【摘 要】
：
The quality factor Q is an important parameter because it can reflect the reservoir attenuated features and can be used for inverse-Q filtering to compensate for the seismic wave energy.The accuracy of the Q estimation is greatly significant for improving
【机 构】
：
College of Geophysics and Measurement-control,East China University of Technology,Nanchang 330013,Ch
论文部分内容阅读
The quality factor Q is an important parameter because it can reflect the reservoir attenuated features and can be used for inverse-Q filtering to compensate for the seismic wave energy.The accuracy of the Q estimation is greatly significant for improving the precision of the reservoir prediction and the resolution of seismic data.In this paper,the Q estimation formulas of the single-frequency point are derived on the basis of a different-order Taylor series expansion of the amplitude attenuated factor.Moreover,the multifrequency point average(MFPA)method is introduced to obtain a stable Q estimation.The model tests demonstrate that the MFPA method is less affected by the frequency band,travel time difference,time window width,and noise interference than the logical spectrum ratio(LSR)method and the energy ratio(ER)method and has a higher Q estimation accuracy.In addition,the proposed method can be applied to post-stack seismic data and obtain effective Q values of complex models.When the MFPA method was applied to real marine seismic data,the Q values estimated by the MFPA method with the 1 st-4 th order showed good consistency with each other.In contrast,the Q values obtained by the ER method were larger than those of the proposed method,while those estimated by the LSR method significantly deviated from the average values.In conclusion,the MFPA method has superior stability and practicability for the Q estimation.
其他文献
Spectral decomposition has been widely used in the detection and identification of underground anomalous features(such as faults,river channels,and karst caves).However,the conventional spectral decomposition method is restrained by the window function,an
In this study,we implement forward modeling and inversion based on deep-learning strategies using an optimal nearly analytic discrete(ONAD)method.The forward-modeling method combines the ONAD method with recurrent neural network(RNN)for the first time.RNN
为进一步加强对黄河口及其邻近海域渔业资源状况的认识并推动保护措施,通过2019年4月份、8月份和9月份在该海域开展的3航次渔业资源调查,鉴定渔获物79种、27.67万尾,渔业资源重量为2170.71 kg.结果显示,研究海域生物多样性相关指数均呈较大幅度波动状变化,生物种类数春季较往年偏高,夏季低于往年.分析结果可知,该海域生态状况有所恢复,生物多样性水平较往年有所提高,但关键种的缺位、高营养级生物的不足等问题依旧突出,夏季资源呈现下降趋势.
实际场景中运动物体的特征点加入到相机位姿计算中,以及静态环境特征点过度稀疏都会导致移动机器人传统视觉同步定位与地图构建(simultaneous?localization?and?mapping,?SLAM)算法在位姿估计时精度低、鲁棒性差.设计了基于分支空洞卷积的双边语义分割算法,将环境区分为潜在运动区域和静态区域;结合几何约束进行静态特征点的二次判断及对没有先验动态标记而具有移动性的特征点的判断,并在事先均匀提取的全部特征点中进行移除,只应用静态特征点求解相机位姿和构建静态环境地图.在TUM公共数据集
传统船载水深测量受船只吃水影响,难以在浅水区域开展,遥感水深反演作为传统方法的有益补充,其重要性日益凸显.以GF-1多光谱影像为数据源,以船载声呐实测水深点作为训练样本和检测样本,以相关系数、均方根误差和平均绝对误差作为评价指标,首次将网格搜索+XGBoost模型应用于启东恒大威尼斯浅海区域水深反演.实验表明,网格搜索+XGBoost模型水深反演的相关性系数达到0.820,均方根误差0.247 m,平均绝对误差0.134 m,与GBDT模型和波段比值模型相比,其水深反演精度更高,且易于实现.该研究方法和成
随着3D显示被应用到军事医疗等尖端领域,高分辨率的3D图像变得尤为重要.然而,集成成像的3D显示性能受制于2D显示屏的分辨率.为了突破2D显示屏的分辨率限制,本文提出了基于回返器和反射偏振片的集成成像3D显示装置.该装置将显示器上的微图像阵列(elemental image array,EIA)通过反射型偏振片分离成偏振方向正交的两束光线,回返器、四分之一波片和反射型偏振片分别将两束偏振光反射,并沿着像素的对角线方向以2/2个像素错位叠加,形成一个具有更小像素单元和更多像素数量的高分辨率EIA.根据两个偏
针对高分辨率卫星影像在云检测过程中存在少云影像难以检测、云过渡区域检测不理想和类云地物难以去除的问题,提出一种联合阈值分割云检测算法和基于梯度的类云地物去除算法.首先,对影像进行梯度增强,以提高云与其他地物的光谱差异;其次,根据有云影像直方图呈现U形的特征,将影像分为有云和无云影像;然后,通过联合阈值分割方法检测云区域,并利用云区域内波谱特征验证云检测的正确性;最后,根据云与类云地物边缘梯度的差异性去除类云地物.选用高分一号、资源三号和天绘一号进行实验,并与大津法、树状结构法和目视解译结果进行对比.实验结
由于传感器的局限性,DMSP/OLS夜间灯光数据会出现饱和现象.针对这一问题,NGDC发布了辐射定标数据用以反映真实的灯光亮度,但其目前仅有少数几年的产品.鉴于此,考虑到NTL与IBI指数从植被区至城市区具有相同的变化趋势,并且IBI指数能在一定程度上缓解水体以及植被的影响,提出了INTL指数,目的是提供一种更有效的去饱和方法.以东北三省为研究区域,通过对比INTL、VANUI和NTL的城市内部地物刻画能力发现,INTL可以很好地区分城市中高植被覆盖区、大面积水体区和人类活动较低的区域.通过构建INTL-
近年来不合理的开发利用矿产资源一直是备受关注的问题,对违法开采矿产资源的时空分布特征研究显得尤为重要.为解决大范围矿产资源违法开采信息获取难、精度低,数据零散、缺乏长时序的问题,本文提出了基于多源卫星遥感数据与克立金数据分析相结合的矿山违法开采时空分布特征研究方法.首先以湖南省为研究区域,采用2010年—2017年多时相多平台卫星遥感影像数据,结合湖南省采矿权数据,采用人机交互解译方法,提取了 2010年—2017年的矿山违法开采数据;然后利用克立金空间数据插值方法,分析了 8 a的矿山违法开采数据;最后
针对现有高分遥感影像变化检测方法大都针对影像的像元灰度值,没有充分考虑像元间的空间关系,导致变化检测精度不高,提出了一种改进的变化检测方法.首先,通过模糊C均值聚类得到初始差异影像中的像元隶属度信息;然后,利用改进的空间引力模型将像元的隶属度及像元间的空间信息引入到马尔科夫随机场中,基于组合能量函数设置自适应权重函数;最后,采用条件迭代模型优化,获得最终的变化检测结果.通过对两组不同传感器、不同分辨率的高分辨率遥感影像开展相关对比实验,结果表明,该算法表现出更好的空间信息边缘检测效果和区域一致性,从而进一