预测地震的方法研究（通用12篇）
预测地震的方法研究 篇1
1 引言
喇嘛甸油田自1973年整体投产以来, 到目前已经经历了基础井网、层系调整、注采系统调整、二次加密调整和聚合物驱油等开发阶段。随着区块井网的不断加密和开发的深入, 地下地质情况越发复杂, 砂体的平面非均质性变得愈加强烈, 由于目前油气勘探开发的目标仍受地质构造、孔隙结构、孔隙流体等多种地质因素控制, 尽管利用钻井、测井等地质资料能够得到井孔及其附近很小范围内某一层段的岩性及含油气情况, 但是却无法描述井间储层情况。尤其是井网控制不住的窄小河道砂体的展布特征。因此, 本文提出利用包含丰富储层物性信息的地震资料, 发挥地震横向分辨率高的优势, 根据研究区的实际地质情况, 以地震属性为出发点进行属性优选, 建立多种属性与地质参数之间的关系, 准确地识别河道砂体的沉积特征及其分布范围, 提高河道砂体的预测精度。
2 储层地质特征与地震反射特征
2.1 研究区储层特征
喇嘛甸油田的储集层主要由细砂岩、粉砂岩和泥质粉砂岩构成, 在纵向上砂岩与泥岩呈层状交互分布。储集层颗粒相对较粗, 磨圆度较差, 泥质胶结, 胶结类型为接触式胶结。储层孔隙吼道半径中值为6μm~12μm, 有效孔隙度为25%~28%, 原始含油饱和度为65%~70%。喇嘛甸油田发育萨尔图、葡萄花和高台子三套含油层系, 同大庆长垣上其它油田一样, 均为陆相砂泥岩沉积, 总厚度达390m, 从上到下钻遇8个油层组, 37个砂岩组, 97个小层。通过岩芯分析和测井、录井资料分析表明:“喇嘛甸油田储集层大部分以河流三角洲沉积为主, 有效孔隙度25.0%~27.0%”。典型区块选在喇嘛甸油田北北块二区, 构造上位于喇嘛甸油田短轴背斜构造的北端, 包括西部油水过渡带, 面积约11.4km2, 总井数748口。
2.2 储层地震反射特征
通过井震结合层位标定, 确定了地质地震层位的对应关系, 在萨尔图油层表现为6个波峰, 第四个波峰表现为强振幅高连续反射, 代表SII油层组, SII油层组顶对比追踪该相位的强波峰极大值点。在对北北块二区井震结合地质层位精细标定的基础上, 确定了SⅡ7+8沉积单元整体的反射特征为SⅡ组顶面反射下面的第一个波峰, 储层砂岩地震主要的响应范围在以波峰为中心的10ms范围内。
2.3 地震属性提取
地震属性是根据地震记录测量或计算出的一些参数, 如振幅、速度、频率等等, 是从地震数据中提取出来的几何学、运动学、动力学或统计特征的具体测量, 它是储层参数横向预测的重要手段。在对SⅡ7+8进行井震结合精细追踪的基础上, 以砂岩厚度等值图为约束, 在地震剖面上利用该目的层进行控制, 在合理范围内反复尝试不同时窗, 经反复对比, 提取出能反映该层位砂岩分布趋势的地震属性。
2.4 地震属性分析优选
地震属性优选就是利用人的经验结合数学方法, 优选出对所要解决的目标问题最有效的且相互之间独立的地震属性及其组合, 从而提高储层参数预测的精度。
(1) 初步地震属性筛选:综合地质、测井等方面的资料对属性进行分析, 优选出具有较为明确的地质意义的属性。
(2) 进一步优选地震属性:原理是利用一元线性回归方法判断各种地震属性与储层参数之间的线性相关性, 根据相关系数的大小优选属性。对地震属性与目的层的砂岩厚度进行交汇, 分析单属性与砂岩厚度的相关性, 优选出相关性较高的地震属性集。
(3) 确定较好的属性子集:对于地震属性与砂岩厚度相关系数相近的同类地震属性进行互相关分析, 将相关值较大的地震属性进行择一选择, 以确保用于储层参数预测的地震属性具有一定程度的相对独立性。经验证振幅类和频率类属性与砂岩厚度相关性较好, 结合各种属性的平面分布特征, 优选出三种属性参与砂岩预测。
3 实例结果
基于地震属性的储层预测就是借助地震为横向约束, 利用测井资料解释的储层岩石物理参数与经过优化选的地震属性进行定量相关计算, 从而通过地震属性把井点的数据向外推到井间, 获得从井点推广开的储层物性横向分布图。
通过数据统计该研究区SⅡ7+8钻井钻遇最大砂岩厚度为7.2m, 远小于地震理论分辨率λ/4 (速度为2500m/s, 主频为45Hz, λ/4=2500/ (4×45) ≈13.9m) , 因此各种地震属性与储层厚度的相关关系并不是很好, 但在理论上具有单一的函数变化关系。利用线性、非线性和协克里金方法分别进行砂岩厚度预测, 根据预测结果可以得出, 砂岩平面变化总体趋势比较相似, 但在细节上有一定的差异, 协克里金方法预测结果更加符合典型区块的地质规律。
4 结论
(1) 在储层预测中, 必须根据预测对象选取不同地震属性及其组合, 就本文而言, 预测砂岩厚度应选用振幅类和频率类属性。
(2) 通过对采用线性、非线性、协克里金方法预测效果的分析, 协克里金方法预测更有助于开展预测砂岩厚度工作。
摘要：为了准确刻画砂体的展布特征, 满足密井网条件下老油田精细调整挖潜的要求, 本文充分利用大庆长垣喇嘛甸油田信息丰富的3D3C地震资料, 以喇嘛甸油田北北块二区为例, 在建立了处理、解释一体化、大密度合成记录精细标定的基础上, 层位上选取地震信息丰富、沉积特征清晰的SⅡ7+8单元为例, 提取SⅡ7+8单元与储层信息相关的各种地震属性, 通过属性分析、属性优选等方法筛选具有较好信息质量的地震属性切片, 形成适合研究区目的层地质情况的最佳地震属性组合, 采用线性回归方法、非线性回归方法和协克里金三种方法拟合井点处的属性信息与井参数之间的线性函数关系和非线性函数关系, 进行合理的储层参数预测, 应用预测结果对研究区储层进行了分析和刻画, 提高了储层预测的精度。
关键词：喇嘛甸油田,地震属性,属性优选,储层预测
参考文献
[1]李操.基于地震属性的储层预测方法研究及初步应用[D].大庆:大庆石油学院, 2006[1]李操.基于地震属性的储层预测方法研究及初步应用[D].大庆:大庆石油学院, 2006
[2]李在光, 杨占龙, 刘俊田, 等.多属性综合方法预测含油气性及其效果[A].天然气地球科学, 2006, 17 (5) :727-730[2]李在光, 杨占龙, 刘俊田, 等.多属性综合方法预测含油气性及其效果[A].天然气地球科学, 2006, 17 (5) :727-730
[3]沈荣, 张宏建, 夏连军, 等.基于地震属性分析的储层预测方法研究[J].小型油气藏, 2008, 13 (2) :22-25.[3]沈荣, 张宏建, 夏连军, 等.基于地震属性分析的储层预测方法研究[J].小型油气藏, 2008, 13 (2) :22-25.
[4]季敏, 王尚旭, 陈双全.地震属性优选在油田开发中的应用[J].石油地球物理勘探, 2006, 14 (2) :183-187.[4]季敏, 王尚旭, 陈双全.地震属性优选在油田开发中的应用[J].石油地球物理勘探, 2006, 14 (2) :183-187.
