匹配追蹤分頻譜藍(lán)化在疊后地震提頻中的應(yīng)用

摘要：

傳統(tǒng)譜藍(lán)化拓頻方法中譜藍(lán)化算子的計(jì)算存在單一性，應(yīng)用于疊后地震拓頻效果不佳。為此，提出匹配追蹤分頻譜藍(lán)化拓頻技術(shù)。首先，使用匹配追蹤方法將疊后地震數(shù)據(jù)精確地分為多個(gè)分頻地震體；然后，在計(jì)算每個(gè)分頻段譜藍(lán)化算子過程中引入加權(quán)思想，根據(jù)不同頻帶能量的差異求取各分頻段優(yōu)化譜藍(lán)化算子的權(quán)重；最后，將優(yōu)化后的譜藍(lán)化算子與地震反射系數(shù)進(jìn)行褶積，得到高分辨率地震數(shù)據(jù)。實(shí)際疊后地震資料測試結(jié)果證明，與傳統(tǒng)譜藍(lán)化方法相比，本文方法提高了疊后地震資料的高頻成分信息，拓頻后地震同相軸變多，分辨率更高。通過對處理前后地震數(shù)據(jù)提屬性、井震標(biāo)定、反演等一系列操作，驗(yàn)證了提頻后地震數(shù)據(jù)的高頻成分是有效的，并且能夠更精細(xì)地刻畫斷層，更準(zhǔn)確地識別薄層砂體。

關(guān)鍵詞：

譜藍(lán)化；匹配追蹤；疊后地震；優(yōu)化譜藍(lán)化算子

doi：10.13278/j.cnki.jjuese.20230331

中圖分類號：P631.4

文獻(xiàn)標(biāo)志碼：A

Application of Matching Pursuit Frequency-Division Spectrum Blueing in Post-Stack Seismic Frequency Enhancement

Jin Xuebin^1，2， Li Bingxi³， Zhang Zhenguo^1，2， Lei Maosheng³， An Lishuang^1，2， Ding Kai⁴

1. College of Mining， Liaoning Technical University， Fuxin 123000， Liaoning， China

2. Key Laboratory of Geological Guarantee for Green Development of Mineral Resources of Liaoning Province， Fuxin 123000， "Liaoning， China

3. Beijing Tianyuan Yunkai Technology Co.， Ltd.， Beijing 100085， China

4. "Sinopec Jingwei Zhongyuan Measurement and Control Company， Puyang 457001， Henan， China

Abstract：

The traditional spectral blueing frequency broadening methods have a limitation in the calculation of spectral blueing operators， leading to poor effects when applied to post-stack seismic frequency enhancement. To address this， a frequency-division spectral blueing broadening technique based on matching pursuit is proposed. Firstly， the matching pursuit method is employed to accurately divide the post-stack seismic data into multiple frequency-split seismic bodies. Then， during the calculation of the spectral blueing operators for each frequency band， a weighting approach is introduced to determine the weights of the optimized spectral blueing operators for each frequency band based on the differences in energy across different frequency bands. Finally， the optimized spectral blueing operators are convolved with seismic reflection coefficients to obtain high-resolution seismic data. Actual tests on post-stack seismic data demonstrate that， compared with traditional spectral blueing methods， the frequency enhancement method proposed in this paper improves the high-frequency component information of post-stack seismic data. After frequency expansion， there are more seismic event axes and "the "resolution is higher. Through a series of operations such as attribute extraction， well seismic calibration， and inversion of the seismic data before and after processing， it is verified that the high-frequency components of the frequency-enhanced seismic data are effective and can more accurately delineate faults and identify thin-layer sand bodies.

Key words：

spectral blueing; matching pursuit; post-stack seismic; optimized spectral blueing operators

