应用多级低通滤波法增强深部采空区有效电性特征——以可控源音频大地电磁法在潍日高速公路测区应用为例

为了提高潍日高速公路下伏深部煤矿采空区探测精度,采用可控源音频大地电磁法(controlled source audio magnetotellurics,CSAMT)对测区进行探测,并应用"多级"低通滤波法对因多干扰因素影响所产生的不合理电性异常进行滤除,以提高测区采空区探测精度。针对不同异常特点,分步实施"多级"低通滤波。首先对在强干扰背景下获得的原始数据进行异常点剔除;然后,采用中值空间滤波法消除静态效应;最后,利用均值阈值分割法和幂函数法分别去除浅部和深部低阻异常。相比于原始电性特征图,经过"多级"低通滤波处理后的深部采空区有效电性特征得到了明显增强,所刻画的采空区边界更加清晰。依此布设钻孔并实施了钻探,结果表明,物探异常与实际采空区埋深等具有很高的吻合度。方案的有效实施为潍日高速公路施工建设的安全评价提供了可靠的物探依据。     

多波地震油气储层的自组织神经网络学习与预测

如何充分挖掘出地震数据的有效信息以更有效预测出地震油气储层的分布情况,一直是业内所追求的目标。多波地震数据所包含的纵、横波数据不仅含有大量对油气敏感的特征信息,而且二者对油气响应存在差异,利用好这种差异可有效降低地震反演中的多解性问题。为此,设计了一种基于自组织神经网络的多波地震油气储层分布预测方案。首先,通过聚类分析优选出对油气响应比较敏感的地震属性,然后,对优选优化后的属性进行多波复合运算提取油气特征信息。最后,根据输入样本属性数据集设计自组织神经网络结构,计算神经元与样本的距离确定最佳匹配单元,更新调整网络权值,完成网络训练,得到预测结果。应用结果表明,基于本方案所预测的地震油气藏分布范围与实际情况基本吻合,有效地降低了反演结果的不确定性,从而验证了自组织神经网络应用于地震油气储层预测的有效性和可行性。     

可控源音频大地电磁法在潍日高速公路测区应用为例

精确探测地下不明采空区的分布情况,对生产和工程施工安全起着至关重要的作用。基于此,本文采用可控源音频大地电磁法（Controlled-Source Audiomagnetotellurics,简称CSAMT）对潍日高速公路下伏煤矿采空区的分布情况进行精确探测。首先,通过野外多次现场试验,确定最佳采集参数,以获取高品质原始数据;其次,对采集数据进行异常点剔除,并采用中值滤波空间法进行静态校正去噪;然后利用处理后的数据进行反演,得到高分辨率电阻率断面图。通过处理前后电阻率断面图的对比,结果表明处理后的采空区形状更加清晰、位置更加准确。最后,利用测区采空区解释反演结果进行钻孔布设,其反演预测结果与实际钻井基本吻合。