黃鳳祥，夏振宇，桂紅兵，張夢琳，桂志先，汪　勇

(1.長江大學(xué) 油氣資源與勘探技術(shù)教育部重點實驗室，湖北 武漢 430100；2.長江大學(xué) 地球物理與石油資源學(xué)院，湖北 武漢 430100；3.江西省天然氣有限公司，江西 南昌 330096；4.中海油田服務(wù)股份有限公司 物探事業(yè)部，天津 300452；5.中國石油華北油田分公司 地球物理勘探研究院，河北 任丘 062552)

?

基于BP神經(jīng)網(wǎng)絡(luò)裂縫預(yù)測方法在DMT凹陷潛山變質(zhì)巖中的應(yīng)用研究

黃鳳祥1,2，夏振宇3，桂紅兵4，張夢琳5，桂志先1,2，汪勇1,2

(1.長江大學(xué) 油氣資源與勘探技術(shù)教育部重點實驗室，湖北 武漢 430100；2.長江大學(xué) 地球物理與石油資源學(xué)院，湖北 武漢 430100；3.江西省天然氣有限公司，江西 南昌 330096；4.中海油田服務(wù)股份有限公司 物探事業(yè)部，天津 300452；5.中國石油華北油田分公司 地球物理勘探研究院，河北 任丘 062552)

裂縫油氣藏在油氣勘探開發(fā)中占有重要地位，準確地預(yù)測儲層中的裂縫發(fā)育程度等參數(shù)是勘探開發(fā)的難點。本文采用疊后多屬性分析技術(shù)對DMT潛山變質(zhì)巖裂縫進行了定量預(yù)測，在儲層特征分析的基礎(chǔ)上，首先提取了對儲層裂縫敏感的地震屬性，包括相干體、曲率、螞蟻體、弧長、瞬時頻率、均方根振幅、反射強度屬性；然后運用BP神經(jīng)網(wǎng)絡(luò)方法，對多種地震屬性進行了裂縫密度的定量預(yù)測，得出裂縫發(fā)育區(qū)為東勝堡和法哈牛、靜安堡構(gòu)造帶，次級發(fā)育區(qū)為邊臺、平安堡、靜北、前進構(gòu)造帶。其結(jié)果與工區(qū)鉆井資料吻合，為該區(qū)下一步的勘探開發(fā)提供了依據(jù)。

地震屬性；多屬性分析；裂縫預(yù)測；神經(jīng)網(wǎng)絡(luò)；變質(zhì)巖裂縫

1　引　言

近年來，潛山油氣藏已經(jīng)成為了油氣資源的重點勘探開發(fā)領(lǐng)域，其油氣富集程度不僅與成藏環(huán)境、成藏巖性等有關(guān)，還與潛山內(nèi)幕儲集空間有關(guān)[1,2]。由于潛山內(nèi)幕油藏儲集空間以裂縫為主，所以準確地確定裂縫發(fā)育情況是預(yù)測裂縫型油氣藏的關(guān)鍵。DMT凹陷潛山巖性主要為變質(zhì)巖，潛山地層古老，變質(zhì)巖巖性復(fù)雜，巖體厚度較大及非均質(zhì)性強，這些都增加了該區(qū)裂縫預(yù)測的難度[3-6]。

目前，裂縫預(yù)測的方法主要有地質(zhì)、測井和地震三種手段。由于地震資料在空間上具有連續(xù)觀測的優(yōu)勢，所以利用地震資料進行裂縫預(yù)測成為了極其關(guān)鍵的手段和技術(shù)。按照地震資料的不同，主要有疊前裂縫預(yù)測方法和疊后裂縫預(yù)測方法兩大類。疊前方法主要利用地下介質(zhì)各向異性的特點反演裂縫發(fā)育密度和方位，但其受地震資料信噪比影響較大，反演運算量大，費時也較長；而疊后方法具有地震資料性噪比高和運算速度快的優(yōu)勢，可為疊前裂縫預(yù)測提供參考。疊后地震屬性作為主要的儲層預(yù)測手段，也為裂縫預(yù)測發(fā)揮了重要作用，但由于單一屬性自身的局限性和多解性特點，只有選擇有效的多屬性多參數(shù)才能降低預(yù)測的多解性[7，8]。本文主要通過相干體以及曲率、螞蟻體、弧長、瞬時頻率、均方根振幅、反射強度等多屬性進行裂縫定量預(yù)測，建立了適合于DMT地區(qū)潛山變質(zhì)巖裂縫疊后地震有效識別模式。

