-
公开(公告)号：CN114660661B
公开(公告)日：2024-08-16
申请号：CN202210228994.7
申请日：2022-03-08
Applicant: 中海油田服务股份有限公司
IPC: G01V1/36
Abstract: 本发明公开了一种地震数据优化方法、装置、计算设备及计算机存储介质，该方法包括：针对每个第一时间窗口，获取第一时间窗口内多个地震道在指定频率的频率域编辑系数；根据多个地震道的指定频率及对应的频率域编辑系数进行线性插值处理，得到两个边界纵测线及两个边界横测线覆盖范围内的各个地震道在各频率对应的频率域编辑系数；针对每个地震道，根据地震道的各频率对应的频率域编辑系数进行转换处理，得到对应的时间域算子，根据时间域算子对地震道的地震数据进行优化处理，得到优化地震数据。本发明方案通过对地震数据进行优化，能够有效的解决分辨率不足的问题，对于提高资料的分辨率、拓展资料频带、提高主频、弱信号加强等具有很好的作用。
-
公开(公告)号：CN116953786A
公开(公告)日：2023-10-27
申请号：CN202310926718.2
申请日：2023-07-26
Applicant: 中海油田服务股份有限公司
Abstract: 本发明公开了一种多次波预测方法、装置、计算设备及存储介质。方法包括：获取任一炮点在任一地震道的频域数据；根据频域数据生成地震数据矩阵，地震数据矩阵为主对角线为0的上三角矩阵，地震数据矩阵的任一非首列包含同一炮点的至少一个地震道的频域数据；构建多次波矩阵，多次波矩阵为主对角线为0的上三角矩阵，多次波矩阵的任一非首列包含同一炮点的至少一个地震道的多次波模型；建立多次波矩阵与地震数据矩阵的函数关系；根据函数关系得到多次波矩阵中任一多次波模型对应的模型频域数据。采用本方案，可以在保障多次波预测精度的前提下，提高多次波的预测效率。
-
公开(公告)号：CN114779327A
公开(公告)日：2022-07-22
申请号：CN202210421491.1
申请日：2022-04-21
Applicant: 中海油田服务股份有限公司
IPC: G01V1/28
Abstract: 本发明公开了一种层间多次波预测方法、装置。方法包括：根据包含层间多次波的单炮地震数据，获取地震波在层间多次波的各产生层位的双程旅行时反射时间；针对单炮内的待预测检波点，计算待预测检波点与单炮内的任一检波点之间的检波点距离，根据各产生层位的双程旅行时反射时间、检波点距离计算地震波由单炮内任一检波点到待预测检波点在层间传播的传播双程旅行时；根据传播双程旅行时及单炮内所有检波点接收的地震道数据预测得到待预测检波点对应的层间多次波结果。由此准确地预测出强反射层之间形成的层间多次波，基于该层间多次波结果能够准确地进行层间多次波的压制，提升压制准确度，基于压制后的地震数据的相关分析结果准确率及精度更高。
-
公开(公告)号：CN114660661A
公开(公告)日：2022-06-24
申请号：CN202210228994.7
申请日：2022-03-08
Applicant: 中海油田服务股份有限公司
IPC: G01V1/36
Abstract: 本发明公开了一种地震数据优化方法、装置、计算设备及计算机存储介质，该方法包括：针对每个第一时间窗口，获取第一时间窗口内多个地震道在指定频率的频率域编辑系数；根据多个地震道的指定频率及对应的频率域编辑系数进行线性插值处理，得到两个边界纵测线及两个边界横测线覆盖范围内的各个地震道在各频率对应的频率域编辑系数；针对每个地震道，根据地震道的各频率对应的频率域编辑系数进行转换处理，得到对应的时间域算子，根据时间域算子对地震道的地震数据进行优化处理，得到优化地震数据。本发明方案通过对地震数据进行优化，能够有效的解决分辨率不足的问题，对于提高资料的分辨率、拓展资料频带、提高主频、弱信号加强等具有很好的作用。
-
公开(公告)号：CN119126205A
公开(公告)日：2024-12-13
申请号：CN202411210530.9
申请日：2024-08-30
Applicant: 中海油田服务股份有限公司
IPC: G01V1/28 , G01V1/30 , G06F30/27 , G06N3/0442 , G06N3/0464
Abstract: 本发明公开了一种地震速度建模优化方法、装置、计算设备及存储介质，其中，该方法包括：基于三维地震深度域偏移速度数据获取三维地震时间域层速度数据；基于神经网络模型使用三维地震时间域成果剖面数据向三维地震时间域层速度数据进行学习训练以获取训练模型；以及将三维地震时间域成果剖面数据输入训练模型获取优化后的三维地震时间域层速度数据。本方案的地震速度建模优化方法不仅能够对已有的速度模型进行优化，提高地震速度模型精度，还能够减少人为干预和计算时间，提高工作效率。
-
Patent Agency Ranking
公开(公告)号：CN118818601A
公开(公告)日：2024-10-22
