在地震勘探新技术的进步

在过去的几十年里,地球物理社区提出了大量的新技术对地震勘探地下成像满足高分辨率的需要。这些新技术的进步作出了巨大贡献在地震勘探和构造地质学。例如,分布式光纤声传感的外观(DAS)可以以低成本获得高空间分辨率的地震数据。进步取得了全波形反演(FWI),它现在被认为是最健壮的方法重建地下速度模型。倍数,最初被认为是一个共同的声音,现在应用于相应的地震成像和提供额外的照明,和最小二乘偏移(LSM)大大提高了照明和地震成像的分辨率。深度学习,尤其是卷积神经网络(CNN),表明地震噪声衰减性能显著,插值,速度模型重建、到达时间选择和解释。

尽管这些新技术解决了某些真实的地球物理问题,他们仍然有以下限制。首先,纤维系统噪声降低了地震数据的质量受到DAS,限制了其进一步应用。其次,收敛速度慢和巨大的计算成本所面临的主要瓶颈迭代反演方法LSM和FWI等。此外,在FWI跳周问题仍然是一个具有挑战性的问题。第三,弱者的泛化训练模型需要解决在深度学习可以实现广泛的解决实际问题的能力。出来,各向异性弹性波方程的解决方案在实践中需要改进的应用程序。

本研究课题旨在收集一组原始研究的文章,提出或利用先进的技术来解决地震勘探的理论和实践问题和构造地质学以及评论文章,总结新技术的发展,他们面对的挑战。

我们鼓励同事从地球物理、信号处理、人工智能、仪器科学、应用数学、地震构造地质学参与这个研究课题。潜在的主题包括,但不限于:

•新的地震勘探仪器、设备
•深入学习方法及其在地震勘探中的应用
•高分辨率地震成像
•FWI及其实际应用情况
•新的成像技术在地震构造地质学中的应用
•联合成像的主动和被动地震学
•环境噪声层析成象
•第一次到达地震层析成象
•最小二乘迁移及其应用
•新算法的建模和成像
•多组分的地震数据处理算法
•地震各向异性
•弹性波场成像