一種基于多波地震的多尺度屬性融合

摘要：相比于多波地震數據采集和處理方法，多波地震數據解釋方法進展較慢，難以體現多波地震技術的優越性。常規地震屬性提取與分析多基于縱波地震資料，并未綜合利用儲層縱、橫波信息。為此，提出了一種多尺度屬性融合技術，以增強多波復合屬性的油氣敏感性。對于實際二維地震剖面，首先，構造一個高斯金字塔，以生成不同分辨率的各種復合屬性；其次，融合不同尺度的所有屬性形成有效的多尺度增強屬性；再次，借鑒圖像疊加理論，將不同的多尺度增強屬性混合疊加，可有效突出儲層發育區域，且保留了各種屬性間的差異，能更好地描述砂體的含油氣性。模型試算表明，對于含油氣砂巖與圍巖差異較小的復雜二維模型，依據RGB的多波地震融合屬性能夠檢測儲層，并可識別反射界面位置。實際數據試算表明，所提方法能分辨靶區河道砂體的儲層分布。

關鍵詞：多波地震，地震屬性，高斯金字塔，圖像分析，多尺度融合

中圖分類號：P631文獻標識碼：A DOI：10.13810/j.cnki.issn.1000-7210.2024.04.023

A multi?scale attribute fusion based on multi?wave seismic

PAN Hui，GAO Jianhu，GUI Jinyong，LI Shengjun，CHEN Qiyan

（Northwest Branch，Research Institute of Petroleum Explorationamp;Development PetroChina，Lanzhou，Gansu 730020，China）

Abstract：Compared with the multi?wave seismic data acquisition and processing methods，the progress of multi?wave seismic data interpretation methods is relatively slow，which makes it difficult to demonstratethe superio?rity of multi?wave seismic technology.Conventional seismic attribute extraction and analysis are mostly based on P?wave seismic data，without fully utilizing reservoir P?wave and S?wave information.Therefore，a multi?scale attribute fusion technology is proposed to enhance the oil and gas sensitivity of multi?wave composite attri?butes.For an actual 2D seismic profile，firstly，a Gaussian pyramid is constructed to generate various compo?site attributes of different resolutions.Secondly，all attributes of different scales are fused to form an effective multi?scale enhanced attribute.Thirdly，by leveraging image superposition theory，different multi?scale en?hanced attributes are mixed and superimposed，which can effectively highlight the reservoir development area and retain the differences between various attributes，thus better describing the oil and gas bearing properties of the sand body.The model test shows that for complex two?dimensional models with small differences between oil?bearing sandstone and surrounding rock，the multi?wave seismic fusion attribute based on RGB can detect reservoirs and identify the location of reflection interfaces.The actual data test shows that the proposed method can accurately distinguish the distribution of channel sand body in the target area.

Keywords：multi?wave seismic，seismic attribute，Gaussian pyramid，image analysis，multi?scale fusion

潘輝，高建虎，桂金詠，等.一種基于多波地震的多尺度屬性融合［J］.石油地球物理勘探，2024，59（4）：856-864.

PAN Hui，GAO Jianhu，GUI Jinyong，et al.A multi-scale attribute fusion based on multi-wave seismic［J］.Oil Geophysical Prospecting，2024，59（4）：856-864.

0引言

現今多分量地震記錄采集與處理技術日趨成熟，多分量地震數據解釋已不再僅僅追求精細描述構造。在多波反演技術的幫助下，巖性反演、流體描述和斷裂描述以及各向異性解釋等已取得較大進展，然而，相比于多波地震數據采集和處理方法，多波地震數據解釋方法進展較慢，難以體現多波地震技術的優越性[1-6]。主要原因為：現有轉換波解釋技術尚不完善；沒有很好地應用多波記錄蘊含的地震信息；難以構建精確的多波地震模型；欠缺分析轉換波數據的巖石物理依據；多分量地震資料與測井資料聯合反演、AVO分析等方面存在諸多問題[7-10]，需要深入探討理論、方法。

