基于EMD与ICA的地震信号去噪技术研究

去除随机噪声是地震资料处理的重要环节,而目前的多数去噪技术都不同程度存在去噪效果差、损害有效信号等问题。为此,利用经验模态分解(Empirical Mode Decomposition,简写为EMD)能将信号自适应分解为不同尺度振动模态的优点及独立分量分析(Independent Component Analysis,简写为ICA)能提取独立源信号的优势,构造了一种EMD与ICA相结合的新的去噪算法,很好地实现了地震有效信号和随机噪声的分离,在提高去噪效果的同时提高了有效信号的保幅效果。将该算法应用于仿真实验和实际资料去噪,结果都明显优于总体经验模态分解(Ensemble Empirical Mode Decomposition,简写为EEMD)去噪结果,地震资料的信噪比和分辨率都大大提高。     

基于Seislet域分数阶阈值去噪算法的地震资料去噪

相较于由图像领域发展的去噪算法,Seislet阈值去噪算法更好适用于地震数据的去噪处理,但在Seislet阈值去噪算法中,常规硬阈值函数在阈值处存在断点,软阈值函数处理得到的系数与原有系数之间存在恒定偏差,且传统阈值确定准则难以适用于Seislet域。为此,将Riemann-Liouville分数阶积分理论应用到阈值函数中,推导出分数阶阈值函数;再根据地震数据在Seislet域低尺度中有效信号分量远多于高尺度中有效信号分量的特点,提出了一种适用于Seislet域的尺度加权阈值;最后将分数阶阈值函数、尺度加权阈值和Seislet稀疏变换相结合,得到Seislet域分数阶阈值去噪算法。人工合成含噪地震记录和实际地震资料测试结果表明:常规硬阈值和软阈值去噪算法虽然能够在一定程度上压制噪声,但压制效果并不明显,且容易损伤与噪声差异较小的有效信号;分数阶阈值去噪算法较好地克服了硬阈值和软阈值去噪算法的缺点,能够有效压制地震资料中的随机噪声,减少了有效信号的损失,提高了地震资料的信噪比。     

基于四阶互累积量的fast ICA微地震数据噪声压制方法研究

相较于常规地震资料,微地震资料中不同道之间有效信号通常存在时间差,使得采用快速独立分量分析(fast independent component analysis,fast ICA)算法分离微地震有效信号时受不同道之间有效信号时间差干扰,导致部分有效信号被当作噪声而分离。引入四阶互累积量算法消除时间差后,再将fast ICA算法应用于微地震资料进行有效信号与噪声的盲源分离,从而解决上述问题。首先分别介绍了四阶互累积量算法和fast ICA算法,并利用微地震仿真数据测试了四阶互累积量算法的时差估计准确性,再根据时差估计结果对有效信号进行时差偏移,最后对偏移后的微地震数据进行fast ICA盲源分离,从而达到去除噪声的同时保留有效信号并提高信噪比的目的。微地震仿真实验以及实际微地震资料的处理结果表明基于四阶互累积量的fast ICA微地震数据噪声压制方法具有良好的去噪效果。     

基于交叠组稀疏广义全变分的地震信号随机噪声衰减

广义全变分方法能较有效去除地震信号随机噪声。本文将交叠组稀疏收敛技术引入广义全变分模型，提出一种改进的广义全变分去噪方法。该方法更充分地挖掘并利用了图像一阶梯度和二阶梯度的结构稀疏的先验知识，从而获得比常规广义全变分更好的去噪效果。针对构建的改进模型，基于交替乘子迭代法框架，将多约束问题转化为去耦合的若干子问题，并引入傅里叶变换技术以提高算法运行效率。针对地震信号进行的各类全变分去噪方法的对比实验结果显示，本文方法的去噪性能相比于常规广义全变分方法具有较大提升，尤其对重噪声污染像素点具有更好的去噪效果。     

基于独立分量分析的地震信号盲源分离及应用

受采集条件及野外环境影响,实际地震资料通常包含严重的噪声,严重影响成像质量.因此,寻找合适的去噪方法来提高资料信噪比至关重要.随盲源信号分离理论发展而来的独立分量分析(ICA)算法以高阶统计理论分析为基础,根据地震有效信号和随机噪声统计独立的特征,可实现信噪分离,但该方法通常要求观测信号数大于源信号数.基于此,提出一种...     

