f-x域Cadzow技术分块压制随机噪声及其应用

介绍了一种f-x域Cadzow滤波分块压制随机噪声的技术。首先构建Hankel矩阵,然后利用复数域奇异值分解(SVD)技术进行特征值分解,利用优选特征值的加权并通过替换频率切片实现随机噪声的压制。采用分块处理解决实际地震资料中存在的倾角变化非稳态问题,与传统的假设同相轴水平的SVD技术相比,该技术无需对同相轴进行任何相对时差校正,在假设线性同相轴条件下适应同相轴交错的复杂情况。模型数据处理结果表明,如果地层的倾角个数与选取的特征值个数相同,则对无噪数据没有损害。实际资料处理结果表明,f-x域Cadzow滤波技术是一种稳健的压制随机噪声的技术。     

基于单道SVD和振幅比的地面微地震资料去噪方法

针对地面微地震资料强周期干扰和随机干扰突出的特点以及单一去噪方法无法有效压制噪声的问题,提出了基于单道奇异值分解(singular value decomposition,SVD)和振幅比的联合去噪方法。首先利用单道微地震记录构建分解矩阵,使矩阵各维具有较强的相关性,然后对分解矩阵进行奇异值分解,选取数值居中部分奇异值进行矩阵重构,以达到压制单道微地震记录强周期干扰的目的。其次采用具有伸缩特性时窗的振幅比法改善有效信号与随机噪声的统计特性差异,有效压制微地震资料中的随机噪声。理论模型数据和四川某地区地面微地震射孔资料应用结果表明,联合去噪方法有效地压制了微地震记录中的噪声,提高了资料的信噪比,在很大程度上改善了单一去噪方法无法较好突出微地震有效信号的不足,为后期微地震资料的处理与解释奠定了良好的基础。     

局部频率域SVD压制随机噪声方法

常规SVD技术去除随机噪声是在时间域进行的,对水平同相轴有较好的去噪效果;但对同相轴是倾斜或弯曲的情况,则要进行局部倾角扫描校正,从而限制了其在实际中的应用。为此,本文研究了局部频率域SVD压制随机噪声方法,有效克服了时间域局限性。首先对时空域滑动窗口内地震数据进行傅氏变换,并对每个频率切片构建Hankel矩阵,再对Hankel矩阵进行SVD滤波(降秩重构),最后反变换到时间域,得到去除随机噪声的结果。通过构建块Hankel矩阵,将该方法扩展到三维地震数据体的噪声压制处理中。模型及实际资料处理结果对比表明,该方法在有效压制随机噪声的同时,能够较好地保留有效信号,优于常规频域预测滤波结果。     

基于频率域奇异值分解的地震数据插值去噪方法研究

奇异值分解(Singular Value Decomposition,SVD)是近几年发展起来的一种地震数据随机噪声压制方法。基于频率域奇异值分解矩阵降秩运算,利用凸集投影(Projection Onto Convex Sets,POCS)迭代算法,实现了地震数据去噪和插值的同步处理,给出了方法的实现步骤。实际资料处理时,采用分窗处理方式减少了算法对内存的需求,降低了插值和去噪处理的运算量,同时使有效信号的同相轴线性化,满足方法的假定条件。模拟数据和实际资料测试均表明,频率域奇异值分解方法可以在压制地震数据噪声的同时进行插值处理,具有广阔的应用前景。     

双曲Radon-ASVD方法压制叠前地震数据随机噪声

针对地震数据中的噪声强弱分布不均匀时,奇异值分解(SVD)压制噪声的效果欠佳等问题,提出了将双曲变换和自适应奇异值分解相结合的算法。首先对叠前地震数据做双曲Radon变换,确定有效反射波的顶点和速度参数;据此将叠前地震数据分窗口无拉伸动校正后做自适应奇异值分解(ASVD);最后重建数据,达到压制随机噪声的目的。模型及实际资料处理结果对比表明,该算法可以较好地压制非均匀分布噪声。     

