地震波形分類技術在地質異常體解釋中的應用

程 彥，趙 鐠，林建東，張興平

地震波形分類技術在地質異常體解釋中的應用

程 彥1,2，趙 鐠1，林建東2，張興平2

(1. 中國煤炭地質總局，北京 100038；2. 中國煤炭地質總局地球物理勘探研究院，河北 涿州 072750)

地震波形分類技術具有統計地震信號總體變化和反映這種變化分布規律的特點，是地震屬性分析技術的重要延伸，在地質異常體解釋方面具有良好的應用效果。高密度三維地震資料具有高信噪比，高分辨率和高保真度的特點，嘗試利用波形分類技術對高密度三維地震資料反映的煤層賦存狀態、巖漿巖侵入區進行預測，并對陷落柱解釋方法進行了研究。井下巷道實際揭露和鉆孔驗證結果表明：波形分類方法解釋的地質異常體精度高、圈定范圍準確，可以為煤礦安全開采提供精準的地質資料。

波形分類；地質異常體；賦存狀態；巖漿巖侵入區；陷落柱；高密度三維地震

地震波形分類技術在油氣儲層預測領域中發揮了十分重要的作用。A. H. Balch[1]最早將波形分類技術引入到地震資料的解釋工作中；T. Cole?ou等[2]對地震波形分類方法的原理和計算步驟進行了較好的總結；M. C. de Matos等[3]將基于小波變換和自組織映射的無監督方法應用于地震相分析；B. C. Wallet等[4]將生成拓撲映射方法應用于地震波形的分類方法中；逯宇佳等[5]利用波形分類與三維縫洞體雕刻相結合的技術識別縫洞流體；余剛等[6]應用神經網絡波形分類技術預測薄砂巖儲層的分布規律；鄧傳偉等[7]在描述儲層沉積微相和巖性油藏特征之間對應關系中，采用地震波形分類技術取得了較好結果。Paradigm公司的Stratimagic是波形分類法常用的代表性軟件[8]；石戰戰等[9]開展了基于時頻域波形分類的儲層預測方法研究；鄭和忠[10]將支持向量機應用于地震波形的分類方法研究中，開展了層位追蹤方面的相關工作；劉豪杰等[11]利用模型正演技術開展了地震波形分類的優質儲層預測；吳微等[12]利用波形分類技術提取反射波的特征值，構建層位追蹤解釋模型。通過不斷分析研究和方法總結，根據煤炭地震勘探的具體要求，煤炭物探工作者也將這一技術應用于煤炭地震資料的解釋工作中。在煤層賦存狀況及煤層厚度預測、地質異常體解釋等方面做了較多的應用嘗試，取得了令人欣喜的效果。當煤層厚度發生變化、巖漿巖侵入或存在陷落柱時，其沉積環境和地層巖性組分也會明顯不同[13]。特別是煤礦采區全數字高密度三維地震勘探開展以來，地震數據的質量進一步提高，也加快了地震波形分類技術的應用與發展。高密度三維地震資料具有高信噪比，高分辨率和高保真度的特點，因此，在高密度三維地震資料中利用地震波形分類技術對煤層厚度變化、巖漿巖侵入影響范圍預測和陷落柱解釋中具有較好的應用前景。

本文主要介紹地震波形分類技術在地質異常體解釋中的應用，包括波形分類技術的原理、關鍵步驟以及參數選擇，同時結合高密度三維地震資料中的應用實例，對這項技術的未來發展趨勢和在煤炭地震資料解釋中的應用前景進行了預測。

1 波形分類技術的基本原理

波形分類技術是將包含各種或各類波形特征信號的樣本集，通過特定方法建立適當的分類模型器后，再通過數學計算將具有相似波形特征的樣本劃分為同一類，將具有不同波形特征的多種樣本劃分成為不同的類別，以達到能夠區分波形類別的目的。其主要優勢和特點是可以在人為劃定的某一地質層段內較為準確地估算出或表現地震波形信號的可變性，也可以通過對比、分析、歸類各地震道間的振動幅度、頻率、變化率、連續性等屬性來分析儲層的變化。