基于自适应差分进化算法的MT信号激电信息提取

从MT信号中提取激电信息的研究有助于提高大深度探测技术的勘探精度、深度和范围。针对MT信号激电信息提取中存在的非线性和非凸特征,通过改进混沌自适应差分进化算法中进化参数的自适应策略,提出了一种基于非均匀统计分布的自适应差分进化两阶段最小构造反演方法。一方面该方法利用柯西分布和高斯分布的统计特性自适应获取进化参数F和CR,提高算法的全局搜索能力, 通过记忆以往迭代过程中的优秀进化参数提高算法后期的稳定性;另一方面该方法通过引入第二阶段的反演过程强化极化率对观测数据的影响;通过将正则化参数引入差分进化算法的适应度函数解决反演的多解性问题。对含激电效应的MT一维模型的反演结果表明,本文算法能够较好地重构地电结构和提取激电信息并在加噪环境下具有较强的鲁棒性。与其他非线性算法(混沌自适应差分进化算法,标准差分进化算法和粒子群优化算法)的反演结果对比表明,本文算法具有更为优越的全局搜索能力和较高的反演精度,适于微弱激电信息的提取。     

利用自适应混沌遗传粒子群算法反演瑞雷面波频散曲线

为了提高瑞雷面波频散曲线的反演精度,减少反演过程中的多解性,获取更准确的地下横波速度结构,本文从反演算法入手,对基本的粒子群算法进行改进,提出了一种能同步提高全局和局部搜索能力的自适应混沌遗传粒子群算法（ACGPSO）：即先采用自适应惯性权重,并设置粒子的节速度,再引入遗传算法的交叉和变异操作及单维全分量的混沌局部搜索。利用该算法对理论模型的无噪和含噪基阶频散曲线进行反演,且针对含噪数据加入二阶与三阶频散曲线进行联合反演。所得反演结果与常规粒子群算法反演结果的对比表明：ACGPSO算法具有更好的稳定性和抗噪性,且基于该算法的联合反演能有效降低解的多解性,显著提高解的精度。对实际数据所做的两步法反演的效果进一步验证了该算法的适用性。     

地震信号去噪的最优小波基选取方法

利用小波技术进行地震信号去噪处理的效果与最优小波基的选取有关。本文在剖析地震信号特点的基础上,首先从理论上讨论小波基选取准则,再从实验角度进行对比选择,提出在进行小波分解和重构时应分别选择不同的小波基函数,以保证重构信号的精确度,增强对地震信号的处理能力。此方法改变了以往分解与重构处理时均采用同一小波基函数的做法。文中最终选择适合于地震信号去噪处理的bior2.4小波基。对实际资料处理效果的对比分析表明,应用bior2.4小波基处理地震数据,不仅去噪效果好,而且在结果数据中能提取地震信号的有效低频和高频成分,拓宽了地震信号有效频带,并同时提高了地震信号的信噪比和分辨率。     

基于交叠组稀疏非凸Lp伪范数高阶全变分的地震随机噪声压制

针对高阶全变分模型在地震资料去噪中存在严重阶梯效应的问题,引入交叠组稀疏去噪技术;为提升对局部细节的保护能力,加入非凸L_p伪范数正则化,形成一种改进的去噪模型。该模型是从传统孤立的数据点向四周延伸,充分挖掘信号的邻域相似性。由于改进模型存在耦合问题,进一步采用交替方向乘子迭代法将其转化为四个子问题,并在求解过程中采用最大最小值算法和加权方向迭代L₁算法以提高计算精度和效率。模拟数据和实际资料的应用结果表明,所提方法不仅能有效减弱阶梯效应,压制地震数据中的随机噪声,而且具有保护弱小信号局部细节的能力。     