2　地質(zhì)概況及儲層特征分析

DMT凹陷位于遼河盆地的北部，其發(fā)育于中生代末期至第三紀，后期衰退，形成了一個“北高南低，西緩東陡”，周邊為斷層所限的狹長三角狀殘留型盆地。凹陷沙四段油頁巖和泥巖中的油氣經(jīng)過垂向和側(cè)向運移進入潛山，潛山帶具有“整體含油，局部富集”的特點，該區(qū)經(jīng)過多期構(gòu)造活動，斷裂發(fā)育，潛山北東向斷裂控制油氣的富集，近東西向斷裂對油氣進行再分配，其油氣富集程度與裂縫發(fā)育有關(guān)[9，10]。在該區(qū)已鉆遇潛山變質(zhì)巖多口高產(chǎn)井，其中S628-6-14累產(chǎn)量達到30 500 t，S266累產(chǎn)量為9 200 t，油氣顯示豐富。總體而言，DMT地區(qū)潛山變質(zhì)巖儲層具有良好的勘探潛力。

鉆井揭示DMT地區(qū)鉆遇的巖性主要為變質(zhì)巖類和巖漿巖類，巖石類型主要有：變質(zhì)巖類的混合花崗巖、淺粒巖、變粒巖、角閃巖等；巖漿巖類的基性侵入巖等。礦物成分主要為斜長石、鉀長石、石英及少量的微斜長石，石英含量平均為25.7%，斜長石含量平均為46.0%，鉀長石含量平均為36.8%，還有少量的黑云母和白云母。由于暗色礦物含量少(<5%)，巖石剛性強，易碎裂，在構(gòu)造應(yīng)力作用下，裂縫發(fā)育，因此潛山變質(zhì)巖為一套有利儲層[11，12]。

該區(qū)潛山儲集特征如下：

1)孔隙度1.3%～8.2%，平均孔隙度4.0%，滲透率最大為11.9 mD，滲透率平均為2.025 1 mD，潛山儲層屬于雙重介質(zhì)的裂縫型儲層。

2)通過錄井、巖心，該區(qū)變質(zhì)巖裂縫具有多期性，發(fā)育廣泛，多方向性，發(fā)育程度不均衡，充填程度不一，如圖1(a)所示的SH13-7井。

3)由于成巖后生作用，經(jīng)風(fēng)化、淋濾、蝕變等產(chǎn)生次生溶孔，部分溶孔未被充填，且含油性較好。如A110井太古界溶蝕較為發(fā)育(圖1b)；S286井溶蝕孔隙裂縫，受溶蝕的影響，有些裂縫寬度擴大(圖1c)。

4)由于變質(zhì)巖橫向巖性變化較大，非均質(zhì)性強，次生孔隙、裂縫等分布不均勻，儲集空間類型主要有宏觀裂縫、微觀裂縫、裂縫碎裂粒間孔隙型及裂縫溶蝕孔洞型等。

綜上所述，多期構(gòu)造活動使儲層形成斷裂及裂縫發(fā)育帶，物性得到改善，再加上風(fēng)化雨淋作用，形成沿斷裂發(fā)育的次生孔隙和微裂縫雙重介質(zhì)儲層。

3　地震屬性分析

目前，地震屬性可以分為振幅類、頻譜類、瞬時類及層序統(tǒng)計類等上百種。針對變質(zhì)巖研究區(qū)，首先對裂縫段進行正演模擬(圖2)，提取正演剖面的地震屬性，進行裂縫段響應(yīng)特征分析，優(yōu)選出3種對裂縫敏感的地震屬性，即反射強度、均方根振幅和弧長屬性，并且得出在裂縫越發(fā)育處，反射強度、均方根振幅和弧長屬性值均越大。另外，根據(jù)本區(qū)實際地層特點，選擇4種對裂縫發(fā)育相關(guān)性較好的地震屬性，即相干、曲率、螞蟻體和瞬時頻率。然后對這7種地震屬性進行分析。

圖1　巖芯圖片F(xiàn)ig.1　Well cores

圖2　裂縫段正演模擬疊前深度偏移剖面及屬性分析Fig.2　Crack forward modeling and pre-stack depth migration section attribute analysis

