有效参数神经网络预测滤波方法研究

常规的地震数据去噪方法的主要是根据单参数地震信息提取有效信号和噪声达到去噪的目的。本主要从地震数据上分析和提取反映有效波和噪声的多个特征参数。应用神经网络非线性预测技术，将选择拙的特征参数作为神经网输入，假设希望输出为滤波门限，通过反复训练，得到滤波因子；然后，对地震记录的有效波和随机噪声进行分离。     

一种非线性滤波去噪方法

大多数的地震数据去噪方法都是根据单参数特征信息提取有效信号或噪声，达到去噪目的，本文利用神经元网络的高维非线性映射特征，设计一种非线性滤波器对数据进行非线性变换，这种滤波器与常规滤波器的不同点在于它综合考虑了地震有效信号和噪声的多种参数表现特征，并将两者有效地分离。经这种方法去噪（空间域）的数据剖面不会降低分辨率，去噪效果受数据信噪比和反射波同相轴倾角的影响较小。本文展示了空间域的处理结果，该方法     

矢量法保真去噪

用矢量的概念和算法能比较容易地对地震信号的相关性、噪声和岩性特征进行定量描述。一个地震道矢量可由相关分量和非相关分量组成,前者反映地震信号的相似连续性,后者包含噪声和岩性的影响。噪声分量不具有倾角特性,而地震道的相关分量和岩性分量均具有倾角特性,因而利用倾角特性可以消除噪声,保留岩性分量,故称这种矢量去噪法为保真去噪法。在具体解法上,我们采用了剖分倾角微元的思想,从而成功地提取出岩性分量,实现了保真去噪。在此基础上发展了一套保真去噪方法,包括随机噪声分离、信号加强及规则噪声分离。这些方法在新疆、四川的地震资料处理中发挥了很好的作用,处理效果十分显著。     

强容噪性随机森林算法在地震储层预测中的应用

地震数据和测井数据中的噪声与有效信号难以有效界定,决定了地震储层预测需采用强容噪性算法。通过训练样本中加入随机噪声证实随机森林算法具有较好容噪性,但不能据此推知它在地震储层预测中仍有很强容噪性。基于F3工区实际数据,从噪声较强的原始地震数据中提取含噪样本,由经过倾角中值滤波处理的地震数据提取去噪样本,建立多种地震属性与孔隙度参数之间的随机森林回归模型;由构建的含噪模型和去噪模型分别与原始地震数据去噪前后两个数据体进行运算,得到4种不同情况下的孔隙度数据体。结果表明：由含噪模型得到的两个预测结果受噪声干扰较大;去噪模型的两个预测结果受噪声影响较小,能有效刻画储层特征,表现出强容噪性。随机森林模型对异于样本数据的异常值具有强的容忍度。可知随机森林算法应用于地震储层预测的关键是样本数据不含噪声,而估算过程中地震数据体是否做了去噪处理对预测结果影响较小。     

基于K-L变换的微地震资料去噪方法

K-L变换是一种有效的地震去噪方法,但对于信号弱、信噪比较低的微地震资料,传统K-L变换方法去噪效果较差。为此,提出基于K-L变换的微地震资料去噪方法。首先利用单道微地震记录求取协方差矩阵,然后对协方差矩阵进行求解特征值和特征向量,通过分析,选取适当的特征值所对应的新分量进行矩阵的重构,最后通过K-L反变换得到去除噪声、有效信号突出的重构信号。该方法应用于四川某地区微地震资料的去噪处理,效果良好。     

基于小波变换模极大值的地震信号去噪处理方法

分析了信号和噪声的奇异指数,根据不同奇异指数函数的小波变换的局部模极大值具有不同的传播特性的理论,在相邻模极小构成的待选通域中分析出噪声局部极大值所在的选通或域进行平滑处理,反变换重建出去噪信号,将该方法用于正弦信号去噪,合成地震信号去噪和实际地震信号去噪,结果表明这种方法计算简单且有较好的去噪效果。     

沿层地震属性数据空间滤波去噪方法

 由于受地震采集观测系统的影响和属性数据提取方法的约束，沿层地震属性数据上会出现一些规则的线性噪声和随机噪声，这些噪声对于进一步应用地震属性进行储层预测和含油气检测有严重影响。为了滤除这些噪声，提高属性精度，本文采用因子克里金分析，在变差函数域将变差函数分解为不同变化尺度上的分量，进而在空间域将区域化变量分解为不同角度、不同尺度上的空间分量。这样就可以得到空间各分量对克里金估计结果的贡献。对这些分量进行选择就可以得到有用信息，同时滤除噪声和人为假象，达到滤波的目的。文中在对变差函数进行分解的同时，还推导出因子克里金方程组。经理论数据的试算和对实际地震数据处理，说明此法是可行的。     

