基于独立分量分析的地震属性优化

随着储层预测要求精度的提高，从众多地震属性集中挑选对所预测对象最敏感的地震属性，进行地震属性优化的工作相当重要。K-L变换通过一正交变换优选出一些不相关的地震属性，而不能优选出一些更高阶的相互独立的地震属性，即K-L变换仅利用了属性的二阶统计特性。独立分量分析（ICA）作为分解观测数据中独立信息的有力工具，不仅利用了信号的二阶统计特性，而且还利用了信号的高阶统计特性。将ICA引入到地震多属性优化中，利用它对地震属性进行高阶统计特征分析，从而能优选出最敏感的、相互独立的地震属性。另外，ICA属性优化方法不需要测井数据、井旁储层段的参数、钻井数据等，也不受勘探、开发阶段测井资料的数量限制。实际资料的应用分析表明，应用独立分量分析优化后的地震属性作储层预测具有较高的精度和可靠性，是一种新的属性优化方法。     

主分量分析和独立分量分析方法的比较研究

统计特征方法在信号处理、模式识别等领域的应用越来越广泛，特别是独立分量分析（ICA）在理论研究和实际应用中备受关注。主分量分析（PCA）和独立分量分析总的方法和思路比较相似。在分析PCA和ICA的原理及特点的基础上，分别用PCA和ICA对模型和实际地震数据进行了验证，并比较和分析了两者在信号处理中的特征提取能力。结果表明：在实现信号分离时，PCA分解后的各个分量仍然保持一定的相关性，而ICA分解后的各个分量保持独立。     

基于独立分量分析的地震信号盲源分离及应用

受采集条件及野外环境影响,实际地震资料通常包含严重的噪声,严重影响成像质量。因此,寻找合适的去噪方法来提高资料信噪比至关重要。随盲源信号分离理论发展而来的独立分量分析(ICA)算法以高阶统计理论分析为基础,根据地震有效信号和随机噪声统计独立的特征,可实现信噪分离,但该方法通常要求观测信号数大于源信号数。基于此,提出一种相空间重构与独立分量分析相结合的地震信号单通道盲源分离算法,对地震资料进行去噪处理。该方法利用相空间重构技术,将一维信号重构成多维信号,根据重构相空间中有效信号和随机噪声的几何特征差异,并利用ICA算法结合数据本身的高阶统计特性,可以有效分离噪声和有效信号,提高地震资料信噪比。     

利用独立分量分析技术对油气富集区进行地震识别

地下地质体可等效地分成地质体几何形态、地质体骨架属性、流体属性和噪音4个相互独立"基本结构因子".地震观测信号可等效地看成是地下地质体4个"基本结构因子"信号源的线性混叠信号,利用独立分量分析技术(ICA)可从混叠信号中提取出这些相互独立的信号源,从而可提取出隐含在地震观测信号中的含油气性(流体属性)和沉积相(骨架属性)等有用的信息.利用ICA技术从地震属性中分离出相互独立信号源的地质解释,主要依靠对工区现有的地质研究成果来赋予它实际的地质含义,这具有一定的主观随意性,可通过信息熵等其他数学方法减小这种解释的主观性.     

陆上地震勘探随机干扰分析

探索随机干扰的分析方法、变化规律及对地震勘探的影响可以为压制和消除随机干扰提供指导。通过对不同环境下录制的大量噪音记录的量化分析，归纳了随机干扰的特征，探讨了运用不同施工因素采集时随机干扰的变化。基于对随机干扰统计规律的认识，提出了数理统计分析和地球物理分析相结合的定量分析方法，明确了随机干扰产生的机理，即环境噪音的强弱主要与接收因素有关，次生噪音主要来自地震激发，系统噪音则是采集设备工作过程中产生的干扰。     

基于四阶互累积量的fast ICA微地震数据噪声压制方法研究

相较于常规地震资料,微地震资料中不同道之间有效信号通常存在时间差,使得采用快速独立分量分析(fast independent component analysis,fast ICA)算法分离微地震有效信号时受不同道之间有效信号时间差干扰,导致部分有效信号被当作噪声而分离。引入四阶互累积量算法消除时间差后,再将fast ICA算法应用于微地震资料进行有效信号与噪声的盲源分离,从而解决上述问题。首先分别介绍了四阶互累积量算法和fast ICA算法,并利用微地震仿真数据测试了四阶互累积量算法的时差估计准确性,再根据时差估计结果对有效信号进行时差偏移,最后对偏移后的微地震数据进行fast ICA盲源分离,从而达到去除噪声的同时保留有效信号并提高信噪比的目的。微地震仿真实验以及实际微地震资料的处理结果表明基于四阶互累积量的fast ICA微地震数据噪声压制方法具有良好的去噪效果。     

