欢迎访问同济大学海洋与地球科学学院!

重点项目研究成果

OBS主动源深反射地震方法及其在荔湾凹陷构造研究中的应用

(项目编号:41930105



1. 项目简介

面向超深水盆地—荔湾凹陷的构造成像问题,利用OBS主动源地震大角度、宽方位、高信噪比、多分量的采集优势,开展了多分量多参数地震反演成像理论、方法与应用研究。

1)建立了针对OBS主动源深反射地震采集的专门数据处理流程;

2)研发了多分量多参数建模与成像技术系列。在建模方面具体包括:同时利用拖揽与OBS观测数据的透射反射联合走时层析海水速度建模方法、弹性波炮检互易全波形反演方法(REFWI)、基于声弹耦合方程的反射波形反演方法(AERWI)、基于声弹耦合方程的全波形反演方法(AEFWI)、面向高陡构造的棱柱波全波形反演方法(Pris-EFWI)、各向异性介质全波形反演方法(TTI-FWI);在成像方面具体包括:精确双向照明补偿逆时偏移成像方法(SI-RTM)、基于声弹耦合方程的(最小二乘)逆时偏移成像方法(AERTMAELSRTM)、面向高陡构造的棱柱波(最小二乘)逆时偏移成像方法(Pris-ERTMPris-ELSRTM)、各向异性介质角度域最小二乘逆时偏移成像方法(TTI-ALSRTM)等;

3)在超深水盆地—荔湾凹陷开展了拖揽与OBS联合数据采集,并结合南海大洋钻探与其他测井提供的先验信息,利用研究的方法获得了包括海水速度在内的荔湾凹陷全深度精细结构。

以上成果已在国内外专业期刊上发表研究论文22篇(其中17篇发表在GeophysicsGeophysical ProspectingJournal of Applied Geophysics等国际著名专业期刊上), 发表SEGEAGE等国际会议论文4篇,授权发明专利6项,获计算机软件著作权登记证书2项。项目负责人应邀在国内外学术会议上做专题邀请报告5次。项目组成员参加国内外学术交流并做学术报告20次。培养7名博士研究生(其中3名已毕业)、6名硕士研究生(其中4名已毕业)。项目负责人2023年入选上海市东方英才计划。



2. 主要创新研究成果

a)提出了面向OBS四分量数据的全波形反演方法及相关配套技术,以实现多参数精确建模,为后续的多参数成像奠定了坚实的模型基础。

   1) 基于声弹耦合方程的全波形反演

弹性波方程可以较准确地描述地震波在地下介质中的传播与模式转换过程,但无法直接模拟声压分量。因此,本项目建立了一种新的、满足自伴随性质的声弹耦合方程(AECE),以同时模拟四分量波场的传播Yang, et al., Journal of Applied Geophysics, 2023

,                             (a-1-1

其中,

,                    (a-1-2

,                      (a-1-3

。                       (a-1-4

上式中,ρ为密度,λμ为拉梅系数,𝑣𝑥𝑣z为质点速度分量,p为压力分量,为偏应力分量,式a-1-4描述的是纯应力源的震源形式。

进一步,基于声弹耦合方程提出了一种利用四分量数据同时反演纵波和横波速度的FWI方法(AEFWI)。在伴随状态法下,利用拉格朗日乘子法可推导得到AECE的伴随方程:

,                           (a-1-5

为伴随波场,其形式为:

,                         (a-1-6

伴随算子为:

。                     (a-1-7

在传统二范数目标函数情况下,为伴随震源。

在声压单分量情况下,,即声压模拟数据与观测数据的残差。通过目标函数对模型参数的导数可得到拉梅系数梯度表达式:

,          (a-1-8

利用链式法则可得到纵(𝑉p)、横(𝑉s)波速度的梯度公式:

。                              (a-1-9

利用以上梯度公式即可实现对模型的更新。

a.1.1 基于声弹耦合方程,利用不同分量数据纵(第一列)、横波(第二列)速度反演结果。(a)、(b)为真实模型,(c)、(d)为初始模型,(e)、(f)为单分量声压数据FWI结果,(g)、(h)为陆检速度分量数据FWI结果,(i)、(j)为所有分量数据FWI结果Yang & Liu, EAGE, 2020

数值实验结果(图a.1.1)表明,同时利用压力分量和速度分量数据的四分量反演效果最好,仅使用速度分量数据的结果次之,仅使用压力分量数据的结果最差。该实验也说明,仅利用声压分量(包括拖揽)是可以同时反演纵横波速度的,但反演质量劣于多分量数据反演结果;也可以联合利用拖揽和OBS多分量数据同时反演双参数,可以提高拖揽单分量或者仅利用OBS四分量数据的反演效果。总之,对于传统拖揽、OBC/OBN/OBS多分量数据建模,AEFWI是一种有效方法。