[5]鲍祥生, 尹成, 赵伟, 等.储层预测的地震属性优选技术研究[A].石油物探, 2006, 45 (1) :28-33[5]鲍祥生, 尹成, 赵伟, 等.储层预测的地震属性优选技术研究[A].石油物探, 2006, 45 (1) :28-33
[6]倪逸, 杨慧珠, 郭玲萱, 等.储层油气预测中地震属性优选问题[J].探讨石油地球物理勘探, 1999, 34 (6) :614-626[6]倪逸, 杨慧珠, 郭玲萱, 等.储层油气预测中地震属性优选问题[J].探讨石油地球物理勘探, 1999, 34 (6) :614-626
预测地震的方法研究 篇2
浅谈预测地震的方法研究
过去的汶川地震所帚来的阴影仍然在我们的脑中挥之不去,而其带给我们的伤痛也是永远都无法弥补的.对于这场在无预警状况下发生的浩劫,我们感到研究地震的.预测预报,对我们人类进行防灾减史有着重要的意义.本文根据相关文献,就地震预测的方法进行一番研究和阐述.
作 者：许云磊 赵悦 汪健 刘云 武俊文 作者单位：中国矿业大学资源与地球科学学院,江苏徐州,221116刊 名：科技资讯英文刊名：SCIENCE & TECHNOLOGY INFORMATION年，卷(期)：“”(2)分类号：P315关键词：古三论 GPS 水平测距 重力异常
预测地震的新法宝 篇3
GPS全称Global Positioning System，译为全球卫星定位系统，主要在精确定时、工程施工、勘探测绘、导航、定位及授时等方面发挥作用。同时GPS也是我们个人旅游和野外探险的好帮手。最近，有日本的学者提出GPS具有另一大功用——预测地震。
来自日本北海道大学的北岛康介教授在接受英国BBC记者采访时表示,他相信自己已经找到了预测地震的新方法。北岛康介教授通过测量大气层上部的TEC值（Total Electron Content, 电子总含量）来分析GPS的信号。当他在测定和分析2011年日本东北部大地震之后的TEC值时偶然发现了在地震发生前的40分钟，TEC值已经受到了声波的干扰。于是，北岛康介教授以TEC值作为y轴，时间作为X轴建立直角坐标系，以2011年日本东北部的大地震时间作为分界线，如果没有地震发生，TEC值与时间所组成的函数关系图像是一段类似于抛物线的平滑曲线，但地震发生后，曲线变为折线，并且在地震发生前的40分钟就已经出现了这样的变化。北岛康介教授在回顾了相应的GPS记录后发现其他大地震也存在这样的现象，因此他认为这可能是预测大地震来临的一项重大突破。
通过GPS提前预测大地震的来临能够挽救许多无辜者的宝贵生命，相信随着科学技术的发展，类似去年发生在日本的大地震造成大量人员和财产的损失的悲剧就不再会重演。
韩俊杰/编译
内容来源：BBC Science& Environment
基于遗传神经网络的地震预测研究 篇4
关键词：神经网络,遗传算法,震级预测
0 引 言
人工神经网络(Artifical Neural Network)是近年来再度兴起的一个研究领域。1986年由Rumelhart D E等提出的误差反向传播算法BP算法具有很强的处理非线形问题的能力,由于在本质上是梯度下降算法,所要最小化的目标函数又比较复杂,所以它具有以下三个缺点[1]:1)学习过程收敛速度慢;2)容易陷入局部极小点;3)对初始权值极为敏感。针对BP网络的缺点,需要一种适合于存在高维数及多个局部极小点的空间进行全局搜索的方法。1975年由Holland教授提出的遗传算法(GA),以其独特的特性,使得对上述问题的解决有了希望。
遗传算法[2]是模拟达尔文的遗传选择和自然淘汰的生物进化过程的全局性概率搜索算法。它具有自适应性、全局优化性和隐含并行性,体现了很强的解决问题的能力。充分发挥它们的长处,将两者结合是目前一个十分活跃的研究领域。[3,4,5]
地震产生机理的复杂性、孕育过程的非线形性和认识问题的困难性,使得地震预测至今仍是世界上的一大科学难题。近年来,神经网络技术已开始应用于地震分析、分类、预报、震害预测等各个方面[6]。地震预测必须包括发震的地点、时间和震级这三个参数,其中震级[7]是最难预测的。理论上震级与震源体积或发震断层的大小成正比,但现在没有一种探测技术能事先较准确地估计这个尺度,以及它与震级之间的定量关系,预测实践中主要依靠历史地震和经验。
利用具有全局搜索能力的遗传算法来弥补BP网络的不足,优化神经网络的连接权值和阈值,将具有全局搜索能力的遗传算法和具有深度搜索能力的BP算法相结合实现地震震级预测建模。
1 BP网络的基本理论
1.1 BP网络结构
BP网络是一种单向传播的多层前向网络,可以实现输入空间到输出空间的非线形映射,实现从n维至m维欧氏空间映射。具有三层或三层以上的神经网络,一般包括输入层、隐含层、输出层。该方法的数学原理和推导方法见文献[8]。
1.2 BP网络学习规则
(1) 前向传播阶段
从样本中取一个样本(Xp,Yp),将Xp输入网络;计算相应的实际输出Op。在此阶段,信息从输入层经过逐级的变换,传送到输出层。这个过程也是网络在完成训练后正常运行时的执行过程。在此过程中,网络执行下列运算:
Op=Fn(…(F2(F1(XpW(1))W(2))…)W(n)) (1)
(2) 向后传播阶段
计算实际输出与相应的理想输出Yp的差;按极小化误差的方式调整权值矩阵。这两个阶段的工作一般应受到精度要求的控制,在这里定义:
作为网络关于第P个样本的误差测度。而将整个样本集的误差测度定义为:
E=∑Ep (3)
2 基于遗传算法的神经网络模型的建立
2.1 基本思想
改变BP算法依赖梯度信息的知识来调整网络权值的方法,是利用遗传算法以较大概率搜索到全局最优点区域的特点,寻找最为合适的网络连接权值和阈值。并在此基础上利用BP算法的深度搜索特性,进一步优化网络进行求解。
2.2 实现步骤
(1) 定义遗传算法优化神经网络的数学描述:BP神经网络中间层结点个数的确定是一个很棘手的问题,至今未有一个通用的公式。针对三层网络模型进行了不同结点个数的100步和300步的训练。其中图1为训练100步时不同中间层结点个数与网络总的误差之间的关系。由图1可知结点个数如果取得太小,则全局误差(见公式(3))太大,不能满足要求。如果取得太大,则将造成隐含层结点数的大量冗余。因此结点个数取15-25之间即可,不仅可以满足误差要求而且较稳定。在此取18个隐含层结点个数。由于样本个数有限,将网络预测速率设置为0.7,网络训练预定误差为ε=0.1,当总体误差(见公式(3))小于ε或训练达到指定代数时训练结束。
其中:w为隐含层至输入层的权值,v为输出层至隐含层的权值,θ为阈值向量,r为输入向量,N1为训练样本个数,yk(t)为期望输出,y′k(t)为实际输出。
(2) 由于遗传算法在优化过程中是以目标函数最大值作为其适应度函数的,故可定义适应度函数为:
(3) 对解空间进行编码,其中生成的码串由权重系数码组成。权重系数码主要控制网络的连接权,采用浮点数编码,串长l取:
l=IN×HN+ON×HN+ON+HN (5)
其中IN、HN、ON分别为网络的输入层、隐含层、输出层的神经元个数。
(4) 初始群体由L个个体构成,由于在网络中使用了Sigmoidal为各结点的激活函数,为了使网络有更好的映射能力,在此将每个个体由在区间[-0.4,0.4]上的l(见公式(5))个均匀分布随机数组成。
