井中地震如垂直地震剖面（VSP）、井中微地震监测等能够有效地减少地面噪声以及近地表低速层的影响,井中采集到的地震数据通常具有较高的信噪比及分辨率,可以进行更精细的成像,其分析结果也是地面地震、测井以及油藏地质之间的重要桥梁。VSP数据具有深度精确、近储层观测的特点,能够提供准确的速度信息和时深关系,可以有效提高地表数据成像的精度。微地震监测作为一种新兴的油气田开发技术,能够更好的反映地下的裂缝结构,这对增加油气产量以及高效实施注水压裂等都具有重要的指导意义。微地震监测的主要目标之一是获取准确的微震震源位置,而准确的微地震定位依赖于准确的速度模型。现有的微地震定位方法大多基于各向同性的速度模型,然而实际中地下介质往往表现为速度的各向异性,其中页岩气、页岩油储层通常为强垂直横向各向同性（VTI）,本文利用单井监测到的微震数据通过交叉双差法进行VTI介质中的微地震定位与各向异性参数的联合反演。交叉双差法的目标函数定义为不同震相之间的走时差,使得交叉走时差中绝对位置的信息得以增加,这样既提高了绝对位置的精度,同时又保持了相对位置的精度,并且具有较好的抗噪性,不依赖于初始事件位置。在该联合反演中,采用了水平慢度打靶法计算VTI介质中的P波与S波的到时,利用慢度分量得到到时关于Thomsen参数的灵敏度,导数表达式是解析的,没有任何弱各向异性的假设,通过水平慢度打靶法使得在处理界面时无需频繁的进行相速度与群速度之间的转换,这样可以有效地减小计算量。在联合反演中加入交叉走时差和绝对到时,可以更好地约束微地震事件位置与Thomsen参数。具有不同程度噪音的理论测试结果表明,与双差法相比,交叉双差法能够提供更准确的事件位置和各向异性参数。最后,将交叉双差法用于水力压裂过程中单井观测得到的实际数据中,并通过波形模拟以及横波分裂证实了反演结果的可靠性。VSP数据通过在井口附近激发地震波、置于井中的检波器采集得到,能够有效地减少地面噪声以及近地表低速层的影响,因此VSP数据通常具有较高的信噪比和分辨率。基于VSP数据构建地下速度模型,通常使用传统的层析成像、全波形反演等方法。然而通过逐步迭代得到速度模型的过程比较耗时、计算成本较高,并且依赖初始速度模型。因此研究一种高效、稳健、准确的速度建模方法是很有必要的。本文提出一种基于VSP数据的卷积神经网络的速度建模方法,通过对原始的U-net结构进行改进使其更好地适用于速度建模问题。对于二维速度建模,网络的输入为二维VSP地震数据图像,输出为二维P波速度模型。考虑到井口附近的地质情况通常比较简单,将速度模型设计为平行层状,水平层状或者倾斜层状,采用距离井口 1 km处的一炮地震数据进行网络训练,这样地震数据可以来自非零偏移距VSP、变偏移距VSP或者三维VSP数据,适用性更强。合成测试结果表明,该速度建模网络不需要依赖大量的地震数据或者训练样本,通过一炮地震记录以及适当的训练样本就能够有效地学习二维速度模型与地震图像之间的非线性关系,成功地判断出速度界面是否倾斜、倾斜的方向以及倾斜角度。无论层数的多少,训练好的网络模型都能够准确地预测出平行速度界面与速度值,并且预测出的速度界面比较连续、清晰,与真实速度模型相吻合。对网络进行了缺失地震记录、不同观测系统、含有噪音情况、输入不同频率地震记录的测试,都取得了较好的效果,证明了网络的稳定性与适用性。最后,将仅用合成数据训练好的速度建模网络应用到了大庆油田采集的VSP实际数据中。本文进一步将二维速度建模扩展到三维速度建模,网络的输入为三维VSP数据,即共炮点道集数据或者共检波点道集数据,网络的输出为三维速度模型。合成测试结果表明,无论是基于共炮点道集数据训练的网络还是基于共检波点道集数据训练的网络都能够成功地判断出速度界面是否倾斜以及倾斜的角度,成功预测出速度界面以及速度值,速度界面的位置以及速度值都较为准确,速度界面比较连续。含有噪音以及输入不同频率的测试结果也证明了三维速度建模网络的可行性、稳定性与有效性。最后,将仅用合成数据训练好的速度建模网络应用于大庆油田采集的三维VSP实际数据,取得了合理的预测结果。与传统的速度反演方法相比,本文提出的速度建模方法能够有效提高计算效率,节省了人力成本,并且不需要初始速度模型,基本不需要人工干预,是一种高效、稳健的速度建模方法。