AEFWI应用于东海实际拖缆数据中,以验证该方法在实际应用中仅利用拖揽数据同时反演纵横波速度的能力,并与传统利用拖揽单分量数据的声波全波形反演(AFWI)结果进行对比Yang, et al., JAG, 2023数据的最小偏移距160 m,最大偏移距6400 m。反演前,对数据进行预处理,包括去噪、带通滤波和3D2D的几何扩散校正。为降低反演的复杂性,该实验切除小角度反射数据,只考虑大偏移距透射波数据。反演结果如图a.1.2所示。AFWIa)和AEFWIb)的Vp反演结果很接近,在红色箭头指示的位置有明显的速度更新。AEFWIAFWI的分辨率略高,Vs只在模型浅部有明显的更新,深部更新不明显。从更新量上可以更容易看出两者的异同(如图a.1.3所示),AFWIa)的速度更新量在左边更大一些,右边更新量比较小,而AEFWIb)的更新量横向连续性更好,纵向层位的分辨率更高,Vs的更新主要集中在浅部。数据匹配程度是评估FWI结果可靠性的常用方法。如图a.1.4所示,左边为AFWI数据匹配,右边是AEFWI数据匹配,红色方块部分表示实际数据,蓝色方块部分表示模拟数据。可以看到,在黑色箭头指示的位置,AEFWI的数据匹配要比AFWI的数据匹配更准确,不仅运动学更准确,动力学信息也更一致Yang, et al., JAG, 2023

a.1.2 AFWI Vpa)和AEFWI Vpb)、Vsc)反演结果。

a.1.3 AFWI Vpa)和AEFWI Vpb)、Vsc)模型更新量。

a.1.4 AFWI(左)和AEFWI(右)反演结果的模拟数据和观测数据匹配,红色方块是观测数据部分,蓝色方块是模拟数据部分。

为提高多参数建模精度,进一步提出了联合利用拖揽和OBS数据的J-AEFWI方法Yang et al., Frontiers in Earth Science, 2023。方法原理与AEFWI相同,区别仅在于目标函数是加权的拖揽与OBS联合数据而非其中某单一数据,因此不再赘述。为验证方法的有效性,对单独使用拖缆数据、单独使用OBS 数据以及同时使用拖缆和OBS数据进行了3AEFWI试验,三个实验参数相同。如图a.1.5所示,反演的真实模型和初始模型大小为 10 km×3.5 km。实验数据的观测系统按照实际拖缆和OBS的观测方式进行设计:共有200个拖缆水听器分布在炮点一侧,间隔20米均匀排列在海水表面;11OBS布设在海底,间隔1000米。图a.1.6显示了拖缆数据和OBS数据的炮记录。显然,拖缆具有明显的采集密度优势,但受限于偏移距,只能记录到少量的折射波。相比之下,OBS数据含有S波和长偏移距的折射波,但数据密度小。本实验关注的是VpVs的重建,暂不考虑密度参数的反演。三个实验都迭代更新200次,以保持计算量一致。

a.1.5 真实Vpa)、Vsb)模型和初始Vpc)、Vsd)模型。

a.1.6 拖缆pa)分量数据和OBS 𝑣𝑥b𝑣zc)分量数据。

a.1.7展示了三次反演实验的结果。图ab是拖缆数据的VpVs反演结果。得益于密集采集,FWI对层位刻画准确,与真实速度基本一致。但在2 km深度以下的背景速度没有得到充分反演,表现为不同层位混合在一起(虚线框内所示的低速结构),影响对深部结构的识别。图cdOBS数据的VpVs反演结果。大尺度的背景速度反演比较充分,特别是在虚线框所示的深部,低速结构层位明显,可清楚地被识别出来,但精度

高,数据的稀疏性导致剖面层位连续性差和明显的采集脚印。图efJ-AEFWI VpVs反演结果,联合两种数据的优势,J-AEFWI的反演结果比单独利用两种数据的反演结果要好。在浅层,OBS的观测脚印被压制,层位反演精度高;在深层,背景速度反演较好,可以清楚分辨出低速层位。

a.1.7 拖缆数据(ab)、OBS数据(cdAEFWIJ-AEFWIef)的最终反演结果,左列为Vp模型,右列为Vs模型。


   2) 基于声弹耦合方程的反射波形反演

 FWI依赖较为准确的初始模型、低频数据和远偏移距的透射波,为实现荔湾凹陷小偏移距反射数据深部速度建模,发展了基于声弹耦合方程的梯度优化反射波形反演方法(AERWIYang & Liu, Geophysics, 2025, in revision,该方法利用背景场和扰动场计算反射波反演的纵、横波梯度来重建模型的低波数成分:

,                                                                                       (a-2-1)

其中,gb是背景梯度,u是正传波场, ψ是反传波场,下标b表示背景波场,p表示扰动波场。AERWI通过优化梯度项,舍弃掉横波速度梯度中的纯纵波项,即梯度公式a-2-2βb梯度中的项,缓解了纵、横波速度的串扰效应。

                          (a-2-2)

Sigsbee复杂模型验证AERWI方法的有效性。真实纵、横波速度模型如图a.2.1ab)所示,初始模型为速度值随深度线性增大的梯度变化模型a.2.1cd)。为避免周波跳跃问题,使用不同偏移距进行分步反演。第一轮使用0~3 km短偏移距的反射数据,然后将反演结果作为初始模型,接着进行0~4 km偏移距范围的反演。图a.2.2ab)是第一轮反演的VpVs背景速度重建结果,模型的宏观速度得到恢复,可以看到一些速度变化的层位。第二轮反演结果如图(cd)所示,模型深部照明更充分,速度值更准确。速度剖面的纵向抽线如图a.2.3所示,(ab)分别为VpVs剖面横向4.5 km处的抽线对比,黑线为真实速度,绿线为初始速度,红线为第一轮反演结果,蓝线为第二轮反演结果。可见,第一轮反演较为准确地恢复了模型的宏观背景速度,在此基础之上第二轮增加了模型的细节,尤其在深部,速度值更加接近真实模型。

