地震信号重建广泛应用的凸集投影（POCS）算法大都采用线性或指数阈值模型，虽然计算效率高，但由于难以完全消除缺失信号泄露引起的噪声，重建效果不佳。为此，提出了一种基于区域阈值模型的POCS地震信号重建方法，将数值阈值转化为区域阈值，将区域滤波窗口作为阈值进行迭代更新。其核心思想是根据时—空域缺失地震信号的频率—波数（F-K）谱分布范围，在每次POCS重建迭代时按照一定规律选取固定大小的矩形或扇形区域作为阈值，将区域内和区域外的变换系数分别保留和置零，以尽可能地保留有效信号的变换系数，构建了地震信号POCS重建的矩形与扇形区域阈值模型。数值试验结果表明：相比于F-K域指数阈值模型的POCS重建，F-K域区域阈值模型对连续缺失信号的重建精度更高； 相比于扇形区域阈值模型，矩形区域阈值模型的重建精度和计算效率均略高； 与曲波域指数阈值模型的POCS重建相比，F-K域区域阈值模型的重建精度相当，但计算效率提高了约90%。

 

微地震监测是指导页岩气开采水力压裂作业和评价压裂效果的常用手段。地面监测所采集的微地震信号能量弱、信噪比低，微地震事件识别困难，严重影响定位的准确性。针对低信噪比地面微地震监测资料，联合使用同步挤压S变换、谱分解和τ-p变换，提出一种新的消噪方法。首先对监测资料进行时差校正，将微地震信号的同相轴校平；之后使用同步挤压S变换对校平后的资料进行谱分解获取单频切片；再对每个单频切片进行τ-p变换，并根据τ-p变换的结果获取微地震信号位置；最后根据信号的位置在时频域完成消噪。实际低信噪比地面微地震监测数据的处理结果表明，新方法可以获得理想的消噪结果。

基于深度神经网络的地震速度反演方法面临的挑战是：时间域地震数据与空间域模型信息间语义映射的弱对应关系导致多解性； 神经网络将地震数据映射到速度模型过程中缺少有效引导，易受噪声干扰，影响反演精度。为此，提出一种基于特征强化U-Net的地震速度反演方法。首先，通过多炮地震数据特征叠加使输入网络的地震时间序列信号与对应速度模型之间的空间关系更加明确； 其次，基于多尺度特征融合的思想设计具有不同尺寸卷积核的模块，以增强网络对有效特征的学习能力； 然后，利用注意力门引导网络，增强网络重点关注的特征； 最后，结合瓶颈残差和预激活的思想，在网络中加入预激活瓶颈残差，避免梯度消失和网络退化。实验表明，该方法在地震速度反演方面具有更高的精度，并在抗噪声测试中效果较好，具有一定的泛化能力。

目前，中国石油油气勘探开发由隆起区向盆地斜坡、湖盆中心、盆地周缘不断拓展，目的层由中浅层向深层-超深层、对象由常规向非常规油气不断扩展，勘探开发面临探区更复杂、目标更隐蔽、作业难度更高等难题。针对陆上高难度探区地震勘探，中国石油强化地震资料采集、处理、解释等技术攻关，形成了“两宽两高（宽方位、宽频、高密度、高覆盖）”采集、“双高（高分辨率、高保真）”处理、真地表成像处理、叠前储层定量预测等技术系列，支撑了高难度探区勘探持续突破和储量长期稳定增长，实现油气产量稳中有升。以上成果的取得，得益于物探技术理念的转变，提出了“油气在地质家的脑海里，更藏在高品质的地震资料里”的找油找气新理念；得益于把握住了陆上地震勘探技术突破的牛鼻子，提出了“目标在深层，问题在浅层，关键是速度，核心是精细”的技术思路；得益于管理思路的创新与转变，建立了完整的物探技术管理体系，使各探区地震资料品质大幅度全面提升。这种认识上的突破和管理创新将指导下一步陆上油气地震勘探技术向全方位、高密度、全数字、多参数、自动化、智能化、全波形、全波场等方向发展。

