密度和声波时差测井曲线是沟通地震与岩石物理学的两条重要曲线，也是目前仅有的能够为测井约束地震反演技术提供可靠的全频带地层弹性信息的两条测井曲线。但实际应用中受井壁垮塌、仪器故障等因素的影响，经常会造成密度和声波时差测井数据失真或缺失，且现有的经验模型法、多元拟合法、岩石物理建模法不但存在着重构目标曲线精度低，而且较难处理两条曲线同时重构的问题。为此，提出了将注意力机制融合到二维卷积神经网络中，以强化深度学习网络捕捉测井曲线自相关和互相关特征信息的能力，提升深度学习网络重构声波和密度测井曲线的精度。以准噶尔盆地超深层致密砂岩为研究对象，首先分析了测井曲线自相关和互相关特征与注意力层权重分布规律的关系；然后分析对比了所提网络与门控循环单元、二维卷积神经网络的预测精度，并对所提网络结构参数进行了优化；最后通过合成地震记录验证了目标曲线校正和缺失重构效果，表明所提网络具有较高的预测精度。

地下介质的吸收衰减效应严重降低了地震信号的探测深度，限制了高分辨率地震勘探的发展。反Q滤波技术是补偿地层吸收衰减、提高地震分辨率的重要手段。然而，传统的反Q滤波方法本身并不具备信号识别能力，在补偿地震信号的同时会放大噪声干扰。为此，文中提出一种信号自适应识别的多道吸收补偿方法，其核心思想是利用地震信号的空间构造特征提升吸收补偿算法的稳定性和精度。该方法主要实施流程包括四步：首先，利用空间预测算子对反射信号的空间构造特征进行数学表达；再根据信号预测算子构造空间反射结构约束项；然后，将反射结构约束项加入多道吸收补偿目标函数，得到吸收补偿反演系统；最后，求解多道反演目标函数，得到吸收补偿结果。模型数据测试和实际资料应用结果表明：所提方法不仅能提高地震资料的分辨率，还可保护补偿结果的空间构造特征和信噪比，具有较强的稳定性和一定的实用性。

目前测井图像裂缝识别、处理过程工作量巨大，人工识别主观性强、稳定性差，为此，提出将计算机视觉技术和深度学习框架引入测井成像图分析解读领域，构建新型裂缝形态智能识别网络模型，实现了电阻率测井成像图中井壁裂缝区域的智能识别与分割标注。首先，通过多尺度空洞卷积结合注意力机制提取电阻率测井井壁成像图中浅层和深层特征，并将深、浅层特征进行多尺度融合，形成更具表征能力的新特征。然后，根据该特征进行像素点二分类，完成每个像素点的前景、背景类型识别，若干个前景分类的像素点对应裂缝区域的轮廓。多尺度特征融合模型从微观角度充分保留了裂缝区域图像轮廓细节，裂缝区域关联像素点识别分类准确率接近80%。最后，进一步借鉴人眼视觉相似度评价体系，从宏观角度设计裂缝轮廓智能识别性能评价算法。评价结果表明，当视觉相似度感受评级为Ⅱ级时，训练集和测试集图像中与人工识别结果基本一致的裂缝区域分别达到81.3%和80.0%，说明所提方法可替代人工解释完成裂缝的识别和标注工作，能大幅减少图像分析工作量，细致勾勒出裂缝区域轮廓线。同时，有利于及时、迅速地判断井筒、井壁稳定性，为后续裂缝区域的智能定量评价、计算提供技术支撑。

 

地震信号是一种非平稳信号，地震子波的时变性一直困扰地震数据处理，因此需要利用自适应性较强的分析方法提取非平稳地震信号的局部特征信息。利用经验模态分解（EMD）分解地震信号，可提取信号的局部特征信息，信号通过EMD得到的固有本征函数（IMF）不受外界影响，分解个数完全由原信号自身决定，因此EMD方法具有完全的自适应性，是分析非平稳地震信号的良好方法。为此，结合EMD反褶积技术与构造导向约束滤波技术提高三维地震资料的分辨率。EMD反褶积技术通过将地震信号经过EMD算法分解成有限个IMF，通过反褶积处理提升每一个IMF的分辨率，通过重构地震信号提高总体分辨能力，同时能较好地保持地震资料信噪比、相对振幅关系和时频特性。利用构造导向约束滤波技术滤除EMD反褶积资料的部分噪声，可提高地震资料的信噪比，储层预测结果与钻井资料吻合。所提方法在JL地区的应用效果表明：①联合叠后EMD反褶积与构造导向约束滤波的处理技术能有效提高地震分辨率，且地震资料的频带宽度较大，同时保持了较高的信噪比；②储层预测结果与实钻结果匹配，更符合地质认识，储层预测精度高于原始地震资料。