0"引言

在地震資料處理過程中，高分辨率處理一直是薄儲層、低幅度構(gòu)造、小斷層等小尺度地質(zhì)體勘探的關(guān)鍵技術(shù)。特別是在開發(fā)地震中，分辨率尤為重要。常用的提高地震分辨率的方法主要有反褶積、Q值補(bǔ)償、譜白化、譜藍(lán)化、小波變換、廣義S變換等^[1]。對于實(shí)際地震資料，地層反射系數(shù)序列一般都表現(xiàn)為“藍(lán)色”特征，即實(shí)際地震頻率與振幅呈現(xiàn)正相關(guān)的關(guān)系^[2-3]，更高的地震頻率對應(yīng)著更高的振幅。研究表明，通過引入井控的思想，使地震數(shù)據(jù)頻譜與從測井?dāng)?shù)據(jù)中獲得的反射系數(shù)頻譜相匹配，可以提高地震資料的分辨率。這一方法就是“譜藍(lán)化”技術(shù)^[4]。譜藍(lán)化方法提高地震分辨率的過程為：首先對地震資料做頻譜分析，得到地震頻譜數(shù)據(jù)；然后利用地震頻譜數(shù)據(jù)與測井反射系數(shù)頻譜數(shù)據(jù)相匹配，計(jì)算出譜藍(lán)化算子；最后將譜藍(lán)化算子與原始地震通過循環(huán)反褶積方法得到的反射系數(shù)進(jìn)行褶積，得到高分辨率地震數(shù)據(jù)。其中計(jì)算譜藍(lán)化算子是關(guān)鍵步驟^[5-6]。

Kazemeini等^[7]通過傳統(tǒng)譜藍(lán)化方法預(yù)測Ketzin區(qū)塊二氧化碳含量，認(rèn)為使用疊前地震資料能夠比疊后地震資料更好地抑制邊緣震蕩，并且拓頻效果更好。Blache等^[8]研究發(fā)現(xiàn)將傳統(tǒng)譜藍(lán)化方法與有色反演相結(jié)合，不僅可以有效提高疊后地震資料分辨率，而且能夠有效識別薄層。近年來國內(nèi)學(xué)者楊瑞召等^[9]、紀(jì)甜甜等^[10]、劉建偉等^[11]、李賢兵等^[12]利用傳統(tǒng)譜藍(lán)化拓頻技術(shù)處理地震數(shù)據(jù)，提高了地震勘探數(shù)據(jù)識別薄互層的能力，實(shí)現(xiàn)了高分辨率處理。但傳統(tǒng)譜藍(lán)化方法中譜藍(lán)化算子的計(jì)算方式過于籠統(tǒng)。因?yàn)樗峭ㄟ^整個(gè)地震數(shù)據(jù)的平均頻譜得到的，未曾將地震數(shù)據(jù)不同頻段的信息考慮在內(nèi)。因此，經(jīng)處理后的地震資料常出現(xiàn)提頻效果不佳、低頻信號震蕩等問題。為解決此問題，陳平等^[13]在稀疏約束下充分壓縮子波影響，提出了基于譜反演的譜藍(lán)化拓頻方法，該方法結(jié)合譜反演和譜藍(lán)化的優(yōu)點(diǎn)，引入井上先驗(yàn)認(rèn)識，提高了地震資料對薄層砂體的可描述性，且不容易產(chǎn)生解釋假象。肖裕峰等^[14]提出了基于變分模態(tài)分解（VMD）分頻的譜藍(lán)化算法，并應(yīng)用于疊前地震資料，結(jié)果表明通過分頻計(jì)算的譜藍(lán)化算子比傳統(tǒng)譜藍(lán)化算法效果更好。但是由于VMD分頻不能指定分解信號的頻率，張璐等^[15]使用廣義S變換方法對地震資料做分頻處理，并通過地震能量計(jì)算加權(quán)平均因子，優(yōu)化各分頻的譜藍(lán)化算子，最后將其應(yīng)用于實(shí)際地震數(shù)據(jù)，結(jié)果表明分頻譜藍(lán)化算子大大提高了地震信號的主頻，克服了低頻部分失真的弊端，在提高薄儲層精度方面具備較好的實(shí)用性。

本文在前人研究的基礎(chǔ)上提出匹配追蹤分頻譜藍(lán)化算法。匹配追蹤分頻算法用以分解指定頻率的信號，與譜藍(lán)化方法相結(jié)合有效提高地震資料分辨率，為后續(xù)精細(xì)儲層預(yù)測奠定基礎(chǔ)。

1"匹配追蹤

1.1"方法原理

匹配追蹤是一種貪心迭代算法，即通過在超完備子波字典中多次匹配尋優(yōu)，搜尋與地震信號相關(guān)系數(shù)最高的子波，從而將信號自適應(yīng)分解并表示成有限個(gè)子波的線性組合^[16]。在N維希爾伯特變換空間內(nèi)，設(shè)D={g_γ（t）}_γ∈r為該空間內(nèi)的子波字典（稱為超完備子波庫，其中：g_γ（t）為子波基函數(shù)；t為時(shí)間；r為小波字典中不同基函數(shù)的集合）。對于任意信號F均可利用超完備子波庫對其進(jìn)行分解投影：