海底Scholte波沿着海底流—固界面传播，具有典型的频散特性。Scholte波的频散特性可以反演海底浅层的横波速度，是海底横波速度建模的有效手段。建立准确的Scholte波频散理论模型至关重要。根据真实海水—海底环境建立水平层状海水—海底弹性模型，并利用边界应力和位移连续性条件推导了该模型的Scholte波频散方程及位移方程。分析了海水深度和海底物性参数对Scholte波频散特性的影响，6层海水—海底模型实验结果表明：①无论是硬海底还是软海底，Scholte波都具有明显的频散特性，硬海底Scholte波能量主要集中在海水中，基阶能量最弱，2阶能量最强，随着海水深度增加，Scholte波频散特性减弱； 软海底模型固体海底的Scholte波能量明显增强，此时海水深度对Scholte波频散特性影响很小。②相比于深海环境，浅海Scholte波能量更强，频散特征更明显，因此在浅海环境利用Scholte波反演海底浅层横波速度的精度和可信度更高。最后，基于东海某工区的实际海底弹性地质模型模拟海底多分量地震数据并从中提取频散曲线，与理论计算的频散曲线进行对比分析，二者的频散曲线吻合很好，验证了所提理论方法的正确性。

AVA三参数反演在地层弹性参数预测中发挥着重要作用。由于AVA理论公式（即物理先验认识）中的角度不易确定，加之大型稀疏矩阵的病态性，导致常规叠前反演过程不稳定。为此，提出物理、数据先验认识融合的叠前解耦分步反演方法。首先，基于物理先验认识构建非稀疏正演框架，以增加参数反演的稳定性，为解耦分步反演奠定基础；然后，以井资料为数据先验认识，将物理、数据先验认识融合，对叠前地震数据进行解耦，以得到更准确的叠前地震属性数据；最后，对解耦后的叠前地震属性进行反演得到地层弹性参数。该方法通过井数据先验认识修正反演过程，可以避免因物理先验认识中角度不准带来的误差。实际数据测试结果表明，相比于业界三参数AVA反演方法，本方法的反演结果具有更高的精度，其中拉梅参数、剪切模量和密度的精度分别提高14.1%、13.6%和11.9%。

裂缝预测是非常规储层预测的重要内容。裂缝密度不仅反映了裂缝的发育程度，也是影响裂缝孔隙度和渗透率的重要参数。文中提出了一种应用纵波反射振幅分方位傅里叶系数正、余弦分量加权的裂缝密度反演方法。基于线性滑动裂缝等效介质理论，分别推导了含油和含气条件下HTI介质纵波反射振幅傅里叶系数与裂缝密度的关系，并利用二阶傅里叶系数预测裂缝对称轴方位角； 研究了地震数据含噪声时二阶傅里叶系数正、余弦分量信噪比之比随裂缝对称轴方位角的变化规律，并提出应用二阶傅里叶系数正、余弦分量加权的裂缝密度反演方法。模型试算结果表明，所提的裂缝密度反演方法具有较强的抗噪性和稳定性； 将其应用于实际地震数据，裂缝密度预测结果与测井信息吻合，验证了方法的有效性。

针对柴达木盆地英雄岭构造带深层小断层和碳酸盐岩缝洞体识别，提出配套的地震勘探关键技术。首先，从资料采集方面，扩大观测方位，采用小组合激发和接收，炮、检点均匀布设，可提高小断层成像精度； 在地震资料数据处理方面，采用OVT域多维保真压噪技术和巨厚表层Q补偿处理技术，可以提高地震资料信噪比、保真度，有效拓宽频带，提高分辨率； 在地震资料解释方面，利用分方位数据体和人工智能断层识别技术，可有效提高小断层识别精度，利用各向异性强度属性可有效识别缝洞体。该技术可为其他类似地区提供参考。

随着塔里木盆地顺北油气区、轮南地区轮探1井在8200 m深度以下获得工业油气流，碳酸盐岩勘探迅速向深层-超深层领域迈进，向地震勘探技术提出了严峻挑战。主要分析了超深层复杂波场地震成像理论研究进展及面临的问题。在超深层储层预测关键技术方面，分析了由地震数据结构表征识别小断裂、基于数字岩心的孔隙结构定量化预测方法等现状； 从勘探地质需求的角度，提出深层—超深层碳酸盐岩储层与流体预测技术发展趋势和重点攻关方向，以期为海相碳酸盐岩地震勘探的理论及技术研究提供借鉴。获得以下认识：①针对超深层低信噪比地震数据，Q 叠前深度偏移和TTI介质RTM技术在碳酸盐岩储层成像中取得了一定效果，基于波动理论的层间多次波压制、各向异性 Q-RTM、最小二乘 Q-RTM及各向异性全方位角度域成像技术是重点攻关方向。②深层—超深层强非均质性碳酸盐岩储层地震预测技术存在欠缺理论依据、预测精度较低等问题，亟待加强理论方法探索和技术攻关。③地震岩石物理实验与储层地质的深度融合以及基于双相介质波动特征（频率、频散与衰减等）的储层敏感属性精细化地震预测技术、人工智能碳酸盐岩储层定量预测及流体检测技术等均是重要发展方向，“可靠的深层地震资料、多学科联合的储层高精度表征和深度学习人工智能”发展趋势十分明显。