基于迭代启发网络算法的非平稳随机噪声压制

常规滤波方法常常放大了噪声的影响,同时噪声的存在也限制了分辨率的提升,并“平滑”了地震数据中的不连续信息。为此,提出了基于迭代启发网络（ⅡN）算法的非平稳随机噪声压制方法,利用迭代启发网络压制非平稳随机噪声,网络结构简单、紧凑。ⅡN由交替方向乘子算法的迭代过程推导而来,利用L₁范数优化变分模型。在训练阶段,通过增加一个新的辅助变量,将目标函数的极值转化为增广拉格朗日格式,使用L-BFGS（Large-Broyden Fletcher Goldforb Shanno）算法判别、训练所有网络参数,最终得到最优去噪模型。理论模型及实际资料的去噪结果表明：①由训练得到的去噪模型根据有效信号的特征,在去噪的同时可保留同相轴的形状特征;采用的迭代网络简单、紧凑,加快了网络的收敛速度,能够用相对较小的数据集和较短的训练时间快速训练去噪模型,达到预期的去噪效果。②所提方法具有较强的适应性,有效地压制了常规地震数据中的非平稳随机噪声。     

基于独立分量分析的地震属性优化

随着储层预测要求精度的提高，从众多地震属性集中挑选对所预测对象最敏感的地震属性，进行地震属性优化的工作相当重要。K-L变换通过一正交变换优选出一些不相关的地震属性，而不能优选出一些更高阶的相互独立的地震属性，即K-L变换仅利用了属性的二阶统计特性。独立分量分析（ICA）作为分解观测数据中独立信息的有力工具，不仅利用了信号的二阶统计特性，而且还利用了信号的高阶统计特性。将ICA引入到地震多属性优化中，利用它对地震属性进行高阶统计特征分析，从而能优选出最敏感的、相互独立的地震属性。另外，ICA属性优化方法不需要测井数据、井旁储层段的参数、钻井数据等，也不受勘探、开发阶段测井资料的数量限制。实际资料的应用分析表明，应用独立分量分析优化后的地震属性作储层预测具有较高的精度和可靠性，是一种新的属性优化方法。     

基于峭度最大化的地震盲反褶积方法

从地震褶积与反褶积过程的等效总系统出发,使脉冲响应满足单位脉冲序列形式,导出方差约束下反褶积输出的峭度最大化准则,作为地震盲反褶积的目标函数;针对目标函数关于反褶积算子的优化问题,采用粒子群算法进行全局寻优操作,实现地震信号的反褶积。数值模拟和实际资料处理结果表明,该方法不但适用于最小相位子波的反褶积,而且适用于混合相位子波的反褶积。与梯度法优化峭度准则的反褶积结果相比,能够更好地从地震记录中估计反射系数,拓宽地震资料的频谱,提高地震资料的分辨率。     

基于独立成分分析的地震数据去噪

:独立成分分析方法(ICA)是近几年才发展起来的一种新的基于信号高阶统计特性的分析方法。 对于相互统计独立的信号源经线性组合而产生的混合信号,采用ICA能从其中分离出各独立的信号分量。在地震勘探中,地震道信号和随机噪音通常具备非高斯信号的特点，统计性相互独立。在对地震数据和随机噪音信号特点进行分析的基础上，采用基于最小互信息的快速ICA方法实现地震数据去噪。模型分析和实例计算表明，该方法具有一定的可行性。     

利用粒子群优化算法快速、稳定反演瑞雷波频散曲线

反演瑞雷波频散曲线能有效地获取横波速度和地层厚度,但基于局部线性化的瑞雷波频散曲线反演方法很难适应反演目标函数的非线性、多参数、多极值的特点。为此,提出并测试了一种新的基于全局优化策略的粒子群优化（PSO）算法的瑞雷波频散曲线反演方法。首先反演了三个理论模型的无噪声和含噪声数据,验证了PSO对瑞雷波数据反演的有效性与稳定性;然后将PSO与模拟退火法（SA）进行对比,说明PSO相对于SA具有全局收敛性强、收敛速度快、求解精度高的特点;最后,反演了来自美国怀俄明地区的实测数据,检验了PSO对瑞雷波数据反演的适用性。理论模型试算和实测资料分析表明,PSO可以用于瑞雷波频散曲线的定量解释。     