(5) 计算每个个体的适应度,权重系数和阈值系数分别得到网络的连接权值和阈值,然后输入训练样本,按照适应度函数计算每个个体的适应度,并进行排序。
(6) 保留群体中适应度最高的个体,不参与个体的交叉与变异运算,而直接将其复制到下一代。对群体中的其它个体,采用轮盘赌选择法进行选择,并淘汰适应度最低的两个个体。
(7) 以pc的概率对选择后的个体进行交叉。设在第i个个体与第i+1个个体进行交叉,这里交叉算子设计如下[9]:
其中X
(8) 以pm的概率对交叉后的个体进行变异。设对第i个个体进行变异,变异算子设计如下:
X
其中X
(9) 生成新的一代群体。
(10) 反复进行迭代,直到第K代(预设的最大迭代次数)。
(11) 将第K代中的适应度最高的个体进行解码得到相应的网络权值,作为网络的初始权值和阈值。
(12) 重新用BP网络算法训练网络,直到满足误差要求或达到迭代次数,输入检验样本,检验模型的泛化能力。
3 参数设置与震级预测
3.1 样本的采集与处理
以我国西南某地震常发地区的地震资料[10]作为样本来源,实现基于优化神经网络的地震预测模型的建立。根据这些地震资料,提取7个预报因子和实际发生的震级分别作为输入向量和目标向量。采用以下预报因子:
① 半年内实际震级≥3的地震累计频度;
② 半年内能量释放积累值;
③ b值;
④ 异常地震群个数;
⑤ 地震条带个数;
⑥ 是否处于活动期内;
⑦ 相关地震区地震震级。
其中对文献[10]中所提供的14个样本数据,取10个为训练样本,并对另外的4个样本数据进行预测,并与文献中的预测结果进行了比较。
3.2 神经网络结构设计
由于预测因子有7个,即训练样本为7维的输入向量,因此输入层设置7个神经元;同时以震级预测为目标,输出层神经元的个数为1。
3.3 遗传参数设置
由于遗传参数的设置也往往借助于人们在实际应用中的经验,同样采用实验的方法找出能使网络性能尽可能达到最优的参数组合。按照经验分别对表1中的参数组合进行了实际的测试。
经多次实验得出,当种群的大小为20,交叉概率为0.8,变异概率设为0.006,进化代数为20代时所得到的预测结果是最理想的。
3.4 模拟结果
把通过神经网络得到的预测结果与遗传神经网络得到的预测结果进行比较(见图2、图3)。
分析图2、图3可知:在训练到相同误差的情况下,经过遗传算法优化后的BP神经网络的收敛速度有很大的提高,而且不易陷入局部极小点。在此对测试样本进行了预测,由实验结果可知,通过遗传算法优化后的神经网络不仅学习速率快,而且预测精度总体比优化前高(见表2)。
4 结 论
地震预报是地理问题研究领域中一个重要课题,将遗传算法结合BP神经网络的融合算法用于地震预测领域中的震级预测,取得了较理想的结果。研究得出将遗传算法和神经网络相结合而建立的遗传神经网络模型,具有灵活而有效的学习方式,能较好地克服BP神经网络收敛速度慢、极易陷入局部最小点的缺点,在解决非线形复杂系统中的问题时具有较强的适应能力。
参考文献
[1]张铃,张钹.神经网络中BP算法的分析[J].模式识别与人工智能,1994,7(3):191-195.
[2]Davide EG.Genetic Algorithms in search.Optiminization&Machine Learning,U.S.A:Addison Wesley,1989:1-88.
[3]陈国良,王熙法.遗传算法及其应用[M].人民邮电出版社,1996.
[4]赵正佳,黄洪钟.优化设计求解的遗传—神经网络新算法研究[J].西安交通大学学报,2000,35(1):65-68.
[5]李敏强.遗传算法和神经网络的结合[J].系统工程理论与实践,1999(2):65-69.
[6]冯得益,郑熙铭,汪德馨.神经网络在短期地震跟踪预报中的应用[J/OL].华北地震科学,1995,12(2).
[7]高祥林.实现地震预测的可能性和地震预测技术的探索方向[J/OL].国际地震动态,2005,2.
[8]Jin Long,Luo Ying,Guo Guang,et al.Study on mixed model of neural networks for farm landfloor/drought prediction[J].Acta Meterological Sinica,1997,11(3).
[9]吴建生,金龙,农及夫.遗传算法BP神经网络的预报研究和应用[J/OL].数学的实践与认识,2005,1.
预测地震的方法研究 篇5
介绍了美国中加州帕克菲尔德(Parkfield)地震预报实验场的建设、运行和试验场工作期间发生的206级地震的情况.着重阐述了在实验场20多年的地震预测研究中遇到的一系列科学同题以及一些新的认识.这些科学认识包括:对活动构造破裂分段的研究是地震长期预测的`基础;无震滑动是地震预测中的一大难点和障碍;地震复发模型具有的相当大的不确定性且在预测应用上有很大的局限性;地震前兆的复杂性、差异性及其对地震预测中常用原则--前兆异常重现性和相似性的挑战等.这些认识对地震预测研究与实验场建设有一定的启示意义.
作 者：张国民 钮凤林 邵志刚 作者单位：张国民,邵志刚(中国地震局地震预测研究所,北京复兴路63号,100036)
钮凤林(Department of Earth Science, Rice University, Texas 77005, USA)
未来的地震预测会更精确 篇6
作为一种正在探索之中的地震监测预报技术，地震卫星将在地震监测预报中发挥重要的作用.
InSAR技术
卫星预测地震的方法有好多种，它们显示了预测地震先兆的巨大潜力.使用一种名为数据融合的方法，科学家可将两幅拍摄于不同时间的地质构造带上的卫星雷达图像重合起来，能发现地壳表面上出现的任何细微变化，这种方法被称为干涉测量合成孔径雷达技术，简称InSAR.这种技术的灵敏度极高，哪怕地表的移动每年只发生了1 mm也能被侦测出来. InSAR使科学家获得了对大地前所未有的观察能力，所以因应力作用而反应在地表上极其细微的变化也很难逃过他们的眼睛了.
美国将用20年时间布设一个全球卫星网，这个简称GESS的全球地震卫星系统的任务，是监测全球地震带上的地表变形情况，从而发现地震前可能出现的地壳变形征兆.这个系统包括两颗轨道高度为1000 km的低轨卫星、一些中轨卫星和定点卫星.通过使用InSAR数据，科学家将最终能对某个特定地震带下地壳应力聚集程度作出判断，从而作出一种按月发布的“危险评估”.地震学家将来也许能够发出比现在更加精确的预报.
奇怪的热异常现象
另一种使用红外辐射的卫星地震预测技术也同样深受科学家们的青睐.20世纪80年代和90年代，我国和俄国的科学家在研究亚洲地震时都注意到了一种奇怪的热异常现象.1998年1月10日，我国河北省张北、尚义县境内发生6.2级地震.在地震发生前，热传感器测出地表的温度出现明显变化，其幅度达到6℃~9℃，这一现象使科学家坚定了使用测温技术预测地震的信心.而使用装配着红外辐射照相机的人造卫星则可以通过侦测红外辐射，从太空中监视地表上的热点，其监测范围很广，精确度很高.2001年1月26日，印度西部的古加拉特邦发生地震，有热异常显示的警告在这次地震发生前夕就出现了，科学家在卫星收集的数据中发现了这一异常现象.在这次地震前，该地区温度升高了4℃.
