[论文解读] Enhancement of seismic imaging: An innovative deep learning approach

Yanyan Zhang, Lu Ping+2 more|arXiv (Cornell University)|Sep 13, 2019

Seismic Imaging and Inversion Techniques参考文献 8被引用 5

一句话总结

本文提出一种基于深度学习的方法，通过利用井下测井反射波拓宽地震数据的频率带宽，从而提升地震成像质量。该模型在多井地质空间数据上进行训练，增强低频和高频分量，提高分辨率并抑制旁 lob 伪影，结果与测井数据一致，并可进行可量化的不确定性评估。

ABSTRACT

Enhancing the frequency bandwidth of the seismic data is always the pursuance at the geophysical community. High resolution of seismic data provides the key resource to extract detailed stratigraphic knowledge. Here, a novel approach, based on deep learning model, is introduced by extracting reflections from well log data to broaden spectrum bandwidth of seismic data through boosting low and high frequencies. The corresponding improvement is observed from the enhancement of resolution of seismic data as well as elimination of sidelobe artifacts from seismic wavelets. During the training stage of deep learning model, geo-spatial information by taking consideration of multiple wells simultaneously is fully guaranteed, which assures that laterally and vertically geological information are constrained by and accurate away from the well controls during the inversion procedure. Extensive experiments prove that the enhanced seismic data is consistent with well log information, and honors rock property relationships defined from the wells at given locations. Uncertainty analysis could also be quantitatively assessed to determine the possibilities of a range of seismic responses by leveraging the outputs from the proposed approach.

研究动机与目标

• 为解决地震数据频率带宽受限的问题，该问题限制了地下分辨率和地层细节的提取。
• 开发一种深度学习模型，通过扩展低频和高频分量来增强地震数据。
• 在训练过程中整合多井地质空间信息，以确保横向和纵向上的地质一致性。
• 生成与测井数据推导的岩石物性关系一致的地震图像。
• 通过模型输出实现地震响应的定量不确定性分析。

提出的方法

• 通过从多口井的测井反射波中学习，训练深度学习模型以预测增强后的地震数据。
• 利用多口井之间的空间和时间相关性，保持横向和纵向维度上的地质一致性。
• 通过在学习过程中增强代表性不足的低频和高频分量，实现频率谱的展宽。
• 通过基于测井数据推导的岩石物性施加约束，确保地质合理性。
• 通过端到端优化深度神经网络，减少地震子波中的旁 lob 伪影。
• 通过分析在不同输入条件下模型生成输出范围的方式，进行不确定性量化。

实验结果

研究问题

• RQ1 深度学习如何有效扩展地震数据的频率带宽？
• RQ2 整合多井空间信息在多大程度上提升了增强地震图像的地质一致性？
• RQ3 所提出的方法能否在保持信号保真度的同时减少地震子波中的旁 lob 伪影？
• RQ4 增强后的地震数据与测井推导的岩石物性匹配程度如何？
• RQ5 能否通过模型输出分布对地震响应的不确定性进行定量评估？

主要发现

• 与传统方法相比，增强后的地震数据分辨率更高，薄层和地层特征的成像更清晰。
• 地震子波中的旁 lob 伪影显著减少，使地震图像更清晰、更易解释。
• 在井控位置，增强数据与测井信息一致，验证了方法的准确性。
• 模型保留了测井数据定义的岩石物性关系，确保反演过程中的地质一致性。
• 可实现定量不确定性分析，模型能生成一系列合理的地震响应，用于风险评估。
• 该方法在多个测试区域表现出稳健性能，证实了其泛化潜力。