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。     

反假频POCS数据规则化及其在偏移成像中的应用

受地形条件和障碍物等因素的影响,陆上地震数据采集容易出现地震道丢失现象,对地震资料的后续处理和解释造成不良影响。文中提出一种反假频凸集投影(POCS)插值方法,借助f-k域低频成分预测高频无假频成分,剔除混叠假频,达到恢复缺失地震道的目的。Marmousi模型数据试验说明凸集投影反假频插值能提高偏移成像品质。     

高阶高分辨率Radon变换地震数据重建方法

地震数据缺失会影响处理和解释结果。本文基于Radon变换地震数据重建并结合地震波同相轴横向连续性,提出高阶高分辨率Radon变换地震数据重建方法。该方法将正交多项式变换和Radon变换结合,通过正交多项式变换拟合地震波振幅随炮检距变化特性,改进了传统Radon变换只考虑地震道叠加特性的缺陷,增加了振幅变化的斜率和曲率信息,保留了地震波AVO特性,有利于地震波振幅信息在横向变化情况下缺失地震数据的重建。理论模型和实际数据处理结果表明,该方法可以克服空间假频,实现缺失道数据重建,并保留振幅AVO信息。     

不规则地震数据的抗假频重建方法

 不规则采样地震数据会对地震数据多道处理的效果造成严重影响。本文将单步预测滤波拓展到多步预测滤波,基于多步自回归预测滤波方法,实现对不规则地震数据的分步、抗假频重建方法。文中首先运用带限Fourier重建方法对不规则地震数据进行规则化重建,得到无假频低频数据的频率谱;接着使用多步自回归算子从重建数据的无假频低频谱中提取整个有效频带的预测滤波因子;然后利用已知道数据和预测滤波因子重建得到完整数据的频率谱,最终实现不规则地震数据的抗假频重建。理论模型和实际资料的处理结果验证了本文方法的有效性。     

FK和Shearlet域联合压缩感知数据重构技术

由于稀疏炮检点采集或野外采集因素造成地震数据的不规则,影响地震资料成像质量。基于压缩感知理论的重构方法,能够在有限采样的情况下有效重构地震数据。由于地震道的空间随机缺失在波数域表现为空间假频,文中将时空域的地震道重构转化为频率波数（FK）域的随机噪声压制问题。对FK域数据做多尺度、多方向性的剪切（Shearlet）变换,通过反演迭代消除FK域的空间假频,从而实现地震道的空间重构。该方法是在FK变换后进行Shearlet变换,可以看作一种新的稀疏基变换。由于全局随机采样因子频谱呈白噪特征,分段随机采样因子频谱呈蓝谱特征,因此分段采样数据有效信号与假频的混叠相对减少,更有利于数据重构。实验结果表明,分段随机采样FK+Shearlet域重构精度高于全局随机采样Shearlet域重构、分段随机采样Shearlet域重构和全局随机采样FK+Shearlet域重构。     

五维规则化技术研究与应用

随着油气勘探程度的不断提高,油气勘探面对的地质目标越来越复杂,进而对地震成像质量和地震数据观测精度的要求也越来越高,然而实际地震勘探中所采集到的数据并不能满足空间规则性采样的要求,进而导致空间假频、采集脚印以及偏移画弧等现象。五维数据规则化基于空间真实坐标,充分利用数据的五个维度信息,在炮检域加密炮线、炮点、检波线和检波点,可在一定程度上弥补采集不足的问题。该方法通过五维插值增加炮道密度,改善面元属性,解决由野外采集因素导致的采集脚印问题,可有效地压制噪声、抑制空间假频。实例分析表明,相对于传统的三维数据规则化技术,利用五维规则化技术,假频现象得到明显削弱,资料同相轴连续性也得到增强,弥补了采集不足的影响。     

三维地震野外数据采集设计中一个不容忽视的因素──测线部署方向

本文从空间假频出发,详细阐述了空间假频的定义、对地震资料质量的影响以及避免方法;并从中推导出了测线部署方向和空间假频之间的关系,得出了三维地震勘探野外采集设计中在确定测线部署方向时应遵循的原则。     