F=lt;F，g_γ1gt;g_γ1+R¹_F。（1）

式中：lt;·，·gt;表示內(nèi)積算子；g_γ1為在字典D中迭代第一次得到的子波；R¹_F為信號F經(jīng)子波g_γ1分解后的殘差。按照能量守恒定理，式（1）滿足的能量關(guān)系為

‖F(xiàn)‖²=‖lt;F，g_γ1gt;‖²+‖R¹_F‖²。（2）

匹配追蹤算法需要多次迭代找尋最優(yōu)子波。設(shè)迭代進(jìn)行到第k次時(shí)，分解后的殘差為R^k_F，搜尋到的匹配子波為g_γn，則R^k_F又繼續(xù)分解為

R^k_F=lt;R^k_F，g_γkgt;g_γk+R^k+1_F。（3）

同樣，式（3）也需要滿足：

‖R^k_F‖²=‖lt;R^k_F，g_γkgt;‖²+‖R^k+1_F‖²。（4）

接下來重復(fù)上述分解過程，直到原始信號分解后的殘差能量達(dá)到極小，可以忽略不計(jì)。假設(shè)某段信號經(jīng)m次匹配追蹤算法分解后，信號可以表示為

F=∑mk=1lt;R^k-1_F，g_γkgt;g_γk=∑mk=1a_kg_γk。（5）

式中，a_k為匹配子波的振幅。因此，經(jīng)過匹配追蹤算法分解后的信號可以用有限數(shù)量匹配子波的線性組合來表示，即稀疏表示。

采用上述技術(shù)，可以將一段信號分解為各個(gè)頻段的信號，并且使各時(shí)頻基線細(xì)化，從而減弱時(shí)頻混疊現(xiàn)象。由于匹配追蹤分解后的信號能量聚焦性可以得到提升，所以將它應(yīng)用到地震分頻處理當(dāng)中。

1.2"模型測試

時(shí)頻分析是一種用于研究信號在時(shí)域和頻域上特性的技術(shù)。它結(jié)合了時(shí)域分析和頻域分析的優(yōu)點(diǎn)，可以更全面地揭示信號的時(shí)變特性。時(shí)頻分析可以用于分析非平穩(wěn)信號，能夠提取出地震數(shù)據(jù)中的地震信號特征，從而提高對特殊地質(zhì)體的識別和解釋能力^[17]。

為了驗(yàn)證匹配追蹤時(shí)頻分析的高分辨率特點(diǎn)，構(gòu)建如圖1a所示的合成地震記錄。該模型長900 ms，采樣間隔為1 ms。對該合成地震記錄分別進(jìn)行廣義S變換和匹配追蹤，可以發(fā)現(xiàn)：廣義S變換無法將兩個(gè)距離相近的信號剝離開，區(qū)分度不夠（圖1b）；而經(jīng)過匹配追蹤處理后的信號不僅分辨率得到提升，還較好地區(qū)分開各個(gè)時(shí)間段的相鄰信號（圖1c），效果更佳。

為了進(jìn)一步證明匹配追蹤算法時(shí)頻分析的穩(wěn)定性，構(gòu)建如圖2a所示加入30%的高斯噪聲信號，然后再用上述兩種時(shí)頻分析方法進(jìn)行驗(yàn)證，結(jié)果如圖2b、c所示。通過觀察可以發(fā)現(xiàn)，對于含噪信號，相較于廣義S變換，匹配追蹤抗噪性更強(qiáng)，依然可以將相鄰信號分隔開，分辨率更高。

2"匹配追蹤分頻譜藍(lán)化技術(shù)