LIFT去噪方法在地震资料处理中的应用

对地震资料去噪处理的效果直接影响后续处理以及资料解释的精度。以往的去噪处理方法，在提高资料信噪比的同时也损害了有效信号，不能保存原始记录中有效信号的原貌。LIFT（1inear interference filter technique）去噪方法的原理是：首先从原始数据中求取信号模型道，并从原始数据中将其减掉，将噪声数据分离出来；然后对分离出来的噪声数据（含有高百分比的噪声和低百分比的有效信号）进行再次去噪处理，得到剩余数据（二次信号数据）；最后将剩余数据与信号模型道进行数据重构。对重构数据的分析表明，LIFT去噪方法不仅可以提高地震数据的信噪比，还可以最大限度地保存原始数据中的有效信号。将LIFT去噪方法应用于大庆油田实际地震资料的去噪处理，对单炮记录去噪效果的分析表明，不仅有效信号得到了很好的恢复，一些在原始数据中肉眼观察不到的噪声在分离出来的噪声记录上也被很好地显示出来；LIFT方法去噪的叠加剖面与常规方法去噪的叠加剖面的对比分析表明，用LIFT方法去噪后，噪声得到了很好的压制，资料的信噪比得到了提高，同相轴的连续性增强了，剖面上能量横向分布趋于合理。     

地震信号的小波包分解压噪方法

利用二维正交小波包技术对地震信号进行分解，其原理是根据信号与噪声在压缩比中的差异，将小波系数分解为相关部分和不相关部分，通过压制不相关部分，来达到压制噪声，提高信噪比的目的。数值计算实例表明此方法是可行的。此方法的特点是计算速度快，稳定性好，自适应性强，能对各各地震数据进行去噪处理。     

去噪强度、去噪效率与振幅保真

本文从去噪强度和去噪效率的角度对信噪比与保真度问题进行了探讨。去噪强度即应用滤波因子在对应的数据窗内去除噪声的总能量，而去噪效率则是对应于去噪强度的信噪比的变化率。去噪强度越大，去噪效率越低，保真性越差。在相同去噪强度的情况下，获得较高去噪效率的方法就是保真性好的方法。准确估计信号，有效衰减强噪声是降低去噪强度，提高去噪效率的核心。叠后估计信号比较准确，叠前去噪优势较强，叠前，叠后联合去噪更能达到提高地震资料信噪比和保真度的目的；对不同能量的噪声，选择不同的去噪强度并使之达到最佳，可以达到保真的目的。     

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。     

频域奇异值分解（SVD）地震波场去噪

 无规则干扰噪声的频谱分带较宽,不存在相干性;但在同一地区地震信号的主频带区间大致相同,尤其是叠后数据,也就是说各地震道有效频带的频谱存在较好的相干性。本文基于这个特点,通过傅里叶变换,在频率域进行SVD变换,并设计滤波因子,提取目标信号的奇异值进行重构频域信号,然后再进行反傅里叶变换,实现地震波场分离与去噪。与传统的带通滤波相比,该方法能彻底压制主频带干扰噪声,保护高、低频有效信号。实际地震数据处理表明,在不破坏原始地质信息的前提下,能较好地提高地震信号的信噪比。     

利用中值相关滤波预测相干信号

在处理一些低信噪比地震资料时,叠前和叠后的去噪必不可少。当噪声的能量很强时,以线笥理论为基础的信噪分离技术已经不以满足地震资料处理的要求。本文分析了目前常用的部分去噪技术的特点后,提出利用中值相关滤波进行信噪分离。它是一个视倾角范围内求取一个中值序列,然后利用相关分析在中值序列中求一个最佳中值序列中求生个最佳中值作为预测的相干信号,从而达到信噪分离。这种方法简单易笃,适应各种强烈干扰背影资料的信噪     

三维曲波变换在地震资料去噪处理中的应用研究

考虑到二维曲波变换对于三维地震数据难以达到理想的去噪效果,提出了一种基于三维曲波变换的地震资料去噪方法。通过三维曲波变换使三维地震数据变换到曲波域,将三维地震数据分为多个方向和尺度,利用相关计算法判别代表有效信号和随机噪声的曲波系数,并根据曲波变换的性质,采用改进的非线性阈值方法对曲波系数进行处理,最后通过三维曲波反变换得到去噪后的地震信号。模型数据及实际地震资料的处理结果表明,三维曲波变换去噪处理方法可以有效压制三维地震资料中的随机噪声,同时较好地保护有效信号,提高了地震资料的信噪比。     