利用奇异值分解方法提高地震数据信噪比

奇异值分解(SVD)技术借助地震资料具有良好相关性的特性,能够有效地分离噪声和信号。经过SVD分解的地震数据,根据能量大小可分为若干个奇异值,大奇异值对应的本征图像主要代表信号,小奇异值对应的本征图像主要代表噪声,通过选用前k个最大的奇异值对应的本征图像重建地震记录,可以有效地消除随机噪声。利用GeoEast地震数据处理系统获得了经静校正、振幅补偿、反褶积、动校正与叠加等处理后的叠后数据,正演模型和热欧三维叠后地震数据处理结果表明,SVD方法能有效地消除随机噪声,提高地震数据信噪比。     

基于单道奇异值分解的微地震资料去噪方法

奇异值分解(SVD)是一种利用地震资料的相关性进行去噪的有效方法。但对于信号较弱、信噪比极低的微地震资料,传统SVD方法处理效果较差。针对单道微地震记录噪声周期性较强的特点,提出了一种基于单道SVD的去噪方法。首先利用单道微地震记录来构建分解矩阵,然后对矩阵进行奇异值分解,通过对奇异值分布规律的分析,选取适当的奇异值实现矩阵的重构,最后通过SVD反变换得到重构信号,从而达到去除噪声、突出有效信号的目的。实践表明,该方法能有效去除微地震记录中的噪声,为微地震事件的正确识别与震源的准确定位提供强有力的前提保障。     

利用波原子分解系数自适应Wiener滤波方法压制地震数据随机噪声

随机噪声是地震勘探数据中常见的背景噪声,会对有效信号产生负面影响,有必要研究更适用的方法去除随机噪声。为此,提出基于波原子分解系数自适应Wiener滤波,并对滤波后的系数进行波原子重构的方法,压制随机噪声以突出有效信号。针对人工合成地震记录,应用SVD阈值、二维多尺度小波分解阈值和波原子分解阈值三种滤波方法与所提方法进行对比测试及分析,可见所提方法在压制随机噪声的同时能充分保留有效信号,使反射同相轴更清晰且连续性更好。利用该方法还对实际地震记录进行了滤波处理,并与用上述三种阈值和时频峰值等滤波方法处理后的记录作对比,进一步表明所提方法在压制随机噪声与保持有效信号方面的性能更优,具有较强的实用性。     

F-X域双边预测滤波

压制地震记录中随机噪音的方法很多，比较成熟的有部分K-L变换，奇异值分解（SVD）方法，拉冬（Radon）变换方法以及F-X域预测滤波方法等，其压制随机噪音的效果以F—X域预测滤波最强。目前F—X域预测滤波一般基于AR模型设计的单边预测滤波器，它仍存在一定的缺陷。本文提出的双边预测滤波器，能更有效地利用数据，较好地逼近了真实滤波器，提高了预测精度和稳定性，从而更好地压制随机噪音、提高记录的信噪比。通过理论模型和实际资料处理，得到了很好的效果。     

SVD滤波法在直达波和折射波衰减处理中的应用

在地震资料的处理过程中，需要消除原始资料中直达波和折射波等能量很强的线性干扰波的影响，但常规方法在切除线性干扰波的同时也切除了来自浅层的反射能量，从而失去了反映浅层地质构造的信息。应用SVD（奇异值分解）滤波法不仅可以达到衰减具有线性特征的直达波和折射波能量的目的，又能突出具有非线性特征的浅层一次反射能量，可以避免丢失浅层有效反射信息。理论模型的试算和对实际资料的处理结果表明，应用SVD滤波法处理地震资料能取得较好的效果。图3参6     

A local f-x Cadzow method for noise reduction of seismic data obtained in complex formations

A noise-reduction method with sliding windows in the frequency-space (f-x) domain,called the local f-x Cadzow noise-reduction method,is presented in this paper.This method is based on the assumption that the signal in each window is linearly predictable in the spatial direction while the random noise is not.For each Toeplitz matrix constructed by constant frequency slice,a singular value decomposition (SVD) is applied to separate signal from noise.To avoid edge artifacts caused by zero percent overlap between windows and to remove more noise,an appropriate overlap is adopted.Besides flat and dipping events,this method can enhance curved and conflicting events.However,it is not suitable for seismic data that contains big spikes or null traces.It is also compared with the SVD,f-x deconvolution,and Cadzow method without windows.The comparison results show that the local Cadzow method performs well in removing random noise and preserving signal.In addition,a real data example proves that it is a potential noise-reduction technique for seismic data obtained in areas of complex formations.     

