针对野外地震采集因环境干扰导致非规则性缺失问题，文中提出了一种融合粒子群灰狼混合优化(HPSOGWO)算法的XGBoost局部学习重建方法。该方法将HPSOGWO算法与XGBoost机器学习模型相结合，通过构建地震道空间位置(道号、采样点)与振幅值的非线性映射关系，利用HPSOGWO算法自适应优化特征窗口，实现了相邻道数据的智能选择与缺失值的高精度预测。与传统凸集投影-Curvelet变换(Curvelet-POCS)方法相比，该方法在复杂构造区域显著提高了重建精度；相较于U-Net深度学习方法，有效降低了对大量训练样本的依赖和计算成本。在20%随机缺失条件下的三层水平层状模型实验中，该方法的峰值信噪比(PSNR)较Curvelet-POCS法提高了11 dB，较U-Net法提高了7 dB；F-K谱分析进一步表明，该方法能更有效地保持地震波场的频域特征。实际陆上二维地震数据测试表明，20%缺失道的重建剖面振幅相对误差为5.72%，具有良好的振幅保真度和相位一致性，为复杂地质条件下的地震数据重建提供了有效且实用的解决方案。

针对四川盆地龙马溪组页岩储层总有机碳含量（TOC）测井预测中传统模型泛化能力不足的问题，文中系统评估了多种深度学习模型在单井与跨井预测任务中的性能，并优选出适用于不同场景的实用模型。基于龙马溪组三口井（well1、well2、well3）的声波时差、密度和自然伽马测井数据，分别构建了多元线性回归（MLR）、支持向量回归（SVR）、卷积神经网络（CNN）、双向长短期记忆网络（BiLSTM）、CNN-BiLSTM、CNN-BiLSTM-Attention混合模型。在单井预测实验中，采用随机划分策略对well1井进行建模与验证，结果显示CNN模型表现最优，其预测集的决定系数R²高达0.9519，表现出优异的局部特征提取能力及抗过拟合性能。为进一步评估模型泛化能力，设计了基于留一井出（LOWO）策略的跨井交叉验证实验。实验结果表明，在跨井预测任务中，CNN-BiLSTM-Attention模型具有最强的泛化性能，其预测集的R²最高达0.9653，平均绝对误差（MAE）和均方根误差（RMSE）分别低至0.131%和0.170%，显著优于其他模型。注意力机制有效融合了CNN提取的局部特征与BiLSTM捕获的序列长期依赖关系，增强了模型对关键信息的聚焦能力及对井间差异的适应能力。文中验证了融合注意力机制的深度学习模型在复杂地质条件下TOC预测中的有效性与鲁棒性，强调了跨井验证在实际应用中的重要性，为页岩气甜点区预测提供了可靠的方法支撑。

数据驱动的智能初至拾取方法主要依赖于标注数据的监督学习，但主流的局部聚焦标注方法和全局分割标注方法的表征能力存在割裂，前者更强调学习初至波的局部波形细节，而后者侧重于获取波场的整体结构特征，导致传统单任务模型的学习视角受限。因此，提出了一种基于对称双解码结构的多任务协同初至波拾取框架（MT-SDD）。首先，MT-SDD框架针对两类标注方法表征能力的互补性，采用对称结构的双路解码模型，设计Transformer与多尺度卷积金字塔结合的特征融合模块；其次，通过多阶段优化策略逐步驱动模型，实现从单一特征学习到多角度特征融合的转变，最终实现拾取精度和稳定性的突破；最后，通过详尽的消融实验验证了MT-SDD框架的合理性和有效性，展示了其在高精度拾取及跨工区泛化方面的优势。基于加拿大Halfmile工区和Brunswick工区主动源地震资料的验证结果均表明，与传统单任务拾取模型相比，文中方法的初至拾取误差平均降低了20%，不同误差范围内的拾取准确率均有提升：在2 ms、4 ms、8 ms和10 ms误差范围内，准确率分别达到95.6%、97.8%、98.9%和99.2%，较单任务基准方法分别提升0.7%、0.3%、0.1%和0.1%。