断层解释是地震资料解释的关键环节之一。以神经网络为代表的深度学习技术的迅速发展极大地提高了断层解释的效率和精度。神经网络通过随机梯度下降优化训练，以损失函数衡量模型的误差，迭代更新网络模型参数，其中损失函数的选取对断层解释结果至关重要。为此，在三维地震资料的断层解释中，以3D U-Net为网络结构，以Adam作为优化器，通过三维合成样本训练网络，对比、分析平衡交叉熵（BCE）、骰子（Dice）、焦点（Focal）、余弦（Cosine）、Log-Cosh Dice、Tversky、Focal-Tversky、Wasserstein、BCE-Dice和BCE-Cosine等共10种损失函数的断层解释效果； 对训练数据进行归一化和数据增强，减小合成数据与实际数据分布之间的差异； 在相同网络模型、训练参数以及停止准则的条件下，对比各种损失函数训练3D U-Net的收敛速度、计算效率和抗噪性能； 利用荷兰近海F3区块实际地震数据分析断层预测效果。实验结果表明，Tversky和Focal-Tversky损失函数训练的3D U-Net预测断层连续性较好； 当交叉或平行断层分布密集时，邻近断层会相互影响，BCE、BCE-Dice和BCE-Cosine损失函数训练的3D U-Net预测断层完整、清晰，细节丰富。该成果可为地震资料断层解释中如何选取合适的损失函数提供参考。

海底Scholte波沿着海底流—固界面传播，具有典型的频散特性。Scholte波的频散特性可以反演海底浅层的横波速度，是海底横波速度建模的有效手段。建立准确的Scholte波频散理论模型至关重要。根据真实海水—海底环境建立水平层状海水—海底弹性模型，并利用边界应力和位移连续性条件推导了该模型的Scholte波频散方程及位移方程。分析了海水深度和海底物性参数对Scholte波频散特性的影响，6层海水—海底模型实验结果表明：①无论是硬海底还是软海底，Scholte波都具有明显的频散特性，硬海底Scholte波能量主要集中在海水中，基阶能量最弱，2阶能量最强，随着海水深度增加，Scholte波频散特性减弱； 软海底模型固体海底的Scholte波能量明显增强，此时海水深度对Scholte波频散特性影响很小。②相比于深海环境，浅海Scholte波能量更强，频散特征更明显，因此在浅海环境利用Scholte波反演海底浅层横波速度的精度和可信度更高。最后，基于东海某工区的实际海底弹性地质模型模拟海底多分量地震数据并从中提取频散曲线，与理论计算的频散曲线进行对比分析，二者的频散曲线吻合很好，验证了所提理论方法的正确性。

微地震监测是指导页岩气开采水力压裂作业和评价压裂效果的常用手段。地面监测所采集的微地震信号能量弱、信噪比低，微地震事件识别困难，严重影响定位的准确性。针对低信噪比地面微地震监测资料，联合使用同步挤压S变换、谱分解和τ-p变换，提出一种新的消噪方法。首先对监测资料进行时差校正，将微地震信号的同相轴校平；之后使用同步挤压S变换对校平后的资料进行谱分解获取单频切片；再对每个单频切片进行τ-p变换，并根据τ-p变换的结果获取微地震信号位置；最后根据信号的位置在时频域完成消噪。实际低信噪比地面微地震监测数据的处理结果表明，新方法可以获得理想的消噪结果。

基于深度神经网络的地震速度反演方法面临的挑战是：时间域地震数据与空间域模型信息间语义映射的弱对应关系导致多解性； 神经网络将地震数据映射到速度模型过程中缺少有效引导，易受噪声干扰，影响反演精度。为此，提出一种基于特征强化U-Net的地震速度反演方法。首先，通过多炮地震数据特征叠加使输入网络的地震时间序列信号与对应速度模型之间的空间关系更加明确； 其次，基于多尺度特征融合的思想设计具有不同尺寸卷积核的模块，以增强网络对有效特征的学习能力； 然后，利用注意力门引导网络，增强网络重点关注的特征； 最后，结合瓶颈残差和预激活的思想，在网络中加入预激活瓶颈残差，避免梯度消失和网络退化。实验表明，该方法在地震速度反演方面具有更高的精度，并在抗噪声测试中效果较好，具有一定的泛化能力。