傳統(tǒng)譜藍(lán)化方法拓頻主要利用地震頻率和振幅的正相關(guān)“藍(lán)譜”特征，對地震平均頻譜和測井反射系數(shù)頻譜進(jìn)行匹配，求取兩者相關(guān)系數(shù)最高時(shí)的譜藍(lán)化算子，將譜藍(lán)化算子與地震反射系數(shù)進(jìn)行褶積得到拓頻后數(shù)據(jù)。然而，由于傳統(tǒng)譜藍(lán)化方法中譜藍(lán)化算子是根據(jù)地震資料整體的平均頻譜和測井的反射系數(shù)頻譜進(jìn)行匹配得到的，這種方式未曾充分利用地震資料各個(gè)頻段的信息，經(jīng)處理后的地震資料有可能會出現(xiàn)低頻信息丟失、拓頻效果不理想等問題。因此，在結(jié)合前人研究的基礎(chǔ)上，本文將地震分頻的思想引入傳統(tǒng)譜藍(lán)化方法中，先把原始地震體按照一定頻率分解成多個(gè)地震體，并對每一個(gè)地震體計(jì)算譜藍(lán)化算子；然后加權(quán)平均得到優(yōu)化的譜藍(lán)化算子；最后利用優(yōu)化后的譜藍(lán)化算子與地震反射系數(shù)進(jìn)行褶積得到高分辨率地震體。地震體分頻方式選用匹配追蹤技術(shù)，整個(gè)實(shí)現(xiàn)流程（圖3）參照以下6個(gè)步驟。

步驟一，對原始地震體做匹配追蹤技術(shù)分頻，計(jì)算各分頻段地震數(shù)據(jù)體的平均頻譜：

S_i（ω）=∑nj=1S_ij（ω）n。（6）

式中：S_i（ω）為第i分頻段地震數(shù)據(jù)體的平均頻譜；ω為角頻率，與頻率f的關(guān)系為ω=2πf；S_ij（ω）為第i分頻段第j道地震頻譜；n為該頻段地震道數(shù)。

步驟二，計(jì)算測井反射系數(shù)頻譜。反射系數(shù)計(jì)算公式為

R_j=ρ_j+1v_j+1-ρ_jv_jρ_j+1v_j+1+ρ_jv_j。（7）

式中：R_j為第j采樣點(diǎn)的測井反射系數(shù)；ρ_j為第j采樣點(diǎn)測井?dāng)?shù)據(jù)中的密度；v_j為第j采樣點(diǎn)測井?dāng)?shù)據(jù)中的速度。通過傅里葉變換，得到反射系數(shù)頻譜：

R（ω）=∫_-R（t）e^-iωtdt。（8）

式中：R（ω）為測井反射系數(shù)頻譜；R（t）為測井反射系數(shù)振幅譜。

步驟三，計(jì)算每個(gè)分頻地震體的譜藍(lán)化算子。首先計(jì)算得到每個(gè)分頻地震體的平均頻譜，使其盡可能逼近測井反射系數(shù)頻譜。當(dāng)兩者相關(guān)系數(shù)最大時(shí)，即得到譜藍(lán)化算子：

minT（ω）B_i（ω）·S_i（ω）-R（ω）²+RB_i（ω）。

（9）

式中：T（ω）為優(yōu)化算法中的錐度函數(shù)；B_i（ω）為第i分頻段的譜藍(lán)化算子；R［B_i（ω）］ 為優(yōu)化算法中的正則化函數(shù)。錐度函數(shù)可以幫助減少信號邊緣處的不連續(xù)性，從而減少分析中的邊緣效應(yīng)。常用的錐度函數(shù)包括漢寧窗、漢明窗、布萊克曼窗等^[18]。本次實(shí)驗(yàn)選取漢寧窗錐度函數(shù)，主要特點(diǎn)是具有較好的頻譜性能和抑制能力。正則化函數(shù)用于防止模型過度擬合訓(xùn)練數(shù)據(jù)。通過引入正則化函數(shù)，可以在訓(xùn)練模型時(shí)平衡訓(xùn)練誤差和模型復(fù)雜度，從而提高模型的泛化能力，使模型在未見過的數(shù)據(jù)上表現(xiàn)更好^[19]。

步驟四，計(jì)算分頻地震體譜藍(lán)化算子的權(quán)重。對每個(gè)分頻地震體的振幅能量做歸一化處理可得

E_norm（i）=E（i）-E_minE_max-E_min。（10）

式中：E_min、E_max分別為原始地震數(shù)據(jù)能量的最小值和最大值；E（i）為第i分頻地震體的振幅能量；E_norm（i）為第i分頻地震體經(jīng)過歸一化處理后的振幅能量。通過每個(gè)分頻地震體的能量占比，可以計(jì)算得到譜藍(lán)化算子的權(quán)重：