a.2.1 真实Vpa)、Vsb)和初始Vpc)、Vsd)。

a.2.2 第一轮Vpa)、Vsb)反演结果和第二轮Vpc)、Vsd)反演结果。

a.2.3 模型横向4.5 kmVpa)、Vsb)速度随深度变化曲线。黑线为真实速度,绿线为初始速度,红线为第一轮反演速度,蓝线为第二轮反演速度。

b)研发了面向OBS四分量数据的偏移成像方法及相关配套技术,以实现多参数的准确成像,为后续的实际数据应用奠定了方法基础。

  1) 基于声弹耦合方程的(最小二乘)逆时偏移成像

声弹耦合方程的纵、横波LSRTM可获得保幅的纵、横波速度扰动结果,但其存在严重的参数串扰效应。因此我们发展了一种梯度优化的声弹耦合方程LSRTMGO-ELSRTM),该方法舍弃掉了横波速度梯度中的纯纵波项(公式b-1-1的第一项),在不增加任何计算量的情况下,可有效缓解参数的串扰效应。



                     (b-1-1)

首先利用复杂Sigsbee模型反射数据进行实验,梯度预条件前的αrβr成像结果分别如图b.1.1c)、(d)所示。可以看出,αr成像结果较好,βr成像结果整体比较模糊,在箭头指示的地方和绕射点处,结果发生了极性反转。这表明,在小偏移距数据下,单分量压力数据AELSRTM很难重建βr参数。b.1.1e)、(f)为梯度优化后的αrβr参数重建结果。αr的划弧噪音更弱,剖面整体更干净;βr剖面更清晰,没有出现层位极性反转的情况。

b.1.1 Sigsbee模型反射数据的LSRTM结果。真实αra)和βrb)扰动模型;梯度优化前αrc)和βrd)重建结果;梯度优化后αre)和βrf)重建结果。红色箭头指示处发生极性反转。

接下来使用异构的纵、横波速度模型验证GO-ELSRTM的有效性。如图b.1.2所示,(a, b)是真实纵、横波速度模型,箭头指示的地方为异构的层位,其对应的模型扰动如图(c, d)所示。图b.1.3a, b)为声弹耦合方程纵、横波速度LSRTM结果,图b.1.3c, d)为声弹耦合方程GO-ELSRTM结果,黑色箭头指示的地方说明,GO-ELSRTM可有效缓解参数之间的串扰。

b.1.2真实纵波(a)和横波(b)速度模型和对应的纵波(c)和横波(d)速度扰动模型,箭头指示的地方为模型不一致的地方。

b.1.3 声弹耦合方程LSRTM的纵波(a)、横波(b)速度成像结果和GO-ELSRTM的纵波(c)、横波(d)速度成像结果。黑色箭头指示的位置表明GO-ELSRTM可有效缓解横波速度成像结果中的纵波串扰脚印。


   2) 精确双向照明补偿RTM

经典的互相关地震成像条件框架下的地震偏移都是将正传算子的伴随算子(共轭转置)作用于地震数据上,但在理论上应该是将正传算子的逆算子作用于地震数据上。在数据不完备的情况下,如观测孔径有限、数据采样稀疏、子波频带有限,会造成偏移结果分辨率低下、振幅不均衡,只能得到模糊的反射系数模型。为了弥补这个问题,通常利用Hessian算子的对角逆算子进行预条件以提高保幅性。然而,在伴随状态法成像框架下,只能实现炮点端波场预条件或检波点端数据残差预条件或者等效的双向照明预条件。为此,项目以散射积分法为基础,提出了同时考虑炮点端波场和检波点端Green函数的精确预条件算子b-2-1Liu et al., 2022

,                                                                     (b-2-1)

其中,ω为反演所用圆频率,u(s)为每一炮所产生的正传波场,即震源端波场,G(g)为每一检波点接收到的反传波场的传播效应,即检波点端格林函数。由于散射积分法在计算时,每一检波点循环中的震源端照明项是相同的,因此在每一炮循环中,可先对检波点项进行叠加,再计算震源项。相比于精确Hessian,该方法计算量减少为Ns(总炮数)+Nr(不重复的总道数)次正演,对于震源数较多的地震勘探,效率提升非常明显。同时提出的方法考虑了检波点端照明的影响,可以明显的提升中深层成像的质量,保幅性更好。

将提出的精确的对角Hessian方法(SI-RTM)应用于深部缝洞模型(如图b.2.1所示),其常规RTMa)、炮点单向照明RTMb)、检波点单向照明RTM c)和精确对角Hessian方法RTMd)结果如图b.2.2所示。可见,精确对角Hessian方法可以使RTM成像振幅更加均衡,有更高的空间分辨率。数值实验表明该方法在保证成像精度的前提下可以有效提高深部的成像质量,与传统RTM相比向真振幅成像迈进了一步,与LSRTM相比在保证成像质量的前提下可以大幅降低计算量。

b.2.1 深部孔缝洞模型

b.2.2 常规RTM (a)、炮点单向照明RTM (b)、检波点单向照明RTM (c)和精确对角Hessian方法RTM (d)结果。


c)将研究的多参数建模与成像方法技术应用于海底主动源多分量地震数据,获得了南海超深水盆地—荔湾凹陷的精细结构,并开展了相关解释工作。

在南海荔湾凹陷布设了一条约200 km的超深水二维OBS测线(图c.1),测线从南到北穿过荔湾凹陷区域,测线长约340千米,最小水深约600米,最大水深超过3500米。拖缆和OBS联合采集,共布放62OBS,多数OBS间隔4千米,少数加密布放间隔为1千米,具体分布如图c.2所示。拖缆偏移距为200~6200米,于20227月进行海上工作布放采集。采集成果为52台四分量OBS数据和300 km长的拖缆地震数据。对OBS数据进行了重定位、旋转、时差校正等特殊预处理,对拖缆数据进行了去噪、压制多次波等处理。利用叠前时间偏移获得了整个工区的二维成像剖面(图c.3)。

