地震勘探基础(九)之地震速度分析

news2024/12/20 20:39:42

速度分析

在地震资料数字处理中,速度分析是动校正和水平叠加和地震偏移的基础。

在这里插入图片描述

在水平界面情况下,共中心点时距曲线方程是一条双曲线。在共中心点时距曲线中,炮检距 x x x 和时间 t 0 t_0 t0 都是已知的,只有速度 v v v 是未知的。

在这里插入图片描述

地震速度分析就是利用速度扫描对地震数据进行正常时差校正,通过将反射波同相轴拉平,求取叠加速度或动校正速度的方法。

在这里插入图片描述

反射波的时距曲线在 t t t- x x x 坐标下是双曲线,在 t 2 t^2 t2- x 2 x^2 x2 下是直线。只要求出直线的斜率,就可估算出地震速度。这种方法很简单但是计算精度不高,现在很少使用。

在这里插入图片描述

目前常用的速度分析方法叫做速度谱,类似于频谱。频谱表示不同频率地震波的能量变化,速度谱表示不同叠加速度随叠加或者相关的能量变化。

在这里插入图片描述

在一个共中心点道集中,固定某一个 t 0 t_0 t0,让炮检距 x x x 变化,任意给一个叠加速度 v 1 v_1 v1,可以计算出动校正量,计算之后再进行动校正,然后水平叠加得到一个叠加能量 A 1 A_1 A1。以此类推,可以得到叠加能量 A 随着叠加速度 V的变化曲线。这条曲线成为速度谱曲线。从下图所示的速度谱曲线可知,当速度为 v 3 v_3 v3 时,刚好可以将双曲线校直,叠加能量对应是最大值。从速度谱上找到叠加能量的最大值就是某一个 t 0 t_0 t0 处的动校正速度。

在这里插入图片描述

对于另外一个 t 0 t_0 t0,按照上述方法,同样可以得到一条速度谱曲线。以此类推,可以得到随 t 0 t_0 t0 变化的一系列速度谱线。从浅到深排列就是地震速度谱。从浅到深可以解释出多条速度函数曲线,其中有一条就是该共中心点道集从浅到深所用的动校正速度。

在这里插入图片描述

下图展示了一张实际的共中心点道集计算的速度谱。

在这里插入图片描述

速度谱还可以使用等值线形式表示,不同颜色表示不同的叠加能量。

在这里插入图片描述

速度谱还可以使用彩色显示,不同颜色代表不同能量大小。

在这里插入图片描述

下图显示了一张制作叠加速度谱的程序设计框图。

在这里插入图片描述

影响速度分析的精度和分辨率的因素有多种,主要包括近地表,地下地质因素和地震采集因素。

在这里插入图片描述

在这里插入图片描述

排列长度对速度谱有一定的影响,排列长度太短,速度谱分辨率会降低。例如在下图例子中,0-350m,0-750m的排列长度下,深层的速度分辨率较差。

在这里插入图片描述

在下图例子中,排列长度为3070时,速度谱的深层分辨率降低。

在这里插入图片描述

近地表产生的静校正问题对速度分析影响也较大,如果静校正没有做好,速度分辨率会受到较大的影响。

在这里插入图片描述

下图显示了某地区剩余静校正前的速度谱,动校正后的道集和叠加剖面由于存在剩余静校正,动校正后道集的分辨率不高,导致叠加剖面横向断断续续。

在这里插入图片描述

下图展示了剩余静校正后的速度谱,由于进行了剩余静校正,动校正后的道集分辨率提高,地震剖面上可以清晰对比解释。

在这里插入图片描述

如果只用大炮检距的资料进行速度谱分析,浅层的速度完全拾取不到,大小炮检距都用的情况下,速度分析效果较佳。

在这里插入图片描述

随着覆盖次数的增加,速度谱的质量会随之提高。过低的覆盖次数无法保证速度谱的质量。在实际应用中,可以采取相邻几个面元组成的宏面元进行分析。

在这里插入图片描述

下图展示了信噪比为6,3,1的共中心点道集和对应的速度谱。

在这里插入图片描述

在这里插入图片描述

从速度谱可以看出,信噪比越高,速度分析的精度越高。

动校正会造成拉伸畸变波形,应该仔细选择切除参数。共中心点道集动校正拉伸畸变切除补偿后的速度谱就比切除未补偿的分辨率要高。

速度扫描范围应该包括所有的一次反射波速度。频带宽度也影响速度谱的精度,频带越宽,速度分辨率越高。为了提高速度分析的质量,可以对速度分析的道集进行一些必要的提高分辨率和提高信噪比的处理。

