地震波形分类技术在地质异常体解释中的应用

程 彦，赵 镨，林建东，张兴平

地震波形分类技术在地质异常体解释中的应用

程 彦1,2，赵 镨1，林建东2，张兴平2

(1. 中国煤炭地质总局，北京 100038；2. 中国煤炭地质总局地球物理勘探研究院，河北 涿州 072750)

地震波形分类技术具有统计地震信号总体变化和反映这种变化分布规律的特点，是地震属性分析技术的重要延伸，在地质异常体解释方面具有良好的应用效果。高密度三维地震资料具有高信噪比，高分辨率和高保真度的特点，尝试利用波形分类技术对高密度三维地震资料反映的煤层赋存状态、岩浆岩侵入区进行预测，并对陷落柱解释方法进行了研究。井下巷道实际揭露和钻孔验证结果表明：波形分类方法解释的地质异常体精度高、圈定范围准确，可以为煤矿安全开采提供精准的地质资料。

波形分类；地质异常体；赋存状态；岩浆岩侵入区；陷落柱；高密度三维地震

地震波形分类技术在油气储层预测领域中发挥了十分重要的作用。A. H. Balch[1]最早将波形分类技术引入到地震资料的解释工作中；T. Coléou等[2]对地震波形分类方法的原理和计算步骤进行了较好的总结；M. C. de Matos等[3]将基于小波变换和自组织映射的无监督方法应用于地震相分析；B. C. Wallet等[4]将生成拓扑映射方法应用于地震波形的分类方法中；逯宇佳等[5]利用波形分类与三维缝洞体雕刻相结合的技术识别缝洞流体；余刚等[6]应用神经网络波形分类技术预测薄砂岩储层的分布规律；邓传伟等[7]在描述储层沉积微相和岩性油藏特征之间对应关系中，采用地震波形分类技术取得了较好结果。Paradigm公司的Stratimagic是波形分类法常用的代表性软件[8]；石战战等[9]开展了基于时频域波形分类的储层预测方法研究；郑和忠[10]将支持向量机应用于地震波形的分类方法研究中，开展了层位追踪方面的相关工作；刘豪杰等[11]利用模型正演技术开展了地震波形分类的优质储层预测；吴微等[12]利用波形分类技术提取反射波的特征值，构建层位追踪解释模型。通过不断分析研究和方法总结，根据煤炭地震勘探的具体要求，煤炭物探工作者也将这一技术应用于煤炭地震资料的解释工作中。在煤层赋存状况及煤层厚度预测、地质异常体解释等方面做了较多的应用尝试，取得了令人欣喜的效果。当煤层厚度发生变化、岩浆岩侵入或存在陷落柱时，其沉积环境和地层岩性组分也会明显不同[13]。特别是煤矿采区全数字高密度三维地震勘探开展以来，地震数据的质量进一步提高，也加快了地震波形分类技术的应用与发展。高密度三维地震资料具有高信噪比，高分辨率和高保真度的特点，因此，在高密度三维地震资料中利用地震波形分类技术对煤层厚度变化、岩浆岩侵入影响范围预测和陷落柱解释中具有较好的应用前景。

本文主要介绍地震波形分类技术在地质异常体解释中的应用，包括波形分类技术的原理、关键步骤以及参数选择，同时结合高密度三维地震资料中的应用实例，对这项技术的未来发展趋势和在煤炭地震资料解释中的应用前景进行了预测。

1 波形分类技术的基本原理

波形分类技术是将包含各种或各类波形特征信号的样本集，通过特定方法建立适当的分类模型器后，再通过数学计算将具有相似波形特征的样本划分为同一类，将具有不同波形特征的多种样本划分成为不同的类别，以达到能够区分波形类别的目的。其主要优势和特点是可以在人为划定的某一地质层段内较为准确地估算出或表现地震波形信号的可变性，也可以通过对比、分析、归类各地震道间的振动幅度、频率、变化率、连续性等属性来分析储层的变化。