3.1相干體屬性

相干分析是數(shù)道地震數(shù)據(jù)之間一種相似程度的度量，在地下地層不連續(xù)、地質(zhì)體橫向變化較大、存在斷層或裂縫發(fā)育的情況下，其地震反射特征(振幅、相位及波形)會發(fā)生變化，使相鄰道波形表現(xiàn)為不相似性，從而導(dǎo)致相干屬性值會很低。選擇一定時窗長度，對該研究區(qū)過S266井的地震數(shù)據(jù)進行波形縱橫向的相似性計算，得到該區(qū)過S266井的地震相干數(shù)據(jù)體，如圖3所示。其能較為直觀地展示大斷裂甚至小斷層的展布情況，結(jié)合其分布規(guī)律可以定性地檢測裂縫發(fā)育部位[13]。從圖3的相干體剖面中可以看出，在沉積地層發(fā)育的區(qū)域(潛山上部)地層發(fā)育成層性較好，而在S266井區(qū)的潛山界面存在成片的陰影帶，相干值較低，是同相軸連續(xù)性差的區(qū)域，從而預(yù)測其為裂縫相對發(fā)育的區(qū)域。

3.2曲率屬性

地震的曲率屬性反映了地層受構(gòu)造應(yīng)力擠壓時層面彎曲的程度，它隨著地層褶皺彎曲變形時受力不同而存在著差異，如背斜受兩翼應(yīng)力的擠壓會有向上彎曲的趨勢，從而表現(xiàn)出不同區(qū)域的曲率異常。圖4為Line8550的曲率剖面圖。由圖4可知，在裂縫發(fā)育區(qū)，曲率屬性上會表現(xiàn)為網(wǎng)狀或條帶狀的曲率差異。

3.3螞蟻體屬性

通過設(shè)置斷裂條件播散大量的“人工螞蟻”自動追蹤搜索斷裂，并留下信息素以吸引其它螞蟻依次往下追蹤跟進，直到完成所有斷裂識別而得到的具有低噪聲、清晰斷裂痕跡的數(shù)據(jù)體稱為螞蟻體，其對小斷層識別非常有效[14]。

圖3　過S266井的相干體剖面Fig.3　Coherent cube profile of well S266

圖4　 Line8550的曲率剖面Fig.4　Curvature profile of line No.8550

圖5　DMT凹陷斷裂系統(tǒng)與螞蟻體屬性平面Fig.5　The picture of DMT fault system and ants attribute plane properties

圖5為DMT凹陷斷裂系統(tǒng)與螞蟻體屬性平面圖。在螞蟻體屬性平面圖(圖5b)上可見明顯的斷裂(黑色部分)平面展布，灰色為裂縫，在斷裂周圍存在裂縫發(fā)育帶，裂縫方位角以北東—南西向為主，部分近東—西向發(fā)育。

3.4 反射強度等其他屬性

反射強度可提供阻抗差信息，其橫向變化與巖性及油氣聚集程度有關(guān)，也可用于振幅異常的品質(zhì)分析，以及檢測斷層、河道等；均方根振幅可表征層序或識別振幅異常處，追蹤地震層序異常，如三角洲河道和含氣砂巖，鑒別較為均一的地層和丘狀起伏等；弧長可區(qū)別同是高振幅但有高頻、低頻之分的地層情況或同是低振幅但有高低頻之分的地層情況；瞬時頻率是相位隨時間的變化率，可識別氣體聚集區(qū)和它們的低頻陰影帶，確定沉積厚度，顯示尖滅和烴水分界面等突變現(xiàn)象，也可提供同相軸的有效頻率的吸收效應(yīng)、沉積厚度、薄層調(diào)諧效應(yīng)、裂縫的影響和儲層厚度等信息[8]。

從這些DMT凹陷斷裂的地震屬性的平面圖(圖6)中可以看出，這些屬性其呈條帶分布，其屬性的大值基本都在潛山帶中部偏南側(cè)區(qū)域，位于東勝堡潛山附近。上文正演結(jié)果表明，在裂縫發(fā)育區(qū)，其均方根振幅、弧長和反射強度的屬性值均較大，因此可以預(yù)測該部位可能為裂縫較為發(fā)育地帶。