波形分類技術通過從數據體中提取的反映波形變化的物理參數，來建立適當的地震波形分類模型器。地震道形狀的變化可以定量表述為從某個起始采樣點到終止采樣點幅值的變化量，也就是采樣點波形是波峰、正值、零、負值、波谷的變化。實現波形分類技術所使用的方法主要有人工神經網絡法、因子判別分析法、模型統計法、紋理模型回歸法等[14-15]。隨著高密度三維地震勘探數據質量的不斷提高，波形分類計算手段也層出不窮，地震數據中包含的豐富地震信息也將進一步利用形態學理論和數據處理方法加以提取、分析，作為能夠優異地表述地震地質特征信息的波形分類方法加以應用。

2 波形分類技術的實現步驟

三維地震勘探數據解釋過程中，首先，分析保幅處理得到的用于地質解釋的地震偏移數據體，通過在地震波形信號中提取波形特征建立待分類的特征樣本集，然后提取特征信號或根據波形差異率來建立符合要求的分類模型器，將具有某種特定相似特征的地震道劃分為同一類，再將具有不同特征的地震道劃分到其他不同類別中，據此得到的地震波形分類成果可以用于解釋地震數據體中目的層的地震相分布，從而快速判斷沿層的地質構造異常或油氣藏儲存有利區域等信息。同時，波形分類效果在很大程度上反映了巖性勘探成果的精度和經濟有效性[16]。

相比較于傳統的地震屬性技術，波形分類技術具有統計識別地震波形信號的總體變化(包含地震波的振幅、頻率、相位、能量等各類信息)和反映相應屬性變化分布規律的特點。在鉆井資料比較少、橫向變化比較大的情況下，可以以井位處或指定位置的地震波形特征為基準，根據擬合度準則較準確的進行信息外推，運用該技術對地震信號的橫向變化進行可靠的評估[13,17]。

地震波形分類的技術思路是在完成地震層位解釋的基礎上，沿著地震解釋層位或目的層段某一時間開一個時窗，將選定時窗內的數據重新采樣，使各個地震道上的波形具有相同的特征值采樣點數；然后，在不同道之間計算相似性或相似系數，可以根據相似性和預設的門檻閾值進行波形的類別判別，也可以根據未知類別的地震波形與典型波形的相似系數來判別歸屬于哪一類[18]。地震波形分類技術的主要步驟如圖1所示。

2.1 預處理方法

三維地震勘探采集的地震數據中往往包含較多規則干擾或隨機干擾信號。考慮到地震波形分類技術的應用需求，在濾波、去噪、反褶積等資料處理過程中要進行保幅處理，特別是要慎用子波整形處理，盡量不要使用疊后波形整形處理，并且在整個數據處理流程選擇參數時要注重保持地震數據的時頻特性，盡量減少將人為因素引入分析過程，從而影響分類結果的地質解譯[15]。

在進行波形分類分析時，一般首先要通過信噪比分析和頻譜分析，對需要進行分析的數據體或目標層段地震數據體的信噪比、主頻和頻帶范圍、振幅幅值或相對振幅關系、時頻特性等進行評價。若提供分析的數據體品質不高，需要對數據進行預處理以改善地震反射質量。常用的降噪方法有頻率域小波變換濾波、構造導向濾波和基于傾角導向的中值濾波法等。

圖1 地震波分類技術的主要步驟

2.2 層位解釋

在進行層段選擇時，同沉積層段的厚度變化不宜太大。厚度的大小會影響地質信息的質量，從而加大解釋工作的難度。波形分類技術對層位解釋的精度要求比較高，在煤層或地層標志層位解釋時，一般要求進行自動識別追蹤，避免手工追蹤造成的人為誤差。在已有解釋成果上進行分析時，也應該首先在解釋層位的時間位置選取一個合理的時窗，通過自動計算尋找地震波形的解釋位置，歸位到波峰或波谷等。