利用独立分量分析法去除地震噪声

 独立分量分析（ICA）作为盲源分离（BSS）的一种新方法,是分解观测数据中独立信息的有力工具。以往的ICA算法一般假设噪声可以忽略不计，而实际的观测数据中又常常包含一些加性噪声。对于加性噪声的影响不能忽略的情况下，改进的ICA算法首先利用非零时间滞后协方差，应用两步特征值分解法(EVD)可成功地去除部分加性噪声的影响；再利用ICA算法就能更好地分离出原信号。本文通过对地震理论模型和实际资料的试验，说明改进的ICA算法能够有效地克服加性噪声对常规ICA算法的影响，能够分离出地震资料中的有效信号，从而实现利用独立分量分析压制地震资料噪声的目的。     

基于粒子群优化最小二乘支持向量机的非线性AVO反演

为了求解非线性AVO反演问题,本文提出基于粒子群算法和最小二乘支持向量机的非线性AVO反演方法,并用粒子群算法优化最小二乘支持向量机的参数。即首先通过精确Zoeppritz方程正演得到角道集,并进行动校正和部分角度叠加;然后运用最小二乘支持向量机方法建立反射振幅与弹性参数之间的非线性模型;最后以此非线性模型对地震道集数据进行反演。模型数据和实际资料的反演结果表明,该方法克服了常规广义线性AVO反演在远炮检距及弹性参数纵向变化大等情况下的缺陷,可直接从实际地震道集数据中提取较高精度的地层弹性参数,具有快速稳健、抗噪能力强的优点。     

基于联合小波域深度学习的地震数据规则化方法

数据规则化是地震资料处理的关键步骤之一，基于物理建模的传统方法计算量大且不具备广泛适用性。当前基于卷积神经网络的地震数据规则化方法通常局限在时域，尤其在低采样率条件下，重建数据过于平滑，纹理细节信息损失严重。小波分析具有多尺度、多方向的特性，更适于表示二维数据的纹理特性，可以聚焦地震数据信号的细节信息。为此，提出一种联合小波域的卷积神经网络模型，学习地震数据在时域与小波域的联合分布特征以逼近实际数据，将不规则地震数据重建问题转化为在卷积神经网络框架下各尺度不同方向分量的小波系数预测，重建规则化的地震数据；构建时域与小波域的联合损失函数，结合地震数据的整体分布和局部细节特征，约束网络模型，通过修正联合损失函数的权重调整卷积神经网络学习的注意力，提高重建地震数据信噪比。实验结果表明，与其他方法对比，该方法细节保持效果更好，对地震数据缺失位置不敏感，更具鲁棒性。     

用样点空间调序法消除多次波

本文对Bruland等人提出的地震道样点空间调序方式^[2]作了改进.新的调序方式可根据干扰波情况和处理目标确定合适的步长,在保持样点空间调序要求的条件下,克服了前人方法中对空间步长取值的限制和同一个输入道的样点在输出道集上相距太近的缺点,这样就扩大了该方法的应用范围.通过对理论模型数据和实际地震资料的试验表明,样点空间调序加中值滤波方法对压制和消除多次波是行之有效的,而且叠加剖面的结果有十分明显的改善,比用f-k滤波的效果好得多.     

基于匹配滤波的保幅动校拉伸校正方法

动校拉伸现象会影响地震资料的分辨率和AVO分析,而常规的动校拉伸校正方法会破坏原始地震资料的振幅变化信息,破坏AVO效应。本文利用匹配滤波算法,可以有效消除动校正拉伸现象,使同相轴更连续,消除常规NMO引起的频率降低现象,提高地震资料的分辨率,而且可以有效保留原始地震资料的振幅随炮检距的变化信息。该算法不需要已知地震子波,适合任何炮检距的地震资料。