浅谈海上压缩感知地震勘探

压缩感知对于提高地震采集效率、降低地震采集成本、改善地震处理效果都有重要作用。在介绍和分析了海上压缩感知地震采集设计和评价的基本原理、实现方式以及降本增效意义的基础上,给出了海上压缩感知地震采集设计和评价的基本方案,并用模型数据展示了海上压缩感知采集的效果;简要介绍了不同压缩感知地震数据处理技术的基本原理,针对传统压缩感知规则化难以处理规则假频的问题进行了方法改进(主要是在变换域进行了加权处理),模型和实际数据的应用结果证明了改进方法的应用效果良好。最后总结了压缩感知在同时震源炮集分离、地震噪声压制等方面的应用效果。对压缩感知地震勘探在采集设计、资料处理及时移地震油藏监测等方面的未来发展方向进行了展望。     

基于压缩感知的Dreamlet域数据重构方法及应用

随着压缩感知(CS)理论的完善, 逐步发展形成了基于该理论的新的信号处理技术。近年来, 在石油地震勘探领域, 基于该理论的随机稀疏数据采样、数据重构及规则化和稀疏采样观测系统优化设计等方面的研究取得了重要进展。本文在Ru-Shan Wu博士等提出的Dreamlet域数据重构技术基础上, 针对实际地震数据在时间和空间上剧烈变化以及存在较强干扰背景情况, 通过优化重构参数和流程, 对随机稀疏采样的模拟和真实地震数据进行了重构和对比分析。模拟和实际数据应用显示, 该技术是一种高效和高质量的地震数据重构方法。     

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。     

高效采集中的随机地震观测系统设计及数据重建

在压缩感知采样理论下开展"两宽一高"高效地震数据采集,在可控的投资成本下能获得更高质量的成像结果。提出了随机采样观测系统设计的基本原则,即在高密度地震数据采集(或常规地震数据采集)观测系统建立的基础网格的基础上,按照高斯随机采样的理论要求,将规则欠采样的网格作为高斯随机采样位置的期望,分别在炮集范围进行空间随机检波点位置的设计和在整个工区进行空间随机炮点位置的设计。以特征波场(初至波场或标志性的反射波场)为随机观测系统感知的对象,用频率域地震数据Hankel矩阵的低秩特性作为稀疏性的度量标准,通过生成符合高斯分布的随机观测系统,测试随机采样加稀疏提升算法对于恢复无假频的地震数据能力及其影响因素。数值实验结果表明,随机采样加压缩感知数据重建后,可以较好地恢复密网格采样数据。同时,相对于随机采样和规则采样的地震数据,重建数据的偏移成像质量都有所提升。实际应用中,若考虑近地表散射噪声和静校正量等因素,则对随机观测系统的设计及数据重建算法提出了更高的要求。     

基于压缩感知的地震数据采集实践

介绍了基于压缩感知的非规则观测系统设计以及在中国西部沙漠地区实现的第一块基于压缩感知的地震数据采集。在进行压缩感知观测系统设计时采用贪心序贯算法,以逐点增加的方式确定检波点与炮点的位置并构建观测矩阵,按照观测矩阵与稀疏变换矩阵的不相关性来确定观测系统,然后利用确定的观测系统,基于探区的速度模型进行正演模拟,以验证观测系统的有效性,从而确定最终的观测系统。针对中国西部沙漠试验区的具体情况设计了块状非规则(随机)采样观测系统,纵横向检波点在一定约束条件下不均匀分布、激发点近于随机不规则分布。首次采用可控震源进行了数据采集,获得了1760炮的地震数据。通过数据重建,得到了4倍密度(7.5m×7.5m的面元)数据体,偏移成像后的地震剖面品质比常规剖面(15m×15m)明显提高。与规则高密度采集相比,此次基于压缩感知的地震数据采集虽然检波点、炮点大幅度减少,但重建后的高密度规则数据的偏移成像质量有了明显提高。该稀疏采集试验不仅为后续高密度数据重建研究提供了宝贵的实际资料和应用经验,而且对于东部复杂障碍区的地震数据采集也具有借鉴意义。采用"节点仪器+压缩感知+可控震源"的采集方式,将是一种最佳组合,会取得更高的效益和更好的效果。     

压缩感知走进地球物理勘探

压缩感知(Compressed Sensing,CS)突破了传统奈奎斯特-香农采样定律的限制,仅用不完备(远低于香农采样率)的测量即可高精度重构未知目标。简要综述了压缩感知的一些基本概念及其在地球物理勘探中的最新应用进展,包括地震数据不规则采集、处理、成像、反演的新理论和新技术。实际应用中可灵活把握CS的三要素:随机采集(包括炮点和检波器点两方面的随机)、目标的稀疏表达和稀疏约束优化重构的快速算法。重构更高维的目标,需要用的采集数据(百分比)可更少。压缩感知结合深度学习技术,可作为未来的一个发展方向。     