λ_i=E_norm（i）/∑Ni=1E_norm（i）。（11）

式中：λ_i為第i分頻地震體譜藍(lán)化算子的權(quán)重；N為分頻段數(shù)。

步驟五，計(jì)算優(yōu)化后的譜藍(lán)化算子。對各分頻段的譜藍(lán)化算子進(jìn)行加權(quán)求和處理，即可得到優(yōu)化后的譜藍(lán)化算子：

B_opt=∑Ni=1λ_iB_i（ω）。（12）

式中，B_opt為優(yōu)化后的譜藍(lán)化算子。

步驟六，計(jì)算高分辨率數(shù)據(jù)。提取原始地震數(shù)據(jù)子波，利用循環(huán)反褶積方法計(jì)算地震反射系數(shù)R_s。將優(yōu)化后的譜藍(lán)化算子通過傅里葉反變換變?yōu)闀r(shí)間域，得到b_opt，再與R_s進(jìn)行褶積，得到最終的高分辨率數(shù)據(jù)S_opt：

b_opt（t）=12π∫-B_opt（ω）e^iωtdω；（13）

S_opt=R_s*b_opt。（14）

由于優(yōu)化后的譜藍(lán)化算子是通過不同頻段譜藍(lán)化算子加權(quán)平均得到的，所以最終重構(gòu)的地震數(shù)據(jù)可以提高不同頻段信號的頻率成分。

3"應(yīng)用實(shí)例

選取某油田的疊后地震數(shù)據(jù)進(jìn)行分析。首先對疊后地震數(shù)據(jù)進(jìn)行匹配追蹤分頻得到各頻段的地震數(shù)據(jù)；然后根據(jù)原始地震采樣點(diǎn)對測井?dāng)?shù)據(jù)進(jìn)行重采樣，使測井?dāng)?shù)據(jù)與單道地震數(shù)據(jù)采樣點(diǎn)數(shù)一致；最后根據(jù)式（6）—（14）求得經(jīng)譜藍(lán)化后的高分辨率地震數(shù)據(jù)。

圖4是某油田C102井—8F28井連井地震剖面。圖5為50 Hz分頻體譜藍(lán)化算子的求取過程。由圖5可知，原始地震頻寬為10～60 Hz，所以本次

實(shí)驗(yàn)使用匹配追蹤分頻獲得10～60 Hz每隔10 Hz頻帶的分頻段地震數(shù)據(jù)。經(jīng)過式（9）的數(shù)次迭代，譜藍(lán)化算子頻譜逐漸接近反射系數(shù)頻譜，當(dāng)兩者相關(guān)系數(shù)達(dá)到最大時(shí)，便可求得50 Hz的譜藍(lán)化算子。因?yàn)樽V藍(lán)化算子是原始地震和測井反射系數(shù)共同作用的結(jié)果，所以譜藍(lán)化算子既包含原始地震的信息，又獲得了測井的高頻信息。

分別使用傳統(tǒng)譜藍(lán)化方法和匹配追蹤分頻譜藍(lán)化方法對疊后地震資料進(jìn)行高分辨率處理，處理后的地震剖面和處理前后的頻譜分析分別如圖6、圖7所示。

通過對地震剖面的觀察可以發(fā)現(xiàn)：經(jīng)傳統(tǒng)譜藍(lán)化方法處理后，疊后地震資料僅有微弱的變化，分辨率沒有得到顯著提升（圖6a）；而本文方法處理后的疊后地震資料縱向上同相軸變多，能夠識別出更薄的地層，且具有較好的連續(xù)性，顯著地提高了地震資料的縱向分辨率（圖6b）。

經(jīng)頻譜（圖7）觀察發(fā)現(xiàn)：傳統(tǒng)譜藍(lán)化方法處理后的地震數(shù)據(jù)60～100 Hz之間的振幅有明顯抬升趨勢，說明成功提高了地震數(shù)據(jù)的高頻成分，但25 Hz 以下的振幅具有降低趨勢，說明傳統(tǒng)譜藍(lán)化方法存在低頻成分缺失的問題，不具備保幅性。而匹配追蹤分頻譜藍(lán)化處理后的地震數(shù)據(jù)不僅高頻成分明顯增加，而且25 Hz以下的低頻振幅呈明顯抬升趨勢，低頻成分也得到了提升，主頻從50 Hz提高到70 Hz，頻寬從15～60 Hz拓寬到10～140 Hz；提頻后的地震剖面在趨勢上和連續(xù)性上與原始地震剖面基本保持一致，沒有出現(xiàn)地震軸異常跳動的情況，所以也沒有產(chǎn)生多余的噪聲，只是整體的地震振幅發(fā)生了一些變化。由此可見，匹配追蹤譜藍(lán)化技術(shù)可以更好地保留低頻有效信號、增加高頻有效信號，保幅性更好。

