【儀表網 儀表研發】近日，精密測量院毛偉建研究團隊在高分辨率油氣勘探地震保幅成像方面取得一系列新進展。團隊借助人工智能、散射波場和點擴散函數等多學科理論和方法，開展交叉學科研究，創新提出高精度人工智能速度建模、逆散射保幅成像條件以及點擴散函數深度域反演技術，為解決長期以來困擾深層復雜地質條件下的油儲特征反演和預測難題給出了新的思路。
 

　　該系列研究成果2022年在國際著名地學Q1區學術期刊上發表5篇論文，其中2篇發表在《IEEE地球科學和遙感匯刊》 (《IEEE TGRS》), 3篇發表在《IEEE 地球科學和遙感快報》(《IEEE GRSL》)上。
 

　　準確的速度模型在高精度地震成像中起著關鍵作用。作為一個非線性逆問題，傳統速度建模方法由于數據中缺少低頻分量、計算效率低等問題在實際地震勘探中受到限制。團隊借助深度學習方法逼近不同數據域之間的非線性映射函數的強大能力，來解決原始地震數據高效速度建模問題。
 

　　在這項工作中，該團隊開發了一種數據驅動反演方法，該方法基于具有編碼器-解碼器結構的多尺度深度卷積神經網絡，以直接從原始地震數據中解決具有不同尺度速度模型的反演問題。通過設計壓縮矩陣壓縮輸入數據，網絡可以獲得任意尺度的預測。
 

三種不同尺度的測試數據的反演結果
 

　　隨著地震勘探進入更精細的巖性成像階段(如：深水、深層、復雜儲存、非常規儲存等)，如何正確理解地震成像結果，成為極為關鍵的問題。傳統的地震成像以求取地震反射率為目標，在深層成像階段會出現成像數值不準確等問題。該團隊以地震波散射理論為基礎，提出各向異性逆散射反演成像條件，并將此成像條件用于逆時偏移。該方法能夠有效計算地層參數擾動值，為超深層保幅地震成像提供了有效的方法。
 

各向同性逆散射反演成像(左)與各向異性逆散射反演成像(右)的對比
 

　　地震勘探經歷了從二維走向三維，從疊后走向疊前，從時間域成像走向深度域成像的發展過程。然而，目前在工業界，仍缺乏在深度域直接進行反演的有效技術。現有方法無法滿足精細儲層解釋的需要并計算量很大。針對上述問題，該團隊發展了一種基于點擴散函數的深度域最小二乘反演方法，避免了“時深轉換”的過程，大幅提高了反演效率。該方法可以有效地均衡照明，清晰刻畫斷層面，明顯提升空間分辨率。并且計算量只有傳統數據域最小二乘方法的1/10。
 

標準高斯束偏移及其波數譜(左)與PSF處理結果及波數譜(右)的對比
 

　　該系列研究分別以“Deep Learning Based Seismic Variable-size Velocity Model Building”、“Amplitude-Preserving Imaging Condition for Scattering-Based RTM in Acoustic VTI Media”、“Elastic Least-Squares Gaussian Beam Imaging With Point Spread Functions”為題發表在《IEEE Geoscience and Remote Sensing Letters》上；以“Multi-Parameter True-Amplitude Generalized Radon Transform Inversion for Acoustic Transversely Isotropic Media With a Vertical Symmetry Axis”、“Born Scattering Integral, Scattering Radiation Pattern, and Generalized Radon Transform Inversion in Acoustic Tilted Transversely Isotropic Media” 為題發表在《IEEE Transaction on Geoscience and Remote Sensing》上; 五篇論文的第一作者分別是博士研究生杜蒙、孫史磊、段偉國，副研究員歐陽威，博士后梁全，通訊作者均為毛偉建，博士后石星辰和程時俊是合作作者。上述研究由國家自然科學基金重點和面上項目、中石油科技重大專項和中石油科學研究與技術開發項目聯合資助。