自适应加权混合L1/L2范数匹配相减多次波压制方法

基于波动方程的自由表面多次波和层间多次波压制时,自适应匹配相减方法的选取是关键的环节。L2范数自适应匹配相减方法适用于多次波强而有效波弱的情况,L1范数自适应匹配相减方法则适用于多次波弱而有效波强的情况,L2范数自适应匹配相减方法的运算速度明显较L1范数自适应匹配相减方法更快。自适应加权混合L1/L2范数匹配相减方法需要构建联合L1范数和L2范数的目标函数,再根据地震数据中有效波与多次波的能量比自适应地调整目标函数中L1范数和L2范数所占权值。该方法充分利用了L1范数和L2范数压制多次波时对地震数据不同的要求,既不需要L2范数自适应匹配相减方法的有效信号与噪声正交的假设,又克服了L1范数自适应匹配相减方法运算效率较低的缺点,在保证压制效果的同时提高了计算效率。多层水平层状模型及SEG/EAGE Pluto模型的测试结果表明,相较于常规方法,该方法明显提升了多次波的压制效果。     

一种基于相似系数谱约束的多次波自适应减去方法

多次波压制主要分预测和减去两个环节,提出了一种基于相似系数谱约束的多次波自适应减去方法,可以有效地实现多次波的自适应减去。首先通过Radon谱约束的最小二乘反演来实现局部τ-p变换,以获得更高的分辨率,同时压制随机噪声;在局部τ-p域,利用预测多次波模型的相似系数谱来指示原始记录中多次波存在的位置;根据预测多次波模型相似系数谱的约束设计滤波器,将多次波模型和原始记录中的多次波进行振幅、相位和旅行时匹配,实现多次波的自适应减去。与常规基于L2范数的多次波减去方法相比,当一次波和多次波非正交时,局部τ-p域多次波减去方法可以在减去多次波的同时,更有效地保存一次波。相似系数谱的约束为振幅匹配提供了一种更有效、更稳定的方式,在振幅匹配的同时进行相位和旅行时匹配,可以弱化子波对匹配过程的影响。模型数据和实际地震资料的试验结果证明了这种多次波自适应减去方法的有效性。     

基于L_1/L_2范数的表面多次波自适应相减方法

依据L1和L2范数自适应相减方法的特性,提出了联合L1/L2范数的表面多次波自适应相减方法,并引入GPU并行加速,在充分发挥两种方法优势的同时,有效缓解了两种自适应相减方法限制性条件引发的问题,在较短的时间内获得收敛的维纳滤波器,并且较好地拟合多次波模型和原始记录中的多次波。文中方法无需L2范数方法的假设条件,相比于L1范数方法提高了计算效率。理论模型和实际海洋地震数据测试表明,基于L1/L2范数的GPU并行加速的表面多次波自适应相减方法可有效压制地震数据中的表面多次波。     

基于3D匹配滤波器和伪地震数据算法的多次波自适应相减方法

多次波自适应相减是预测减去法压制多次波的关键步骤。为进一步去除残余多次波,基于常规2D匹配滤波方法,文中引入3D匹配滤波器,同时利用多个预测多次波道集以匹配原始数据。针对3D匹配滤波器可能造成的一次波损伤现象,利用相同的3D匹配滤波器同时拟合多个原始数据道集;同时,引入伪地震数据算法求解对一次波施加Huber范数最小化约束的优化问题,不需满足一次波与多次波正交的假设,能有效分离一次波与多次波。另外,在整个迭代过程中,伪地震数据算法只需利用Cholesky分解算法进行一次矩阵分解,计算效率较高。模型和实际数据的处理结果表明,与基于一次波能量最小化的3D匹配滤波器方法和基于伪地震数据算法的2D匹配滤波器方法相比,所提方法能更好地均衡一次波保护与多次波分离。     

基于多窗口联合优化的多次波自适应相减方法

自适应相减是预测减去法压制多次波的重要环节。基于匹配滤波器的多次波自适应相减方法通常采用逐个数据窗口进行匹配来估计滤波器。逐个大数据窗口求解长滤波器进行多次波自适应相减会导致较低的计算效率,另一方面在复杂地质构造中,逐个小窗口匹配估计的短滤波器不足以表征预测多次波与真实多次波之间的复杂差异。为进一步有效均衡一次波保护和多次波压制并且提高计算效率,引入多个窗口联合优化来求解滤波器,同时利用多个小窗口的预测多次波信息来匹配原始数据。引入快速迭代收缩阈值算法(FISTA)求解多个小窗口估计一次波的L₁范数最小化约束问题,从而有效分离一次波与多次波。模型数据和实际数据处理结果表明,与传统的逐个大数据窗口进行多次波自适应相减的方法相比,基于多窗口联合优化的多次波自适应相减方法在保持计算精度的同时提高了计算效率;与传统的逐个小数据窗口进行多次波自适应相减的方法相比,基于多窗口联合优化的多次波自适应相减方法可以更有效地平衡多次波去除和一次波保护。     