為了進(jìn)一步證明處理后地震資料的提頻效果，對原始資料和提頻資料沿目的層提取總能量切片屬性，結(jié)果如圖8所示。觀察圖8可發(fā)現(xiàn)，處理后的地震屬性刻畫斷層更加精細(xì)。比如F4-48井東側(cè)的斷層，從原始地震屬性上看斷層中間位置振幅較弱，容易誤判為發(fā)育上下兩條斷層（圖8a），但從提頻地震屬性上可以清楚地看出此處發(fā)育一條北東向斷層（圖8b），說明提頻后地震剖面的斷面位置更加清楚，可以更好地反映構(gòu)造特征，有利于后續(xù)構(gòu)造解釋工作。

8H29井的原始地震、提頻后地震、高頻分量地震合成記錄如圖9所示。其中：高分辨率地震合成記錄采用100 Hz的雷克子波；高頻分量地震使用120 Hz的分頻地震體，合成記錄采用120 Hz的雷克子波。通過測井資料與地震的對比可以發(fā)現(xiàn)，高分辨率地震數(shù)據(jù)的波峰反射軸與測井的合成地震記錄有較好的對應(yīng)關(guān)系，地震上每一個(gè)強(qiáng)波峰反射軸都能與合成記錄的波峰反射軸對應(yīng)上；說明高分辨率處理后井震標(biāo)定相關(guān)性好，可以幫助識別高級別的地層層序反射界面，有利于解釋人員精細(xì)地解釋地層。測井與地震高頻分量同樣可以進(jìn)行精細(xì)標(biāo)定，高頻分量的強(qiáng)波峰反射軸與測井合成記錄相關(guān)性好；說明處理后的高頻成分是可信的。在油氣勘探中，高頻成分可以有效反映水層與油氣層之間的界面特征，進(jìn)而幫助進(jìn)行油氣藏分析^[20]。

分別對提頻前后的地震數(shù)據(jù)做自然伽馬特征曲線波形指示反演，以地震資料對砂泥巖的響應(yīng)表現(xiàn)儲層特征。選取過F4-48、8F5201、8H29三口井的地震剖面，結(jié)果如圖10所示。通過反演剖面與井上砂泥巖的對比，發(fā)現(xiàn)砂巖厚度普遍較薄，提頻前地震數(shù)據(jù)的反演剖面分辨率較低，縱向上反射層區(qū)分度較差，砂巖大多淹沒在反射層內(nèi)部，反演剖面識別砂巖精度較差（圖10a）；提頻后地震數(shù)據(jù)的反演剖面分辨率更高，縱向上同向軸增多，橫向上連續(xù)性更好，與測井上的砂巖對應(yīng)關(guān)系更好，基本上每個(gè)砂巖都能對應(yīng)反演剖面的一個(gè)反射層，能夠更精細(xì)地反映砂巖在地震剖面上的展布特征，有助于進(jìn)一步的儲層預(yù)測工作（圖10b）。

4"結(jié)論

1）本文在傳統(tǒng)譜藍(lán)化方法的基礎(chǔ)上，提出了基于匹配追蹤的分頻譜藍(lán)化方法。

2）實(shí)際地震資料的應(yīng)用證明，匹配追蹤分頻譜藍(lán)化方法較好地提高了疊后地震分辨率，解決了傳統(tǒng)譜藍(lán)化方法中低頻段信號缺失的問題。

3）對提頻前后地震資料進(jìn)行屬性提取、井震標(biāo)定、反演等技術(shù)手段驗(yàn)證了高分辨率地震可以更精細(xì)地刻畫斷層、預(yù)測砂巖展布特征。

參考文獻(xiàn)（References）：

[1] 閆海洋，周輝，劉海波，等. 基于EZW算法的疊前地震數(shù)據(jù)分頻壓縮技術(shù)[J]. 吉林大學(xué)學(xué)報(bào)（地球科學(xué)版），2023，53（4）：1238-1249.