作为构建地下速度模型的重要手段，走时层析以观测走时数据为约束条件，通过求解逆问题获得地下介质速度分布。然而，在物理信息神经网络（PINN）走时层析中，数据匹配项与物理约束项的权重分配往往依赖人工经验，难以实现自适应平衡，导致网络收敛缓慢甚至陷入局部最优。因此，提出了一种基于神经切线核自适应权重优化的物理信息网络走时层析方法。首先，针对多目标参数损失函数优化难题，基于神经切线核理论构建动态权重调整机制；其次，利用神经切线核的迹来表征梯度流，自适应平衡数据误差项与物理约束项的梯度贡献；最后，通过该机制优化网络训练过程，有效解决了梯度不平衡问题，加速了物理信息神经网络的收敛并提升了反演稳定性。模型测试与实际数据应用结果均表明，文中方法能够提升复杂速度模型的训练稳定性，较传统固定权重物理信息网络有更好的反演效果。

岩石结构蕴含着丰富的地质信息，岩石薄片岩性识别对于油气勘探、矿物开采等方面具有重要意义。针对岩石图像分类过程中存在精度低、人工成本高等问题，提出了一种基于ConvNext V2-VMamba模型的岩石薄片岩性识别方法。首先，在ConvNext V2模型的基础上采用分组卷积和通道混洗策略将ConvNext模块与VSS模块相结合；其次，提出了Conv-VMamba模块用于替换原有的ConvNext模块，使模型同时具有全局视野和优秀的局部特征提取能力；最后，在原模型上嵌入空间注意力EMA模块，促进模型跨通道空间信息的聚合，更好感受不同岩石图像的纹理信息。实验结果表明，模型在测试集上的准确率为81.5%、精确率为81.1%、召回率为81.4%、特异性为96.3%、F1值为81.2%，准确率相比于原模型提升了5%，该方法的算法准确性最高，分类效果最好，为岩性识别领域提供了新的思路和方法。

地质甜点的精准预测是页岩油气高效勘探开发的核心环节，基于测井数据的页岩油气甜点智能预测对油气开发具有重要意义。在甜点预测领域，传统基于模型的预测方法存在泛化性弱、特征表征不足及误差传递累积等局限性。本文结合新型深度学习框架，旨在通过测井数据实现地质甜点的准确预测。孔隙度（POR）和总有机碳含量（TOC）是地质甜点预测的关键参数，文中建立了测井曲线与两种参数之间的深度学习模型，实现了地质甜点参数的智能预测。首先，构建了卷积神经网络（CNN）模型，通过分析对比不同测井曲线输入组合和不同卷积神经网络层次结构，在测试集上实现了地质甜点（POR+TOC）的高精度预测（相关系数 > 0.96）。其次，创新性地融合卷积神经网络与注意力机制，提出一种复合Transformer架构——CTNet模型，该模型兼具捕捉局部岩性特征与全局层间关联依赖关系的能力。经过数据集验证与测试，CTNet模型在测试集上的相关系数大于0.91。实验表明，CNN模型的整体预测精度高于CTNet模型；然而，CTNet模型在石灰岩层段的预测精度显著优于CNN模型（如GY6-1井石灰岩段，CTNet模型和CNN模型的相关系数分别为0.848和0.300），展现出解决复杂非均质储层预测难题的独特潜力。研究结果表明，所提出的CNN与CTNet深度学习模型均能有效实现页岩油气地质甜点关键参数的高精度预测，为智能勘探提供了新方法。

页岩储层复杂的地质特征导致对应区域非均质性更强，难以通过深度学习捕捉测井参数、孔隙度中隐含的内部序列特征。基于长短期记忆网络（Long Short-Term Memory，LSTM）、门控循环单元（Gated Recurrent Unit，GRU）等模型中固有的梯度问题，导致模型在长序列页岩孔隙度预测任务中预测精度受到一定限制，提出一种基于Informer的页岩孔隙度预测模型。模型内部引入概率稀疏注意力机制和“蒸馏”操作高效提取长序列测井数据中隐含的序列特征，实现孔隙度的精准预测。基于皮尔逊相关系数分析方法得到敏感测井特征参数，构建样本集合；设置预测序列长度分别为20、40、80、120的Informer模型，与LSTM、GRU进行对比研究；将模型应用于松辽盆地某页岩储层的实际工区测井参数中进行应用效果检验。实验结果表明，随着预测序列长度的提升，Informer模型的均方误差（Mean Squared Error，MSE）值增长幅度分别为18.5%、23.8%和10.7%，相比LSTM、GRU有着更强的模型稳定性；对比各模型在预测序列长度分别为80和120时的实际工区预测结果，Informer模型的R²和MSE均达到最优，分别为0.834、0.179和0.789、0.204，较对比模型预测精度提升明显。