是什么因素导致了在高压下的岩石散发出热量呢？科学家将一块花岗岩放在1 500 t的压力下以模拟地表几千米之下的环境，高灵敏度的摄像机和监控装置探测到了预计中的红外辐射.与此同时，他们还发现在岩石的表面产生了电压，这使得科学家们相信那些辐射是与电流有关的.
在一般情况下，岩石是绝缘体，然而当处在巨大的压力之下时，它们有时会变成半导体.岩层承受足够大压力之后会产生电流，变成一个蓄电体，那些电流通过地层传输到很远的地方，这个过程使得岩石产生了红外辐射.这个理论已被一些实验所证实，而有关地震来临前的怪异现象，如天空中的莫名光亮、人体晕眩、动物反常举动、水位变化等或许可以用这个理论来解释.
地球磁场与地震
在岩石上的电流也许还能解释另外一种奇异的现象.科学家偶然发现在大地震到来前地球磁场会产生一种细微而缓慢的波动.1989年，美国发生洛马-普雷塔大地震，地震震级为7.1级，约62人死亡，超过3 700人受伤，经济损失达60亿美元.在地震发生的前两周，磁力计记录下了低频磁信号一下子猛升到正常水平的20倍，而在地震发生的前一天，这个数值又有了攀升.
同样，这些低频磁信号是如何发生的，人们没有一个确切的解释，不过它们可以用来预测地震.科学家相信这种微弱磁信号能被地球上空的低轨道卫星探测到.他们决定研制一种使用磁力计在太空中监测低频磁信号的卫星.事实上，地面传感器已经在侦测这种信号了，因为使用卫星具有明显的优势，它可以覆盖更广阔的地区.2003年6月30日，一颗地震预测卫星被送入高度约600 km的环地球轨道.科学家相信，由地表产生的低频磁信号穿过平流层和电离层后足以达到那样的高度.
科学家承认，不论是使用InSAR技术，借助红外辐射侦测热源，还是探测低频磁信号，使用卫星预测地震还有很艰难的道路等待着人们去跋涉，但随着新技术的逐步发展，这种建立在新兴前沿科技基础之上的地震预测技术一定会有越来越广阔的前景.
预测地震的方法研究 篇7
1 地震热红外成因机理
地震热红外成因机理是研究地震热红外异常的重点难点, 加之地震孕育机理和地震热红外异常的复杂性, 人们对地震热红外成因认识是一个逐渐清晰的过程。目前该领域的研究者逐步形成的理论有:地球放气温室效应理论、地球放气温室效应-大气耦合机理、气热说和“应力-耗散热”地温前兆机理模式。
Zhang等[1]在地球放气温室效应理论基础上对汶川地震热红外异常进行研究后提出了“地球放气温室效应-大气耦合”机理。认为在区域应力积累快速增加、区域活动构造和地质环境影响下, 形成地球放气温室效应, 加之区域大气水汽含量作用产生大气耦合而产生热红外异常。
强祖基等[2]通过混合气体 (CO2和CH4等) 在瞬变电场和太阳辐照上增温实验基础上提出了“气热说”的地震热红外异常成因机理, 即低空大气卫星热红外增温的机制。初步认为在中强地震前热红外增温异常需要满足气体突发释放与静电场突变同时出现的条件。
王庆良[3]通过理论分析、实测资料对比并结合岩石力学实验结果, 提出了“应力-耗散热”地温前兆机理模式。认为地震发生时, 地壳应力场对岩土介质非弹性变形做功而产生耗散热, 所以震前的地温异常应在土层覆盖地区表现得最为明显, 且主要集中在浅层土层内, 形成所谓的“热罩”现象。
2 热红外遥感在地震预测中的应用研究
随着航空航天技术的发展, 卫星热红外遥感用于地震预测预报中已成为历史发展的必然。地震导致热红外辐射异常是1988年前苏联学者Gorny、Tronin等分析中亚地区的地震卫星热红外遥感图像时意外发现。随后我国科学界关于这方面的研究迅速展开, 尤其是将这一方法用于地震预报[1], 并且取得了不小的成就。
郭卫英等[4]利用NOAA卫星长波辐射 (OLR) 月际资料, 对2007年5月5日西藏日土—改则6.1级地震前后的OLR资料分析。结果发现在震前的2个月, 震中附近地区出现明显的高值辐射变化, 其高值中心位于阿尔金断裂和西昆仑地震带的交汇部位, 异常形态呈孤立的“V”字形, 分析认为这种现象可能与地震前的热动力状态有关。唐春丽等[5]以卫星热红外遥感产品的两种参数—长波辐射强度 (OLR) (月际资料) 和亮度温度 (日际资料) 为基础, 对2001年11月14日昆仑山口西8.1级地震前后的卫星热红外变化特征进行了分析。结果表明, 在地震发生前一个月, 长波辐射强度 (OLR) 出现增强异常;震前6-7天出现亮度温度增强, 异常现象在空间分布上呈条带状, 与震中区的构造分布一致。
张元生等[6]用静止卫星红外遥感亮温资料, 对2008年汶川8.0级特大地震进行了再次研究。结果表明, 在大地震发生之前亮温变化存在明显的特征周期和振幅, 发震区域位于异常区边缘或异常区内的活动断层上, 发震时间位于最大特征幅值之后的35d内。郭晓等[7]以静止卫星长波辐射资料为数据源对芦山7.0级地震研究, 表明芦山地震前龙门山断裂带上及其西北地区出现了明显的长波辐射功率谱信息异常现象, 震后6天这种异常现象达到极值。随后异常面积开始缩小, 异常幅度也在下降, 至5月下旬这种异常现象基本消失。地震前后的热异常分布可能反映了应力集中和调整变化。根据异常的演化过程, 结合断裂带分布, 可以估计发震的可能区域范围。
倪晓寅等[8]根据MODIS卫星热红外数据, 利用透热指数法和亮温增温异常点比值法, 分析福建地区地震震前的热红外时空异常变化。发现透热指数与福建地区中等地震有较好的对应关系, 而地表的亮温增温异常区与未来发生的地震震中较为接近。
汤懋苍等[9]对近30年出现在中国西部及邻区的14次MS≥6.9强震前1年多内的地温场和降水场进行了分析。表明在震前1年左右, 东亚地区出现干热异常, 持续时间约为2-6个月, 最大干热面积达2-4×106km2。在震前0-2个月应变波的波长停止缩短, 振幅变小, 且波动方向有一个近90°的旋转, 是“应变弱停”的表现。提出了强震成因的假设:地外核中有一股热力极不稳定的Benard上升流体对其上的壳幔层形成顶托, 造成地温升高, 对流热传导系数变小, 形成干热异常, 岩石圈中脆性层的应力不断增大, 致使出现不稳定波 (应变波) 。出现“应变弱停”时意味着强震即将爆发。
目前的研究取得了可喜的成就, 并且为以后在地震预报中有效应用卫星热红外遥感技术奠定了较好的实践基础, 但是还存在一些不足之处, 比如对地震热异常与震级大小的关系的研究甚少, 这些将成为未来我们研究的重点。
3 未来的研究重点及展望
众所周知, 由于受各种主观客观条件影响, 目前的研究还存在各种问题。针对存在的问题确定以后的研究重点如下:利用大气观测数据的同时, 充分考虑如何去除大气辐射的影响。进一步加强地震热红外成因机理研究, 加强各种综合成因研究。在众多影响因素中找出主要因素, 研究各类数据的综合处理方法。极轨气象卫星与静止气象卫星存在较大差异, 在地震监测实际应用中, 具体选用卫星和使用遥感资料时应进一步分析分辨率、通道 (波段) 特性利用、大气影响、OLR产品的特点。地震热异常提取方法和异常识别指标的研究不够深入和具体, 也是研究的难点和关键点。
在短短的二三十年间, 遥感技术的快速发展为地震观测研究提供了大量的资料, 国内外大量学者的研究成果为深入开展卫星热红外遥感地震研究奠定了坚实的基础。考虑到中国的自然地理环境 (大陆西北部地区无云天多, 地震频度高、强度大) 和社会经济条件 (人烟稀少, 交通不便, 地震监测能力差) , 认为在西部开展卫星遥感热红外资料在地震预报中的应用研究具有十分重要的实际意义和广阔的应用前景。
摘要：本文介绍了目前地震热红外成因机理的重要理论, 在此基础上对热红外遥感在地震预测中的应用现状进行了相关分析。认为我国在这方面的研究取得了可喜的成就, 但是还存在一些不足, 不能很好地满足实践的需要, 为此分析了未来的研究重点以及该领域的发展前景。
关键词：热红外遥感,地震预测,卫星红外异常
参考文献
[1]Zhang Y S, Guo X, Zhong M J.et al.Wenchuan earthqua ke:brightness temperature changes from satellite infrared information[J].Chinese Science Bulletin, 2010, 55 (18) :1917-1924.