波形分类技术通过从数据体中提取的反映波形变化的物理参数，来建立适当的地震波形分类模型器。地震道形状的变化可以定量表述为从某个起始采样点到终止采样点幅值的变化量，也就是采样点波形是波峰、正值、零、负值、波谷的变化。实现波形分类技术所使用的方法主要有人工神经网络法、因子判别分析法、模型统计法、纹理模型回归法等[14-15]。随着高密度三维地震勘探数据质量的不断提高，波形分类计算手段也层出不穷，地震数据中包含的丰富地震信息也将进一步利用形态学理论和数据处理方法加以提取、分析，作为能够优异地表述地震地质特征信息的波形分类方法加以应用。

2 波形分类技术的实现步骤

三维地震勘探数据解释过程中，首先，分析保幅处理得到的用于地质解释的地震偏移数据体，通过在地震波形信号中提取波形特征建立待分类的特征样本集，然后提取特征信号或根据波形差异率来建立符合要求的分类模型器，将具有某种特定相似特征的地震道划分为同一类，再将具有不同特征的地震道划分到其他不同类别中，据此得到的地震波形分类成果可以用于解释地震数据体中目的层的地震相分布，从而快速判断沿层的地质构造异常或油气藏储存有利区域等信息。同时，波形分类效果在很大程度上反映了岩性勘探成果的精度和经济有效性[16]。

相比较于传统的地震属性技术，波形分类技术具有统计识别地震波形信号的总体变化(包含地震波的振幅、频率、相位、能量等各类信息)和反映相应属性变化分布规律的特点。在钻井资料比较少、横向变化比较大的情况下，可以以井位处或指定位置的地震波形特征为基准，根据拟合度准则较准确的进行信息外推，运用该技术对地震信号的横向变化进行可靠的评估[13,17]。

地震波形分类的技术思路是在完成地震层位解释的基础上，沿着地震解释层位或目的层段某一时间开一个时窗，将选定时窗内的数据重新采样，使各个地震道上的波形具有相同的特征值采样点数；然后，在不同道之间计算相似性或相似系数，可以根据相似性和预设的门槛阈值进行波形的类别判别，也可以根据未知类别的地震波形与典型波形的相似系数来判别归属于哪一类[18]。地震波形分类技术的主要步骤如图1所示。

2.1 预处理方法

三维地震勘探采集的地震数据中往往包含较多规则干扰或随机干扰信号。考虑到地震波形分类技术的应用需求，在滤波、去噪、反褶积等资料处理过程中要进行保幅处理，特别是要慎用子波整形处理，尽量不要使用叠后波形整形处理，并且在整个数据处理流程选择参数时要注重保持地震数据的时频特性，尽量减少将人为因素引入分析过程，从而影响分类结果的地质解译[15]。

在进行波形分类分析时，一般首先要通过信噪比分析和频谱分析，对需要进行分析的数据体或目标层段地震数据体的信噪比、主频和频带范围、振幅幅值或相对振幅关系、时频特性等进行评价。若提供分析的数据体品质不高，需要对数据进行预处理以改善地震反射质量。常用的降噪方法有频率域小波变换滤波、构造导向滤波和基于倾角导向的中值滤波法等。

图1 地震波分类技术的主要步骤

2.2 层位解释

在进行层段选择时，同沉积层段的厚度变化不宜太大。厚度的大小会影响地质信息的质量，从而加大解释工作的难度。波形分类技术对层位解释的精度要求比较高，在煤层或地层标志层位解释时，一般要求进行自动识别追踪，避免手工追踪造成的人为误差。在已有解释成果上进行分析时，也应该首先在解释层位的时间位置选取一个合理的时窗，通过自动计算寻找地震波形的解释位置，归位到波峰或波谷等。