Yan Haiyang， Zhou Hui， Liu Haibo， et al. Frequency Division Compression Technology of Prestack Seismic Data Based on EZW Algorithm [J]. Journal of Jilin University （Earth Science Edition）， 2023， 53（4）： 1238-1249.

[2] Walden A T， HoskenI W J. An Investigation of the

Spectral Properties of Primary Reflection Coefficients[J]. Geophysical Prospecting， 1985， 33（3）： 400-435.

[3] 趙波，俞壽朋，賀振華，等. 藍(lán)色濾波及其應(yīng)用[J]. 礦物巖石，1998，18（增刊1）：230-233.

Zhao Bo， Yu Shoupeng， He Zhenhua， et al. Blue Filter and Its Application[J]. Journal of Mineralogy and Petrology， 1998， 18（Sup.1）： 230-233.

[4] 肖裕鋒，曹俊興，付京城，等. 基于變分模態(tài)分解的譜藍(lán)化方法在疊前地震資料高分辨處理中的研究及應(yīng)用[J]. 物探化探計(jì)算技術(shù)，2024，46（3）：251-261.

Xiao Yufeng， Cao Junxing， Fu Jingcheng， et al. Research and Application of Pre-Stack Spectral Bluing Method Based on VMD[J]. Computational Technology for Geophysical and Geochemical Exploration， 2024， 46（3）： 251-261.

[5] 劉慶文. 同步壓縮小波變換分頻譜藍(lán)化在薄層識別中的應(yīng)用[J]. 石油物探，2023，62（3）：529-537.

Liu Qingwen. Application of Frequeney-Division Spectral Blueing via Synchrosqueezing Wavelet Transform in Thin Layer Recognition[J]. Geophysical Prospecting for Petroleum， 2023， 62（3）： 529-537.

[6] 劉慶文，李鍵，秦德文. AVO梯度譜藍(lán)化在中深層薄砂巖刻畫中的應(yīng)用[J]. 物探與化探，2023，47（2）：438-446.

Liu Qingwen， Li Jian， Qin Dewen. Application of the AVO Gradient-Based Spectral Bluing Technique in the Characterization of Thin Sandstones in Moderately Deep Strata[J]. Geophysical and Geochemical Exploration， 2023， 47（2）： 438-446.

[7] Kazemeini H S， Yang C， Juhlin C， et al. Enhancing Seismic Data Resolution Using the Prestack Blueing Technique： An Example From the Ketzin CO₂"Injection Site， Germany[J]. Geophysics， 2010， 75（6）： 101-110.

[8] Blache F G， Neep G J. Increasing Seismic Resolution Using Spectral Blueing and Colored Inversion： Cannonball Field， Trinidad[J]. SEG Technical Program Expanded Abstracts， 2004， 23（1）： 2586-2588.

[9] 楊瑞召，趙爭光，馬彥龍，等. 利用譜藍(lán)化和有色反演分辨薄煤層[J]. 天然氣地球科學(xué)，2013，24（1）：156-161.

Yang Ruizhao， Zhao Zhengguang， Ma Yanlong， et al. Thin Coal Bed Resolution by Using Seismic Spectral Blueing and Colored Inversion[J]. Natural Gas Geoscience， 2013， 24（1）： 156-161.

[10] 紀(jì)甜甜，張武，任紅，等. 譜藍(lán)化拓頻處理技術(shù)在春光區(qū)塊的應(yīng)用[J]. 非常規(guī)油氣，2015，2（3）：22-26.

Ji Tiantian， Zhang Wu， Ren Hong， et al. Application of Spectrum Bluing Frequency-Broadening Technique in Chunguang Block[J]. Unconventional Oil and Gas， 2015， 2（3）： 22-26.

[11] 劉建偉，高秋菊，師濤. 譜藍(lán)化技術(shù)在大王莊油田儲層預(yù)測中的應(yīng)用[J]. 復(fù)雜油氣藏，2016，9（1）：31-34.

Liu Jianwei， Gao Qiuju， Shi Tao. Application of Spectral Bluing Frequence Technology in Reservoir Prediction of Dawangzhuang Area[J]. Complex Hydrocarbon Reservoirs， 2016， 9（1）： 31-34.

