非均匀地震数据重建方法及其应用

将不规则地震数据重建问题归结为信息重建的地球物理反演问题。最小二乘方法求解时,引入离散傅氏变换(DFT)加权范数规则化策略,采用预条件共轭梯度法(PCG)求解,保证解的稳定性和收敛速度。处理线性同相轴假频问题时,采用Yule Walker方程由带限信号的低频功率谱预测高频功率谱,达到去假频目的。针对炮集三维叠前深度偏移中数据均匀化且尽可能覆盖速度体范围的要求,应用非均匀地震数据重建方法实现不均匀三维炮集数据内插、外推,避免以往植入空道的简单化处理,有效地扩大了偏移孔径信息。实际三维地震资料试算结果表明,偏移效果得到改善。     

三维不规则地震数据重建方法

不规则采样地震数据会对多道处理技术产生不良影响,降低地震资料的处理质量。本文针对有限带宽三维不规则地震数据,将二维空间非均匀Fourier变换理论和贝叶斯参数反演方法相结合,进行反演重建。首先,采用分频重建策略,对每一个时间频率依据最小视速度确定出待重建数据的空间频率带宽,从不规则地震数据中估计出重建数据的空间Fourier谱。然后,将不规则地震数据重建视为谱重建的地球物理反演问题,运用贝叶斯参数反演理论估计出空间Fourier谱。在反演求解时,采用Delaunay三角网格剖分方法来确定不规则采样点的权值。此外,为避免复数矩阵求逆,使用预条件共轭梯度算法来保证求解的稳定性和收敛速度。理论模型和实际资料处理结果验证了本文方法的有效性和实用性。     

基于高阶扩展快速行进法的缺失地震数据重建

传统地震数据重建算法大多采用整体重建模式.受数字图像重建思路启发,提出了一种基于高阶扩展快速行进法的缺失地震数据重建算法.该算法采用局部重建模式,首先将缺失地震数据映射为地震图像,并定量分析映射导致的量化误差; 再采用二抽取小波变换对地震图像进行分解,分解后的低频分量采用高阶扩展快速行进法做局部逐点重建,高频分量通过已重建低频部分的水平、垂直和对角预测滤波做重建; 然后采用小波逆变换得到重建后的地震图像; 最后将地震图像映射回地震数据.叠前和叠后实际地震数据重建实例验证了算法的可行性; 与基于形态分量分析、基于K-奇异值分解(SVD)字典学习等地震数据重建算法的对比结果表明,本文算法具有更快的重建速度和更高的重建精度.     

利用抗假频凸集投影算法的规则缺失地震数据重建

在地震数据现场采集过程中,因受工区复杂地形等条件限制,采集到的地震数据大多不完整、不规则,且会呈现不同程度的空间假频现象。在均匀空间网格下,规则地震道缺失引起的假频与真实频谱相似,而常规基于傅里叶变换和凸集投影（POCS）的重建方法不能实现反假频重建。为此,针对线性同相轴规则缺失地震数据,通过在f-k域中采用倾角扫描方法拾取有效波能量,建立相应的选择函数,将其引入到POCS算法对数据进行反演计算,重建得到无假频数据。数值实验结果表明,文中所提方法在重建规则缺失地震数据的同时有效地消除了假频信息。     

POCS联合改进的Jitter采样理论曲波域地震数据重建

由于采集条件的限制及后续处理中废炮废道的剔除,使得地震数据成为不完整数据体,这将影响后续地震资料的处理及反演,因此有必要进行地震数据重建。本文结合曲波变换和凸集投影(POCS)方法对不规则地震数据进行重建:对比分析不同阈值模型对二维地震数据重建结果及收敛速度的影响,采用改进的指数阈值模型(q=0.5)和改进的Jitter欠采样方法在频率域对每一有效频率切片进行二维重建,最终实现三维地震数据重建,并有效地提高了计算效率。在迭代过程中,定义了新的误差函数公式,从而在保证重建质量的同时有效地结束迭代,再次提高了计算效率。模拟数据分析和实际数据处理结果均验证了方法的有效性。     

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）。     

用随机采样间隔成像法来明确地恢复尼奎斯特频率以上的信号

通常认为，但频是由于采样尼奎斯特以上的频率怀尼奎斯特支下的频率不可恢复地“混合”而产生的，因此，防止信号假频这种不言而哈的要求在限制可利用的信号带宽中起着主要的作用。然而，在多道地震数据中，假频出现的证据常常是似有似无，自相矛盾的，这暗示着假频更大的可能性是表面的而不是真实的。     

基于连续小波的地层品质因子计算方法

连续小波是一种先进的时频分析方法,可以准确提取地震数据的时间和频率信息。利用连续小波时频分析方法,将地震数据分为多频率尺度数据,计算不同频率尺度数据的振幅随时间变化的指数衰减因子,再用回归分析方法计算指数衰减因子随频率变化的斜率,最后计算出地层品质因子。模型和实际垂直地震剖面、微测井以及地震数据应用表明,连续小波地层品质因子计算方法与谱比法和频移法相比,精度高、抗噪声能力强,适用于多种类型地震数据的地层品质因子计算。     

