基于核主成分分析的地震属性优化方法及应用

综合研究

基于核主成分分析的地震属性优化方法及应用

印兴耀3　孔国英　张广智

(中国石油大学(华东)地球资源与信息学院地球物理系)

印兴耀,孔国英,张广智.基于核主成分分析的地震属性优化方法及应用.石油地球物理勘探,2008,43(2):

179～183

摘要　传统的基于线性变换的主成分分析法(PCA)是一种有效的地震属性降维优化方法。但是,当原始数据中存在非线性属性时,用主成分分析法提取的主成分就不能反映这种非线性属性。而核主成分分析(KPCA)则

是一种基于原始数据的非线性变换,它可以提取出数据之间的非线性关系。本文从方法原理概述入手,分析了

一般主成分分析在处理非线性问题上存在的不足,阐述了基于核函数的主成分分析方法,并将其首次应用于地震属性的降维优化中。应用结果表明:基于核函数的主成分分析方法具有优秀的特征提取性能。关键词　属性降维优化　主成分分析(PCA)　核函数　核主成分分析(KPCA)

对基于核函数的特征提取方法[5]的研究越来越受到

1　引言

地震属性是指由叠前或叠后地震数据经过数学变换而导出的有关地震波的几何形态、运动学特征、动力学特征和统计学特征参数[1]。地震属性优化就是利用人的经验或数学方法,优选出对所求解问题最敏感(或最有效、最有代表性)的、个数最少的地震属性或地震属性组合,提高地震储层预测精度,改善与地震属性有关的处理和解释方法的效果[2]。目前提取的地震属性有上百种之多,新的属性不断出现。如果直接利用如此多的地震属性进行储层精细解释及相关计算,则必然会增加计算量。而且,这些属性之间必然存在着冗余信息,因此有必要对地震属性空间进行压缩,优选出能够反映储层参数本质特征的、相互之间独立的地震属性参数[3]。

地震属性的降维优化方法有很多,主成分分析(PCA)是最为常用的特征提取方法[4],它是通过数理统计分析,求得各要素间线性关系的实质上有意义的表达式,将众多要素的信息压缩为若干具有代表性的合成变量,然后选择信息量最丰富的少数因子进行各种计算。本质上讲,主成分分析是一种线性方法,在处理非线性问题时,往往不能取得很好的效果。最近几年,尤其是支持向量机的研究展开后,

3山东省东营市中国石油大学地球资源与信息学院地球物理系,257061本文于2007年6月4日收到。

重视。最新的理论研究成果表明,与核函数的有机融合而形成的核主成分分析(KPCA)不仅特别适合于处理非线性问题,并且能提供更多的信息[6～8]。为此,本文主要阐述主成分分析及其改进的核主成分分析方法以及利用这两种方法分别进行地震属性优化的效果。

2　方法概述

2.1　PCA方法

主成分分析就是从一定数量的属性参数中,找出数目较少、彼此独立的综合变量,并将原来的属性参数用这些综合变量表示出来[9]。设有n个样本,

p个变量,将原始数据转换成一组新的变量—─主

成分,主成分是原变量的线性组合且具有正交特征,即将x1,x2,…,xp综合成m(mz1z2

l11

=

l21

l12l22

…l1p…l2p…

L

x1x2

…

zm

…

lm1

…

lm2

…

lmp

…

xp

(1)

'8

　180　石油地球物理勘探2008年　

式中:z1,z2,…,zm分别称作原属性的第一,第二,…,第m个主成分;li1,li2,…,lip为变量相关阵的第

i个特征值对应的特征向量。z1,z2,…,zm所对应

图1示出了KPCA的基本思路。由图可知,与在输入空间中类似,在高维特征空间F中执行线性PCA。由于F与输入空间之间的关系是非线性的,所以在特征空间主成分(用箭头表示)上的投影在输入空间是非线性的。也就是说,它将原变量空间通

过一个非线性变换Φ映射到一个高维特征空间F中[11],在F中进行线性主成分分析。通过核技巧,它只需在原空间进行点积运算,而不必知道Φ的具体形式(图1)。只要选取适当的核函数,便可使第一主成分的贡献率达到85%以上,可避免经过主成分分析(PCA)得到的各主成分的贡献率过于分散的问题。注意此法不能在特征空间中给出输入空间的映射,因为它可能就不存在。KPCA的关键之处在于并不用给出输入空间的映射,而是用核函数k来代替这种非线性关系[6]。

