En respuesta a la urgente necesidad de datos sísmicos de alta resolución para la exploración de yacimientos de petróleo y gas contectónicos y litológicos en la cuenca del norte de Jiangsu, los métodos tradicionales de deconvolución y transformación en el dominio de la frecuencia presentan limitaciones como el uso insuficiente de la información de los pozos y una baja adaptabilidad a características no lineales. Se propone un método inteligente de expansión de frecuencia sísmica basado en la red neuronal de regresión generalizada (Generalized regression neural network, GRNN). Mediante la fusión de técnicas conjuntas de pozo y sismología, se construye un marco de aprendizaje profundo centrado en GRNN, que aprovecha plenamente los datos de registros para sintetizar etiquetas sísmicas de alta frecuencia, logrando una expansión inteligente de la banda sísmica. La red GRNN, basada en la teoría de estimación de densidad de probabilidad de la ventana de Parzen, utiliza una topología de 4 capas: capa de entrada, capa de patrones, capa de suma y capa de salida, con ventajas como modelado no paramétrico, aproximación adaptativa de características locales y robustez al ruido, resolviendo eficazmente problemas de no estacionariedad de la señal sísmica y ruido de alta dimensión. En la zona de trabajo tridimensional de alta densidad YA en el norte de Jiangsu, se sintetizaron trazas sísmicas de alta frecuencia a partir de datos de pozos y se entrenó la red para la expansión de frecuencia. Los resultados muestran una expansión del rango de frecuencia efectiva de 7~43 Hz a 6~56 Hz, una delimitación más clara de los límites de cuerpos arenosos delgados, buena concordancia con sísmica de perforación, y una correlación de registro sintético del 82%. Además, se investigó el impacto de la cantidad de conjuntos de entrenamiento y métodos de selección de trazas de entrenamiento en el efecto predictivo, encontrando que seleccionar trazas sísmicas que controlan todo el perfil sísmico mejora el efecto de expansión. El método de expansión basado en aprendizaje profundo se aplicó en varios bloques de la cuenca del norte de Jiangsu con buenos resultados, verificando la efectividad y aplicabilidad del método. Los resultados del estudio proporcionan soporte de datos de alta resolución para la caracterización fina de yacimientos litológicos complejos y promueven el desarrollo inteligente de la tecnología de expansión de frecuencia sísmica.

cuenca del norte de Jiangsu;red neuronal de regresión generalizada;aprendizaje profundo;expansión de frecuencia;información de registros