目前，油气地震勘探主要利用了纵波（PP波）的信息，在地层多参数反演、复杂和非常规油气储层预测、流体识别等方面存在着不确定性。近年来，横波（SV-SV波和SH-SH波）可控震源技术的发展大幅提高了资料的品质，为横波勘探技术的发展和广泛应用提供了必要条件。然而，与传统的PP波、PP与PS波联合反演相比，横波的反演能力尚不明确。为此，对比、分析不同弹性参数表示的纵波、转换横波（PSV波）和横波反射系数近似公式的精度，然后利用反射系数近似公式构建针对不同弹性参数的线性反演框架，结合反演协方差矩阵和反演条件数对比，分析纵、横波在反演不同弹性参数时的不确定性、不适定性。分析结果表明：利用PP波反演剪切模量和密度的不确定性最大，即使采用大角度数据PP波反演依然具有较高的不适定性；PSV波反演可有效降低反演的不适定性，但难以独立应用于实际资料；PP波和PSV波联合反演可有效降低反演的不确定性、不适定性，但反演效果依赖于纵、横波匹配精度；SH-SH波和SV-SV波在反演横波阻抗、横波速度、剪切模量和密度时具有明显的优势，可有效降低对输入数据角度的需求。该成果可为横波反演方法研究提供理论依据。

AVA三参数反演在地层弹性参数预测中发挥着重要作用。由于AVA理论公式（即物理先验认识）中的角度不易确定，加之大型稀疏矩阵的病态性，导致常规叠前反演过程不稳定。为此，提出物理、数据先验认识融合的叠前解耦分步反演方法。首先，基于物理先验认识构建非稀疏正演框架，以增加参数反演的稳定性，为解耦分步反演奠定基础；然后，以井资料为数据先验认识，将物理、数据先验认识融合，对叠前地震数据进行解耦，以得到更准确的叠前地震属性数据；最后，对解耦后的叠前地震属性进行反演得到地层弹性参数。该方法通过井数据先验认识修正反演过程，可以避免因物理先验认识中角度不准带来的误差。实际数据测试结果表明，相比于业界三参数AVA反演方法，本方法的反演结果具有更高的精度，其中拉梅参数、剪切模量和密度的精度分别提高14.1%、13.6%和11.9%。

塔里木盆地深层碳酸盐岩缝洞型储层横向变化快、非均质性较强，缝洞间接触关系较为复杂，严重制约了后期的勘探开发部署。为此，研究了基于叠前—叠后地震资料多属性分析的缝洞型储层综合预测方法。首先，基于叠后地震资料，通过多属性对比分析，优选出分频导向相干结果作为大断裂和溶洞预测的敏感属性； 其次，基于叠前宽方位地震资料，提出基于宽方位导向相位属性的各向异性强度表征方法，通过奇异值分解（SVD）计算不同方位导向相位属性的最大奇异值与奇异值之和的比值，用于表征目标储层的各向异性强度分布情况，从而作为地下裂缝的预测结果； 最后，将叠后大断裂、溶洞刻画结果与叠前裂缝预测结果联合分析，并应用于塔里木盆地碳酸盐岩缝洞型储层的预测，能够清晰表征缝洞间的接触关系，与实钻井结果较为吻合，从而为后期勘探开发部署提供有力依据。

分析了卷积神经网络（CNN）、去噪卷积神经网络（DnCNN）、U-Net深度神经网络、前反馈（BP）神经网络、空洞卷积神经网络（DCNN）、残差网络（ResNet）、迁移学习等为代表的深度学习方法的概念、发展现状、方法原理、去噪效果以及优缺点等；对比了传统去噪方法、字典学习及深度学习方法的去噪效果；展望了深度学习技术在地震去噪领域的发展前景。获得以下认识：①深度学习方法的实际去噪效果优于传统方法和字典学习方法，不需要设定结构模型，泛化性更强，且计算时间短、精度更高。②深度学习方法存在诸多不足：实际数据的去噪效果往往差于合成数据；普适性不强；神经网络的“黑匣子”特性使其物理可解释性大大降低；网络性能与训练数据的泛化性密切相关；用于训练网络的数据集因人而异，难以评价网络性能。③期待深度学习在以下方面取得进展和突破：搭建适用于不同噪声的去噪神经网络结构，并将更优的网络结构引入地震随机噪声压制；将地震信号转换到变换域构造网络的损失函数；改进学习策略的同时制作更具代表性的数据集，尽可能地使训练数据覆盖所有类型的解，提高网络泛化性；自动化的参数调优；结合模型驱动与数据驱动的方法。