c.1 南海荔湾凹陷区域地形以及测线位置示意图。

c.2 荔湾凹陷OBS测线示意图。

c.3 叠前时间偏移成像剖面。

为了获得南海荔湾凹陷复杂构造反演成像结果,项目提出首先利用OBS海水直达波走时进行海水速度建模,然后利用OBS初至波走时进行地下宏观速度建模,再利用拖揽反射波走时进行地下中深层宏观速度建模,再利用拖揽反射波波形通过反射波形反演进行地下中深层精细速度建模,最后利用所有分量数据通过全波形反演与成像获得多分量模型与成像剖面,建模成像流程如图c.4所示。利用以上流程目前已反演重建南海西北次海盆东沙至中沙横跨北部陆坡与南部深海海盆的纵、横波速度的宏观背景模型;联合拖缆和OBS数据,获得了荔湾凹陷附近地下精细的𝑉p、𝑉s、𝑄p、𝑄s四参数反演结果和成像剖面,数据匹配性和测井匹配性说明了模型的准确。

c.4 建模成像主要流程。

前文二维理论模型实验已经充分体现透射反射联合走时层析海水速度建模方法的有效性,现将该方法应用于南海荔湾凹陷测线实际地震数据的海水速度建模中。使用满足Munk曲线的一维海水模型作为层析初始模型,OBS 深度插值作为初始海底深度(如图c.5所示)进行透射反射联合走时层析。层析共进行了10轮迭代,反演前后,海水速度最大更新量为14.98m/s,海底深度最大更新量为288米,OBS深度位置最大更新量为162.5米。

c.5 一维海水速度模型与初始海底深度(a)和南海荔湾凹陷实际资料透射反射联合走时层析结果(b)。

完成南海荔湾凹陷测线区域海水速度建模后,继续进行地层速度建模。走时层析方法是常用的背景速度建模方法,OBS接收到的大偏移距初至波和拖缆接收到的反射波均包含丰富的地下速度信息,联合利用这些走时信息可以实现多尺度的地层速度建模。利用以上联合走时层析建模得到的海水速度模型和经过NMO速度分析时深转换得到南海荔湾测线区域地层速度作为OBS初至走时层析的初始模型(图c.6a模型大小为300千米*10千米,网格大小为12.5*12.5米。拾取OBS记录中的初至波走时,拾取得到的走时平均炮检距范围为-50千米~50千米,平均走时范围0~15秒。对比图c.7的走时曲线,红线表示实际OBS资料拾取走时,绿线表示初始模型计算走时,蓝线表示反演结果计算走时。可以看出经过OBS初至波走时层析后,计算走时与实际拾取走时更匹配;由于使用了大偏移距的OBS初至走时信息,模型的深部得到了更新。浅层速度更新以增高为主,符合测线区域由于岩浆上涌造成地层速度增高的地质背景,以该OBS初至波走时层析结果为基础继续进行后续的反演和处理。

c.6 南海荔湾凹陷测线区域地层速度初始模型(a)与OBS初至波走时层析结果(b)及速度更新量(c)。

c.7 OBS初至走时层析前后正演计算走时与拾取走时对比(a)Disance=243km(b)Distance=203km(c) Distance=163kmDistance=115km处。

接着,使用反射波走时层析进行中浅层速度建模。基于伴随状态法的反射走时层析的走时正演计算和反演梯度计算过程依赖连续界面的假设,因此在处理本项目使用的长测线数据时,对测线进行了分块处理,分别进行反射走时层析和成像,最终拼合得到全测线的反射走时层析模型。以Distance=40千米到86千米的区域为例,以初至走时层析结果作为层析初始模型,模型大小为46150*10000米,网格大小12.5*12.5米。使用拖缆数据共800炮,区域内相对炮点位置范围为0~40000米。从初始成像结果中拾取五个标志层位(图c.8)用于反射走时拾取,通过反射走时自动拾取方法拾取到五组反射波走时(图c.9)。由浅至深逐层进行四层反射走时层析,浅层层析过后固定不再更新,反射波走时层析过程中的运动学成像同时作为当前层更新的下界面以及下一层更新的上界面。逐步反演结果和相应的成像结果如图c.10所示。经过四次逐层的反射走时层析后,对比处理前后成像结果图c.8(b)、图c.10(b)可以看出,进行反射走时层析后,成像中地层同相轴更加连续,深部层位能量增强,共成像点道集更平(图c.11)。能够证明经过反射走时层析后地层速度更为准确,在初始成像中较为模糊的基底变得连续。

c.8 (a) 南海荔湾凹陷测线Distance=40~86千米区域的初至走时层析结果和(b)该速度模型对应的RTM成像,虚线为人工拾取的反射界面深度。

c.9 南海荔湾凹陷实际拖缆数据以及自动拾取的反射波走时曲线,炮点位于(a) Distance=41千米处 (b) Distance=46千米处 (c) Distance=51千米处 (d) Distance=56千米处。