2.3 技术参数选择

地震波形变化可以充分显示地层物性参数的变化以及相应属性变化分布规律的特点，在波形分类技术中选用合理的相关参数，可以得到理想的地震波形划分结果。

a. 数据体的选择 除了利用叠后偏移或叠前偏移数据体进行波形分类分析外，也可以利用提取地震属性后形成的属性体进行波形分类分析。根据不同地质任务针对不同地震属性提取波形分类信息，融合各种相关属性信息用于解释。基于不同属性体进行分析的优点在于，它可以通过数学变换突出所要描述的地震信号特征，从而突出地震信号中的有效成分信息，大大提高数据分析成果的信噪比和分辨能力。如果想突出波形差异，可在相干体或方差体的基础上进行波形分类分析，或转化到频率域进行分析，这样可以使信息区分得更加突出。在分析低信噪比区域或灰岩层段时，可以选用经过适当数学变换后突出差异的属性体作为研究对象，对分析构造或其他地质异常、提高解释能力和解释精度往往有意想不到的效果。针对同一个地质任务或解释需求，采用不同类型数据体分析可能会得到不同的结果，这样可以使我们在分析时找到最有效的分析方法，突出多属性、多数据体分析优势。

b. 目的层时窗选择 时窗大小的选择要依据实际解决的地质问题。如果研究内容是沉积相或大套储层的宏观分析，那么要选取大一些的时窗。如几个周期的地震波形，只要认清这几个周期范围内的地震波形所反映的确切地质意义就可以。煤田地震勘探中往往是针对某一或几个煤层反射波的，时窗宜选择在某个煤层解释层位加上、下限范围或者两个煤层层位之间的地震数据的集合，最好是大于半个相位，在一个周期内为佳[19-20]。

c. 典型地震波形选择 如果进行有监督的波形分类时，要预先设定几类典型地震波形，设定方法一般是通过井震标定。为便于定义地质意义，选择不同井位的地震波形作为典型波形。典型地震波形对应的测井解释储层类型一般要有明显的成因关系，同时也要尽量保证典型地震波形之间的储层叠置模式与地震、井柱状或测井相应特征也要有比较明显的差异和代表性。

d. 地震波形分类数及迭代次数 在进行无监督地震波形分类时，需要定义波形分类数。地震波形分类数的定义要适宜，不宜太多或太少，根据实际分析需要，一般选择1~2倍的典型波形数就可以，以5~8种分类数为宜，迭代次数选取15~45次为宜，这样可以在兼顾计算速度同时，有利于地震波形相的地质分析。一般做法是在全区波形作相关分析后以固定的差异值进行分类，对已经分类好的波形类还可以根据需要进行重新组合，形成具有明显地质意义的地震波形平面分布图。

2.4 不同地震波形的地质意义解译

不同地震波形特征代表不同的储层叠置特征，其平面分布和组合反映一定的地质规律。那么，可以通过井震标定和地震反射原理，分析出地震波形变化的地质原因；然后，根据沉积学理论，进行地震波形与沉积微相或储层叠置模式平面分布规律的客观解译[21]。

3 地震波形分类技术的应用实例

3.1 煤层厚度变化预测

勘探区位于内蒙古鄂尔多斯市乌审旗图克镇境内，属于高原沙漠地貌特征，地表植被较稀疏，全部被第四系风积沙所覆盖，广泛分布有新月形或波状沙丘，区内没有基岩出露。地层由老至新发育有：三叠系上统延长组(T3)、侏罗系中统延安组(J2)、侏罗系中统直罗组(J2)、白垩系下统志丹群(K1)和第四系全新统(Q)。主要含煤地层是侏罗系中统延安组(J2)，以三叠系上统延长组(T3)为沉积基底，延长组(T3)是一套陆源碎屑沉积物，属于典型的曲流河沉积体系，该组地层厚度为228.06~323.21 m，平均281.86 m，划分为5个煤组，即2~6煤组。