脆性是一种评价致密储层可压裂性的重要指标，对油气勘探与开发有着重要的意义。准东地区勘探程度低、探井少，二叠系中下部云质岩致密储层的精细描述和脆性的准确预测均有着很大的难度。为此，根据岩石物理实验结果，利用叠前地震角度域数据体，开展储层叠前反演及脆性预测。通过AVO反演，获取P（截距）+G（梯度）和P×G属性； 通过Y（杨氏模量，E）P（泊松比，σ）D（密度，ρ）和L（拉梅常数，λ）M（μ）R（ρ）反演，获取弹性参数的变化率（反射系数）； 通过测井约束反演，获取弹性参数的实际值，并用多种表征公式计算脆性，分析其物理含义及应用效果。研究结果表明：①研究区横波速度与纵波速度有较好的拟合关系，杨氏模量、泊松比和密度对泥岩、非泥岩区分度明显； ②云质岩具有高速特征，研究区储层呈双“甜点”结构； ③用三个小角度数据体直接反演弹性参数反射系数，YPD反演方法相较LMR的储层识别效果更好、分辨率更高，密度反射系数数据体可见比较明显的扇体及河道冲积特征； ④脆性表征结果与弹性参数特征有一定的区别，脆性表征的云质岩有利区呈条带状分布，而弹性参数预测的云质岩有利区基本呈连续、成片分布； ⑤ρE/σ 为研究区最佳的脆性表征公式，可为类似油田云质岩储层脆性预测提供借鉴。

量子计算具有强大的计算能力，被视为一种可能对未来产生颠覆性影响的计算方法，可为多种复杂计算问题的求解提供新思路，目前已在多学科或领域实践与应用。近年来，量子计算逐步应用于地球物理研究，多种量子算法及量子计算机的应用为揭示地球内部构造、探测深部资源等提供了技术支持。量子计算具备高效求解科学问题的能力，在地球物理领域具有巨大的应用潜力。为此，系统分析、阐述量子计算原理并总结了量子算法的发展现状，对其在地球物理数据采集、波场模拟、反问题求解等领域的成果进行归纳、分析； 通过建立理论模型并进行反演，验证了量子算法的优越性； 最后展望了量子计算未来可能的研究方向。

河流相储层横向变化快、非均质性强，传统建模方法已不能满足目前储层表征的需求。为此，首先利用导航金字塔技术，将地震数据进行分解与重构，重构后的数据更加凸显地质规律，有利于沉积相的刻画；然后采用贝叶斯—序贯高斯地震约束建模方法进行储层建模，建立测井数据与地震属性的约束关系，提高模型垂向分辨率。胜利油田沙二段河流相储层建模实践表明，经导航金字塔技术处理后的地震数据横向表征能力增强，砂体边界识别效果较好；与传统序贯高斯方法相比，贝叶斯—序贯高斯方法模拟模型垂向分辨率更高，砂体预测厚度与实际厚度吻合率达86%，更有利于砂体识别。该方法可为剩余油开采提供指导。

随着油田勘探开发程度的深入，目标储层大都具有薄、小、深、碎的特点，高精度薄互层识别成为储层预测的热点和重点。目前常用的时频分析方法和谱分解技术受限于地震数据，无法满足薄互层精确刻画的要求；高分辨率反演方法也因地球物理反演的非线性特征导致结果存在多解性。为此，提出基于地震波波形相似的薄互层识别方法：首先采用波形库思想，构建井旁道—测井敏感曲线波形库；之后利用改进Manhattan距离联合线性相关系数法计算波形相似度，进行波形匹配；最后将波形相似度作为唯一驱动，建立地震数据与高分辨率测井数据间的数学联系，最终得到高分辨率处理剖面。该方法充分利用了地震、测井数据分别具有的横向和纵向高分辨率优势，能够有效识别薄互层目标，极大地降低了反演结果的多解性。模型试算验证了方法的可行性；实际资料处理结果表明该方法显著提高了纵向分辨率，对调谐尺度内的薄互层识别提供了技术支撑。

