奇异值分解压制随机噪声的方法及应用

针对随机噪声压制问题，通过对多项式确定的同相轴形状重新选取数据矩阵，再对新选取的数据矩阵进行SVD滤波，从而压制随机噪声。通过对矩阵奇异值分解的研究，揭示了奇异值分解的原理和SVD滤波原理，将一个多道地震记录看作一个图，它可分解为由一系列正交的子图，通过对子图适当选择并结合其它手段，从而达到提高信噪比的目的，为奇异值分解在地球物理中的进一步应用提供了理论依据。实际数据应用表明，该方法去噪手段灵活、保真性好、分辨率高，对一些突然的脉冲干扰、侧反射、以及其他的反向干扰有明显效果。     

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。     

自适应数据驱动的紧框架微地震数据随机噪声压制

地面微地震数据的信噪比很低,严重影响初至拾取的精度及反演结果的可靠性。本文首先采用基于弱纹理块的噪声估计方法求取含噪微地震数据中的噪声方差,然后采用数据驱动紧框架方法去噪,有效地压制实际微地震数据中的随机噪声,提高数据的信噪比。理论模型和实际资料的处理结果表明,该方法可以去除传统方法在低信噪比数据去噪后引入的背景斑块,且去噪后的信噪比得到了极大的提高。因此,相对于传统的方法,本文方法具有显著的优势及较好的应用价值。     

基于循环一致性生成对抗网络的地震数据随机噪声压制方法

压制随机噪声、提高信噪比是地震数据处理中的关键任务。为此,提出一种基于循环一致性生成对抗网络（CycleGAN）的地震数据随机噪声压制方法。构建的CycleGAN由两个生成器和两个判别器构成,为防止网络退化,生成器由Resnet构成,用以学习含噪数据与无噪数据之间的特征映射;为提高网络的分辨率和准确性,选用PatchGAN作为判别器;同时,在传统对抗损失的基础上,添加循环一致性损失,用以提升网络训练的稳定性。完成网络构建后,针对模型数据和实际数据调整网络参数,训练和测试网络,分析去噪前后数据的信噪比和均方根误差;并通过计算单道数据频谱,进一步分析局部去噪效果。模型数据和实际数据测试结果表明,该方法能够较好地消除地震数据中的随机噪声,且去噪效果优于小波阈值去噪方法,从而验证了所提方法的可行性。     

基于小波变换与奇异值分解的地震资料去噪新方法

为了有效地去除地震资料中的随机噪声,充分利用小波变换(WT)去噪和奇异值分解(SVD)去噪方法的优点,提出了一种新的基于小波变换和奇异值分解(WT-SVD)的地震资料去噪方法。该方法首先进行小波软阈值去噪,有效地降低噪声的方差;然后进行基于倾角扫描的奇异值分解去噪,识别噪声点,自动追踪同相轴,并进行同相轴拉平处理,充分利用了奇异值分解方法处理水平同相轴噪声效果好的优点。理论模型和实际资料的去噪结果表明,该研究提出的WT-SVD方法简单易行,比单一的SVD方法和WT方法的去噪效果更显著,有效地消除了地震资料中的随机噪声,显著地提高了地震资料的信噪比。     

地震属性奇异值分解法降维的应用

在地震属性领域中,从地震资料中提取的地震属性可达上百种,大多情况是凭解释人员的经验来完成地震属性挑选的,不但增加了工作量,人为因素也难以避免,为解决这一困难,需要把数据挖掘技术引入地震属性领域。数据降维就是数据挖掘的一种,本文将奇异值分解降维方法应用到地震属性降维中,通过与钻井、试油的对比结果来看,在储层含油气预测方面数据降维方法是一种有效的分析方法。     

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。     

一种改进的地震数据道均方根值属性算法

地震数据道均方根值是地震仪器现场质量控制软件中的一项重要道属性指标。本文提出了一种改进的均方根值属性算法,即滑动窗口均方根值属性算法,使用这种方法可以解决目前常规地震数据道均方根值属性算法造成数据道误判和漏判的问题,对地震仪器现场质量控制提供了一种新的思路。文中详细地介绍了这种算法的基本原理和具体的应用以及应用中应注意的几个问题。     

地震图像随机噪声的非局部均值去噪法

随机噪声的存在往往会影响地震图像分析的准确度。为了提高图像分析质量,提出了一种基于非局部均值滤波（ Non Local Means）抑制地震图像随机噪声的新方法。在对滤波像素点去噪时,该方法分配给每个相似像素点的权重不依赖于2个像素点的空间距离,而是依赖以该像素点为中心的图像子块与以当前像素点为中心的子块之间的相似性,且滤波参数h的选取对滤波效果起到至关重要的作用。结合实例,对地震资料进行了具体分析。结果表明,与传统方法（如中值滤波、高斯滤波）相比,采用非局部均值滤波方法合成地震记录和实际数据时,既能有效地抑制地震随机噪声,又能较好地保留地震同相轴陡变处或同相轴弯曲处的边缘细节信息,具有实用性和有效性。