本次研究目的层为3-1煤，该层位于延安组第二岩段(J22)顶部，顶板岩性以粉砂岩为主，其次为砂质泥岩、粉砂岩；底板岩性多为砂质泥岩及粉砂岩。煤层赋存形态呈一走向近南北、倾向西的单斜构造，煤层倾角较缓，一般在1°~4°变化。在勘探区中部及南部发育有小型平缓的波状起伏。根据区内钻孔资料统计：煤层自然厚度1.57~6.35 m，平均4.53 m；可采厚度1.41~6.17 m，平均4.42 m。

高密度三维地震资料的时间剖面如图2所示，从图2中可以看到波形振幅变化的区域，通过钻孔判断、文本框指示了煤层厚度变薄区，经过对比分析，该处地震反射波振幅的变化是由于煤层厚度变化引起的。

图2 时间剖面

采用无监督地震波形分类方法对地震资料进行分析，选定3-1煤层反射波上下30 ms作为研究时窗、迭代次数20次，通过自适应试验划分为6种地震道形状，第1种地震道对应煤层较薄时的波形信息，随着煤厚的增加，其对应地震道的波形亦发生变换，第6种地震道则对应煤层较厚时的波形信息，如图3所示。从图3可以看到：3-1煤层全区发育并可采，呈北薄东厚的特点，3-1煤层在MS18—MS23孔附近沉积状态发生变化，产生了相变，南部和北部波形差异明显，局部存在厚度变薄变厚的区域，后经井巷验证，符合率较高。

图3 3-1煤层地震波形分类

3.2 岩浆岩侵入区预测

勘探区位于安徽省淮南市境内，区内地势平坦，潜水面距地表2~4 m，浅层以黏土、砂质黏土为主，含煤地层主要为二叠系上、下石盒子组和山西组。勘探钻孔揭露含煤地层厚度127.33~658.42 m，主要由灰—深灰色砂质泥岩、泥岩、黏土岩、砂泥岩互层、粉细砂岩、中砂岩、中粗砂岩组成，自上而下划分为7个含煤段，32个煤层，可采煤层6层，分别为13-1煤、11-2煤、8煤、6-1煤、4-1煤、3煤。3煤层厚度变化范围为0.5~7.5 m，大部分区域煤层厚度在3.0~5.0 m变化，煤厚总体趋势呈东薄西厚的特点。3煤层在区内西北部埋藏较浅、东南部埋藏较深，走向自东向西为NE至NW，倾向SE至SW，倾角3°~28°，由于小型平缓的褶曲、波状起伏及断层发育使煤层的连续性遭到破坏，煤层走向发生一些改变，并且在煤层中发现岩浆岩侵入现象。岩浆岩对煤层影响的地震资料解释可归纳以下2个方面：①岩浆岩侵入煤层引起煤层吞蚀、焦化、变薄等地质现象，在地震时间剖面上则表现为岩浆岩影响的部位煤层反射波缺失、能量(振幅)减弱等现象，属同类地震异常反应；②煤层上部地层中如果存在大范围岩浆岩岩床侵入，则对煤层反射波能量产生屏蔽，造成相应部位煤层反射波的能量、振幅减弱现象。

本次采用有监督的波形分类方法对3煤层岩浆岩侵入区进行预测，选定3煤层反射波上下30 ms作为研究时窗，将波形分为5类，如图4所示，其中第5种波形是通过井震标定的岩浆岩侵入区典型反射波，黄色范围所示区域；分类后得到波形分布图，如图5所示。从图5中可以看到勘探区东南部黑色线圈定的区域与其他区域波形异常明显，预测为岩浆岩侵入区，后经钻孔验证证实了该区确为岩浆岩侵入区。

