您现在的位置: 首页> 研究主题> 地震数据

地震数据

地震数据的相关文献在1986年到2023年内共计2820篇,主要集中在地球物理学、自动化技术、计算机技术、石油、天然气工业 等领域,其中期刊论文1271篇、会议论文231篇、专利文献558233篇;相关期刊286种,包括地震地磁观测与研究、石油地球物理勘探、石油物探等; 相关会议85种,包括2015年中国地球科学联合学术年会、中国石油学会2015年物探技术研讨会、中国地球物理学会第二十八届年会等;地震数据的相关文献由5137位作者贡献,包括何光明、钱忠平、高少武等。

地震数据—发文量

期刊论文>

论文:1271 占比:0.23%

会议论文>

论文:231 占比:0.04%

专利文献>

论文:558233 占比:99.73%

总计:559735篇

地震数据—发文趋势图

地震数据

-研究学者

  • 何光明
  • 钱忠平
  • 高少武
  • 赵波
  • 金德刚
  • 胡光岷
  • 张华
  • 蔡志东
  • 曹中林
  • 熊定钰
  • 期刊论文
  • 会议论文
  • 专利文献

搜索

排序:

年份

作者

关键词

    • 孙卫涛; 曹宏; 杨志芳; 晏信飞
    • 摘要: 地震勘探是探测地下油气资源的重要方法之一,利用人工地震剖面数据多种特征识别储层结构、岩性、物性等是地球物理勘探的关键问题。随着数据量的增大,对地震数据进行降维和信号特征编码成为快速处理和分析地震资料的重要方向。由于手工标记拾取地震数据特征耗时费力、效率不高,而且不同人员往往会产生不同的解释结果,为此,基于地震剖面数据与人类指纹之间存在的相似性特征,提出了地震数据指纹特征点提取和自动标签化方法。该方法通过识别地震剖面数据间断、分叉等特征点,从海量地震剖面数据中提取存储量小、信息丰富的指纹特征点,并实现指纹特征点阵列(dactylogram minutiae array,DMA)编码算法。实际三维地震数据体处理结果表明,指纹特征点和DMA编码可以将数据存储量降低2个数量级,同时,编码本身包含特征点位置、方位角等信息,能够将编码从一维字符串恢复为二维特征点矩阵,并重构出地震剖面的特征点分布。勘探区域地下结构和含油气情况决定了地震数据指纹特征点的分布,因此特征点具有唯一性特点。利用指纹特征点匹配算法可以在三维数据体中自动实现相似特征的标签化,为深度学习提供大量训练数据集合。基于指纹特征点识别和自动标签化算法具有大规模数据降维和标准化编码能力,适合于快速生成人工智能算法的训练数据,能够进一步挖掘现有数据中的信息,为地震数据处理提供新的数据资料特征。
    • 刘剑; 秦飞龙; 成亚丽
    • 摘要: 采集的野外地震数据伴随有随机噪声干扰,需要将其消除。软硬阈值法能够压制地震数据的噪声信号,但是降噪效果并不理想。因此,提出了一种改进的软硬阈值算法用于地震数据降噪。首先利用软硬阈值法原理构建了一种新的阈值降噪法,并对新算法相关特性进行了研究,通过仿真实验确定了新阈值算法的小波基为sym 3,利用均方差和信噪比对新阈值降噪法的降噪效果进行了评价。最后,将新阈值降噪法用于实际地震数据降噪,结果发现新阈值降噪法能够去除地震数据中的随机噪声,降噪效果较软硬阈值法更理想。
    • 付波; 陈新党
    • 摘要: 对于地球物理学来讲,每一种方法成果的好坏决定于野外采集的原始数据,地震勘探也不例外。而野外采集的原始数据一般都需要解编后才能用于软件处理。文章以某地区的地震数据为例,对通用的SEGY数据格式采用Visual Basic编程语言进行数据读取与转换,Visual Basic编程语言具有可视化界面,可以直观展现每炮所成的图形。将常用的Vista软件中所成的图形与Visual Basic编程语言所成的图形进行对比。结果表明:Visual Basic编程语言可以有效地进行地震数据的读入和写出,对于地震数据格式不匹配而需要转换具有一定的参考意义。
    • 师天祺
    • 摘要: 在地震勘探行业中,地震数据的读取与显示是地震处理与解释的关键一环,随着浅层地震勘探、工程地震勘探的兴起,基于Linux的地震处理、解释系统已经无法适应快速发展的局面。本文详细介绍了SEGY数据格式,并重点分析了SEGY数据的难点,借助Python实现了地震数据的可视化,满足了施工现场快速实现地震数据的处理与成像的要求,对现场工作有一定指导意义。
    • 雍皓; 韩铎; 张俊杰; 王俊秋