2.3 技術參數選擇

地震波形變化可以充分顯示地層物性參數的變化以及相應屬性變化分布規律的特點，在波形分類技術中選用合理的相關參數，可以得到理想的地震波形劃分結果。

a. 數據體的選擇 除了利用疊后偏移或疊前偏移數據體進行波形分類分析外，也可以利用提取地震屬性后形成的屬性體進行波形分類分析。根據不同地質任務針對不同地震屬性提取波形分類信息，融合各種相關屬性信息用于解釋。基于不同屬性體進行分析的優點在于，它可以通過數學變換突出所要描述的地震信號特征，從而突出地震信號中的有效成分信息，大大提高數據分析成果的信噪比和分辨能力。如果想突出波形差異，可在相干體或方差體的基礎上進行波形分類分析，或轉化到頻率域進行分析，這樣可以使信息區分得更加突出。在分析低信噪比區域或灰巖層段時，可以選用經過適當數學變換后突出差異的屬性體作為研究對象，對分析構造或其他地質異常、提高解釋能力和解釋精度往往有意想不到的效果。針對同一個地質任務或解釋需求，采用不同類型數據體分析可能會得到不同的結果，這樣可以使我們在分析時找到最有效的分析方法，突出多屬性、多數據體分析優勢。

b. 目的層時窗選擇 時窗大小的選擇要依據實際解決的地質問題。如果研究內容是沉積相或大套儲層的宏觀分析，那么要選取大一些的時窗。如幾個周期的地震波形，只要認清這幾個周期范圍內的地震波形所反映的確切地質意義就可以。煤田地震勘探中往往是針對某一或幾個煤層反射波的，時窗宜選擇在某個煤層解釋層位加上、下限范圍或者兩個煤層層位之間的地震數據的集合，最好是大于半個相位，在一個周期內為佳[19-20]。

c. 典型地震波形選擇 如果進行有監督的波形分類時，要預先設定幾類典型地震波形，設定方法一般是通過井震標定。為便于定義地質意義，選擇不同井位的地震波形作為典型波形。典型地震波形對應的測井解釋儲層類型一般要有明顯的成因關系，同時也要盡量保證典型地震波形之間的儲層疊置模式與地震、井柱狀或測井相應特征也要有比較明顯的差異和代表性。

d. 地震波形分類數及迭代次數 在進行無監督地震波形分類時，需要定義波形分類數。地震波形分類數的定義要適宜，不宜太多或太少，根據實際分析需要，一般選擇1~2倍的典型波形數就可以，以5~8種分類數為宜，迭代次數選取15~45次為宜，這樣可以在兼顧計算速度同時，有利于地震波形相的地質分析。一般做法是在全區波形作相關分析后以固定的差異值進行分類，對已經分類好的波形類還可以根據需要進行重新組合，形成具有明顯地質意義的地震波形平面分布圖。

2.4 不同地震波形的地質意義解譯

不同地震波形特征代表不同的儲層疊置特征，其平面分布和組合反映一定的地質規律。那么，可以通過井震標定和地震反射原理，分析出地震波形變化的地質原因；然后，根據沉積學理論，進行地震波形與沉積微相或儲層疊置模式平面分布規律的客觀解譯[21]。

3 地震波形分類技術的應用實例

3.1 煤層厚度變化預測

勘探區位于內蒙古鄂爾多斯市烏審旗圖克鎮境內，屬于高原沙漠地貌特征，地表植被較稀疏，全部被第四系風積沙所覆蓋，廣泛分布有新月形或波狀沙丘，區內沒有基巖出露。地層由老至新發育有：三疊系上統延長組(T3)、侏羅系中統延安組(J2)、侏羅系中統直羅組(J2)、白堊系下統志丹群(K1)和第四系全新統(Q)。主要含煤地層是侏羅系中統延安組(J2)，以三疊系上統延長組(T3)為沉積基底，延長組(T3)是一套陸源碎屑沉積物，屬于典型的曲流河沉積體系，該組地層厚度為228.06~323.21 m，平均281.86 m，劃分為5個煤組，即2~6煤組。

