什么是原始地震数据之间的关系,CMP叠加,动&机器学习

Question

我最近加入了一个地球物理项目协助他们的一些机器学习建模但我试图收集所需的领域知识参与。

我不太明白是共中心点叠加,正常时差和原始数据。我有这些seg-y文件,我可以把它们在python中。他们看起来对我好,但是我阅读了很多关于CMP叠加,加权CMP叠加与动。seg-y文件被认为是“原始地震数据”。CMP与动过程是发生在舞台上我得到文件?似乎我困惑,因为这些标准实践但我无法找到一个实现的任何编程语言。你有什么工具推荐为机器学习准备地震数据建模?

Answer 1

通用SEG-Y文件档案格式。所以他们可以“任何”。2 d地震,3 d地震、原料、加工、unstacked甚至衍生品(地震属性)。

SEG-Y如何获得信息数据文件:SEG-Y包含3种标题描述数据。EBCDIC头是一个40到80年字符表是一个时代的遗迹punchhole卡片(我不是在开玩笑)。通常它包含信息的地震。处理工作流,收购几何图形等。二进制头有一些固定的数据数据集。跟踪头从收购contrain每一个单独的数据集。不错的博客,敏捷的科学在这里。

你可以阅读关于地震的细节处理和约定的开放获取书”地震资料分析”。过去数百美元,被认为在每一个地震我曾经参加了讲座。然而,现在我给你一些答案。

常见的中点

CMP叠加,加权CMP与动高度纠缠。

地震测量,听真的接近地下的反射。然而,它有点吵了。“叠加”记录相同的地方,然后添加到消除随机噪声,提高相干信号。然而,就在同一地区会非常低效,因此我们改变我们照亮的收购,你看到的图片,我们有一个不错的粉丝射线几何图形将同一点在中间,共同中点CMP。这导致一些有趣的行为。

正常时差

这是公式计算出一个记录从不同的角度可以转移符合上述堆积的另一个纪录。你可以想象有较长的射线路径的记录需要更长的时间,取决于岩石的速度穿越。这一转变下的正常时差(动)。上面的方程是一个近似,但它足够好为这个解释,看看这本书更多信息。

叠前叠后与

通过二维地震采集区域命名为三维地震,因为X-Y-T(记录时间)。数据,重复同一点在x - y如前所述将有几个记录相同的T和不同的源和接收者之间的“抵消”。这意味着,未来刚从三维地震数据的字段将四维。这就是所谓的叠前。一旦我们做很多数据预处理和过滤和聪明的版本上面的CMP叠加,得到三维地震,实际上是三维的。

叠加和迁移

堆数据将有各种各样的奇怪的波的影响。地质学家通常将“迁移”数据。迁移的目标是找到一个反射器的“真正”的位置,扭转波的影响。我怀疑你可能会得到这一个。

时间与Dpeth

你可能想知道关于X-Y-T之前。T代表时间没有深度,这是因为我们的数据以记录时间和地球物理学家将大部分工作时间。最有可能的迁移甚至在时间和得到一个X-Y-T多维数据集。然而,深度转换确实发生,但这取决于准确的身上带有的关系。人们往往不会相信这些太多。警告:深度偏移没有导致一个你得到的x y z立方体。

实用的建议

作为一个实用指南,你可能想从EBCDIC头开始。是你的数据处理?堆放在一起吗?迁移吗?你有T-cube或Z-cube吗?熟悉二进制标题和几个跟踪头。数据的范围是什么?等。

机器学习

大多数机器学习在专有代码完成。我所知道的唯一的开源代码在地震深度学习MalenoV。然而,一个完整的三维地震加载到RAM并不总是可能的。加载到GPU内存就更难将成为可能。这是第一个地方,在那里你可以想出一个聪明的解决方案。

奖金

这是一个列表免费的地球物理软件和一个可怕的地球科学开放的列表。这些不是详尽的,但是一个良好的开端。