图4 波形分类模型道

图5 地震波形分布

3.3 陷落柱解释

勘探区位于安徽省淮北市境内，区内地势平坦，地面高程一般为+27 m左右，地形高差变化不大，区内潜水面深度一般在3~5 m，地下水丰富，且较稳定，区内地表下9~11 m为黏土层。矿区地层属华北型沉积，钻探揭露地层有：奥陶系、石炭系、二叠系、古近系、新近系和第四系，含煤地层为石炭–二叠系，沉积环境体系为：陆表海沉积、碎屑滨岸带、三角洲和河流体系。石炭纪煤层薄而不稳定，开采条件复杂，暂未作为勘探对象。二叠纪含煤地层自下而上为山西组、下石盒子组、上石盒子组，主采煤层为3、7、8、9和10煤层，煤层较稳定。石炭–二叠纪煤系的基底，存在有溶洞非常发育的奥陶纪石灰岩，由于地下水的长期溶蚀，这些溶洞越来越大，在地质构造力和上覆岩层重力的长期作用，有些溶洞发生塌陷，覆盖在上面的含煤地层也随之陷落，沿陷落柱中心轴切剖面的形态基本分4类：圆锥体、筒状、斜塔状、不规则状。区内太灰顶界面高程变化范围–530~ –1 190 m，东部、南部煤层浅部地层倾角较大，20°~30°，尤其是南部，地层倾角达30°~38°；西部、北部地层角度变缓，多为10°~20°。

勘探区的叠后时间剖面如图6所示，利用叠后时间剖面直接进行解释时陷落柱的边界不清晰，特别是在奥陶系灰岩层界面。本次分析是在提取相干属性的数据体后(相干属性剖面如图7所示)，采用无监督地震波形分类方法，以10煤层反射波层位上下50 ms作为研究层段，通过自适应试验划分为4种地震道形状，平面如图8所示。从图8可以清晰地确定陷落柱的边界，经过钻井验证，边界圈定范围精确，解释精度明显提升。

图6 时间剖面

图7 相干属性剖面

图8 地震波形分布

4 结论

a.在煤炭高密度三维地震资料解释应用中，波形分类技术的应用步骤包括预处理、层段选择、提取地震道模型、波形分类形成相图、地质解释等；时窗选择、波形分类数及迭代次数参数的选择原则和合理范围为：目的层时窗选择要大于半个相位，波形分类数选取5~8种，迭代次数选取15~45次为宜。

b.采用无监督地震波形分类方法应用到煤层赋存状态预测和陷落柱解释中，预测的煤层分布情况、厚度与井下巷道实际揭露一致，解释的陷落柱边界、发育层位与钻孔揭露一致；采用有监督的波形分类方法圈定的岩浆岩侵入区范围，经补充钻孔验证准确。应用结果表明：波形分类技术通过在解译过程中或地震属性体充分挖掘地质信息，进行地质异常体解释，解释结果准确可靠，为三维地震资料的地质精细解释提供一种新的思路和方法。

[1] BALCH A H. Color sonagrams：A new dimension in seismic data interpretation[J]. Geophysics，1973，36(6)：232–238.

[2] COLÉOU T，POUPON M，AZBEl K. Unsupervised seismic facies classification：A review and comparison of techniques and implementation[J]. The Leading Edge，2012，22(10)：942–953.

[3] DE MATOS M C，OSORIO P L M，JOHANN P，et al. Unsupervised seismic facies analysis using wavelet transform and self-organizing maps[J]. Geophysics，2007，72(1)：9–21.

[4] WALLET B C， DE MATOS M C， KWIATKOWSKI J T，et al. Latent space modeling of seismic data：An overview[J]. Leading Edge，2009，28(12)：1454–1459.

[5] 逯宇佳，曹俊兴，刘哲哿，等. 波形分类技术在缝洞型储层流体识别中的应用[J]. 石油学报，2019，40(2)：182–189.LU Yujia，CAO Junxing，LIU Zhege，et al. Application of waveform classification technology in fluid identification of fractured-vuggy reservoirs[J]. Acta Petrolei Sinica，2019，40(2)：182–189.