申请号：CN202410862899.1
申请日：2024-06-28
Applicant: 中海油田服务股份有限公司
Abstract: 本申请公开了一种波动方程时空域数值解计算方法、装置及计算设备，其中方法包括：从正演区域的三维速度场数据中分别抽取第一剖面的速度场数据以及第二剖面的速度场数据；第一剖面以及第二剖面均经过震源网格点，第一剖面中各点的第一轴位置信息一致，第二剖面中各点的第二轴位置信息一致，三维速度场数据对应的三维空间坐标系包含第一轴、第二轴以及第三轴；根据第一剖面的速度场数据计算第一走时表，根据第二剖面的速度场数据计算第二走时表；根据第一走时表和第二走时表，确定波场传播过程中在指定时间的波场覆盖区域；在指定时间的波场覆盖区域内进行波场更新计算。通过上述方式，能够在有效保持精度的前提下显著提高波场更新计算的效率。
-
公开(公告)号：CN118011484A
公开(公告)日：2024-05-10
申请号：CN202410170207.7
申请日：2024-02-06
Applicant: 中海油田服务股份有限公司
Abstract: 本发明公开了一种三维地震数据断层识别方法及装置，方法包括：初始化生成水平地层的初始构造模型，并基于初始构造模型构建对应的三维合成地震数据；利用三维合成地震数据作为断层样本数据，对快速全局自注意力神经网络进行训练，得到训练后的断层识别网络模型；利用断层识别网络模型，对采集的地震数据进行识别，得到断层识别结果。通过生成初始构造模型，并在初始构造模型的基础上自动生成大量具有高泛化能力的三维合成地震数据，利用其作为断层样本数据可以大大提升对断层构造的智能识别效果。利用快速全局自注意力神经网络的强大全局信息建模能力对断层的构造模式识别进行学习，降低神经网络架构的显存占用，增强全局感受野，提升断层识别的有效性，实现快速准确的三维地震数据断层识别。
-
公开(公告)号：CN116466397A
公开(公告)日：2023-07-21
申请号：CN202310608800.0
申请日：2023-05-26
Applicant: 中海油田服务股份有限公司
Abstract: 本发明公开了一种转换波深度域速度模型的建模方法及相关装置，其中方法包括：对纵波深度域速度模型进行反演更新，得到纵波速度；根据纵波速度，对转换波深度域速度模型进行一维反演更新，用以更新转换波速度；通过纵波深度域速度模型进行深度偏移得到纵波道集，通过转换波深度域速度模型进行深度偏移得到转换波道集，通过纵波道集和转换波道集进行联合反演，得到转换波偏移道集；判断偏移出的转换波叠加剖面和转换波偏移道集是否合理，以及，纵波和转换波的同相轴是否拉平，若是，输出转换波深度域速度模型。本发明通过对纵波和横波的联合反演，提高了转换波深度域速度建模的精度，同时也有效避开了时间偏移处理中GAMMA场带来的不确定性因素。
-
公开(公告)号：CN116027427A
公开(公告)日：2023-04-28
申请号：CN202310104364.3
申请日：2023-02-08
Applicant: 中海油田服务股份有限公司
Abstract: 本发明公开了一种水层多次波的预测方法、装置、计算设备及存储介质。方法包括：确定目标检波器的关联检波器；计算关联检波器与目标检波器的倾斜因子，地震波从关联检波器传播至目标检波器的传播时长，获取关联检波器在对应的第一时间的地震波数据；根据关联检波器与目标检波器的倾斜因子，地震波从关联检波器传播至目标检波器的传播时长及该关联检波器在对应的第一时间的地震波数据，计算关联检波器对目标检波器的扰动；根据各个关联检波器对目标检波器的扰动的总和，获得目标检波器在第二时间的水层多次波数据。本方案能够实现水层多次波的预测，并具有较高的预测精度，而且本方案可以适用预测OBC、OBN等宽方位地震资料的水层多次波。
-
公开(公告)号：CN118962800A
公开(公告)日：2024-11-15
申请号：CN202411160641.3
申请日：2024-08-22
Applicant: 中海油田服务股份有限公司
IPC: G01V1/30 , G06F18/2415 , G06N3/088
Abstract: 本发明公开了一种OBN地震数据无监督异常检测方法及装置，方法包括：根据OBN地震数据构建平均初至振幅数据；构建无监督深度神经网络；无监督深度神经网络包括降维压缩网络和概率估计网络；将平均初至振幅数据输入至无监督深度神经网络，由降维压缩网络对平均初至振幅数据进行维度压缩和特征提取，得到低维特征；将低维特征输入至概率估计网络，得到高斯混合分布概率；根据高斯混合分布概率计算平均初至振幅数据的最大似然能量，并基于最大似然能量、重构误差以及协方差矩阵惩罚项确定损失函数，对无监督深度神经网络进行训练，以根据训练后的无监督深度神经网络输出的最大似然能量，检测OBN地震数据是否异常。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.034 seconds)