裂缝预测是非常规储层预测的重要内容。裂缝密度不仅反映了裂缝的发育程度，也是影响裂缝孔隙度和渗透率的重要参数。文中提出了一种应用纵波反射振幅分方位傅里叶系数正、余弦分量加权的裂缝密度反演方法。基于线性滑动裂缝等效介质理论，分别推导了含油和含气条件下HTI介质纵波反射振幅傅里叶系数与裂缝密度的关系，并利用二阶傅里叶系数预测裂缝对称轴方位角； 研究了地震数据含噪声时二阶傅里叶系数正、余弦分量信噪比之比随裂缝对称轴方位角的变化规律，并提出应用二阶傅里叶系数正、余弦分量加权的裂缝密度反演方法。模型试算结果表明，所提的裂缝密度反演方法具有较强的抗噪性和稳定性； 将其应用于实际地震数据，裂缝密度预测结果与测井信息吻合，验证了方法的有效性。

脆性是一种评价致密储层可压裂性的重要指标，对油气勘探与开发有着重要的意义。准东地区勘探程度低、探井少，二叠系中下部云质岩致密储层的精细描述和脆性的准确预测均有着很大的难度。为此，根据岩石物理实验结果，利用叠前地震角度域数据体，开展储层叠前反演及脆性预测。通过AVO反演，获取P（截距）+G（梯度）和P×G属性； 通过Y（杨氏模量，E）P（泊松比，σ）D（密度，ρ）和L（拉梅常数，λ）M（μ）R（ρ）反演，获取弹性参数的变化率（反射系数）； 通过测井约束反演，获取弹性参数的实际值，并用多种表征公式计算脆性，分析其物理含义及应用效果。研究结果表明：①研究区横波速度与纵波速度有较好的拟合关系，杨氏模量、泊松比和密度对泥岩、非泥岩区分度明显； ②云质岩具有高速特征，研究区储层呈双“甜点”结构； ③用三个小角度数据体直接反演弹性参数反射系数，YPD反演方法相较LMR的储层识别效果更好、分辨率更高，密度反射系数数据体可见比较明显的扇体及河道冲积特征； ④脆性表征结果与弹性参数特征有一定的区别，脆性表征的云质岩有利区呈条带状分布，而弹性参数预测的云质岩有利区基本呈连续、成片分布； ⑤ρE/σ 为研究区最佳的脆性表征公式，可为类似油田云质岩储层脆性预测提供借鉴。

针对柴达木盆地英雄岭构造带深层小断层和碳酸盐岩缝洞体识别，提出配套的地震勘探关键技术。首先，从资料采集方面，扩大观测方位，采用小组合激发和接收，炮、检点均匀布设，可提高小断层成像精度； 在地震资料数据处理方面，采用OVT域多维保真压噪技术和巨厚表层Q补偿处理技术，可以提高地震资料信噪比、保真度，有效拓宽频带，提高分辨率； 在地震资料解释方面，利用分方位数据体和人工智能断层识别技术，可有效提高小断层识别精度，利用各向异性强度属性可有效识别缝洞体。该技术可为其他类似地区提供参考。

针对衰减介质的全波形反演（FWI）通常采用黏滞声波方程，并通过伴随状态法计算目标函数对介质速度参数的梯度。在梯度计算过程中，由于震源波场和伴随波场都历经衰减，因此梯度随着深度减弱，导致模型参数的修正量变小，降低了反演的收敛速度。为了提升反演效率，研究了基于解耦分数阶拉普拉斯算子（DFL）波动方程的黏滞声波FWI，提出了一种新的基于稳定因子的梯度补偿策略。在补偿梯度过程中设置稳定因子实现稳定补偿，可以在保持正确运动学特征的同时，平衡所恢复梯度的幅度。数值算例表明，与传统的黏滞声波FWI相比，经此梯度补偿的黏滞声波FWI具有更快的收敛速度和更高的反演精度。

砂砾岩体广泛存在于断陷湖盆陡坡带，可发育多种油气藏类型，勘探潜力较大。但由于其空间展布及叠置关系复杂，与围岩有较大速度差异，常规的成像域网格层析建模方法难以获取精细速度模型。为此，基于成像域网格层析反演方法，借鉴层位约束的思想，结合地震解释得到的岩体空间分布信息划定重点反演区域，并引入对数型障碍函数，通过施加不等式约束条件限制岩体速度变化范围，提出一种成像域约束层析反演方法，以提高砂砾岩体的建模精度。在BS工区的应用结果表明，与原有的网格层析模型相比，该方法建立的速度模型与成像剖面中的岩体分布更吻合； 与融合建模结果相比，能更好地反映出砂砾岩体内部的速度变化，相应的成像剖面质量也有一定提高。