本次研究目的層為3-1煤，該層位于延安組第二巖段(J22)頂部，頂板巖性以粉砂巖為主，其次為砂質泥巖、粉砂巖；底板巖性多為砂質泥巖及粉砂巖。煤層賦存形態呈一走向近南北、傾向西的單斜構造，煤層傾角較緩，一般在1°~4°變化。在勘探區中部及南部發育有小型平緩的波狀起伏。根據區內鉆孔資料統計：煤層自然厚度1.57~6.35 m，平均4.53 m；可采厚度1.41~6.17 m，平均4.42 m。

高密度三維地震資料的時間剖面如圖2所示，從圖2中可以看到波形振幅變化的區域，通過鉆孔判斷、文本框指示了煤層厚度變薄區，經過對比分析，該處地震反射波振幅的變化是由于煤層厚度變化引起的。

圖2 時間剖面

采用無監督地震波形分類方法對地震資料進行分析，選定3-1煤層反射波上下30 ms作為研究時窗、迭代次數20次，通過自適應試驗劃分為6種地震道形狀，第1種地震道對應煤層較薄時的波形信息，隨著煤厚的增加，其對應地震道的波形亦發生變換，第6種地震道則對應煤層較厚時的波形信息，如圖3所示。從圖3可以看到：3-1煤層全區發育并可采，呈北薄東厚的特點，3-1煤層在MS18—MS23孔附近沉積狀態發生變化，產生了相變，南部和北部波形差異明顯，局部存在厚度變薄變厚的區域，后經井巷驗證，符合率較高。

圖3 3-1煤層地震波形分類

3.2 巖漿巖侵入區預測

勘探區位于安徽省淮南市境內，區內地勢平坦，潛水面距地表2~4 m，淺層以黏土、砂質黏土為主，含煤地層主要為二疊系上、下石盒子組和山西組。勘探鉆孔揭露含煤地層厚度127.33~658.42 m，主要由灰—深灰色砂質泥巖、泥巖、黏土巖、砂泥巖互層、粉細砂巖、中砂巖、中粗砂巖組成，自上而下劃分為7個含煤段，32個煤層，可采煤層6層，分別為13-1煤、11-2煤、8煤、6-1煤、4-1煤、3煤。3煤層厚度變化范圍為0.5~7.5 m，大部分區域煤層厚度在3.0~5.0 m變化，煤厚總體趨勢呈東薄西厚的特點。3煤層在區內西北部埋藏較淺、東南部埋藏較深，走向自東向西為NE至NW，傾向SE至SW，傾角3°~28°，由于小型平緩的褶曲、波狀起伏及斷層發育使煤層的連續性遭到破壞，煤層走向發生一些改變，并且在煤層中發現巖漿巖侵入現象。巖漿巖對煤層影響的地震資料解釋可歸納以下2個方面：①巖漿巖侵入煤層引起煤層吞蝕、焦化、變薄等地質現象，在地震時間剖面上則表現為巖漿巖影響的部位煤層反射波缺失、能量(振幅)減弱等現象，屬同類地震異常反應；②煤層上部地層中如果存在大范圍巖漿巖巖床侵入，則對煤層反射波能量產生屏蔽，造成相應部位煤層反射波的能量、振幅減弱現象。

本次采用有監督的波形分類方法對3煤層巖漿巖侵入區進行預測，選定3煤層反射波上下30 ms作為研究時窗，將波形分為5類，如圖4所示，其中第5種波形是通過井震標定的巖漿巖侵入區典型反射波，黃色范圍所示區域；分類后得到波形分布圖，如圖5所示。從圖5中可以看到勘探區東南部黑色線圈定的區域與其他區域波形異常明顯，預測為巖漿巖侵入區，后經鉆孔驗證證實了該區確為巖漿巖侵入區。