层位追踪是地震资料解释中一项基础且重要的工作,常规智能层位追踪方法的精度难以满足实际生产需求。为此,提出了一种基于U²-Net的高精度多套层位追踪方法。首先,设计一种充填标签的制作方法,遍历地震数据每个像素点,判断当前像素点所在位置并为其划分一个层位区域； 对于穿过断层的层位,则自动搜寻相邻层位,实现非全区层位、断层等复杂条件下的地震反射层位及不整合面的充填标签的制作； 然后,利用充填标签,采用U²-Net网络模型对F3数据体和M工区地震资料进行训练。与U-Net+PPM网络模型相比,U²-Net网络模型的预测精度更高,稳定性更好,泛化性更强,训练时间更短,且预测复杂地区的地震反射层位的准确率和平均交并比都大于95%。该方法可以较好地适应低信噪比地震资料的层位追踪。

鄂尔多斯盆地碳酸盐岩地层蕴含着丰富的油气资源。在勘探实践中发现，大牛地气田马家沟组断层发育、断距小，类型多样且成因复杂，给勘探、开发带来了较多挑战。为了应对这些挑战，提高储层预测的精度变得至关重要。在分析大牛地气田敏感弹性参数的基础上，建立地震属性与储层纵横波速度比（v_P/v_S）的关系，提出一种基于XGBoost算法的地震多属性v_P/v_S预测方法。为了进一步提升XGBoost算法的预测精度和泛化能力，采用贝叶斯算法对XGBoost算法的超参数进行优化，从而找到最佳的超参数组合，以确保模型在训练集和测试集上的性能均能得到提升。将XGBoost算法应用于Marmousi 2模型进行横波速度预测，预测值与实际值相关系数超过0.88，而均方误差、平均绝对百分比误差分别低于6.55×10^-7和4%，验证了该方法的准确性和可靠性。在鄂尔多斯盆地大牛地气田，应用该方法获得的v_P/v_S成功识别出含气储层，结果与实际钻井数据一致。理论模型和实际数据应用结果表明，XGBoost作为一种强大的机器学习算法预测精度较高，为直接由叠后地震属性预测v_P/v_S提供了一种有效的途径。

重力反演是通过地表信息获取地下地质体空间结构与物理性质的重要手段之一。每个重力梯度分量反映不同的地质体信息，联合重力梯度分量进行重力反演能够更好地研究地下密度异常体的形态和分布。为此，提出基于神经网络的重力全张量梯度数据反演算法，将U-Rnet网络应用于重力全张量数据的三维反演问题。为了检验该算法的有效性，采用六种典型模型进行模拟实验，获得了具有清晰边界和稀疏的反演结果。首先，对比L₂和Tversky两种损失函数的反演结果，后者的反演结果能更清晰地反映模型的边界位置；然后，对不同梯度张量组合进行反演，四组实验结果在三个方向（x、y、z）上具有不同的反演精度，组合四的误差最低；最后，将该方法应用于美国德克萨斯州文顿盐丘的FTG数据，反演结果与实际地质信息基本吻合。

利用地震资料识别断层在油气勘探中有着重要的作用。目前，机器学习和深度学习技术提高了断层识别的精度和效率，但断裂预测结果仍难以满足生产需求。为此，提出基于Transformer的地震断层识别方法，即3D SwinTrans-U-Net。该网络由Swin Transformer模块、卷积模块组成。其中，Swin Transformer模块可以利用Transformer的注意力机制提取全局信息，并将计算全局注意力转变为计算窗口的注意力，从而比Transformer减少了计算复杂度；卷积模块具有归纳偏置的特性，避免了Swin Transformer存在弱归纳偏置的缺陷；最后，利用U-Net结构，结合Swin Transformer层与卷积层，融合深层与浅层的信息并提取相关特征，充分学习全局性和局部依赖性信息，在保证断层识别精度的基础上提高了计算效率，实现端到端的地震断层学习。模型数据和实际数据测试均表明，3D SwinTrans-U-Net网络能进一步提升断层识别精度。

人工拾取速度谱是地震资料常规处理中速度分析的主要手段，此方法既耗时、耗力，又限制了大规模三维地震资料处理的效率和准确性。为此，提出了一种利用双路卷积神经网络的速度谱自动拾取方法。首先，采用卷积神经网络结合注意力机制作为主网络，从速度谱数据中提取能量团的特征并实现速度的自动拾取；其次，训练主网络在输出时间—速度序列之前，通过特征融合和特征转换将速度与另一个卷积神经网络（辅网络）输入的未校正CMP道集的隐藏表征进行信息融合，重构成校正后的CMP道集；最后，通过辅网络模拟CMP道集动校正的过程，利用动校正优化速度拾取的精度。模型和实际资料测试结果表明，在加入辅助神经网络引入动校正信息后，文中方法比单一的卷积神经网络在速度拾取方面具有更高的精度。