地震屬性是指分析或運算地震數據而獲得的突顯地層地震響應特征的數據。地震屬性能揭示蘊含在常規地震數據中的隱晦信息，如，地層含流體時地震振幅變強、頻率變低，地層存在裂縫時地震波相干性變弱等[11-12]。基于地質因素差異，如果通過研究獨立屬性分析地質問題，往往因地震數據分辨率、信噪比等的限制而會出現偏差。振幅、頻率和相位是最重要的地震屬性，運用這些屬性能夠重建地震記錄。然而，對依據縱波地震屬性基于多波地震資料建立有效的多波屬性解釋方法，為高質量儲層評價與流體識別提供有力保障，仍缺乏足夠重視[13-14]。

隨著計算機網絡與地震探測方法的迅速發展，可充分提取和利用地震記錄中潛藏的信息，日益增多的地震屬性提取方法也為地球物理解釋提供了新工具或手段。如，通過圖像分割對多類屬性開展聚類分析從而優選最佳屬性、以多譜成像原理為基礎融合多屬性，這些算法的共性在于基于非線性統計方法以及綜合多屬性信息提取最優屬性[15-17]。實際應用證明，非線性方法比其他方法的魯棒性更強，多屬性融合方法考慮了各種屬性的異常信息，可充分體現地下地質體特征。當前，地震屬性提取手段日漸豐富，屬性提取算法正逐步轉向非線性領域，縱波多屬性分析（模糊聚類、深度學習）已廣泛用于地震流體識別，將來地震屬性分析落腳點將逐漸向地質方向靠攏[18]。常規地震屬性提取與分析多基于縱波地震資料，并未綜合利用儲層縱、橫波信息。此外，常規屬性求解方法只截出縱波波形的一種或幾種特性，由于地球物理的多解性問題，僅依賴一種地震屬性難以準確預測儲層[19-20]。基于多波地震數據有效識別地層巖性和含油氣性，需要從地震信號中求取敏感地震屬性，由于不同地層的敏感地震屬性不同，因此在實際應用中需融合多種屬性才能突出儲層特性。

基于上述研究背景，本文提出了一種多尺度屬性融合技術，以增強多波復合屬性的油氣敏感性。對于實際二維地震剖面，首先，構造一個高斯金字塔，以生成不同分辨率的各種復合屬性。其次，融合不同尺度的所有屬性形成有效的多尺度增強屬性。再次，借鑒圖像疊加理論，將不同的多尺度增強屬性混合疊加，可有效突出儲層發育區域，且保留了各種屬性間的差異，能更好地描述砂體的含油氣性。

1多波地震復合屬性構建原理

振幅、頻率和相位是最基本的地震屬性，利用這些屬性能夠重建地震記錄、估算地層厚度等。本文利用希爾伯特變換獲得多波瞬時振幅、瞬時相位和瞬時頻率等地震特征屬性[21]，通過分析多波模型與實際數據的作用機理，研究油、水層的差異。具體表現為：當地震波經過油氣儲層時，縱波振幅增強、頻率降低；轉換波振幅基本不變、頻率降低；瞬時相位不受地震信號強度的影響，能夠清楚地反映弱反射信號，可獲得更多的深層結構信息。此外，利用瞬時相位對時間的導數識別地震反射界面的效果較好[14]。為提高多波屬性的應用效果，本文提出了一種基于多波地震資料的新復合屬性，該屬性與振幅呈正相關、與頻率呈負相關，不但與地層厚度存在較好的線性映射關系，滿足厚度預測的一般要求，且通過指數運算，可放大多波屬性間的差異，增強了多波復合屬性識別油氣的能力。值得注意的是，在求解多波復合屬性時，由于傳統的瞬時頻率多呈無地質意義的負值，且多波的瞬時頻率差異并不明顯，故采用最小二乘法求解多波瞬時頻率，放大了縱波與轉換波的頻率差異。首先依據實際井旁道數據，基于希爾伯特變換求解多波三瞬屬性，分析儲層（1.09～1.11 s）和非儲層的差異。

