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。

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。

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。

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%。

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。

针对传统岩性识别方法在处理测井曲线缺失、准确性以及模型可解释性等方面的不足，提出了一种基于MSCNN-GRU神经网络补全测井曲线和Optuna超参数优化的XGBoost模型的可解释性的岩性识别方法。首先，针对测井曲线在特定层段丢失或失真的问题，引入了基于多尺度卷积神经网络（MSCNN）与门控循环单元（GRU）神经网络相结合的曲线重构方法，为后续的岩性识别提供了准确的数据基础；其次，利用小波包自适应阈值方法对数据进行去噪和归一化处理，以减少噪声对岩性识别的影响；然后，采用Optuna框架确定XGBoost算法的超参数，建立了高效的岩性识别模型；最后，利用SHAP可解释性方法对XGBoost模型进行归因分析，揭示了不同特征对于岩性识别的贡献度，提升了模型的可解释性。结果表明，Optuna-XGBoost模型综合岩性识别准确率为79.91%，分别高于支持向量机（SVM）、朴素贝叶斯、随机森林三种神经网络模型24.89%、12.45%、6.33%。基于Optuna-XGBoost模型的SHAP可解释性的岩性识别方法具有更高的准确性和可解释性，能够更好地满足实际生产需要。

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。

 

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。

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。

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。

速度建模是叠前深度偏移的重要环节，通常需要在层位约束下对观测点的地层速度进行横向外推，然而在速度建模初期缺乏地震解释层位等格架信息。为此，文中提出了一种基于曲率谱横向相似性和改进循环结构Siamese网络的速度模型建立方法。Siamese网络是目前常用的基于深度学习的目标识别和追踪网络，可以快速进行目标图像的相似度对比，而且不需要人工制作标签。曲率谱可以看成反应地层特征和速度信息的二维图像，将速度建模作为横向特征相似性类比问题，通过类比曲率谱可以自动得到地层的格架和速度更新信息。首先，将叠前深度偏移后的道集转换为曲率谱；其次，确定待搜索曲率谱图像及其对应的目标追踪对象，并求取当前追踪对象与目标追踪对象的相似系数；然后，基于相似系数更新参考曲率谱图像和当前追踪对象；最后，在遍历完全部追踪对象时，基于各个追踪对象的层速度及深度建立速度模型。理论模型和实际数据试验结果表明，该方法能在没有解释资料的条件下快速生成符合地质构造和地层特征的速度模型。

大庆油田西部斜坡区萨尔图油层萨Ⅰ组储层以曲流型河道砂体沉积为主，由于点坝砂体边界及其内部废弃河道识别精度低，制约着开发水平井的部署。为此，在高密度地震资料基础上，采用基于动态Q补偿的偏移处理技术，大幅提高了河道砂体的成像精度，明确了地震剖面上曲流型河道砂体点坝及其内部废弃河道的波组特征；平面上为进一步突出曲流型河道砂体内部非均质特征，利用楔状地震正演模型，建立了不同频率地震数据体可识别的极限砂体厚度，根据研究区砂体厚度分布值域，优选基于S变换的3个单频体采用RGB三色融合技术，实现了不同厚度级别砂体精准预测；同时，建立了点坝砂体边界及其内部废弃河道的岩心相-测井相-地震相的响应模式，明确了点坝及废弃河道的含油性。研究结果表明：基于动态Q补偿的偏移处理技术，提高了河道砂体在地震剖面上的识别精度；基于S变换的分频体RGB属性融合技术，能够在平面上精准预测废弃河道、点坝边界及其内部非均质性；建立的岩心相—测井相—地震相的响应模式，能够准确预测不同类型砂体的含油性。应用研究成果指导部署井位304口，其中188口直井钻井成功率98.0%，116口水平井平均实钻水平段长度387.8 m，平均含油砂岩钻遇率93.4%。

