应用PP波和PS波较好地描述了深约2800m，小于40m厚的薄砂岩储集层。砂岩储集层的反射系数在PS数据上比PP数据上更清晰。把PP波和PS波数据输入模型对58口井的测井数据进行神经网络训练。根据预测结果，2006年初针对砂岩储集层钻了一口井，并计划再钻另外两口井。应用P波数据（偏移数据和AVO属性数据体）训练神经网络来预测储集砂岩，如果没有PS数据则不能精确地描述储集砂岩。多分量地震数据包括PP波和PS波数据体，能获取更加清晰的地下成像，应用两种波形，可以更加充分地认识地下岩体特征，从而降低勘探和开发风险。
多分量地震数据的采集与处理 2004年12月在美国陆上进行了3D 3C勘查，勘探面积约70km2。用3C MEMS数字单检波器记录，检波器间距67m，采用5.5lb炸药震源，埋深24m，获取数据质量相当好。PP数据处理包括振幅和相位地表一致性处理以及叠前时间偏移处理，尽管面波噪声不太明显，但去除之后能明显改善叠前数据的信噪比，尤其是速度估算和PP波AVO分析。假设PP波AVO分析适用于勘探区域砂岩储集层描述，叠前PP波数据AVO分析后可得到标准截距和梯度数据体，以及用于解释的法向反射系数、P波反射系数、S波反射系数和流体因子数据体。多分量
传感器采集的数据可以进行转换横波(PS)成像，用记录的重力数据将传感器校正到实际的垂直方向后，方位角旋转分析确定了“快”横波极化方向，约为N50oE。该方向与勘查区域的水平应力场一致。旋转到快PS1、慢PS2方向后，经ACP地面一致性静校正、速度分析和伽马估算以及PS数据处理后，再进行CCP面元化、速度估算、叠加和PS偏移处理。
解释 把PP波PSTM数据体、AVO属性和两组PS数据集(“快” PS1和“慢” PS2方向)用于解释。解释的第一步是综合PP波井控数据，地质背景为碎屑岩（A）和页岩三角洲层序（B），下伏石灰岩侵蚀面 (C)。砂岩“A”区域性一致并且具油湿性，砂岩“B”为目标层，厚约0～40m，深约2800m，储集层砂岩孔隙度平均为15%。砂岩-页岩体系中，SP曲线能较好的指示岩性。PP波数据偏移叠加以及PP波AVO数据体的解释不能可靠地预测砂岩“B”，但“快” PS1数据体能显示砂岩“B”的反射率。得出的测线均有较好的空间相关性，可以观察到PS反射率，提供砂岩“B”较大的敏感性。
应用神经网络估算岩性 应用58口井训练神经网络流程，输入PP波反射率、PP波AVO数据体和 PS1、PS2反射率，利用砂岩和页岩测量预测SP曲线。精确地估算了砂岩“A”和“B”，尤其是1号井和2号井之间砂岩“B”的上倾尖灭部分。仅输入PP(叠加和 AVO属性数据体)，重复进行实验、训练神经网络，获取的结果不能精确描述砂岩“B”，不能确定上倾部分。7号井也显示有砂岩“B”，但不能单独应用PP数据进行预测。
结论 综合PP波与PS波的井控数据能成功描述砂岩“B”储集层，应用SP曲线进行神经网络训练，转换波数据是成功预测SP曲线不可少的。随后的钻井证实了应用PP、PS 数据预测的“B”砂岩储集层。