基于区域阈值模型的地震信号凸集投影高效重建方法

地震信号重建广泛应用的凸集投影（POCS）算法大都采用线性或指数阈值模型,虽然计算效率高,但由于难以完全消除缺失信号泄露引起的噪声,重建效果不佳。为此,提出了一种基于区域阈值模型的POCS地震信号重建方法,将数值阈值转化为区域阈值,将区域滤波窗口作为阈值进行迭代更新。其核心思想是根据时—空域缺失地震信号的频率—波数（F-K）谱分布范围,在每次POCS重建迭代时按照一定规律选取固定大小的矩形或扇形区域作为阈值,将区域内和区域外的变换系数分别保留和置零,以尽可能地保留有效信号的变换系数,构建了地震信号POCS重建的矩形与扇形区域阈值模型。数值试验结果表明：相比于F-K域指数阈值模型的POCS重建,F-K域区域阈值模型对连续缺失信号的重建精度更高;相比于扇形区域阈值模型,矩形区域阈值模型的重建精度和计算效率均略高;与曲波域指数阈值模型的POCS重建相比,F-K域区域阈值模型的重建精度相当,但计算效率提高了约90%。     

空间假频对频率—波数域瑞利面波频散曲线反演的影响

在地震勘探中,可以利用现有大炮地震记录中的瑞利面波频散信息提取频散曲线,进而反演近地表的速度结构,建立高密度的表层结构剖面。准确地提取瑞利面波频散曲线是提高近地表结构反演精度的前提。但由于地震勘探中大炮地震记录的道间距过大,利用频率—波数变换法提取频散曲线时,空间假频难以避免,这必然影响频散曲线提取和反演的效果。本文通过分析理论模型空间假频对频散曲线提取的影响,发现大道间距引起的空间假频会导致提取的频散曲线缺失高频信息,并通过频散曲线敏感度的理论分析,发现频散曲线高频部分对浅层横波速度更敏感。利用等厚分层阻尼最小二乘联合反演,分别对理论模型和实际数据进行了不同道间距的横波速度反演,反演结果表明空间假频引起的频散曲线高频段缺失会增大反演的整体相对误差,降低浅层反演精度和反演的稳定性,进而影响反演效果。     

地震数据重建的谱投影梯度算法中的参数选取

地震数据不规则采样会导致在后续处理工作中引入人为误差、噪声及空间假频等。为此基于Jitter下采样、随机下采样和傅里叶变换,通过L1范数谱投影梯度(SPGL1)算法对不规则下采样地震数据进行重建,并探讨了该算法中的参数选取问题。在重建过程中选取不同的噪声水平σ值和迭代次数,比较不同参数下的重建结果。数值试验结果表明,SPGL1算法能获得较好的重建结果,不同的参数对重建效果影响较大,当σ值较小、迭代次数适中时,重建数据的信噪比高且计算时间较短。     

无监督残差网络的地震数据重构方法

野外采集的地震数据通常会存在地震道缺失的问题,对其进行重构一直是地震资料处理中的一个难题。目前使用深度学习(Deep Learning,DL)方法重构地震数据主要采用完整地震数据作为标签训练网络模型的监督学习方式,然而对实测野外数据很难获得准确的标签。对大量训练样本的依赖影响了DL方法在地震数据重构中的应用。为此,提出了一种基于残差网络的无监督DL的地震数据重构方法。该方法无需使用完整的地震数据作为训练集训练残差网络,而是以随机数据作为残差网络的输入,以含缺失地震道的地震数据作为网络的期望输出。通过对网络预测与期望输出之间的误差的反向传播,迭代优化网络参数,使网络与期望输出间的误差达到最小,获得参数最优的残差网络,并用该网络重构缺失的地震数据。在网络参数优化过程中,利用卷积的局部和平移不变性质,用卷积滤波器学习多尺度下地震数据邻域之间的相似特征,并在网络输出中呈现学习到的这些先验特征。使用所提方法重构Marmousi模型模拟地震资料和实测海洋拖缆资料中规则和不规则缺失的记录道,并与传统的快速凸集投影软阈值(FPOCS-Soft)方法的结果进行对比,结果表明,无监督残差网络方法可有效重构缺失地震道,准确性高、连续性好,精度高于FPOCS-Soft方法。     

基于多道奇异谱分析的三维地震数据规则化方法

针对野外采集地震数据的非规则性,本文基于多道奇异谱分析(MSSA),推导了三维地震数据规则化方法相关公式,实现了对非规则地震数据缺失道的重建及对三维地震数据进行道加密处理。对模型数据和实际地震资料的处理结果表明：基于MSSA的三维地震数据规则化方法能有效地对三维模型数据及实际资料进行规则化处理,并具有较好的适用性和稳定性。     

