Multiresolution Analysis and Learning for Computational Seismic Interpretation
我们探讨了使用多分辨率分析技术作为纹理属性的地震图像表征,特别是在代表地下结构在大迁移地震数据。也就是说,我们探索高斯金字塔,离散小波变换,Gabor滤波器,和曲波变换。这些技术在荷兰海上F3块的地震结构标记案例研究中进行了检查。在地震结构标记中,使用纹理属性根据底层地下结构自动分割和分类地震体。我们的研究结果表明,多分辨率属性提高了标记性能相比,单独使用地震振幅。此外,方向性多分辨率属性,如曲波变换,是更有效的区分不同的地下结构在大地震数据集的非方向性属性,并可以大大帮助解释过程。
2019-01-31 eess.IV physics.geo-ph
Variational and Monte Carlo Methods for Bayesian Inversion of Dynamic Subsurface Flow Simulations Using Seismic and Fluid Pressure Data
University of Edinburgh(爱丁堡大学)
本文提出变分与蒙特卡洛方法用于基于地震和流体压力数据的地下流体储层反演,比较了多种方法的精度与效率,发现PSVI在精度和效率上表现良好,sSVGD在计算效率和避免模式崩溃方面更优。
2026-02-03 physics.geo-ph
SubsurfaceGen: Procedural Generation of Field-Scale Earth Models and Seismic Data
Stanford University(斯坦福大学)
提出SubsurfaceGen,一个GPU加速的3D速度模型与地震数据生成器,并发布包含4276个2D速度切片、5秒波场和8秒炮集记录的数据集,用于评估机器学习在全波形反演中的表现。
2026-05-28 cs.LG physics.geo-ph
A framework for subsurface monitoring by integrating reservoir simulation with time-lapse seismic surveys
本研究开发了一种耦合储层模拟与时移地震的方法,通过分离储层信号来跟踪流体前缘,以改进地下储层监测。
2023-08-30 physics.comp-ph physics.flu-dyn physics.geo-ph
SeisBind: Physics-Aware Tri-Modal Representation Binding for Seismic Data via Contrastive Learning
The University of Tokyo Graduate School of Frontier Sciences(东京大学前沿科学研究生院)
SeisBind通过对比学习将地震数据与物理描述符结合,实现更可解释的地下速度模型构建。
2026-01-21 physics.geo-ph
Generative Geostatistical Modeling from Incomplete Well and Imaged Seismic Observations with Diffusion Models
Georgia Institute of Technology(佐治亚理工学院)
本文提出利用扩散生成模型,仅基于不完整井和地震观测合成高保真地下速度模型,无需完整训练数据,并能提供不确定性估计,为全波形反演提供支持。
2024-05-16 cs.AI cs.CV physics.geo-ph
DeFault: Deep-learning-based Fault Delineation Using the IBDP Passive Seismic Data at the Decatur CO2 Storage Site
提出深度学习方法DeFault,利用合成数据训练并迁移至现场数据,实现被动地震事件自动聚类与断层描绘,在迪凯特CO2封存站点验证了其准确性和效率,助力CCUS安全。
2024-11-05 physics.geo-ph
Electrical and seismic refraction methods: fundamental concepts, current trends, and emerging machine learning prospects -- A review
本文综述了电法与地震折射方法的基本概念和当前趋势,重点探讨机器学习在ERT与SRT联合分析中的应用及其对地下调查的改进作用。
2025-04-02 physics.geo-ph
A Bayesian-based approach to improving acoustic Born waveform inversion of seismic data for viscoelastic media
在地震波形反演中,通常使用近似的波传播模型来执行地下属性的重建,以确保计算效率。地下的粘弹性性质往往是不考虑的,两个流行的近似-声学和线性玻恩反演-被广泛使用。这导致重建误差,因为近似忽略了非均匀地球中地震波传播的现实(物理)方面。在这项研究中,我们表明,贝叶斯近似误差的方法可以用来部分恢复错误,解决弹性和粘性效应的声学玻恩反演粘弹性介质。数值算例表明,忽略近似引起的模拟误差,地下速度场的恢复效果很差。