c.10 (a)南海荔湾凹陷测线Distance=40~86千米示例区域第四层反射走时层析结果和(b)RTM成像结果。

c.11 (a)初始模型成像共成像点道集(b)反射走时层析结果成像共成像点道集。


最终整条测线反射走时层析建模结果如图c.12所示,整条测线的成像剖面如图c.13所示。与初始模型的成像剖面(图c.13a)相比,反射走时层析更新后的成像剖面(c.13b)分辨率更高、振幅均衡性更好、同相轴更加连续。这也说明更新后的模型相对于初始模型更加准确。

c.12 南海荔湾凹陷全测线区域反射走时层析结果

a

b

c.13 南海荔湾凹陷全测线初始模型成像剖面(a)与反射走时层析成像剖面(b)。


在以上工作基础上,利用拖揽反射波波形利用AERWI方法进行地下中深层精细速度建模。测试的部分位于荔湾凹陷12 km范围部分探区内,平均水深超过2500 m。初始𝑉p和𝑉s模型如图c.14ab)所示,模型切掉了2.5 km厚的水层。实际应用中,RWI 很容易遇到周波跳跃问题,为避免周波跳跃出现,反演采用分偏移距反演策略,即先用小偏移距反射数据反演,得到的反演结果作为下一轮大偏移距数据反演的初始模型继续反演。小偏移距的Born 模拟数据和观测数据的走时是容易匹配的,将这部分波形匹配完成后再继续匹配长偏移距数据,使整个反演过程更加稳健。图c.14cd)展示了使用200~2500 m 偏移距数据的𝑉p、𝑉s反演结果,速度剖面整体比较光滑,以低波数信息为主;图c.14ef)展示了使用200~5000 m 偏移距数据的𝑉p、𝑉s反演结果,速度剖面的波数更丰富,可观察到一定的构造。用RTM 成像和角度域共成像点道集(ADCIGs)验证速度模型的准确性。图c.15 将初始𝑉p模型的像(a)和反演结果的像(b)覆盖在了对应的模型上。相比于初始模型的像,反演结果的像在深度上有明显变化,层位连续性更强,收敛较好,断层更加清晰(黑线标注位置),像与速度层匹配较好。图c.16 是𝑉p初始模型(a)和反演结果(b)的ADCIGs,初始模型的ADCIGs 普遍明显上翘,说明速度值偏小;而反演结果的ADCIGs 更平,说明速度更准确。

c.14 初始𝑉pa)和𝑉sb)模型;200~2500 m 偏移距𝑉pc)和𝑉sdAERWI 反演结果;200~5000 m 偏移距𝑉pe)和𝑉sfAERWI 反演结果。

c.15 初始模型(a)和最终反演结果(b)的𝑉p成像剖面覆盖在对应的速度剖面上。图中黑线表示断层位置。

c.16 初始模型(a)和最终反演结果(b𝑉pADCIGs

最后,利用所有分量数据通过全波形反演与成像获得多分量模型与成像剖面。在南海超深水荔湾凹陷的IODP U1501 测井站位附近布放了13 OBS(如图c.17 所示,其中三角形表示OBS 的真实位置)。本工作将考虑Q J-AEFWI 应用于该实际数据,拖缆𝑝(a)、OBS𝑣𝑥b)和𝑣𝑧(c)分量样本数据如图c.18 所示。反演的初始𝑉p、𝑉s模型为上述工作中AERWI 的反演结果(图c.14 ef)),初始𝑄p、𝑄s为均匀模型,密度参与反演但不更新,实验中采用高斯平滑压制偏移响应。图c.19a-d)分别为𝑉p、𝑉s、𝑄p、𝑄s的反演结果,相比AERWI 反演结果(图c.14 ef),J-AEFWI 的𝑉p和𝑉s增加了一些较高的波数信息。图c.20 为四个参数的模型更新量,在基底以上模型更新量较大,基底以下模型更新量较小。在模型横向5~6 km 左右,模型浅部的速度明显较小,对应位置𝑄p和𝑄s有明显的低值异常。在四个参数的模型更新量中(图c.20),也观察到此处的速度更新量较小,𝑄p和𝑄s的负更新量比较明显。如图c.21 所示,(ab)为初始𝑉p、𝑉sAELSRTM 成像结果,(cd)为反演𝑉p、𝑉sAELSRTM 成像结果,两者在统一量纲下进行显示。相较初始速度,𝑉p、𝑉s反演结果的层位位置有明显变化;同时,𝑉p反演结果的像能量更聚焦,层位更加连续清晰。基底是一个强𝑉s反射界面,在基底界面处,𝑉s反演结果的像明显比初始𝑉s的像更清晰。图c.22ab)是𝑉p、𝑉s反演结果与成像结果的叠加显示,成像位置与速度层位有较好的匹配性。图c.22cd)是𝑉p、𝑉s模型更新量与成像结果的叠加显示,两者剖面中速度变化量和像的位置具有良好的一致性。图c.23 展示了反演结果的ADCIGs,相比初始模型和AERWI 的道集(图c.16),前者道集更平,连续性更好。最后,图c.24 展示了𝑉p剖面与大洋钻探U1501 测井数据的速度匹配曲线,图中黑色实线为井数据,红色虚线为初始模型速度,蓝色线为反演速度。可见,反演结果对初始速度有一定的改进,与测井数据吻合较好。