圖6　沿層屬性平面Fig.6　The layer property

4　基于BP神經(jīng)網(wǎng)絡(luò)的多屬性裂縫密度預(yù)測

由于地震勘探中的多解性和不確定性，利用單一的地震屬性進行儲層預(yù)測不能較好地表征儲層，需要綜合利用多種類型的地震屬性進行油氣預(yù)測。利用上述提取的7種對裂縫敏感的地震屬性，采用較為典型的BP神經(jīng)網(wǎng)絡(luò)算法來預(yù)測研究區(qū)裂縫發(fā)育帶。

人工神經(jīng)網(wǎng)絡(luò)是一種將生物原理引入到數(shù)學(xué)算法中的數(shù)學(xué)結(jié)構(gòu)模型，由輸入、神經(jīng)元、輸出3個部分構(gòu)成。在訓(xùn)練階段，由輸入端輸入數(shù)據(jù)；經(jīng)由神經(jīng)元分配給各個輸入端一定的權(quán)值，在神經(jīng)元分配的激勵函數(shù)影響下，輸出目的數(shù)據(jù)；計算實際數(shù)據(jù)與模擬結(jié)果的殘差，通過神經(jīng)網(wǎng)絡(luò)算法調(diào)節(jié)最初分配的權(quán)值，直到達到限定誤差范圍[15,16]。在預(yù)測階段，輸入數(shù)據(jù)經(jīng)由建立好的網(wǎng)絡(luò)，映射輸出數(shù)據(jù)。具體實現(xiàn)過程見圖7。

由圖7可知，各種神經(jīng)元間通過可變權(quán)θj連接，每個神經(jīng)元對所有輸入信號加權(quán)后求和，當(dāng)和值大于某個閾值j時，該神經(jīng)元呈活性狀態(tài)，此時有信號輸出，否則無信號輸出。神經(jīng)元j的總輸入為

(1)

式中：wji是神經(jīng)元j與神經(jīng)元i間的連接權(quán)，表示神經(jīng)元間信息傳遞時的連接強度，模擬生物神經(jīng)元突觸的功能；oi為神經(jīng)元i的輸出。神經(jīng)元j的輸出oj為

圖7　人工神經(jīng)網(wǎng)絡(luò)基本處理單元示意圖Fig.7　Artificial neural networks basic processing unit schematics

oj=f(netj-θj)

(2)

式中，函數(shù)f(x)是一個非線性函數(shù)，稱作啟動函數(shù)。

運用BP神經(jīng)網(wǎng)絡(luò)方法對研究區(qū)的裂縫密度進行預(yù)測，其具體步驟如下：

①從訓(xùn)練集中取出某一樣本，把信息輸入網(wǎng)絡(luò)中；

②通過各節(jié)點間的連接情況正向逐層處理，得到神經(jīng)網(wǎng)絡(luò)的實際輸出；

③計算網(wǎng)絡(luò)實際輸出與期望輸出的誤差；

④將誤差逐層反向回傳至之前各層，并按一定原則將誤差信號加載到連接權(quán)值上，使整個神經(jīng)網(wǎng)絡(luò)的連接權(quán)值向誤差減小的方向轉(zhuǎn)化；

⑤対訓(xùn)練集中每一個輸入—輸出樣本重復(fù)以上步驟，直到整個訓(xùn)練樣本集的誤差減小到符合要求為止。

通過多次試驗，最終在網(wǎng)絡(luò)訓(xùn)練過程中，設(shè)置了4個中間層，迭代1 200次，此時得到的試驗結(jié)果能夠較好地預(yù)測結(jié)果。將地震屬性預(yù)測裂縫密度曲線與成像測井解釋成果進行誤差分析對比(圖8)，發(fā)現(xiàn)兩者吻合程度較高。另選取5口誤差較大的驗證井進行誤差分析統(tǒng)計(表1)，得出計算誤差在1%～19%之間，平均誤差為8%，則用該預(yù)測函數(shù)能夠得到理想的裂隙密度預(yù)測結(jié)果。