[2]强祖基, 孔令昌, 王弋平, 等.地球放气, 热红外异常与地震活动[J].科学通报, 1992, 37 (24) :2259-2262.
[3]王庆良, 王文萍, 梁伟锋, 等.应力-耗散热地温前兆机理研究[J].地震学报, 1998, 20 (5) :529-534.
[4]郭卫英, 王琼, 温和平, 等.西藏日土-改则6.1级地震前的OLR值异常变化[J].内陆地震, 2007, 21 (4) :311-315.
[5]康春丽, 陈正位, 陈立泽, 等.昆仑山8.1级地震的热红外前兆特征分析[J].西北地震学报, 2003, 25 (1) :12-15.
[6]张元生, 郭晓, 钟美娇, 等.汶川地震卫星热红外亮温变化[J].科学通报, 2010, 55 (10) :904-910.
[7]郭晓, 张元生, 魏从信, 等.芦山M_S7_0地震长波辐射异常现象[J].地震学报, 2013, 35 (5) :731-737.
[8]倪晓寅, 林世敏, 陈莹, 等.福建地区MODIS卫星热红外资料异常分析[J].华南地震, 2008, 28 (4) :93-103.
预测地震的方法研究 篇8
在寓言中,骆驼负重已经达到了临界状态,加一根稻草和减一根稻草对于骆驼来说是有天壤之别的:减一根稻草,骆驼会感觉少许轻松,而加一根稻草骆驼就会被压垮;而在负重很小的情况下,骆驼对于加减一根稻草却有相似的反应,少许加重或者少许轻松.同样道理,如果把地壳比作骆驼的话,当进入大地震前的临界状态,地壳对于加载和卸载的响应也会有着巨大的差别.正是基于这个道理,尹祥础提出加卸载响应比理论,来为地震预测提供一条新的途径.
地震是极具破坏力的自然现象,地震造成的人员伤亡和财产损失是非常巨大的,进行地震预测、预报是减少地震破坏力的最有效的方法之一.地震的孕育过程是极其复杂的,但从力学角度看,其物理实质在于震源区介质的损伤、失稳和破坏,地震的孕育过程就是震源区介质的损伤、演化、破坏过程.图2是典型的岩石的本构曲线,本构关系表征受到外载时,材料的各力学量之间的关系.图中纵坐标表示载荷P,横坐标表示响应R,在一维应力应变状态下即是相应的应力和应变.如果使材料的受力单调增加,材料将分别经历弹性变形(A)、损伤(B)、失稳(C)等过程.弹性变形的本质特征为其可逆性,即加载过程和卸载过程是可逆的(加载和卸载沿同一条曲线变化);损伤过程的本质特征与弹性过程相反,具有不可逆性(加载和卸载不沿同一条曲线变化),这种差异反映了材料的损伤或劣化的程度.加卸载响应比理论的出发点即基于此.在加卸载响应比理论里面,首先要定义两个基本的参数.
(1)响应率:设载荷增量为△P,相应的响应的增量为ΔR,定义响应率X为
(2)加卸载响应比:令X+和X-分别代表加载与卸载时段的响应率,则加卸载响应比Y定义为
对于弹性变形,X+=X-,因而Y=1.而对于损伤过程,X+>X-,Y>1;当系统失稳时,Y→∞.
而将加卸载响应比应用于地震预测要解决3个主要的科学问题.
(1)如何对地壳进行加载和卸载
整个孕震区的线尺度可达几百甚至上千公里,对这样巨大的系统进行加卸载,显然不是目前人力所能及的.好在大自然正好为我们提供了这样的条件,这就是日、月运行产生的引潮力.日月引潮力的周期性变化就实现了对地球的周期性加载和卸载.
(2)如何判断加载和卸载
根据大量实验研究,对于岩石材料,库仑准则是最适用的.根据库仑准则,断层面上的库仑应力(有效剪应力)为
其中,f,τn和σn分别代表断层面的内摩擦系数、剪应力和正应力.ΔCFS>0判断为加载,反之,ΔCFS<0判断为卸载.
众所周知,地壳应力σij包含构造应力和潮汐应力.由于构造应力的量级(106～108Pa)远远高于潮汐应力的量级(103～104Pa),因此可以认为地壳应力的主方向和构造应力的主方向是一致的.然而,由于潮汐应力的变化率远远大于构造应力的变化率,因此库仑破裂应力的增量(ΔCFS)主要是由于潮汐应力引起的.地壳的弹性变形可以通过对6个一阶偏微分方程求解得到.采用龙格-库塔数值计算方法,可以计算出任何截面上的潮汐应力分量.这样在法线方向为n的断层面上的正应力和剪应力就可以通过应力张量的坐标转换得到,然后根据式(3)就可以很容易的计算出库仑破裂应力增量(△CFS).
(3)如何选取响应
在地震学中可以用地震能量,在实验中用声发射能量来定义加卸载响应比Y.选取地震能量作为响应,定义加卸载响应比Y为
式中,E,为地震能量,“+”和“一”分别代表加载和卸载,m为一个0～1之间的常数,m=1时,是该次地震的能量;时,即为地学中熟知的贝尼奥夫应变;及时,分别代表震源体的线尺度和面尺度;m=0时,加卸载响应比定义为加载地震跟卸载地震次数的比值.N+和N一分别为所研究时段加载和卸载地震的总数.
解决了这3个问题以后,就可以将加卸载响应比应用于实际的地震预测.在强震发生前加载响应大于卸载响应,加卸载响应比出现异常,从而为地震预测提供重要的依据.加卸载响应比提出以来取得了较好的效果.2004～2007年期间92%的震级M≥5的地震,都落在LURR预测区内.关于汶川地震,在震前做过一定程度中期预测,但临震前没有做出正确判断,震后对地震序列判断正确并且成功预测了几次余震(正式填写预报卡).2008年中国大陆发生的8次6级以上地震,除2次发生在西藏等缺乏资料地区的地震外,都符合LURR的规律.