由于复杂强背景噪声的影响，分布式光纤声学传感（Distributed Optical Fiber Acoustic Sensing，DAS）采集的地震记录普遍信噪比较低。如何有效抑制背景噪声，恢复弱上行反射信息，切实提升DAS记录信噪比，已成为资料处理领域的热点问题之一。针对复杂DAS背景噪声消减问题，提出了一种多尺度增强级联残差网络（Multiscale Enhanced Cascade Residual Network，MECRN）。MECRN具有双路径级联残差网络结构，通过双路径机制提取DAS记录浅层信息。在此基础上，引入空洞卷积和多尺度模块提取DAS记录的多尺度特征，并通过跳跃连接导入浅层特征，在避免有效特征损失的同时，提升网络的特征提取能力。最后，通过残差学习整合局部和全局特征，并对重建特征细化，进一步提升了MECRN的去噪能力。模拟和实际DAS资料处理结果均表明，MECRN可以有效地压制DAS记录中的复杂背景噪声，准确恢复弱反射信号，显著提升处理DAS资料的能力。

地震勘探的成像和反演质量取决于地震子波的提取精度。地震子波在传播过程中主频和相位会改变，即子波形态会出现变化。现有的子波估计方法未能充分考虑子波的空变特性，同时传统空变子波提取方法对测井资料等先验信息依赖性较强，且受各类假设限制。为此，提出了一种使用自编码-解码架构与卷积门控循环单元（ConvGRU）网络的空变子波提取方法。该方法使用卷积运算与门控运算同步提取不同地震道子波的主频和相位变化特征；将提取的子波变化特征经编码得到特征变量，特征变量经解码器可更高效地提取横向道间和纵向时间上的变化特征。使用有限差分正演和非平稳褶积模型建立符合实际数据分布特点的训练数据；搭建自编码-解码网络并迭代训练网络，得到空变子波提取模型；使用该模型提取地震多道空变子波。数值仿真实验验证了该方法比传统子波提取方法具有更高的精度；中国西部实际地震资料处理结果表明，该空变子波提取方法具有一定的实际应用价值。

水力压裂是促进地层油气藏高产的一项重要手段，对油气田的勘探、开发具有重要意义。水力压裂裂缝是油气藏的主要渗流通道和有效储集空间，裂缝识别是油气勘探、开发的重要环节。关于利用电磁方法进行水力压裂裂缝探测，学者们提出了多种切实可行的技术方案。首先，通过系统调研基于电磁方法的水力压裂裂缝探测相关文献，从空间角度对水力压裂裂缝的主要几何形态进行分类，分析水力压裂裂缝电磁监测方法的优势和不足；基于感应测井理论，通过电磁法监测手段，识别由导电支撑剂填充的水力压裂裂缝。然后，分别从垂直井、水平井和多井三方面对水力压裂裂缝的研究现状与发展趋势进行了详细综述。最后，探讨了基于电磁方法的水力压裂裂缝探测技术的主要问题和困难，认为目前主要的技术难点在于裂缝的复杂形态难以准确把握，多种因素共同影响裂缝形态探测效果。因此，针对具有多尺度特性的水力压裂裂缝的分布和特征，需结合多种电磁模拟方法进行研究。

目前，中国石油油气勘探开发由隆起区向盆地斜坡、湖盆中心、盆地周缘不断拓展，目的层由中浅层向深层-超深层、对象由常规向非常规油气不断扩展，勘探开发面临探区更复杂、目标更隐蔽、作业难度更高等难题。针对陆上高难度探区地震勘探，中国石油强化地震资料采集、处理、解释等技术攻关，形成了“两宽两高（宽方位、宽频、高密度、高覆盖）”采集、“双高（高分辨率、高保真）”处理、真地表成像处理、叠前储层定量预测等技术系列，支撑了高难度探区勘探持续突破和储量长期稳定增长，实现油气产量稳中有升。以上成果的取得，得益于物探技术理念的转变，提出了“油气在地质家的脑海里，更藏在高品质的地震资料里”的找油找气新理念；得益于把握住了陆上地震勘探技术突破的牛鼻子，提出了“目标在深层，问题在浅层，关键是速度，核心是精细”的技术思路；得益于管理思路的创新与转变，建立了完整的物探技术管理体系，使各探区地震资料品质大幅度全面提升。这种认识上的突破和管理创新将指导下一步陆上油气地震勘探技术向全方位、高密度、全数字、多参数、自动化、智能化、全波形、全波场等方向发展。