在地震勘探中，通常认为覆盖密度越高，地震波对地下介质的采样次数越多，理论上地震成像的信噪比和分辨率也越高。然而在实际生产中，采集参数设置与成像质量指标之间的脱节问题日益突出，许多高覆盖密度地震采集资料的最终成像效果却不尽人意，过度追求高覆盖密度不仅大幅提升了地震采集成本，还导致激发能量、接收灵敏度等基础参数逐渐被忽视。因此，提出了地震采集参数有效率的估算方法。首先，通过构建地球物理模型和定量计算，依次明确观测系统对成像点的实际贡献、激发与接收环节对有效信号能量的贡献；其次，构建以覆盖密度、激发参数、接收参数为主的多维评价体系，形成覆盖采集全流程的参数有效率综合评价方案；最后，在采集参数的选择、采集成本的控制以及地震成像质量之间找到合适的平衡点，实现地震采集的效益与质量双提升。实例对比分析结果表明，文中方法突破了以往单一依赖覆盖密度评估成像效果的片面方式，为实现“两宽一高”地震采集技术高质量和高效率的精准勘探提供了技术支撑。

在海底节点地震勘探中，海流、潮汐等自然因素以及渔船拖拽等人为因素常常对节点的定位结果造成干扰，导致节点的实际位置偏离一次定位结果，需要进行高精度的二次定位。因此，提出了基于四象限划分与互相关分析的二次定位方法。首先，在深入分析四象限定位原理的基础上，对以节点为中心的炮点进行四象限划分，并进行线性动校正，以便在单个象限内最大限度地实现波场同相叠加，提高资料信噪比，减少波形扭曲；然后，对相对象限的叠加结果进行互相关分析，获得更精准的相对象限初至时差，从而实现节点的高精度定位。实例分析结果表明，相比传统的二次定位方法，文中方法通过象限划分和分象限共检波点叠加提高了资料信噪比，应用相对象限互相关计算初至时差，显著提高了定位效率和精度。文中方法适用于不同水深的二次定位，具有广阔的应用前景。

去噪是地震资料处理的关键环节，传统字典学习方法缺乏对信号物理机制的约束，极易将具有线性或曲线特征的相干噪声误识为有效信号并纳入字典原子，从而导致重构过程中有效信号失真或噪声残留。针对上述问题，文中提出一种基于物理约束的稀疏基学习混合噪声压制方法。首先，采用平面波解构滤波器（PWD）实现局部倾角场的估计和更新，确保倾角场与迭代优化的信号匹配；继而，以PWD估计的局部倾角场为约束，引导稀疏基的学习过程，将稀疏变换的信号表示能力与有效信号的局部倾角特征结合，使字典原子仅匹配具有对应倾角特征的有效信号，避免相干噪声原子的误学习；最终，使有效信号在匹配其倾角特征的稀疏基上实现精准稀疏表示，各类噪声因不具备对应倾角特征难以被稀疏基匹配，从而实现高保真有效信号重建和多类型噪声的有效压制。复杂模拟数据和实际数据测试表明，所提方法在压制强异常振幅干扰、面波、随机噪声和相干噪声等混合噪声方面，较常规方法和工业标准去噪流程，具有更优的噪声压制效果与广泛的适用性。

随着油气勘探目标转向深层及超深层，增强弱地震反射信号已成为勘探突破的关键技术。由于传统方法的局限性，微弱反射信号在处理过程中极易被误判为噪声而受到压制，最终导致弱信号消失，进而严重降低储层预测的精度、削弱可靠性。为此，提出了一种基于自适应阈值曲波变换与压缩感知的弱信号增强方法，即采用曲波变换与压缩感知联合处理的策略，改进现有阈值静态设定机制，构建一种基于曲波系数灵敏度统计特征和概率模型的自适应阈值动态调控方法。该方法可在多尺度子带中实现阈值的动态调整，从而更灵敏地感知微弱反射信号，减少信号与噪声之间的误判。模型数据测试和实际数据应用结果均表明，该方法在有效压制随机噪声的同时能够保留信号细节并增强信号能量。相较于现有技术，其信号保真度优势更为突出。