纵横波速比（v_P/v_S）是识别气藏、描述储层特征和判别岩性的重要解释工具。目前主要是通过反射系数近似方程反演得到纵、横波速度，再进一步计算纵横波速比，但是这种间接计算方法会产生累积误差。为了直接从叠前地震数据反演纵横波速比，文中提出了一种新的广义弹性阻抗方程，再进一步推导出一个与纵横波速比、纵波速度、密度相关的纵波反射系数近似方程。为了得到精度较高的反演结果，基于推导出的反射系数近似方程，提出一种基于L_p拟范数稀疏约束的叠前地震反演方法，并通过交替方向乘子算法求解。将提出的直接反演方法应用于理论模型和实际数据，并与间接反演方法相对比，结果表明该直接反演方法的反演结果精度较高，对含气储层的边界刻画更清晰。

地震数据中的随机噪声毫无规律，常规去噪方法难以达到理想的效果，影响后续的地震数据解释和分析。为此，提出一种基于扩散模型的地震信号去噪方法。该方法的前向扩散过程是通过对地震数据进行一定程度的加噪，将地震数据变成存在大量各向同性的高斯噪声的含噪地震数据，再利用训练后的扩散模型对含噪数据进行重建，提高地震数据的信噪比。预测网络部分是基于改进的U-Net网络，该网络中引入了注意力模块和ResNet模块，以提高网络对重要区域的关注度，避免深度网络中的梯度消失问题。理论数据和实际数据的应用结果均验证了文中方法的有效性。该方法去噪效果远超FX滤波、SVD等传统去噪方法，同时也比经典的深度学习网络CNN、GAN更加优秀，能够完整地保留有效信号，极大提升地震数据的质量。

五维地震数据可以更好地分析地震波在各向异性介质中传播的旅行时间、速度、振幅、频率和相位等属性随方位角的变化，而且炮检距信息与目标地质体的尺度、地层岩性和流体成分等存在相关性，方位角信息则与地层中的断裂、裂缝等的发育特征相关。为此，提出了基于五维地震资料的火山机构刻画和岩相识别技术。考虑到地下构造在垂直于走向方向的响应更明显的特点，通过构建方位分析窗提取优势方位信息，利用倾角成像增强处理的地震资料预测火山机构，利用倾角及方位角的变化计算相邻道的相似性，提高了地震资料的横向信噪比，明确了火山机构宏观分布范围；通过定义方位时窗，结合地震道反距离加权算法，提取每个方位对断裂最敏感的信息，提高了火山机构刻画精度，得到的火山形态更清晰；再结合核主成分分析（KPCA）融合优势属性预测火山岩有利岩相，精细预测了准噶尔盆地KM1井区的三期火山岩有利区带，为高效勘探、开发该区的火山岩储层奠定了基础。

琼东南盆地超深水区Y目标储层为受多级断阶控制的高位域三角洲水下分流河道砂体，钻井资料揭示的气层和水层在地震资料上均表现为“亮点”，并具有远道增强的第Ⅲ类AVO特征，常规基于振幅信息的油气检测结果存在多解性。为此，提出一种充分利用地震数据的振幅、频率和相位信息的地震全信息烃类检测技术。首先，从地震正演出发综合分析砂岩储层叠后、叠前地震响应特征及其影响因素，指出孔隙度和气层厚度是影响利用振幅信息识别流体的主要原因，明确了基于振幅信息可以识别厚层含气砂岩；其次，通过地震反射频谱分析指出造成气层主频降低、频带变窄的主要原因是含烃引起的地震波衰减；最后，通过数值模拟表明厚层气砂和水层背景下的薄层气砂均表现为明显的吸收和相位异常，可以利用与地震波衰减相关的频率、相位信息开展含油气检测。研究区实际应用表明所提方法能够有效区分气层和水层，检测结果与实钻结果相吻合，为钻井实施提供了可靠依据，有效降低了勘探风险。

层位追踪是地震资料处理、解释中非常重要的步骤，现有的层位自动追踪技术在遇到断层时追踪效果不佳。为此，根据相邻地震道之间波形相似性，提出一种利用动态时间规整（DTW）的纯数据驱动的多层位追踪方法。首先，提取地震道特征值，将地震道按波谷、波峰或过零点等特征划分，使所追层位点严格遵循以上特征，保证追踪结果的高精度；其次，利用DTW方法计算两道相邻地震道划分好的特征值序列以得到相似路径；最后，从相似路径中提取所有彼此相似的特征值点对，并根据参考层划分特征值点对得到各套层位。模型数据试算和实际资料测试结果表明，所提方法能快速追踪到目标区域的各套层位，并有效克服断层对层位追踪的阻碍，对不同地质条件的地震资料具有一定的适用性，有一定的应用价值。

