基于广义S变换的面波压制方法

广义S变换可将地震记录分解到时频域,通过时频域上的不同分布,区分有效波和面波。时频域滤波只会消除面波发育时间处的频率成分,而不影响其他时间点的信号,减少了对有效波的影响,同时避免了区域滤波在时窗边缘处的波形畸变作用。理论模型和实际资料测试均取得了良好的处理效果。     

压制面波的波场分离方法

面波是陆地上震勘探中的一种强干扰波，为了提高地震资料的信噪比和分辨率，必须在叠前对其予以压制，以往人们对面波压制方法的研究，基本上是依据面波的频率特性或视速度特性，并在实际应用中见到了一定的效果，但由于只侧重考虑面波的单一特性或在理论上基于某种数学假设，致使这些方法都会对有效波造成不同程度的损失。     

一种分尺度的面波压制方法

面波是陆上地震勘探中的主要干扰波之一,常规的面波压制方法仅从面波与反射信号在某一方面的差异进行压制,会在一定程度上造成有效信号的损伤。利用不同尺度面波与有效信号的差异,提出一种分尺度分级压制面波的方法。对地震数据的高尺度部分在Shearlet域进行反射波与面波的分离,对地震数据的低尺度部分在S域采用经验模态分解（EMD）的方式进行信噪分离。将该方法用于模型及实际资料处理,处理结果表明了该方法的正确性与有效性;并与Curvelet域的阈值法进行了对比,结果表明此方法在保持反射信息的同时面波压制更彻底。     

Shearlet域自适应阈值地震数据随机噪声压制

Shearlet变换因其最优的稀疏表示和多尺度、多方向特性,对地震数据噪声有很好的压制效果。但基于Shearlet变换的传统阈值法仅考虑了信号的稀疏性在尺度上的特征,没有考虑在方向上的分布特征,不能使去噪效果达到最佳。结合Shearlet变换多尺度、多方向特性,在尺度自适应阈值基础上,研究信号在Shearlet域不同方向上的分布规律,提出一种随尺度和方向同时自适应变化的阈值。通过求取同一尺度、不同方向的L₂范数,统计有效信号的分布规律,进而在阈值计算过程中添加方向自适应项,达到随尺度和方向同时自适应的目的。理论和实际数据的试验结果表明,基于尺度和方向同时自适应的阈值相对于传统阈值能够更有效压制随机噪声,最大限度地保留有效地震信息。     

基于贝叶斯理论的Shearlet域一次波与多次波分离

多次波的去除效果很大程度上决定了地震成像的质量,尽管表面相关多次波的压制(SRME)研究方法取得了很大进步,但预测出来的多次波在相位和振幅上的混乱仍然是一个难题,因此减去的效果好坏尤为关键。常规的最小平方匹配方法并不能很好地处理这种预测的误差,利用Shearlet变换的多尺度、多方向特性,可以使预测的信号在Shearlet域变得稀疏、圆滑。以此为前提,结合贝叶斯概率最大化理论,建立了一个有效的一次波与多次波分离算法。以SRME预测的多次波为例,从贝叶斯预测角度出发,通过精确求解最优化问题就可以达到一次波与多次波分离的目的,该算法能够更好地控制预测信号和实际信号的误差。理论和实际数据的实验表明,相比最小平方匹配减去方法,该方法可以有效地提高减去效果,更好地压制多次波以及高频混叠,并且可以更好地估计一次波。     

多次波压制的自适应方法

多次波压制的自适应方法以预测相减的思路进行与地表相关的多次波压制，它需要根据能量最小准则反演子波。本文详细介绍了该方法的原理，并提出了一种快速有效的实现算法。由于子波长度远小于地震记录长度，利用SINC插值在频率域以稀疏的谱点确定子波形态。在此基础上进行计算，大大减少了反演参数的个数，并大大提高了方法的精度和速度。     

