利用时频域极化滤波压制地震面波

把时频分析方法和自适应协方差矩阵方法结合起来,提出了一种压制地震面波的时频域极化滤波方法。该方法在广义S变换时频方法的基础上,构建时频域自适应协方差矩阵,通过特征分析计算时频域瞬时极化参数,设计极化滤波器,实现多分量地震面波压制。其优势在于可以根据信号的瞬时频率将协方差矩阵的分析时窗长度自适应地选择为每个时频点处的波的优势周期,在每个时频点估计特征参数,无须进行插值。模型数据及实际三分量地震数据处理结果表明,该极化滤波方法在压制地震面波方面具有较高的分辨率。     

CPU-GPU异构平台的抛物线Radon变换并行算法

抛物线Radon变换被广泛应用于压制和去除叠前地震数据中的多次波。混合域抛物线Radon变换虽具有良好的多次波压制效果，但面对体量日益庞大的地震道集数据，仍需很长处理周期。为此，首先利用GPU对抛物线Radon变换算法做并行优化，将计算过程中最耗时的傅里叶变换和代数运算用CUDA库等优化技巧进行加速，加速比达13以上；然后基于CPU-GPU异构平台，提出一种CPU-GPU并行方案，充分利用计算机硬件资源，通过CPU多线程与多个GPU协同并行实现抛物线Radon变换并行算法，加速比约达30。     

基于MPI和CUDA的转换波Kirchhoff叠前时间偏移并行计算

转换波Kirchhoff叠前时间偏移可以实现全空间三维转换波资料的准确成像。但转换波叠前偏移数据量巨大,而且需偏移迭代多次来寻找匹配的偏移速度模型,导致偏移处理周期长、效率低,限制了转换波偏移技术在生产上的应用规模。目前解决海量运算问题的方法主要是应用CPU集群来提高计算效率,但集群存在成本高、功耗大、占用空间大、维护成本高等缺点。给出了一种基于MPI(Message Passing Interface)和CUDA的转换波Kirchhoff叠前时间偏移并行算法,将细粒度线程级的GPU(Graphic Processing Unit)并行计算融入粗粒度进程级MPI并行编程模型。利用实际转换波数据分别在CPU(单核)、GPU(单卡)、MPI和GPU(2个节点)测试平台上对算法性能进行了测试,结果表明,MPI和GPU(2个节点)的计算速度是CPU(单核)的近400倍,可以大幅度提高转换波Kirchhoff叠前时间偏移的计算效率,降低计算成本。     

基于多卡GPU集群的多次波逆时偏移成像技术

相对于常规逆时偏移,多次波逆时偏移成像技术具有更高的成像精度。在分析多次波逆时偏移成像原理和条件的基础上,对多次波逆时偏移成像中的多次波预测、波场延拓等步骤的实现过程进行了研究。在此基础上,利用Sigsbee2B地质模型,应用基于反馈环理论的自由界面多次波衰减方法预测得到纯多次波炮集,实现了基于多卡GPU集群的多次波逆时偏移成像处理。处理结果显示,多次波逆时偏移的中浅层成像清晰,构造的成像精度明显高于常规逆时偏移。多卡GPU集群的应用可显著提高多次波逆时偏移的计算速度和效率,使得基于地震大数据体进行多次波逆时偏移成像处理成为可能。     

基于CUDA的转换波Kirchhoff叠前时间偏移算法研究及实现

转换波叠前时间偏移计算量巨大、耗费时间长,影响了多波多分量地震数据的处理效率,也限制了转换波技术在生产上的应用规模。目前转换波叠前时间偏移主要采取CPU集群计算方式,但CPU集群存在功耗大、占用空间大和维护成本高等缺点,为缩短偏移计算耗时和降低计算成本,本文提出一种基于CUDA技术的转换波Kirchhoff叠前时间偏移并行算法。应用理论数据和实际转换波数据在CPU和GPU测试平台对算法进行了对比验证和性能分析,确认GPU并行算法计算速度可提高上百倍,是一种高效、低成本的方法。     

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。     

海洋多次波组合压制技术及应用

在分析多次波压制技术原理的基础上,选取确定性海底多次波压制技术、广义表面多次波压制技术及高精度拉东变换多次波压制技术优化组合进行多次波压制,并应用于实际资料中,应用效果表明该组合方法可以有效压制多次波,提高道集质量及速度分析精度。     