實際地震記錄X（τ）的希爾伯特變換為

Y（t）=+dτ（1）

式中：t為時間；τ為時間延遲。Y（t）的解析函數Z（t）、瞬時振幅A（t）、瞬時頻率f（t）和瞬時相位φ（t）分別為

圖1為實際井旁道的三瞬屬性。由圖可見，在儲層位置（紅色橢圓），PP波和PS波的瞬時振幅存在明顯差異（圖1a），瞬時頻率的差異不明顯（圖1b），瞬時相位很穩定，不受油氣影響（圖1c）。為突出多波三瞬屬性的差異，引入基于整形正則化算子的瞬時頻率求解算法[22]，假定連續信號X（t）的復地震道為

式中h（t）是X（t）的希爾伯特變化。

f（t）是φ（t）的時間變化率，即

考慮地震信號的連續相位，使用最小二乘法進一步求解f（t）

f（t）=[p2 I+（DO）T（DO）]-1（DO）T I（5）

式中：I和O分別為l（t）和o（t）組成的矩陣，I為單位矩陣；D為整形算子；p為權系數，通常取O中數據最大值的1%～5%。

圖2為基于整形正則化算子求解的瞬時頻率。由圖可見，在儲層位置（紅色橢圓）PP波和PS波的瞬時頻率差異較非儲層位置明顯，表明多波屬性能夠有效突出儲層特征。

基于此，假定復合屬性γ1為

γ1=Ahe-αfh（6）

式中：Ah為多波資料的瞬時振幅；fh為多波資料的瞬時頻率；α為頻率控制系數。由式（6）可知，γ1與多波振幅呈正相關、與頻率呈負相關，且與地層厚度存在較強的線性映射關系，滿足厚度預測的一般要求，通過指數運算，放大了多波屬性間的差異，增強了多波復合屬性識別油氣的能力。

圖3為A井、B井井旁道的γ1。由圖可見，γ1對儲層較敏感，在儲層位置（紅色橢圓）PP波和PS波屬性差異遠高于非儲層位置。

實際多波資料的作用機制表明：當地震資料經過油氣儲層時，PP波振幅增強、頻率降低；PS波振幅基本不變、頻率降低；瞬時相位不受地震信號強度影響，能夠清楚地反映弱反射信號，可獲得更多的深層結構信息。為此，將γ1乘以瞬時頻率f（t）（f（t）的標量形式）得到復合屬性γ2

γ2=γ1 f（t）（7）

γ1通過求逆的方式求解fh，并引入正則化算子平滑，相當于削弱了底層的影響（瞬時相位的響應），并通過指數形式表征整體地震響應。基于瞬時相位求導獲得的瞬時頻率f（t）突出了結構信息，其提供的較高分辨率放大了底層的弱反射信息，能夠得到不同尺度的多波屬性，可更好地對比多波屬性間的差異。

圖4為A井、B井井旁道的γ2。由圖可見，γ2的分辨率較高，清晰地指示了儲層位置（1.11 s）。且儲層位置PP波的γ2遠高于非儲層位置。

2基于金字塔的多尺度增強技術

在圖像處理中，多尺度分析方法是指以不同分辨率級別表示圖像，每個分辨率級別都包含想要縮放的屬性特征。該方法已廣泛用于圖像處理，如圖像編碼、壓縮、分析和檢測。金字塔表示是多尺度分析的經典方法之一，它產生了尺度空間理論和其他多尺度信號表示。高斯金字塔與拉普拉斯金字塔是典型的多尺度分解算法[23-24]，本文利用高斯金字塔挖掘多波復合屬性的不同尺度特征。針對二維地震剖面S（M，N）∈RM×N，S是尺寸為M×N的矩形支撐，RM×N是尺寸為M×N的實數空間集。首先設置金字塔的尺度為0，表示全分辨率尺度；然后，利用高斯核模糊S0（M，N）得到尺度1——S 1（M，N），通過下采樣2倍計算S 1（M，N），其余尺度以類似方式產生。高斯金字塔構造公式為

