速度是反映地下构造和岩石物性的一个重要参数。近地表速度的精度直接影响勘探区域的地震资料静校正、速度分析以及最终成像的效果。目前常用的近地表建模方法和技术多基于高频近似的射线理论,不能满足当前近地表精细建模的需求。通过对微测井、折射波法、面波法、走时层析以及全波形反演等近地表建模技术的全面调研,总结了它们的适应性、优缺点及研究应用现状,指出联合走时层析与波形反演的技术方法在时间域分步骤、多尺度的反演策略是近地表高精度建模的有效手段和发展方向,能有效提高建模精度,适应高精度成像要求。该方法在近地表的矿产普查、工程物探、油气勘探等领域存在广泛的应用前景。
Seismic velocity is a critical factor in reflecting underground structure and lithology. The accuracy of near-surface velocity directly influences the results of static correction, velocity analysis and the final imaging in exploration areas. Near-surface modeling methods and technologies commonly used are based on the ray theory of high-frequency approximation, which barely meet the highaccuracy request in current nearsurface modeling. Through an overall investigation into nearsurface modeling technologies such as micro logging, mini refraction, surface wave method, traveltime tomography and Full Waveform Inversion (FWI), this paper summarizes their adaptability, advantages and disadvantages, research and application status, points out that by combining traveltime tomography and waveform inversion, the step-by-step and multiscale inversion strategy in the time domain is an effective means and trend of near-surface high-accuracy modeling, which can improve modeling accuracy effectively and meet the requirements of high accuracy imaging. Thus, the method has widespread application prospects in near-surface mineral prospecting, engineering geophysics and hydrocarbon exploration.
随着世界经济对油气、地下水[1]、矿产等资源需求量的日益增加, 勘探力度逐步加大, 这就对高精度建模成像技术提出了更高的要求。而中国陆相沉积特点, 近地表地质条件具有地表和地下的“ 双复杂” 特性。复杂地表表现为近地表结构不连续、地形起伏大、低降速层(速度/厚度)变化大、灰岩出露/岩性变化大、潜水面埋深/高速层顶面变化大等; 地下复杂表现为目的层产状不连续、逆掩推覆、高陡构造等; 地下复杂储层拥有礁滩、缝洞、致密砂岩、裂隙等不同储层类型。图1描述了近地表地震地质条件的复杂性。