λ的特征向量的特征值分别为λ1,λ2,…,m,且λ1≥λλλ2≥…≥m。比值λi∑i反映了zi对整体信息的

i=1贡献,该比值越大,该分量越重要。2.2　KPCA方法

2.2.1　KPCA基本理论

主成分分析(PCA)可以有效地处理变量间的线性关系,但属性间的关系往往是非线性的,使用该方法将导致各主成分的贡献率过于分散,从而不能确定具有全面综合能力的属性。因此在现实属性间的关系是非线性的情况下,采用线性主成分分析是不妥的。

p

图1　KPCA方法思路示意图

左图:线性PCA;右图:KPCA

　　核主成分分析(KPCA)的基本思想就是通过引入一个非线性变换Φ,把每一个样本向量xk(k=1,…,M),由输入空间R通过一个高维映射向特征空间F进行投影,然后在特征空间F中利用PCA进行特征提取,即

Φ∶RN→F

x|→X

M

N

并且存在系数αi(i=1,…,M),使得

M

V=

i=1

αΦ(x)∑

i

i

(6)

联合式(5)与式(6),得

M

λ∑α(xk)Φ(xi))=i(Φ

i=1

1

MM

i

Mi=1

α

∑

Φ(xk)

j=1

Φ(x)∑

j

×

(2)

其中特征空间F的维数可以是任意的。假设待处Φ(xk)=0,理的数据是已经中心化(零均值化),即k∑=1在F中利用协方差矩阵

C=

M

　×(Φ(xj)Φ(xi))　　k=1,…,M定义

Kij=(Φ(xi)Φ(xj))

(7)(8)

1

式中K为M×M维矩阵。则式(7)可以写成

λKα=K2α(9)M

这里α表示包含α1,…,αM的列向量。由于K是对称的,整个空间由一系列的特征向量组成,因此式(9)等价于

λα=Kα(10)M　　由于K是半正定的,所以K的特征值是非负

λ的解是等价的。因此,的,并且其解与式(9)中Mλλ只需对角化K,利用λ1,2,…,M表示特征值,α1,…,αM表示相应的特征向量。一般说来,第一主成

Mj=1

∑

Φ(xj)Φ(xj)T(3)

寻找特征值λ≥0和特征向量V∈F\\{0},并满足

λ(4)V=CV特征向量V位于Φ(x1),…,Φ(xM)张成的空间,因此可以考虑等价方程

λ(Φ(xk)V)=(Φ(xk)CV)　　k=1,…,M

8

(5)

　第43卷　第2期印兴耀等:基于核主成分分析的地震属性优化方法及应用　181　

分的贡献率就在85%以上,因此只需取和第一个特征值对应的特征向量,与输入属性进行运算,就可以得到变换后可代表大部分输入属性信息的主成分

(11)Fi=αi1x1+αi2x2+…+αiMxM其中i=1,…,N(N归纳起来,计算主成分需要遵循下面的步骤:

(1)初始化输入样本,根据式(8)计算矩阵K;(2)求矩阵K/M的特征值λλ1,2,…,λM和特征向量α1,…,αM;

(3)选择与最大特征值对应的特征向量与输入

表达式和很高的维数。目前,应用较广的核函数主要包括以下几种类型:

(1)多项式核函数k(x,xi)=[a(xi

xj)+c],

d

其中c≥0,d∈N;

(2)Gauss径向基核函数k(xi,xj)=

2

‖xi-xj‖exp-;2

2σ

(3)神经网络核函数k(xi,xj)=th[s(xixj)+c]。

核函数的总体思路

[12]

是在问题的求解过程

属性计算,得出主成分。

为简单起见,在上面的推导过程中,假设观测数据是经过中心化的,但一般情况下这种假设是不成立的。因此,式(10)中的K用�K代替,对其进行对角化,即可得到特征值以及对应的特征向量

Kij=Kij-�

中,将与输入向量相关的部分表示为点积的形式,如

(xi,xj),在映射Φ的作用下,相当于特征空间中点积(Φ(xi)