[12] 李賢兵，趙俊杰，晉劍利，等. 疊前譜藍(lán)化提頻技術(shù)在乍得Baob油田儲層預(yù)測中的應(yīng)用[J]. 石油地球物理勘探，2020，55（6）：1343-1348.

Li Xianbing， Zhao Junjie， Jin Jianli， et al. Pre-Stack Spectrum Blueing Frequency Increasing Technique： A Case Study on Reservoir Prediction in Chad Baob Oilfield[J]. Oil Geophysical Prospecting， 2020， 55（6）： 1343-1348.

[13] 陳平，譚輝煌，秦童，等. 基于譜反演的譜藍(lán)化拓頻方法研究及應(yīng)用[J]. 東北石油大學(xué)學(xué)報(bào)，2021，45（5）：21-30.

Chen Ping， Tan Huihuang， Qin Tong， et al. Research and Application of Spectral Blueing Technology for Frequency-Broadening Based on Spectrum Inversion[J]. Journal of Northeast Petroleum University， 2021， 45（5）： 21-30.

[14] 肖裕鋒，曹俊興，付京城，等. 基于VMD的疊前譜藍(lán)化方法研究與應(yīng)用[C]// 2022年中國石油物探學(xué)術(shù)年會論文集. 成都：成都理工大學(xué)，2022：947-950.

Xiao Yufeng， Cao Junxing， Fu Jingcheng， et al. Research and Application of Prestack Spectral Blueing Method Based on VMD[C]// Proceedings of the 2022 China Petroleum Geophysical Exploration Annual Conference. Chengdu： Chengdu University of Technology， 2022： 947-950.

[15] 張璐，汪毓鐸. 地震數(shù)據(jù)分頻譜藍(lán)化算子計(jì)算方法及應(yīng)用[J]. 北京信息科技大學(xué)學(xué)報(bào)，2020，35（1）：63-68.

Zhang Lu， Wang Yuduo. Calculation and Application of Spectral Blue Operator of the Frequency Division Seismic Data[J]. Journal of Beijing Information Science and Technology University， 2020， 35（1）： 63-68.

[16] 張繁昌，蘭南英，李傳輝，等. 地震匹配追蹤技術(shù)與應(yīng)用研究進(jìn)展[J]. 石油物探，2020，59（4）：491-504.

Zhang Fanchang， Lan Nanying， Li Chuanhui， et al. A Review on Seismic Matching Pursuit[J]. Geophysical Prospecting for Petroleum， 2020， 59（4）： 491-504.

[17] 劉漢卿，羅明，孫輝，等. 應(yīng)用匹配追蹤算法的高分辨率處理方法[J]. 石油地球物理勘探，2022，57（6）：1325-1331.

Liu Hanqing， Luo Ming， Sun Hui， et al. High-Resolution Processing Method Based on Matching Pursuit Algorithm[J]. Oil Geophysical Prospecting， 2022， 57（6）： 1325-1331.

[18] 劉彩云，李夢迪，熊杰，等. 重力異常AlexNet深度神經(jīng)網(wǎng)絡(luò)反演[J]. 現(xiàn)代地質(zhì)，2023，37（1）：164-172.

Liu Caiyun， Li Mengdi， Xiong Jie， et al. Inversion of Gravity Anomaly Based on AlexNet Deep Neural Network[J]. Geoscience， 2023， 37（1）： 164-172.

[19] 薛瑞潔，熊杰，張?jiān)拢? 基于卷積神經(jīng)網(wǎng)絡(luò)的磁異常反演[J]. 現(xiàn)代地質(zhì)，2023，37（1）：173-183.

Xue Ruijie， Xiong Jie， Zhang Yue， et al. Magnetic Anomaly Inversion Based on Convolutional Neural Network[J]. Geoscience， 2023， 37（1）： 173-183.

[20] 徐春強(qiáng)，王晨杰，王蔚. 渤中凹陷北部中生界火山巖儲層發(fā)育特征及油氣成藏條件[J]. 吉林大學(xué)學(xué)報(bào)（地球科學(xué)版），2024，54（6）：1801-1814.

Xu Chunqiang， Wang Chenjie， Wang Wei. Development Characteristics and Oil and Gas Accumulation Conditions of Mesozoic Volcanic Reservoirs in the Northern Bozhong Depression[J]. Journal of Jilin University （Earth Science Edition）， 2024， 54（6）： 1801-1814.