圖9為研究區(qū)利用地震屬性和神經(jīng)網(wǎng)絡(luò)預(yù)測的裂縫密度平面分布圖，從圖中可以看出：裂縫最發(fā)育的是東勝堡和法哈牛構(gòu)造帶、靜安堡；其次為邊臺、平安堡、靜北、前進構(gòu)造帶；安福屯和曹臺構(gòu)造帶裂縫相對欠發(fā)育。將DMT地區(qū)主要區(qū)塊的累計產(chǎn)能進行統(tǒng)計，結(jié)果見表2。由表2可知，圖9的預(yù)測結(jié)果與實際情況相吻合，東勝堡和法哈牛產(chǎn)量最高。裂縫由北向南逐漸發(fā)育，裂縫密度預(yù)測結(jié)果較好，為本工區(qū)井位部署提供了依據(jù)。

圖8　神經(jīng)網(wǎng)絡(luò)預(yù)測方法誤差分析Fig.8　The error analysis chart of neural network forecasting method

驗證井名地震預(yù)測測井解釋相對誤差H201.1881.1310.0504H31-28-281.3211.2010.0999S3031.2181.2690.0402S2691.3351.3110.0183H31-16-181.7911.5060.1892

圖9　神經(jīng)網(wǎng)絡(luò)預(yù)測裂縫密度平面分布Fig.9　Neural network fracture density distribution

表2　DMT地區(qū)主要區(qū)塊累計產(chǎn)能

5　結(jié)　論

1)研究區(qū)潛山儲層主要發(fā)育變質(zhì)巖巖性，受多期多次構(gòu)造運動的影響，其裂縫也具有多期性、廣泛性和多方向性，且發(fā)育程度不均衡；加上成巖后生及風(fēng)化、淋濾、蝕變等作用，形成了沿斷裂發(fā)育的次生孔隙和微裂縫雙重介質(zhì)儲層。

2)相干、螞蟻體、反射強度等地震屬性對裂縫反映較敏感。各種單一地震屬性雖然能夠表達地震信號的不同物理特征和地質(zhì)信息差異，但是往往只能表達地質(zhì)體的某一方面特征，預(yù)測結(jié)果常常存在多解性。它們與裂縫發(fā)育之間并不存在一一對應(yīng)的關(guān)系，綜合利用疊后地震多屬性提供的地質(zhì)信息才能較準確地預(yù)測裂縫分布范圍與發(fā)育程度。

3)運用7種常規(guī)的地震屬性，采用BP神經(jīng)網(wǎng)絡(luò)算法，定量或半定量地預(yù)測出研究區(qū)的裂縫發(fā)育帶，驗證井平均誤差為8%，誤差較小，認為該結(jié)果有效可靠，且裂縫發(fā)育帶為東勝堡和法哈牛構(gòu)造帶、靜安堡；次級發(fā)育區(qū)為邊臺、平安堡、靜北、前進構(gòu)造帶，為后期綜合儲層預(yù)測提供了依據(jù)。

4)通過井點進行約束并利用以多種地震屬性為輸入信息的BP神經(jīng)網(wǎng)絡(luò)預(yù)測方法，可以將以上地震屬性輸出為定量的裂縫密度，提高了裂縫儲層預(yù)測的精度和準確度。

[1]任芳祥,龔姚進,張吉昌,等.潛山內(nèi)幕油藏裂縫發(fā)育段地震響應(yīng)特征研究[J].天然氣地球科學(xué),2014,25(4):565-573.

[2]吳智勇,郭建華,吳東勝.大民屯凹陷靜安堡西側(cè)低潛山變質(zhì)巖儲層裂縫發(fā)育特征[J].石油與天然氣地質(zhì),2001,22(4):322-325.

[3]李軍,尤桂彬,高慶勝,等.大民屯凹陷元古宇儲集層特征及控制因素[J].吉林大學(xué)學(xué)報(地球科學(xué)版),2010,40(1):21-29.

[4]李煥鵬.遼河油區(qū)潛山油藏內(nèi)幕評價方法初探[J].地球物理學(xué)進展,2010,25(1):90-99.

[5]孟衛(wèi)工,陳振巖,李湃,等.潛山油氣藏勘探理論與實踐——以遼河坳陷為例[J].石油勘探與開發(fā),2009,36(2):136-143.

[6]趙立旻.大民屯凹陷古潛山裂縫特征及控制因素[J].地質(zhì)科技情報,2007,26(4):37-41.

[7]王彥倉,秦鳳啟,杜維良,等.地震屬性優(yōu)選、融合探討[J].中國石油勘探, 2013,18(11):69-73.

