CPU-GPU异构平台的抛物线Radon变换并行算法

抛物线Radon变换被广泛应用于压制和去除叠前地震数据中的多次波。混合域抛物线Radon变换虽具有良好的多次波压制效果，但面对体量日益庞大的地震道集数据，仍需很长处理周期。为此，首先利用GPU对抛物线Radon变换算法做并行优化，将计算过程中最耗时的傅里叶变换和代数运算用CUDA库等优化技巧进行加速，加速比达13以上；然后基于CPU-GPU异构平台，提出一种CPU-GPU并行方案，充分利用计算机硬件资源，通过CPU多线程与多个GPU协同并行实现抛物线Radon变换并行算法，加速比约达30。     

基于Goupillaud模型的钻柱波数值模拟和信号分析方法

基于传递矩阵可以用一系列反射系数来表示整个钻柱,而钻柱顶端接收的钻柱波信号含有与这些反射系数相关的信息。基于钻柱模拟实验数据,利用盲源反褶积进行反射系数计算,将截取的输入子波与反射系数褶积,得到了模拟输出信号。结果表明,模拟输出信号与实际采集的信号相关度较高。运用该方法对随钻地震参考信号进行了处理,达到了强化钻头源信号的目的。     

CPU与GPU协同并行的多分量地震数据各向异性叠前时间偏移

地震勘探工区规模的日益庞大,造成多分量地震数据的各向异性叠前时间偏移算法耗时巨大。目前常用CPU集群方式并行加速该类算法,而集群方法必将导致节点间通信时耗增大;同时受限于CPU结构特点,只能通过扩大集群规模提高加速比。针对上述问题,提出一种基于CPU与GPU协同并行的多分量地震数据各向异性叠前时间偏移算法,利用OpenMP和CUDA实现CPU与多个GPU的协同并行,使用内存映射方法降低I/O耗费;并根据CPU与GPU的结构特点优化地震数据及速度数据的读取和存储方式,分割成像空间以节省算法内存消耗,每次只计算与开启的GPU个数相同条数的主测线,主测线内部采用一个GPU线程对应一道地震数据的偏移计算方法,以充分利用GPU计算能力。应用约29G的实际工区多分量地震数据分别比较不同个数GPU协同CPU并行的加速比,得知使用6个GPU协同CPU对实际纵波及转换波数据进行并行偏移处理时,加速比分别达到444和449。     

应用长短期记忆循环神经网络的弱反射信号增强方法

由于沉积环境的特殊性和复杂性,地下介质中不同反射界面的波阻抗差可能差异巨大。如果储层的有效反射信息较弱,在地震数据中极可能被强反射信息掩盖,不易被识别,影响了储层识别效果,因此亟需一种解释性处理技术突出弱反射信息。常规方法一般是先从地震数据中分离出强反射分量,再将它削弱或删除。但如果地震子波提取不准确,减去法中强反射残留会引入虚假信号。文中提出了一种“升弱降强”的新思路,通过构建幂次反射系数映射模型缩小弱反射信号与强反射信号的相对差异。首先计算测井反射系数的幂次反射系数,将弱反射系数相对增大、强反射系数相对减小,得到拟反射系数序列;再用原始反射系数序列和拟反射系数序列分别与地震子波进行褶积运算,得到合成地震记录和拟合成地震记录,生成训练样本集;然后用该样本集训练长短期记忆(LSTM)循环神经网络,建立合成地震记录与拟合成地震记录的映射关系;最后将该网络应用于地震数据,增强了地震弱反射信号。模型和实际数据应用结果表明,该方法能有效增强地层本身引起的弱反射信号,提高地震数据的储层识别能力。     

地震处理多核异构并行计算通用框架研究

新的地震采集方式可每天产生30TB的巨大数据,迫切需要并行计算技术支撑资料处理,而并行模式的复杂化(如MPI、OpenMP和CUDA等)导致程序设计的复杂化,尤其当系统软硬件资源变化时,必须反复修改源程序。为简化复杂的地震并行软件开发,提升地震处理并行效率,本文在分析各种并行模式的基础上,建立了一整套地震处理多核异构并行计算通用框架,将各种并行模式相结合,充分发挥各自的优势,实现地震处理软件的多核异构并行模式自动匹配,提高了地震处理软件在多核异构环境下开发的可行性和并行效率。基于该框架研发的GPU炮域波动方程叠前深度偏移软件,与CPU串行算法相比,计算精度等同,但并行效率提高20倍以上,且随GPU节点增多呈线性增长趋势。     