基于经验模态分解的f-x域面波压制方法

为了克服f-k滤波规则空间采样的限制和由于滤波窗口选取不当造成的有效信号损失或面波压制不完全的缺点,本文提出了基于经验模态分解(EMD)的f-x域面波压制的方法。经验模态分解可以自适应地按照频率由高到低将信号分解为不同的固有模态(IMF)分量,在空间方向上可以看作是波数由高到低排列,且IMF1分量主要表征高波数的数据。根据面波主要分布在低频高波数域的特性,在f-x域沿空间方向提取低频段数据进行EMD,舍弃分解得到的IMF1分量,就可以有效地压制面波。EMD对数据是否规则采样要求并不严格,这种方法也可以看作是自适应高切波数f-k滤波。模型及实际资料处理结果表明,这种方法较f-k滤波更能有效地压制面波并且保留有效信号。     

自适应相减和Curvelet变换组合压制面波

面波是原始地震资料中主要的噪声之一,其强能量特性严重影响了地震资料的品质。为了提高地震资料的品质,又不损伤有效信号,提出了一种基于自适应相减滤波和Curvelet变换组合压制面波的方法。首先利用自适应相减滤波的保真保幅特性,最大限度保护有效信号的同时压制大部分面波,然后通过Curvelet变换的多方向特征压制残留面波。实际地震数据处理后,面波得到有效压制,资料信噪比明显提高,振幅时间切片更加光滑,分频扫描记录中低频信息保护较好,是一种相对保真保幅的面波压制方法。     

利用区域自适应极化滤波压制多分量面波干扰

陆上三分量地震勘探中面波通常会严重降低资料品质并影响后续数据处理和最终综合解释结果。基于面波低速、低频和椭圆极化的特征,本文提出一种基于区域自适应极化滤波的面波压制方法。首先根据面波的视速度特性划分其主要分布区域,利用S变换进行区域滤波,初步分离出面波干扰;然后利用Hilbert-Huang变换（HHT）进行面波分析,得到面波的瞬时频率;再根据面波瞬时频率自动调节极化滤波的窗口大小,从而进行自适应极化滤波,将低频反射信号从面波干扰中分离出来;最后对区域滤波结果进行补偿,得到压制面波干扰后的最终地震记录。模型测试和实际数据处理结果表明,该方法能在有效压制面波的同时,较好地保护有效信号。     

基于Shearlet变换的自适应地震资料随机噪声压制

传统的阈值选取方法是对所有变换域系数使用统一阈值,但对Shearlet变换而言,各尺度、各方向的有效信号和噪声均存在差异,因此全局硬阈值存在一定局限性;局部阈值可根据一定范围内的系数分布情况确定。针对地震数据去噪过程中传统阈值选取方法的局限性,通过改进自适应阈值函数压制随机噪声,在局部阈值的基础上改进贝叶斯阈值,形成一种适用于Shearlet变换的自适应阈值函数。具体做法为：将信噪比与阈值函数有机关联,并将信噪比作为阈值设定的因素,即不同的信噪比的权值系数不同,可以自适应求取不同尺度阈值,从而最大限度地改善去噪效果,避免有效信号损失,实现自适应去噪。模型试算与实际资料去噪效果表明,在保证有效信号不受损失的情况下,所提方法可恢复被噪声掩盖的弱信号,有效改善去噪效果。     

基于Shearlet变换的自适应阈值地震数据去噪方法

由于随机噪声的干扰,地震勘探的有效信号经常淹没其中难以识别,且在时间域难以分离随机噪声和有效信号。Shearlet变换是一种新的多尺度多方向时频分析方法,具有最优的稀疏表示能力、局部化特征和方向敏感性。Shearlet变换在去除随机噪声的同时,能够最大限度地保留有效信号,可以有效地提高地震数据的信噪比。针对传统的Shearlet变换阈值去噪方法不能随尺度和方向变化的不足,提出了随尺度和方向变化的自适应阈值,可以同时适应不同尺度和方向噪声水平的差异。利用Shearlet变换的自适应阈值算法与小波变换去噪方法,分别对理论和实际地震数据进行去噪。对比可知,Shearlet变换的自适应阈值算法具有更强的去噪能力,并能够最大限度地保留有效信号。     