层位追踪是地震资料解释的关键步骤,通常由解释人员以人机交互方式进行,效率较低。卷积神经网络可以构建地震数据和训练标签的非线性映射关系从而完成层位追踪,由于人工解释结果获取困难,仅由少量标签训练的模型泛化能力较差。为此,提出一种基于卷积神经网络的半监督层位追踪方法,将层位追踪转化为层位断层间区域的图像分割。首先使用自编码器对无标签数据进行训练,之后将部分参数迁移至有监督学习网络后使用少量标签数据进行有监督学习,最后对整个工区的地震数据进行预测,提取分割结果边缘作为层位追踪结果。合成数据和实际数据的测试结果均表明,相较于有监督学习层位追踪方法,该方法具有较少的错误分割,由分割边界提取的层位与人工层位解释结果的误差较小,具有更好的泛化能力。

重建缺失的地震道是地震数据处理的关键环节之一。近年来提出了多种基于深度学习理论的地震数据重建方法。然而，这些方法中常用的卷积运算只能捕捉到地震数据的局部特征，没有充分利用全局信息。另外，池化操作也会造成特征图信息的丢失，从而破坏地震反射的细节特征。为此，提出了基于小波通道注意力网络的地震数据重建方法。哈尔（Haar）小波变换能够有效提取信号的多尺度特征，并在上采样过程中避免信息的丢失；高效通道注意力模块通过对不同通道特征图之间的相关性进行建模，能实现全局信息的充分利用。合成和实际地震数据的实验结果表明，与具有代表性的深度学习方法相比，文中所提出的网络模型可以产生更准确的重建结果。

页岩储层地应力地震预测法通常运用弹性参数计算水平应力差异比（DHSR），但是存在不足：一是预测方程中含有各向异性参数（裂缝柔度），不容易求取，造成地应力预测难度较大； 二是预测方程中的杨氏模量、泊松比等参数是由间接反演求取的，精度较低，难以满足页岩气地质工程一体化的要求。为此，提出了基于裂缝密度反演的页岩储层地应力地震预测方法。建立了基于杨氏模量、泊松比和裂缝密度的纵波方位各向异性AVO方程直接反演弹性参数，推导了由泊松比和裂缝密度表示的DHSR公式。根据井数据进行页岩储层各向异性岩石物理建模，并开展叠前方位各向异性反演，利用反演的泊松比和裂缝密度估算DHSR，运用DHSR评价页岩储层的地应力特征。应用实例表明：DHSR越小，水力压裂会产生不同方向的正交复杂裂缝网，可以更好地改造储层的物性和渗流通道，储层改造体积越大，越利于储层压裂； DHSR越大，水力压裂会产生平行于水平最大主应力的非正交平面裂缝，形成孤立裂缝，不利于体积改造。同时，DHSR预测结果与现有的测井地应力计算、压裂监测及产量测试等结果的一致性很高，并且符合地质认识，说明了所提方法的有效性和可靠性。

无论是迭代类随机反演还是线性贝叶斯随机反演，一般采用序贯类随机模拟表征油藏的非均质性。序贯类方法大多依赖变差函数或训练图像描述模型参数的空间相关性，需要逐点计算模拟结果，因此并行实现困难、计算效率低。为此，将一种条件化快速傅里叶变换滑动平均（FFT-MA）模拟引入线性反演框架，提出基于空间协模拟的叠前地震随机反演方法。首先，在贝叶斯框架下整合地震数据和测井低频信息，获得弹性参数的后验概率分布。然后，根据FFT-MA算法生成概率场，以测井数据为条件数据对贝叶斯后验应用概率场协同模拟，从而获得井震数据约束的叠前弹性参数高分辨率随机反演结果。该方法无需迭代更新模型参数，能极大地提高随机反演的计算效率。最后，由模型试算和实际资料应用测试方法的效果。模型试算表明，所提方法在高分辨率储层预测及计算效率方面均优于常规方法，可稳定、准确地描述小尺度储层特征。实际资料应用表明，所提方法得到的高分辨反演结果与测井数据契合良好，提高了随机反演在薄储层定量表征方面的实用性。

