可控震源混叠地震数据分离与成像

对不同采集方式得到的可控震源混叠地震数据采用不同的地震处理方法进行分离。利用反演的思想,在高保真采集数据分离过程中引入广义逆算子和奇异值分解以改善分离效果;利用去噪的思想,对独立同步扫描得到的地震数据中的混叠噪声进行压制,其过程是先将混叠地震数据变换到人工分选道集,再采用矢量中值滤波随机噪声压制方法压制混叠噪声。对未分离的可控震源混叠地震数据先直接进行成像,再采用最小二乘逆时偏移方法压制逆时偏移成像过程中产生的部分串扰噪声,同时引入可控震源静态编码技术进一步压制直接成像过程中的产生串扰成像噪声,最后利用整形规则化滤波技术消除串扰成像噪声。模型试算与实际地震资料测试结果表明,利用基于整形规则化的可控震源编码最小二乘逆时偏移方法可消除串扰成像噪声,得到具有高信噪比、高分辨率、高振幅均衡性的成像剖面。     

应用SVD约束的迭代反演混叠噪声压制方法

超高效混叠采集技术可实现多组震源同时激发产生地震波场,大幅度提高采集效率,但往往会导致相邻震源之间产生波场交叉而相互干涉,显著降低地震数据的信噪比.为此,提出一种基于奇异值分解(SVD)约束迭代反演的混叠噪声压制方法.首先以选定区域的混叠噪声奇异值对混叠数据的奇异值向量进行约束,然后利用迭代反演的策略逐步更新混叠数据的...     

基于高阶扩展快速行进法的缺失地震数据重建

传统地震数据重建算法大多采用整体重建模式.受数字图像重建思路启发,提出了一种基于高阶扩展快速行进法的缺失地震数据重建算法.该算法采用局部重建模式,首先将缺失地震数据映射为地震图像,并定量分析映射导致的量化误差; 再采用二抽取小波变换对地震图像进行分解,分解后的低频分量采用高阶扩展快速行进法做局部逐点重建,高频分量通过已重建低频部分的水平、垂直和对角预测滤波做重建; 然后采用小波逆变换得到重建后的地震图像; 最后将地震图像映射回地震数据.叠前和叠后实际地震数据重建实例验证了算法的可行性; 与基于形态分量分析、基于K-奇异值分解(SVD)字典学习等地震数据重建算法的对比结果表明,本文算法具有更快的重建速度和更高的重建精度.     

利用奇异值分解方法提高地震数据信噪比

奇异值分解(SVD)技术借助地震资料具有良好相关性的特性,能够有效地分离噪声和信号。经过SVD分解的地震数据,根据能量大小可分为若干个奇异值,大奇异值对应的本征图像主要代表信号,小奇异值对应的本征图像主要代表噪声,通过选用前k个最大的奇异值对应的本征图像重建地震记录,可以有效地消除随机噪声。利用GeoEast地震数据处理系统获得了经静校正、振幅补偿、反褶积、动校正与叠加等处理后的叠后数据,正演模型和热欧三维叠后地震数据处理结果表明,SVD方法能有效地消除随机噪声,提高地震数据信噪比。     

基于经验小波变换的地震资料噪声压制方法

噪声压制是地震资料处理中重要的环节,目前已有的去噪技术存在着噪声去除不干净、有效信号丢失、不能处理非线性非平稳信号等问题。经验小波变换(Empirical Wavelet Transform,简写为EWT)是一种能自适应分解原始信号的算法,其相较于经典的经验模态分解(Empirical Mode Decomposition,简写为EMD)具有更好的自适应性和完善的数学理论基础。将EWT算法引入到地震资料噪声压制中,选取合适的小波函数并利用EWT算法对目标地震信号进行自适应分解,得到其各个频率尺度的固有模态分量;然后根据原始地震信号的主频设定阈值范围,选取主频值在阈值范围内的固有模态分量进行重构,最终获取去噪后的地震信号。结果表明将EWT噪声压制算法应用于数值模型和实际地震资料中,可以很好地实现有效信号和噪声的分离,结果均比常规算法的去噪效果要好。     

基于频率域奇异值分解的地震数据插值去噪方法研究

奇异值分解(Singular Value Decomposition,SVD)是近几年发展起来的一种地震数据随机噪声压制方法。基于频率域奇异值分解矩阵降秩运算,利用凸集投影(Projection Onto Convex Sets,POCS)迭代算法,实现了地震数据去噪和插值的同步处理,给出了方法的实现步骤。实际资料处理时,采用分窗处理方式减少了算法对内存的需求,降低了插值和去噪处理的运算量,同时使有效信号的同相轴线性化,满足方法的假定条件。模拟数据和实际资料测试均表明,频率域奇异值分解方法可以在压制地震数据噪声的同时进行插值处理,具有广阔的应用前景。     