随着塔里木盆地顺北油气区、轮南地区轮探1井在8200 m深度以下获得工业油气流，碳酸盐岩勘探迅速向深层-超深层领域迈进，向地震勘探技术提出了严峻挑战。主要分析了超深层复杂波场地震成像理论研究进展及面临的问题。在超深层储层预测关键技术方面，分析了由地震数据结构表征识别小断裂、基于数字岩心的孔隙结构定量化预测方法等现状； 从勘探地质需求的角度，提出深层—超深层碳酸盐岩储层与流体预测技术发展趋势和重点攻关方向，以期为海相碳酸盐岩地震勘探的理论及技术研究提供借鉴。获得以下认识：①针对超深层低信噪比地震数据，Q 叠前深度偏移和TTI介质RTM技术在碳酸盐岩储层成像中取得了一定效果，基于波动理论的层间多次波压制、各向异性 Q-RTM、最小二乘 Q-RTM及各向异性全方位角度域成像技术是重点攻关方向。②深层—超深层强非均质性碳酸盐岩储层地震预测技术存在欠缺理论依据、预测精度较低等问题，亟待加强理论方法探索和技术攻关。③地震岩石物理实验与储层地质的深度融合以及基于双相介质波动特征（频率、频散与衰减等）的储层敏感属性精细化地震预测技术、人工智能碳酸盐岩储层定量预测及流体检测技术等均是重要发展方向，“可靠的深层地震资料、多学科联合的储层高精度表征和深度学习人工智能”发展趋势十分明显。

量子计算具有强大的计算能力，被视为一种可能对未来产生颠覆性影响的计算方法，可为多种复杂计算问题的求解提供新思路，目前已在多学科或领域实践与应用。近年来，量子计算逐步应用于地球物理研究，多种量子算法及量子计算机的应用为揭示地球内部构造、探测深部资源等提供了技术支持。量子计算具备高效求解科学问题的能力，在地球物理领域具有巨大的应用潜力。为此，系统分析、阐述量子计算原理并总结了量子算法的发展现状，对其在地球物理数据采集、波场模拟、反问题求解等领域的成果进行归纳、分析； 通过建立理论模型并进行反演，验证了量子算法的优越性； 最后展望了量子计算未来可能的研究方向。

重力反演是通过地表信息获取地下地质体空间结构与物理性质的重要手段之一。每个重力梯度分量反映不同的地质体信息，联合重力梯度分量进行重力反演能够更好地研究地下密度异常体的形态和分布。为此，提出基于神经网络的重力全张量梯度数据反演算法，将U-Rnet网络应用于重力全张量数据的三维反演问题。为了检验该算法的有效性，采用六种典型模型进行模拟实验，获得了具有清晰边界和稀疏的反演结果。首先，对比L₂和Tversky两种损失函数的反演结果，后者的反演结果能更清晰地反映模型的边界位置；然后，对不同梯度张量组合进行反演，四组实验结果在三个方向（x、y、z）上具有不同的反演精度，组合四的误差最低；最后，将该方法应用于美国德克萨斯州文顿盐丘的FTG数据，反演结果与实际地质信息基本吻合。

噪声压制是地震数据处理中的一个至关重要的环节。近年来，随着深度学习的蓬勃发展，其在地震数据中的应用取得显著成效。在实际应用中，收集大量带标签的地震数据（无噪数据）是困难的，为此，基于无监督的深度图像先验（DIP）框架压制二维地震数据随机噪声。首先，探索跳跃连接对网络去噪性能的影响，确定网络架构；其次，在损失函数中加入加权全变分（WTV）正则项，与传统的全变分（TV）正则项所不同的是，WTV正则项的权重系数不再是固定不变的超参数，而是与数据空间结构有关的可学习参数；最后，通过交替方向乘子法（ADMM）求解该优化问题。合成和实际数据实验表明，结合WTV正则项与ADMM的DIP方法可以在压制地震数据随机噪声的同时减少有效信号损失，且相较于DIP方法去噪稳定性更好，相邻迭代拟合信号峰值信噪比波动小，较易制定早停准则，更实用。

