En réponse au besoin urgent de données sismiques à haute résolution pour l'exploration des réservoirs pétroliers et gaziers structuraux et lithologiques du bassin du Nord du Jiangsu, les méthodes traditionnelles de déconvolution et de transformation en domaine fréquentiel présentent des limitations telles que l'utilisation insuffisante des informations de forage et une faible adaptabilité aux caractéristiques non linéaires. Nous proposons une méthode intelligente d'expansion de la bande passante sismique basée sur le réseau de neurones de régression généralisée (Generalized regression neural network, GRNN). Grâce à la fusion de techniques jointes puits-sismique, un cadre d'apprentissage profond centré sur GRNN est construit, exploitant pleinement les données de diagraphie pour synthétiser des labels sismiques hautes fréquences, réalisant une extension intelligente de la bande sismique. Le réseau GRNN, basé sur la théorie d'estimation de la densité de probabilité à fenêtre de Parzen, adopte une topologie à 4 couches : couche d'entrée, couche de modèles, couche de sommation et couche de sortie, avec des avantages tels que la modélisation non paramétrique, l'approximation adaptative des caractéristiques locales et la robustesse au bruit, résolvant efficacement les problèmes de non-stationnarité des signaux sismiques et d'interférences bruitées haute dimension. Dans la zone de travail tridimensionnelle à haute densité YA du Nord Jiangsu, des traces sismiques hautes fréquences synthétisées à partir des données de puits ont permis d'entraîner le réseau pour l'expansion de la bande. Les résultats montrent une extension de la plage de fréquences efficace de 7~43 Hz à 6~56 Hz, une meilleure délimitation des frontières de sable fin, une bonne correspondance avec la sismique de forage, et une corrélation de 82 % des enregistrements synthétiques. De plus, l'étude a examiné l'influence du nombre de jeux de données d'entraînement et des méthodes de sélection des traces d'entraînement sur la qualité de la prédiction, révélant que la sélection de traces couvrant le profil sismique complet améliore les performances de l'expansion. La méthode d'expansion basée sur l'apprentissage profond a été appliquée avec succès à plusieurs blocs du bassin du Nord Jiangsu, confirmant son efficacité et son applicabilité. Les résultats fournissent un support de données à haute résolution pour une cartographie fine des réservoirs pétroliers et gaziers lithologiques complexes et favorisent le développement intelligent de la technologie d'expansion de bande sismique.

bassin du Nord Jiangsu;réseau de neurones de régression généralisée;apprentissage profond;extension de fréquence;informations de diagraphie