2019-11-04 physics.comp-ph physics.geo-ph
Seismic monitoring of CO2 plume dynamics using ensemble Kalman filtering
本文利用集合卡尔曼滤波结合两相流动力学与时移全波形地震数据,对高维CO2储层羽流动态进行监测,显著提高了CO2饱和度估计精度,并为超参数选择提供了指导。
2024-09-08 physics.geo-ph
Experimental evidence of auxetic features in seismic metamaterials: Ellipticity of seismic Rayleigh waves for subsurface architectured ground with holes
在过去的十年里,在地面的前十米处实施了具有规则网格的公制尺寸孔的结构性土壤在地震扰动下进行了理论和实验测试。最近还开发了在基层中嵌入刚性夹杂物的结构性土壤。这些夹杂物在地下的影响可以用不同的方式来描述:在具有地震超材料的聚焦效应的网络内重新分配能量,波反射,频率滤波,地震信号能量幅度的减小,在这里,我们首先提供一些时间-域分析的平面透镜效应结合某种形式的外部掩盖的瑞利波,然后我们实验表明,在地球表面水平上的表面瑞利波的椭圆率上的圆柱孔的有限网格。绘制了表面粒子速度在垂直(x,z)和水平(x,y)平面上的时域轨道图。这些结果使我们能够观察到,孔的网格局部创建椭圆的轴的倾斜,并改变粒子运动的方向。有趣的是,瑞利波椭圆率的变化可以解释为有效泊松比的变化。然而,源的接近度对于解释椭圆的形状也很重要。我们分析这些观测的波样式转换内的网格,我们建议扩大讨论的复杂性地震波现象的结构性土壤,如土壤基础和特定的耦合效应的土-结构相互作用。
2018-09-16 physics.app-ph physics.geo-ph
Seeing through the CO2 plume: joint inversion-segmentation of the Sleipner 4D Seismic Dataset
提出一种集成全变分和分割先验的联合反演-分割算法,用于处理Sleipner 4D地震数据集,有效克服了数据噪声和缺失频率问题,实现了高分辨率声学模型构建与时间推移变化的体积分类。
2023-03-21 physics.geo-ph
Bayesian Geophysical Basin Modeling with Seismic Kinematics Metrics to Quantify Uncertainty for Pore Pressure Prediction
贝叶斯地球物理盆地建模(BGBM)方法是一个跨学科的工作流程,它通过贝叶斯推断在沉积盆地模型中整合数据、地质专业知识和物理过程。它的应用在地下模型中达到高潮,该模型集成了盆地的地质历史、岩石物理定义、测井和钻井数据以及地震信息。蒙特卡洛盆地建模实现的采样相参数和盆地边界条件的先验概率分布。在数据同化之后,所接受的一组后验地下模型产生地下特性的不确定性量化。该方法特别适用于钻前阶段的孔隙压力预测。然而,地震资料同化的高计算成本降低了工作流程的实用性。因此,我们介绍和调查地震走时标准作为计算速度更快的代理分析的地震资料的可能性时,采用BGBM。所提出的替代方案利用现有的地震资料来权衡先前的盆地模型结果,而不需要为每个蒙特卡洛实现执行昂贵的地震深度偏移程序。此外,我们应用BGBM在一个真正的领域的情况下,从墨西哥湾使用2D部分孔隙压力预测考虑不同的运动学标准。与新的地震资料同化代理的BGBM实现相比,计算昂贵的基准方法。此外,我们验证和比较预测的孔隙压力与泥浆重量数据从一个盲井的结果。在这项工作中提出的分析地震层位的深度定位的快速代理产生类似的不确定性量化的结果相比,在孔隙压力预测的基准。这些快速代理使得BGBM方法有效且实用。
2023-02-17 physics.geo-ph
Convolutional encoder decoder network for the removal of coherent seismic noise
地震学家经常需要收集有关一个地点的地下结构的信息,以确定它是否适合钻探石油。然而,在地震资料中可能存在电噪声,通常通过使用陷波滤波器忽略数据的某些部分来去除该电噪声。相反,我们使用卷积编码器解码器网络来消除这种噪声,方法是训练网络将嘈杂的镜头记录作为输入,并将镜头记录中的噪声作为输出。通过这种方式,我们保留了关于所收集数据的重要信息,同时仍然去除了地震资料中的相干噪声。
2021-10-25 physics.geo-ph
Multiscale Data-driven Seismic Full-waveform Inversion with Field Data Study
针对地震全波形反演计算成本高且易陷入局部极小值的问题,提出基于全卷积网络的多尺度数据驱动反演方法,通过风格转换生成训练集并分别重建速度模型的高低频分量,显著降低了计算时间并提高了模型精度。
2023-11-25 physics.comp-ph physics.geo-ph
Synergizing Deep Learning and Full-Waveform Inversion: Bridging Data-Driven and Theory-Guided Approaches for Enhanced Seismic Imaging
University of Malta(马耳他大学)