断陷湖盆重力流沉积砂体相变快、规模相对较小、形成机制及分布规律复杂，决定了该类储层地震响应特征复杂。通过有针对性地分析现有三维地震资料品质，优选适合进行目标处理的地震数据体开展研究。利用沙四段油页岩地震响应特征、多井正负极性子波分别标定等手段，判断资料极性，为目标处理打下基础。针对牛庄油田沙三中亚段地球物理特征、浊积砂岩体发育特征，设计不同砂体组合的理论正演模型和实际砂体正演模型，确定合理的参数完成三参数小波高分辨率目标处理方法，效果显著。获得以下认识：①处理后地震数据体高频成分较老资料明显拓宽，且实现了复波分离，波组特征清楚，合成记录标定显示，处理后资料品质明显优于原纯波资料；②处理后资料波组连续性提高，能量关系清晰，有利于浊积砂体等的识别；③处理后资料利于标定，通过多井标定，建立精细构造模型与井约束模型完成地震反演，预测结果与实钻吻合度较高，在详细地层划分对比、地质研究基础上，采用地层切片技术，完成对沙三中亚段第5~第8砂层组主力含油砂岩体纵向发育、平面分布研究，确定砂体边界，为断陷湖盆重力流砂体储层精细刻画提供了新的思路。

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。

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。

地震波的吸收衰减和频散均与频率有关，因此，在频率域研究黏声波逆时偏移具有完备的理论基础和明确的物理含义。与时间域黏声波逆时偏移一样，频率域方法在补偿地层吸收衰减时也将不可避免的引起高频噪声放大，造成吸收衰减补偿的不稳定问题，影响偏移算法的稳定性和成像精度。为此，利用Kolsky-Futterman模型在频率域建立黏声波波动方程，并据此实现了一种稳定化的黏声波逆时偏移方法。其实现过程如下：首先，利用Kolsky-Futterman模型推导出频率域的黏声波波动方程，在该方程中振幅衰减和相速度频散是解耦的；然后，基于该方程的解耦特性，利用黏声波波场和仅含频散波场的稳定化比值，构建一种稳定化的吸收衰减补偿算子；最后，利用稳定化的吸收衰减补偿算子对震源正传波场和检波点反传波场分别进行吸收补偿处理，并应用互相关成像条件对地下结构进行黏声波偏移成像。模型实验和实际资料应用表明：该方法在补偿地层吸收的同时，较好地抑制了高频噪声的放大，保证了偏移算法的稳定性和成像精度，改善了成像剖面的质量。

作为提高地震数据纵向分辨率的有效手段，反褶积技术一直是地震勘探领域的研究热点。传统反褶积方法采取逐道稀疏反演的策略重构地下反射系数序列，忽视了相邻地震道之间的空间关系，反褶积结果空间连续性不佳。应用全变分（Total Variation，TV）约束的多道地震反褶积方法虽然能够改善由逐道反演引起的空间不连续，但由于未考虑地质构造信息，因而仅适用于“块状”构造。为了克服这一问题，文中提出一种自适应方向TV（Adaptively Directional TV，ADTV）约束的多道地震反褶积算法。该方法基于局部地质构造方向构建ADTV正则化项，不像传统TV约束仅考虑水平和垂直方向的信息。因此，ADTV可以更好地保护弱小反射信号，更清晰地刻画地质体的空间展布，在地质构造复杂的情况下也能保证反褶积结果的空间连续性。模型测试和实际资料处理结果均表明，该方法可以提供分辨率高、空间连续性强的反褶积结果。

黄土山地地表条件复杂、干扰强，表层介质非均质性强，同时受表层巨厚黄土吸收衰减影响，出现地震资料信噪比低、主频低、频带窄等问题。经叠前保真噪声衰减处理和叠前时间偏移后的叠加数据仍存在随机噪声及散射干扰，制约了薄储层的预测精度。业界通常采用F-XY域四维去噪+叠后零相位反褶积方法提高信噪比、分辨率，笔者则采用F-X域Cadzow滤波实现三维叠后数据的散射干扰及随机噪声同步压制，在此基础上利用连续小波变换方法提高分辨率。各处理环节中，应用噪声剖面、F-K谱、振幅谱、时间切片、分频扫描、井震标定等多种质控手段确保参数的合理选择。该套处理方法具有良好的保真性，可为后续反演、属性分析等环节提供良好的数据基础。