根据大量的研究,发现加卸载响应比在地震发生前的一般演化规律为:在地震孕育初期,加卸载响应比值Y在1附近波动,在强震来临的时候,加卸载响应比值发生异常,升高、达到峰值、然后回落,即在主震发生的前夕,加卸载响应比会迅速下降,然后地震发生.图3为典型的加卸载响应比Y(即LURR)的演化曲线.南加州1989年地震发生前,加卸载响应比突然上升,然后下降,到年底(红色箭头所指的时间)即发生了6.9级强地震.
图4为加卸载响应比在汶川地震余震预测中的应用.横轴为时间,黑色点的纵轴为响应比的值,红色竖线的纵轴为发生余震的震级M,水平的蓝色虚线代表响应比为1的边界,虚线上面的点为异常点.由图中可见,加卸载响应比的预测效果比较好,跟汶川地震余震的对应情况比较好.
预测地震的方法研究 篇9
元坝地区位于四川盆地东北部,属于扬子板块的北缘;北邻米仓-大巴前陆冲断带,东接川东高陡构造带,西为龙门山前陆盆地,处于川北坳陷与川中隆起的过渡带。前人的研究成果表明,元坝地区大安寨段属于湖泊相沉积。其中元坝101井、元坝102井、元坝11井及元坝2井等多口钻井在大安寨段见良好的气显示。经钻井揭示储层岩性以介壳灰岩为主。介壳灰岩的分布主要受沉积相的控制。本次研究在沉积学规律的控制下运用地震沉积研究方法,将大安寨段地震相-沉积相分析作为研究的重点,通过地震相分析,运用地震振幅切片技术,结合钻井的精细岩性标定,预测浅湖介壳滩微相的分布范围。
1 湖泊相特征描述
元坝地区大安寨段属于湖泊相沉积,其中介壳滩主要位于浅湖亚相区。在此有必要对湖相尤其是浅湖亚相沉积特征进行描述。
湖泊是指陆地相对洼地,并聚集了流水形成广泛的水域的地区,湖泊沉积体系是陆上沉积物和化学沉淀的主要场所,主要为处于低洼地区的湖泊拦截了由河流搬运的大量沉积物,并可分为硅质碎屑湖泊和碳酸盐岩湖泊两种类型。根据湖泊沉积物的特征,可将湖泊划分为两种类型,即硅质碎屑湖泊和碳酸盐岩湖泊。生物介壳灰岩大量出现在研究区该段,表明研究区大安寨段为陆相碳酸盐岩湖泊沉积。根据湖水深度和所在位置可以将湖泊沉积划分出滨湖、浅湖、半深湖和深湖亚相[1,2,3,4,5,6](表1)。
1.1 滨湖亚相
滨湖亚相其平面上位于洪水岸线与枯水岸线之间,为湖泊沉积相的重要类型之一,其时常受到湖平面升降影响,时而出露水面,时而被湖水淹没。滨湖亚相宽度变化相对较大,主要受滨湖湖岸的坡度以及洪水位与枯水位间的水位高差影响。滨湖亚相区的沉积物类型比较复杂,由于该亚相区为碎屑物质经过河流的搬运作用首先沉积区,沉积物以砾、砂、泥为主,该亚相的沉积物由于接受河流与湖泊的双重改造作用,其结构成熟度和成份成熟度通常较高,同时由于本区域为富氧环境,沉积物总体以接受氧化作用为主。滨湖亚相在测井曲线上的形态特征为低幅柱型夹指型。砂岩粒度概率累计曲线为低悬浮二段式[4,5,6]。
1.2 浅湖亚相
浅湖亚相属于湖泊沉积的浅水区域,但始终位于水下,由于受到波浪和湖流作用,其水体循环良好。在平面上的位置夹于滨湖亚相和半深湖亚相之间,处于枯水期最低水位线至浪基面深度之间的地带,由于该水体仍然较浅,受较强的湖浪作用改造,并且氧气和阳光均比较充足,透光性好,各种动植物种类繁多。植物有各种藻类和水草,动物主要有淡水腹足、双壳及节肢等。浅湖亚相的岩性主要泥岩和砂岩构成,颜色呈浅灰及浅绿色,并常见生物碎屑灰岩。川东北元坝地区大安寨段该种沉积环境特征明显,碳酸盐岩介屑滩沉积在该地区大安寨段大量发育(如图1)[4,5,6]。
1.2.1 浅湖砂坝微相
当湖泊的陆源碎屑供给充分时,浅湖砂坝微相可发育于浅湖相区。浅湖砂坝的岩性特征主要为细砂岩、粉砂岩、泥质粉砂岩,总体以细粒沉积特征为主。根据砂体分布的位置的差异,又可细分为两种类型的砂坝,近岸砂坝和远岸砂坝,前者主要受湖浪的改造作用有关,后者则与底流作用相关。由于元坝地区自流井组大安寨段陆源碎屑供给量较少,该微相在研究区内大安寨段不发育。
1.2.2 浅湖泥岩微相
浅-半深湖泥岩微相以较为深色的泥岩,粉砂质泥岩沉积为特征,且往湖盆中心沉积物颜色越深、粒度越细。下侏罗统自流井组大安寨段该沉积微相则以灰—灰绿色的泥岩沉积为特征。
1.2.3 浅湖灰泥坪微相
浅湖灰泥坪微相处于浅湖亚相中湖水较安静的区域,该微相区的岩性主要为中-薄层暗紫红色泥岩与灰绿色薄层泥灰岩、泥质灰岩不等厚互层,表明该时期内陆源碎屑供给不足,水体中的二氧化碳含量较高的特点。
1.2.4 浅湖介壳滩微相
当沉积区的主要物源为碳酸盐岩,且附近无大江大河提供陆源碎屑供给的同时,浅湖亚相可发育碳酸盐滩坝。其中在水中隆起的高部分常常发育介壳滩体。经前人研究分析及钻井证实元坝地区大安寨段发育浅湖介壳滩微相,岩性主要为薄-中层状不等厚或厚层块状介壳(或介屑)灰岩,夹薄层状或条带状黑色页岩、泥灰岩组成,介壳大小形态不一,最大者可为15×2 mm。填隙物主要由灰泥与陆源粘土混合物组成,局部为亮晶方解石胶结,总体上显示介壳滩沉积环境具有中等至较高的能量条件(图2)[4,5,6]。
1.3 半深-深湖亚相
半深-深湖亚相位于正常的浪基面以下,处于弱还原-还原环境。总体沉积特征主要表现是泥岩等细粒沉积物含量的增多,且厚度增加。砂岩在这一亚相中呈薄层状分布,鉴于此种沉积特征,半深-深湖亚相在测井相标志为低幅齿形的特征,同时夹有指型特征。其中元坝地区大安寨段滨湖—浅湖亚相的测井相标志以指型较为常见,这是由于滨—浅湖环境下滩坝较为发育;半深湖—浅湖环境测井曲线特征为低幅齿形为主,判断这是与该环境下的主要沉积物为大套泥岩有关。
2 沉积亚相的地震识别
根据上述湖泊沉积特征,可以看出按照正常浪基面、风暴浪基面、枯水面和洪水面可以把湖泊划分为滨湖亚相、浅湖亚相、半深湖亚相和深湖亚相,平面上它们大致呈环状带状分布。在滨湖-浅湖及浅湖-半深湖的过渡带上必然存在湖底地形变化,即存在地形坡度变化。
研究区大安寨段可以识别出一系列的上超地震反射,根据沉积学及地震地层原理,在湖泊地形存在坡折的地方必然会出现上超反射终止。那么可以根据上超反射的终止来判定湖泊沉积各亚相的分界(图3)。
从图中可以看出当地形坡度变化时候,研究区大安寨段出现一系列上超终止,且存在地震同相轴的相位转换。同时各亚相的地震反射特征截然不同。滨湖亚相的地震反射时间厚度较小,地震反射视频率较高(地震同相轴较窄),浅湖亚相的地震反射时间厚度中等,内部杂乱、断续的中-弱振幅反射。半深湖-深湖亚相的地震反射时间厚度较大,地震同相轴连续性较好,判断这是由于该亚相水动力条件较低,岩性横向变化不断的原因[5,6,7,8]。
3 介壳滩微相的地震识别
浅湖亚相区主要的岩性特征表现为泥岩、粉砂岩、砂岩、灰泥岩及介壳灰岩。其中介壳灰岩的波阻抗数值最大,灰泥岩及砂岩次之,泥岩最小。根据这种特征对已知钻井大安寨段进行岩性替换的地震正演技术,即已知元坝地区A井的介壳滩不发育时,对其制作地震合成记录。从图中可见,当介壳
灰岩不发育时候其地震反射为弱振幅或无反射特征(图4A)。同时对A井目的层处的一定层厚内进行声波数值修改,将砂泥岩的低声波阻抗替换为介壳灰岩的高阻抗,正演结果显示,当介壳灰岩发育时,其地震反射振幅明显增强(图4B)。
