一种层析静校正的处理方法及装置制造方法及图纸

本申请实施例公开了一种层析静校正的处理方法及装置，所述方法包括对初始速度模型进行神经网络反演，获得第一近地表速度模型；基于小网格单元对所述第一近地表速度模型进行射线追踪，计算所述小网格单元的射线覆盖次数；根据所述小网格单元的射线覆盖次数，对所述第一近地表速度模型进行基于变网格单元的离散化处理，变网格单元离散化后的第一近地表速度模型中的任意两个网格单元的射线覆盖次数的差值小于第一阈值；对所述变网格单元离散化后的第一近地表速度模型进行神经网络反演，获得第二近地表速度模型；根据所述第二近地表速度模型确定静校正量。利用本申请各个实施例，可以提高层析静校正处理的精确度和稳定性。

【技术实现步骤摘要】
一种层析静校正的处理方法及装置
本专利技术涉及地震信号处理
，特别地，涉及一种层析静校正的处理方法及装置。
技术介绍
中国中西部前陆盆地区油气资源丰富，是油气勘探开发的重点地区。勘探实践表明地震准确成像是这些地区降低勘探风险的关键手段，但是，这些地区地表高程起伏大，低降速带速度和厚度空间上变化剧烈，折射界面不稳定，复杂的近地表结构导致这些地区的静校正问题异常突出，静校正问题已经成为制约这些地区地下构造准确成像的一大瓶颈。目前针对复杂山地的突出静校正问题应用过多种静校正方法，包括高程静校正、野外模型静校正、折射静校正以及层析静校正。其中，针对复杂山地的突出静校正问题，层析反演静校正相对于其他几种方法理论先进，精度较高，对复杂近地表结构具有很好的适应性，静校正效果优于其他几种方法。但是，由于复杂山地的近地表结构极其复杂，低降速带速度和厚度纵横向的剧烈变化导致层析静校正的近地表速度反演存在病态性和多解性的问题，使得常规层析静校正在精度上难以满足实际地震勘探的需要。
技术实现思路
本申请实施例的目的在于提供一种层析静校正的处理方法及装置，可以克服常规层析静校正中近地表速度反演的病态性和多解本文档来自技高网...

【技术保护点】
一种层析静校正的处理方法，其特征在于，包括：对初始速度模型进行神经网络反演，获得第一近地表速度模型；基于小网格单元对所述第一近地表速度模型进行射线追踪，计算所述小网格单元的射线覆盖次数；根据所述小网格单元的射线覆盖次数，对所述第一近地表速度模型进行基于变网格单元的离散化处理，变网格单元离散化后的第一近地表速度模型中的任意两个网格单元的射线覆盖次数的差值小于第一阈值；对所述变网格单元离散化后的第一近地表速度模型进行神经网络反演，获得第二近地表速度模型；根据所述第二近地表速度模型确定静校正量。

【技术特征摘要】
1.一种层析静校正的处理方法，其特征在于，包括：对初始速度模型进行神经网络反演，获得第一近地表速度模型；基于小网格单元对所述第一近地表速度模型进行射线追踪，计算所述小网格单元的射线覆盖次数；根据所述小网格单元的射线覆盖次数，对所述第一近地表速度模型进行基于变网格单元的离散化处理，变网格单元离散化后的第一近地表速度模型中的任意两个网格单元的射线覆盖次数的差值小于第一阈值；对所述变网格单元离散化后的第一近地表速度模型进行神经网络反演，获得第二近地表速度模型；根据所述第二近地表速度模型确定静校正量。2.根据权利要求1所述的层析静校正的处理方法，其特征在于，所述对初始速度模型进行神经网络反演，获得第一近地表速度模型，包括：根据表层调查数据构建初始速度模型；基于大网格单元对所述初始速度模型进行离散化处理，对大网格离散化后的初始速度模型进行神经网络反演，获得第一近地表速度模型。3.根据权利要求1所述的层析静校正的处理方法，其特征在于，所述根据所述小网格单元的射线覆盖次数，对所述第一近地表速度模型进行基于变网格单元的离散化处理，包括：对射线覆盖次数小于等于第二阈值的小网格单元区域，将所述第一近地表速度模型进行基于第一网格单元的离散化处理；对射线覆盖次数大于第二阈值且小于第三阈值的小网格单元区域，将所述第一近地表速度模型进行基于第二网格单元的离散化处理；对射线覆盖次数大于等于第三阈值的小网格单元区域，将所述第一近地表速度模型进行基于第三网格单元的离散化处理；所述第三阈值大于第二阈值，所述第一网格单元的尺寸大于所述第二网格单元的尺寸，所述第二网格单元的尺寸大于所述第三网格单元的尺寸，所述第三网格单元的尺寸大于等于所述小网格单元的尺寸。4.根据权利要求3所述的层析静校正的处理方法，其特征在于，所述根据所述小网格单元的射线覆盖次数，对所述第一近地表速度模型进行基于变网格单元的离散化处理，包括：对所述第一近地表速度模型中近地表速度变化程度大于预设的程度阈值的小网格单元区域，将所述第一近地表速度模型进行基于第三网格单元的离散化处理。5.根据权利要求3所述的层析静校正的处理方法，其特征在于，所述根据所述小网格单元的射线覆盖次数，对所述第一近地表速度模型进行基于变网格单元的离散化处理，包括：所述网格单元的尺寸包括Δx1×Δy1×Δz1，Δx1为接收道距的n倍，Δy1为炮点距的n倍，Δz1为深度采样间隔的n倍；所述小网格单元的n的取值包括：n＝1；所述第一网格单元的n的取值范围包括：5≤n≤8；所述第二网格单元的n的取值范围包括：3≤n＜5；所述第三网格单元的n的取值范围包括：1≤n＜3。6.根据权利要求2所述的层析静校正的处理方法，其特征在于，所述对大网格单元离散化后的初始速度模型进行神经网络反演，获得第一近地表速度模型，包括：拾取地震初至旅行时；对所述大网格单元离散化后的初始速度模型进行正演，获得第一正演旅行时；基于所述地震初至旅行时和第一正演旅行时对所述大网格单元离散化后的初始速度模型进行神经网络反演，获得第一近地表速度模型。7.根据权利要求6所述的层析静校正的处理方法，其特征在于，所述对所述变网格单元离散化后的第一近地表速度模型进行神经网络反演，获得第二近地表速度模型，包括：对所述变网格单元离散化的第一近地表速度模型进行正演，获得第二正演旅行时；基于所述地震初至旅行时和第二正演旅行时对所述变网格单元离散化后的第一近地表速度模型进行神经网络反演，获得第二近地...

【专利技术属性】
技术研发人员：曾庆才，曾同生，欧阳永林，王兴，宋雅莹，胡新海，康敬程，王露，代春萌，姜仁，
申请(专利权)人：中国石油天然气股份有限公司，
类型：发明
国别省市：北京,11