地下介质通常表现为电各向异性，增加了井地电磁法响应的复杂性。因此，针对各向异性介质模型进行正演模拟并总结规律，对于正确解释电磁勘探的观测数据至关重要。目前，对复杂三维地质模型进行精确建模是正演中的难点之一。本文使用一种基于八叉树网格的高精度建模方法，通过将六面体单元划分为八个较小的单元来局部细化网格，能够使用较少数量单元的同时保证建模的精度，从而降低计算成本。此外，为提高数值解的精度，在计算时使用高阶形函数。结合八叉树网格和高阶形函数实现了井地电磁法三维各向异性正演方法。通过对比各向异性层状模型的数值解与解析解，验证了算法的正确性。使用八叉树网格实现复杂各向异性油气模型精确建模，将异常体设置不同的水平和垂直电阻率，计算结果表明垂直电阻率对响应的影响大于水平电阻率。研究成果对实际的野外施工具有一定的指导作用，为进一步进行各向异性介质的三维反演打下基础。

Radon变换是地震资料处理中常用的一种算法，通过特定路径求和实现地震数据插值、多次波压制和波场分离。然而，由于采集数据和算法限制，变换域的分辨率较低，提高Radon域分辨率一直是研究的热点。最常用的提高分辨率方法是多次迭代重加权算法，通过迭代更新权重，将加权值聚焦到地震数据曲率上，但很难将加权值聚焦到真实曲率位置。文中提出了一种优化提高变换域分辨率的新方法，即在地震数据的主频带内求取一个加权矩阵，并将加权值聚焦至真实地震曲率位置。首先，计算地震数据的主频，并以主频为中心频率，向低频和高频方向各取一个范围作为约束频带；对主频带内的地震数据采用低频约束策略，从低频到高频迭代计算加权矩阵；从主频带的最后一个加权矩阵得到最终的加权矩阵，并应用于所有其他频率的计算。主频带数据的信噪比高、振幅强，因此，该方法更加稳定，得到的加权矩阵可以显著增强变换域的分辨率。此外，与其他迭代方法相比，它避免了每个频率加权矩阵的迭代过程，计算效率更高。合成数据和实际数据的测试结果证明了该方法的在多次波压制方面的有效性和优势。

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。

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%。

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。

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。

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。

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。

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。

南极南设得兰陆缘天然气水合物分布广泛，因其在资源、地质灾害及全球气候变化等方面具有重要作用，成为国内外研究的热点。为此，从天然气水合物储层的地震识别特征、水合物相关地质构造、水合物储层定量评价以及水合物与气候变化关系等方面对南设得兰陆缘水合物储层的地球物理研究工作进行了梳理和总结，获得了几点思考与认识，以期为今后天然气水合物勘探开发及气候变化研究提供一定的参考借鉴。最后对该区域水合物储层地球物理研究方向进行了展望，认为综合利用海底地震仪数据的纵横波信息开展水合物储层三维表征研究、深入研究天然气水合物对全球变暖的响应机制及其反馈作用等是未来重要的发展方向。

流体识别对于储层的预测至关重要。在各向同性介质中，Russell流体因子的获取主要基于Zoeppritz方程近似公式的反演或者弹性参数间接计算，然而，基于近似公式的反演容易受到小入射角和低对比度等假设的干扰，影响反演精度。为此，提出了一种基于精确Zoeppritz方程的储层流体识别方法。首先，将精确Zoeppritz方程重新改写为包含Russell流体因子、泊松比和密度的形式；其次，在贝叶斯反演框架下构建了流体因子、泊松比和密度同时反演的目标函数；最后，通过迭代重加权最小二乘法（IRLS）对反演目标函数进行非线性求解。合成数据和实际工区数据测试结果均表明，所提方法能够有效识别流体。该方法可为储层流体预测、储层流体标定工作提供新的研究思路。