本综述探讨深度学习与全波形反演的集成,涵盖基础、应用与挑战,并展望混合、生成及物理信息模型等未来方向,以提升地下属性估计的准确性、效率与可靠性。
2025-02-24 cs.AI cs.CE cs.LG
Using Convolutional Neural Networks to Develop Starting Models for 2D Full Waveform Inversion
使用全波形反演(FWI)的非侵入式地下成像具有通过使得能够恢复地下刚度的高分辨率2D/3D图而从根本上改变工程场地表征的潜力。然而,由于反问题的复杂性和非唯一性,FWI的精度仍然对初始启动模型的选择非常敏感。作为回应,我们提出了卷积神经网络(CNN)的新应用,将使用表面传感器的线性阵列直接获取的实验地震波场转换为2D FWI的鲁棒启动模型。我们首先描述用于开发CNN的三个关键步骤,其中包括:选择网络架构,开发合适的训练集,以及网络训练的性能。训练后的CNN预测2D FWI的合适起始模型的能力与经典近地表成像问题的其他常用起始模型进行了比较;识别起伏的双层土壤-基岩界面。在这项研究中开发的CNN能够预测复杂的2D地下图像的测试集直接从他们的地震波场的平均绝对百分误差为6%。当与其他常见方法相比时,CNN方法能够产生具有较小地震图像和波形失配的起始模型,在FWI之前和之后都是如此。使用更复杂的三层模型评估CNN推广到与训练它的模型不同的地下模型的能力。虽然CNN的预测能力略有下降,但它仍然能够实现与其他常用的初始模型相当的地震图像和波形失配。这项研究表明,CNN具有很大的潜力,可以作为开发FWI良好启动模型的工具。
2021-04-04 physics.geo-ph
Estimation of Acoustic Impedance from Seismic Data using Temporal Convolutional Network
在勘探地震学中,地震反演是指从地震数据推断地下物理性质的过程。物理性质的知识可以证明有助于识别地下的关键结构,以进行油气勘探。在这项工作中,我们提出了一个工作流程,预测声阻抗(AI)从地震数据使用的时间卷积网络的基础上提出的问题,作为序列建模的网络架构。所提出的工作流程克服了其他网络架构通常面临的一些问题,如递归神经网络中的梯度消失或卷积神经网络中的过拟合。所提出的工作流程用于预测Marmousi 2数据集上的AI,其中保持验证集上的平均$r^{2}$系数为$91\%$。
2019-06-06 eess.IV eess.SP physics.geo-ph
SeisCoDE: 3D Seismic Interpretation Foundation Model with Contrastive Self-Distillation Learning
针对地震解释依赖人工、数据稀缺的问题,提出融合地震信号处理与属性分析的三维自监督预训练框架SeisCoDE,通过对比自蒸馏学习无标注表征,泛化性优于传统监督UNet,为地震解释基础模型应用提供新路径。
2025-06-17 physics.geo-ph
Application of Marchenko-based isolation to a land S-wave seismic dataset
本研究将基于Marchenko的隔离技术应用于荷兰格罗宁根省的陆地S波地震数据,通过联合移除上覆和下伏地层影响,隔离30至270米深度目标区域的响应,提高了反射数据分辨率,可用于成像与监测。
2024-10-28 physics.geo-ph
GeoFWI3D: Large-scale 3D Velocity Model Dataset for Deep Learning-assisted Seismic Imaging
The University of Texas at Austin(德克萨斯大学奥斯汀分校);Los Alamos National Laboratory(洛斯阿拉莫斯国家实验室);Uppsala University(乌普萨拉大学);The University of Texas at Permian Basin(德克萨斯大学佩米安盆地分校);King Fahd University of Petroleum and Minerals(法赫德国王石油与矿产大学)
GeoFWI3D是一个包含10,000个三维速度模型的开源基准数据集,旨在通过深度学习辅助地震成像和全波形反演,并提供多模态标签和基准任务以促进评估。
2026-10-02 physics.geo-ph
Robust joint full-waveform inversion of time-lapse seismic data sets with total-variation regularization
提出了一种利用全波形反演(FWI)从时移地震勘探数据重建地下速度模型变化的技术。该技术是基于同时反演多个调查年份,与模型差异正则化使用总变差(TV)的插值。我们比较了新的电视正则化的时间推移FWI与$L_2$正则化的联合反演在我们早期的工作中提出的,使用合成数据集,表现出调查的可重复性问题。结果表明,所提出的TV正则化联合反演的替代方法恢复生产引起的模型变化,是由于流体替代和地质力学效应的明显优势。
2014-09-29 physics.geo-ph
Numerical Fréchet derivatives of the displacement tensor for 2.5-D frequency-domain seismic full-waveform inversion in viscoelastic TTI media