式中：i=1，2，…n，n是高斯金字塔分解的尺度；g（k，l）為定義在區域G的高斯核，即g（k，l）=exp（-?（k，l）∈G（9）

式中：k，l是矩形尺寸；σ2是平滑因子，一般取固定值。

對于高斯金字塔，輸入地震剖面的每個樣本將有K個相應的屬性樣本，即每個尺度對應一個樣本。基于算數平均或加權平均方法融合K個樣本獲得一個代表性的樣本。值得注意的是，尺度為0的屬性圖表征由傳統方法計算的屬性，其中金字塔中較高尺度的屬性將具有較低的分辨率，同時保留了大規模特征。另一方面，金字塔中的較低尺度產生的屬性細節更豐富但存在噪聲。為了生成單一的增強屬性，文中設計了一種融合機制，該機制要求屬性映射大小相同。因此，在融合之前，通過插值將所有映射大小調整為尺度為0。與傳統的空間濾波方法相比，多尺度融合步驟可以解釋為在尺度空間進行濾波。如，想得到高分辨率尺度特征，可以使用較大權重的加權平均融合方案降低金字塔尺度，還可以使用非線性算子進行多尺度融合，如秩濾波器。圖6為多尺度屬性增強流程。

3多波屬性聯合渲染技術

最初人們用黑色和白色描述地震記錄，因此難以看清很多地震曲線。為此，Balch[25]在1971年首次使用彩色工具描繪地震資料，可使人們看到更多的地震細節信息。從此，地震屬性彩色展示成為地球物理解釋的有力工具，但當時的彩色展示只能逐一描述多個地震屬性，無法清晰地體現總體趨勢，且難以有效突出地下特殊異常體的存在[26]。為更好地利用地震資料中的隱晦信息，人們引入RGB理論對地震資料顏色渲染，可有效地突出儲層地質異常[27]。本文提出的復合屬性主要依賴于地震數據的振幅、頻率，數據的量綱保持大體一致，在此基礎上，將基于多波的多尺度屬性映射至RGB顏色空間，并借鑒圖像分析思路疊加顯示，可有效地突出儲層發育區域。

基于RGB理論的顏色渲染技術是將輸入的地震屬性通過映射變換到RGB空間，其中的每個值對應顏色空間中的數值

IRGB（x）=R[IR（x），IG（x），IB（x）]（10）

式中：IRGB（x）為變換后的顏色值，x=（x，y，z）為三維地震記錄的某一點；R[·]為RGB變換算法，IR、IG、IB為紅、綠、藍三基色，通過紅、綠、藍的不同分量表征與坐標軸距離，能展示地震資料的具體顏色特征，即

IRGB（x）={R（IR，IG，IB）|0≤IR≤255，0≤IG≤255，0≤IB≤255}

IRGB（x）綜合利用了多波復合屬性的細節，與常規單個地震屬性相比，地質特征更鮮明、細節更豐富。

對于色彩飽和度，本文基于最大和最小值法，將提取的多波屬性歸一化

Cq（x）=255×

避免了多波屬性賦值差異造成的一些有效響應信息被隱藏或丟失。式中：Cq（x）為歸一化多波屬性，q=R，G，B表示紅、綠、藍；R q（x）為提取的多波復合屬性，Rq，min與Rq，max分別為R q（x）的最小值與最大值。

將CR、CG、CB映射至RGB空間，可分別反映同一層面的檢測信息。基于對應像素坐標不發生偏移的原理，本文直接進行疊加融合（圖7），即

4模型試算

為了驗證基于多波地震的多尺度屬性融合方法的效果，依據A區實際地質數據構建了復雜地質模型（圖8），可見模型內圍巖速度與最深處含油氣砂巖速度相差不大。圖9為基于數學理論構建的多種復合屬性，其中多波融合地震記錄是通過RGB理論融合所得，具體方法參見文獻[26]。圖10為基于高斯金字塔的圖9f、圖9i增強，圖11為由RGB得到的多波融合屬性與疊加屬性。由圖可見：基于振幅、頻率差異構建的多種復合屬性從不同角度描述了真實儲層的發育位置，為描述深層含油氣砂巖提供了有力依據，為多波聯合反演奠定了基礎（圖9）；高斯金字塔技術進一步增強了多波復合屬性（圖10）；基于RGB聯合渲染技術得到的多波聯合屬性識別的儲層特征與圖8基本一致，但是由于未考慮實際噪聲影響及多波匹配差異等，因此最終融合效果不好（圖11）。

