简介：高分辨率的浅地震方法是在近的表面描述的最广泛地使用的地球物理的方法。然而，在许多情况中，解释地震图象能是似是而非的。在这篇文章，我们在场因为不适当的限制，源于表面波浪(MASW)的地震思考，嘘波浪地震思考，和多信道的分析调查的P波浪的三案例研究不正确地在调查地点表面或表面下的条件上被解释。一个P波浪思考调查特征首先作为一个浅差错地区被解释，但是当获得通过了道路交叉，它以后决心源于背景噪音的高水平。一个嘘波浪地震思考调查特征被解释是一个反向的蘸滑倒差错，但是指向钻证明它是进基岩表面的深本地的侵蚀。在MASW调查，最后，一个陡峭地蘸的特征首先作为一条基岩山谷被解释。然而，以后探索的钻显示了特征是严重地抑制了大多数应用表面波浪频率乐队的很软的湖沉积的浅层。尽管起始的解释是不正确的，他们在地球物理学者和地质学家之中刺激了讨论并且以前为在科学家之间的有意义的合作和讲话强调了需要，在期间，并且在地球物理的数据获得以后。

简介：变换库函数方法是为地震降噪的最通常使用的技术之一，它达到由在变换库函数域利用地震数据的稀疏和分开移开噪音的目的。然而，因为它需要到，效果不是令人满意的预先选择一套固定变换底功能和过程相应变换。以便发现一条新途径，我们介绍学习类型overcomplete字典，即，最佳地稀少的数据表示通过学习并且训练被完成由地震当模特儿的数据开车，而不是使用，一个单身者固定变换底设定。在这份报纸，我们联合与全部的变化(电视)学习最小化压制pseudo-Gibbs人工制品并且在移开噪音上描述不一致的字典亚块规模的效果的字典。作为一个例子拿分离余弦变换和随机的噪音，我们做了在一个单个变换底，non-learning-type，overcomplete字典和一本学习类型overcomplete字典之间的比较并且也把结果与一致、不一致的尺寸字典原子作比较。结果证明当地震数据用学习类型overcomplete字典稀疏地被代表时，噪音是也搬迁了，到噪音比率的可见性和信号显著地被增加。我们也把结果与一致、不一致的尺寸字典原子作比较，它证明一个不一致的字典原子对地震降噪更合适。

简介：当前，大多数MT(magnetotelluric)数据仍然在稀少的调查线上被收集并且因为域工作费用，解释了使用2D倒置方法，工作区域环境等等。然而，有从总是导致错误地地质的解释的3Dgeoelectrical结构的MT数据的一些2D解释限制。在这份报纸，我们使用了3D倒置方法解释MT稀少的线数据。在模型测试，稀少的行数据是从一个测试模型产生并且处理了使用3D的MT完整的信息数据结合坡度倒置代码。倒置结果证明这个倒置方法合理、有效。同时，我们证明为有不同元素参数的倒置结果，由阻抗张肌数据和tipper数据的联合倒置的结果对测试模型更精确、更靠近。

简介：传统地，在空中的时间域电磁(ATEM)数据被转换由重复导出地球模型。然而，数据高度经常在隧道之中被相关并且因而在倒置引起提出病、在坚定上的问题。关联复杂化在ATEM数据和地球参数之间的印射的关系并且因此增加倒置复杂性。排除这，我们采用主要部件分析把ATEM数据转变成直角的主要部件(PC)减少关联和数据维数并且同时压制无关的噪音。在这份报纸，我们使用一个人工的神经网络(ANN)接近与地球模型参数印射关系的PC，避免Jacobian衍生物的计算。基于PC的ANN算法为在空中的时间域与data-basedANN相比为分层的模型被用于合成数据电磁的倒置。结果在data-basedANN上表明更简单的网络结构，更少的训练步骤，和更好的倒置结果的基于PC的ANN优点，特别为污染数据。而且，基于PC的ANN算法有效性被假2D模型和比较的倒置与data-basedANN和Zhodys方法检验。结果显示基于PC的ANN倒置能与真正的模型一起完成一个更好的协议并且也证明基于PC的ANN是可行的转换大ATEM数据集。

简介：通过引入岩石骨架参数表达式到Gassmann近似流体方程中，实现了基于该方程的地震孔隙度反演。但是岩石骨架参数表达式有很多种，使得地震孔隙度反演公式也各不相同，实际应用不方便，反演结果也难以评价。作者在研究现有常用岩石骨架参数表达式如Esheby－Walsh，Pride，Geertsma，Nur，Keys－Xu以及Krief等的基础上，提出了含有调节参数的岩石骨架模型统一表示式，发展了基于Gassmann方程的地震孔隙度反演方法。该方法应用范围宽，参数调节方便、灵活。为验证所提公式和方法的实用性，作者们结合ZJ地区钻井岩心的岩石物理样品测试数据和测井数据，进行了地震孔隙度反演。由于该地区油气储层的存在与中等程度孔隙度的分布有关，因此地震孔隙度反演对预测和识别油气层、干层和含水层有重要作用。反演结果与工区内孔隙度测井瞌线吻合度高，说明本文所提公式与方法是有效的，可靠的。