Φ(xj)),即输入空间中的K(xi,xj)。

3　实例分析

本文以两个实例来具体说明此方法的优点。实

1

M

M

　　　-

Mm=1

in

∑l

nj

im

Kmj

Kl

M∑

n=1

1

+

1

M

2

M

(12)

im

m,n=1

∑l

例一为某地区的三维地震数据,沿目的层提取了弧长、平均瞬时频率、有效带宽、振幅峰态和振幅扭度5种地震属性。实例二中用到的地震属性为弧长、平均绝对振幅、平均瞬时频率、平均瞬时相位、有效带宽和振幅扭度6种属性。直接采用一般的PCA算法,降维效果很不理想。两个实例中应用PCA与KPCA方法进行地震属性优化的结果分别在表1与表2中示出。

Kmnlnj

2.2.2　核函数的选取

根据上述可知,输入空间的核函数实际上等价特征空间内积。核函数的优势在于并不要求知道具体的Φ,而只要求已知核函数的具体形式。因此,与一个简单核函数对应的映射Φ可能具有复杂的

PCA

表1　应用PCA和KPCA方法分别进行弧长、平均瞬时频率、有效带宽、振幅峰态和振幅扭度5种地震属性优化结果特征值序号

12345

KPCA1

KPCA2

λi值

1116525115783019763015329012600

贡献率

33105311571915210166512

累计贡献率

3310564162841149418100

λi值

1312396014032012906011348010680

贡献率

931662185210601950148

累计贡献率

93166961519815799152100　

λi值

018893010219010158010074010038

贡献率

94178213411690179014

累计贡献率

94178971129818199160100　

表2　应用PCA和KPCA方法分别进行弧长、平均绝对振幅、平均瞬时频率、平均瞬时相位、有效带宽和

振幅扭度6种地震属性优化结果比较

特征值序号

123456

PCA

KPCA1

KPCA2

λi值

118915117668019744018306014618010750

贡献率

3115329144161241318471701125

累计贡献率

3115360197771219110598175100

λi值

1311917013634012853011801011030010239

贡献率

9312421572102112701730117

累计贡献率

9312495181971839911099183100　

λi值

017732010172010136010086010049010012

贡献率

9414421111165110501610114

累计贡献率

9414496155981209912599186100

8

　182　石油地球物理勘探2008年　

　　本文中核主成分分析方法采用的核函数形式为

KPCA1:k(x,y)=(10-KPCA2:k(x,y)=exp

6

图2与图3分别示出表1与表2中PCA,KP2CA1和KPCA2的累计贡献率,从图中可以清晰地看出,若核函数中的参数选择合适,KPCA就能取

得很好的降维效果。图4和图5分别为应用PCA和KPCA对实例一和实例二所述碳酸盐岩含气区的识别结果。

从图4与图5中可以看出,KPCA的结果明显

×(x2

y)+4)

2

2‖x-y‖-10-7

从表1以及表2的比较中可以看出,采用KPCA的降维效果比PCA好得多,不论采用何种核函数,第一主成分的贡献率均可以达到90%以上。

8

　第43卷　第2期印兴耀等:基于核主成分分析的地震属性优化方法及应用　183　

的优于PCA结果,利用KPCA方法计算出的地震属性比利用PCA方法得出的结果能更精确地确定储层的范围。经过KPCA分析之后的第一主成分包含了储层的大部分信息,用它来进行储层的精确描述或者是属性的聚类可以大大减少计算量。　

从分析中还可以得出,利用两种核函数都能取得比较理想的效果,但Gauss径向基核函数的效果略好于多项式核函数的效果。一般说来,地震数据都是含有噪声的,而Gauss径向基核的抗噪能力要好于多项式核,因此我们一般选择Gauss径向基核进行计算。

的岩性和物性信息联系起来,从而给解释带来很大困难。对于后者,随着计算机的发展是比较容易克服的。

参考文献

[1]　何必朱,周杰,汪功怀1利用多元地震属性预测储层

信息1石油地球物理勘探,2003,38(3):258～262

[2]　赵加凡,陈小宏.基于灰关联分析与K2L变换的双重

属性优化方法.石油地球物理勘探,2004,39(6):661～665

[3]　王永刚,刘伟,黄国平.地震属性的GA2BP优化方

法.石油地球物理勘探,2002,37(6):606～611

[4]　Carreira2PerpianMA.AReviewofDimensionRe2

ductionTechniques.TechnicalReportCS296209,De2partmentofComputerScience,UniversityofShef2field,1997,5～20