Marchenko成像方法能有效压制与层间多次波相关的偏移假象，且成像振幅保真度高，但现有Marchenko成像方法多以各向同性介质假设为前提，忽略实际介质的各向异性特征会导致初始聚焦函数的相位估算不准确，从而降低重构格林函数和成像结果的准确性。为此，文中提出一种面向倾斜横向各向同性(TTI)介质的Marchenko成像方法。首先，利用TTI介质拟声波一阶速度—应力方程估算地下成像点到地表的初始聚焦函数，并以处理后的炮记录和初始聚焦函数为输入数据，通过求解Marchenko方程实现格林函数重构；然后，将重构的上、下行格林函数代入能量补偿互相关成像条件计算成像结果；最后，重复以上过程，实现对地下目标区域所有成像点的格林函数重构和成像。理论模型实验结果表明，该方法可实现面向TTI介质的格林函数精确重构，并能得到较高信噪比的清晰成像结果。

目前，具有“碎、深、薄、隐”特点的复杂隐蔽油气藏是胜利油田东部济阳坳陷的主要增储目标；以小面元、宽方位、高覆盖、高密度地震资料采集，OVT宽方位、宽频带地震资料处理为特点的地震勘探技术得到了快速发展，亟需形成适用于高密度、宽方位地震资料的OVT域资料解释技术。为此，以济阳坳陷东营凹陷WJG地区为例，以实际测井信息正演模拟地震道集为基础，利用振幅—频率—AVO特征开展多域约束，对OVT地震道集开展井震优化处理；根据炮检距同相叠加和方位覆盖次数等分实现了OVT地震资料的炮检距优选和方位划分；对宽方位、大炮检距地震资料开展方位振幅差异相带预测、炮检距振幅差异厚度描述、方位AVO梯度差异流体预测、最终形成了沙四段差异属性逐级递推储层预测一体化技术系列。研究结果认为，与以往该区以滨浅湖滩坝广泛发育的认识不同，研究区发育河口沙坝及湖浪改造型三角洲滩坝储层。该技术能够较好地推动解释技术的迭代升级，并可为成熟探区精细勘探与地质目标预测提供可靠的技术保障。

准噶尔盆地腹部沙漠区的地震资料保真度和分辨率普遍较低，导致火山岩储层成因、分布规律不清楚，储层预测和油气藏精细描述困难。为精确描述石炭系的复杂火山岩储层内幕特征，提高地震资料对目的层的分辨能力，在准噶尔盆地腹部实施了中国第一个陆上光纤3D-VSP地震攻关试验，提出了针对3D-VSP数据的采集处理解释技术。首先，根据地质需求和光纤设备特点设计了VSP数据采集观测系统，并利用高效可控震源激发、分布式光纤接收得到较高品质的VSP地震数据；然后，分析光纤数据特征并攻关研究了关键处理技术，得到了可靠的井中地震数据处理成果；最后，通过高分辨率VSP成像进行地面与井中地震资料的联合对比与解释，对目标储层的空间特征进行分析，讨论了深部石炭系火山岩储层的描述和刻画方法，从而提高储层预测精度，减少地震解释多解性。应用结果表明，该技术能够为准噶尔盆地石炭系油气藏精细描述提供更加可靠的资料依据，对油田高效勘探和开发有重大帮助和意义。

含油气性定量化地震预测是勘探地球物理技术中尚未取得重大突破的关键瓶颈技术，前人对含油气性地震预测技术开展了持续的研究，并形成了多种定性或定量预测方法，但目前的应用实践表明，其预测精度尚不能满足油气藏精细描述的迫切需求。针对如何提升含气饱和度定量预测的可靠性和精度问题，联合测井、岩石物理、反演和人工智能的多个专业环节，提出了一种基于三维相控反演、人工智能与Archie公式的含气饱和度定量预测方法。首先，通过基于岩性数据重构的三维相控叠前地质统计学反演技术，获得纵波阻抗、横波阻抗和纵横波速度比等高精度叠前弹性参数，并结合岩石物理分析预测砂岩孔隙度；然后，引入人工智能学习技术，构建测井弹性参数到原状地层电阻率的非线性映射模型，利用对应的反演弹性参数实现原状地层电阻率的高精度预测；最后，将孔隙度和原状地层电阻率预测结果代入Archie公式，计算储层含气饱和度。实例应用表明，该方法实现了储层含气饱和度的定量化高精度预测，其成果可靠性和准确性在实际应用中得到了验证，井震符合率达到90%以上。该方法可为致密气高效勘探和精细开发提供有效的技术支持。