在剖面上,当介壳灰岩发育时,与围岩形成较强的较强反射,外形呈丘状。而当浅湖泥岩微相发育时,由于泥岩内部未能产生明显的波阻抗差异,地
震反射呈空白反射。当浅湖砂坝发育时,地震反射为断续的中弱振幅反射[5,6,7,8]。
基于此,首先我们利用上超终止端来勾勒出滨湖、浅湖、半深-深湖的分布范围。进而针对介壳滩的强振幅反射的地震反射特征,在上超法勾勒的浅湖区域内最终利用地震振幅切片解释出介壳滩微相的分布范围,且预测结果与钻井结果较吻合,达到较好的预测效果(图5)[9,10,11]。
4 主要结论
(1)元坝地区大安寨段主为湖泊相沉积,其中介壳灰岩受沉积相的控制,主要分布在浅湖介壳滩微相中。
(2)在湖泊的坡折处,其地震反射会出现明显的上超反射终止。鉴于此,识别上超反射终止带是预测元坝地区滨湖、浅湖及半深湖-深湖亚相的有效手段。
C地震正演表明,当浅湖亚相介壳滩发育时,大安寨内部反射出现强波谷-强波峰的反射特征,运用地震振幅切片技术可以有效的预测浅湖介壳滩微相的分布范围。
摘要：地震沉积学自进入我国以来,在沉积相的预测中得到了广泛应用,但多数研究为河流相地震沉积学特征研究。目前尚缺少对湖泊相地震沉积学研究。元坝地区大安寨段为滨湖-浅湖-半深至深湖沉积。其中介壳灰岩为该地区主要的油气产层。在沉积学和地震沉积的指导下,划分了元坝地区大安寨段各亚相分布范围,通过地震正演及切片技术对浅湖介壳滩微相的分布进行了预测。
关键词：地震沉积学,介壳灰岩,地震正演,切片技术,浅湖介壳滩
参考文献
[1]曾允孚,夏文杰.沉积岩石学.北京:地质出版社,1990:24—56
[2]周书欣,赖特V P,普拉特N H,等.湖泊沉积体系与油气.北京:科学出版社,1991:81—113
[3]刘宝珺,曾允孚.岩相古地理基础和工作方法.北京:地质出版社,1985
[4]徐胜林.晚三叠世—侏罗纪川西前陆盆地盆山耦合过程中的沉积充填特征.[博士毕业论文],2009.(成都理工大学)
[5]张峰.川东北地区上三叠统须家河组层序岩相古地理研究.[博士毕业论文],2011.(成都理工大学)
[6]范昱.川东北地区下侏罗统自流井组层序地层及沉积充填特征研究.[硕士毕业论文],2011.(成都理工大学)
[7]秦云龙.饶阳凹陷湖泊碳酸盐岩储层特征.石油勘探与开发,1988;(3):44—51
[8]谢林,王兴志,张帆,等.四川盆地文井—明月地区大安寨段储层研究,中国地质,2010;37(5):1394—1398
[9]朱筱敏,地震沉积学及在大港岐口凹陷的应用.第五届全国油气储层学术研讨会,成都,2008
[10]许红梅.薄层灰岩的油气富集区预测方法初探——以川北大安寨为例.石油地球物理勘探,2002;37(1):77—84
预测地震的方法研究 篇10
通过神经网络油气识别技术和多波复合地震属性分析技术的结合应用, 可有效提高地震属性对含油气储层的预测精度。
1主要技术流程
1.1地震复合属性的构建
1.1.1复合属性的含义
地震复合属性是指在预处理和归一化的基础上, 对优选出的多个单一属性, 根据其对研究目标的不同响应特征, 分别进行和、差、积、商等处理, 得到的新地震属性[1]。
1.1.2复合属性的实现
通过聚类分析、核主成分分析等地震属性优化方法, 优选出适应目标区地质条件, 对储层特征敏感度高且与储层特征参数在纵向上保持一致性的地震属性。
使用叠合或乘积的计算方式, 将两种对研究目标都很敏感的单一地震属性进行组合, 能够有效提高地震属性的敏感性和精确度;使用差值或取商的方式, 将两种都受背景影响较大的地震属性进行组合, 能够有效降低背景影响突出地质异常[2]。
1.2 BP神经网络的学习与预测
BP (Back Propagation) 神经网络即误差反向传播网络, 是一种层状结构的前馈神经网络。该结构是由三部分组成:输入层、中间层和输出层。其中, 中间层可以扩展为多层。各个相邻层之间通过神经元进行全连接, 而每层的各个神经元之间无连接。输入层输入数据后, 数据经过各个节点处的输出激励函数和偏置量的计算处理, 得到输出值。计算得到的实际输出与期望输出之间的误差, 然后按减小期望输出与实际输出误差的方向, 从输出层经各中间层逐层修正各连接权, 回到输入层。重复此过程, 当网络的全局误差趋向给定的极小值时, 即完成BP神经网络的学习[2]。
其具体工作流程为:根据所要预测的地质目标 (如含气量、孔隙度等) 优选出个单一地震属性, 根据单一地震属性与预测目标的正负相关性, 构造多个复合地震属性;在井旁地震道提取目的层的多个复合地震属性或单一地震属性作为输入, 将已知井的预测目标作为输出;随机生成神经网络各个节点的连接权值;通过反复的学习过程, 确定各个节点的连接权值, 完成BP神经网络的学习过程[3];通过已完成的BP神经网络, 根据目的层的地震属性推导出所要预测的地质目标。
1.3多波地震属性的对比分析
通过利用纵、横波对地下介质响应不同的特性, 可以有效识别地层岩性、岩石裂缝和岩石中所含流体, 在一定程度上弥补了传统纵波地震属性分析的多解性与不确定性, 提高了油气储层的预测精度。
1.3.1利用纵、横波速度比属性检测油气
纵波在穿过天然气饱和的储层时, 其能量会发生散射和衰减, 导致速度降低, 而横波则不会受到明显影响。因此, 当地震波穿过或反射含有异常流体的储层时, 纵、横波速度比会发生明显的减小, 有助于降低目的层含气区域预测的多解性[4]。
1.3.2利用纵、横波振幅比属性检测油气
由于储层含气后, 纵波能量会出现明显衰弱, 而横波能量则相对保持不变, 含气储层较非含气储层的纵、横波振幅比会出现明显降低。通过分析目的层纵、横波振幅比的高值 (非含气区) 与低值 (含气区) , 可有效提高目的层含气区域的预测精度。
1.3.3利用纵、横波反射系数比属性检测油气
纵波的反射系数属性在含油气储层大多显示高值, 而含水层大多显示低值;横波的反射系数属性在含油气储层大多显示低值, 而含水储大多显示高值。因此, 含油气储层的纵、横波反射系数比相对于含水层要高很多, 可以有效区分含油气储层与含水层。
2实际预测结果分析
在通过对研究区提取的多种地震属性进行优化处理与复合属性的构造后, 最终选取了瞬时振幅与瞬时相位的乘积、均方根振幅与瞬时频率的商、主频峰值、平均反射强度、振幅斜率五种属性作为目的层的输入, 已知关键井的含气性作为期望输出, 通过BP神经网络完成了对目的层的含气性的学习。
通过训练好的神经网络, 对研究区目的层的含气性进行初步预测, 并通过分析目的层的纵、横波的速度比属性、振幅比属性以及反射系数比属性, 对初步预测的含气性结果进行约束, 最终得到目的层含气性分布的平面展布图。
如下图所示, 黄色区域为初步预测的天然气富集区域, 红色区域为经过多波地震属性对比约束验证后得到的目的层天然气富集区域。
3结束语
通过结合复合地震属性分析、BP神经网络分析和多波对比分析的方法能够有效降低地震属性预测油气储层的多解性, 提高预测精度, 有较好的实用性。但该方法需要研究区有转换波资料, 因此, 并不适用于所有工区。
参考文献
[1]魏雅斋, 等.复合属性在北堡地区东营组储层预测中的应用[J].勘探地球物理进展, 2008, 10:2-4.