為對比、分析多波屬性融合方法的效果，抽取模型的單道屬性結果進行對比（圖12）。可見，在儲層發育處（紅色方框處）多波融合屬性（圖12e）顯著突出了儲層差異，PP波屬性和PS波屬性較一致，圖12e與PP波、PS波屬性整體差異不大，具體表現為：①由γ1（圖12a）及γ1增強（圖12b）清晰地展示了PP波和PS波響應的較大差異，但未能明顯突出儲層發育區域，多波復合屬性融合了PP波和PS波的差異，突出了儲層響應（圖12b）。②γ2（圖12c）及γ2增強（圖12d）有效突出了地層細節信息（藍色線框處形成了完整的地震界面）。③圖12e充分考慮了PP波和PS波的差異，放大了儲層響應特征，且具有較高的分辨率。圖9～圖12表明，對于含油氣砂巖與圍巖差異較小的復雜二維模型，依據RGB的多波地震屬性融合能夠檢測儲層，并可識別反射界面位置。

5實際數據試算

四川盆地致密氣藏儲量大，勘探潛力大，沙溪廟組致密氣藏整體勘探、開發效果好。通過分析可知，A區以中—細砂巖為主，重點發育河流—湖泊沉積體系，平面上砂體縱向交錯，橫向連續分布，為生成油氣儲層夯實了牢靠的物質基礎。A區主要目的層（1.11 s附近）由河道砂體疊置而成，具有低PP波阻抗、高PS波阻抗的特征。

圖13～圖16分別為多波地震記錄、基于多波地震記錄得到的多種復合屬性、基于高斯金字塔的多波γ1、多波γ2增強以及基于RGB的多波融合屬性與疊加屬性，其中圖16是由RGB理論融合所得[26]。由圖可見：①僅僅依據多波振幅差異難以識別砂體（圖13c），且圖13c的砂體振幅弱于PP波記錄（圖13a）。②多波γ1（圖14c）、γ2（圖14f）有效識別了儲層發育位置，且清晰地刻畫了河道邊界，此外γ1、γ2的橫向連續性很好，能夠較好地描述河道展布。③對比多波γ1（圖15a）、多波γ2（圖15b）增強與圖14c、圖14f可見，圖15a、圖15b有效增強了多波復合屬性，突顯了儲層差異。④RGB融合技術整體考慮了多波復合屬性性質，可突出河道砂體信息，RGB疊加技術綜合利用多波復合屬性差異（圖16b），可更好地預測儲層，并為確定水平井位置提供了參考依據。

圖17為實際單道多波屬性對比。由圖可見，在儲層發育位置（紅色方框處）多波融合屬性（圖17e）顯著突出了儲層差異，具體表現為：①PP波γ1和PS波γ1差異較大（圖17a），而多波復合屬性能夠融合縱波和轉換波的差異，可有效突出儲層差異；②多波復合屬性在儲層發育位置響應明顯，并通過增強壓制了非儲層影響，突出了儲層響應（圖17b）；③γ2（圖17c）及γ2增強（圖17d）有效突出了地層細節信息（藍色線框處形成了完整的地震界面）；④圖17e充分考慮了PP波和PS波的差異，放大了儲層響應特征，且具有較高的分辨率，并極大地壓制了非儲層影響。

6結論

針對傳統地震屬性提取方法基本依托于縱波資料，缺乏多波資料屬性提取技術的理論依據，為此，本文基于多波記錄的波形差異分析和巖石物理研究，聯合信號處理手段，基于數據驅動的多波融合屬性檢測油氣。首先依據實際井旁道數據，基于希爾伯特變換求解多波三瞬屬性，分析儲層和非儲層的差異。綜合圖像檢測手段，開發了基于多波地震的多種復合屬性計算方法，提出了一種基于多波地震的多尺度屬性融合技術，在拓展多波分析手段的同時，準確提取了多波反射信息，降低了縱波油氣預測中的多解性。實際數據試算表明，所提方法能分辨靶區河道砂體的儲層分布，獲得了較好效果。

尚需指出，文中方法存在以下局限性：①針對多波資料，需進行高精度多波資料匹配，以保證多波復合屬性計算結果的精度；②研究區的多波復合屬性與多波振幅呈正相關、與頻率呈負相關，當復合屬性與振幅或頻率呈負相關時，應適當調整復合屬性公式。

參考文獻

［1］DAVIS T L.Multicomponent seismology—The next wave[J].Geophysics，2001，66（1）：49?49.

