Als Reaktion auf den dringenden Bedarf an hochauflösenden seismischen Daten für die Erforschung struktureller und lithologischer Öl- und Gaslagerstätten im Nord-Jiangsu-Becken weisen herkömmliche Deconvolution- und Frequenzbereichstransformationsmethoden Einschränkungen wie unzureichende Nutzung von Bohrlochinformationen und geringe Anpassungsfähigkeit an nichtlineare Merkmale auf. Es wird eine intelligente Methode zur seismischen Frequenzbandverlängerung basierend auf dem generalisierten Regressions-Neuronalen Netzwerk (Generalized regression neural network, GRNN) vorgeschlagen. Durch die Integration von Bohrloch- und Seismik-Kombinationstechniken wird ein tiefes Lernmodell mit GRNN als Kern aufgebaut, das Bohrlochdaten effektiv nutzt, um hochfrequente seismische Labels zu synthetisieren und eine intelligente Erweiterung des seismischen Frequenzbandes zu realisieren. Das GRNN-Netzwerk basiert auf der Parzen-Fenster-Dichteabschätzungstheorie und verwendet eine vierlagige Topologie: Eingabeschicht, Musterschicht, Summationsschicht und Ausgabeschicht, mit Vorteilen wie nichtparametrischer Modellierung, adaptiver lokaler Merkmalsapproximation und Rauschrobustheit, was effektiv Probleme der Nichtstationarität seismischer Signale und Hochdimensionalem Rauschen löst. Im hochdichten dreidimensionalen Arbeitsbereich YA im Nord-Jiangsu wurden hochfrequente seismische Spuren aus Bohrlochdaten synthetisiert und das Netzwerk für die Frequenzverlängerung trainiert. Die Ergebnisse zeigen eine Erweiterung des wirksamen Frequenzbereichs von 7~43 Hz auf 6~56 Hz, klarere Abgrenzung der Grenzen dünner Sandkörper, gute Übereinstimmung mit Bohrloch-Seismik und eine Korrelation der synthetischen Aufzeichnungen von 82 %. Außerdem wurde der Einfluss der Menge der Trainingsdaten und der Auswahlmethoden der Trainingsspuren auf die Vorhersagequalität untersucht. Es zeigte sich, dass die Auswahl von Seismikspuren, die das gesamte seismische Profil abdecken, zu besseren Frequenzverlängerungsergebnissen führt. Die auf Deep-Learning-basierende Frequenzverlängerungsmethode wurde in mehreren Blöcken des Nord-Jiangsu-Beckens angewendet und erzielte gute Ergebnisse, was die Effektivität und Anwendbarkeit der Methode bestätigt. Die Forschungsergebnisse liefern hochauflösende Datengrundlagen für die präzise Charakterisierung komplexer lithologischer Öl- und Gaslagerstätten und fördern die intelligente Entwicklung der seismischen Frequenzverlängerungstechnologie.

Nord-Jiangsu-Becken;generalisiertes Regressions-Neuronales Netzwerk;Deep Learning;Frequenzerweiterung;Bohrlochinformationen