简介：明确表达了用局部相关法在数据域层析成像的不适合标准。与基于差分的反演相比，基于相关的反演对局部极小值敏感度较低。可是相关值却常常在同相轴之间受到串音的影响，另外，由于是沿整个时间轴求和，所以全局相关值仅仅给出一个模型运动误差的一般概念。作为一种选择，Gaussian时窗局部相关法是能够提取模拟数据和观测数据之间不适合中的局部运动误差值的。与全局相关法相比，局部相关法对地震同相轴的串音敏感度也较低，原因是作为一个时间函数只需进行局部求和。因为低相关串音造成清洁伴随震源，所以产生清洁梯度值。采用与地震资料带宽一致的补偿函数改善梯度值，与用于消除无限带宽资料的线性补偿函数相比，该补偿函数更具有现实意义。

简介：利用沃尔什函数法进行测井曲线反演，可使测井曲线起伏变化加大，从而提高测井曲线的纵向分辨率。通过声波时差曲线特征分析及与实测岩心物性资料对比，论述了沃尔什函数法对测井曲线高分辨率处理的重要意义。图3参8

简介：在本文中用径向基础函数神经网络（或RBFN）根据地震属性预测通过测井得到的储层性质。对于由Hampson等人（2001年）提出的相同问题，还把用这一方法得到的结果与用广义回归神经网络（GRNN）得到的结果进行了比较。

简介：在岩石物性反演过程中，必须计算出作为孔隙度和矿物骨架性质函数的纵波速度（P波）和横波速度（S波）。然而，一些经验公式，比如时间平均方程或RHG公式只适用于单一均质，而不适用于混合矿物的情况；特别是碳酸盐岩地层，其骨架常常含有多种矿物并可能包含白云岩和石灰岩的混合物。本文中，我们建议使用有效介质近似方法（EMA）的均衡（或多晶质）变量来确定纵波速度和横波速度。介质的每一成分都被认为是一个三轴椭球体。颗粒和孔隙椭球体高宽比是孔隙度的函数。该技术由下列步骤组成：①确定孔隙和颗粒的高宽比，它们是孔隙度的函数；②对已知的矿物浓度和孔隙度，计算弹性速度。文中提供了双组分骨架（石灰岩和白云岩）的计算例子。我们认为孔隙高宽比与矿物学无关，它们仅仅是孔隙度的函数。为了确定固体颗粒的形状，我们假定各组分的颗粒高宽比与单组分的固体骨架的高宽比是相同的。为了求出高宽比，我们求解由EMA预测的和由经验岩石物性方程计算的纵波速度、电导率之间的非线性最小二乘差异问题。我们对各独立的固体成分，使用经验的RHG公式计算纵波速度，用Archies法则计算电导率。然后为确定组分的几何形状，我们就可以求得多组分岩石的横波速度。在石灰岩一白云岩混合的情况下，横波预测值接近Castanga等人（1993）根据多矿物岩石Vp估算Vs的经验关系。为了验证这种模拟技术，我们把计算的纵波速度Vp和横波速度Vs与混合碳酸盐岩的试验数据进行了对比，对比表明它们非常一致。