基于信号保真的地震数据插值

在地震资料处理过程中，在对地震资料进行高保真静校正及动校正处理时，需要对地震数据进行插值处理，如何选用使地震信号保真的插值方法显得十分重要。文中采用sinc函数插值算法对地震数据进行插值，分析了sinc函数在地震数据插值方面的优势，并介绍了sinc函数插值的实现方法。通过对实际模型数据例子的试验分析表明，用sinc插值方法能减少由于插值所引起的信号损伤，保护原始地震信号信息。     

双谱信号重构技术在重力数据去噪中的应用

一个实信号可以用一个谐波信号序列来拟合,计算实信号的双谱,通过Fourier变换推算出谐波信号的系数和相位角与实信号双谱振幅谱和相位谱之间的关系,可以实现信号重构。谐波基频的准确估算是信号重构的关键,经过试验分析,取双谱振幅谱的第一个峰值对应的频率作为估算基频。构成实信号的谐波项数是未知的,通过设立系数因子控制谐波项数,可以满足不同频率（或波数）段信号的拟合,实现噪声压制。数值模拟和实际应用结果表明,双谱信号重构技术不仅能有效压制随机噪声,还可以进行异常分离。     

基于改进匹配追踪傅里叶插值的地震数据规则化重构

由于地表条件的限制,野外采集的地震数据难以做到规则采样,不规则采样地震数据影响了地震数据处理与解释。针对这一问题,采用匹配追踪傅里叶插值算法对不规则地震数据进行重构,并在该插值算法中的迭代部分作出改进,使其只在频率-波数域中计算傅里叶系数谱,减少了迭代中大量的正反傅里叶变换,以降低匹配追踪傅里叶插值算法的计算时间,并将改进后的方法应用到随机欠采样凹陷正演地震记录、Marmousi正演地震记录以及实际CMP地震资料中进行规则化重构。结果表明：改进后的匹配追踪傅里叶插值算法可以将随机欠采样地震数据规则化,重构后其同相轴变得连续,频波谱能量收敛,有效信号得以恢复,且改进后该算法的重构时间明显降低,其加速比在30倍以上,表明了该方法的正确性与可行性。改进后的匹配追踪算法为不规则地震数据的重构提供了新的理论依据。     

基于EMD重构地震信号的去噪方法

地震信号的信噪比直接影响地震资料的可靠性、参数提取的精度以及分辨率效果。小波去噪是目前常用的方法,但其不具有自适应性,去噪效果不理想。EMD分解具有自适应性,并且具有很高的可靠性、准确性和合理性。EMD分解后可以准确区分噪声信号和有效信号,对信号进行重构,提高信噪比,达到去噪效果。因此,EMD去噪是处理非平稳信号的一种有力手段。     

基于测井数据的地质曲面插值重构方法比较

在密集井群条件下,利用测井数据对地层曲面和三维储层属性进行插值重构是正确认识地质构造和油藏表征的重要手段,确定性插值是对油藏构造和属性建模的手段之一,选取合理的插值方法是保证重构质量的根本.为此,对三角剖分、距离反比和克里金等几种常用插值重构方法进行了阐述和数值实验,对某地区地温场数据进行了处理,在100个井点中随机抽取25个样本点进行了比较,认为在不太追求精度时可选用普通距离反比或三角剖分方法,而克里金和径向基函数插值方法适用于精度要求较高的场合.     

井筒数据的Akima插值重采样方法

在测井资料处理解释过程中,需要对井筒数据进行重采样.全局多项式和三次样条插值是目前常用的数值插值重采样方法,但存在计算量大、局部形变大等缺点.介绍了Akima分段三次多项式插值方法,通过数值实验并与三次样条插值效果进行比较分析,表明Akima分段三次多项式插值是简便、快速、保形性好、便于实现的井筒数据重采样方法.     

声波信号抛物线拟合与插值

曲线拟合主要采用最小二乘法原则进行函数模型逼近 ,一般选用多项式拟合法。插值方法与拟合方法类似 ,只是在插值中要求曲线必须通过所有已知点。声波信号一般呈抛物线变化形式 ,因此利用抛物线方法进行拟合与插值能够达到满意的效果。文章阐述了拟合、插值方法的原理和应用。实际声波信号处理表明 ,采用抛物线拟合和插值方法是切实可行的。     

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。     

基于频率域小波的地震信号多子波分解及重构

 多子波分解是将一个地震道分解为不同频率的子波集,并针对不同的目标地质异常体,选择不同频率的单一地震子波或子波段,重构新的地震剖面和数据体,以便进行更精准的地质地球物理解释和储层特性描述。文中根据频率域小波的解析表达式及小波变换时间—尺度域和时间—频率域的转化关系,提出一种能适应多子波分解精度要求的处理方法。对合成地震信号及含气裂缝模型正演剖面的多子波分解与重构处理表明,该方法具有较高的精度,处理结果能直接用于含油气特征的检测;对实际地震数据处理得到的单频剖面也可明显地表征含油气储层的特征信息。     