独立分量分析在重磁数据处理中的应用

独立分量分析(ICA)能够通过发掘和去除数据间的高阶相关成分,使输出分量之间相互独立,对独立源信号进行分离和提取,是盲源分离(BSS)的核心技术。首先介绍了ICA的基本理论,运用基于负熵最大的FastICA(固定点算法)对算法原理进行说明和处理实验;然后根据重磁信号的特点对独立分量分析的应用进行初步探索,并用幂次方迭代的ICA算法进行了重力异常仿真实验,验证了方法在重力异常的分离和弱异常提取中的有效性;最后应用于实际磁测资料处理,有效识别了不同异常体。     

利用独立分量分析法去除地震噪声

 独立分量分析（ICA）作为盲源分离（BSS）的一种新方法,是分解观测数据中独立信息的有力工具。以往的ICA算法一般假设噪声可以忽略不计，而实际的观测数据中又常常包含一些加性噪声。对于加性噪声的影响不能忽略的情况下，改进的ICA算法首先利用非零时间滞后协方差，应用两步特征值分解法(EVD)可成功地去除部分加性噪声的影响；再利用ICA算法就能更好地分离出原信号。本文通过对地震理论模型和实际资料的试验，说明改进的ICA算法能够有效地克服加性噪声对常规ICA算法的影响，能够分离出地震资料中的有效信号，从而实现利用独立分量分析压制地震资料噪声的目的。     

一种叠前地震资料单频噪声压制新方法

针对常规陷波处理方法去除单频噪声时会"完全扼杀"相同频率有效波的缺陷,提出了一种基于独立分量分析(ICA)的叠前地震资料单频噪声压制新方法。该方法将叠前地震资料的多道观测记录按照统计独立的原则,首先利用非零时间滞后协方差,运用两步特征值分解法(EVD)成功地去除部分加性噪声的影响;再利用ICA算法更好地分离出单频噪声源信号。改进的ICA算法能够有效地克服加性噪声对常规ICA算法的影响,较好地分离出叠前地震资料中的单频噪声源信号,实现独立分量分析对叠前地震资料单频噪声压制的目的,更加有效地保护相同频段范围的有效波,从而提高叠前地震资料的信噪比。通过仿真试验和实际地震资料处理表明,该方法应用效果较好,能够更加满足实际生产的需要。     

基于高阶统计量的高分辨率时频分析方法

时频分析是地球物理勘探领域信号分析和处理的关键技术,通过时频分析可以进行地震旋回的划分以及等时沉积界面的识别,然而传统的地震信号时频分析方法存在分辨率低、分析结果不直观等缺点.在分析现有时频方法特点的基础上,提出了基于高阶统计量的高分辨率时频分析方法,该方法能够有效反映时变信号的频谱特性,具有分辨率高、分析结果客观准确等特点.系统阐述了基于高阶统计量的时频分析方法的基本原理,并采用正演模型分析验证了该方法的有效性,将其应用于东营凹陷北带砂砾岩体旋回与沉积期次的划分,取得了良好的效果.     

基于S变换自适应滤波迭代的多源地震数据分离

S变换是由小波变换和短时傅里叶变换发展而来的时频分析方法,动校正后共中心点道集（NMO-CMP）中相同时刻各道地震信号的振幅、相位基本一致,多源地震数据中的混叠噪声在CMP道集中呈随机分布;将NMO-CMP道集叠加,以叠加道S变换谱为参考,可以判断出各道S变换谱中噪声与信号的分布。根据NMO-CMP道集中地震道S变换谱与叠加参考道S变换谱之间的偏离程度设计自适应滤波器,通过多级滤波、多次迭代的方法,提取多震源数据中的有效反射信号、分离混叠噪声。理论数据和实际数据模拟的多源地震数据试算结果表明,本文方法能够有效提取多源地震数据中的有效反射信号、分离混叠噪声和随机噪声。     

