项目名称: 逆时偏移的角度道集提取及其GPU算法

项目编号: No.41204073

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 地球物理学和空间物理学

项目作者: 李博

作者单位: 中国科学院地质与地球物理研究所

项目金额: 25万元

中文摘要: 在我国石油勘探领域,地震波叠前逆时偏移技术随着GPU技术的发展,已逐渐登上了实际应用的舞台。但目前尚存在速度建模工具短缺、成像振幅不保真、低频噪音难以去除等问题。针对这些问题的研究一直是热点和难点,其中一项基本的研究内容为逆时偏移角度道集的提取工作。角度道集是联接逆时偏移技术与速度建模、振幅保真和去除逆时偏移低频噪音等问题的关键环节。由于逆时偏移角度道集提取难度较大,所以从理论研究到生产实践仍有较大的差距。产生这些困难的原因可归结为传播角度的精确计算问题、角度道集的提取方法问题、计算与存储量巨大问题等。GPU高性能计算技术的出现,有望解决角度道集在实际应用中的困难。本课题围绕上述三个问题开展研究,其中包括:(1)利用Poynting矢量法计算波场传播角度;(2)真振幅角度道集提取方法;(3)多GPU卡的快速并行算法。最终获得一种快速可行的逆时偏移角度道集的提取方案

中文关键词: 逆时偏移;角度道集;GPU;波应廷矢量;

英文摘要: In oil and gas exploration,with the rapid development of GPU technology, Seismic pre-stack Reverse Time Migration (RTM) has already stepped into ordinary application in many oil fields. However, the lack of depth velocity modeling tools, whether or not true-amplitude migration and low frequency noise attenuation are still the research hotpots and difficulties。To solve these problem,one basic research is how to get the angle gather from RTM. Angle-gather is a key point of the connection between RTM and velocity modeling, migration amplitude preserve, low frequency noise. Due to the hardness of getting angle gather from RTM,there are big gaps between the theoretical research of angle gather and practices in Oil exploration. the main difficulties include angle information calculating,angle gather extraction and the huge computing and storages cost. GPU technology has been expected to solve these problems. This project application will propose following research plan around RTM, angle gather and GPU: (1)Using Poynting vector method to calculate angle information; (2)ture-amplitude angle gather from RTM;(3)the fast parallel algorithm using Unified Virtual memory access technology of Multi-GPU. Finally, One fast feasible method of getting angle gather from RTM will be expected and practices in huge Seismic data proces

英文关键词: Reverse time migration(RTM);Angle Domain Common Imaging Gather(ADCIG);Graphic Processing Unit(GPU);Poynting vector;

成为VIP会员查看完整内容
0

相关内容

专知会员服务
48+阅读 · 2021年6月28日
专知会员服务
44+阅读 · 2021年5月17日
专知会员服务
64+阅读 · 2021年5月3日
专知会员服务
94+阅读 · 2021年2月6日
专知会员服务
69+阅读 · 2021年1月16日
Python编程基础,121页ppt
专知会员服务
48+阅读 · 2021年1月1日
专知会员服务
45+阅读 · 2020年12月4日
深度学习模型终端环境自适应方法研究
专知会员服务
33+阅读 · 2020年11月13日
NVIDIA 招GNN加速方向实习生,GPU超多~
图与推荐
0+阅读 · 2022年1月24日
深度学习模型压缩算法综述
极市平台
1+阅读 · 2021年12月3日
FPGA加速深度学习综述
专知
3+阅读 · 2021年11月13日
AI 框架部署方案之模型转换
极市平台
2+阅读 · 2021年11月2日
【强化学习】强化学习入门以及代码实现
产业智能官
18+阅读 · 2017年9月4日
技术 | 强化学习入门以及代码实现
AI100
51+阅读 · 2017年8月26日
CNN 模型压缩与加速算法综述
机器学习研究会
16+阅读 · 2017年8月25日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月19日
SlowFast Networks for Video Recognition
Arxiv
19+阅读 · 2018年12月10日
小贴士
相关主题
相关VIP内容
专知会员服务
48+阅读 · 2021年6月28日
专知会员服务
44+阅读 · 2021年5月17日
专知会员服务
64+阅读 · 2021年5月3日
专知会员服务
94+阅读 · 2021年2月6日
专知会员服务
69+阅读 · 2021年1月16日
Python编程基础,121页ppt
专知会员服务
48+阅读 · 2021年1月1日
专知会员服务
45+阅读 · 2020年12月4日
深度学习模型终端环境自适应方法研究
专知会员服务
33+阅读 · 2020年11月13日
相关资讯
NVIDIA 招GNN加速方向实习生,GPU超多~
图与推荐
0+阅读 · 2022年1月24日
深度学习模型压缩算法综述
极市平台
1+阅读 · 2021年12月3日
FPGA加速深度学习综述
专知
3+阅读 · 2021年11月13日
AI 框架部署方案之模型转换
极市平台
2+阅读 · 2021年11月2日
【强化学习】强化学习入门以及代码实现
产业智能官
18+阅读 · 2017年9月4日
技术 | 强化学习入门以及代码实现
AI100
51+阅读 · 2017年8月26日
CNN 模型压缩与加速算法综述
机器学习研究会
16+阅读 · 2017年8月25日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员