位移张量相对于地下的独立模型参数的导数,也称为Fréchet导数(或灵敏度核),是利用局部搜索优化算法进行地震全波形反演的关键成分。它们提供了由于给定勘测几何结构的地下模型参数的扰动而引起的地震图的预期变化的定量测量。由于2.5-D波场模拟涉及具有3D(球面)波特性的2-D地质模型中的真实点源,所以它产生的合成数据比通常使用的2-D波模拟更接近实际的实际场数据,2-D波模拟使用不现实的线源,其中波以圆柱形传播。基于我们最近发展的一般2.5-D波场模拟方案,我们应用摄动方法获得了一般粘弹性各向异性介质中2.5-D/2-D频率域地震全波形反演位移张量导数的显式解析表达式。然后,我们证明了所有这些衍生物在两种常见情况下的数值计算:(i)粘弹性各向同性和(ii)粘弹性倾斜横观各向同性(TTI)固体。不同的敏感性模式的各种衍生物的例子进行了研究,并比较了四个不同的同质模型,涉及2-D和2.5-D建模。
2022-12-15 physics.geo-ph
DiffusionInv: Prior-enhanced Bayesian Full Waveform Inversion using Diffusion models
本文提出DiffusionInv方法,将预训练扩散模型作为速度先验集成到贝叶斯全波形反演中,通过微调学习后验分布,以缓解多解问题、提升反演可靠性与泛化能力,并在Hess和Otway数据上验证了高分辨率恢复效果。
2025-05-06 physics.geo-ph
Decomposition and utilization of source and receiver ghosts in marine seismic reflection survey data
IHI Corporation(IHI株式会社);Kyoto University(京都大学)
本研究通过镜像效应分解并利用鬼影信号,提高海洋地震数据的信噪比和带宽,以更清晰地成像地下结构。
2022-01-24 physics.geo-ph
SAGE: Subsurface AI-driven Geostatistical Extraction with proxy posterior
Georgia Institute of Technology(佐治亚理工学院);Oxy(西方石油公司);Huber Engineered Materials(胡贝尔工程材料公司)
SAGE通过稀疏井测和迁移地震图像生成地质合理的子表面速度模型,利用代理后验分布提高效率和准确性,适用于地震成像和反演。
2026-03-31 cs.LG physics.geo-ph stat.ML
Seismic Inversion by Hybrid Machine Learning
我们提出了一种新的地震反演方法,该方法使用深度学习(DL)特征进行地下速度模型估计。DL特征是高维地震资料的低维表示,由卷积自动编码器(CAE)自动生成并保存在潜在空间中。低维DL特征包含输入地震资料的关键信息。因此,代替直接比较观测数据和预测数据之间的波形差异,例如全波形反演(FWI)。我们衡量他们的DL功能差异的潜在空间的CAE。这种低维比较的优点是,与FWI相比,它不太容易出现循环跳跃问题。这是因为当潜在空间维数较小时,DL特征主要包含输入地震资料的运动学信息,如走时。然而,更多的动态信息,如波形的变化,可以保留在DL功能时,潜在的空间维度变得更大。因此,我们提出了一种多尺度反演方法,从反演地下模型的低波数信息的低维DL功能。然后通过对高维DL特征进行反演,恢复其高波数细节。然而,不存在在同一方程中包含速度和DL特征项的控制方程。因此,我们使用的自动微分(AD)数字连接的DL功能的扰动的速度扰动。换句话说,我们通过使用AD将深度学习网络与波动方程反演连接起来。我们将这种混合连接称为混合机器学习(HML)反演。在这里,AD用一个黑盒子取代了梯度的复杂数学推导,因此任何人都可以在没有深刻的地球物理背景的情况下进行HML。
2020-09-15 physics.geo-ph
A review of the use of optimal transport distances for high resolution seismic imaging based on the full waveform
我们考虑的高分辨率震波成像方法称为全波形反演(FWI)。FWI是一种反演地下力学参数的数据拟合方法。尽管FWI被学术界和工业界广泛采用,并取得了许多成功的结果,但FWI仍然受到严重的限制。从数学的角度来看,FWI是一个大规模的偏微分方程约束优化问题。所使用的失配函数是非凸的,该失配函数测量观测到的地震资料与通过解决波传播问题计算出的数据之间的差异。在离散化之后,FWI问题的大小需要使用局部优化求解器,其倾向于收敛到局部最小值。因此,FWI的成功很大程度上取决于初始模型的选择,以确保收敛到全局最小的失配函数。这一局限性一直是各种战略的动机。在已经研究的不同方法中,最近已经推广了基于最佳运输(OT)距离的失配函数的使用。主要思想是受益于OT距离相对于膨胀和平移的固有凸性,以使FWI问题更加凸。然而,OT距离在FWI框架中的应用并不简单,因为地震资料是有符号的,而OT是为了比较概率测量而开发的。本研究的目的是回顾两种方法,开发来克服这个困难。这两种方法都已成功地应用于工业框架中的现场数据。这两种方法都可以更好地利用地震资料,减轻对初始模型和各种常规工作流程步骤的敏感性,并减少地下力学参数反演的不确定性。
