基于CMP道集智能化的初始速度建模方法研究

王瑞林,馮 波,2,吳成梁,王華忠,張 猛

(1.波現(xiàn)象與智能反演成像研究組(WPI),同濟(jì)大學(xué)海洋與地球科學(xué)學(xué)院,上海200092;2.同濟(jì)大學(xué)海洋高等研究院,上海200092;3.中國石油化工股份有限公司勝利油田分公司物探研究院,山東東營257022)

疊加速度分析技術(shù)是整個地震波速度建模流程的起點(diǎn)。無論疊前偏移還是速度反演,高精度的宏觀背景速度模型必不可少[1]。隨著寬方位,寬頻帶和高密度(“兩寬一高”)采集技術(shù)的普及,地震數(shù)據(jù)量劇增[2]。面對TB級別甚至PB級別的海量地震數(shù)據(jù),人工速度分析只能通過降低拾取密度來完成處理任務(wù),導(dǎo)致速度建模精度降低。雖然一些自動化的疊加速度分析方法可以高效地實(shí)現(xiàn)密點(diǎn)拾取,但在低信噪比的實(shí)際數(shù)據(jù)處理中效果仍不理想。此外,很少有文獻(xiàn)討論如何將處理員的經(jīng)驗(yàn)認(rèn)知融入自動化算法當(dāng)中,因此,有必要發(fā)展一套全自動化的疊加速度分析處理流程,并將處理專家的建模經(jīng)驗(yàn)融入其中,推動疊加速度分析技術(shù)從自動化邁向智能化。

從TANER[3]提出速度譜概念后,在很長一段時間里,人們都致力于提升速度譜的精度,發(fā)展基于CMP道集的自動速度建模方法,其中包括利用數(shù)據(jù)的自相關(guān)特征[4-5]、概率統(tǒng)計特征[6-8],以及更加精細(xì)的模型諸如考慮AVO效應(yīng)以及非雙曲時距關(guān)系等[9-12]提升速度譜的分辨率和信噪比。在機(jī)器學(xué)習(xí)理論框架下也發(fā)展了一些自動化速度分析方法,如采用卷積神經(jīng)網(wǎng)絡(luò)(CNN)[13-16],循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)[17],生成對抗網(wǎng)絡(luò)(GAN)[18]等監(jiān)督學(xué)習(xí)類方法,實(shí)現(xiàn)將速度譜或地震道集作為輸入、通過網(wǎng)絡(luò)模型獲得拾取的譜點(diǎn)或速度模型的過程。……