塔里木盆地英买2地区经历了加里东期、海西期、印支期等多期构造运动的叠加改造，形成了复杂的断层网络系统，其断裂交互关系与空间连通性对油气的运移与富集起到了关键控制作用。传统地质分析方法难以对断裂之间的交互关系及多期叠加效应进行定量刻画，制约了对断裂连通性的深入理解。研究中引入拓扑学理论，将断裂网络抽象为“节点—分支”图论结构，基于地震资料构建断层拓扑模型，通过计算走向、长度、线密度等几何参数，并结合节点类型与分支属性开展基础拓扑分析；进一步利用面密度、分支连接平均数、归一化连通度C等高级拓扑参数对断裂网络连通性进行定量评价。结果有效揭示了研究区碳酸盐岩中多期断裂系统的组合特征与发育模式。该研究为复杂断块区断裂系统定量表征及油气有利勘探区优选提供了新的技术途径与理论支撑。

油基泥浆侵入地层后，侵入带电阻率分布和响应特征复杂，不能用简单的径向两层阶跃模型表达。为此，考虑阵列感应测井仪器实际结构和尺寸，推导了内含铜管的三线圈系测量结构的感应电动势和有效仪器常数表达式；为了逼近实际仪器的径向探测特性，根据推导出的有效仪器常数表达式，调节铜管的外径，仿真了实际仪器的有效仪器常数。然后，构造阵列感应测井径向层状介质模型正演模型；根据塔里木盆地库车坳陷大北、克深地区白垩系巴什基奇克组裂缝性致密砂岩地层在油基泥浆情况下的侵入响应特征，采用径向阶跃侵入模型正演模拟油基泥浆阵列感应测井复杂的侵入响应特征。研究结果表明，采用径向三层阶跃模型可较合理地表达油基泥浆侵入地层的复杂响应特征，为后续的阵列感应测井资料反演提供了基础。

盐湖碳酸盐岩具有非均质性强、地层水矿化度高的特点，容易导致油、水层电阻率差异不明显，从而造成储层流体识别困难。在传统阵列感应测井数据处理过程中，多频原始数据的电频散特征常常在趋肤效应校正中被消除，未被有效利用。为此，从界面极化效应的微观机理出发，基于阵列感应测井深探测子阵列的多频原始电导率曲线，重构了其实部和虚部电导率频谱，实现了对研究区碳酸盐岩储层流体性质的定性判别。同时，引入电导率频散度计算公式，基于阵列感应测井深探测子阵列的多频原始电导率实现了对原状地层流体电频散特征的定量评价，结合井眼校正和孔隙度归一化处理的电阻率值构建了一套新型储层流体识别图板。结果表明，该方法及其模型在盐湖碳酸盐岩储层流体识别中具有较好的适用性，可有效弥补传统方法仅依靠电阻率绝对值进行流体判别的不足，具有较好的应用前景。

传统有线水深液位计在液位测量中面临探头电缆工艺复杂、易受损、成本高、寿命短等问题，而常规声波测距仪测量距离短(小于20 m)，难以满足深井液位动态监测的需求。为此，基于声波在受限井筒中的波导效应原理，提出了“井中液位快速测量方法”。通过建立声速修正模型解决声速畸变，设计双探头隔离接收装置抑制噪声干扰并提高计时精度，采用升频线性扫描提高激发能量，开发分段时延累积定位算法攻克变径井误差的难题，实现了在井口快速、高精度测量深井液位的方法和技术。在红河1号井的测试表明该方法可行有效，可为油井、水井安全监测提供非接触、低成本、全井况适用的解决方案。

