断层解释是地震资料解释的关键环节之一。以神经网络为代表的深度学习技术的迅速发展极大地提高了断层解释的效率和精度。神经网络通过随机梯度下降优化训练，以损失函数衡量模型的误差，迭代更新网络模型参数，其中损失函数的选取对断层解释结果至关重要。为此，在三维地震资料的断层解释中，以3D U-Net为网络结构，以Adam作为优化器，通过三维合成样本训练网络，对比、分析平衡交叉熵（BCE）、骰子（Dice）、焦点（Focal）、余弦（Cosine）、Log-Cosh Dice、Tversky、Focal-Tversky、Wasserstein、BCE-Dice和BCE-Cosine等共10种损失函数的断层解释效果； 对训练数据进行归一化和数据增强，减小合成数据与实际数据分布之间的差异； 在相同网络模型、训练参数以及停止准则的条件下，对比各种损失函数训练3D U-Net的收敛速度、计算效率和抗噪性能； 利用荷兰近海F3区块实际地震数据分析断层预测效果。实验结果表明，Tversky和Focal-Tversky损失函数训练的3D U-Net预测断层连续性较好； 当交叉或平行断层分布密集时，邻近断层会相互影响，BCE、BCE-Dice和BCE-Cosine损失函数训练的3D U-Net预测断层完整、清晰，细节丰富。该成果可为地震资料断层解释中如何选取合适的损失函数提供参考。

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。

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%。

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%。

塔里木盆地深层碳酸盐岩缝洞型储层横向变化快、非均质性较强，缝洞间接触关系较为复杂，严重制约了后期的勘探开发部署。为此，研究了基于叠前—叠后地震资料多属性分析的缝洞型储层综合预测方法。首先，基于叠后地震资料，通过多属性对比分析，优选出分频导向相干结果作为大断裂和溶洞预测的敏感属性； 其次，基于叠前宽方位地震资料，提出基于宽方位导向相位属性的各向异性强度表征方法，通过奇异值分解（SVD）计算不同方位导向相位属性的最大奇异值与奇异值之和的比值，用于表征目标储层的各向异性强度分布情况，从而作为地下裂缝的预测结果； 最后，将叠后大断裂、溶洞刻画结果与叠前裂缝预测结果联合分析，并应用于塔里木盆地碳酸盐岩缝洞型储层的预测，能够清晰表征缝洞间的接触关系，与实钻井结果较为吻合，从而为后期勘探开发部署提供有力依据。

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。

水力压裂是促进地层油气藏高产的一项重要手段，对油气田的勘探、开发具有重要意义。水力压裂裂缝是油气藏的主要渗流通道和有效储集空间，裂缝识别是油气勘探、开发的重要环节。关于利用电磁方法进行水力压裂裂缝探测，学者们提出了多种切实可行的技术方案。首先，通过系统调研基于电磁方法的水力压裂裂缝探测相关文献，从空间角度对水力压裂裂缝的主要几何形态进行分类，分析水力压裂裂缝电磁监测方法的优势和不足；基于感应测井理论，通过电磁法监测手段，识别由导电支撑剂填充的水力压裂裂缝。然后，分别从垂直井、水平井和多井三方面对水力压裂裂缝的研究现状与发展趋势进行了详细综述。最后，探讨了基于电磁方法的水力压裂裂缝探测技术的主要问题和困难，认为目前主要的技术难点在于裂缝的复杂形态难以准确把握，多种因素共同影响裂缝形态探测效果。因此，针对具有多尺度特性的水力压裂裂缝的分布和特征，需结合多种电磁模拟方法进行研究。

针对衰减介质的全波形反演（FWI）通常采用黏滞声波方程，并通过伴随状态法计算目标函数对介质速度参数的梯度。在梯度计算过程中，由于震源波场和伴随波场都历经衰减，因此梯度随着深度减弱，导致模型参数的修正量变小，降低了反演的收敛速度。为了提升反演效率，研究了基于解耦分数阶拉普拉斯算子（DFL）波动方程的黏滞声波FWI，提出了一种新的基于稳定因子的梯度补偿策略。在补偿梯度过程中设置稳定因子实现稳定补偿，可以在保持正确运动学特征的同时，平衡所恢复梯度的幅度。数值算例表明，与传统的黏滞声波FWI相比，经此梯度补偿的黏滞声波FWI具有更快的收敛速度和更高的反演精度。