FK和Shearlet域联合压缩感知数据重构技术

由于稀疏炮检点采集或野外采集因素造成地震数据的不规则,影响地震资料成像质量。基于压缩感知理论的重构方法,能够在有限采样的情况下有效重构地震数据。由于地震道的空间随机缺失在波数域表现为空间假频,文中将时空域的地震道重构转化为频率波数（FK）域的随机噪声压制问题。对FK域数据做多尺度、多方向性的剪切（Shearlet）变换,通过反演迭代消除FK域的空间假频,从而实现地震道的空间重构。该方法是在FK变换后进行Shearlet变换,可以看作一种新的稀疏基变换。由于全局随机采样因子频谱呈白噪特征,分段随机采样因子频谱呈蓝谱特征,因此分段采样数据有效信号与假频的混叠相对减少,更有利于数据重构。实验结果表明,分段随机采样FK+Shearlet域重构精度高于全局随机采样Shearlet域重构、分段随机采样Shearlet域重构和全局随机采样FK+Shearlet域重构。     

利用Shearlet变换提高叠后地震资料分辨率

反褶积、Q补偿、谱白化、小波变换等方法在提高地震资料分辨率的同时往往会放大噪声,降低地震资料的信噪比。由于地震随机噪声服从高斯分布且其本身并无方向性,因而在Shearlet域可将有效信号与随机噪声分开。通过Shearlet变换将地震信号转换到Shearlet域,对Shearlet域系数进行合理的补偿后,再做Shearlet反变换,可实现对地震资料的提高分辨率处理。结合Shearlet变换的这两个特点,首先舍弃随机噪声Shearlet域系数,同时只对优势频带范围内的Shearlet域系数做补偿和提频处理。这样既提高地震资料分辨率又保持了地震资料信噪比。合成地震数据和叠后实际资料的处理结果表明,本文方法可有效提高叠后地震资料分辨率。     

频率—慢度域延拓关键参数优化的鬼波压制方法

鬼波的陷波特性限制了海洋地震资料的有效带宽,因此鬼波压制是海洋资料宽频处理的重要步骤之一。鬼波与一次波的延迟时间和振幅差异系数是鬼波压制的关键参数,两者的精度直接影响处理效果。受崎岖海底、起伏海面及反射层深度变化等因素的影响,实际鬼波参数随空间和时间而变化,导致鬼波压制算子出现误差,无法取得较好的处理效果。为此,以频率—慢度域鬼波压制方法为基础,构建频率—慢度域波场延拓算子,并利用滑动时间窗口降低鬼波参数时变的影响,在滑动时间窗口内用原始地震数据分别加上和减去延拓一次的记录,以运算所得的两个新记录乘积的绝对值之和最小作为度量,交替迭代寻找最优平均鬼波延迟时间和振幅差异系数,进而压制鬼波。斜缆的合成数据和实际资料试算表明,该方法能较好地压制鬼波、拓宽频带,提高地震资料的分辨率。     

基于空间—波数域联合深度学习的数值频散压制

有限差分法是地震勘探领域常用的波场数值模拟方法,当空间网格间距大或使用低阶差分算子时会产生严重数值频散现象,影响模拟精度。为此提出一种基于联合学习深度卷积神经网络的数值频散压制方法,该方法使用卷积神经网络自适应提取波场特征进行频散校正。首先,利用波场数据在空间域和波数域的稀疏特征构建残差学习卷积神经网络,提取波场的主要特征;其次,基于L₁范数对网络模型进行稀疏优化,降低模型的复杂度,增加网络的泛化能力;最后,构造联合目标优化函数,使网络在空间—波数域联合约束的语义下学习频散压制的非线性逼近能力。将所提方法应用到不同模型正演的波场数据,结果表明：该方法可有效保护地震信号、压制频散;将网络与迁移学习结合,用于新模型的正演数据,可取得较好效果。与同类算法相比,该方法可以提高粗网格的计算精度、降低计算成本,所得波场快照具有较高的信噪比。