地震数据反射系数反演是联结地下储层和地震数据的桥梁，一直是研究的热点。目前反射系数反演大多基于L₁范数约束的稀疏脉冲反褶积。近年来，奇偶分解算法的出现使得子波间调谐效应减弱，这使得基于L₁范数约束的谱反演得到进一步应用。稀疏约束的能力关系到待求解反射系数的准确性，本文针对常用的L₁范数和L_p范数稀疏能力约束度不足的问题，引入TL₁范数（Transformed L₁ Norm）稀疏约束，有利于获得更准确的反演反射系数；同时考虑反射系数较大的位置拟合能力需要增强，提出重加权TL₁范数（Reweighted Transformed L₁ Norm，RTL₁）进一步提高稀疏约束能力。参数测试结果证明了重加权类范数重建能力强于未重加权类范数，RTL₁在稀疏重建上的有效性。模型和实际数据处理结果证明RTL₁相比于常用的稀疏约束项更有利于提高谱反演的反射系数精度。

在OBN地震采集中，检波器与海底耦合问题经常导致陆检z分量接收到横波噪声。横波噪声对OBN数据的处理、成像、解释、油藏监测均带来严重干扰，而且横波噪声的频带、曲率与有效信号非常相似，难以用常规方法有效压制。为此，提出了一种基于抛物线Radon变换和非稳态自适应相减的OBN横波噪声压制方法。首先，将OBN数据的P分量和z分量数据通过抛物线Radon变换从时空域变换到τ-q域，利用横波噪声与反射信号传播速度的差别，在τ-q域尽可能分离横波噪声和一次波；其次，通过非稳态自适应相减算法的高度灵活性，从包含横波噪声的z分量数据中去除P分量中的反射信号成分，提取横波噪声；最后，将提取的横波噪声分量变换回时空域，并从原始z分量数据中去除横波噪声，实现消除噪声的同时，尽可能保护地震数据中的反射信号。实际资料的处理结果证明，该方法能有效压制OBN数据的横波噪声，提高地震资料的信噪比。

为了提高大地电磁场数值模拟的精度和效率，提出基于Gauss-Lobatto-Chebyshev（GLC）基函数谱元法的大地电磁场正演模拟方法。该方法首先从麦克斯韦方程组出发，推导了二维大地电磁场边值问题；然后基于Galerkin加权余量法将微分形式的边值问题转换成积分弱形式；最后采用GLC正交多项式插值基函数对全局问题进行离散化，利用Pardiso求解器求解大型稀疏线性方程组得到大地电磁场，实现了二维大地电磁场数值模拟。为了提高数值模拟效率，文中算法采用变密度规则网格剖分技术，即在电性复杂区域使用细网格，在电性均匀区域使用粗网格，采用OpenMP编程模式实现了多个频点的并行计算，以此达到缩短计算时间的目的。通过一维层状介质模型数值模拟结果验证了文中算法的正确性和精度，相比于Gauss-Lobatto-Legendre（GLL）多项式谱元法的数值模拟结果，GLC多项式谱元法的模拟结果精度更高。针对国际标准模型COMMEMI 2D-1和带地形模型，进行了基于GLC多项式谱元法、有限差分法和基于三角网格有限元法的正演模拟，三者数值结果对比表明，GLC多项式谱元法计算精度更高、网格依赖性更低。

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。

品质因子Q是表征地震波衰减的一种重要参数，广泛应用于储层裂缝发育特征及含油气性识别。然而，在各向同性、各向异性、黏弹性等不同介质模型的约束下获取的Q值具有不同的储层表征能力。为了精确描述裂缝型、裂缝—孔隙型、孔隙—裂缝型等储层的各向异性及裂缝发育特征，基于HTI介质模型和地震波衰减各向异性理论，提出了一种基于OVT（Offset Vector Tile）域HTI介质衰减各向异性的储层裂缝预测方法。首先，利用广义S变换（GST）对OVT矢量片叠前道集进行高精度时频分析；然后，通过T-K（Teager-Kaiser）能量算子计算地震波的单频T-K能量；最后，计算抽样波长距离内的相对衰减量，获得衰减拟Q值进行椭圆拟合，并以椭圆扁率表征衰减各向异性强度和预测裂缝发育密度。该方法不仅充分发挥了OVT叠前道集较叠后数据包含了更丰富的储层流体和裂缝信息的优势，而且将衰减属性与储层裂缝表征联系在一起，提供了一种裂缝预测新思路。该方法在川西坳陷XC气田的应用中取得了地震资料预测结果与岩心分析、测井资料解释成果吻合度较高的裂缝识别效果。

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。

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。