CSI:基于压缩感知的高精度高效率地震资料采集技术

介绍了CSI(Compressive Seismic Imaging)技术。该技术是基于压缩感知理论所开发出的一整套地震资料采集和处理综合技术,主要包括非规则最优化采样设计、地震信号的稀疏化处理、基于稀疏反演的数据重构及同时震源分离等内容。CSI利用非规则最优化设计和独立同时震源作业,极大地提高了采集效率,缩短了采集周期,从而以较低成本完成高品质、高密度的三维地震资料采集。在地震资料处理过程中,通过信号分离与数据重建来高保真地恢复叠前地震信号。海底节点、海上拖缆和陆地可控震源等生产项目中的应用结果表明,与宽频带处理以及叠前深度偏移技术相结合,CSI提供了高质量、高精度的地下成像结果。     

利用压缩感知方法提高地震资料分辨率

将压缩感知理论引入地震资料处理,研究了基于压缩感知理论的提高地震资料分辨率方法,针对压缩感知理论中的信号稀疏化、观测矩阵设计、信号重构等流程提出了改进措施。针对传统观测矩阵取高斯随机矩阵后计算结果不稳定问题,根据地震记录的信号特点,将高斯随机矩阵改进为较大反射信号约束下的观测矩阵,提高了重建算法的速度和精度;为了压制局部均匀化和区域均匀化噪声,增强较弱的有效信号,研究了地震资料的规格化处理方法,提出了局部压缩感知和区域压缩感知联合处理的方法,增大了源信号独立性条件范围。模型数据实验和实际数据应用效果表明,基于压缩感知理论的提高地震资料分辨率方法使弱信号增强、地震分辨率明显提高。     

压缩感知及其在地震勘探中的应用

压缩感知思想在油气勘探领域已经受到了充分的关注。主要体现在两个方面,一个是与随机采样有关的随机地震数据采集系统的设计与评价、同时源激发的混叠数据分离、空间非规则数据的规则化、地震数据的去噪和地震数据压缩(传输)等;另一方面是地震数据的特征表达、模型参数(如速度模型参数)的特征表达、模型特征表达情况下的地震波正演模拟以及对应的稀疏反演方法(包括多尺度反演方法)。前者可以直接借鉴信号和图像处理领域发展的各种方法;后者需要勘探地球物理学家及相关领域研究人员提出合适的思想和方法。来自以沉积地层为主的地下介质中的反射(绕射)波场是有特征的或可压缩的;以层状地层为主的模型参数也是可压缩的。这是压缩感知方法能用于地震勘探的基础。首先简述了压缩感知的基本思想,指出它是一套随机采样理论。然后阐述了无论是叠前地震数据或是叠前偏移成像结果都是可以稀疏表达的,压缩感知理论可以在地震勘探中得到有效应用。接着从随机采样、同时源激发的混叠数据的分离、高维数据规则化方面展示了压缩感知思想的应用。关于随机采样,指出当前地震数据采集的技术重点应该是更高效地实现"两宽一高"的数据采集。最后列举了压缩感知思想在特征数据提取、编码炮集成像和特征波场成像中的应用。     

基于双重Bregman迭代的地震数据重构与去噪

受采集环境、成本及设备等因素的影响,野外采集的地震数据往往存在缺失道和噪声干扰,快速有效的迭代插值方法对地震数据重构与去噪技术具有重要的实际意义。针对含有随机噪声的缺道地震数据,根据压缩感知理论,提出了一种基于双重Bregman迭代的地震数据重构与去噪方法。首先对含有随机噪声的缺道地震数据通过傅里叶变换进行稀疏表示,选取掩膜算子作为观测矩阵,然后将Bregman迭代重构算法作为外部迭代,分裂Bregman迭代去噪算法作为内部迭代,两者结合形成双重Bregman迭代,在迭代控制准则条件下,对含噪声的缺道地震数据进行重构和去噪。数值模拟实验和实际数据测试结果表明,双重Bregman迭代算法同时考虑了地震数据的重构与去噪,将独立的两种算法融合在一起,在对地震数据进行插值重建的同时去除了部分随机噪声。该算法迭代次数少,重构得到的地震数据精度高于线性Bregman迭代算法的重构精度,可以更有效地恢复含随机噪声的缺失地震信息,为地震数据恢复提供了一种可供选择的缺失地震数据处理方法。     

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。     

非抽样离散小波变换叠前地震数据重建方法

叠前地震数据包含了丰富的地层信息,但在实际勘探中由于受采集条件等影响,叠前地震数据地震道缺失现象严重。针对规则采样不规则道缺失的插值恢复问题,一些传统的插值方法无能为力或者插值效果不佳,而近年来发展起来的非抽样离散小波变换（UDWT）,具有很好的稀疏表示能力,比傅里叶变换能更加稀疏地表示地震数据;根据压缩感知理论,即使不满足Nyquist采样定理的要求,利用极少的观测数据,也可能较好地恢复缺失的地震数据。本文提出一种基于UDWT的地震数据插值方法,对地震数据做插值和规则化处理,可以提高叠前地震数据的完整性,理论模型和实际资料的重建效果验证了方法的有效性和实用性。     