［2］GAROTTA R，GRANGER P Y，DARIU H.Com?bined interpretation of PP and PS data provides direct access to elastic rock properties[J].The Leading Edge，2002，21（6）：532?535.

［3］陳天勝，劉洋，魏修成.縱波和轉換波聯合AVO反演方法研究[J].中國石油大學學報（自然科學版），2006，30（1）：33?37.

CHEN Tiansheng，LIU Yang，WEI Xiucheng.Joint amplitude versus offset inversion of P?P and P?SV seis?mic data[J].Journal of China University of Petroleum，2006，30（1）：33?37.

［4］趙邦六.多分量地震勘探在巖性氣藏勘探開發中的應用[J].石油勘探與開發，2008，35（4）：397?409，423.

ZHAO Bangliu.Application of multi?component seis?mic exploration in the explorationand production of lithologic gas reservoirs[J].Petroleum Exploration and Development，2008，35（4）：397?409，423.

［5］唐建明.轉換波三維三分量地震勘探方法技術研究[D].成都：成都理工大學，2010，73?77.

［6］李向陽，王九拴.多波地震勘探及裂縫儲層預測研究進展[J].石油科學通報，2016，1（1）：45?60.

LI Xiangyang，WANG Jiushang.Recent advances in mul?ticomponent seismic and fractured reservoir characteriza?tion[J].Petroleum Science Bulletin，2016，1（1）：45?60.

［7］WEI X，CHEN T.Joint PP and PS AVO inversion based on Zoeppritz equations[J].Earthquake Science，2011，DOI：10.1007/s11589?011?0795?1.

［8］高建虎，桂金詠，李勝軍，等.基于角彈性參數的多波地震儲層預測方法[J].地球物理學報，2018，61（6）：2459?2470.

GAO Jianhu，GUI Jinyong，LI Shengjun，et al.Reser?voir prediction of multi?component seismic data based on angle?elastic paramenters[J].Chinese Journal of Geophysics，2018，61（6）：2459?2470.

［9］錢忠平，孫鵬遠，熊定鈺，等.復雜構造轉換波靜校正方法研究及應用[J].石油地球物理勘探，2023，58（2）：325?333.

QIAN Zhongping，SUN Pengyuan，XIONG Dingyu，et al.Research and application of static correction method for converted waves of complex structures[J].Oil Geophysical Prospecting，2023，58（2）：325?333.

［10］孫宇航，劉洋，陳天勝.基于無監督學習的多波AVO反演及儲層流體識別[J].石油物探，2021，60（3）：385?394，413.

SUN Yuhang，LIU Yang，CHEN Tiansheng.Multi?wave amplitude?versus?offset inversion and reservoir fluid identification based on unsupervised deep learning[J].Geophysical Prospecting for Petroleum，2021，60（3）：385?394，413.

［11］凌里楊，徐天吉，馮博，等.基于深度學習的多波地震信號智能匹配方法與應用[J].石油地球物理勘探，2022，57（4）：768?776.

LING Liyang，XU Tianji，FENG Bo，et al.Intelli?gent matching method based on deep learning for multi?wave seismic signals and its application[J].Oil Geo?physical Prospecting，2022，57（4）：768?776.

［12］LIU J，MARFURT K J.Instantaneous spectral attributesto detect channels[J].Geophysics，2007，72（2）：P23?P31.

［13］王延光，李皓，李國發，等.一種用于薄層和薄互層砂體厚度估算的復合地震屬性[J].石油地球物理勘探，2020，55（1）：153?160.

WANG Yanguang，LI Hao，LI Guofa，et al.A com?postite seismic attribute used to estimate the sand thickness for thin bed and thin interbed[J].Oil Geo?physical Prospecting，2020，55（1）：153?160.

［14］樂友喜，江凡，問雪，等.用于地震反射界面識別的瞬時相位復合屬性[J].物探化探計算技術，2012，34（5）：505?509.

YUE Youxi，JIANG Fan，WEN Xue，et al.Compo?site attribute derived from instantaneous phase for the recognition of reflecting interface[J].Computing Tech?niques for Geophysical and Geochemical Exploration，2012，34（5）：505?509.