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。

砂砾岩体广泛存在于断陷湖盆陡坡带，可发育多种油气藏类型，勘探潜力较大。但由于其空间展布及叠置关系复杂，与围岩有较大速度差异，常规的成像域网格层析建模方法难以获取精细速度模型。为此，基于成像域网格层析反演方法，借鉴层位约束的思想，结合地震解释得到的岩体空间分布信息划定重点反演区域，并引入对数型障碍函数，通过施加不等式约束条件限制岩体速度变化范围，提出一种成像域约束层析反演方法，以提高砂砾岩体的建模精度。在BS工区的应用结果表明，与原有的网格层析模型相比，该方法建立的速度模型与成像剖面中的岩体分布更吻合； 与融合建模结果相比，能更好地反映出砂砾岩体内部的速度变化，相应的成像剖面质量也有一定提高。

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。

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。

由于复杂强背景噪声的影响，分布式光纤声学传感（Distributed Optical Fiber Acoustic Sensing，DAS）采集的地震记录普遍信噪比较低。如何有效抑制背景噪声，恢复弱上行反射信息，切实提升DAS记录信噪比，已成为资料处理领域的热点问题之一。针对复杂DAS背景噪声消减问题，提出了一种多尺度增强级联残差网络（Multiscale Enhanced Cascade Residual Network，MECRN）。MECRN具有双路径级联残差网络结构，通过双路径机制提取DAS记录浅层信息。在此基础上，引入空洞卷积和多尺度模块提取DAS记录的多尺度特征，并通过跳跃连接导入浅层特征，在避免有效特征损失的同时，提升网络的特征提取能力。最后，通过残差学习整合局部和全局特征，并对重建特征细化，进一步提升了MECRN的去噪能力。模拟和实际DAS资料处理结果均表明，MECRN可以有效地压制DAS记录中的复杂背景噪声，准确恢复弱反射信号，显著提升处理DAS资料的能力。

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。

提高数据信噪比是地震资料处理过程中的关键环节。目前基于深度学习的降噪方法已取得较好效果。但该类方法以数据局部相似性为前提，采用时空域数据分窗进行处理，运算效率往往较低。考虑到地质结构的连续性，炮间数据具有一定的相似性，利用其同频率分量的低秩特点，设计了一种三维数据频域降秩的深度学习去噪方法。首先阐明三维数据的频域低秩原理，采用奇异值分解理论指导建立自编码神经网络； 考虑频域随机噪声的分布特点，采用K-L（Kullback-Leibler）散度约束损失函数，改善了去噪效果。通过对合成记录和实际资料处理，并与多通道奇异谱分析（Multichannel Singular Spectrum Analysis，MSSA）及K-SVD（K-奇异值分解）方法对比，验证了该方法在去噪效果和计算效率等方面的优势。

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。

地震数据偏移成像是地下介质反射系数估计的重要方法之一，其结果通常受子波影响而波数带展布有限。有效拓展成像结果的波数带、提高空间分辨率是宽带反射系数估计的一个重要目的。为此，首先从反演成像的角度分析，指出子波和观测系统照明是影响成像结果分辨率的两个主要因素； 其次，基于卷积神经网络（CNN），利用宽频子波构建标签，将常规成像结果作为输入，利用CNN挖掘其中的映射关系，提出了相应的深度学习算法子波整形反褶积方法； 然后，针对反褶积中初始子波估计不准确的问题，设计了子波与反射系数串联、迭代、更新的实现方案，定制的宽频子波能兼顾低波数和高波数信息，用于训练网络时可以更好地恢复宽带的反射系数； 最后，利用已知模型进行网络的预训练，将基于目标数据体提取的有效子波作为靶区数据反褶积的初始子波，进行子波整形反褶积处理，并通过薄层模型测试了该方法的正确性和可靠性。实际资料处理结果表明了该方法具有较好的应用潜力。

四川盆地龙门山北段发育典型的逆掩推覆构造，油气勘探潜力大。为了获得高品质的原始地震资料，需要根据三维模型正演成果优化地震采集观测系统，其中三维地球物理模型的构建是关键。为此，综合已有二维和三维地震资料解释成果、近地表调查资料等，依据不同分区的地质、地震反射特征，采用不同的方法构建地质模型； 利用微测井调查结果、VSP资料等对模型进行速度赋值； 利用三维弹性波动方程数值模拟验证所构建三维地球物理模型的准确性。利用该方法所建的三维地球物理模型比较直观、准确地反映了近地表结构及地下速度场变化，模拟单炮记录与野外采集单炮吻合度高，为观测系统参数论证提供了模型基础。