圖4 波形分類模型道

圖5 地震波形分布

3.3 陷落柱解釋

勘探區位于安徽省淮北市境內，區內地勢平坦，地面高程一般為+27 m左右，地形高差變化不大，區內潛水面深度一般在3~5 m，地下水豐富，且較穩定，區內地表下9~11 m為黏土層。礦區地層屬華北型沉積，鉆探揭露地層有：奧陶系、石炭系、二疊系、古近系、新近系和第四系，含煤地層為石炭–二疊系，沉積環境體系為：陸表海沉積、碎屑濱岸帶、三角洲和河流體系。石炭紀煤層薄而不穩定，開采條件復雜，暫未作為勘探對象。二疊紀含煤地層自下而上為山西組、下石盒子組、上石盒子組，主采煤層為3、7、8、9和10煤層，煤層較穩定。石炭–二疊紀煤系的基底，存在有溶洞非常發育的奧陶紀石灰巖，由于地下水的長期溶蝕，這些溶洞越來越大，在地質構造力和上覆巖層重力的長期作用，有些溶洞發生塌陷，覆蓋在上面的含煤地層也隨之陷落，沿陷落柱中心軸切剖面的形態基本分4類：圓錐體、筒狀、斜塔狀、不規則狀。區內太灰頂界面高程變化范圍–530~ –1 190 m，東部、南部煤層淺部地層傾角較大，20°~30°，尤其是南部，地層傾角達30°~38°；西部、北部地層角度變緩，多為10°~20°。

勘探區的疊后時間剖面如圖6所示，利用疊后時間剖面直接進行解釋時陷落柱的邊界不清晰，特別是在奧陶系灰巖層界面。本次分析是在提取相干屬性的數據體后(相干屬性剖面如圖7所示)，采用無監督地震波形分類方法，以10煤層反射波層位上下50 ms作為研究層段，通過自適應試驗劃分為4種地震道形狀，平面如圖8所示。從圖8可以清晰地確定陷落柱的邊界，經過鉆井驗證，邊界圈定范圍精確，解釋精度明顯提升。

圖6 時間剖面

圖7 相干屬性剖面

圖8 地震波形分布

4 結論

a.在煤炭高密度三維地震資料解釋應用中，波形分類技術的應用步驟包括預處理、層段選擇、提取地震道模型、波形分類形成相圖、地質解釋等；時窗選擇、波形分類數及迭代次數參數的選擇原則和合理范圍為：目的層時窗選擇要大于半個相位，波形分類數選取5~8種，迭代次數選取15~45次為宜。

b.采用無監督地震波形分類方法應用到煤層賦存狀態預測和陷落柱解釋中，預測的煤層分布情況、厚度與井下巷道實際揭露一致，解釋的陷落柱邊界、發育層位與鉆孔揭露一致；采用有監督的波形分類方法圈定的巖漿巖侵入區范圍，經補充鉆孔驗證準確。應用結果表明：波形分類技術通過在解譯過程中或地震屬性體充分挖掘地質信息，進行地質異常體解釋，解釋結果準確可靠，為三維地震資料的地質精細解釋提供一種新的思路和方法。

[1] BALCH A H. Color sonagrams：A new dimension in seismic data interpretation[J]. Geophysics，1973，36(6)：232–238.

[2] COLéOU T，POUPON M，AZBEl K. Unsupervised seismic facies classification：A review and comparison of techniques and implementation[J]. The Leading Edge，2012，22(10)：942–953.

[3] DE MATOS M C，OSORIO P L M，JOHANN P，et al. Unsupervised seismic facies analysis using wavelet transform and self-organizing maps[J]. Geophysics，2007，72(1)：9–21.

[4] WALLET B C， DE MATOS M C， KWIATKOWSKI J T，et al. Latent space modeling of seismic data：An overview[J]. Leading Edge，2009，28(12)：1454–1459.

[5] 逯宇佳，曹俊興，劉哲哿，等. 波形分類技術在縫洞型儲層流體識別中的應用[J]. 石油學報，2019，40(2)：182–189.LU Yujia，CAO Junxing，LIU Zhege，et al. Application of waveform classification technology in fluid identification of fractured-vuggy reservoirs[J]. Acta Petrolei Sinica，2019，40(2)：182–189.

