模 |
4.3.2 方位距离加权建模 |
4.3.3 两种建模方法的三维模型比较 |
4.4 L_0范数稀疏脉冲反演 |
4.5 单一尺度叠后反演方法 |
4.5.1 叠后反演算法 |
4.5.2 贝叶斯原理,自适应平衡分辨率和稳定性的关系 |
4.6 单道反演测试 |
第5章 实际资料应用 |
5.1 工区概况 |
5.2 实际资料处理 |
5.3 多尺度混合反演效果分析 |
5.4 薄储层解释 |
第6章 结论 |
参考文献 |
致谢 |
(10)基于SST的时频分析方法改进与应用研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究目的和意义 |
1.2 国内外研究现状 |
1.3 本文主要研究内容 |
第2章 常规时频分析方法概述 |
2.1 短时傅里叶变换 |
2.2 连续小波变换 |
2.3 Stockwell变换及其广义变换 |
2.4 Wigner-Ville分布 |
2.5 经验模态分解EMD |
第3章 同步挤压变换基本原理 |
3.1 时频谱重排 |
3.2 同步挤压变换基本原理 |
3.2.1 基于连续小波变换的同步挤压变换 |
3.2.2 基于短时傅里叶变换的同步挤压变换 |
3.2.3 基于S变换的同步挤压变换 |
3.3 数据测试与分析 |
3.3.1 SST信号模型测试 |
3.3.2 抗噪性分析 |
3.3.3 重构精度与误差分析 |
第4章 基于SST的高精度改进方法研究 |
4.1 二阶同步挤压变换算子 |
4.1.1 瞬时频率的重新估计 |
4.1.2 二阶同步挤压变换 |
4.1.3 数据测试与对比 |
4.2 基于Taylor展开的高阶SST方法研究 |
4.2.1 信号的高阶Taylor展开公式 |
4.2.2 矩阵回代求取瞬时频率 |
4.2.3 数据测试与对比 |
4.3 自适应同步挤压S变换及其改进方法 |
4.3.1 基于迭代的SST改进 |
4.3.2 自适应S变换 |
4.3.3 自适应同步挤压S变换 |
4.3.4 自适应同步挤压S变换的改进 |
4.3.5 数据测试与对比 |
第5章 高精度SST在地震处理中的应用 |
5.1 谱分解技术 |
5.1.1 基本原理 |
5.1.2 实际资料处理 |
5.2 面波压制 |
5.2.1 基本原理 |
5.2.2 模型测试 |
5.2.3 实际资料处理 |
第6章 总结 |
6.1 结论 |
6.2 创新与不足 |
参考文献 |
致谢 |
四、褶积、相关分析与连续小波变换 (CWT)的关系(英文)(论文参考文献)
- [1]地震资料高精度谱分析方法研究[D]. 戚鹏飞. 中国地质大学(北京), 2020(04)
- [2]高铁地震信号分析研究[D]. 许杰. 长安大学, 2020(06)
- [3]煤田地震数据时频域反褶积方法研究[D]. 孙亮. 中国矿业大学(北京), 2020(01)
- [4]时频分析在高精度地震资料处理中的应用研究[D]. 郭志伟. 中国石油大学(北京), 2020(02)
- [5]苹果园地土壤全氮含量的高光谱参数及估测模型研究[D]. 王文倩. 山东农业大学, 2020(09)
- [6]地震信号的时频分析方法研究及实际应用[D]. 徐增光. 中国石油大学(北京), 2019(02)
- [7]致密砂岩储层地震流体识别方法研究[D]. 王克东. 中国石油大学(北京), 2019(02)
- [8]川西坳陷沙溪庙组致密砂岩优质储层识别及预测方法研究[D]. 张国印. 中国石油大学(北京), 2019(01)
- [9]基于多尺度反演的薄储层预测方法研究与应用[D]. 王振达. 中国石油大学(北京), 2019(02)
- [10]基于SST的时频分析方法改进与应用研究[D]. 陶钰. 中国石油大学(北京), 2019(02)