2022-04-18 physics.geo-ph
SeisDiff-deno: A Diffusion-Based Denoising Framework for Tube Wave Attenuation in VSP Data
本文提出SeisDiff-deno框架,利用快速扩散模型有效衰减VSP数据中的管波噪声,在合成与实际数据上验证了其在保留关键信号的同时去除相干噪声的能力,提升了数据质量并支持采集期间的持续生产。
2025-03-01 physics.geo-ph
Rocketquake Seismology with a Falcon 9 Rocket Source
本文利用猎鹰9号火箭发射产生的震动作为地震震源,通过布设三分量地震仪记录体波和瑞利波并反演获得地下P波和S波速度剖面,验证了火箭震动地震学用于行星体地下成像的可行性。
2025-02-05 physics.geo-ph
Imaging the crustal and upper mantle structure of the North Anatolian Fault: A Transmission Matrix Framework for Local Adaptive Focusing
针对断层带成像对速度模型敏感的问题,提出基于背景噪声互相关的被动矩阵成像方法,利用传输矩阵实现局部自适应聚焦,并在北安纳托利亚断层带成功揭示了地壳与上地幔的散射结构。
2023-10-17 physics.geo-ph
Structure Label Prediction Using Similarity-Based Retrieval and Weakly-Supervised Label Mapping
最近,人们对各种监督机器学习技术产生了极大的兴趣,这些技术可以帮助减少人工解释工作流程所消耗的时间和精力。然而,大多数成功的监督式机器学习算法都需要大量带注释的训练数据。为大地震体获得这些标记是一项非常耗时和费力的任务。我们解决这个问题,提出了一个弱监督的方法来预测各种地震结构的标签。通过让解释器为每一类地下结构选择非常少量的示例图像,我们使用一种新的基于相似性的检索技术来提取数千个包含来自地震体的类似地下结构的图像。通过假设相似的图像属于同一个类,我们为这些图像获得了数千个图像级标签;我们在结果部分验证了这一假设。然后,我们引入了一种新的弱监督算法,将这些粗糙的图像级标签映射到更准确的像素级标签中,这些标签可以定位图像中不同的地下结构。这种方法极大地简化了获得标记数据的过程,用于在地震解释任务中训练监督机器学习算法。使用我们的方法,我们从荷兰近海F3区块生成了数千个自动标记的图像,这些图像具有相当准确的像素级标签。我们相信这项工作将使机器学习支持的地震解释取得更多进展。
2019-05-16 eess.IV physics.geo-ph
Joint inversion of Time-Lapse Surface Gravity and Seismic Data for Monitoring of 3D CO$_2$ Plumes via Deep Learning
Rice University(莱斯大学);TotalEnergies EP Research and Technology USA(道达尔能源美国勘探与生产研究技术公司)
本研究提出基于深度学习的全三维时移地表重力与地震数据联合反演方法,用于地下CO$_2$羽流监测,相比单模态反演提升了重建与分割效果,为CO$_2$封存监测提供有效工具。
2023-09-24 cs.CV cs.LG physics.geo-ph
Developing a seismic pattern interpretation network (SpiNet) for automated seismic interpretation
震波揭示现在是描述地下地质学和辅助环境工程和石油勘探等各个领域活动的基本工具。然而,大多数现有的解释技术被设计用于解释特定的地震图案(例如,断层和盐丘);相应地,其余模式将被忽略。借助于多种分类技术,解释所有重要的地震图形变得可行。然而,当将它们实施到地震域中时,主要缺点是效率低,特别是对于大数据集,因为分类需要在每个地震样本处重复。为了解决这一问题,本研究首先提出了一个地震模式解释数据集(SpiDat),它尝试性地根据信号强度和横向几何形状将12个常见的地震模式分类,包括断层、盐丘、气烟囱和沉积层序等重要地质意义的地震模式。然后,我们提出了一个地震模式解释网络(SpiNet)的基础上,最先进的反卷积神经网络,它能够自动识别和注释的12个定义的地震模式实时。所提出的SpiNet的影响有两个方面。首先,将SpiNet应用于地震立方体,使解释人员能够快速识别重要的地震模式,作为高级解释和建模的输入。其次,SpiNet为衍生更多面向任务的震波揭示网络(如断层检测)奠定了基础。它的结论是,建议SpiNet具有很大的潜力,以协助主要的震波揭示的挑战,并进一步推进认知地震资料分析。
2018-10-19 physics.geo-ph
Subsurface Depths Structure Maps Reconstruction with Generative Adversarial Networks
Petroleum Overseas ME JSC(海外石油ME合资公司)
本文提出利用StyleGAN2-ADA和Pixel2Style2Pixel编码器两种生成对抗网络算法,从二维地震深度图重建精细三维构造图,并通过概率深度空间实现知识迁移,重建质量可与三维地震图相媲美。
