马达海洋区块分段压制多次波方法

马达海洋工区海底深度变化很大,多次波异常发育,多次波衰减一直是该区地震资料处理难题之一。首先分 析与自由表面相关多次波衰减方法（SRME）、预测反褶积、抛物线Radon 变换的方法原理,针对各方法的不同特点制 定方案：采用SRME 方法衰减与自由表面相关的多次波,预测反褶积方法压制层间多次波,抛物线Radon 变换法衰减 剩余的多次波。实际资料处理表明：这种分步分段压制多次波的方法能够很好地衰减海底深度变化范围大、海底构造 复杂的海洋地震资料的多次波,很好地改善海洋地震资料的成像效果。实际资料处理表明,这种分段压制多次波方法 能够广泛应用于海底深度变化大,海底地质构造复杂的海洋地震资料多次波衰减处理。     

多次波压制技术在煤田地震数据处理中的应用

煤田地震资料排列短、偏移距小、覆盖次数低,多次渡复杂不易区分。我们根据煤田地震资料自身的特点,总结出以预测反褶积、拉东变换和f-k域滤波为主导,内切除、f-x域最小平方法等为补充的一系列压制多次波的方法,并在实际应用取得了显著的效果。     

应用神经网络技术提高地震资料分辨率

通过神经网络技术以井数据和井旁地震数据作为输入,学习它们之间的褶积关系,利用这种关系可以求出地震子波通过求取子波的逆即得到反子波,使建立在褶积模型基础上的地震数据可以与反子波褶积得到波形压缩提高资料的分辨率。该方法和传统的反褶积方法的区别在于对子波没有最小相位假设,而地震子波一般是混合相位的．同时有井数据的参与使得对目的层的子注求取更为准确,通过反褶积使地震波形得到很好的压缩,提高了分辨率     

强多次波和低信噪比资料处理

对具有多次波干扰的低信噪比三维地震资料在资料处理各个阶段使用多个模块逐步压制、去除多次波和提高信噪比。利用模型射线追踪．获得准确的偏移速度场进行三维一步法偏移．利用优势频率反褶积提高分辨率。     

探地雷达资料的高分辨去噪处理及应用

为提高探地雷达资料解释的精度,对探地雷达资料高分辨率去噪处理方法进行研究和探讨.结合二维滤波、预测反褶积和复信号分析等高分辨率处理方法,开发了高分辨率去噪处理模块,并对实际探地雷达记录进行去噪处理.通过处理前后的效果对比与分析,得到探地雷达资料进行去噪处理的最佳模块和最佳流程.     

感应测井的频域反褶积方法

常规的反演方法是对感应测井资料进行线性反褶积。由于感应测井获得的响应曲线是地层非线性时变滤波的结果,所以,感应测井响应可随地层电导率发生非线性变化。用相量反褶积方法分别设计出实部信号和虚部信号所对应的反滤波因子,对反映测井响应随电导率非线性变化的非线性函数进行了拟合,用设计出的滤波因子及被拟合出的非线性函数对模拟相量感应测井资料进行了相量反褶积。处理结果表明,围岩效应和趋肤效应基本被消除     

利用VSP提高叠后地面地震资料分辨率

反褶积是地面地震处理中提高成像分辨率的常用方法。地面地震资料因地面接收干扰严重，高频成分在中深层衰减和吸收作用较大，得到的叠后剖面中深层频率偏低，难以提取真实反映地震波在地下各个深度地层传播的地震子波，不能得到精确的反褶积算子。利用VSP测井在井下不同深度地层接收的特征，从VSP资料中提取该反褶积算子用于叠后地面地震资料反褶积处理，使地震剖面的分辨率明显提高，同时同相轴的连续性得到改善，波阻特征有所加强，叠后处理剖面整体质量得到较大的改进。     

基于波动理论消除表层多次波

基于波动理论和Berkhout的反馈模型,可通过反馈回路的物理系统产生包括多次波的地震记录,并可表示为一组第二类积分方程。首先通过原始记录与一次波的初始估计值(可以是炮记录本身)的空间褶积预测多次波,再用最小能量准则反演求得的表层算子的逆来标定多次波,最后从原始记录中将多次波消除。整个预测过程无须知道宏观速度场,增强了预测方法的适应性。为更好地消除表层多次波,应采用迭代反演的方法。理论模型试算和实际资料试处理的结果表明,该方法对表层多次波有较好的压制作用,一般只需2～3次迭代即可。其处理效果要优于拉冬变换法,对100炮左右的常规数据来说,一次迭代一般需要30min左右。     

反褶积法在薄矿层解释中的误差探讨

目前铀矿伽马测井解释中选用的解释方法主要五点反褶积法和三点反褶积法,这两种方法在厚矿层的解释中以其独特的分层能力以及准确的划分了单元层含量得到了一致认可。然而在薄矿层解释中还有其不足之处,会出现一定的误差。本文简述了五点反褶积法、三点反褶积法的基本原理,对比了在模型上解释结果,并分析研究了反褶积法在薄矿层解释中的误差原因,为以后更精确的进行铀矿伽马测井解释提供了参考。     