[5]　VladimirNV.Thenatureofstatisticallearningthe2

ory.NewYork:Springer2Verlag,1995,20～30

[6]　ScholkopfBetal.Nonlinearcomponentanalysisasa

kerneleigenvalueproblem.NeuralComputation,1998,(10):1299～1319

[7]　ScholkopfBetal.Kernelprincipalcomponentanal2

ysis.InProceedingsICANN,LNCS,Springer,1997,583～589

[8]　王新峰,邱静,刘冠军.基于核最优K2L变换的故障

特征提取方法研究.机械科学与技术,2006,25(3):288～291

[9]　印兴耀,周静毅.地震属性优化方法综述.石油地球物

理勘探,2005,40(4):482～489

[10]　VladimirNV.Statisticallearningtheory.New

York:JohnWiley,1998,115～163

[11]　肖建华,吴今培.基于核的特征提取技术及应用研

究.计算机工程,2002,28(10):36～38

[12]　黄国宏,邵惠鹤.核主元分析及其在人脸识别中的应

用.计算机工程,2004,30(13):13～14

4　结束语

基于KPCA的地震属性优化方法是一种利用核函数进行主成分提取的新方法,它能较好地解决非线性和高维数据等实际问题,比PCA能更客观地反映真实情况。用KPCA得到的第一主成分的贡献率就超过了85%,取第一个主成分进行储层的解释和预测就能取得较满意的效果。若用PCA,各主成分的贡献率较为分散,增加了后续的储层预测的计算量,所以利用KPCA方法计算出的地震属性比利用PCA方法得出的结果能更精确地确定储层的范围。

虽然KPCA相对于PCA具有适合于处理非线性问题的优势,但是从KPCA的计算过程中同时发现一些不足之处,主要体现在两个方面:①其物理意义不太明确;②相对于PCA来说,其计算过程要复杂得多。前者是很难克服的,这让我们很难将具体

(本文编辑:张亚中)

《石油地球物理勘探》是您工作中的得力帮手

8

　Ⅳ　OilGeophysicalProspecting2008　

City,ShandongProvince,257061,China

Usingdouble2square2root2equation2basedlocalhar2monicwavedecompositiontodetectanglegathers.SunPei2yong,ZhangShu2lunandFangHai2peng.OGP,2008,43(2):168～173

Onthebasisofthemethoddetectinganglegathersbylocalharmonicwavedecompositionbasedonsinglesquarerootequation,thepaperpresentedanewmethodfordetectinganglegathersbylocalharmonicwavedecompositionbasedondoublesquarerootequation.Thepaperdeducedrelevanttheoreticalcomputationalformula.Inim2plementation,thenewmethoduseshigh2efficientfiltertodirectlygettheharmonicwavedecomposi2tionofreflectivityfromprestackwavefieldaftercontinuationofdoublesquarerootequation,andfromwhichobtainsanglegathers.Thetestresultsoftheoreticalmodelandpracticaldatashowedthatthemethodhashighercomputationalefficiencyandequivalentimagingqualityforcommonmarineseis2micdata.Sincethemethodadoptsfinite2differencecontinuationinoffsetdomainforprestackwave2fieldcontinuation,increasingdifferenceitem,whichisabletoadapttotheviolentlateralvaria2tionofvelocity.