基于迭代最小化稀疏学习的三维地震数据重建

受采集技术、现场环境及经济成本等因素的影响，地震勘探中采集的原始数据往往存在缺炮或缺道等现象，这种数据的不完整性对后续数据处理和成像会造成不良影响，故必须重建此类缺失数据。为此，提出基于迭代最小化稀疏学习（Sparse Learning via Iterative Minimization，SLIM）的方法，主要利用三维地震数据频率切片的二维谐波结构特性，对三维随机缺失地震数据进行重建。即先对三维地震数据沿时间轴方向做傅里叶变换，再利用循环最小化算法（Cyclic Minimization，CM）对频率切片的二维谐波谱进行迭代求解，最后对谱估计做傅里叶逆变换而重构缺失数据。此外，采用共轭梯度最小二乘法实现数据重建过程中的求逆运算，以缩短数据重建时间。试验结果表明：所采用的基于频率切片的SLIM方法对合成和实际三维地震数据均取得了较好的重建效果；该方法的重建性能优于基于频率切片的Hankel矩阵降秩的多道奇异谱分析方法（Multi-channel Singular Spectrum Analysis，MSSA）。     

基于稀疏离散τ-p变换的非均匀地震道重建

在三维地震勘探中，地震数据的空间采样往往存在非规则化的现象。这对后续的处理，尤其是波动方程偏移，将造成很大的影响。而常规的τ—P变换由于信息不足、有限的孔径和离散等因素，使得τ—P域的结果不准确，存在假象。针对这一问题，提出了一种基于稀疏离散τ—P变换的非均匀地震道重建方法。该方法根据局部时窗内地震同相轴可以看作是一系列线性同相轴的组合的原理，使用稀疏离散τ—P变换和预条件双共轭梯度算法进行地震道重建，使空间方向不均匀采样得到规则化重建。理论计算和实际资料处理的结果表明，用该方法重建的地震道，在波形、振幅和相位等方面与原始数据拟合较好。     

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。     

基于压缩感知的SR-ADMM地震数据重建

施工成本和现场环境等因素导致所采集的地震数据有缺失,进而影响后续地震数据的处理和资料解释,对缺失的地震数据进行重建具有重要意义。根据压缩感知理论,若数据具有稀疏特征,则在低于奈奎斯特采样频率的条件下通过优化算法即可恢复完整数据。文中提出基于压缩感知的平方正则交替乘子方向算法（SR-ADMM）的地震数据重建方法。SR-ADMM算法在交替乘子方向算法迭代过程中加入了平方正则项,且是自适应地选取参数平衡因子。首先用字典学习对缺失地震数据进行稀疏表示,然后用SR-ADMM算法解决最优化问题并重建缺失的地震数据。模拟地震数据和大庆油田实际数据的重建结果表明：所提的基于SR-ADMM算法压缩感知地震数据方法的重建精度较高,且具有实用性。     

最小平方倾角分解与道间插值

道间插值方法在三维地震资料处理中具有十分重要的作用,它可用来减小空间采样间隔、减少三维偏移的空间假频与频散现象、改善三维偏移剖面的质量。文中详细讨论了道间插值的基本原理,指出了道间插值可以通过倾角分解、倾角内插和倾角合成三步来实现,其中的倾角分解是整个道间插值中最关键的问题。文中采用两次最小平方误差方法求取地震道的倾角分量,实现道间插值。该法可适用于任何复杂的地震资料,并具有陡构造形态保真度、高空间频率保真度和高振幅特征保真度等多种优点。     

叠前含随机噪声地震数据抛物Radon变换法重建

抛物Radon变换法是地震数据插值和外推的有效方法。由于该方法是沿抛物线路径进行积分的数据处理方法，所以在对地震数据插值重建的同时，可以压制随机噪声，提高地震资料的信噪比。为此，研究了抛物Rodon变换法在含随机噪声地震资料缺失数据重建中的作用，通过模拟的水平层状介质模型和二维复杂Marmousi模型数据插值和外推计算结果验证了方法的有效性，并通过实际地震数据的处理结果证明，抛物Radon变换法可以在数据外推的同时有效地提高地震资料的信噪比，是一种实用的叠前地震数据预处理方法。     

应用快速POCS算法的非均匀地震数据重建

凸集投影(Projection on Convex Sets, POCS)算法已经成功地应用于地震数据重建，灵活且简单。然而该算法要求重构数据必须是在规则网格上进行，由于障碍物等因素导致实际采集数据偏离预设网格点，重构效果不佳，且该算法的收敛速度仅为O(1/k),其中k为迭代次数。针对以上问题，首先构建了非均匀网格地震数据正演模型；然后从快速迭代收缩阈值算法(Fast Iterative Shrinkage Thresholding Algorithm, FISTA)出发，推导并提出了基于曲波变换的快速凸集投影算法(Fast POCS,FPOCS),该算法保留了迭代收缩阈值算法(ISTA)的计算简单性，具有全局收敛速度O(1/k²);是一种快速的地震数据重构方法；最后通过模拟和实际数据处理验证了本文方法的有效性。