轮南油田三叠系广泛发育低阻油层，但其成因机制尚不明确，储层流体识别准确率偏低，已成为制约该区油气高效勘探与开发的关键难题。为此，在综合岩石物理实验、地层水矿化度、测井响应及试油等资料的基础上，采用逐项排除思路，分别从储层物性与润湿性、地层水矿化度、黏土附加导电性以及钻井泥浆侵入等因素出发，对低阻响应的主控机制进行系统分析；然后提出以电阻率侵入因子Q作为区分低阻油层与正常油层的初步判别参数，并进一步引入ADASYN-LightGBM优化算法，将Q与机器学习模型联合构建低阻油层识别方法以提升干层区分能力。研究结果表明，轮南油田低阻现象主要与开发时序不一致引起的地层压力亏空及钻井液调整不及时导致的泥浆深侵入密切相关；所建模型的平均准确率与平均F1分数分别达到94.38%和94.41%，低阻油层识别准确率达到96.77%，有效提高了低阻油层与干层的识别效果。实例应用表明，Q参数可用于低阻油层的快速初判，但单参数在干层识别方面存在局限；结合ADASYN-LightGBM可显著提升复杂类别的判别能力，为轮南油田三叠系低阻油层识别与同类区块推广应用提供了方法参考。

琼东南盆地广泛发育具有良好勘探开发前景的超深水超浅层气藏。然而，由于超浅砂岩储层胶结作用弱且受到含气性的影响，地层速度的测量面临极大的挑战。为此，提出了一种利用低频单极阵列声波提取超浅疏松砂岩气层纵波时差的方法。首先，通过岩心实验数据与等效介质模型数值模拟结果对比，验证储层速度合理性；其次，利用孔隙介质井孔声场理论模拟不同频率声源激发的阵列声波波形，分析得出低频泄漏纵波更利于地层纵波速度测量，基于该认识处理声波测井资料获取地层纵波速度；最后，利用VSP测井与声波测井速度对比以及合成地震记录与实际地震剖面标定，验证低频纵波速度的准确性。实际资料表明，利用低频纵波能够准确地提取超深水超浅疏松砂岩气层纵波速度，为后续储层层位标定及气藏模式刻画提供可靠的数据支撑。

针对油气藏二次精细勘探或新油藏目标探索需求，开发新型物探技术对剩余油勘探和油气滚动生产过程监测具有重要意义。地井电磁（Surface-to-Borehole Electromagnetic，SBEM）法通过将大功率场源布设于地表，将高灵敏探头布设于井中目标层附近进行立体观测，因贴近目标体观测，具有抗干扰能力强、分辨率高的优势，可有效应用于剩余油勘探、油气开采过程高效动态监测。但地井电磁观测受限于接收井中有限的测量数据，反演成像属于典型高维、非线性、病态逆散射问题，面临着计算量巨大的问题及理论完备性要求，因此开展地面多源、多频率激发。井中有利区域观测的三维地井电磁高效反演成像是当前研究热点。基于非完全快速傅里叶变换（Incomplete Fast Fourier Transform，IFFT）算法，实现了层状背景介质的并矢格林函数更新计算。采用变形Born迭代方法（Distorted Born Iterative Method，DBIM），在迭代过程中更新格林函数和对比度函数，保证反演迭代稳定收敛的同时避免过高的计算成本。研发了多源多频率三维地井电磁频率域数据高效反演算法，基于前人对火山岩型油气藏的特征研究成果及相关的等效算例，构建了均匀半空间和层状火山岩型油田模型，开展合成数据反演。分析了反演结果目标体异常与真实模型的空间分布规律与差异，总体符合SBEM对井周一定范围及纵向分界面灵敏的特性，验证了算法的可行性与有效性，为后续地井电磁法油气藏勘探实用化提供了理论依据。

地震信号分辨率低是现在地震勘探面临的主要问题之一，集中体现在频带不够宽和信号畸变两方面。该研究主要技术攻关方向是如何解决地震检波器宽频信号微畸变问题。通过分析现有检波器的构造原理及其等效电路，揭示其无法实现宽频信号微畸变接收的根本原因；在此基础上，提出电路平衡理论，该理论不再以传统电路是否形成回路作为设计合格与否的判断标准，而是依据电路中能量或其他参量是否达到平衡作为评价电路设计的合理性。在此理论指导下，利用压电陶瓷的压电效应重新设计、研发新型压电检波器。野外实验表明，井炮激发有效地震频率高达400 Hz，且该检波器的Ricker子波旁瓣压制效果优于高灵敏度检波器。针对实验测试中暴露的灵敏度偏低问题，进行了技术提升，对其结构设计参数进行改进，最终将检波器灵敏度提高至31.7 V·m^-1·s，满足实际生产需求。该研究为宽频信号微畸变地震勘探技术提供了优质装备保障，也为相关领域科研人员提供了新的研究思路与方向。