基于波形叠加的微地震事件偏移定位技术因其具有不依赖于初至拾取精度的优势，逐渐被应用于非常规油气储层压裂监测资料处理。然而在相对低信噪比情况下，该类技术的常规成像函数分辨率会在一定程度上受到影响。为此，基于前人的研究成果，对波形相似性加权振幅叠加的成像函数构造方法进行了改进，提出一种优化波形叠加的井中微地震定位方法。首先将纵、横波波形相似性基函数进行相乘，再将其振幅叠加基函数进行相乘，然后将这两个乘积再相乘，最后在整个时窗内对其求和。该方法可提高波形叠加成像函数的分辨率。理论测试结果表明，与常规方法相比，改进方法具有更强的抗噪性和更高的定位精度。最后将常规方法与改进方法应用于井中监测的实际微地震数据，验证了方法的有效性。

在估计实际品质因子Q值时，因受频段选择、子波叠加、噪声干扰、非本征衰减等因素影响，容易导致Q值估计误差偏大。为此，提出基于不同阶次泰勒级数展开的含非本征衰减频域振幅比平均的Q值估计方法（Amplitude ratio average in frequency domain， FARA法）。该算法首先利用参考频段内振幅比的连乘消除非本征衰减的影响；然后基于振幅因子在参考频点处的1~4阶泰勒级数展开表达式，推导适用于含非本征衰减地震记录的单频点Q值计算公式；其次，采用高、低频双参考频段结合方式削弱参考频段的影响；最后，采用主值频段内所有频点的平均化处理提高算法的稳定性。模型试验表明，采用高、低参考频段结合的模式可以显著提高所提方法的Q值估计精度，相对于对数谱面积双差值（LSADD）法，新方法受时差、时窗及噪声等因素的影响更小。实例应用表明，不同阶次的FARA法Q估计值的一致性较好，且整体大于LSADD法的Q估计值，与模型试验结果吻合，表明由新方法获得的Q值更可靠。

用常规交错网格有限差分法（C-SFD）进行速度—应力声波方程数值模拟，虽然空间差分算子能达到2M阶差分精度（M表示空间差分算子中与差分中心点等距的坐标轴网格点的组数），但差分离散声波方程仅具有2阶差分精度，所以其模拟精度低、稳定性差。为此，联合利用坐标轴网格点和非坐标轴网格点构建空间差分算子近似一阶空间偏导数，建立了一种适用于速度—应力声波方程的混合交错网格有限差分法（M-SFD），并基于时空域频散关系和泰勒级数展开建立差分系数求解方程组，导出了差分系数通解。M-SFD给出的差分离散声波方程可达到4、6、8阶、甚至任意偶数阶差分精度。频散分析表明：在特定的Courant条件数取值（如Courant条件数r=0.3）条件下，C-SFD通过调整M的取值，无法将数值频散误差控制在1%以内；M-SFD通过调整M和N的取值（N表示空间差分算子中与差分中心点等距的非坐标轴网格点的组数），基本可以将频散误差控制在1‰以内，甚至可以控制在0.1‰以内。稳定性分析显示：M取值相同时，M-SFD的稳定性强于C-SFD。数值模拟实例表明：计算效率基本相同时，M-SFD比C-SFD能更有效地压制数值频散，模拟精度更高；M-SFD还能采用比C-SFD更大的时间采样间隔以获得更高的计算效率，且模拟精度更高。进一步将M-SFD推广应用于逆时偏移，M-SFD作为逆时偏移中的波场传播算子，能够有效消除由于数值频散造成的成像假象，从而提高深层的构造成像精度和分辨率。

四川盆地龙门山北段发育典型的逆掩推覆构造，油气勘探潜力大。为了获得高品质的原始地震资料，需要根据三维模型正演成果优化地震采集观测系统，其中三维地球物理模型的构建是关键。为此，综合已有二维和三维地震资料解释成果、近地表调查资料等，依据不同分区的地质、地震反射特征，采用不同的方法构建地质模型； 利用微测井调查结果、VSP资料等对模型进行速度赋值； 利用三维弹性波动方程数值模拟验证所构建三维地球物理模型的准确性。利用该方法所建的三维地球物理模型比较直观、准确地反映了近地表结构及地下速度场变化，模拟单炮记录与野外采集单炮吻合度高，为观测系统参数论证提供了模型基础。

地震数据偏移成像是地下介质反射系数估计的重要方法之一，其结果通常受子波影响而波数带展布有限。有效拓展成像结果的波数带、提高空间分辨率是宽带反射系数估计的一个重要目的。为此，首先从反演成像的角度分析，指出子波和观测系统照明是影响成像结果分辨率的两个主要因素； 其次，基于卷积神经网络（CNN），利用宽频子波构建标签，将常规成像结果作为输入，利用CNN挖掘其中的映射关系，提出了相应的深度学习算法子波整形反褶积方法； 然后，针对反褶积中初始子波估计不准确的问题，设计了子波与反射系数串联、迭代、更新的实现方案，定制的宽频子波能兼顾低波数和高波数信息，用于训练网络时可以更好地恢复宽带的反射系数； 最后，利用已知模型进行网络的预训练，将基于目标数据体提取的有效子波作为靶区数据反褶积的初始子波，进行子波整形反褶积处理，并通过薄层模型测试了该方法的正确性和可靠性。实际资料处理结果表明了该方法具有较好的应用潜力。