最小极化度滤波

地震信号和随机噪声具有不同的极化特性，可以利用极化分析的方法压制地震记录上的随机噪声。以Samson(1973)提出的谱矩阵极化分析方法为基础，结合复地震道技术给出最小极化度滤波方法。假设地震记录由有效信号和不相干随机噪声组成，由不相干随机噪声的复地震道构造协方差矩阵，将此协方差矩阵作为谱矩陈，根据不相干随机噪声的极化度最小这一准则，推导出最小极化度滤波方法的算子。该方法既可应用于三分量地震记录，也可用于单分量的地震记录。     

小波变换域K L变换及其去噪效果分析

K—L变换利用相邻地震道的相关性来去除随机噪声，但对于倾斜和弯曲同相轴反射去噪效果不佳。采用改进的时变倾角扫描叠加K—L变换能够较好地去除随机噪声，但由于在时间域进行，没有考虑有效信号和随机噪声在频率域的特点，高频有效信号易受压制。小波变换具有较强的时频分析能力，在小波变换域进行K—L变换，可以实现分时分频K—L变换去噪。介绍了小波变换域K—L变换压制随机噪声的基本原理，即先将地震信号进行小波分解形成分时分频的小波包剖面，然后用K—L变换对小波包剖面进行去噪，再将去噪后的小波包剖面重构回地震剖面，从而达到消除随机噪声的目的。理论模型计算和实际资料处理表明，小波变换域K—L变换去噪方法在有效去除随机噪声的同时能够保护高频有效信号。     

基于EMD与ICA的地震信号去噪技术研究

去除随机噪声是地震资料处理的重要环节,而目前的多数去噪技术都不同程度存在去噪效果差、损害有效信号等问题。为此,利用经验模态分解(Empirical Mode Decomposition,简写为EMD)能将信号自适应分解为不同尺度振动模态的优点及独立分量分析(Independent Component Analysis,简写为ICA)能提取独立源信号的优势,构造了一种EMD与ICA相结合的新的去噪算法,很好地实现了地震有效信号和随机噪声的分离,在提高去噪效果的同时提高了有效信号的保幅效果。将该算法应用于仿真实验和实际资料去噪,结果都明显优于总体经验模态分解(Ensemble Empirical Mode Decomposition,简写为EEMD)去噪结果,地震资料的信噪比和分辨率都大大提高。     

基于改进PSO-ICA的地震信号去噪方法

为了改善常规固定步长独立分量分析(ICA)算法的叠前地震信号去噪效果,本文提出一种基于混沌粒子群优化(PSO)的改进ICA算法。该算法利用混沌PSO动态调整相对梯度ICA的步长函数,减小ICA算法的稳态误差。在混沌PSO优化过程中,采用一种基于反正切函数的非线性递减惯性权重,提高PSO迭代初期的全局搜索能力和迭代后期的局部搜索能力。模型试算和实际单炮记录处理结果表明:本文提出的改进ICA算法去噪效果明显,有效信号损失小。与其他算法相比,改进ICA算法不仅能很好地保护有效地震信号,而且能提高信噪比。     

维纳滤波在地震资料噪声消除中的应用

在地震勘探中,随机噪声是一种频带较宽、严重影响有效波的干扰波。维纳滤波可以根据局部图像的差异来调整参数,对保留图像的边缘部分和其他高频部分很有用。将维纳滤波应用于地震信号噪声的处理,能有效地消除随机干扰。     

改进的小波阈值法瞬时信息提取

：利用Ｈｉｌｂｅｒｔ变换提取瞬时信息是储层预测的一种常用方法，但抑制噪声的能力弱。在分析小波软、硬阈 值去噪方法优缺点的基础上，引进了一种改进的阈值去噪方法。该方法可以很好地压制地震信号中高频随机噪 声，且保持原信号的细节信息。在实际地震资料处理中，首先利用改进的方法去噪，然后再采用Ｈｉｌｂｅｒｔ变换提 取瞬时信息，取得了较好的地质效果。     

时频域变分模态分解地震资料去噪方法

强噪声干扰、信噪比过低是造成深层地震资料成像不佳的主要因素。为此,提出在时频域内将变分模态分解算法应用于分频地震资料的噪声压制处理的新思路。首先,通过希尔伯特-黄变换（HHT）构建地震数据的解析信号,将地震数据转换到时频域,在时频域进行分频变分模态分解;随后,分析有效信号与噪声在时频切片上的能量分布,在此基础上优选出有效信号模态分量重构时频切片;最后反变换回时空域,达到噪声压制的目的。应用模型数据分析了关键参数对去噪效果的影响;实际资料的应用结果表明该算法可有效压制较强的随机背景噪声,同时对陡倾角的线性干扰也有明显的压制作用。