基于数据分段互双谱的海水深度计算方法

海水深度数据是开展OBC水、陆检资料合并处理的基础。结合时间序列高阶统计量提出了一种基于数据分段互双谱法的海水深度反演方法。通过对分段后的数据计算上、下行波场数据自双谱和互双谱,再计算相干互双谱和互相关谱,最后计算海水深度。水陆检数据分段计算,利用了叠加特性,增加了方法抗高斯噪声的能力。高阶统计量的互双谱和相干互双谱,具有压制高斯与非高斯有色噪声的优点。利用本文方法对OBC数据进行海水深度计算,结果与实测海水深度较吻合。计算的海水深度用于双检数据合并,压制海水鸣震干扰效果明显,为后续速度模型建立和偏移成像处理奠定了良好的基础。     

高阶高分辨率Radon变换地震数据重建方法

地震数据缺失会影响处理和解释结果。本文基于Radon变换地震数据重建并结合地震波同相轴横向连续性,提出高阶高分辨率Radon变换地震数据重建方法。该方法将正交多项式变换和Radon变换结合,通过正交多项式变换拟合地震波振幅随炮检距变化特性,改进了传统Radon变换只考虑地震道叠加特性的缺陷,增加了振幅变化的斜率和曲率信息,保留了地震波AVO特性,有利于地震波振幅信息在横向变化情况下缺失地震数据的重建。理论模型和实际数据处理结果表明,该方法可以克服空间假频,实现缺失道数据重建,并保留振幅AVO信息。     

3—D叠后地震资料多项式拟合提高信噪比和道内插

三维地震资料叠后提高信噪比和横测线方向道内插问题，目前在生产中还没有很到很好的解决。现在有些数据中心用二维多项式拟合提高信噪比模块对纵测线和横测线分两步进行处理的。本文应用多项式拟合理论直接在三维叠后地震资料上完成提高信噪比和横测线方向的道内插（通常横测线方向的道间距要比纵测线方向的道间距大一倍，需要进行道内插），用一步处理即可得到能应用于三维偏移的共深度点数据集。此法充分利用了三维地震资料的信息     

基于迭代最小化稀疏学习的三维地震数据重建

受采集技术、现场环境及经济成本等因素的影响,地震勘探中采集的原始数据往往存在缺炮或缺道等现象,这种数据的不完整性对后续数据处理和成像会造成不良影响,故必须重建此类缺失数据。为此,提出基于迭代最小化稀疏学习（Sparse Learning via Iterative Minimization,SLIM）的方法,主要利用三维地震数据频率切片的二维谐波结构特性,对三维随机缺失地震数据进行重建。即先对三维地震数据沿时间轴方向做傅里叶变换,再利用循环最小化算法（Cyclic Minimization,CM）对频率切片的二维谐波谱进行迭代求解,最后对谱估计做傅里叶逆变换而重构缺失数据。此外,采用共轭梯度最小二乘法实现数据重建过程中的求逆运算,以缩短数据重建时间。试验结果表明：所采用的基于频率切片的SLIM方法对合成和实际三维地震数据均取得了较好的重建效果;该方法的重建性能优于基于频率切片的Hankel矩阵降秩的多道奇异谱分析方法（Multi-channel Singular Spectrum Analysis,MSSA）。     

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。     

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。     

无监督残差网络的地震数据重构方法

野外采集的地震数据通常会存在地震道缺失的问题,对其进行重构一直是地震资料处理中的一个难题。目前使用深度学习(Deep Learning,DL)方法重构地震数据主要采用完整地震数据作为标签训练网络模型的监督学习方式,然而对实测野外数据很难获得准确的标签。对大量训练样本的依赖影响了DL方法在地震数据重构中的应用。为此,提出了一种基于残差网络的无监督DL的地震数据重构方法。该方法无需使用完整的地震数据作为训练集训练残差网络,而是以随机数据作为残差网络的输入,以含缺失地震道的地震数据作为网络的期望输出。通过对网络预测与期望输出之间的误差的反向传播,迭代优化网络参数,使网络与期望输出间的误差达到最小,获得参数最优的残差网络,并用该网络重构缺失的地震数据。在网络参数优化过程中,利用卷积的局部和平移不变性质,用卷积滤波器学习多尺度下地震数据邻域之间的相似特征,并在网络输出中呈现学习到的这些先验特征。使用所提方法重构Marmousi模型模拟地震资料和实测海洋拖缆资料中规则和不规则缺失的记录道,并与传统的快速凸集投影软阈值(FPOCS-Soft)方法的结果进行对比,结果表明,无监督残差网络方法可有效重构缺失地震道,准确性高、连续性好,精度高于FPOCS-Soft方法。     

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。