[2]张军华, 等.地震复合属性——地震属性提取与解释新方法[J].新疆石油地质, 2007, 28:31-33.
[3]梁平.地震属性优化技术及BP小波神经网络储层参数预测的初步研究[D].成都理工大学, 2009.
[4]杜丽筠, 吴志强.多地震属性优化的神经网络技术在鄂尔多斯盆地高阻抗砂岩储层预测中的应用[J].海洋地质动态, 2010, 26:2-5.
预测地震的方法研究 篇11
“全球并没有进入地震活跃期”和“全球可能要进入地震活跃时代”两句话出自同一个科学家之口，从2010年开始，伴随着玉树大地震以及全国、全世界各地大小地震不断以及多位地震专家辟谣，关于地震的预言“闹”了大半年。
2010年上半年，海地大地震夺去了20多万人的生命，余悸未平，玉树地震又一次“始料未及”地到来。“谣言”、“预言”和“辟谣”铺天盖地，在浩浩荡荡的网络上，也促生了“砖家”、“神棍”、“民间预测者”、“造谣滋事者”等等人士。
按理说，在所有的预言中，科学的预言、或者说科学预测应该是最值得信赖的，因为科学规律则意味着恒常，一旦被人类掌握，其前因后果分毫不差。然而地震的问题却困扰了人类很久。
2010年地震言论之最
最矛盾的言论——全球地震“还没有”、“可能要”、“已相对”进入活跃期。
2010年2月25目，中国地震台网中心研究员孙士鋐在做客人民网科技频道“美丽的科学”访谈节目时指出，全球进入地震活跃期的说法不成立。2月28日，智利地震发生的第二天，同样是孙士鋐，在接受媒体采访时说，全球可能要进入地震活动活跃时代。不过，在2011年1月1日，孙士鋐又在《环球》杂志发表文章，称《全球地震进入相对活跃期》，言辞一次比一次严谨，但是民众却一次比一次糊涂了。
最尴尬的言论——“近期不会发生地震”
2010年2月21日山西谣传要地震，致使太原、晋中等多个地区发生人心惶惶半夜离家避震的闹剧，随后山西及太原政府和地震专家出面“辟谣”，称“近期无破坏性地震”，并抓捕了5名“地震谣言者”。结果时隔三天，在山西运城市河津市、万荣县交界处真发生了4.8级地震。
4月14日，玉树发生7.1级地震，其破坏性之大，远远超出了2010年初海地、智利等国的大地震。
之后，中国地震局专家赶紧出面预测——“我国大陆暂不会发生破坏性大地震”。全国各地各个地震局的专家相继辟谣，称部分地区随即也将出现地震的说法纯属谣言。
比如，北京地震局4月15日发出公告，称北京地区地震活动正常，近期不会发生破坏性地震。第二天，即16日13时25分06秒，北京昌平与河北怀来交界处发生里氏2.3级地震。
地球到底变冷还是变暖了?
2010年的夏天前所未有的酷热，高温一度席卷北半球，从欧洲、亚洲到美洲都经历了有气象记录130年以来最热的夏天；而冬季则是极端地严寒，2010年圣诞节前后，大雪几乎让整个欧洲瘫痪，气温更是创造了30年来的最低。
在科学家各抒己见的时代，到底该听谁的?
最强势的言论——“世界范围内90％以上的科学家都坚持全球气候变暖的结论。”
国家气候委员会主任委员、中国科学院院士秦大河2010年1月接受记者采访时指出：“世界范围内90％以上的科学家都坚持全球气候变暖的结论。”同时，国家气候中心主任肖子牛也指出，尽管对于气候变暖的争论由来已久，但是反对者从来都缺乏充足的科学证据。
最让人迷惑的言论——“全球气候在一个波动过程中，—年比一年冷。”
2010年秋末，北半球的人们还没有从高温折磨的余温中缓过神来，一股又一股的冷空气席卷而来，同时，多国气象部门都发布消息，称“北半球今年冬季将遭遇‘千年极寒’。”人们不禁要问：不是全球变暖了吗?怎么又来个千年极寒?
其实，全球变暖并不是大部分科学家的共识，至少，并没有确凿数据表明“世界范围内90％以上科学家都坚持全球气候变暖的结论。”
2007年，英国人马丁·德金制作的专题片《全球变暖大骗局》在英国BBc电视台播出，在片中，导演邀请了多位科学家、经济学家以及政治家参与讨论，并提出“全球变暖是个大谎言”的观点。
地震能不能预测 篇12
要预测一个大地震,需精确地知道大范围的物理状况的所有细节,而这是不可能的。如果想通过监控前兆来预测地震,也是不可行的。多数甚至所有的“地震前兆”可能都是由于误释,令人怀疑“地震前兆”是否真的存在。
美国地质勘探局明确表示,他们不会预测地震,只做长期概率预报,对地震灾害做出评估。例如,2009年4月,美国地质勘探局评估说,在未来30年内加州发生6.7级以上地震的概率为99.7%,但不能预测地震发生的具体地点和时间。
但仍有很多科学家认为地震是可以预报的。关于地震各种前兆的可靠性,中国地震局地质研究所研究员高建国说:“中国地震学家曾经对地震前兆进行过梳理分析,结论是绝大部分收集到的前兆信息仅有20%以下的可靠性。与前兆表现出最好对应关系的是地下水、地电(HR1波)。”