一种改进的多次小波变换地震信号去噪方法

根据小波变换下信号和噪声在多尺度空间中的不同特性,对不同尺度下的小波系数用阈值处理,改进了多次小波变换应用于地震信号去噪的方法。数据仿真和实际应用表明,该方法可以有效压制随机噪声,对提高地震记录信噪比和分辨率都有较好的效果。     

用小波分析和反演方法联合去除随机噪声的研究

在时熔域用反法衰减地震噪声,虽能避免预测滤波的缺陷和保持信号振幅,但在处理剖面口仍然存在,而且一些有用信息丢失了。本文通过分析信号与随机噪声的频率特怀及在不同信噪比情况下噪声对滤波器的影响;研究了小波变换域中的反去噪情况,提出分频反演去噪方法。在处理参数相同的情况下,该方法的去噪效果比一般反法要好,地震剖面中有更多的信息被很好地保存下来,这为解释工作提出了更可靠的资料。模型数据与实际数据的应用效果     

基于CEEMD的地震数据小波阈值去噪方法研究

考虑到地震信号的非平稳性和去噪方法对非平稳信号的适应性,针对互补集合经验模态分解(CEEMD)舍弃高频分量的去噪方法和小波阈值去噪方法存在的不足,提出了基于CEEMD的地震数据小波阈值去噪方法。CEEMD是EMD(经验模态分解)的改进型算法,它既保留了EMD处理非平稳信号的优势,又能有效地克服EMD的模态混叠问题;但是,单纯的CEEMD分解去噪会在去除高频噪声的同时压制高频的有效信息。将CEEMD分解与小波阈值去噪相结合,对CEEMD去噪要舍弃的含噪声较多的高频固有模态函数(IMF)分量进行小波阈值去噪,以保留这些分量中的有效信息。模型数据和实际地震资料的测试结果表明,无论对于低噪声还是强噪声地震数据,基于CEEMD的小波阈值去噪方法的去噪效果都优于单纯的CEEMD去噪方法和小波阈值去噪方法。     

基于多道局部复值相关的地震信号边缘检测

地震信号边缘检测是利用地震相干属性识别地震地层特征与边界的有效手段,目前主要利用相关类算法来实现这一目的。与传统的基于实地震信号相关的地震信号边缘检测方法不同,局部复值相关算法首先将实地震道转换成规范化复地震道,然后对相邻两规范化复地震道进行滑动时窗的零延迟复值相关运算,计算简洁,无需传统相干类算法的相似性扫描、倾角扫描或迭代求解等复杂运算,能同时提供用于相干分析的相关系数属性和与地层视倾角有关的相移属性,可以更有效地识别地震信息边缘特征,并且可对相关系数和相移属性进行对比解释,增加了边缘检测的准确性和可信度。此外,针对单道局部复值相关存在的相关系数属性边缘异常不突出和抗噪性较弱的问题,本文提出了改进的多道方法,提高了地震信息边缘异常检测和抗噪声的能力,并将改进的多道算法推广到三维数据,表明该方法是有效的。     

基于压缩感知和TV准则约束的地震资料去噪

考虑到传统曲波变换阈值法难以获得理想的去噪效果,提出一种基于压缩感知和全变差(Total Variation,TV)准则约束的曲波变换地震资料去噪方法。该方法将传统的去噪问题转化成TV准则约束下的最优化问题,通过求取最优解重构原始信号,从而实现对地震资料的去噪处理。理论模型数据测试结果表明,该方法在地震资料去噪过程中可以有效压制同相轴边缘附近产生的不光滑畸变,相比传统的曲波变换阈值法能够获得更好的去噪效果;与F-X反褶积相比,该方法不仅能够有效压制地震资料中的随机噪声,提高地震资料的信噪比,而且能够较好地保护有效信号。某工区实际地震资料去噪结果进一步验证了上述方法的有效性。     

基于多次小波变换的小波域阈值地震信号去噪

在常规小波域阈值信号去噪方法的基础上,提出了基于多次小波变换的小波域阈值地震信号去噪方法。根据小波变换下信号和噪声在多尺度空间中的不同特性,对不同尺度下的小波系数用阈值处理,改进了多次小波变换应用于地震信号去噪的方法。数据仿真和实际应用表明,该方法可以有效压制随机干扰,对提高地震记录的信噪比和分辨率都有较好的效果。