Keywords:angelgather,doublesquarerootequa2tion,harmonicwavedecomposition,high2efficien2cyfilter

SunPei2yong,PetroChinaSoftware,FifthFloorofHua’aoBuilding,No.A36,HaidianStreet,Bei2jingCity,100080,China

Fourierfinite2differenceforwardmodelinginvisco2acousticmedia.ZhangJin2hai,WangWei2min,ZhaoLian2fengandYaoZhen2xing.OGP,2008,43(2):174～178

Earthabsorptioneffectmainlyresultedfromtheviscosityofearthmediaitself,whichcanaffectallfrequencycomponentsofwavefield,especiallyforhigh2frequencyelements,leadingverticalreso2lutionofseismicdatatoreduce.Thepaperpopu2larizestheFourierfinite2differencemethodinfull2elasticmediatotheforwardfieldinviso2acoustic

8

media,whichisone2waywavemethodinfrequencydomainandhassuperiorityincomputationaleffi2ciencyifcomparisonwithtwo2waywavemethod,andiseasiersimulationofattenuationanddisper2sioneffectsthanintimedomain.ThepapercarriedoutforwardmodelingforMarmousimodelinvisco2acousticmedia,andthenumericcaseshowed:①theconsistencyoffeatureofamplitudeandphasebetweentheviso2acousticmediaandfull2elasticmediaisonlyinthepartofshorttraveltimeandnearshotpointsatthesametime,showingabsorp2tioneffectbyviscosityhaslargeinfluenceonwave2form,frequencybandandamplitudeofseismicwave;②alongwithincreasingofthetraveldis2tance(time),thehigh2frequencycomponentsinwavefieldshowclearattenuation,thewaveformisgraduallywideningandtheenergyisgraduallyweakening.Themethodpresentedinthepaperissuitableforforwardsimulationinlargevelocity2changedmediainspace,andhashighercomputa2tionalefficiency,layingthefoundationfordeepstudyofearthabsorptioneffectandfurtherim2provementofseismicresolution.

Keywords:attenuationbyabsorption,visco2acous2ticmedia,Fourierfinite2difference,one2waywave2equation,wave2equationforwardsimulation

ZhangJin2hai,InstituteofGeologyandGeophys2ics,ChineseAcademyofSciences,BeijingCity,100029,China

Seismicattributesoptimizationbasedonkernelprin2cipalcomponentanalysis(KPCA)andapplication.YinXing2yao,KongGuo2yingandZhangGuang2zhi.OGP,2008,43(2):179～183

Traditionalprincipalanalysismethod(PCA)basedonlineartransformiseffectivemethodofseismicattributedimension2reducingoptimization.However,theprinciplecomponentdetectedbyPCAmethodcan’treflectthenon2linearattributesifthereexistsnon2linearattributeinrawdata.TheKPCAisnon2lineartransformbasedontherawda2ta,whichcandetectthenon2linearrelationshipbe2tweenthedata.Startingfromtheprinciplede2

　Vol.43　No.2Abstracts　　Ⅴ

scriptionofthemethod,thepaperanalyzedtheshortcomingsexistinginhandlingthenon2linearis2suebycommonPCA,expoundedthePCAmethodbasedonkernelfunction,andusedthemethodforthedimension2reducingoptimizationofseismicat2tributeforthefirsttime.TheapplicationshowedthePCAmethodbasedonkernelfunctionhaswon2derfulcharacter2detectedproperty.

Keywords:attributedimension2reducingoptimiza2tion,principlecomponentanalysis(PCA),kernelfunction,kernelprinciplecomponent

analysis

(KPCA)

YinXing2yao,DepartmentofGeophysics,CollegeofEarthResource&Information,ChinaUniversi2tyofPetroleum,DongyingCity,ShandongProv2ince,257061,China

UsingspectrumdecompositiontechniquetopredictfractureddistributionofcarbonatereservoirofOseilOilfieldinSeramIslandofeasternIndonesia.YangXiao2lan,LinChang2song,WangZi2liang,LiGui2fen,SunLong,WangZhi2qiangandLiuXian2he.

OGP,2008,43(2):184～189

TheOseilOilfieldinSeramIslandofeasternIndonesiaisfracturedreservoirofJurassicManuse2lacarbonate,theoil/gasdistributionisstrictlycontrolledbythedistributionanddevelopmentoffracture.Usingspectrumdecompositiontech2nique,thepaperstudiedthedistributingoffaultsystemanddistributionruleofmicro2fracture;summarizedthefeatureofseismicresponseonfrac2turedreservoirofcarbonatebyanalyzingthere2flectionfeatureofManuselabedandforwardsimu2latingthemodeloffracturedreservoir;andmakingfrequencytuningvolumeand42Dtime2frequencyvolumebyselecting40mstime2windowthatisabletoreflectthefaultfeatureoftarget.Itisshownbyanalyzingthefrequencytuningvolumethatthetwosetsofcrossfaultsystemsdevelopedincentralandsouthernpartsofstudiedarearespectivelyandasetoffaultsysteminnorthernpart;thefractures

aroundfaultdevelopedanddistributionoffracture

isstrictlycontrolledbythedevelopmentoffault.