    • 摘要: 基于压缩感知(Compressed Sensing, CS)地震数据重构的精度很大程度上取决于用于稀疏表示字典的性能。在K—奇异值分解(K-Singular Value Decomposition,K-SVD)方法中每个训练样本的稀疏级别是固定的,这可能导致原始样本在稀疏表示过程中产生欠拟合或过拟合问题;而且它只使用原始样本的特征作为训练字典,无法利用样本在字典学习过程中产生的隐式特征,从而影响地震数据的重构精度。为此,对K-SVD方法进行了改进,采用自适应多层字典学习(Adaptive Multilayered Dictionary Learning, AMDL)方法对地震数据进行稀疏表示,不但可在字典学习过程中充分利用不同层次的特征,而且还可自适应地确定每一层所选择的原子数。试验结果表明,与K-SVD方法相比,该方法能够为基于CS的地震数据重构提供更准确的稀疏表示。
    • 刘海; 田智慧; 王宗超; 宋建威; 石悦; 张鹏阳
    • 摘要: 地震往往会造成十分严重的人员伤亡和财产损失,如能对已知地震数据进行系统的分析和研究,并从中找出一些规律,就能尽早地采取一些防震避震措施。通过使用大数据技术中的Spark大数据处理框架技术对地震数据进行了详细的分析,并使用SSM框架技术对大数据分析的结果进行了可视化展示。系统的实现对于人们防震避震和研究地震的特点具有十分重要的作用。
    • 陈龙伟; 吴晓阳; 唐川
    • 摘要: 地表峰值加速度(peak ground-motion acceleration,PGA)是直观反映地震动强度的一个物理量,概念清晰且工程应用方便.场地条件校正的PGA及其校正方法是特定工程抗震设计需要解决的问题.为此,选取日本具有地表和井下记录KiK-net台网的32个台站及地震数据,通过对实测地震数据分析,提出了一种场地校正的PGA放大系数(f_(PGA))的简化估计方法.该方法通过数据回归给出f_(PGA)概率密度函数参数与场地特征参数线性组合之间的线性和二次函数形式的拟合公式;并采用f_(PGA)概率预测模型,提出了多超越概率水平地表PGA值的预测方法.数据分析结果显示:场地f_(PGA)具有随机不确定性,可以采用对数正态分布函数模拟,其概率密度函数的参数(均值和标准差)与单一场地特征参数相关性较小,但与场地特征参数的线性组合相关性较大.模型预测值与实测数据吻合较好,验证了简化估计方法的可行性.
    • 曾成
    • 摘要: 地震数据通常包含大量的噪声,为了有效去噪,提高地震信号的信噪比,提出了一种完全经验模态分解(CEEMD)与改进的小波阈值去噪相结合的方法。CEEMD对信号分解具有良好的适应性;经改进的小波阈值函数能更好地克服硬阈值函数的非连续性和软阈值函数的小波系数偏差。两种方法的结合可以获得较好的去噪效果。通过对文章提出的方法进行仿真实验后,验证了信噪比明显优于传统的单一去噪方法。
    • 刘玉敏; 魏海军; 袁硕; 安志伟
    • 摘要: 由于地球物理勘探环境的复杂性,采集的地震数据常被现场的随机噪声覆盖,如何对地震数据去噪成为关键问题,为此将基于卷积循环生成对抗网络(CycleGAN:Cycle Generation Adversarial Network)引入地震数据去噪中,该方法的关键是构建良好的生成器与判别器的结构并且优化合适的网络参数。该网络输入数据与标签数据是双向生成,形成环状网络结构,故而能引入循环一致性损失使网络参数训练的精度更高;将非局部神经网络模块作为CycleGAN生成器的残差链接以提高特征提取能力。以实际地震数据进行实验,通过对数据可视化、峰值信噪比和均方误差的对比,验证该方法的可实行性。结果表明,与普通生成对抗网络(GAN:Generation Adversarial Network)、残差神经网络(ResNet:Residual Network)去噪效果相比,该方法在不同噪声水平下去噪性能更好,峰值信噪比较高,数据成像更清晰,对实际生产工作有一定的指导意义。
    • 朱跃飞; 曹静杰; 殷晗钧
    • 摘要: 对于地震数据去噪来说,基于降秩的方法需要将地震数据分成不同的块,然而每个块对应的奇异值个数不同,目前需要人工估计每个块的有效奇异值个数,计算效率低,无法实现产业化。为此,提出一种自动判定保留的奇异值个数的地震随机噪声压制算法——自适应阻尼多道奇异谱分析(ADMSSA)算法。该方法利用Akaike信息准则自动地确定地震信号的奇异值个数,然后基于阻尼多道奇异谱分析(DMSSA)算法去噪。首先介绍了多道奇异谱分析(MSSA)方法的去噪原理,然后给出确定有效奇异值个数的Akaike信息准则和经验方法,经验方法可以验证Akaike信息准则的有效性。去噪过程采用DMSSA方法的框架,在ADMSSA算法中仅需要确定信号的主频范围,就可以自动地去噪。模拟和实际数据实验表明,所提方法能够自动地确定可靠的奇异值个数,并且获得高信噪比的去噪结果,在工业化应用中具有巨大潜力。
  • 查看更多

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号