基于变换的地震数据压缩技术

随着油田勘探开发的不断深入,地震资料处理和解释的数据量越来越庞大.对这些数据进行合理压缩使用已成为当务之急.通过比较离散余弦变换、离散小波变换和离散小波包变换3种有损压缩算法的特点,认为小波变换适用于速度模型类数据的压缩,而地震数据使用小波包交换可以得到较好的压缩结果.离散小波包压缩算法对地震数据进行的大量压缩实验表明,数据压缩对频谱的影响很小,对于叠后数据按301的压缩率进行压缩是可行的.     

小波包变换压缩与地震数据处理

探讨了地震数据经小波包变换压缩后对后续处理过程的影响,以及经过某些处理后的数据会对小波包变换压缩产生什么影响等问题。将小波包变换压缩地震数据的结果与快速傅里叶变换压缩地震数据的结果进行了对比,其结果表明:应用小波包变换压缩地震数据,有效信号的损失非常小,压缩比大于快速傅里叶变换的压缩比。在大批量地震数据处理中可以使用小波包变换压缩地震数据。     

基于小波变换的地震数据混合编码压缩算法研究

随着地震勘探研究的不断深入,地震资料的处理和解释量也越来越庞大,其中数据的冗余量也比较大。对这些数据进行合理的压缩处理已经成为一个重要的课题,根据多分辨分析思想,用小波变换对地震数据进行多级分解得到多个子带,然后对每个子带做不同策略的量化和编码处理,仿真结果表明,这种压缩编码算法,既能得到期望的压缩比,而且压缩后的地震数据所带来的误差比单一的编码压缩算法要小很多。     

浅谈海上压缩感知地震勘探

压缩感知对于提高地震采集效率、降低地震采集成本、改善地震处理效果都有重要作用。在介绍和分析了海上压缩感知地震采集设计和评价的基本原理、实现方式以及降本增效意义的基础上,给出了海上压缩感知地震采集设计和评价的基本方案,并用模型数据展示了海上压缩感知采集的效果;简要介绍了不同压缩感知地震数据处理技术的基本原理,针对传统压缩感知规则化难以处理规则假频的问题进行了方法改进(主要是在变换域进行了加权处理),模型和实际数据的应用结果证明了改进方法的应用效果良好。最后总结了压缩感知在同时震源炮集分离、地震噪声压制等方面的应用效果。对压缩感知地震勘探在采集设计、资料处理及时移地震油藏监测等方面的未来发展方向进行了展望。     

利用小波变换压缩地震勘探数据

在石油地震勘探中，所涉及的数据量庞大，其中数据的冗余量也比较大。本文根据地震数据的特点，利用小波变换对地震数据进行压缩，不但可大大减少存储介质的数量，而且还保持了后续资料处理中有用的地震信息不损失。文中的实例表明，压缩后的地震数据所带来的误差，从视觉上是可以接收的一般能满足后续处理的要求。     

应用二维正交小波包技术进行地震数据压缩

近1 0多年来小波理论研究已成为应用数学的一个新方向。作为数学工具,小波被迅速应用到图像和语音分析等众多领域。大量的数据通过小波变换到小波域后,数据能量集中,再通过量化过程和编码压缩实现了数据的压缩。试图从工程应用与实验角度出发,探讨利用二维正交小波包技术在油气勘探的地震资料处理中有效压缩地震数据和最大限度节省存储资源及网络资源     

基于压缩感知的L1范数谱投影梯度算法地震数据重建

随着油气勘探的发展,采集的数据规模与复杂度越来越大,对这些数据进行重建的精度与效率影响到后续地震资料的处理效果。常用于地震数据重建的压缩感知理论与重建算法各有精度与效率的优势,因此对于大规模、复杂地震数据,综合考虑重建精度与计算时间,提出了一种基于压缩感知理论和L1范数谱投影梯度算法(SPGL1)的地震数据重建方法。首先根据地震数据的缺失情况选择采样矩阵,然后在contourlet域中采用L1范数谱投影梯度算法重建缺失的稀疏系数,最后进行contourlet反变换实现地震数据的重建。合成地震数据实验结果表明,基于压缩感知和L1范数谱投影梯度算法重建的地震数据精度较好,计算效率高。通过实际地震资料处理,对比了相同稀疏变换基情况下常用的贪婪算法中的正交匹配追踪(OMP)、梯度投影稀疏重建算法(GPSR)及L1范数谱投影梯度算法(SPGL1)的应用效果,发现基于压缩感知的L1范数谱投影梯度算法鲁棒性较好,受噪声影响小,重建精度高,并且兼顾了计算效率的需求。     

利用二维M带小波变换进行地震数据压缩

随着小波理论的发展与应用，小波变换已成为信号分析处理的一种强有力的新工具。本文根据Ｍ带小波变换理论，结合地震数据的特征，将Ｍ带小波变换应用于地震数据的压缩处理，提出了地震数据的压缩编码算法。     