频率域拉东变换加权约束反演压制层间多次波

松辽盆地拗陷期地层的多个强反射界面产生大量层间多次波,降低了地震成像的振幅保真度和垂向分辨率,影响中深层目标储层的预测精度。有效压制多次波是提高地震成像品质的重要环节,本文研究应用频率域拉东变换加权约束反演方法,实现层间多次波的叠前压制。“两宽一高”地震数据和测井资料的多次波分析表明,研究区多次波的数量多、阶次高、周期不同、能量各异,且多次波之间以及多次波与一次波干涉叠加,致使多次波的叠前时距特征不明显,有效压制难度大。在动校正后的CDP道集上,采用频率域抛物线拉东变换实现多次波与一次波快速分离;加权约束反演重构多次波,解决小炮检距多次波重构及有限炮检距引起的拉东域能量模糊现象;由实际地震道自适应减去重构的多次波,避免损伤有效信号。叠前压制层间多次波提高了研究区地震成像的振幅保真度和垂向分辨率,有利于薄层砂体预测。     

基于数据一致性原理预测与压制自由表面多次波的效果分析

 本文基于数据一致性预测与压制自由表面多次波方法原理,研制了迭代自适应压制多次波方法,用于模型数据和海洋实际地震数据的多次波压制处理。模型试算和实际海洋地震数据处理结果表明,与现有的常规多次波消除方法相比,此方法收敛速度快,并能很好地保持有效波能量。在应用此法时,要特别注意以下几点：①基于数据一致性原理,通过时间—空间域褶积预测自由表面多次波,多次波预测算子可以是含多次波的原始数据,也可利用已部分消除多次波的数据（如抛物线拉东变换滤波方法压制多次波后的数据）,这样能更快地获得较好的多次波压制效果;②在一定简化条件下,预测与压制自由表面多次波可表达为一个线性最小平方反演的过程,实现过程是一个迭代自适应过程,只需要很少的几次迭代就能获得较好的多次波压制效果;③对于地下地层结构非常复杂时的多次波压制,文中方法在更有效地压制各种自由表面相关多次波的同时,还可以压制部分层间多次波,同时也能更好地保持一次波有效能量。     

多次波压制的自适应方法

多次波压制的自适应方法以预测相减的思路进行与地表相关的多次波压制，它需要根据能量最小准则反演子波。本文详细介绍了该方法的原理，并提出了一种快速有效的实现算法。由于子波长度远小于地震记录长度，利用SINC插值在频率域以稀疏的谱点确定子波形态。在此基础上进行计算，大大减少了反演参数的个数，并大大提高了方法的精度和速度。     

基于GPU/CPU叠前逆时偏移研究及应用

本文基于GPU/CPU协同系统,将计算量最大的波场逆时外推通过GPU实现,并利用随机速度边界的思路提高波场外推算法的并行性,解决了大规模存储的I/O问题。通过优化拉普拉斯算子压制由互相关成像条件引入的低频噪声。数值试验表明,GPU/CPU协同系统的计算效率非常高,在实际应用中取得良好的成像效果和时效比。理论模型试算和实际盐丘数据的处理验证了算法的正确性。     

CPU与GPU协同并行的多分量地震数据各向异性叠前时间偏移

地震勘探工区规模的日益庞大,造成多分量地震数据的各向异性叠前时间偏移算法耗时巨大。目前常用CPU集群方式并行加速该类算法,而集群方法必将导致节点间通信时耗增大;同时受限于CPU结构特点,只能通过扩大集群规模提高加速比。针对上述问题,提出一种基于CPU与GPU协同并行的多分量地震数据各向异性叠前时间偏移算法,利用OpenMP和CUDA实现CPU与多个GPU的协同并行,使用内存映射方法降低I/O耗费;并根据CPU与GPU的结构特点优化地震数据及速度数据的读取和存储方式,分割成像空间以节省算法内存消耗,每次只计算与开启的GPU个数相同条数的主测线,主测线内部采用一个GPU线程对应一道地震数据的偏移计算方法,以充分利用GPU计算能力。应用约29G的实际工区多分量地震数据分别比较不同个数GPU协同CPU并行的加速比,得知使用6个GPU协同CPU对实际纵波及转换波数据进行并行偏移处理时,加速比分别达到444和449。     

利用曲波变换预测多次波模型

针对SRME方法在多次波模型预测阶段存在的缺陷,利用曲波变换多方向的特性,自动选取遵循斯奈尔定律(即走时平稳区域)的多次波贡献道集,对多次波模型道进行构建。该策略减小了非平稳走时区域多次波贡献道集可能产生的假频对多次波模型的影响。对于原始含有空间假频的数据,借助曲波变换多尺度的特性,利用地震数据中不含假频的低频分量对假频分量进行约束,构建了一个抑制假频滤波器,可以减小空间假频对多次波模型的影响,提高多次波模型的预测精度,为后续的相减阶段提供更好的模型数据,有利于最终多次波压制。模型数据和实际资料验证了本文方法的有效性。     