[8]汪勇,陳學(xué)國,王月蕾,等.疊后多屬性分析在哈山西石炭系火山巖裂縫預(yù)測中的應(yīng)用研究[J].地球物理學(xué)進展,2014,29(4):1 772-1 779.

[9]高先志，陳振巖，鄒志文，等．遼河西部凹陷興隆臺高潛山內(nèi)幕油氣藏形成條件和成藏特征[J]．中國石油大學(xué)學(xué)報(自然科學(xué)版)，2007，31(6)：6-9.

[10]謝文彥，孟衛(wèi)工，張占文，等．遼河凹陷潛山內(nèi)幕多期裂縫油藏成藏模式[J]．石油勘探與開發(fā)，2006，33(6)：649-654.

[11]夏振宇,汪勇,蔡偉祥，等.變質(zhì)巖裂縫段地球物理響應(yīng)特征分析與裂縫預(yù)測[J].科學(xué)技術(shù)與工程,2015,15(29):7-14.

[12]夏振宇,王子瑄,汪勇，等.利用AVAZ技術(shù)預(yù)測變質(zhì)巖裂縫的方法及效果分析——以大民屯變質(zhì)巖潛山裂縫為例[J].工程地球物理學(xué)報,2015,12(5):597-603.

[13]劉傳虎.地震相干分析技術(shù)在裂縫油氣藏預(yù)測中的應(yīng)用[J].石油地球物理勘探,2001,36(2):238-244.

[14]孫樂,王志章,李漢林,李珙.基于螞蟻算法的斷裂追蹤技術(shù)在烏夏地區(qū)的應(yīng)用[J].斷塊油氣田,2014,21(6):716-721.

[15]陳鋼花,王學(xué)軍,王永剛,等.古潛山裂縫性油藏儲層參數(shù)橫向預(yù)測[J].石油大學(xué)學(xué)報(自然科學(xué)版),2005,29(4):32-35.

[16]周新桂，鄧洪文，操成杰，等.儲層構(gòu)造裂縫定量預(yù)測研究及評價方法[J],地球?qū)W報，2003，24(2)：175-180.

The Application of BP Neural Network to DMT Hill Metamorphic Fracture Prediction

Huang Fengxiang1,2,Xia Zhenyu3, Gui Hongbing4,Zhang Menglin5, Gui Zhixian1,2,Wang Yong1,2

(1.KeyLaboratoryofExplorationTechnologiesforOilandGasResources,YangtzeUniversity,WuhanHubei430100,China;2.SchoolofGeophysics&OilResources,YangtzeUniversity,WuhanHubei430100,China;3.JiangxiNaturalGasCo.Ltd.,NanchangJiangxi330096,China;4.GeophysicalDivision,ChinaOilfieldServicesLimited,Tianjin300452,China;5.ChinaPetroleumGeophysicalExplorationInstitute,HuabeiOilfieldBranchofPetroChina,RenqiuHebei062552,China)

Fractured reservoirs in oil and gas exploration and development play an important role, and it is difficult to accurately predict the fractures parameters in the reservoir. In this paper, post-stack multiattribute analysis technology is used to predict quantitatively DMT hill metamorphic cracks. Based on the analysis of reservoir characteristics, sensitive seismic attributes of the reservoir fracture have been extracted, including coherent body, azimuth angle, curvature, ant body, arc length, instantaneous frequency, RMS amplitude reflection intensity, said differential, attenuation properties. Then on this basis, BP neural network is applied to predict fracture density with a variety of seismic attributes by quantitative method, and the results showed that the Dongshengbao, Fahaniu and Jing'anbao structural zone is the fracture zone, and development area for the secondary side of this station is Biantai, Ping'anbao and Jingbei advancing structural belt, which coincides with drilling data in the work area. Therefore, it provides the basis for the exploration and development of the next step.

seismic attributes; multi-attribute analysis; fracture prediction; neural networks; metamorphic crack

1672—7940(2016)04—0483—08

10.3969/j.issn.1672-7940.2016.04.014

國家自然科學(xué)基金(編號：41074104)；國家科技重大專項(編號：2011ZX05006-004)

黃鳳祥(1991-)，女，碩士研究生，主要從事地震資料處理、綜合解釋及儲層預(yù)測等研究。E-mail：18062791868@163.com

汪勇(1979-)，男，副教授，主要研究方向為地震資料處理。E-mail：Wangyong2018@yeah.net

P631.4

A

2015-08-02