简介：数据挖掘是从大量的、不完全的、有噪声的、模糊的数据中提取隐含的、但又是潜在有用的信息和知识的过程，由于数据挖掘具有出色的非线性建模能力和自组织学习能力，因此可以在复杂储层的测井解释中发挥作用。本文用数据挖掘方法识别复杂储层的岩性。将岩性识别作为一种分类任务建立数据挖掘流程，包括特征提取、特征选择和建立模型等步骤。本文用独立成分分析法从测井曲线中提取信息；然后使用分支定界算法寻找最佳的特征子集，并消除冗佘信息；最后采用C5．0决策树算法建立分类模型的测井曲线。模型和实际测井数据吻合较好，表明在复杂油藏的研究中数据挖掘方法是有效的。

简介：地震数据重构是地震数据处理的重要步骤之一,重构算法的精度、效率与抗噪性是地震数据重构技术的核心研究内容。研究针对傅里叶域凸集投影(POCS)算法,在定义的最优阈值评价标准基础上,提出了反比例阈值模型,该模型具有在大系数区间比指数模型更快下降速率、而在小系数区间比指数模型更慢下降速率,从而在保证弱反射信号重构精度的同时有效提高POCS地震数据重构算法计算效率。为提高反比例阈值对不同地震数据特点的适应性,在地震数据谱能量分布差异性特征分析基础上,研究提出了在反比例阈值模型分母上增加适应地震数据谱能量特征的因变参数,通过调节该因变参数获得适应不同地震数据特点的最佳阈值曲线,进一步提高算法的计算精度与计算效率。为了实现重构过程中随机噪音的自适应衰减,提高重构后地震数据信噪比,研究提出了数据驱动的加权回加系数计算策略,利用每次迭代对应数据驱动阈值占阈值区间的百分比获得加权回加系数。研究将新方法应用于模拟三维数据和实际三维地震数据,分析结果表明反比例阈值相对传统阈值在提高数据重构计算效率和精度方面具有明显的优越性,新提出的加权回加系数计算策略能有效提高重构数据的信噪比。

简介：被动源地震数据包含丰富的低频信息,本文有效地提取并利用这些信息对缺失低频的主动源地震数据进行低频重构,提出了基于多正弦窗的被动源多窗谱重构方法,并给出了相应的多震源多道重构公式。与常规互相关法和常规反褶积法重构的被动源记录相比,该方法能重构出更为准确的相对振幅信息。通过分析被动源数据重构前后的频谱特性,发现被动源的低频特性在重构和去噪处理后能更明显的体现出来。并提出了一种用被动源数据重构主动源低频信息的方法,即在功率谱上进行匹配,并在频域进行补偿和平滑。最后进行了数值算例的验证,对低频重构后的数据进行了叠前深度偏移处理。能量匹配方法能够用被动源的低频信息有效地重构主动源缺失的低频信息,低频重构后的记录在偏移成像中能体现更多的细节信息和深部构造。