2022-06-15 cs.CV cs.LG physics.geo-ph
Diffusion-based subsurface CO$_2$ multiphysics monitoring and forecasting
King Abdullah University of Science and Technology(阿卜杜拉国王科技大学);University of Pennsylvania(宾夕法尼亚大学)
提出基于视频扩散模型的地下多物理场监测与预测框架,用于CO$_2$封存监测,实现高效预测、反演与不确定性量化,并在Compass模型上验证了有效性。
2025-03-30 cs.LG physics.geo-ph
Subsurface pulse, crater and ejecta asymmetry from oblique impacts into granular media
本研究通过104 m/s斜向撞沙实验,揭示了撞击角对地下地震脉冲强度的显著影响及相关不对称特征,并提出了脉冲峰值振幅的估算方法。
2023-09-23 astro-ph.EP astro-ph.IM cond-mat.soft
SeisDiff-intp: a unified prompt-guided flow matching framework for multi-tasks seismic interpretation
本文提出SeisDiff-intp框架,通过提示引导实现多任务地震解释,解决数据依赖和模型效率问题,结合生成增强策略提升性能。
2026-04-14 physics.geo-ph
Advancing data-driven broadband seismic wavefield simulation with multi-conditional diffusion model
本文提出一种多条件扩散Transformer,在无需先验地质知识的情况下生成高分辨率地震波场,并通过Geysers地热田数据验证其在振幅和相位上的保真度,为地震结构成像和震源表征提供新手段。
2025-04-11 physics.geo-ph
A Mutil-conditional Diffusion Transformer for Versatile Seismic Wave Generation
Institute of Geophysics, China Earthquake Administration(中国地震局地球物理研究所);Institute of Earthquake Forecasting, China Earthquake Administration(中国地震局地震预测研究所);School of Mathematical Sciences, University of Chinese Academy of Sciences(中国科学院大学数学科学学院);Shanghai Artificial Intelligence Laboratory(上海人工智能实验室)
本文提出一种多条件扩散Transformer地震波生成器,通过生成高质量波形训练下游模型,在真实波形上实现99%震相拾取召回率与精确率,并减少震级估计偏差,为解决区域标注数据不足问题提供了新途径。
2025-09-21 physics.geo-ph
Seis2Rock: A Data-Driven Approach to Direct Petrophysical Inversion of Pre-Stack Seismic Data
提出数据驱动方法Seis2Rock,通过从测井信息学习最优基函数,将叠前地震数据直接与带限岩石物理反射率关联,经训练与推理两阶段实现岩石物理参数反演,在合成与真实数据集上准确恢复了孔隙度等属性并成功应用于储层监测。
2023-09-05 physics.geo-ph
3D Curvature Analysis of Seismic Waveforms and its Interpretational Implications
曲率分析的思想已经广泛用于从三维(3D)地震资料(例如,断层/裂缝检测和地貌描绘)。然而,这种几何曲率仅利用可用地震信号的运动学信息(双向走时)。在分析动态信息(波形)时,传统方法(例如,复杂的痕量分析)通常是逐迹的,因此不能考虑地震反射体的连续性,并且偏离地质沉积的真实方向,特别是对于陡峭倾斜的地层。本研究建议将3D曲率分析扩展到震测剖面中的波形,这里表示为波形曲率,并研究辅助震波揭示的相关含义。荷兰北海F3地震数据集的应用表明,所提出的波形曲率分析的附加值在四个方面。首先,曲率算子区分凸弯曲和凹弯曲的能力允许通过反射体类型(峰、谷和零交叉)自动分解地震图像,这可以极大地促进计算机辅助层位解释和从3D地震资料建模。其次,符号最小曲率提供了一种新的分析方法,通过搜索与最小波形变化相关的方向来估计基本的和重要的反射层倾角属性。第三,有符号的最大曲率使得沿着反射同相轴的法线方向分析地震信号成为可能。最后,曲率分析提升了地震信号的频带,从而提高了识别和解释精细地震特征的视分辨率。
2019-02-01 physics.geo-ph
Strategies for integrating uncertainty in iterative geostatistical seismic inversion