三维地震勘探常常处于城镇、道路等无法实施微测井等静校正方法的区域，近期人们尝试利用微动调查替代现有的静校正方法，取得了一定效果。现今微动调查在石油勘探的应用中主要通过提取面波频散曲线反演地层速度结构。该方法在石油勘探领域仍处于起步阶段，作为核心技术的频散成像方法种类繁多，其中2019年提出的频率-贝塞尔变换法（Frequency-Bessel，F-J）受到人们的广泛关注。相比空间自相关方法（SPAC），F-J方法在利用背景噪声高阶模式面波成像上具有巨大优势。为了更好地研究F-J方法的适用性，首先利用合成数据分析了不同观测系统和采集参数对F-J成像的影响；然后利用四川某地实际噪声数据分析了不同观测系统、采集时间对F-J频散成像的影响。实际应用中采用分段择优叠加得到的频散谱，可有效提高频散谱成像质量，为准确提取频散曲线提供了数据基础。进一步对比测井数据，发现利用基阶、高阶模式频散曲线进行多模式联合反演可精确地反演地层结构，使经济、高效地获得表层结构成为可能。

地震信号重建广泛应用的凸集投影（POCS）算法大都采用线性或指数阈值模型，虽然计算效率高，但由于难以完全消除缺失信号泄露引起的噪声，重建效果不佳。为此，提出了一种基于区域阈值模型的POCS地震信号重建方法，将数值阈值转化为区域阈值，将区域滤波窗口作为阈值进行迭代更新。其核心思想是根据时—空域缺失地震信号的频率—波数（F-K）谱分布范围，在每次POCS重建迭代时按照一定规律选取固定大小的矩形或扇形区域作为阈值，将区域内和区域外的变换系数分别保留和置零，以尽可能地保留有效信号的变换系数，构建了地震信号POCS重建的矩形与扇形区域阈值模型。数值试验结果表明：相比于F-K域指数阈值模型的POCS重建，F-K域区域阈值模型对连续缺失信号的重建精度更高； 相比于扇形区域阈值模型，矩形区域阈值模型的重建精度和计算效率均略高； 与曲波域指数阈值模型的POCS重建相比，F-K域区域阈值模型的重建精度相当，但计算效率提高了约90%。

提高数据信噪比是地震资料处理过程中的关键环节。目前基于深度学习的降噪方法已取得较好效果。但该类方法以数据局部相似性为前提，采用时空域数据分窗进行处理，运算效率往往较低。考虑到地质结构的连续性，炮间数据具有一定的相似性，利用其同频率分量的低秩特点，设计了一种三维数据频域降秩的深度学习去噪方法。首先阐明三维数据的频域低秩原理，采用奇异值分解理论指导建立自编码神经网络； 考虑频域随机噪声的分布特点，采用K-L（Kullback-Leibler）散度约束损失函数，改善了去噪效果。通过对合成记录和实际资料处理，并与多通道奇异谱分析（Multichannel Singular Spectrum Analysis，MSSA）及K-SVD（K-奇异值分解）方法对比，验证了该方法在去噪效果和计算效率等方面的优势。

地震数据中的异常振幅会造成地震道空间能量不均，导致叠前偏移出现画弧现象，从而严重干扰地震资料解释，因此压制异常振幅已成为地震资料处理中的一项重要工作。由于应用条件的限制，采用传统方法难以实现在彻底压制异常振幅的同时保护有效信号。为此，提出一种基于去噪卷积神经网络（DnCNN）的异常振幅压制方法。该方法首先根据地震异常振幅分布特点，通过网络改进与优化，搭建了适于异常振幅压制的DnCNN结构；然后采用人工合成和实际数据提取相结合的方法，制作了包含异常振幅和不含异常振幅的两种训练集；最后利用训练集对搭建的网络进行训练与学习，获得能够压制异常振幅的网络训练模型。模型数据和实际地震数据应用结果表明，该方法能够有效压制地震数据中的异常振幅，同时也保护了有效信号，与常用的传统方法相比，处理效果最佳。