频域奇异值分解（SVD）地震波场去噪

 无规则干扰噪声的频谱分带较宽,不存在相干性;但在同一地区地震信号的主频带区间大致相同,尤其是叠后数据,也就是说各地震道有效频带的频谱存在较好的相干性。本文基于这个特点,通过傅里叶变换,在频率域进行SVD变换,并设计滤波因子,提取目标信号的奇异值进行重构频域信号,然后再进行反傅里叶变换,实现地震波场分离与去噪。与传统的带通滤波相比,该方法能彻底压制主频带干扰噪声,保护高、低频有效信号。实际地震数据处理表明,在不破坏原始地质信息的前提下,能较好地提高地震信号的信噪比。     

地震资料信噪比估计的几种方法

本文给出了计算信噪比的三种不同方法，即叠加法，时间域ＳＶＤ法和频率域ＳＶＤ法。当各道之间的地震信号波形，振幅及相位保持不变时，可利用叠加方法进行信噪比估计；当各道之间的地震信息仅存在振幅变化时，可采用时间域ＳＶＤ方法进行信噪比估算；当各道之间的地震信息既存在振幅变化，又存在相位变化时，应采用频率域ＳＶＣ法来计算信噪比。     

叠前主分量重建随机噪声衰减

随机噪声是地震勘探中不可避免的一类干扰波,叠前记录中随机噪声的存在不但会引起资料信噪比的降低,而且会直接影响到动、静校正的精度,影响资料处理的质量。目前已有很多衰减随机噪声的方法在应用中见到了很好的效果,但由于它们大多基于叠后数学模型开发,在叠前应用有时会因为其理论基础或叠前资料本身的某些特点而使应用效果受到某种模型开发,在叠前应用有时会因为其理论基础或叠前资料本身的某些特点而使应用效果受到某种程     

强容噪性随机森林算法在地震储层预测中的应用

地震数据和测井数据中的噪声与有效信号难以有效界定,决定了地震储层预测需采用强容噪性算法。通过训练样本中加入随机噪声证实随机森林算法具有较好容噪性,但不能据此推知它在地震储层预测中仍有很强容噪性。基于F3工区实际数据,从噪声较强的原始地震数据中提取含噪样本,由经过倾角中值滤波处理的地震数据提取去噪样本,建立多种地震属性与孔隙度参数之间的随机森林回归模型;由构建的含噪模型和去噪模型分别与原始地震数据去噪前后两个数据体进行运算,得到4种不同情况下的孔隙度数据体。结果表明：由含噪模型得到的两个预测结果受噪声干扰较大;去噪模型的两个预测结果受噪声影响较小,能有效刻画储层特征,表现出强容噪性。随机森林模型对异于样本数据的异常值具有强的容忍度。可知随机森林算法应用于地震储层预测的关键是样本数据不含噪声,而估算过程中地震数据体是否做了去噪处理对预测结果影响较小。     

共反射面元叠加技术的应用

共反射面元叠加（CRA）是一种压制随机噪声的去噪方法,该方法在桑加或偏移地震剖面上进行多个共中心点（二维）或共反射面元（三维）的反射地震记录的“同时叠加”,通过增加叠加的覆盖次数达到提高地震资料信噪比的目的,阐述了共反射面元叠加的基本原理,并用理论模型和实际地震资料处理效果证实该方法是基本保幅的去随机噪声方法,就保幅能力而言,该方法优于其它压制随机噪声的方法。     

叠前随机噪声深度残差网络压制方法

深度残差网络作为一种先进的深度学习算法,近年来得到学术界和工业界的高度关注。针对叠前地震记录中随机噪声的智能高效压制问题,首先根据深度残差网络原理设计了一种深层非线性去噪网络,然后利用构建的高质量随机噪声训练集对该网络进行训练,在高维空间实现对随机噪声特征的自动学习,从而拟合出含噪声地震记录与随机噪声之间的非线性映射关系,实现随机噪声自动压制。模型数据测试和实际资料应用均证明了文中方法的有效性。尽管其去噪能力与标签数据获取方法相当,但去噪效率及适应能力明显优于标签数据获取方法,为应对TB级叠前地震数据的去噪问题提供了一种可借鉴的思路。