[6] 佘刚，周小鹰，戴明刚，等. 波形分类技术在鄂北薄砂岩储层预测中的应用[J]. 石油与天然气地质，2012，33(4)：536–540.SHE Gang，ZHOU Xiaoying，DAI Minggang，et al. Application of seismic waveform classification technique in thin sandstones reservoir prediction in northern Ordos Basin[J]. Oil & Gas Geology，2012，33(4)：536–540.

[7] 邓传伟，李莉华，金银姬，等. 波形分类技术在储层沉积微相预测中的应用[J]. 石油物探，2008，47(3)：262–265. DENG Chuanwei，LI Lihua，JIN Yinji，et al. Application of seismic waveform classification technique in prediction reservoir sedimentary microfacies[J]. Geophysical Prospecting for Petroleum，2008，47(3)：262–265.

[8] COLEOU T，POUPON M，AZBEL K. Unsupervised seismic facies classification：A review and comparison of techniques and implementation[J]. The Leading Edge，2003，22(10)：942–953.

[9] 石战战，王元君，唐湘蓉，等. 一种基于时频域波形分类的储层预测方法[J]. 岩性油气藏，2018，30(4)：98–104.SHI Zhanzhan，WANG Yuanjun，TANG Xiangrong，et al. Reservoir detection based on seismic waveform classification in time-frequency domain[J]. Lithologic Reservoirs，2018，30(4)：98–104.

[10] 郑和忠. 基于支持向量机的地震波形分类方法的研究[D]. 青岛：青岛大学，2018. ZHENG Hezhong. Research on seismic waveform classification method based on support vector machine[D]. Qingdao：Qingdao University，2018.

[11] 刘豪杰，夏同星，周学锋，等. 基于模型正演的地震波形分类技术预测优质储层[C]//中国地球科学联合学术年会，2019：1112–1115. LIU Haojie，XIA Tongxing，ZHOU Xuefeng，et al. Prediction of high quality reservoir by seismic waveform classification based on model forward modeling[C]//China Geosciences Joint Annual Meeting，2019：1112–1115.

[12] 吴微，谭绍泉，王树华，等. 基于波形分类的层位自动追踪方法[C]//SPG/SEG南京2020 年国际地球物理会议. 2020：975–978.WU Wei，TAN Shaoquan，WANG Shuhua，et al. Automatic horizon tracking method based on waveform classification[C]//SPG/SEG International Geophysical conference，Nanjing，2020：975–978.

[13] 孙学凯，崔若飞. 地震相分析在探测煤层中火成岩侵入范围的应用[J]. 煤田地质与勘探，2010，38(5)：58–60. SUN Xuekai，CUI Ruofei. Application of seismic faces analysis in detecting the magmatic intrusion zones[J]. Coal Geology & Exploration，2010，38(5)：58–60.

[14] 杨占龙，陈启林，沙雪梅，等. 关于地震波形分类的再分类研究[J]. 天然气地球科学，2008，19(3)：377–380. YANG Zhanlong，CHEN Qilin，SHA Xuemei，et al. Reclassification research of seismic waveform classification[J]. Natural Gas Geoscience，2008，19(3)：377–380.

[15] 林朋，彭苏萍，卢勇旭，等. 基于共轭梯度法的全波形反演[J]. 煤田地质与勘探，2017，45(1)：131–136. LIN Peng，PENG Suping，LU Yongxu，et al. Full waveform inversion based on the conjugate gradient method[J]. Coal Geology & Exploration，2017，45(1)：131–136.

[16] 刘明夫. 三维地震数据体的波形分类方法研究[D]. 成都：电子科技大学，2014. LIU Mingfu. Research on waveform classification method based on 3D seismic data[D]. Chengdu：University of Electronic Science and Technology of China，2014.

[17] 范洪军，范廷恩，王晖，等. 地震波形分类技术在河流相储层研究中的应用[J]. CT理论与应用研究，2014，23(1)：71–80.FAN Hongjun，FAN Ting’en，WANG Hui，et al. Application of seismic waveform classification technique in the study of fluvial reservoir[J]. CT Theory and Applications，2014，23(1)：71–80.