[6] 佘剛，周小鷹，戴明剛，等. 波形分類技術在鄂北薄砂巖儲層預測中的應用[J]. 石油與天然氣地質，2012，33(4)：536–540.SHE Gang，ZHOU Xiaoying，DAI Minggang，et al. Application of seismic waveform classification technique in thin sandstones reservoir prediction in northern Ordos Basin[J]. Oil & Gas Geology，2012，33(4)：536–540.

[7] 鄧傳偉，李莉華，金銀姬，等. 波形分類技術在儲層沉積微相預測中的應用[J]. 石油物探，2008，47(3)：262–265. DENG Chuanwei，LI Lihua，JIN Yinji，et al. Application of seismic waveform classification technique in prediction reservoir sedimentary microfacies[J]. Geophysical Prospecting for Petroleum，2008，47(3)：262–265.

[8] COLEOU T，POUPON M，AZBEL K. Unsupervised seismic facies classification：A review and comparison of techniques and implementation[J]. The Leading Edge，2003，22(10)：942–953.

[9] 石戰戰，王元君，唐湘蓉，等. 一種基于時頻域波形分類的儲層預測方法[J]. 巖性油氣藏，2018，30(4)：98–104.SHI Zhanzhan，WANG Yuanjun，TANG Xiangrong，et al. Reservoir detection based on seismic waveform classification in time-frequency domain[J]. Lithologic Reservoirs，2018，30(4)：98–104.

[10] 鄭和忠. 基于支持向量機的地震波形分類方法的研究[D]. 青島：青島大學，2018. ZHENG Hezhong. Research on seismic waveform classification method based on support vector machine[D]. Qingdao：Qingdao University，2018.

[11] 劉豪杰，夏同星，周學鋒，等. 基于模型正演的地震波形分類技術預測優質儲層[C]//中國地球科學聯合學術年會，2019：1112–1115. LIU Haojie，XIA Tongxing，ZHOU Xuefeng，et al. Prediction of high quality reservoir by seismic waveform classification based on model forward modeling[C]//China Geosciences Joint Annual Meeting，2019：1112–1115.

[12] 吳微，譚紹泉，王樹華，等. 基于波形分類的層位自動追蹤方法[C]//SPG/SEG南京2020 年國際地球物理會議. 2020：975–978.WU Wei，TAN Shaoquan，WANG Shuhua，et al. Automatic horizon tracking method based on waveform classification[C]//SPG/SEG International Geophysical conference，Nanjing，2020：975–978.

[13] 孫學凱，崔若飛. 地震相分析在探測煤層中火成巖侵入范圍的應用[J]. 煤田地質與勘探，2010，38(5)：58–60. SUN Xuekai，CUI Ruofei. Application of seismic faces analysis in detecting the magmatic intrusion zones[J]. Coal Geology & Exploration，2010，38(5)：58–60.

[14] 楊占龍，陳啟林，沙雪梅，等. 關于地震波形分類的再分類研究[J]. 天然氣地球科學，2008，19(3)：377–380. YANG Zhanlong，CHEN Qilin，SHA Xuemei，et al. Reclassification research of seismic waveform classification[J]. Natural Gas Geoscience，2008，19(3)：377–380.

[15] 林朋，彭蘇萍，盧勇旭，等. 基于共軛梯度法的全波形反演[J]. 煤田地質與勘探，2017，45(1)：131–136. LIN Peng，PENG Suping，LU Yongxu，et al. Full waveform inversion based on the conjugate gradient method[J]. Coal Geology & Exploration，2017，45(1)：131–136.

[16] 劉明夫. 三維地震數據體的波形分類方法研究[D]. 成都：電子科技大學，2014. LIU Mingfu. Research on waveform classification method based on 3D seismic data[D]. Chengdu：University of Electronic Science and Technology of China，2014.

