基于模型的薄层结构智能反演试验分析

受地震数据有效频带的限制,常规的地震反演方法很难对薄层结构进行准确刻画和描述。基于机器学习的地震反演方法是近年来用于薄层结构预测的新技术。为此,基于BLSTM-Net神经网络模型,针对薄层空间结构的预测问题开展了简单及复杂陆相沉积模型的阻抗反演试验分析。首先,构建简单的薄互层模型,开展基于BLSTM-Net模型智能反演与基于测井约束的常规地震反演方法的试验对比,同时对BLSTM-Net模型的抗噪性进行测试;然后,构建典型的陆相沉积复杂薄互层地质模型,对反演结果的可靠性及其对地震频带的依赖性进行试验分析;最后,对比分析BLSTM-Net神经网络模型与稀疏脉冲反演对弱反射的恢复和保护能力。模型试验结果表明,基于BLSTM-Net模型的反演方法较常规反演方法具有更强的薄层结构预测能力,且对弱反射具有更好的保护作用,具有更大幅度提高实际地震数据薄层刻画精度的理论优势和技术潜力。

资料为PDF文档格式.

本文档关键词:智能,模型,反演,薄层,结构