8

The42Dtime2frequencyvolumedescribedspatiallythedistributionoffaultandfracture,andthelaterischaracteristicofbetterdevelopmentinsubsur2faceandlessdevelopmentindeep.Thedistribu2tingruleofdeepfractureinbothfrequencytuningvolumeand42Dtime2frequencyvolumeismoreco2incident.Theresultspredictedbyspectrumdecomposi2tionareidenticaltothedrillingresults,showingthatthemethodhasbroadapplicationprospect.

Keywords:spectrumdecomposition,fracturalpre2diction,carbonaterock,Manuselaformation,Os2eilOilfield,Indonesia

YangXiao2lan,ChinaUniversityofGeosciences,BeijingCity,100083,China

Necessarytechniguesstudyingondescriptionofbraidriverdeltalithologicoil/gasreservoir:AcaseofLi2uxistructuralbelt.WangLing,SunXi2ping,ZhangYanandMaXiao2yu.OGP,2008,43(2):190～195,228

Braidriverdeltaissedimentarysystemwidelydevelopedinsagpondandmainlydistributesinthedirectionofshortaxisoflakebasin.Thephysicalpropertyofreservoirinundergrounddistributarychanneldeposit,rivermouthbaranddistalbarofbraidriverdeltaaswellasinturbiditesandbodyofbraidriverprodeltaisverygood,whichcontrolstheformationofstructuralandlithologicreservoirandconcentrationandhigh2production,andismainoil/gas2concentratingarea.Thepapermainlyin2troducedthenecessarytechniquesonthelithologicreservoirdescribinginLiuxistructuralbelt,foundandshowedthecharactersofdistributionofbraidriverdeltasandbody.Thepaperfocusedtheintro2ductiononthestudyofsequencestratigraphyini2sochronicframeworkandorganiccombinationwithreservoirinversiontechnique,realizingmulti2bedsetandmulti2welljointinversionintheisochronicstrataframeandimplementingmulti2azimuthfineshowingsandbody,andfurtherclarifyingthecharacterofspatialdistributionofsandbody.

Keywords:braidriverdelta,faultterracezone.li2

thologicreservoir,sequencestratigraphy,reservoir

prediction

　2008年4月石油地球物理勘探第43卷　第2期　

作者介绍

倪成洲　高级工程师,1964年生;1987年毕业于天津南开大

学计算机系计算机与应用专业,长期从事地震采集方法研究和计算机软件开发工作。李万万　高级工程师,1961年生;1982年毕业于河北地质

学院物探系,获学士学位,1988年于成都地质学院物探专业获硕士学位,现在中国地质大学(北京)攻读博士学位;曾先后在东方地球物理公司和万里翔石油技术公司从事地震勘探方法与应用研究工作。张庆淮　高级工程师,1965年生;1988年毕业于长春地质学

院应用地球物理系,获学士学位;毕业后在胜利油田物探公司从事地震采集技术、方法研究等工作,发表论文多篇;现在中国地质大学(北京)攻读博士学位。武桂荣　工程师,1972年生;1996年毕业于大庆石油学院地

球物理勘探专业;毕业以来一直从事地震资料处理研究工作,多次获各种级别的科学进步奖,现在中石化集团江苏石油分公司物探技术研究院处理部从事资料处理研究工作。张丽艳　博士研究生,1980年生;现在中国石油大学(北京)

攻读博士学位,主要从事多波多分量地震资料处理及成像等方面研究。詹　毅　副教授,1968年生;地球探测与信息技术专业博

士,现在东方地球物理公司进行博士后科研工作,方向是地震资料数据处理的方法研究。宋维琪　教授,1964年生;现在中国石油大学地球资源与信

息学院从事教学及科研工作,主持和参加纵、横向科研项目多项,先后在国家级、中文核心期刊等刊物以第一作者发表论文40多篇。孙沛勇　博士,1971年生;2003年毕业于大连理工大学数学