[18] 高阳，王春贤，冯西会，等. 地震相分析技术在煤田地震勘探中的应用[J]. 煤田地质与勘探，2016，44(1)：107–111. GAO Yang，WANG Chunxian，FENG Xihui，et al. Application of seismic facies analysis technology in coal seismic exploration[J]. Coal Geology & Exploration，2016，44(1)：107–111.

[19] 秦永军，马丽，薛海军，等. 地震波形分类技术在煤层分叉解释中的应用[J]. 中国煤炭地质，2016，28(10)：76–80. QIN Yongjun，MA Li，XUE Haijun，et al. Application of seismic waveform classification technology in coal seam bifurcation interpretation[J]. Coal Geology of China，2016，28(10)：76–80.

[20] 江青春，王海，李丹，等. 地震波形分类技术应用条件及其在葡北地区沉积微相研究中的应用[J]. 石油与天然气地质，2012，33(1)：135–140. JIANG Qingchun，WANG Hai，LI Dan，et al. Application conditions of seismic waveform classification technique and its use in the study of sedimentary microfacies of Pubei area[J]. Oil & Gas Geology，2012，33(1)：135–140.

[21] 杨文强. 孙疃矿中组煤层地震相分析与煤厚预测[D]. 徐州：中国矿业大学，2019. YANG Wenqiang. Seismic facies analysis and seam thickness prediction of the Middle Coal seam in Suntuan Mine[D]. Xuzhou：China University of Mining and Technology，2019.

Application of seismic waveform classification technology in interpretation of geological abnormal body

CHENG Yan1,2, ZHAO Pu1, LIN Jiandong2, ZHANG Xingping2

(1. China National Administration of Coal Geology, Beijing 100038, China; 2. Research Institute of Coal Geophysical Exploration, China National Administration of Coal Geology, Zhuozhou 072750, China)

Seismic waveform classification technology has the characteristics of statistics of the overall change of the seismic signal and reflects the distribution of this change. It is an important extension of seismic attribute analysis technology. It has a good application effect on the reflected wave changes caused by geological anomalies, which is similar to the conventional single attribute prediction. Compared, it has the characteristics of sensitive reflection and reliable results. High density 3D seismic data have the characteristics of high signal-to-noise ratio, high resolution and high fidelity. This paper attempts to use waveform classification technology to predict the occurrence of coal seam and magmatic intrusion area reflected by high density 3D seismic data, and studies the interpretation method of collapse column. Through actual exposure and drilling verification in underground roadways, the prediction results have high accuracy and accurate bounds, which can provide accurate geological data for coal mining.

waveform classification; geological anomaly; occurrence state; magmatic rock intrusion; collapse column; high density 3D seismic exploration

请听作者语音介绍创新技术成果等信息，欢迎与作者进行交流

P631.4

A

10.3969/j.issn.1001-1986.2020.06.012

1001-1986(2020)06-0087-06

2020-10-24；

2020-11-10

中国煤炭地质总局科技创新基金项目(ZMKJ-2019-B11，ZMKJ-2019-J11)

Science and Technology Innovation Fund of China National Administration of Coal Geology(ZMKJ-2019-B11，ZMKJ-2019-J11)

程彦，1984年生，男，山东泰安人，硕士，高级工程师，从事煤田地球物理勘探工作. E-mail：cumt_cheng@163.com

程彦，赵镨，林建东，等. 地震波形分类技术在地质异常体解释中的应用[J]. 煤田地质与勘探，2020，48(6)：87–92.

CHENG Yan，ZHAO Pu，LIN Jiandong，et al. Application of seismic waveform classification technology in interpretation of geological abnormal body[J]. Coal Geology & Exploration，2020，48(6)：87–92.

(责任编辑 聂爱兰)