[17] 范洪軍，范廷恩，王暉，等. 地震波形分類技術在河流相儲層研究中的應用[J]. CT理論與應用研究，2014，23(1)：71–80.FAN Hongjun，FAN Ting’en，WANG Hui，et al. Application of seismic waveform classification technique in the study of fluvial reservoir[J]. CT Theory and Applications，2014，23(1)：71–80.

[18] 高陽，王春賢，馮西會，等. 地震相分析技術在煤田地震勘探中的應用[J]. 煤田地質與勘探，2016，44(1)：107–111. GAO Yang，WANG Chunxian，FENG Xihui，et al. Application of seismic facies analysis technology in coal seismic exploration[J]. Coal Geology & Exploration，2016，44(1)：107–111.

[19] 秦永軍，馬麗，薛海軍，等. 地震波形分類技術在煤層分叉解釋中的應用[J]. 中國煤炭地質，2016，28(10)：76–80. QIN Yongjun，MA Li，XUE Haijun，et al. Application of seismic waveform classification technology in coal seam bifurcation interpretation[J]. Coal Geology of China，2016，28(10)：76–80.

[20] 江青春，王海，李丹，等. 地震波形分類技術應用條件及其在葡北地區沉積微相研究中的應用[J]. 石油與天然氣地質，2012，33(1)：135–140. JIANG Qingchun，WANG Hai，LI Dan，et al. Application conditions of seismic waveform classification technique and its use in the study of sedimentary microfacies of Pubei area[J]. Oil & Gas Geology，2012，33(1)：135–140.

[21] 楊文強. 孫疃礦中組煤層地震相分析與煤厚預測[D]. 徐州：中國礦業大學，2019. YANG Wenqiang. Seismic facies analysis and seam thickness prediction of the Middle Coal seam in Suntuan Mine[D]. Xuzhou：China University of Mining and Technology，2019.

Application of seismic waveform classification technology in interpretation of geological abnormal body

CHENG Yan1,2, ZHAO Pu1, LIN Jiandong2, ZHANG Xingping2

(1. China National Administration of Coal Geology, Beijing 100038, China; 2. Research Institute of Coal Geophysical Exploration, China National Administration of Coal Geology, Zhuozhou 072750, China)

Seismic waveform classification technology has the characteristics of statistics of the overall change of the seismic signal and reflects the distribution of this change. It is an important extension of seismic attribute analysis technology. It has a good application effect on the reflected wave changes caused by geological anomalies, which is similar to the conventional single attribute prediction. Compared, it has the characteristics of sensitive reflection and reliable results. High density 3D seismic data have the characteristics of high signal-to-noise ratio, high resolution and high fidelity. This paper attempts to use waveform classification technology to predict the occurrence of coal seam and magmatic intrusion area reflected by high density 3D seismic data, and studies the interpretation method of collapse column. Through actual exposure and drilling verification in underground roadways, the prediction results have high accuracy and accurate bounds, which can provide accurate geological data for coal mining.

waveform classification; geological anomaly; occurrence state; magmatic rock intrusion; collapse column; high density 3D seismic exploration

請聽作者語音介紹創新技術成果等信息，歡迎與作者進行交流

P631.4

A

10.3969/j.issn.1001-1986.2020.06.012

1001-1986(2020)06-0087-06

2020-10-24；

2020-11-10

中國煤炭地質總局科技創新基金項目(ZMKJ-2019-B11，ZMKJ-2019-J11)

Science and Technology Innovation Fund of China National Administration of Coal Geology(ZMKJ-2019-B11，ZMKJ-2019-J11)

程彥，1984年生，男，山東泰安人，碩士，高級工程師，從事煤田地球物理勘探工作. E-mail：cumt_cheng@163.com

程彥，趙鐠，林建東，等. 地震波形分類技術在地質異常體解釋中的應用[J]. 煤田地質與勘探，2020，48(6)：87–92.

CHENG Yan，ZHAO Pu，LIN Jiandong，et al. Application of seismic waveform classification technology in interpretation of geological abnormal body[J]. Coal Geology & Exploration，2020，48(6)：87–92.

(責任編輯 聶愛蘭)