c.17 U1501 站位附近布放的OBS 位置图。

c.18 拖缆𝑝a)、OBS 𝑣𝑥b)和𝑣𝑧c)分量联采数据样本。

c.19 南海数据J-AEFWI 方法𝑉pa)、𝑉sb)、𝑄pc)、𝑄sd)最终反演结果。

c.20 南海数据J-AEFWI 方法𝑉pa)、𝑉sb)、𝑄pc)、𝑄sd)模型更新量。

c.21 初始𝑉pa)、𝑉sb)和反演𝑉pc)和𝑉sd)模型AELSRTM 成像结果。

c.22 南海数据J-AEFWI 方法𝑉pa)、𝑉sb)反演结果与AELSRTM 成像的叠加显示,𝑉pa)、𝑉sb)更新量与AELSRTM 成像的叠加显示。

c.23 南海数据J-AEFWI 方法反演结果的ADCIGs

c.24 纵波速度反演结果与测井数据对比,黑线为测井数据,红色虚线为初始速度,蓝线为J-AEFWI 反演结果。

基于上述速度建模和成像结果,对全测线的150公里至280公里之间的荔湾凹陷开展解释。通过识别地震反射层的终止,结合U1501LW22-1-1测井在荔湾凹陷的成像剖面上,从上到下划分出了T0T3SB21T6T7Tg共六个层序界面,其对应地质年代如图c.25所示。其中,T7界面对应于恩平组的顶层,其特征为不整合,标志着33 Ma大陆裂解响应。LW22-1-1在荔湾凹陷的隆起结构上钻探,在深部钻遇到了T6T7地层,强烈的岩浆活动不仅改变了荔湾凹陷底部断面的形态,而且还提高了背斜结构位置。在T6界面之上,地震剖面上存在一个具有良好连续性的地震高振幅反射地质界面SB21SB21界面的上下层具有明显的不同反射特征,如图c.25右侧用黄色箭头标记。这些局部不均匀的反射特征表明,荔湾凹陷的沉积环境在该时期发生了明显变化,存在着复杂的沉积体系。

c.25红色虚线勾勒出了荔湾大拆离断面的地震反射特征。这个低角度向海倾斜的正断层特征,形成了足够充足,能够产生巨大的潜在油气生产能力的沉积空间。由于局部伸展应力的集中和迁移、不同程度的岩浆底侵等原因,断面在纵向上发生了约1 km深的变形,白色虚线指示出几个弯曲的中等振幅反射轴,也可能是由相同的原因引起的。白色实线所指示的次拆离断面,附着在荔湾主拆离断面之上,从北向南断面倾角逐渐有变小趋势,为荔湾凹陷内部沉积层的滑动提供了有力的证据。结合U1501钻井信息,标定了边缘高地(OMH)新生代基底Tg,同时对Tg下的疑似中生代基底,可进行较为清晰的成像。

c.25 荔湾凹陷解释投影剖面



3. 发表的期刊论文

(1) Yuzhu Liu; Weigang Liu; Zheng Wu; Jizhong Yang; Reverse time migration with an exact two-way illumination compensation, Geophysics, 2022, 87(2):S53-S62.

(2) Yuzhu Liu; Xinquan Huang; Jizhong Yang; Xueyi Liu; Bin Li; Liangguo Dong; Jianhua Geng; Jiubing Cheng; Multiparameter model building for the Qiuyue structure using 4C ocean-bottom seismometer data, Geophysics, 2021, 86(5):B291-B301.

(3) Yuzhu Liu; Zheng Wu; Hao Kang; Jizhong Yang; Use of prismatic waves in full-waveform inversion with the exact Hessian, Geophysics, 2020, 85(4):R325-R337.

(4) Zheng Wu; Yuzhu Liu; Jizhong Yang; Elastic full-waveform inversion of steeply dipping structures with prismatic waves, Geophysics, 2021, 86(4):R413-R431.

(5) Zheng Wu; Yuzhu Liu; Jizhong Yang; Elastic least-squares reverse time migration of steeply dipping structures using prismatic reflections, Geophysics, 2022, 87(3):S75-S94.

(6) Zheng Wu; Yuzhu Liu; Jizhong Yang; Steeply dipping structure imaging with prismatic waves incorporating wavefield decomposition, Geophysical Prospecting, 2023, 71:518-538.

(7) Zheng Wu; Yuzhu Liu; Jizhong Yang; Nonlinear least-squares reverse time migration of prismatic waves for delineating steeply dipping structures, GEOPHYSICS, 2024, 89(2):S129-S143.

(8) Yuzhu Liu; Yibin Ming; Zheng Wu; Tao Yang; Jianming Zhang; A new data-domain reflection full-waveform inversion method based on common-image-point gathers, Journal of Applied Geophysics, 2023, 208:104907.

(9) Xinquan Huang; Yuzhu Liu; An efficient elastic full‐waveform inversion of multiple parameters with ocean‐bottom seismometer data, Geophysical Prospecting, 2024, 72(6):2123-2147.

(10) Song Hengli; Liu Yuzhu; Yang Jizhong; Elastic Full Waveform Inversion for Tilted Transverse Isotropic Media: A Multi-Step Strategy Accounting for Symmetry Axis Tilt Angle, Geophysical Prospecting, 2024, 72(7):2486-2503.

(11) Yang Tao; Liu Yuzhu; Wu Zheng; Zhang Jianming; Multi-parameter full waveform inversion using only the streamer data based on the acoustic-elastic coupled wave equation, Journal of Applied Geophysics, 2023, 209:104902.

(12) Hengli Song; Yuzhu Liu; Elastic full-waveform inversion in tilted transverse isotropy media using Gauss Newton optimization, Journal of Applied Geophysics, 2024, 220:105274.