降维虚同相轴法压制陆地层间多次波

针对陆地层间多次波压制效果不明显的问题, 提出降维虚同相轴法, 实现叠前陆地地震资料的层间多次波压制。对经过精确动校正的叠前道集, 逐道应用虚同相轴法预测层间多次波, 实现降维处理。与传统的虚同相轴法相比, 运算量大大降低, 且不再要求炮检点规则且密集地分布。同时, 引入加权叠加的高信噪比参考道, 参与叠前道集的互相关和褶积运算, 提高了虚同相轴法的预测精度。将所提方法应用于中国西部地区实际陆地地震资料, 取得明显的层间多次波压制效果。     

一种适用于混合相位未知脉冲的反褶积方法

在黄小晶等人提出的混合相位未知脉冲反褶积方法^{［１,２］}基础上,本文提出一种改进的反褶积方法。与文献^［２］的反褶积方法比较,本方法具有运算量小,压缩地震子波的反褶积效果更好等优点。     

基于粒子群寻优的汽车自适应巡航预测控制

为进一步提升多目标自适应巡航系统预测控制精度,提出一种基于粒子群寻优的汽车自适应巡航预测控制算法.首先建立一种包含前车加速度扰动的自适应巡航系统车间纵向运动学模型,并对其线性离散化;其次综合车距误差、相对车速、自车加速度和冲击度,设计二次型多目标优化性能指标函数和多参数约束条件,构建自适应巡航预测控制优化命题;最后为便于问题求解,将目标函数和约束条件推导转化为以预测控制增量为优化变量的规范形式,并基于粒子群优化算法求解自适应巡航预测控制的最优控制律.通过Matlab/Simulink多工况仿真结果表明,粒子群算法求解的最优控制律能够控制自车保持更好的跟踪性和自适应性.      

基于神经网络的地震剖面反褶积新方法

地震剖面的反褶积经常是地震勘探资料处理阶段的一个重要步骤，它是公认的提高剖面分辨率的有效方法．常规的反褶积方法已经很多，但如何在提高剖面分辨率的同时又有效地抑制噪声，提高剖面的信噪比，始终是困扰人们的问题．针对这一问题，提出了一种基于反馈神经网络及其衍生物（ＴＨ网络）的地震剖面反褶积方法．实验结果表明，本方法效果明显，尤其在地震剖面中存在一些相隔较远的反射层时有很好的效果，充分显示了神经网络方法处理地震剖面反褶积问题的有效性．     

基于ART神经网络的地震剖面反褶积新方法

提出一种基于ＡＲＴ神经网络（及其改型）从地震剖面中识别子波的新方法．发挥神经网络在模式识别和优化计算两方面的优势，先以无教师学习算法从剖面中识别出子波，再通过ＴＨ神经网络作反褶积．实验结果表明，本文提出的方法有明显的效果，特别在地震剖面中存在一些相隔较远的反射层时有很好的效果．     

地质雷达信号去除水平噪声算法

为了去除地质雷达探测过程中出现的道间水平干扰信号,在研究了数字滤波技术的基础上,将预测算法和IIR滤波器相结合,提出了一种水平预测滤波算法,通过设定预测步长,利用预测反褶积获得预测值与实际测量值之间的相关系数,并根据相关系数设计高通IIR滤波器,从而实现了一种高精度可调的去除水平于扰信号的方法。应用于实际探测的雷达数据中,结果表明该方法能有效去除干扰,提取出有效的信息。     

两传感器自校正信息融合白噪声Wiener反卷积滤波器

应用现代时间序列分析方法,基于自回归滑动平均(ARMA)新息模型,对于带未知模型参数和噪声方差的两传感器反卷积系统,提出了自校正信息融合白噪声Wiener反卷积滤波器。它具有渐近最优性。一个Bernoulli-Gaussian白噪声反卷积的仿真例子说明了其有效性。     

自校正信息融合Wiener反卷积滤波器

对于含有未知模型参数和噪声统计的多传感器信号反卷积系统,应用现代时间序列分析方法,基于自回归滑动平均（ARMA）新息模型参数的在线辨识,可在线估计噪声方差,进而提出了自校正信息融合Wiener反卷积滤波器。证明了它的渐近最优性,即若ARMA新息模型参数估计是一致的,则它收敛于当噪声方差已知时的最优融合Wiener反卷积滤波器。同单传感器情形相比,它可提高滤波精度。一个带三传感器的反卷积系统的仿真例子说明了其有效性。     

基于深度置信网络的齿轮箱智能诊断方法

针对油田现场强背景噪声干扰下,难以实现齿轮箱故障精确诊断的问题,提出基于深度置信网络(Deep Belief Network,DBN)的齿轮箱智能诊断方法。首先运用变分模态分解(Variational Mode Decomposition,VMD)对齿轮箱振动信号分别进行分解;然后依据互相关准则对小于阈值的模态运用最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution,MCKD)进行降噪滤波处理,并对降噪后的信号进行重构;最后构造故障特征集,实现基于DBN的故障特征自适应挖掘与故障模式智能识别。对现场的齿轮箱故障诊断表明,本文提出的方法具有自适应性,能显著提高故障分类准确率,为保障油田设备安全可靠运行提供了依据。