在估计实际品质因子Q值时，因受频段选择、子波叠加、噪声干扰、非本征衰减等因素影响，容易导致Q值估计误差偏大。为此，提出基于不同阶次泰勒级数展开的含非本征衰减频域振幅比平均的Q值估计方法（Amplitude ratio average in frequency domain， FARA法）。该算法首先利用参考频段内振幅比的连乘消除非本征衰减的影响；然后基于振幅因子在参考频点处的1~4阶泰勒级数展开表达式，推导适用于含非本征衰减地震记录的单频点Q值计算公式；其次，采用高、低频双参考频段结合方式削弱参考频段的影响；最后，采用主值频段内所有频点的平均化处理提高算法的稳定性。模型试验表明，采用高、低参考频段结合的模式可以显著提高所提方法的Q值估计精度，相对于对数谱面积双差值（LSADD）法，新方法受时差、时窗及噪声等因素的影响更小。实例应用表明，不同阶次的FARA法Q估计值的一致性较好，且整体大于LSADD法的Q估计值，与模型试验结果吻合，表明由新方法获得的Q值更可靠。

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。

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。

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。

电磁法在油气勘探、深部矿产资源调查、地热地下水勘查、地球深部结构成像以及水下军事目标侦察等方面都发挥着重要作用。文中系统地总结了多种信息和多方法的电磁联合约束反演研究进展，从方法应用的角度介绍了研究现状，着重分析了不同电磁联合约束反演方法目标函数的构建形式及存在的问题和技术难点。在地震数据等已知信息较多的地区，利用先验信息构建不同类型约束函数，通过约束反演提高盐岩、火成岩发育区构造成像精度，降低反演的非唯一性。在已采集天然源大地电磁（MT）数据和人工源电磁（CSEM）数据的地区，可利用这两类方法各自的优势开展联合反演，发展顺序约束的联合反演及基于统一目标函数的多方法联合反演。CSEM法与MT法在反演深度上具有互补性，覆盖整个研究深度，同时可提高目标反演精度，减少反演的非唯一性。文中针对这一类联合反演的目标函数和权重因子的选择进行讨论。根据实际应用效果分析，目前最重要、最有潜力的联合反演是电磁数据与地震数据的联合反演，这种联合反演方式经历了从地震约束电磁反演到基于物理模型的联合反演和基于交叉梯度方法的联合反演。文中分析了速度与电阻率模型之间难以构建合理联系这一难点，说明目标函数中交叉梯度项和物理模型约束项的权重因子设置是目前开展地震—电磁联合约束反演的关键和难点。最后，笔者提出：将电磁联合反演与人工智能算法、三维可视化分析相结合； 采用大规模并行计算等新方法、新技术的发展方向； 发展联合采集系统，为多物理场联合反演提供更有效的数据体。

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。

 

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。

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。

传统稀疏约束反演的低稀疏性伪层和低分辨率导致薄层识别难度大。为此，提出了一种基于重加权L₁范数稀疏约束的叠前地震反演方法，即将地层反射系数与重加权矩阵的元素相结合，对地层反射系数进行重加权处理，优化、构建反演目标函数，并利用交替方向乘子算法（ADMM）将含有多个参数的非线性反演目标函数转化为多个易于求解的单参数的线性子问题，同时引入软阈值收缩算法（ISTA）求解子问题中存在的混合范数最优解。与仅考虑反射边界位置信息的传统L₁范数约束不同，重加权的L₁范数挖掘了岩层边界的反射振幅信息，可以更充分地利用L₁范数的稀疏性，通过叠前地震反演获得更精确的地层速度边界和密度边界，减弱利用传统L₁范数反演结果中可能存在的速度伪层现象。模型测试和工区实测数据应用均表明，所提方法获取的纵波速度、横波速度和密度剖面上边界更准确，分辨率更高，对薄层识别能力更强，极大地减弱了伪层现象，可为后续其他地球物理参数的预测提供更准确的资料基础。

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。

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。