多分辨重叠双正交变换在地震数据压缩中的应用

针对地震数据中信号和噪声的特点，基于多分辨重叠双正交变换(HLBT)，提出了一种新的地震数据压缩方法。HLBT方法的优势是，对信号频谱的非均匀划分可以更加有效地将能量集中在有限的变换域子带上。对多分辨重叠双正交变换的原理进行了描述；给出了地震数据压缩的实现方法，即先对地震数据进行二维重叠变换，再进行量化和系数组织，最后采用自适应算术编码对量化后的数据流进行无损熵编码。利用新的压缩方法对实际地震数据进行了压缩处理，并与小波变换压缩方法进行了比较，结果表明，对于高倍率的压缩，其效果要优于小波压缩方法。同时，对解压信号质量的评价标准进行了初步探讨，提出了形态逼真度的概念。     

非抽样离散小波变换叠前地震数据重建方法

叠前地震数据包含了丰富的地层信息,但在实际勘探中由于受采集条件等影响,叠前地震数据地震道缺失现象严重。针对规则采样不规则道缺失的插值恢复问题,一些传统的插值方法无能为力或者插值效果不佳,而近年来发展起来的非抽样离散小波变换（UDWT）,具有很好的稀疏表示能力,比傅里叶变换能更加稀疏地表示地震数据;根据压缩感知理论,即使不满足Nyquist采样定理的要求,利用极少的观测数据,也可能较好地恢复缺失的地震数据。本文提出一种基于UDWT的地震数据插值方法,对地震数据做插值和规则化处理,可以提高叠前地震数据的完整性,理论模型和实际资料的重建效果验证了方法的有效性和实用性。     

同步挤压小波变换在储层预测中的应用

随着勘探难度的增加,小波变换时频分辨率的精度已经难以达到实际勘探目标的要求,这就需要探索分辨率更高的时频分析方法。同步挤压小波变换(Synchrosqueezing Wavelet Transform-SWT)通过对小波变换的复系数谱在频率方向上进行压缩重组,得到比小波变换更高的时频分辨率,同时还具有可逆性和一定的抗噪性。通过模拟信号的测试结果表明,同步挤压小波变换在刻画信号的时频特征方面精度更高、准确性更好;而在实际地震资料的分析当中,利用同步挤压小波变换对舍气薄储层的地震数据进行分频处理,其低频处出现明显异常,而且频率越低异常越明显,有效地预测出储层的存在。     

几种提高地震资料分辨率的方法及效果分析

随着油气勘探开发的不断深入,地震勘探的目标越来越复杂,勘探深度不断增加,勘探难度越来越大,对勘探精度的要求也不断提高。为了满足精确勘探开发的要求,各种提高地震资料分辨率的方法技术应运而生。为此,对小波变换分频重构、广义S变换、反Q滤波这3种提高地震数据分辨率的方法进行了探讨,并将其应用于叠后地震资料的提高分辨率处理,结果表明,它们都能在一定程度上提高地震资料的分辨率,但各有其缺点,在实际使用时,要根据原始地震资料的特征及具体的处理解释需要,选取合适的提高分辨率方法和适当的处理参数。     

基于压缩感知和Contourlet变换的地震数据重建方法

基于压缩感知技术的地震数据字典重建算法在训练字典时耗时较长,基于压缩感知技术的稀疏变换重建算法对稀疏基的要求较高,权衡信噪比和时间,采用目前已应用于地震数据重建的Contourlet稀疏基,提出了一种基于压缩感知技术和Contourlet变换的地震数据重建方法。首先根据设计的测量矩阵,在Contourlet域中采用快速迭代收缩阈值算法(Fast Iterative Shrinkage-Thresholding Algorithm,FISTA)重建缺失的稀疏系数,然后进行Contourlet反变换完成地震数据的缺失重建。合成数据和实际地震数据测试结果表明,基于压缩感知技术的Contourlet变换能够很好地完成地震数据的缺失重建;与压缩感知技术中常用的短时傅里叶变换和小波变换方法相比,基于压缩感知的Contourlet变换重建结果信噪比更高,并且增加的耗时有限,在可以接受的范围之内。     

基于压缩感知技术的Shearlet变换重建地震数据

基于预测滤波方法进行地震数据重建的误差偏大,基于波动方程进行地震数据重建的计算量较大,基于某种变换的地震数据重建精度偏低。为此,利用基于压缩感知技术的Shearlet变换重建地震数据。基于信号的稀疏性,在欠采样的情况下,首先根据地震数据的缺失情况设计采样矩阵,然后使用Shearlet变换将地震数据稀疏化,再采用正交匹配追踪算法在Shearlet域中完成对稀疏系数的重建,最后通过Shearlet反变换实现地震数据重建。实验结果表明,基于压缩感知技术的Shearlet变换能够很好地重建地震数据,且重建精度高于基于压缩感知技术的Fourier变换、离散余弦变换、小波变换和Curvelet变换。     