迭代地质统计地震反演将地震和井数据集成以推断地下弹性性质的空间发布。这些方法对反演的弹性性质的空间不确定性提供了有限的评估,忽略了不确定性的替代来源,例如与不良测井数据、放大和地震资料内的噪声相关的不确定性来源。我们表示不确定的测井样本,由于不良的测井读取和升级,在本地概率分布函数(PDF)。局部PDF被用作随机顺序模拟算法的调节数据,包括作为反演内的模型扰动。噪声的地震和狭窄的勘探模型参数空间的问题,特别是在早期步骤的反演,是通过引入一个上限的本地相关系数负责在下一次迭代的新的一组模型的生成。提出了一个单一的地质统计框架,并说明了其应用到一个真实的案例研究。当与常规迭代地质统计地震反演相比时,附加不确定性源的整合增加了真实和反演地震道之间的匹配以及在最后一次迭代中反演的模型集合内的可变性。局部PDF的选择在反演弹性模型的可靠性中起着核心作用。在反演的早期阶段避免高的局部相关系数增加了在反演结束时合成和真实地震反射数据之间的全局相关性方面的收敛。
2018-10-17 physics.geo-ph
A workflow for seismic imaging with quantified uncertainty
由于存在若干不确定性源,地震图像的解释面临挑战。在数据测量、震源定位和地下地球物理性质方面存在着不确定性。了解不确定性的作用以及它们如何影响结果是石油和天然气行业决策过程的重要组成部分。地球物理成像是耗时的。当我们添加不确定性量化时,它变得时间和数据密集型。在这项工作中,我们提出了一个量化的不确定性的震波成像的工作流程。我们建立贝叶斯层析成像,逆时迁移和图像解释的统计信息的基础上的工作流程。该工作流探索了一种有效的混合并行计算策略,以减少逆时迁移的执行时间。应用高级别的数据压缩以减少工作流活动和数据存储之间的数据传输。我们在运行时捕获和分析出处数据,以提高工作流的执行,监控和调试,而开销可以忽略不计。Marmousi2速度模型基准上的数值实验证明了工作流的能力。我们观察到优秀的弱和强的可扩展性,结果表明,使用有损数据压缩并不妨碍震波成像不确定性量化。
2020-03-21 physics.geo-ph
Controllable seismic velocity synthesis using generative diffusion models
King Abdullah University of Science and Technology(阿卜杜拉国王科技大学)
本文提出条件生成式扩散模型,用于融合地质类别、测井和反射率等多模态先验,可控合成贴近目标分布的地震速度,并在 OpenFWI 上验证其有效性与分布外泛化能力。
2024-08-09 cs.LG physics.geo-ph
Petrophysical Property Estimation from Seismic Data Using Recurrent Neural Networks
Georgia Institute of Technology(佐治亚理工学院)
储层表征包括从测井资料和地震资料中估计岩石物理性质。由于地下的非线性和非均匀性,估计这些属性是一项具有挑战性的任务。已经进行了各种尝试来使用机器学习技术(诸如前馈神经网络和支持向量回归(SVR))来估计岩石物理性质。机器学习的最新进展表明,循环神经网络(RNN)在建模复杂的序列数据(如视频和语音信号)方面取得了可喜的成果。在这项工作中,我们提出了一个算法的属性估计从地震资料使用循环神经网络。与前馈神经网络相比,所提出的工作流程在使用地震资料估计密度和P波阻抗方面的应用显示出有希望的结果。
2019-02-01 cs.LG physics.geo-ph
Seismic Inversion by Multi-dimensional Newtonian Machine
牛顿机器学习(NML)是一种波动方程反演方法,其反演地震资料的一维潜在空间(LS)特征以用于检索地下背景速度模型。一维LS特征主要包含了地震资料的运动学信息,它是利用自编码器网络从地震信号中自动提取的。由于其LS特征维数太小,不能很好地保留地震资料的波形变化等动态信息。因此,NML反演不能恢复高波数的速度细节。为了解决这个问题,我们提出了多维LS特征的反演,它可以充分代表整个地震资料的特点。我们将这种方法称为多维牛顿机器学习(MNML)。在MNML中,我们定义了一个新的多变量连接函数,它与多变量隐函数定理一起将速度扰动连接到多维LS特征扰动。数值试验表明:(1)多维LS特征比一维LS特征能保留更多的数据信息,(2)多维LS特征反演能恢复更高分辨率的速度模型,反演质量与FWI相当;(3)MNML方法需要的存储空间比传统的FWI小得多,因为只有高维的低维表示,需要存储多维地震资料。与NML方法相比,MNML的缺点是它更容易陷入局部极小值。因此,我们提出了一种多尺度反演方法,该方法随着迭代次数的增加而反演高维LS特征。
2021-12-16 physics.geo-ph
Geological Everything Model 3D: A Promptable Foundation Model for Unified and Zero-Shot Subsurface Understanding
University of Science and Technology of China, School of Earth and Space Sciences(中国科学技术大学地球和空间科学学院);University of Texas at Austin, UT Institute for Geophysics(德克萨斯大学奥斯汀分校UT地球物理研究所);NVIDIA(NVIDIA公司)