这些复杂的地震地质条件给地震勘探带来了严峻的挑战, 具体表现为:①干扰波发育, 单炮资料信噪比低; ②静校正问题突出, 地震波初至扭曲严重; ③去噪与弱反射波信号提取难, 速度分析困难; ④波场复杂, 成像精度低等。复杂的近地表条件导致近地表速度建模精度不高, 严重影响到勘探区域的地震资料静校正、速度分析以及最终的成像结果, 进一步影响解释人员确定低缓冲构造及地层塌陷, 确定水平井的定位, 识别精细油藏构造。因此, 如何提高近地表速度模型精度将是复杂地表成像处理的关键问题[2], 近地表速度模型的精确重建对近地表的矿产普查, 工程物探[3]以及改善近地表复杂区老油田成像精度, 提高油气产量具有重要意义。
本文通过对传统近地表速度建模, 全波形反演技术研究进展与应用现状的全面调研, 指出联合走时层析与波形反演策略, 在时间域分步骤、多尺度反演是近地表高精度建模的有效手段及发展方向。
在山地、黄土塬[4]等复杂地质构造区域, 浅表层干扰波强烈, 吸收衰减严重、高速岩层出露以及近地表横向速度变化剧烈, 使地震波的传播路径变得非常复杂, 同时野外施工困难, 导致采集到的地震资料信噪比低, 道间时差变化剧烈[5], 表层结构调查工作越来越受到人们的重视, 出现了很多近地表速度反演方法, 如微测井、折射波法、面波法以及走时层析方法等, 这几种方法在实际生产中应用比较广泛[6]。
微测井是在一口或多口穿过低、降速带的井中, 采用井中激发、地面接收, 地面激发、井中接收或井中激发、井中接收等方式, 利用多次激发而得到的透射波时距曲线的拐点和折射段的斜率来划分低速层、降速层速度和厚度[7]。
微测井法能够较准确地确定测点处表层速度随深度变化的规律, 但在低速带厚度和速度变化比较大的地区, 必须加密测点。利用微测井法调查的表层结构一般比较准确, 特别是对于低降速层较厚, 速度变化较大的表层结构, 其计算精度要优于其他方法, 该方法基本不受地表条件的限制, 适用范围较广[8], 但这种方法成本高、效率低, 一般仅用于表层结构调查的控制点测量。
小折射法是根据折射波基本理论, 通过直达波和折射波时距曲线计算出近地表各层的厚度和埋深。
表层调查应用小折射并用稀疏的微测井和推水坑加以校正, 在高速层埋藏较深时, 一般采用移动炮点进行观测, 应用首尾拼接的折射波时距曲线进行解释, 得到该点的表层结构。该方法的优势在于操作简单、成本低、效率高, 是一种常用的表层结构调查方法。因此该方法适用于地表平缓、表层结构简单且低降速层变化较小的区域[8]。段云卿等[9]进行了三分量的小折射的表层研究。利用小折射法获得的低降速层厚度一般偏小, 只有在折射界面稳定的情况下, 计算精度较高; 在低降速层厚度较大、速度变化较大时, 计算精度略低。由于小折射法使用的是偏移距较小的初至折射波, 对地形起伏剧烈, 以及表层速度变化大的地区不适用。
面波勘探多指瑞雷波勘探。在反射地震勘探中, 面波通常都被作为干扰波剔除。由于面波包含了许多有用地下介质信息, 并且有时比其他方法更容易得到这些有用信息, 因此面波勘探被广泛应用于地表及地质条件复杂的非沙漠区及沙漠区近地表地质调查。这是因为面波勘探具有2个特征:一是在层状介质中传播时所特有的频散特性, 其传播相速度和穿透深度随频率和波长的改变而改变, 即不同频率(波长)面波的传播特性反映了地层垂向上的变化, 同一频率(波长)面波的传播特性反映了地质条件横向上的变化。换言之, 面波勘探实质是频率勘探, 面波的频散特性是其探测浅层地质结构的理论基础。二是同一介质中面波相速度与横波速度具有相关性。据此可以将所测地层的面波速度转换为横波波速。面波法求取横波速度较其他一些方法(如测井、折射法地震勘探等)具有效率高、精度高等优点。张维等[10]在玉溪和夏垫两地分别开展了天然源和人工源面波联合勘探试验, 利用采集到的人工源和天然源面波信息进行数据处理并提取频散曲线, 反演浅部地层的横波速度结构, 大大提升了面波勘探能力, 但在数据采集和处理技术上还存在诸多问题。常规面波勘探方法探测深度相对较浅, 最深不过50~60m, 其理论研究以及实际应用有待进一步的深入。
层析成像最先用于医学, 20世纪80年代地震层析成像进入地球物理领域, 由于走时层析成像效率高, 稳健, 实际应用费用低廉, 一直是研究热点之一, 走时层析通过最小化观测旅行时与计算旅行时之间的差值来计算速度扰动, 更新速度场, 层析线性方程可以表达为[11]:
L∆s=∆t, (1)
式中:L是灵敏度矩阵,其元素为射线在网格内的射线路径长度;∆t为走时残差向量; ∆s是反演的慢度更新量,通过不断迭代更新速度模型。
射线追踪是走时层析的核心技术[12], 桑运云[13]推导了抛物旅行时插值射线追踪公式, 提出了基于抛物旅行时插值的最短路径射线追踪方法, 克服了最短路径方法中射线“ 之” 字路径的缺陷, 提高建模精度。Zhou[14]引入多尺度层析来处理不均匀的射线覆盖, 减少层析中的多解性问题, 并对南加利福尼亚地壳结构进行了三维测试, 验证了利用多尺度层析比传统的单尺度层析能够得到分辨率更高的速度模型。随后, Liu等[15]展示了在实际资料中常见的上覆地层速度高于下覆地层速度的Yilmaz速度模型对初至走时层析射线路径、静校正的严重影响, 将多尺度可变层层析(Multiscale Deformable-Layer Tomography, DLT)应用到该模型中显著的提高了静校正结果和深层成像精度。Taillandier[16]采用伴随状态法避免Fré chet矩阵导数估计, 对于大数据体在提高计算效率的同时, 对近地表速度异常有很好的刻画能力。
旅行时层析对于反演地下速度结构是一个很稳健的工具, 尽管这种方法是快速有效的, 但是它是基于高频近似, 而地震震源是有限频带的, 同时它仅利用初至旅行时, 忽略了地震记录中包含在振幅中其他重要的信息。因此, 基于这种本身技术的局限性, 存在建模的“ 盲区” , 旅行时层析反演出来的速度模型是次优的, 在分辨率和精度上不能满足实际资料处理的需要。
为了克服走时层析成像的高频局限, 近年来, 地震勘探工作者做出了很多努力, 产生了波路径 [17~21]和菲涅耳体层析方法[22~23]。菲涅耳体走时层析虽然与波动方程走时反演的效果相当, 但与射线走时层析一样需要进行高频近似, 且比射线方法更为耗时。
全波形反演是当今的研究热点, 它基于Bayes理论框架之下, 利用叠前地震波场的运动学和动力学信息重建地下物理模型参数, 在理论上被认为是建模精度最高的手段, 对复杂构造较小储层等具有精细刻画的潜力[24, 25]。全波形反演是一个观测数据与计算数据的拟合过程[26], 在数学上是一个高度病态的非线性问题, 涉及模型参数化、误差泛函的建立、数据预处理、波场的数值模拟, 子波估计等研究内容[27]。从20世纪80年代Lailly[28]和Tarantola[24]分别提出时间域的全波形反演, 由于时间域同时反演所有频率成分, 使得问题的非线性问题增大, Bunks[29]提出了时间域的多尺度反演, 通过对资料处理分解为不同的空间尺度, 从而增加了问题的稳定性, 降低了非线性程度。90年代, Pratt[30, 31]提出了频率域全波形反演, 从低频逐步走向高频的策略极大程度的降低了非线性。在梯度求取中采用伴随状态法[32]通过震源正传波场和残差回传波场相关求取梯度, 避开了对Fré chet矩阵求导, 使梯度计算变得更加高效、方便, 极大地推动了全波形反演的实用化进程。
20世纪80年代, Gauthier[33]等和Mora[34]实现了二维地震资料全波形反演。随着计算机水平的提高, 三维全波形反演在90年代中后期陆续出现[35, 36], 2010年, Sirgue等[37]率先对挪威北海油田OBC数据实现了全波形反演, 对浅层气云进行了准确描述, 并对周边充气的断裂构造进行了精细的刻画, 发展了直接对高精度速度体进行地震资料解释的新思路。随后, 全波形反演海上三维实际资料应用陆续出现[38, 39]。在缺少低频的情况下, Shin[40]采用拉普拉斯域联合频率域全波形反演, 首先利用拉普拉斯域全波形反演对频率不敏感的特性来恢复长波长分量, 继而以此为初始模型利用频率域全波形反演恢复短波长分量实现高精度建模。
2012年, 壳牌公司和东方地球物理公司合作实现了二维陆上资料的全波形反演[41]。但是这一研究是基于低频大偏移距的特殊的观测系统, 这在常规实际资料中是难以实现的, 在地震采集中也难以大规模实施。针对国内陆上探区特点, Hu[42]开展了面向目标层的全波形反演研究, 结果展示了全波形反演对浅中层建模的积极作用, 成像剖面有很大改善, 构造与测井信息更加吻合。