地震叠前深度偏移在CUDA平台上的实现

由于GPU（图形处理芯片）拥有强大的通用计算能力,在地球物理领域进行GPU计算的应用研究日益受到关注。基于CUDA软件开发环境,根据裂步法叠前深度偏移的算法特点,将偏移程序的波场延拓核心部分移植到GPU上进行并行计算,其余辅助计算在CPU上完成,实现了二维地震叠前深度偏移处理的GPU计算。在NVIDIA Tesla C870上的Marmousi模型测试结果表明,GPU处理速度是CPU（单核）的10倍左右。由于所用GPU仅支持单精度浮点运算,GPU和CPU计算结果之间存在一定的差异,但这种差异在偏移剖面上未产生视觉上可以识别的影响。     

基于交替分裂Bregman迭代算法的鲁棒多道预测反褶积方法

将一次波的L_1范数最小化约束引入多道预测反褶积,提出基于交替分裂Bregman迭代算法的鲁棒多道预测反褶积方法。所提方法利用距离算子求解L_1范数最小化优化问题,在整个迭代过程中只需计算一次矩阵求逆,计算复杂度较低。首先介绍了多道预测反褶积方法的数学模型,然后给出鲁棒多道预测反褶积的优化问题,并阐述了交替分裂Bregman迭代算法求解优化问题的步骤。相对于基于迭代重加权最小二乘法的鲁棒多道预测反褶积方法,文中方法在保持多次波压制效果的同时,能进一步提高计算效率;相对于基于最小二乘法的多道预测反褶积方法和基于交替分裂Bregman迭代算法的鲁棒单道预测反褶积方法,文中方法能有效地均衡一次波的保护和多次波的压制。另外,所提方法利用了多道预测反褶积方法的优势,比单道预测反褶积方法能更好地适应海底的起伏变化。模型数据和实际数据测试结果表明:当水层多次波具有周期性时,文中方法能在保护一次波的同时,有效地压制水层多次波,并具有较高的计算效率;当水层多次波的周期性假设得不到很好的满足时,很难对多次波的压制效果进行直观判断。     

基于平面波编码的水体相关多次波压制方法研究

水体相关多次波压制是海洋地震资料处理的重要环节之一。在模型驱动类多次波预测模型的基础上,利用水体一次反射格林函数与自由表面接收到的观测波场褶积,预测高一阶的多次波,并将此多次波预测过程用编码理论来表示,建立起水体相关多次波的预测理论,给出了基于平面波编码的水体相关多次波预测模型。根据斯奈尔定律,利用局部平面波域水体一次反射格林函数形成编码算子,实现了多次波贡献道集的自动优化,提高了水体相关多次波的预测精度,进而改善了多次波的压制效果。理论数据测试和实际数据应用结果证明了本文方法的可行性和有效性。     

基于成像域的多次波压制

常规多次波压制方法大都是在数据域基于滤波理论或者波动理论实现的,这些方法都不能有效地兼顾多次波压制精度和计算效率。为此,本文将波动理论与滤波理论相结合,基于成像角度域共成像点道集(ADCIGs)实现多次波压制。首先对成像域多次波映射进行了讨论,通过推导可知,成像域ADCIGs中多次波和一次波剩余时差不同,这一结论即为在成像域应用滤波方法压制多次波的理论基础;考虑到基于DSR方程的叠前深度偏移可以获得更多的角度信息,然后基于DSR方程提取ADCIGs,再引入适用于ADCIGs的正切平方估计高分辨率拉东变换分离一次波和多次波,实现多次波压制。由于本文方法将波动理论与滤波理论相结合,因此能同时兼顾多次波压制精度和计算效率,模型试算和实际资料处理验证了方法的有效性。     

复杂海底自由表面多次波预测方法

针对崎岖海底多次波路径复杂、绕射波及绕射多次波发育等情形,自由表面多次波压制技术（SRME）预测多次波模型存在数据信噪比低、动力学和运动学信息欠准确等不利因素,提出了基于单程波及双程波波动方程延拓的多次波预测方法。即基于波动方程并联合SRME技术,利用岩石物理模型对地震记录进行波场延拓,得到预测的多次波模型;同时采用自适应匹配相减方法提高复杂海底多次波压制效果。理论模型及实际数据试验表明：相对于单一的SRME多次波预测法,所提方法预测的多次波模型具有更高信噪比、与实际多次波在大多情况下的运动学和动力学特征吻合度更高。该方法理论上需已知准确岩石物理模型,由于海洋地震资料多次波主要是自由表面相关多次波,因此在仅已知海水及海底岩石物理参数情况下,该方法也能预测大部分与自由表面相关的多次波。     

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。