井下微地震监测方法研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第1章 绪论 | 第13-21页 |
| 1.1 水力压裂发展概况 | 第13-14页 |
| 1.2 微地震监测方法的研究现状 | 第14-18页 |
| 1.2.1 基于走时的定位方法 | 第15页 |
| 1.2.2 基于偏移的定位方法 | 第15-16页 |
| 1.2.3 速度位置联合反演方法 | 第16-17页 |
| 1.2.4 多参数反演问题的研究现状 | 第17-18页 |
| 1.3 本文的研究内容及意义 | 第18-21页 |
| 第2章 基于走时的微地震定位方法研究 | 第21-51页 |
| 2.1 单事件的定位方法 | 第21-23页 |
| 2.1.1 经典定位方法 | 第21-22页 |
| 2.1.2 网格搜索方法 | 第22-23页 |
| 2.2 相对定位方法 | 第23-25页 |
| 2.2.1 主事件定位方法 | 第23-24页 |
| 2.2.2 双差定位方法 | 第24-25页 |
| 2.3 交叉双差定位方法 | 第25-48页 |
| 2.3.1 双差定位方法应用在微地震单井监测 | 第26-37页 |
| 2.3.2 交叉双差方法 | 第37-40页 |
| 2.3.3 理论测试 | 第40-45页 |
| 2.3.4 实际测试 | 第45-48页 |
| 2.4 本章小结 | 第48-51页 |
| 第3章 基于机器学习的绕射叠加定位方法研究 | 第51-71页 |
| 3.1 绕射叠加震源定位 | 第51-52页 |
| 3.2 理论测试 | 第52-57页 |
| 3.2.1 绝对成像结果 | 第53-55页 |
| 3.2.2 相对成像结果 | 第55-57页 |
| 3.2.3 噪音测试 | 第57页 |
| 3.3 基于卷积神经网络的波形极性判断 | 第57-64页 |
| 3.3.1 卷积神经网络介绍 | 第58-59页 |
| 3.3.2 构建极性识别的卷积神经网络结构 | 第59-60页 |
| 3.3.3 理论数据训练和预测结果 | 第60-64页 |
| 3.4 实际数据 | 第64-69页 |
| 3.4.1 卷积神经网络的极性判断和预测结果 | 第64-66页 |
| 3.4.2 相对成像和绝对成像结果 | 第66-69页 |
| 3.5 本章小结 | 第69-71页 |
| 第4章 微地震速度位置联合反演 | 第71-85页 |
| 4.1 速度模型反演方法 | 第71-76页 |
| 4.1.1 射孔事件速度校正 | 第71-73页 |
| 4.1.2 速度位置联合反演 | 第73-74页 |
| 4.1.3 交叉双差联合反演方法 | 第74-76页 |
| 4.2 理论测试 | 第76-79页 |
| 4.2.1 敏感度矩阵分析 | 第76页 |
| 4.2.2 理论模型测试 | 第76-79页 |
| 4.3 实际数据应用 | 第79-84页 |
| 4.4 本章小结 | 第84-85页 |
| 第5章 多参数反演问题的研究 | 第85-115页 |
| 5.1 基本原理 | 第85-91页 |
| 5.1.1 联合反演方法 | 第85-86页 |
| 5.1.2 参数分离方法 | 第86-87页 |
| 5.1.3 交互更新速度和位置 | 第87页 |
| 5.1.4 全局反演方法 | 第87-91页 |
| 5.2 理论测试 | 第91-105页 |
| 5.2.1 稳定性和准确性研究 | 第91-93页 |
| 5.2.2 简单模型测试 | 第93-97页 |
| 5.2.3 复杂模型测试 | 第97-104页 |
| 5.2.4 全局反演方法的结果 | 第104-105页 |
| 5.3 新的反演流程 | 第105-107页 |
| 5.4 实际数据测试 | 第107-114页 |
| 5.4.1 复杂模型的实际数据 | 第107-110页 |
| 5.4.2 简单模型的实际数据 | 第110-114页 |
| 5.5 本章小结 | 第114-115页 |
| 第6章 总结与展望 | 第115-119页 |
| 6.1 结论 | 第115-116页 |
| 6.2 展望 | 第116-119页 |
| 参考文献 | 第119-125页 |
| 致谢 | 第125-127页 |
| 攻读博士学位期间的学术成果 | 第127页 |