三维高精度保幅Radon变换多次波压制方法

三维地震勘探现已成为地震勘探的主流方式。常规二维Radon变换多次波压制方法只针对二维地震数据,并未考虑地震波场三维传播的特点,即不适用于三维地震数据处理,故亟待探寻针对三维地震数据的处理方法。文中基于对三维Radon变换多次波压制方法的深入研究,针对三维地震数据变换域分辨率低的问题,采用迭代阈值收缩的方法提高变换的分辨率;针对数据中振幅随炮检距变化的特点,引入正交多项式变换,对沿不同曲率方向地震数据振幅的变化进行拟合。模拟数据和实际数据的测试结果表明,通过三维高精度保幅Radon变换可获得高分辨率的模型域数据,能有效分离一次波与多次波,同时多项式拟合可保护有效波的振幅,高保真地实现多次波的压制。     

压缩感知理论下基于快速不动点连续算法的地震数据重建

地震勘探中由于采集成本和采集条件等因素导致的地震数据不完整性极大地影响了地震数据的后续处理。为此,引入了一种压缩感知理论下的快速不动点连续(fast fixed point continuation,FFPC)算法对缺失的地震数据进行重建。首先对地震数据进行小波变换,然后根据要求选择合适的测量矩阵对地震数据进行缺失处理,最后采用FFPC算法重建缺失后的稀疏地震数据。模型数据及实际地震数据测试结果表明,该算法能够很好地完成地震数据重建,重建后的地震数据具有较高的信噪比。相对于不动点连续(fixed point continuation,FPC)算法,FFPC算法耗时更短、重建效率更高;相对于传统的正交匹配追踪(orthogonal matching pursuit,OMP)以及最小化L1范数的谱投影梯度(spectral projected-gradient for L1minimization,SPGL1)等算法,FFPC算法的重建精度更高。     

基于小波变换的地震信号压缩

地震数据压缩是解决海量地震数据传输及存储的一项关键技术。本文针对地震数据中信号和噪声的特点，选用基于4、波变换的地震信号压缩方法，此法主要包括：①对地震信号进行二维4、波变换；②利用系数之间的相关性对变换后的系数采用零树编码方法重新组织；③对系数进行阚值运算及量化处理；④采用自适应算术编码对量化后的系数进行无损熵编码。此法可对地震信号实现高保真大比率压缩。对典型地震信号压缩结果表明。当压缩比达到50：1以上时，经解压恢复后的信息没有明显损失。     

应用傅里叶尺度变换提高地震资料分辨率

针对叠后地震资料,本文提出利用傅里叶尺度变换进行提高分辨率的处理方法。由傅里叶尺度变换的性质可知,地震子波在时间域的压缩等于在频率域内频谱向高频端移动,反之亦然。因此,可利用傅里叶尺度变换性质对估算出的地震子波进行变换,得到更高频率的地震子波,再利用反演得到的滤波因子实现对地震资料的提高分辨率处理。该方法假设地震资料的反射系数序列是含白噪随机序列,地震子波具有零相位特性,且根据地震数据的信噪比估算合适尺度变换因子,再做拓频处理。模型数据测试和实际资料应用的结果均证实本文方法可有效提高地震资料分辨率,尤其适用于薄互层类储层的反演和预测,是一种简便实用的高分辨率地震数据处理方法。     

压缩感知框架下基于K-奇异值分解字典学习的地震数据重建

针对地震勘探中由于采集成本及采集环境等诸多因素导致地震数据不完整或者不规则问题,本文提出了一种压缩感知框架下基于K-奇异值分解（K-SVD）字典学习的地震数据重建算法。基本思路是首先对大量地震样本数据进行K-SVD字典训练得到超完备字典,然后引入缺失地震数据的采样矩阵作为测量矩阵。在重建阶段则采用正则化正交匹配追踪（ROMP）实现缺失地震数据的恢复。与传统的基于Curvelet变换或基于傅里叶变换等地震数据重建算法采用单一基函数不同,本文引入的超完备字典能够自适应地根据训练样本数据进行特征提取,并能根据待处理数据的本身特点自适应选取变换基函数。超完备字典为地震数据自适应稀疏扩展提供了更大灵活性,有利于更好地重建数据。合成地震数据以及实际海洋数据重建实验验证了本文算法的可行性及有效性。     

基于Shearlet变换稀疏约束地震数据重建

地震数据重建是地震数据处理流程中关键步骤之一,重建效果的好坏直接影响到后续的多次波消除以及偏移成像效果。为了获得更好的重建效果,提出了以压缩感知为理论基础,采用jitter欠采样的Shearlet变换稀疏约束地震数据重建方法。将Shearlet变换与凸集投影(POCS)算法结合起来在动校正预处理后对地震数据进行重建,增强了地震数据在Shearlet域的稀疏性。理论分析和实际地震数据验证结果表明,该方法可以在部分地震数据缺失的情况下取得很好的重建效果,有效地解决了假频问题。