然而, 由于数据空间向参数空间映射强烈的非线关系性以及地下地质模型的复杂性和地震传播过程的正演算子的复杂性, 全波形反演陆上实用化是非常困难的。胡光辉[43]通过模型验证分析了全波形反演陆上实际资料应用的困难。杨勤勇[44]指出陆上全波形反演的应用瓶颈在于:①路上地震资料常规三维勘探中采用滚动采集以及观测系统设计多基于反射波勘探, 偏移距较小难以满足全波形反演所要求的全方位角、大偏移距观测系统; ②低频信息缺失; ③陆上数据预处理面临的挑战; ④陆上炸药震源, 随机干扰严重。
全波形反演是一套完美的数学理论体系, 已逐渐从模型试算走向实际资料应用。而经典的全波形反演实用化是非常困难的, 它要求准确的背景速度场以及低频、大偏移距信息, 常规观测系统难以满足。全波形反演不仅利用深层反射波, 折射波, 同时还利用直达波, 浅层折射波等近地表波场, 对浅中层也具有精确刻画能力, 但目前对这方面的研究很少。通过分频带, 多尺度的多种手段联合反演来大幅度提高速度估计和成像精度是一种新的近地表反演流程。
鉴于常规的初至走时层析技术方法本身具有局限性, 仅利用地震波运动学特征精确度不高, 存在建模的“ 盲区” , 再加上人工拾取初至波存在较大误差, 工作量大。而全波形反演技术应用受到地震资料的种种限制, 要求准确的背景速度场以及低频、大偏移距信息, 使其在实际资料应用中遇到了很多困难, 还不能完全达到实用化的目的。Sheng[45]联合初至走时层析与波形反演利用近地表折射数据进行最早波至波形层析(Early arrival waveform tomography), 利用初至波反演近地表低波数背景速度场、在L2范数约束的最早波至波形反演反演高波数扰动速度场。这一技术基于波动方程不仅充分运用运动学和动力学特征, 还可以避开全波形反演大偏移距和低频信息的限制及人工拾取初至波步骤, 完成高精度近地表建模及校正。模型试验结果表明其结果较走时层析更加精确, 收敛性更好。对于墨西哥湾海洋数据, 由浅层低速气团引起的静校正问题突出, 在利用该方法得到的速度模型经过静校正之后比走时层析效果有了很大的提高, 对Mapleton Utah 陆地数据反演结果比走时层析结果能够更好地与测井曲线匹配。
以二维声波方程为例, 在时间域采用空间四阶时间二阶交错网格有限差分方法正演[46], 模型顶边界应用自由表面边界, 其他边界利用完全匹配层(Perfectly Matched Layer, PML)边界[4750]。
目标函数采用数据残差L2范数, 通过最小化匹配函数不断更新速度模型:
数据残差表示为:
式中:
式中:
利用Polak-Ribié re formula公式来求取参数
速度模型通过下式来更新:
式中:
Sheng等[45]提出的最早至波形层析的新方法(Early-arrival Waveform Tomography, EWT), 通过对地震数据加窗仅仅反演最早至波场。与传统的全波形反演相比, 由于需要更少的数据匹配, 降低了非线性, 但是反演中的高频数据使目标函数仍然具有高度的非线性, EWT还是会遇到局部极小问题。Bunks等[29]提出时间域多尺度波形层析, 利用Hamming-window 滤波器对地震子波和地震数据进行低通滤波, 使反演从低频到高频数据依次进行。由于对于慢度的目标函数在低频比在高频更加线性, 多尺度波形层析(Mutiscale Waveform Tomography, MWT)更容易达到局部极小。而Bunks等[29]利用Hamming-window function进行低通滤波对于时间域MWT不是最有效的滤波器。而且在反演过程中, 频带选择是任意的。对于每一个频带, 反演进行多次迭代, 这就导致过多的频带花费大量的计算时间。在频率域, Sirgue等[57]提出了一种最优频带选择策略, 极大地减少了波形反演的计算量, 把这种方法应用到时间域, 2009年, Chaiwoot Boonyasiriwats结合Bunks等提出的多尺度层析以及Sirgue等在频率域提出的最优频带选择策略将Sheng等的方法推进一步, 不再是仅仅利用折射数据, 而利用全波场信息, 通过滤波并选择最优频带在时间域运用分频带和变化网格相结合的方法来克服波形反演中的严重局部极小值问题, 分步骤、分尺度的联合初至走时层析和全波形反演进行近地表速度建模, 提高了收敛速度和计算效率, 精确地恢复了速度模型的低波数成分和高波数成分[58~60]。