［15］陳國飛，石穎，楊會東，等.基于優勢低頻帶地震數據的屬性融合斷層識別方法[J].地球物理學報，2023，66（3）：1232?1243.

CHEN Guofei，SHI Ying，YANG Huidong，et al.Fault identification method of attribute fusion based on seismic optimized frequency of seismic data[J].Chinese Journal of Geophysics，2023，66（3）：1232?1243.

［16］印興耀，孔國英，張廣智.基于核主成分分析的地震屬性優化方法及應用[J].石油地球物理勘探，2008，43（2）：179?183.

YIN Xingyao，KONG Guoying，ZHANG Guangzhi.Seismic attributes optimization based on kernel princi?pal component analysis（KPCA）and application[J].Oil Geophysical Prospecting，2008，43（2）：179?183.

［17］DU L，WU Z.Application of neural network techno?logy optimized by multiple seismic attributes to predict high?impedance sandstone reservoirs in Ordos basin[J].Marine Geology Letters，2010，26（10）：45?49.

［18］姜仁旗，吳鍵，CASTAGNA J，等.地球物理技術最新進展：高分辨率地震頻率和相位屬性分析技術研究與應用效果[J].地學前緣，2023，30（1）：199?212.

JIANG Renqi，WU jian，CASTAGNA J，et al.Recent advances in geophysical technology：High?resolution seis?mic frequency and phase analysis techniques and applica?tions[J].Earth Science Frontiers，2023，30（1）：199?212.

［19］CUNHA A，POCHET A，LOPES H，et al.Seismicfault detection in real data using transfer learning from a convolutional neural network pre?trained with syn?thetic seismic data[J].Computersamp;Geosciences，2020，DOI：10.1016/j.cageo.2019.104344.

［20］CAO L，ZHU S，QING Z.Application of particleswarm optimization?based BP neural network to multi?attribute fusion techniques[J].Oilamp;Gas Geology，2010，DOI：10.1016/S1876?3804（11）60008?6.

［21］HUANG N，SHEN Z，LONG S，et al.The empiricalmode decomposition and the Hilbert spectrum for non?linear and non?stationary time series analysis[J].Pro?ceedings of the Royal Society A：Mathematical，Physi?cal and Engineering Sciences，1998，454（1971）：903?995.

［22］潘輝，印興耀，李坤，等.基于經驗模態分解字典的自適應匹配追蹤譜分解方法及其在油氣檢測中的應用[J].石油地球物理勘探，2021，56（5）：1117?1129.

PAN Hui，YIN Xingyao，LI Kun，et al.Spectral de?composition method of adaptive matching pursuit based on empirical mode dictionary and its application in oil and gas dection[J].Oil Geophysical Prospecting，2021，56（5）：1117?1129.

［23］ADELSON E H，BURT P J.Image data compressionwith the Laplacian pyramid[C].Proceedings of the Pat?tern Recognition and Information Processing Confe?rence，1981，218?223.

［24］ADELSON E H，ANDERSON C H，BERGEN J R，et al.Pyramid methods in image processing[J].RCA Engineer，1984，29（6）：33?41.

［25］BALCH A H.Color sonagrams：A new dimension inseismic data interpretation[J].Geophysics，1971，36（6）：1074?1098.

［26］曹鑒華.RGB混頻顯示技術及其在河道識別中的應用[J].勘探地球物理進展，2010，33（5）：355?358.

CAO Jianhua.RGB color blending and its application in channel recognition[J].Progress in Exploration Geo?physics，2010，33（5）：355?358.

［27］趙堯，白靜，李明翼，等.轉換波地震資料在QL地區隱蔽河道砂巖識別中的應用[C].2022年中國石油物探學術年會論文集（下冊），2022，1844?1847.

（本文編輯：劉勇）

作者簡介

潘輝碩士，1997年生；2019年獲安徽理工大學勘查技術與工程專業學士學位；2022年獲中國石油大學（華東）地質資源與地質工程專業碩士學位；現在中國石油勘探開發研究院西北分院主要從事儲層地球物理和地震資料處理與解釋方法研究。