Наземные сейсморазведочные работы часто проводятся в регионах со сложной структурой верхней части разреза (ВЧР). Основными осложняющими факторами являются значительные перепады высот рельефа, неоднородность зоны малых скоростей, наличие высокоскоростных слоев многолетнемерзлых пород. Важным этапом обработки в этом случае становятся построение скоростной модели ВЧР по временам первых вступлений сейсмических волн и дальнейший ее учет при построении сейсмических изображений. При этом наличие границ в полученной модели может оказаться необходимым при выборе уровня приведения или встраивании такой модели в общую глубинно-скоростную модель.
В статье рассмотрены подходы к автоматизации процедуры построения модели ВЧР в рамках графа обработки данных наземной сейсморазведки. В первую очередь реализовано автоматическое снятие времен первых вступлений на основе использования сверточных нейронных сетей. Тестирование на реальных данных показало, что использование нейронных сетей обеспечивает более устойчивое снятие времен первых вступлений по сравнению со стандартными подходами, реализованными в обрабатывающих пакетах. Кроме того, предложен подход к построению слоистой модели ВЧР по временам первых вступлений. Метод лучевой сейсмической томографии используется для построения гладкой скоростной модели, которая затем преобразуется в слоистую модель. Тестирование на синтетических данных, моделирующих геологические условия Западной Сибири, показало возможность с хорошей точностью восстанавливать слоистую модель ВЧР. В статье приведен пример встраивания новых разработок в виде модулей в обрабатывающий пакет для их дальнейшего использования при обработке реальных данных.
Список литературы
1. Долгих Ю.Н. Многоуровневая сейсморазведка и кинематическая инверсия данных МОВ–ОГТ в условиях неоднородной ВЧР. – М.: ЕАГЕ Геомодель, 2014. – 212 с.
2. Сысоев А.П. Прикладные задачи компенсации неоднородности верхней части разреза при обработке и интерпретации сейсмических данных. – Новосибирск: Изд-во ИНГГ СО РАН. – 2011. – 90 с.
3. Давлетханов Р. Учет неоднородностей ВЧР статическими поправками или включение их в пластовую модель среды – что выбрать? // Технологии сейсморазведки. – 2015. – № 1. – С. 76–91.
4. Akram J., Eaton D.W. A review and appraisal of arrival-time picking methods for downhole microseismic data arrival-time picking methods // Geophysics. – 2016. – V. 81. – P. KS71–KS91.
5. Machine Learning in Seismology: Turning Data into Insights / Q. Kong, D.T. Trugman, Z.E. Ross [et al.] // Seismological Research Letters. – 2018. – V. 90. – N 1. – P. 3–14.
6. Боганик Г., Гурвич И. Сейсморазведка. – Тверь: Издательство АИС, 2006. – 744 с.
7. Yilmaz Ö. Seismic data analysis. – Tulsa: Society of exploration geophysicists, 2001. – V. 1. – 1809 p.
8. Nolet G. (ed.) Seismic tomography: with applications in global seismology and exploration geophysics. – Luxembourg: Springer Science & Business Media, 1987. – V. 5. – 385 p.
9. Zelt C.A. Traveltime tomography using controlled-source seismic data // Encyclopedia of Solid Earth Geophysics. – 2011. – P. – 1453–1473.
10. Nikitin A.A., Serdyukov A.S., Duchkov A.A. Cache-efficient parallel eikonal solver for multicore CPUs // Computational Geosciences. – 2018. – V. 22. – N 3. – P. 775–787.
11. Новые подходы в оптимизации расчета волновых полей, связанных непосредственно с выделенной целевой областью сейсмического отклика / А.В. Шалашников, Д.Б. Фиников, Н.И. Хохлов, А.М. Иванов // Геофизические технологии. – 2019. – № 1. – С. 4–32.
12. Assessment of crustal velocity models using seismic refraction and reflection tomography / C.A. Zelt, K. Sain, J.V. Naumenko, D.S. Sawyer // Geophysical Journal International. – 2003. – V. 153. – N 3. – P. 609–626.