(13) Yuzhu Liu; Weigang Liu; Jizhong Yang; Liangguo Dong; Extracting angle domain common image gather with variable density acoustic-wave equation, Journal of Geophysics and Engineering, 2021, 18(2):192-199.

(14) Tao Yang; Yuzhu Liu; Jizhong Yang; Joint towed streamer and ocean-bottom- seismometer data multi-parameter full waveform inversion in acoustic-elastic coupled media, Frontiers in Earth Science, 2023, 10:1085441.

(15) 刘玉柱; 刘雯; 王建花; 伍正; 张建明; 杨涛; 杨积忠; 黄超; 董良国; 海水速度结构的OBS透射走时层析反演, 地 球物理学报, 2024, 67(9):3402-3411.

(16) 刘雯; 刘玉柱; 王建花; 张建明; 伍正; 杨涛; 海底地震仪与拖揽观测系统的联合走时层析海水速度建模, 地球物理 学报, 2024, 67(6):2378-2387.

(17) Jizhong Yang; Yunyue Elita Li; Yuzhu Liu; Yanwen Wei; Haohuan Fu; Mitigating the cycle-skipping of full-waveform inversion by random gradient sampling, Geophysics, 2020, 85(6):R493-R507.

(18) Jizhong Yang; Yunyue Elita Li; Yuzhu Liu; Jingjing Zong; Least-squares extended reverse time migration with randomly sampled space shifts, Geophysics, 2020, 85(6):S357-S369.

(19) Jianhua Wang; Jizhong Yang; Liangguo Dong; Yuzhu Liu; Frequency-domain wave-equation traveltime inversion with a monofrequency component, Geophysics, 2021, 86(6):R913-R926.

(20) Tao Shu; Kai Yang; Yuzhu Liu; Feng Bo; Chengliang Wu; Wave-equation traveltime slope inversion by combining finite difference and cross-correlation methods, Journal of Applied Geophysics, 2022, 206:104817-104817.

(21) Chao Huang; Zhuoer Jiao; Liangguo Dong; Yuzhu Liu; Viscoacoustic reverse time migration with stable and effective two-way attenuation compensation, Geophysics, 2023, 88(6):S203-S212.

(22) 王璇; 王腾飞; 程玖兵; 武泗海; 朱峰; 刘玉柱; 超深水区基准面延拓驱动的反射波形反演成像, 石油地球物理勘探 , 2024, 59(4):790-799.



4. 国际会议论文

  1) Liu Dongyue; Liu Yuzhu; Yang Tao; Preconditioned Elastic Full-Waveform Inversion for Reducing Crosstalk, EAGE 2024, 挪威奥斯陆, 2024-6-102024-6-13.

  2) Yang Tao; Liu Yuzhu; Full waveform inversion based on the acoustic-elastic coupled equation, EAGE 2020 , 线上, 2020-12-82022-12-12.

  3) Yao Yuhui; Yang Jizhong; Liu Yuzhu; Elastic full-waveform inversion using random space shift, IMAGE 2022, 线上, 2022-8-282022-9-1.

  4) Wang Yilin; Dong Liangguo; Huang Chao; Zhang Jianming; Liu Yuzhu; Application of wave-equation reflection traveltime inversion to the Liwan deep-water streamer data in the South China Sea, IMAGE 2024, 美国休斯顿, 2024-8-262024-8-29.



5. 发明专利与计算机转件著作权

项目授权6个相关发明专利:

  1) 黄鑫泉,刘玉柱,发明专利,针对OBS多分量数据的炮检互易弹性波全波形反演方法,ZL202010499751.82020.06.04

  2) 刘玉柱,发明专利,面向随钻导向的声波方程频率域逆时偏移快速成像方法,ZL202010941458.22021.12.07

  3) 刘玉柱,明怡斌,李华,伍正,杨涛,一种基于共成像点道集的反射全波形反演方法,ZL202110675671.82022.7.19

  4) 刘玉柱,姚宇晖,发明专利,一种基于双差思想的全波形反演方法,ZL202111574138.92023.03.28

  5) 刘玉柱,刘雯,董良国,杨积忠,李华,一种基于伴随状态法初至波走时层析的海水速度建模方法,ZL202110900298.12023.07.04

  6) 刘玉柱,李华,一种基于最小二乘反演的高频静校正量提取方法,ZL202011522018.X2022.4.5

项目登记2个相关软件著作权:

  1) 刘玉柱; 宋亨利; 基于TI 介质拟声波方程初至波走时层析成像软件, 2021SR0931106, 原始取得, 全部权利, 2021-4-13.

  2) 刘玉柱; 宋亨利; 基于TI介质拟声波方程波形反演软件, 2021SR0931089, 原始取得, 全部权利, 2021-4-13.



6. 国内外学术交流

     1)  2024125-2024127日参加第二届OBS探测技术与应用青年学术论坛,北京:

刘玉柱,2024,海底主动源多分量数据多参数建模与成像(专题特邀报告);

     2)  20241020-1023日参加地球科学联合学术年会,厦门:

刘东悦, 刘玉柱, 2024, 反射波波形反演在南海荔湾区域速度建模中的应用(口头报告);

曾东林, 刘玉柱, 2024, 伴随状态法精确双向照明补偿逆时偏移(展板报告);

     3) 2024826-829日参加IMAGE会议,美国休斯顿;

 Wang Yilin, Liangguo Dong, Chao Huang, Jianming Zhang, Yuzhu Liu, 2024, Application of wave-equation reflection travel time inversion to the Liwan deep-water streamer data in the South China Sea. IMAGE Abstract, 183-187(口头报告).