常规全变分（Total Variation，TV）去噪模型只考虑水平方向和垂直方向的一阶导数信息，处理存在弯曲同相轴的叠前地震资料时会严重破坏振幅信息，而且振幅的横向渐变特征会被压制，从而引起“阶梯效应”。常利用地震数据的局部倾角信息提高TV模型的保幅能力，但局部倾角信息的计算会受到噪声的严重影响。为此，提出在动校正（NMO）域中利用高阶TV正则化去噪模型对叠前地震资料进行随机噪声压制。该方法首先将叠前地震数据转换到NMO域，NMO对噪声的鲁棒性强，同时避免了局部倾角的计算；在NMO域中弯曲同相轴被拉平，然后对其进行高阶TV去噪；最后通过反NMO还原叠前地震数据。以二阶导数为例构造了高阶TV正则化反演去噪目标函数，并在分裂Bregman优化框架下推导了快速优化求解方法。合成地震数据和实际地震资料的处理结果表明，该方法不仅可以有效压制随机噪声，而且可以消除同相轴弯曲和“阶梯效应”造成的振幅失真，提高了TV去噪方法的保幅性能。

随着油气勘探开发的不断深入，薄储层与岩性油气藏逐渐成为重要的勘探目标，这也对地震资料的分辨率提出了更高的要求。文中提出了一种基于自适应注意力机制的U-net地震数据高分辨处理方法。该方法首先利用U-net结构学习地震数据的特征表示，通过下采样过程的编码器提取地震数据的抽象特征，然后通过上采样的解码器进行特征重建和细化。在上采样的过程中引入了注意力机制，用于自适应地调整网络对不同地震特征的关注程度，网络能够更加有效地捕捉到地震数据更多的细节和特征。Marmousi模型合成地震记录和实际数据实验结果表明，新网络比原U-net误差更小、更稳定，可有效提高预测精度，实现对地震数据的高分辨率处理。

陆上勘探中面波是常见干扰波之一，面波压制的保幅效果对后续资料处理具有较大影响。传统的面波压制方法很难在有效保护反射波的情况下对面波进行精确压制。由于面波具有低速、低频、高振幅的特征，文中提出了一种基于Gabor变换的时频域保幅面波压制方法。首先，利用Gabor变换将地震道划分成若干个地震道片段，在地震道片段内根据面波和有效波振幅能量差异进行面波识别，从而实现时间域内面波和有效波精细分离；然后，在含有面波的地震道片段上采取频率域带通滤波，根据面波和有效波频率的差异进行面波压制；最后，利用Gabor反变换得到面波压制后的地震道。模型测试和实际数据处理表明，该方法在有效压制面波的同时，最大程度地保护了有效波的信息，提高了面波处理的保幅性。

 

近年来，塔里木油田在台盆区沙漠地带采取“区带整体部署，集中高效采集”的方式加快该区高精度三维地震资料全覆盖部署，地震资料采集面临工作量大、采集时窗短、多支队伍同时施工等诸多挑战。多支地震队施工距离较近造成的数据混叠严重影响深层有效弱信号，通过延长激发时间间隔和轮换交替施工方式势必大幅降低生产效率。为此，通过室内数值模拟定性分析及工区内大炮检距、长排列试验资料和现场录制的120 s长背景记录定量分析，综合建立数据混叠分析时间—空间图板，明确了沙漠区数据混叠的类型及产生机理，提出不同距离条件下井炮激发方案，并成功应用于富满油田Ⅱ区2408 km²沙漠连片三维地震采集。生产实践表明，所提方法可有效地规避数据混叠，在此基础上，采集日效提高约35%，确保了项目优质、高效、按期完成，夯实了油气高效勘探开发资料基础，为大沙漠区连片三维采集提供了借鉴，也为改进防重炮装备系统提供了技术思路。

超深层油气逐渐成为中国乃至全球探明储量、产量的重要增长极（点），超深层油气地震勘探技术的研究与应用意义重大。为此，以塔里木超深层油气藏为研究对象，首先分析超深层油气藏的地震、地质条件及地震勘探面临的难题； 然后总结了超深层油气三代地震勘探技术的形成、发展历程及应用成果、效果； 最后对该技术发展思路进行了展望。研究认为：以宽线+三维观测、高速层激发、叠前时间偏移为核心的第一代超深层油气地震勘探技术解决了超深层地震资料的信噪比低的难题； 以三维、宽方位、较高密度观测、叠前深度偏移为核心的第二代超深层油气地震勘探技术初步解决了超深层地震成像归位不准的难题； 以高密度宽方位三维观测、增能降噪地震激发、深层地震保真扩频、真地表TTI深度偏移成像、分级断裂刻画与组合、OVT域相控反演及雕刻等为核心的第三代超深层油气地震勘探技术基本解决了超深层地震高精度成像难题，有效支撑了富满超深层十亿吨大油田和博孜—大北超深层万亿方大气田的发现和探明； 增能降噪、保真拓频、聚焦归位和解耦映射是未来超深层油气地震勘探技术的重点发展方向。