编码与解码框架下的局部平面波域浅水多次波压制方法

多次波压制是提高地震数据品质与成像结果分辨率的重要手段之一,浅海环境给多次波压制引入了额外的难点。浅海环境中主要的多次波是水体相关多次波,由于海底-海面路径短,且海面、海底都是强反射界面,因此该类多次波周期短、能量强,对有效波的干扰严重,采用常规多次波压制方法不能将其很好地压制。提出了针对浅水多次波的有效压制方法:将多次波的产生与压制用线性编码-解码系统进行描述,即将上行波在水层震荡产生多次波的过程视为编码过程,将剥离多次波的过程视为解码过程,并从线性系统求解角度给出了平面波域多次波压制算法。首先将水体相关多次波的预测转移到局部平面波域,利用稀疏τ-p变换减弱了采样不规则、近偏移距缺失造成的影响;然后利用射线理论描述水体介质中的地震波传播,高效生成多次波模型;最后在τ-p域进行匹配相减,并利用一次波与多次波的视速度差异,提高匹配精度。利用浅海OBC数据和拖缆数据验证了方法的有效性和实用性,通过对比压制浅水多次波前后的地震剖面和自相关结果,展示了方法压制浅水多次波的效果和应用前景。     

修正后的线性和双曲线τ-p变换

本文将一种新的求导方法应用于经典连续函数域内常规线性和双曲线τ-p变换,从而更有利于理解离散τ-p变换。为了滤除多次波等干扰波,导出τ-p变换的第一步是求其反变换,然后再计算正变换。做正变换时通常需要沿P方向做反褶积,以提高该方向的分辨率。在τ-p域内进一步改进同相轴分离技术则有助于滤波处理。对有限孔径数据而言,做线性及曲线     

τ-p域水体模型驱动压制浅水区水层多次波

在近海油气地震勘探中,压制在海面及海底之间的短周期水层多次波一直是海洋地震资料处理的难点,传统上采用预测反褶积或SRME压制此类多次波存在很大局限性。因此,本文提出了一种τ-p域水体模型驱动压制浅水区水层多次波方法,该方法在τ-p域用已知水层参数(水速和水深)构建初始模型,并利用波场延拓方法来预测水层多次波模型,然后采用自适应相减从原始数据消除多次波。通过理论模型试算和实际数据应用,表明此法能有效压制浅水区水层多次波。     

反数据域压制多次波方法研究

 将地震数据变换到反数据域可以将地震有效信号与表层相关信号进行分离,通过对反数据域表层相关信号聚焦点的简单切除,就可以去除表层相关多次波。反数据域压制多次波方法解决了波动方程预测减去法在相减时对一次波的损害问题,与正数据域的表层相关多次波压制算法（SRME）相比,反数据域SRME法理论表达更加简单,而且避免了相减过程。本文阐述了一维和二维介质情况下将地震数据从正数据域变换到反数据域的方法,并给出一个二维的有限差分模拟算例。数据测试表明,本文方法在有效地衰减表层相关多次波的同时,也能较好地保留一次波信息。     

基于伪地震数据模式学习的多次波自适应相减方法

相比于传统匹配相减方法,模式学习方法将多次波衰减分成多次波模式学习和自适应相减的两个独立过程,因而能够更好地保护一次波。然而,由于多次褶积的影响,预测多次波模型存在相位、频带、振幅误差。为了在不损伤一次波的基础上,尽可能减少多次波残留,提出了基于伪地震数据的模式学习方法。利用预测地震道,得到其Hilbert变换道以及预测道和Hilbert变换道的一阶导数,作为伪地震数据的4个分量,补充预测多次波模型中相位和高频信息。模式学习阶段利用主成分分析法分别学习伪地震数据4个分量的多次波字典矩阵,然后按列拼接得到联合字典矩阵;自适应相减阶段基于学习到的联合字典矩阵,利用裂步Bregman算法从原始地震数据中重构多次波,实现一次波和多次波的分离。模拟数据和实际资料处理结果表明,该方法在保护一次波的同时,能有效压制多次波,模型数据的一次波信噪比提升了1 dB。