除了利用速度谱进行速度分析以外,还有一些辅助的手段对速度进行分析和提取。例如常速动校正扫描,常速动校正叠加扫描和沿层速度分析。

常速动校正扫描(CVP)是对某一个共中心点道集的记录用一系列恒定速度进行NMO校正。对于M个试验速度,就可以得到M个校正后的道集,将它们按照速度大小排列,校正后的各个道集同相轴校直的速度就是 t 0 t_0 t0时刻对应的叠加速度值。CVP方法简单快速,但是该方法存在速度拾取的不确定问题。

在这里插入图片描述

常速动校正叠加扫描方法 (CVS) 是在CVP的基础上,得到与速度个数相等的叠加剖面,将它们按照速度大小排列起来,然后从 CVS 中选出最佳叠加速度。实际处理中,常把速度谱和常速动校正叠加扫描一起处理和显示,这样可以取长补短,确定最佳的叠加速度。

在这里插入图片描述

为了研究沿着某个或者几个反射层的叠加速度情况,还可以沿着反射层,以反射层在叠加剖面上的 t 0 t_0 t0 为中心取一时窗进行叠加速度分析,称为沿层速度分析。

在这里插入图片描述

在这里插入图片描述

在地下界面时倾斜的情况下,除了要进行 NMO 校正外,还要进行 DMO (倾角)校正,在DMO校正后的速度谱要比校正前的分辨率高很多。

在这里插入图片描述

在地震资料数字处理过程中,针对水平层状介质,炮检距远大于反射界面深度之半的条件下,利用地震波时距曲线方程泰勒展开式的高次项进行的速度分析称为高阶速度分析。采用公式的前三项可以进行四次项速度分析。采用公式的前四项可以进行六次项速度分析。

在这里插入图片描述

以上考虑的是二维速度分析,三维地震速度分析还要考虑 CDP 面元,方位角和地层倾角等因素的影响。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/612250.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

30天从入门到精通TensorFlow1.x 第五天,跨计算设备执行计算图-cpu

一、接前一天 前天学习了,数据流图,今天尝试在不同设备上(cpu或者gpu)来执行计算图。 本次使用cpu来执行,但是不涉及gpu。gpu放在后面学习,这里比较重要。 二、示例 1. 先看看自己的设备 from tensorfl…

My Note of Diffusion Models

Diffusion Models Links: https://theaisummer.com/diffusion-models/ Markovian Hierachical VAE rvs: data: x 0 x_{0} x0​,representation: x T x_{T} xT​ ( p ( x 0 , x 1 , ⋯ , x T ) , q ( x 1 , ⋯ , x T ∣ x 0 ) ) (p(x_0,x_1,\cdots,x_T),q(x_1,\cdots,x_{T…

AcWing 回转游戏 dfs IDA* 剪枝 统一操作 java

🍑 算法题解专栏 🍑 回转游戏 如下图所示,有一个 # 形的棋盘,上面有 1 , 2 , 3 1,2,3 1,2,3 三种数字各 8 8 8 个。 给定 8 8 8 种操作,分别为图中的 A s i m H A \\sim H AsimH。 这些操作会按照图中字母和箭头…

ChatGPT会取代低代码开发平台吗?

编程作为一种高端技能,向来是高收入高科技的代名词。近期,伴随着ChatGPT在全球的爆火,过去通过窗口“拖拉拽”的所见即所得方式的低代码开发模式,在更加智能和更低成本的AI搅局之下,又面临了更深层次的影响。 低代码平…

MySQL redo log、undo log、binlog

MySQL是一个广泛使用的关系型数据库管理系统,它通过一系列的日志来保证数据的一致性和持久性。在MySQL中,有三个重要的日志组件,它们分别是redo log(重做日志)、undo log(回滚日志)和binlog&…

MyBatis深入学习总结

MyBatis总结 MyBatis入门操作 简介 原始jdbc操作(查询数据) 原始jdbc操作(插入数据) 原始jdbc操作的分析 原始jdbbc开发存在的问题如下: 数据库连接创建、释放频繁造成系统资源的浪费从而影响系统性能sql语句在代…

深度学习基础知识-tf.keras实例:衣物图像多分类分类器

参考书籍:《Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2nd Edition (Aurelien Geron [Gron, Aurlien])》 本次使用的数据集是tf.keras.datasets.fashion_mnist,里面包含6w张图,涵盖10个分类。 import tensorflo…