     4)  2024610-613日参加EAGE年会,丹麦奥斯陆;

 Liu Dongyue, Yuzhu Liu, Tao Yang, 2024, Preconditioned Elastic Full-Waveform Inversion for Reducing Crosstalk. EAGE Abstract, 1: 1-5(展板报告). https://doi.org/10.3997/2214-4609.202410617

     5)  2024423-426日参加第二届中国石油物探年会,武汉;

刘玉柱,刘雯,杨涛,张建明,南海北部荔湾凹陷全深度速度建模与成像(口头报告)

     6) 20231013-1018日参加地球科学联合学术年会,珠海,主持第117专题,做了2个专题邀请报告,学生做口头报告;

刘玉柱,伍正,杨涛,复杂介质高精度反演与成像(专题邀请报告)

刘玉柱,刘雯,杨涛,张建明,南海荔湾凹陷OBS测线速度建模与成像(专题邀请报告)

杨涛,刘玉柱,南海深水地震数据反射波波形反演(口头报告)

宋亨利,刘玉柱,TTI介质波动方程初至走时层析(口头报告)

     7) 202375-77日上海参加第七届地球系统科学大会,主持第70专题,学生做展板报告;

刘雯,刘玉柱,南海荔湾凹陷OBS测线速度建模与成像,CESS07S70-P-3S

杨涛,刘玉柱,OBS多分量数据与拖揽数据联合全波形反演方法与其在南海深水区的应用,CESS07S70-P-4S

明怡斌,刘玉柱,南海及周边地区上地幔与转换带构造特征与解释,CESS07S20-P-7S

     8)  2022828-91日线上参加SEG年会,并做口头报告;

 Yao Yuhui, Jizhong Yang, Yuzhu Liu, 2022, Elastic full-waveform inversion using random space shift. SEG Expanded Abstract, 952-956(口头报告). https://doi.org/10.1190/image2022-3750991.1

     9)  2022125-129日线上参加地球科学联合学术年会,并做口头报告;

刘玉柱,伍正,杨积忠,高陡构造之棱柱波反演成像(专题邀请报告)

伍正,刘玉柱,杨积忠,基于波场分解的棱柱波逆时偏移成像(优秀论文奖)

   10)  2020128-1212日线上参加EAGE年会,并做口头报告;

 Yang Tao, Yuzhu Liu, 2020, Full waveform inversion based on the acoustic-elastic coupled equation. EAGE Abstract(口头报告).

   11)  20201018-1021日赴重庆参加中国地球科学联合学术年会,并做专题邀请报告和口头报告;

刘玉柱、黄鑫泉、杨积忠、董良国、耿建华、程玖兵, 2020, 东海秋月构造区OBS四分量数据多参数建模(专题邀请报告).

伍正、刘玉柱、杨积忠,2020,利用棱柱波的弹性波全波形反演,地球科学联合学术年会(优秀论文奖).

杨积忠,刘玉柱,2020,基于最小二乘逆时偏移的地表偏移距域共成像点道集,地球科学联合学术年会.



7. 人才培养

通过项目培养了7名博士和6名硕士,其中3名博士和4名硕士已经毕业:

  1) 刘伟刚,博士,2015.9~2021.6,保幅成像与变密度角道集提取,已毕业。

  2) 伍正,博士,2017.9~2023.6,利用棱柱波的高陡构造反演成像,已毕业。

  3) 吴世林,硕士,2017.9~2020.3,基于谱元法的三维声波全波形反演,已毕业。

  4) 黄鑫泉,硕士,2017.9~2020.3OBN数据全波形反演与成像。已毕业,同济大学优秀毕业生。

  5) 明怡斌,博士,2019.9~,三维声波全波形反演实际应用研究。

  6) 杨涛,博士,2019.9~2024.5OBS四分量数据的建模与成像,已毕业。

  7) 宋亨利,博士,2020.9~,各向异性介质反演成像与OBS应用。

  8) 陈栋,博士,2023.9~OBS多分量多参数反射波建模与成像。

  9) 黄瑀,博士,2024.9~OBS主动源数据深部结构反演与成像。

 10) 刘雯,硕士,2021.9~2024.5,荔湾凹陷联测测线全深度建模与成像,已毕业。

 11) 姚宇晖,硕士,2021.9~2024.5,随机梯度采用弹性波全波形反演,已毕业。

 12) 刘东悦,硕士,2022.9~,荔湾凹陷盆地结构成像与储层参数反演。

 13) 曾东林,硕士,2024.9~,精确双向照明补偿逆时偏移成像。



8. 获奖

 1) 杨涛博士论文获评同济大学优秀博士学位论文,224

 2) 项目负责人入选上海市东方英才拔尖项目,2023

 3) 博士生伍正被评为上海市优秀毕业生,2023

 4) 伍正博士论文获评同济大学优秀博士学位论文,2023

 5) 伍正,刘玉柱,杨积忠,基于波场分解的棱柱波逆时偏移成像,地球科学联合学术年会,口头报告. 2022125-129日 线上,学生优秀论文奖。

 6) 伍正,刘玉柱,杨积忠,2020,利用棱柱波的弹性波全波形反演,地球科学联合学术年会,口头报告. 20201018-1021日重庆,学生优秀论文奖。

 7) 硕士生黄鑫泉被评为同济大学优秀毕业生,同济大学,2020


返回原图
/