系,现在中油软件公司从事软件研发工作。张金海　博士,1978年生;2001年和2004年于成都理工大

学地球探测与信息技术专业分别获学士学位和硕士学位;2007年获中国科学院地质与地球物理研究所固体地球物理专业博士学位;已发表论文9篇;现为中国科学院地质与地球物理研究所博士后,主要从事波动方程偏移、数值模拟和波场重建等方面的研究。印兴耀　教授,博士生导师,1962年生;1982年毕业于华东

石油学院物探专业,1998年获中国科学院地球物理所固体地球物理专业博士学位;目前主要从事利用地震资料进行储层预测和油气识别的基础理论和应用方法研究。杨晓兰　博士研究生,1973年生;1996年毕业于西南石油学

院石油地质专业,现在中国地质大学(北京)攻读博士学位,主要从事储层预测、油气藏形成与分布等方面的研究工作。王　玲　博士研究生,1970年生;1992年毕业于大庆石油学

院物探专业,获学士学位,2005年进入中国石油勘探开发研究院硕、博联读,致力于岩性地层油气藏及火山岩油气藏的研究。刘彦军　高级工程师,1970年生;1993年毕业于大庆石油学

8

院勘查地球物理专业,毕业后在吉林油田从事地震数据

处理、综合解释、储层预测及油藏描述等研究工作,现为中国地质大学(北京)能源地质工程专业博士研究生,研究方向是储层预测。朱光明　教授,博士生导师,1935年生;1960年毕业于长春

地质学院。主要研究领域为地球探测与信息技术,主要研究方向是石油勘探、地震波理论、地震勘探方法及信号分析与处理等。张金淼　博士,1965年生;1986年毕业于同济大学地球物理

勘探专业,获学士学位,2007年毕业于中科院地质与地球物理研究所,获博士学位;现任中海石油研究中心国际研究部地球物理总监;曾主持勘探研究、地球物理方法研究、油藏描述、开发地震等方面的重大科研课题研究,发表论文多篇。安　勇　讲师,1973年生;1996年毕业于中国石油大学(华

东)应用地球物理专业,获学士学位,2005年获中国科学院地质与地球物理研究所固体地球物理专业博士学位;现在中国石油大学(北京)资源与信息学院从事信号分析和处理、地震资料处理和反演方面的教学与科研工作。薛亚茹　讲师,1972年生;2001年毕业于兰州大学通讯与信

息系统专业,获硕士学位,现在中国石油大学(北京)资源与信息学院攻读博士学位;毕业后一直在中国石油大学(北京)电子信息工程系工作,主要从事地震资料处理方面的研究工作。王兆湖　高级工程师,1966年生;1989年毕业于长春地质学

院物探专业,获学士学位,2003年毕业于吉林大学地球探测科学与信息技术专业,获硕士学位,现为吉林大学博士研究生;长期在大庆石油管理局物探公司从事地震资料处理技术研究工作,现任物探公司研究所副所长,管理局地震资料处理技术高级技术专家。罗红明　博士,1977年生;2002年毕业于中国地质大学(武

汉)地球物理与空间信息学院,获学士学位,2007年获该校理学博士学位;现在中石油四川石油管理局地球物理勘探公司技术发展中心从事地震勘探数据处理方法研究工作。冯连勇　教授,1966年生;1988年毕业于石油大学(华东)管

理工程系,获学士学位,1991年获硕士学位。1997年于莫斯科石油大学经济系获博士学位。曾在石油大学(华东)管理工程系工业经济教研室、中油国际(哈萨克斯坦)销售有限公司及中国石油天然气集团公司发展研究部工作,现为中国石油大学(北京)工商管理学院教授。已经发表论文40余篇,主持或参与研究课题10多项。主要研究方向为国际石油经济和合作、能源经济学、技术经济和石油峰值等。付瑾平　高级工程师,1982年毕业于华东石油学院石油地

球物理勘查专业。前11年主要从事地震资料解释和油田探井井位部署工作,之后的6年从事油田地质勘探综合课题研究,近9年先后担任胜利油田《复式油气田》、《油气地质与采收率》和《油气地球物理》执行主编。