传统的时间域波形层析[45]只利用一个频带数据和一种有限差分网格容易导致局部极小问题。通过利用几个频带数据和变化网格大小, 多尺度方法[29]成功的反演了复杂的Marmousi 模型。在时间域进行多尺度反演, 低通滤波是非常关键的。
Bunks[29]利用Hamming-windowfunction[61]对震源子波和数据进行低通滤波。震源子波在反演之前已经被估计得到[62~65]。维纳滤波器一般应用在频率域, 它的一个优点是把一个信号滤到接近另一个目标信号。低通维纳滤波可以通过下式计算:
式中:fWiener是维纳滤波器, Woriginal是初始子波, Wtarget(ω )是低频目标子波,
在时间域MWT, 通过对子波和数据进行维纳滤波使得滤过的震源子波和数据基本有同样的频带变化范围。
Sirgue 等[57]提出的在频率域波形反演中选择最优频带范围策略被延伸到时间域来减少恢复的速度结构中的波数冗余。单一频率中, 一个炮检对的贡献仅仅是一个波数成分。速度模型中一系列的垂直波数成分可以通过一系列炮检对来更新。
Sirgue等[57]提出的选择频带公式是:
式中:
在时域反演, 一个给定带宽多个频率同时使用, 在这里使用频带最大振幅谱一半的频率来确定频带的最小和最大频率, 用于计算恢复的波数范围, 振幅小于最大振幅一半的频率成分被认为对恢复波数微不足道。尽管如此, 来自这些频率成分的贡献可以当做来自2个连续频带恢复的的两个波数范围的重叠区域。
![]() | 图2 时间域波形层析最优频带选择策略[58]Fig 2 Strategy for choosing optimal frequency bands for time-domain wave form tomography[58] |
图2为时间域波形层析最优频带选择策略示意图, 在第n个频带, 频带最小和最大频率分别为
对于下一个频带
其中, 起始频率选择是任意的。一个好的起始频带取决于模型的复杂性。在实际数据中, 一个合理的准则是利用带有最低峰值频率的频带作为初始频带。
图3d真实速度模型是由多个小尺度的速度异常体嵌入变化缓慢的背景速度场的2d模型, 201炮和201个检波器沿地表均匀分布, 间隔20 m, 最大偏移距4km, 这些小尺度的异常体利用传统的旅行时层析是很难恢复的。
单尺度波形反演(Single-scale Waveform Tomography, SWT)[43]和多尺度波形反演(Multiscale Waveform Tomography, MWT)应用到这个数据集。SWT中, 反演利用初始的震源和数据; MWT中, 利用震源和数据的多个频带。通过频带选择策略, 仅仅利用5和20Hz的雷克子波频带。对于低频带, 使用20 m的网格, 2ms的时间采样间隔, 不会有数值频散和不稳定性的危险。对于高频带, 使用5米的网格, 0.5ms时间采样间隔。SWT和MWT的初始速度模型都利用走时层析结果。
![]() | 图3 时间域多尺度波形反演结果(a)5Hz峰值频率数据MWT结果; (b)5Hz和20Hz峰值频率数据MWT反演结果; (c)20Hz峰值频率数据SWT反演结果; (d)真实速度模型[58]Fig 3 Time-domain multiscale waveform inversion results(a)MWT velocity tomogram obtained after inversion using 5-Hz peak-frequency data; (b)MWT velocity tomogram obtained after inversions using 5- and 20-Hz peak-frequency data; (c)SWT velocity tomogram obtained after inversion using 20-Hz peak-frequency data; (d)the true velocity model[58] |