高精度遥感影像数据在复杂地表区地震勘探工程中的应用

中西部地区面临山地、山前冲积、戈壁、沙漠、黄土塬及东部地区的沼泽、滩海等复杂地表条件,如何优化这些复杂地区的地震测线部署、如何降低这些地区施工作业劳动强度、如何有效控制地震采集工程成本并确保地震采集质量等系列问题已摆在油气勘探工作者的面前。文中总结了高精度遥感影像数据在复杂地表区地震勘探工作中的五个方面的应用。民和盆地永登地区和准噶尔盆地南缘霍尔果斯地区的应用表明,高精度遥感影像数据在复杂地表条件下的地震勘探是十分必要和有效的,它有助于获得高品质的地震资料。     

利用压缩感知技术的离散正交S变换地震数据重建

压缩感知中不同稀疏变换的重建效果及计算效率存在差异,为此文中提出一种基于压缩感知技术的离散正交S变换（DOST）地震数据重建方法。通过求取一组正交基函数与时间序列的内积,得到时频矩阵,使原始信号呈现更强稀疏性,以改善压缩感知地震数据重建效果。该方法弥补了S变换不能作为压缩感知的稀疏变换的局限性,向压缩感知理论体系引入了一种适用的稀疏变换方法。理论模型和实际数据试算结果表明,该方法迭代快速且收敛稳定,整体重建效果令人满意。     

复杂障碍区三维地震观测系统变观设计方法及应用

苏北盆地高邮凹陷的YA、ZD和ZL高精度三维工区,为典型的江苏平原水网地形,城镇密布、水网纵横、养殖业发达,大的城镇和养殖区,常造成地震资料的空白和缺口。采集过程中,XJ镇、ZW镇以及LY湖大面积养殖区成为施工的复杂障碍。通过对复杂障碍采集技术难点进行分析研究,形成了基于"3S"技术(GPS定位、卫星遥感、地理信息系统)的观测系统设计技术、基于地质目标的特殊观测系统设计技术和养殖区观测系统动态设计技术,解决了常规观测系统对ZW镇、LY湖等勘探"禁炮区"无法解决的系列问题,提高了跨越复杂障碍的能力,最终获得了较高品质的原始地震记录。     

基于压缩感知的SR-ADMM地震数据重建

施工成本和现场环境等因素导致所采集的地震数据有缺失,进而影响后续地震数据的处理和资料解释,对缺失的地震数据进行重建具有重要意义。根据压缩感知理论,若数据具有稀疏特征,则在低于奈奎斯特采样频率的条件下通过优化算法即可恢复完整数据。文中提出基于压缩感知的平方正则交替乘子方向算法（SR-ADMM）的地震数据重建方法。SR-ADMM算法在交替乘子方向算法迭代过程中加入了平方正则项,且是自适应地选取参数平衡因子。首先用字典学习对缺失地震数据进行稀疏表示,然后用SR-ADMM算法解决最优化问题并重建缺失的地震数据。模拟地震数据和大庆油田实际数据的重建结果表明：所提的基于SR-ADMM算法压缩感知地震数据方法的重建精度较高,且具有实用性。     

一种优化的过渡带三维观测系统

过渡带地区三维地震资料采集所用的观测系统包括陆上和水上两种，涉及两种观测系统过渡的问题。通常陆上采用接收道数多激发炮点少的观测系统，水上则使用接收道数少激发炮点多的观测系统，理论上水上和陆上的观测系统可以实现无缝连接，实际上由于陆上放炮时，要求水上的排列数与陆上的相同而很难实现。为此，在理论设计的无缝连接观测系统基础上，根据炮检互换原理，提出了一种优化的适合过渡带施工特点的观测系统。应用实例表明，优化过渡带三维观测系统不仅解决了实际施工中水上排列不足而陆上排列闲置的问题，实现了陆上和水上观测系统的无缝隙连接，而且同时保证了水上和陆上地震资料属性分布的一致性。     

压缩感知地震数据重建中的三个关键因素分析

地震数据重建对地震资料处理和成像具有重要意义。基于压缩感知的地震数据重建方法是应用较广泛的一类方法,其中的稀疏变换、迭代算法和阈值模型等的选取将影响最终地震数据重建的效果和计算效率。本文着重分析了Fourier、Curvelet和Seislet这三种稀疏变换对地震数据重建的影响,比较了POCS（Projection onto Convex Sets）、IHT（Iterative Hard Thresholding）、Bregman和JRSI（Joint Reconstruction by Sparsity-promoting Inversion）四种迭代算法各自的优缺点,研究了线性、指数和数据驱动三种不同阈值模型的特性。通过模拟和实际算例对比分析了压缩感知地震数据重建过程中上述三个关键因素的影响,得到了三方面的重要认识和结论,为在实际地震数据重建中选择上述因素提供了可靠依据和现实建议。