形态分量分析在地震数据重建中的应用

本文从稀疏信号恢复理论出发,采用形态分量分析(MCA)方法重建地震数据。MCA方法的核心是选取合适的字典。首先从地震数据的特点和计算复杂性出发,选取非抽样小波变换(UWT)字典和曲波变换(Curve-let)字典,UWT字典用来稀疏表示地震数据的局部奇异部分,Curvelet字典用来稀疏表示地震数据平滑和线状变化部分;其次将数据分解为形态特征不同的两个分量,采用BCR(Block Coordinate Relaxation)算法求解目标函数;最后对两个分量进行插值重建、合并得到最终的重建结果。模型测试和实际资料处理结果表明:利用MCA方法不仅可以对非均匀和大间距数据进行插值重建,而且可消除空间假频;同时该方法本身还具有去噪功能,不受数据带宽的限制。     

有效参数神经网络预测滤波方法研究

常规的地震数据去噪方法的主要是根据单参数地震信息提取有效信号和噪声达到去噪的目的。本主要从地震数据上分析和提取反映有效波和噪声的多个特征参数。应用神经网络非线性预测技术，将选择拙的特征参数作为神经网输入，假设希望输出为滤波门限，通过反复训练，得到滤波因子；然后，对地震记录的有效波和随机噪声进行分离。     

沙漠地区地震资料处理方法研究

塔中沙漠地区地震原始资料的信噪比、分辨率、保真度低，有效波不突出，能量弱，连续性差，在叠加剖面上难以追踪。针对这些问题，采取了一系列有效措施。首先，通过预处理对原始资料进行净化，消除由各种干扰波和地表高差大给资料造成的影响，使单炮记录的信噪比、分辨率和保真度得到了提高；然后，通过速度分析和选择合适的叠加方式得到具有较高信噪比、分辨率和清晰度的叠加剖面；最后，对叠后数据体进行细化处理，采用相干加强、多项式拟合、径向预测滤波、倾角滤波、随机噪声衰减、叠后反褶积、频率补偿、时变谱白化、蓝色滤波和振幅补偿等处理手段，使最终的叠加剖面有效波主频从20Hz提高到40Hz。通过大量的试验分析，制定了适合于塔中地区地震资料的处理流程和参数。     

扩散滤波方法在地震资料处理中的应用研究

从各向异性扩散滤波方程出发,给出了其对应的数值离散公式及其最简单的各向同性扩散滤波离 散计算公式,开展了扩散滤波方法在低频逆时偏移噪音的多尺度分离、地震反射波和散射波波场的相对 分离、保断层边缘的随机噪音压制以及地震数据插值处理等 4 个方面的应用,并给出了其对应的应用假 设条件。 计算结果表明,扩散滤波方法可在不同应用假设条件下取得较好的处理效果。 该方法可指导实 际地震资料数字处理。     

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。     

K1地区地震数据目标处理技术及效果

K1地区三维地震数据经过不同年代采集和连片处理后,叠后地震数据体存在反射能量不均衡、资料整体分辨率及信噪比过低的问题,难以满足勘探研究的需要。针对这些问题,对三维地震数据分步骤进行处理,首先,从纵横两个方向进行增益补偿计算,分别解决深浅层能量差异过大和拼接处能量突变的问题;然后利用混合相位子波反褶积技术进行拓频处理,提高地震数据的分辨率;最后采用倾角控制下的中值滤波提高信噪比处理。通过三步处理计算后,原始地震数据品质得到了大幅改善,为后续构造解释及储层预测提供了可靠的基础数据。     

聚束滤波法消除海上地震资料的多次波

本文简单介绍了用聚束滤波方法消除地震资料中的多次波的基本原理及合成资料处理结果；详细描述了用聚束滤波方法消除两套南海深海地区地震资料中多次波的实施步骤与效果。对于珊瑚礁产生的大范围强烈多次波，采用多次使用聚束滤波方法分别消除不同范围的多次波，取得了较高分辨率和较小计算量的优化效果。处理结果表明，聚束滤波方法可以消除相对较强的多次波，并增强较弱的一次波。对莺东南盆地一块海底多次波相当严重的深水地震资料的处理结果表明，聚束滤波方法对于消除远道和近道多次波的效果都相当好，并且优于常规的二维滤波方法对多次波的压制效果。     

地震资料数据处理中的形态滤波去噪方法

1. Introduction Seismic data processing now utilizes digital processing techniques, and seismic filtering generally considers the differences in frequency, wave number, and amplitude. Where the difference between signal and noise is too small to distingui…     

基于联合小波域深度学习的地震数据规则化方法

数据规则化是地震资料处理的关键步骤之一，基于物理建模的传统方法计算量大且不具备广泛适用性。当前基于卷积神经网络的地震数据规则化方法通常局限在时域，尤其在低采样率条件下，重建数据过于平滑，纹理细节信息损失严重。小波分析具有多尺度、多方向的特性，更适于表示二维数据的纹理特性，可以聚焦地震数据信号的细节信息。为此，提出一种联合小波域的卷积神经网络模型，学习地震数据在时域与小波域的联合分布特征以逼近实际数据，将不规则地震数据重建问题转化为在卷积神经网络框架下各尺度不同方向分量的小波系数预测，重建规则化的地震数据；构建时域与小波域的联合损失函数，结合地震数据的整体分布和局部细节特征，约束网络模型，通过修正联合损失函数的权重调整卷积神经网络学习的注意力，提高重建地震数据信噪比。实验结果表明，与其他方法对比，该方法细节保持效果更好，对地震数据缺失位置不敏感，更具鲁棒性。     

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。