Linux中的ACL以及加固

ACL访问控制 // ACL:Access Control List 访问控制列表 // -p :以原始格式显示 ACL [rootzbx ~]# getfacl -p /root/ // 查看ACL策略 # file: /root/ # owner: root # group: root user::r-x group::r-x other::--- 设置ACL策略 // -m : 修改文件的ACL // -b : 表示删除所有的…

RedisGraph的图存储模型

1 overview 在RedisGraph的整体架构中,非常简略的概括了RedisGraph的图存储模型: RedisGraph使用DataBlock来存储node和edge的属性。RedisGraph使用稀疏矩阵来表示图,稀疏矩阵的存储格式为按行压缩的稀疏矩阵(Compressed Sparse…

同浏览器下多窗口进行跨源通信、同源通信

同浏览器下多窗口进行跨源通信、同源通信 多页面通信运用到了“发布订阅”的设计模式,一个页面发布指令,其他页面进行订阅并进行相应的行为操作! 一、跨源通信 window.postMessage() window.postMessage() 方法可以安全地实现跨源通信。通常…

Qt6之调用Windows下vc生成的动态链接库dll

Qt是跨平台工具,显然能和windows的动态库一起使用。 在Windows操作系统上,库以文件的形式存在,并且可以分为动态链接库(DLL) 和静态链接库两种。动态链接库文控以.dll为后缀名,静态链接库文控以.lib为后缀名。不管是动态链接库还是…

独立站卖家如何应对PayPal风险?3大策略教你安全收款!

PayPal是全球风险控制做得最好的第三方在线支付平台,PayPal付款是钱直接到卖家PayPal账户。但随着外贸交易的日益发展,恶意买家的问题也越来越多。如何防范风险,保证收款安全,成为独立站卖家们所关注的问题。下面为大家分享三种策…

背包DP-入门篇

目录 01背包: 完全背包: 多重背包: 分组背包: 01背包: [NOIP2005 普及组] 采药 - 洛谷https://www.luogu.com.cn/problem/P1048 01背包背景 在一个小山上,有个n个黄金和一个容量为w的背包,…

【Python】深度理解Class类、Object类、Type元类的概念和关系

深度理解Class类、Object类、Type元类 1.Class类、Object类、Type元类的表面关系2.Class、Object、Type解释3.关系详解4.那么如何看待object、type在Python面对对象概念中的一席之地呢?5.那么object、type扮演了什么样的角色呢?他们对class又分别做了什么…

【计算机组成】Cache与CPU的直接映射、全相联映射与组相联映射

一.Cache与CPU需要映射的原因 CPU准备访问内存时,会先问问cache存储器有没有已经提前准备好了数据,如果没有则再找内存要: 如果Cache刚好命中,则直接从Cache中读取数据: 如果Cache没有命中(Cache失效&#…

时序数据库InfluxDB快速入门使用

推荐博客: Influxdb中文文档 linux安装influxdb Influxdb安装、启动influxdb控制台、常用命令、Influx命令使用、Influx-sql使用举例、Influxdb的数据格式、Influxdb客户端工具 1.安装 1、influxdb数据库官网的下载链接: https://portal.influxdata.c…

如何利用MES系统进行生产防呆防错?

一、认识MES系统的防呆防错功能 首先,我们要清楚了解,什么是MES系统的防呆防错。MES系统防呆防错是指利用MES系统来避免生产过程中的错误和缺陷,保障生产排程和生产过程顺利进行的过程。MES系统防呆防错包括以下方面: 1. 自动识别…

relation-graph关系图谱组件2.0版本遇到的问题

前提:之前已经写过一篇1.1版本的问题,这里就不过多讲了(如果想要解决火狐低版本兼容,看那个就行) 这次主要讲的是和1.X版本的区别和一些其它问题 区别 参数名不同:以前的links>lines (虽然现在links也…

遇见未来,降低职场焦虑——中国人民大学与加拿大女王大学金融硕士来助力

身在职场的你有感到一丝丝的焦虑吗?偶尔的小焦虑可以作为我们工作中的动力,时刻提醒我们保持奋进。预见未来才能遇见未来,随着社会经济不断发展,没有什么是一成不变的。处于职场上升期的我们更要懂得未雨绸缪,增加自身…

ClickHouse集群搭建总结

简介 ClickHouse是俄罗斯最大的搜素引擎Yandex于2016年开源的列式数据库管理系统,使用C 语言编写, 主要应用于OLAP场景。 使用理由 在大数据量的情况下,能以很低的延迟返回查询结果。 笔者注: 在单机亿级数据量的场景下可以达到毫秒级的查询…