基于双平方根算子的保幅角度域成像

建立基于双平方根算子的保幅叠前深度偏移与地下人射角度的关系,应用单程波双平方根方程的保幅波动方程叠前深度偏移输出角度域共成像点道集及相应的成像结果,为后续的偏移速度分析和振幅分析提供可靠的数据.取代相对耗时的倾斜叠加法,应用基于精确投影的快速插值映射法抽取保幅角度域共成像道集.结果表明:基于双平方根求取偏移距域道集比基于单平方根方程更为方便直观,也更适合于角度域成像;保幅角度域偏移采用的成像条件不仅可以有效地补偿振幅和改善成像结果,而且克服传统炮域单程波保幅偏移中反褶积型成像条件的不稳定性.理论模型数据和实际资料试算结果进一步证明了所提角度域保幅偏移理论和算法的正确性和有效性.     

基于算子优化的Fourier有限差分法保幅叠前深度偏移

从声波方程的单程波分解出发,对传统波动方程叠前深度偏移的传播算子和边界条件进行优化,推导出基于优化算子的保幅边界条件和3个新偏移算子。通过应用新算子和边界条件,断层和倾斜层处的成像效果有明显改善,并且叠前深度偏移的质量也得到提高。模型试算和实际资料处理结果表明,使用优化的边界条件和偏移算子,能够提高横向速度变化情况下的成像精度。     

时移成像条件下的波动方程叠前深度偏移

为提高炮域叠前深度偏移的计算效率,引入时移成像条件进行叠前深度偏移.基于频率空间域有限差分波场延拓算子进行延拓,采用时移成像条件来求取大延拓步长间的层位成像值,成像条件虽然增加一次逆傅里叶变换,但对计算时间的影响却不大.脉冲响应和Marmousi模型的测试结果表明,所提出的方法在得到与小步长效果相当的成像结果的同时,又可以成倍地提高计算效率.     

叠前深度偏移技术的应用

在处理深层断裂带资料时,首先要做好数据准备阶段,包括建立合理的浮动基准面;解决静校正问题;做好叠前去噪和叠前保幅工作。时间域处理工作的好坏严重影响叠前深度偏移处理的效果。通过叠前深度偏移处理,对深层断裂带的准确成像问题取得了明显的效果,为油田的精细化勘探发挥了积极作用。     

叠前深度偏移及其配套技术分析

本文综述了叠前深度偏移的发展历程,就Kirchhoff积分法、波动方程法、共聚焦技术,概述了其中常用方法的发展历程、优点与不足乃至实现方法的关键技术问题。当前成像研究的热点——保幅偏移也有所涉及。此外,还简述了叠前深度偏移的配套技术：速度分析、基准面校正、验证模型等。     

复杂条件下共成像点道集分析与评价

叠前深度偏移速度分析需要借助于共成像点道集进行速度准确性的判断,并利用曲率更新/反演速度。本文比较介绍了几种常用的共成像点道集的提取过程、表现形式及共成像点道集的优缺点。角度域共成像点道集(ADCIGs)不会受到多路径的干扰,可以为复杂构造条件下碳酸盐岩储层速度分析与反演提供保幅成像道集。     

保幅炮域高斯波束偏移

推导基于高斯波束表示的波场反向延拓公式,并结合反褶积成像条件得到保幅的二维炮域高斯波束偏移公式。在高斯波束偏移方法的实现过程中,须通过最速下降法将偏移公式中的二维复值积分简化为一维以提高计算效率。给出炮域高斯波束偏移的具体计算流程。最后,分别对水平层状模型和Marmousi模型进行试算。模型试算结果验证了所提偏移方法的正确性和有效性。     

起伏地表条件下的波场上延法叠前深度偏移

直接从起伏地表开始的叠前深度偏移方法是分析复杂地表和复杂地质体成像的有效手段.借鉴Beasley和Lynn提出的"零速层"的概念与Reshef提出的"逐步累加"法的思路,根据地震波在真实介质中的传播特性及波的可叠加性,利用"波场上延"法,实现基于相移(时间域)法上延和频率空间域有限差分(深度域)法(ω-xFD)上延的波动方程法叠前深度偏移成像.理论分析和模型试算结果表明,深度域"波场上延"法是解决起伏地表和地下复杂构造双重成像的一种有效方法,实现了波动方程基准面校正和深度域成像的有机结合,其有效性和准确性使该方法可用于实际资料的处理,有较好的应用前景.     

基于波场外推的3D VSP波动方程深度偏移成像方法研究——以胜利垦71-检41井为例

针对3DVSP成像方法中的保幅性差、对复杂构造的归位不准、分辨率低等问题,提出基于波场外推的波动方程深度偏移成像方法。该方法以三维声波方程为出发点,对有限差分法进行误差补偿,多方面确保成像的稳定性,并充分考虑到波场在地下传播过程中的绕射和折射效应,避免了Kirchhoff方法中的高频近似假设和在复杂构造区的焦散及多路径现象。实现过程是将三维VSP数据按井中检波器的位置抽成共检波点道集,对共波点道集进行三维叠前深度偏移,对偏移后的数据进行同深度叠加。该成像方法在胜利垦71井区3DVSP实际资料处理中取得了比较好的成像效果。实际处理结果证明：该方法正确、可行、实用。     