基于CPU+GPU联合计算真地表叠前时间偏移实用化研究

为了提高起伏地表条件下的基尔霍夫叠前时间偏移算法的计算效率,针对CPU+GPU异构计算平台开展了算法移植与优化研究。首先分析了起伏地表条件下提高偏移成像精度的反假频、弯曲射线旅行时计算以及真地表旅行时校正的处理方法,然后在对算法的并行计算特征进行分析的基础上,针对CPU+GPU异构平台的算法移植进行了多级并行联合计算架构的设计,通过炮检距域的多进程数据域并行、地震数据I/O与偏移计算的异步并行、基于CUDA的超大规模线程成像域并行以及联合CPU计算的多线程成像域并行技术对算法进行了移植及优化。利用大规模测试数据集进行了计算效率测试,测试结果验证了多级并行联合计算架构以及分别针对CPU和GPU平台的算法优化技术能够极大地提高偏移处理效率。     

基于联合深度学习的地震数据随机噪声压制

噪声压制是地震资料处理中的一项关键任务。根据不同噪声的形成机制、特性,可以采用不同的压制方法,使地震资料的信噪比达到预期,提高后续地震资料处理和解释的效率和精度。现有基于深度学习的地震数据去噪方法,通常仅关注单一时域或频域的特征提取,导致局部过平滑或纹理模糊的现象;此外,传统卷积神经网络的卷积核往往采用固定较小的尺寸,限制了感受野大小,容易导致地震数据特征信息提取不充分。为此,提出一种基于联合深度学习的地震数据随机噪声压制方法。首先,考虑时域和频域两方面的特征信息,利用联合误差定义损失函数,改善特征提取效果;其次,通过分析卷积核大小和网络深度对感受野大小的影响,采用扩充卷积的方式,增加地震数据特征提取的多样性,减少地震数据细节的损失;再次,根据网络输入与输出数据具有相似性的特点,引入残差学习策略;最后,利用批归一化算法加快模型收敛,提高地震数据去噪效率。与同类算法对比实验表明,应用所提出的方法可得到更好的同相轴纹理保持效果和较高的信噪比。     

利用双向匹配追踪提高地震分辨率

在常规时间域匹配追踪子波分解的基础上,提出了时频谱匹配追踪子波合成的思路,类似于数字信号处理的正、反过程,基于Gabor反褶积的理论框架,利用双向匹配追踪算法,在时频域实现了一种非平稳的提高地震分辨率方法,其流程为：1将地震道数据进行正向匹配追踪子波分解,将每个子波的时频谱进行叠加得到地震道的时频谱;2通过匹配追踪时频谱平滑和数学运算,得到近似反射系数时频谱;3对反射系数时频谱进行反向匹配追踪,得到一系列高分辨率的地震子波,进而合成高分辨率地震道。对实际地震资料的处理结果表明,该法有效拓宽了地震资料的相对频带,提高了地震数据的分辨率。     

基于卷积降噪自编码器的地震数据去噪

噪声压制是地震勘探中一个长期存在的问题,虽然一些传统方法能够压制数据中的噪声,但存在有效信号丢失、噪声残留等问题。为此,提出了一种基于卷积降噪自编码器的无监督地震数据去噪算法。该算法首先对地震数据进行一定程度的随机损坏,然后将损坏后的地震数据输送到编、解码框架。编码框架负责捕捉地震数据波形特征,据此消除噪声;解码框架能够对特征图进行扩大并恢复地震数据细节信息,从而得到重构的地震数据。最后,将重构地震数据与原始地震数据之间的误差作为收敛代价进行模型训练。考虑到地震数据的复杂性与特殊性,在编码和解码阶段使用了多尺度卷积模块提取地震数据特征。合成数据与实际数据的验算结果表明,该方法在保护地震信号的同时能够有效压制随机噪声、提高地震信号的信噪比。     

Kirchhoff叠前时间偏移的GPU移植与性能优化技术

叠前时间偏移在工业生产中发挥着极其重要的作用,为了提高该算法的计算效率,开展了基于GPU异构计算平台的算法移植与优化。首先根据积分法偏移的算法特点制定了偏移距域的多进程数据域并行以及IO与计算异步并行总体并行策略;然后为了提高偏移核心计算部分在GPU上的计算效率,对偏移计算核在GPU上的并行方案进行了分析,选择了成像域超大规模线程并行方案对算法进行了移植和优化,并对不同优化手段在不同GPU硬件平台下获得的性能加速进行了对比测试;最后利用大规模计算节点及大规模地震数据体进行了移植后算法的应用测试,并对算法的计算效率、可扩展性以及精度误差进行了分析。大规模应用测试表明,积分法叠前时间偏移经过GPU移植后可获得较CPU平台近7倍的性能提升,具有很好的工业应用价值。     