提出地质万物模型3D(GEM),将地下构造解释等地层任务统一为基于提示条件推理的生成式架构,结合自监督学习与对抗微调实现零样本泛化,为地球物理AI奠定基础。
2025-09-12 cs.AI physics.geo-ph
Connect the Dots: In Situ 4D Seismic Monitoring of CO2 Storage with Spatio-temporal CNNs
Los Alamos National Laboratory(洛斯阿拉莫斯国家实验室);Michigan State University(密歇根州立大学)
4D震波成像已被广泛用于CO $_2$封存项目,以监测未通过井采样的体积地下区域中的流体流动。理想情况下,实时监测和近期预测将为现场运营商提供深刻的见解,以了解地下储层的动态并评估任何潜在风险。然而,由于诸如高部署成本、采集设备的可用性、表面结构周围的禁区等障碍,在监测期间只能获得非常稀疏的震波成像数据。随着时间的推移,这导致了不可避免的和不断扩大的知识差距。运营商需要了解整个项目生命周期内的流体流动,而地震资料只能在有限的时间内获得。这对于理解储层动态是不够的。为了克服这些挑战,我们开发了基于时空神经网络的模型,可以有效和高效地产生高保真的内插或外推图像。具体来说,我们的模型建立在自动编码器上,并将长短期记忆(LSTM)结构与光流正则化的新损失函数相结合。我们验证我们的模型使用真实的4D叠后震波成像数据获得的Sleipner CO $_2$封存领域的性能。我们采用两种不同的策略来评估我们的模型。在数值上,我们使用经典的基于像素的指标将我们的模型与不同的基线方法进行比较。我们还进行了一项盲测,并从领域专家那里收集了总共20份回复,以评估我们的模型生成的数据质量。通过数值和专家评估,我们得出结论,我们的模型可以产生高质量的二维/三维震波成像数据在一个合理的成本,提供了实时监测,甚至不久的将来预测的CO $_2$存储水库的可能性。
2021-08-25 cs.LG physics.geo-ph
Representations for multidimensional down-down deconvolution of ocean-bottom seismic data: theory and practical implications
Delft University of Technology(代尔夫特理工大学);Shearwater GeoServices;SLB(斯伦贝谢)
本文利用互易理论推导了接收端和源端的多维下行-下行反褶积表示,克服了水平层状介质假设,并分析了各自的数据驱动性及采样要求。
2026-05-29 physics.geo-ph
Heterogeneous Seismic Waves Pattern Recognition in Oil Exploration with Spectrum Imaging
本文提出基于梅尔频谱和预训练ResNet34的迁移学习模型,用于石油勘探中四种地震数据的分类,达到98.32%准确率,优于傅里叶变换方法,并可作为数据质量控制方案。
2024-07-05 physics.geo-ph
Downward continuation of marine seismic reflection data: An undervalued tool to improve velocity models
海洋地震实验的目的是提供地下结构和物理性质的信息。P波速度分布是最常用的建模属性,通常通过反演到达时间或波形属性。从MCS记录中提取折射作为初至的最广泛使用的工具是所谓的向下延拓技术,该技术旨在将拖缆场数据重新基准化到海底。在这种新的虚拟配置中,早期折射转换为地震相位,这些地震相位作为来自近零偏移距的初至波变得可见,便于其识别和在走时层析成像中使用。然而,与现有监控监数据集一起使用的文献有限,更不用说现有代码了。这项工作提出了一个用户友好的开源HPC软件,用于将2D拖缆场数据重新基准化到海底,以获得任何海底地形。主要成分是声波波动方程式使用的时间向后,允许第一个redatuming的接收器,然后,redatuming的源。提供评估工具,以评估特定数据采集配置重新基准化后的可用信息。此外,我们提出了一个逐步的分析,定义了影响虚拟,重新基准化记录的质量的最重要的功能。
2022-02-24 physics.geo-ph
TomoATT: An open-source package for Eikonal equation-based adjoint-state traveltime tomography for seismic velocity and azimuthal anisotropy
该研究开发了开源软件包TomoATT,基于伴随态走时层析成像方法实现地震速度和方位各向异性反演,通过实验验证其正演精度、多路径处理能力及并行性能,并在合成与实际数据中取得可靠结果。
2024-11-21 physics.geo-ph
Seismic resolution enhancement via deep Learning with Knowledge Distillation and Domain Adaptation
本文提出DAKD-Net,结合知识蒸馏与领域自适应机制,利用U-Net骨干网络提取空间结构信息并转移高频先验知识,有效提升了地震数据高分辨率处理的纵向分辨率、复杂结构细节恢复能力及泛化性。
2025-06-27 physics.geo-ph