相移加校正变范围三维叠前深度偏移

理论和实践证明,三维叠前深度偏移是目前最精确的地震波场成像方法。该文在二维叠前深度偏移及偏移速度模型建立方法研究的基础上,进一步研究了变范围三维叠前深度偏移叠加方法和软件。用三维相移加校正方法在炮集上实现三维叠前深度偏移,并根据三维速度模型构造形态,自动确定偏移后成像孔径进行变范围偏移叠加,提高三维构造形态清晰度。该方法属全波动方程偏移,具有成像精度高,对模型适应性强的特点     

在频率波数域实现三维叠前深度偏移

叠前深度偏移是理想的改善复杂地区和强横向速度变化的地震资料成像技术,对于复杂变速介质成像,常用的时间域成像方法已不能满足实际需要,必须借助于深度域成像方法,特别是三维地震叠前深度偏移方法.推导了三维叠前深度波场延拓算子公式,指出其实质含义,并通过模型测试进行了验证,介绍了一种三维叠前深度偏移的实现方法,最后进行了偏移算子的误差分析.理论分析与实例计算表明,该计算方法是合理和有效的.     

三维叠前深度偏移在复杂构造区的应用

针对复杂构造区,通常应用3D叠前深度偏移。但长期以来这是件可望而不可及的事。近来,随着巨型并行计算机和软件方法的不断发展,使得此项应用成为现实。在较短的处理周期内,我们应用一个实例,利用3D叠前深度偏移处理技术,在估计和验证与逆掩断裂区有关的速度深度-模型方面做了大量的实际工作,并在最后给出了应用效果     

扩展的局部Born近似的广义屏算子分析

三维叠前深度偏移广泛地应用于地下复杂地质体成像。当前工作量较大的三维成像问题一般采用基于射线追踪的克希霍夫积分方法,但该方法在处理复杂构造不足。虽然基于有限差分方法的全方程逆时偏移对存在剧烈横向速度变化的非均匀介质也具有非常好的成像精度,但是,把该方法应用于三维叠前深度偏移需要花费较多的机时和巨大的计算机内存容量;这些要求在目前是不现实的。为了寻求一种既方便快捷又准确可靠的叠前深度偏移方法,于是扩展的局部Born近似的广义屏算子在速度场中等程度横向变化情况下,能较准确地描述地震波场的传播过程,对较复杂的地质构造具有较好的成像效果。且该算子具有稳定、高效的优点。不过扩展的局部Born近似的广义屏算子是条件稳定的。但从稳定性和计算效率角度看,该偏移算子可用于目前复杂地质体叠前深度偏移初期处理。     

波动方程双程地下方向照明分析

根据地震数据采集系统，对炮点和检波点位置上的波场分别应用波动方程波场传播和波场局部角度域分解方法得到角度域波场，提出一种在角度域进行双程地下方向照明分析的定量方法，并把它应用于SEG（Society of Explomtion Geophysicists）-EAGE（European Association of Geoscientists ＆ Engineers）二维盐丘模型．地下方向照明的定量信息是入射和反射地震波能量在地下各种构造倾角方向上分布的反映．通过这些信息不仅能评价采集系统对地下目标体的效率，而且还能分析地下结构对地震波传播路径的影响，并可对波动方程叠前深度偏移成像效果进行综合评价．     

基于最优Born近似的叠前深度偏移方法

波动方程法中的叠前深度偏移是实现复杂构造和岩性地震成像的关键技术。其中 ,广义屏法是近几年发展起来的一种新方法 ,它基于散射理论、屏近似和一般Born近似 ,具有较高的精度和效率 ,是条件稳定的。为了提高算法的稳定性 ,提出了基于最优Born近似的叠前深度偏移方法。即对散射波场成像所使用的介质速度横向扰动公式不做任何近似 ,并且采用与两个延拓深度层中间位置处的地震波场最接近的波场代替层间的平均波场 ,而不是用上一延拓层处的地震波场代替层间的平均波场。模型试算结果表明 ,最优Born近似法对复杂地质体具有较强的适应性 ,在保证计算效率和成像精度的前提下 ,明显提高了算法的稳定性。     

三维VSP波动方程保幅叠前深度偏移方法

VSP偏移成像技术在VSP资料处理中具有重要意义。为了对地下复杂构造进行精确成像,常要求对VSP数据进行三维叠前偏移处理。传统的单程波方程延拓计算时只能保证相位信息的正确性,没有对振幅做任何处理,仍存在保幅性较差的问题,不利于将其结果运用到岩性分析中去。本文以保幅型单程波偏移算子为基础,研究了三维VSP单程波动方程保幅偏移成像方法。并在实际资料中,采用了保幅型三维地震道插值方法,对非规则网格炮点采集的三维VSP数据进行插值,保证了波动方程保幅偏移的效果。     

平滑算子在地震叠前深度域成像中的应用

对波动方程叠前深度偏移的成像条件和平滑算子进行了概述,推导了用平滑算子对成像条件进行平滑的公式,给出了同一平滑函数在不同平滑参数控制下以及不同平滑函数在相同平滑参数控制下的成像结果.模型试算结果表明:在合适的平滑参数控制下,平滑后的成像结果得到了明显改善;在相同的平滑参数控制下,Gaussian窗平滑算子平滑后得到的成像结果要好.