图3中SWT的最终模型结果展示了局部极小值问题的影响, 恢复模型远不如使用MWT得到的模型。而且, SWT的总运行时间23小时, 比MWT长64%, 残差曲线表明MWT残差比SWT残差低16%。将层析结果和真实模型对比表明MWT收敛到局部极小而SWT没有。通过将MWT成功应用到2D模型, 并与传统单尺度波形反演结果对比, 可以看出MWT有更高的计算效率, 更快的收敛速度。通过使用维纳滤波和最优频带选择策略提高了计算效率。通过应用最优频带选择策略, 利用更少的频带, 避免了不必要的计算成本。在低频段, 利用较大网格和时间步长, 正演模拟和反演是高效的。通过逐步的恢复速度结构的高波数成分, 从低到高, 多尺度方法可以提高波形层析的收敛性质并在一定程度上克服误差泛函中遭遇的局部极小问题。模型实验表明, 对于传统的时间域波形反演, 多尺度方法可以提高计算效率和收敛速度。
将该方法应用到墨西哥湾海上实际资料。在反演之前, 为了进行3D几何扩散校正, 通过在频率域滤波将数据从3D变化到2D[51], 数据中初至前的噪声被切除, 通过谱比法[66]估计衰减因子Q, 并利用反Q滤波器[67]对数据进行补偿, 沿着海底反射叠加来估计子波。数据通过低通滤波分为两个频带0~15Hz和0~25Hz。利用走时层析提供初始数据依次反演。反演由三部分组成, 每一部分利用不同时间长度的切割时窗对数据切割截取。第一部分将滤波后的数据利用1s的切割时窗截取, 依次对0~15Hz和0~25Hz的数据进行反演, 对由第一部分重建的的速度模型作为第二部分的初始模型, 其中第二部分切割窗口长度2s, 第三部分, 切割窗口长度3s。图4展示了波形反演结果, 比初始模型走时层析结果有更高的分辨率。
![]() | 图4 墨西哥湾海洋数据反演结果(a)走时层析反演结果; (b)MWT反演结果[59]Fig 4 Inversion results from the marine data(a)The initial velocity model obtained from traveltime tomography; (b)The velocity tomogram obtained from waveform tomography[59] |
图5a, b分别是走时层析和波形反演偏移成像结果。图6是图5中方框内的偏移成像放大结果。采用波形反演结果作为偏移速度, 偏移成像比走时层析结果作为偏移速度得到的偏移成像更加聚焦。图7中通过对比二者共成像点道集的拉平程度可以看到波形反演结果比走时层析结果更加精确。
一些专业公司在近地表建模方面做了很多工作, PGS公司[68]在北海(North Sea)利用折射波和回折波的特征波全波形反演对浅水地质环境进行速度建模, 反演得到高分辨率速度模型, 小尺度异常体得到了精确刻画, 偏移成像和共成像点道集均展现出了其优于反射层析结果。沙特阿拉伯石油公司和GeoTomo [69]公司将最早至波形反演应用到Saudi Arabia的三维陆上地震数据, 结果显示比走时层析结果提高了喀斯特地形特征的纵横向分辨率, 并反演得到走时层析所未反演出的高速层。
在实际资料应用中, 预处理环节是至关重要的, 其中涉及到子波估计、吸收衰减补偿, 几何扩散校正, 消除噪音等, 其他一些额外的处理策略也是必不可少的。
另一方面, 王华忠等[25]分析指出需要合理的增加相位信息在泛函中的比例, 综合应用波场中旅行时、相位和振幅的信息。通过修改目标函数来降低非线性问题, 董良国等[70]分析了不同目标函数随不同物性参数的不同扰动尺度的变化性态, Shen[71]通过加入更多的相位信息修改目标函数, 降低波形, 振幅的敏感性, 减少非线性程度, 对传统的L2范数波形反演实用化具有更进一步的推动作用。此外, 该方法结合面波勘探[72]以及其他非地震方法如高精度重力法[73], 浅层电磁法[74~75]及电阻率法进行近地表高精度速度建模具有广泛的应用前景。