传统的沉积相识别方法依赖地质专家的先验知识，利用地震和测井数据，借助计算机的存储和计算能力定性分析沉积环境。地震相的识别以地震数据为基础，因需大量的人工解释，准确率和效率均不甚理想。如何从地震数据中表征沉积微相的地质特征，实现沉积微相的三维空间刻画仍有待研究。近年来，知识图谱（KG）在地学领域中引起广泛关注，通过构建KG进行约束也可改进传统沉积相识别方法，但是KG、深度学习（DL）与沉积相地震技术识别需进一步融合，研发基于KG约束的沉积微相精细识别技术是目前亟需解决的技术难题。为此，将地质先验知识引入KG，构建了地下复杂沉积模式的计算机高层语义认知系统，利用KG对地质先验知识的计算机表征，作为约束条件和质控手段引导沉积微相的识别与建模，形成了KG引导的沉积微相智能识别技术。利用所提方法将地质先验知识数字化之后，刻画了四川盆地川中地区灯影组碳酸盐岩微生物丘滩体以及多期次前积体沉积相微相的空间分布，预测结果与目标工区的特定地质情况契合。所提方法适用于深层岩性圈闭预测和井位论证，为储层预测提供了有效依据，具有较好的工业化应用、推广价值。

常规利用法向弱度、切向弱度间接预测裂缝密度的方法存在较大误差。为此，提出一种针对碳酸盐岩（HTI介质）裂缝密度直接反演的方法。在振幅随炮检距和方位角变化（AVAZ）反演的基础上，引入反距离加权插值法（IDW）以优化传统各向异性全变分（ATV）多道反演的横向差分算子，充分利用相邻多个地震道之间的相关性，提高反演算法的横向连续性和稳定性；将横向约束、低频约束及稀疏约束共同用于构建反演目标函数，采用交替方向乘子法（ADMM）优化求解。利用裂缝密度直接反演和反距离加权插值的优点，先对Marmousi II模型测试，验证了该方法的有效性和抗噪性；再将该方法应用于塔里木盆地YM区块的实际数据，验证了该方法的可行性。该方法对裂缝密度预测结果更准确、可靠，可在类似地区推广应用。

断层识别是地震数据解释的重要环节之一。深度学习技术的发展有效提高了断层自动识别的效率和准确性。然而，目前在断层的自动识别任务中，如何准确捕捉断层细微结构并有效抵抗噪声干扰仍然是一个具有挑战性的问题。为此，在HRNet网络的基础上，构建了一种基于解耦自注意力机制的高分辨率断层识别网络模型AHRFaultSegNet。对于自注意力机制解耦，结合空间注意力和通道注意力，代替HRNet中并行传播的卷积层，在减少传统自注意力机制计算量的同时，模型可以在全局范围内计算输入特征的相关性，更准确地建模非局部特征；对解耦自注意力使用残差连接来保留原始特征，在加速模型训练的同时，使模型能够更好地保持细节信息。实验结果表明，所提出的网络模型在Dice、Fmeasure、IoU、Precision、Recall等性能评价指标上均优于其他常见的断层自动识别网络模型。通过对合成地震数据与实际地震数据等进行测试，证明了该方法对断层细微结构具有良好的识别效果并且具有良好的抗噪能力。

随着勘探程度的深入，可用于正则化反演的先验信息越来越丰富和精确。在分析参数变换函数、模糊C均值聚类模型约束、交替方向乘子优化等引入岩石先验物性约束方法的基础上，提出了一种基于反演单元物性互异原则的模型约束方法。基于单元互异原则的模型约束从地质单元数量有限、每个离散反演单元只能属于某一种岩性的本质出发，通过限定离散反演单元的物性取值实现物性引入。将上述先验物性引入与经典正则化反演相结合，构建了统一的目标函数并通过高斯—牛顿法进行优化求解；对四种方案实现岩石物性引入的作用机理和数学本质进行了分析，提出了同时利用多种方案提高反演效果的组合策略；对比了L₁和L₂范数最小结构模型约束与先验岩石物性引入策略结合的反演效果。模型和实测数据反演结果均表明，充分利用岩石物性测量的先验信息可有效提高反演效果。