深度域合成地震记录的制作方法研究

在时间域,合成地震记录是地震子波与反射系数的褶积。深度域的合成地震记录也与时间域类似。只不过先要将时间域的子波转换成深度域的子波转换成深度域的子波;然后利用皮时差曲线和密度计算出深度域的反射系数,再二者褶积便可得到深度域的合成地震记录。本方法的关键在于提取子波和计算反射系数。要在深度偏移剖面上选取品质较好的井旁地震道计算子波的主频,要选用零相位子波。在计算反射系数之前,要对声波时差曲线和密度曲线进     

基于谱分解的薄层预测方法

本文基于复信号的瞬时特征,实现了基于雷克子波的两步匹配追踪（Matching Pursuit,MP）算法。借助三层双界面反射系数模型推导了地震信号偶分量的峰值频率与薄层厚度的一一对应关系,结合时频分辨率较高的MP分解,提出了利用反射系数序列的奇、偶分解原理求取薄层厚度的新方法：地震记录在地震子波为零相位时关于某时窗中心的奇、偶分量,相当于对应反射系数关于该时窗中心的奇、偶分解与子波的褶积结果;在子波主频确定的情况下,偶分量峰值频率和层厚之间关系,不再受限于薄层反射系数因素的制约,两者之间满足一一对应关系;通过MP分解得到偶分量峰值频率,代入峰值频率—薄层厚度关系曲线模板即可估算薄层厚度。模型试算验证了方法的可行性。     

混合相位动态子波估计

常用的地震子波估计方法基于传统的褶积模型,没有考虑子波在传播过程中的动态衰减特性。我们采用改进的传统褶积模型,建立了能够描述子波衰减的动态褶积模型,以此为基础提出了动态子波估计方法:对衰减地震道做时频谱分析;假设反射系数的频谱为白谱,对衰减地震道频谱值做平滑,去除反射系数谱值的影响,获取动态子波振幅谱值;采用基于高阶统计量的双谱重构子波混合相位谱,实现混合相位动态子波估计。理论模型分析与实例计算结果表明,上述方法有效可行。     

基于负熵的地震盲反褶积方法及其应用

讨论了基于负熵的地震盲反褶积方法。盲反褶积方法不需要以最小相位子波和高斯白噪反射系数为基本假设,通过高斯混合模型模拟反射系数序列中的强反射信息（地质目标体）和弱反射信息（隐蔽性油气藏）,基于负熵的非高斯性判据定义盲反褶积目标函数,应用期望最大化算法求解模型参数的最优估计,最终得到与原始反射系数相似程度很高的非高斯反射系数。选用不同相位子波和非高斯反射系数模型对方法进行了验证,并与维纳脉冲反褶积进行了比较,结果表明,算法适应非最小相位、非高斯系统。将方法应用于实际地震数据处理,地震记录的频带被有效拓宽,地震资料的分辨率得到提高。     

波阻抗初值选择与地震道反演的多解性

基于褶积模型的地震道反演中,由于存在波阻抗与反射系数的递推关系式,所以反演结果必定受到波阻抗递推公式的影响,特别是要受到第一个波阻抗值即初值的影响。初值选择不同会出现反演的多解性;初值选择不当,会导致低频分量,相对波阻抗及岩层厚度的错误,产生地震解释的陷阱。     

考虑振幅随炮检距变化的人工合成地震记录制作方法

利用褶积模型制作人工合成地震记录,进而标定层位是地震资料解释的基础工作。常规的反射系数递推公式建立在地震波垂直入射的基础上,这种递推关系因为没有考虑反射系数随入射角或炮检距的变化,所以得到的反射系数的数值大小与极性可能与实际资料相差较大,用于地震解释则容易造成岩性解释和层位标定的错误。本文通过对Zoeppritz方程的简化,给出了非零炮检距条件下的反射系数递推公式。利用递推公式可以计算不同炮检距或不同道集的反射系数序列,与子波褶积后就可以得到较为准确的人工合成地震记录。模型试算证明了方法的准确性。     

高分辨率地震资料处理技术综述

地震资料的分辨率是制约勘探精度的重要因素,高分辨率地震资料处理的目的是合理恢复地震记录的高频和低频信息,有效拓宽频宽,常用的技术有3类：反褶积技术以褶积模型为基础,对地震子波、反射系数、地层介质产状和激发接收方式等进行各种假设;吸收补偿技术以吸收衰减模型为基础,对大地滤波引起的振幅衰减和相位畸变进行补偿和校正,补偿效果较依赖于Q值精度和资料与模型的匹配度;基于时频谱的频率恢复技术,关键在于对非稳态地震子波的振幅和相位进行合理的估计。高分辨率地震资料处理技术的本质是拓宽频宽,对地震剖面有2方面影响：多数同相轴变细、增多,子波长度压缩;部分同相轴能量变弱甚至消失,子波旁瓣压缩。相对于高频信息,低频信息对增强剖面层次感、提高反演精度的作用更重要,恢复难度也更大,在今后的高分辨率地震资料处理中,应更注重低频信息的保护和恢复。