![]() | 图5 墨西哥湾海洋数据偏移结果(a)走时层析偏移结果; (b)MWT偏移结果[59]Fig 5 Migration images from the marine data.(a)The Kirchhoff migration image obtained using the original data and the traveltime tomogram; (b)The Kirchhoff migration image obtained using the waveform tomogram[59] |
![]() | 图6 偏移成像放大结果对比(a)和b)分别是图5a实线框和虚线框放大结果; (c)和(d)分别是图5b实线框和虚线框放大结果[59]Fig 6 Zoomed views of migration images from the marine data.Using the traveltime tomogram, the Kirchhoff migration images in(a)the solid box and(b)the dashed box are obtained. Using the waveform tomogram, the Kirchhoff migration image in(c)the solid box and(d)the dashed box are obtained[59] |
我国西部山前带、沙漠、黄土塬等地区近地表条件复杂, 地表高程变化大、横向速度变化剧烈, 低降速带发育, 近地表速度建模十分困难。本文通过对传统近地表建模技术的全面调研, 指出了它们的优缺点及适应性, 总结了基于射线类反演的理论建模盲区以及全波形反演(FWI)的应用瓶颈。这些方法, 很难做到近地表的高精度建模, 而近地表速度模型的精度直接影响速度分析精度以及最终成像的效果, 尤其是当前由构造型油气藏到岩性油气藏的勘探目标的转变, 高精度的近地表建模显得尤为重要。近年来提出的最早波至波形反演联合走时层析是实现近地表高精度建模的有效手段及未来发展方向。该方法基于射线类走时反演建立初始模型, 通过最早波至波形反演, 利用特征波的动力学特征, 可有效的解决近地表复杂区的高精度建模问题, 进而提高近地表复杂区的整体速度建模精度, 改善这些区块的成像质量。对近地表复杂区的老油田资料进行二次处理, 改善其建模成像精度, 探明新的隐蔽型油气藏, 提高老油区的油气产量具有重要意义。与此同时, 该方法与其他非地震方法的结合在近地表的矿产普查, 工程物探, 油气勘探等领域具有广泛的应用前景。
感谢中石化“ 近地表复杂区早至波全波反演建模技术研究” 项目组的支持, 感谢SEISCOPE研究组专家学者的有益讨论。
The authors have declared that no competing interests exist.
[1] |
|
[2] |
|
[3] |
|
[4] |
|
[5] |
|
[6] |
|
[7] |
|
[8] |
|
[9] |
|
[10] |
|
[11] |
|
[12] |
|
[13] |
|
[14] |
|
[15] |
|
[16] |
|
[17] |
|
[18] |
|
[19] |
|
[20] |
|
[21] |
|
[22] |
|
[23] |
|
[24] |
|
[25] |
|
[26] |
|
[27] |
|
[28] |
|
[29] |
|
[30] |
|
[31] |
|
[32] |
|
[33] |
|
[34] |
|
[35] |
|
[36] |
|
[37] |
|
[38] |
|
[39] |
|
[40] |
|
[41] |
|
[42] |
|
[43] |
|
[44] |
|
[45] |
|
[46] |
|
[47] |
|
[48] |
|
[49] |
|
[50] |
|
[51] |
|
[52] |
|
[53] |
|
[54] |
|
[55] |
|
[56] |
|
[57] |
|
[58] |
|
[59] |
|
[60] |
|
[61] |
|
[62] |
|
[63] |
|
[64] |
|
[65] |
|
[66] |
|
[67] |
|
[68] |
|
[69] |
|
[70] |
|
[71] |
|
[72] |
|
[73] |
|
[74] |
|
[75] |
|