基于奇异值分解的角度域去噪方法

受地层调谐效应和地震数据品质等因素的影响,角度域共成像点道集(angle domain common image gathers,ADCIGs)存在不同程度的波形拉伸和随机噪声干扰。为了提高ADCIGs及其叠加剖面的成像效果,提出了基于奇异值分解的角度域去噪方法。首先对叠前偏移输出的ADCIGs进行奇异值分解,然后对奇异值进行归一化修正,采用累计贡献率的方法确定降噪阶次,从而实现角度域内的信噪分离和噪声压制。在确定降噪阶次时,采用累计贡献率的方法可以直观地判断各奇异值分量对数据的贡献,便于快速选择降噪阶次。理论模型和实际数据的测试处理结果表明,基于奇异值分解的角度域去噪方法适用于具有水平同相轴的ADCIGs,它能有效分离角度域内的随机干扰,并且能压制高角度处的频率畸变,改善大角度数据的品质。对ADCIGs进行基于奇异值分解的角度域去噪,可进一步提高该叠前道集的精度,从而有效改善角度域叠加剖面的信噪比和分辨率,也为基于叠前道集的速度分析和叠前反演提供了更为准确的数据基础。     

基于自适应字典学习的可控震源数据谐波噪声压制方法

可控震源高效采集地震资料中谐波噪声压制是一难点,虽然一些传统的基于稀疏优化的方法能够压制数据中的谐波噪声,但是由于使用固定字典,无法自适应地匹配有效信号的波形,存在有效信号损伤较大的问题。为此,提出了一种基于形态成分分析自适应学习字典的谐波噪声压制方法,用于分离原始相关后地震资料中谐波噪声干扰。首先对原始数据进行单道截取及分块处理组成样本集,然后利用K-奇异值分解(K-SVD)学习得到超完备字典,进而应用字典原子的振幅谱比将字典分类为有效信号子字典与谐波噪声子字典,最后应用形态成分分析(MCA)理论将所得的子字典分别用于重建谐波噪声和有效信号,实现压制谐波噪声的目的。合成数据与实际数据的应用结果表明,基于自适应字典学习的可控震源数据谐波噪声压制方法在保护地震有效信号的同时能够有效压制谐波噪声。此外,对比近炮点数据和远炮点数据的谐波噪声压制结果可以看到,该方法对有效信号的损伤小于固定字典谐波噪声压制方法,具有良好的保真性与鲁棒性。     

基于动态时间规整ICA算法地震随机噪声压制

噪声压制是地震数据处理流程中的基本环节之一。传统的独立分量分析(ICA)算法仅适用于平缓地层同相轴的地震资料噪声压制,对非平缓地层同相轴地震资料去噪效果较差,且算法不够稳定,容易出现解混失败现象,导致去噪结果中产生坏道。针对这些问题,提出了将ICA算法与动态时间规整(DTW)算法相结合的噪声压制方法。首先使用DTW算法将倾斜地层同相轴校正为水平同相轴,利用ICA算法提取拉平后含噪地震数据的独立分量,实现拉平地震道的信噪分离。然后利用由DTW算法所提取的道间时差将同相轴还原为倾斜地层同相轴,从而实现复杂地震资料的随机噪声压制。理论模型和叠前叠后实际地震资料测试结果表明,该方法可以有效地压制地震数据中的随机噪声,且对非平缓地层也有较好的去噪效果,具有一定的实用价值。     

基于单道SVD和振幅比的地面微地震资料去噪方法

针对地面微地震资料强周期干扰和随机干扰突出的特点以及单一去噪方法无法有效压制噪声的问题,提出了基于单道奇异值分解(singular value decomposition,SVD)和振幅比的联合去噪方法。首先利用单道微地震记录构建分解矩阵,使矩阵各维具有较强的相关性,然后对分解矩阵进行奇异值分解,选取数值居中部分奇异值进行矩阵重构,以达到压制单道微地震记录强周期干扰的目的。其次采用具有伸缩特性时窗的振幅比法改善有效信号与随机噪声的统计特性差异,有效压制微地震资料中的随机噪声。理论模型数据和四川某地区地面微地震射孔资料应用结果表明,联合去噪方法有效地压制了微地震记录中的噪声,提高了资料的信噪比,在很大程度上改善了单一去噪方法无法较好突出微地震有效信号的不足,为后期微地震资料的处理与解释奠定了良好的基础。     

时频域变分模态分解地震资料去噪方法

强噪声干扰、信噪比过低是造成深层地震资料成像不佳的主要因素。为此,提出在时频域内将变分模态分解算法应用于分频地震资料的噪声压制处理的新思路。首先,通过希尔伯特-黄变换（HHT）构建地震数据的解析信号,将地震数据转换到时频域,在时频域进行分频变分模态分解;随后,分析有效信号与噪声在时频切片上的能量分布,在此基础上优选出有效信号模态分量重构时频切片;最后反变换回时空域,达到噪声压制的目的。应用模型数据分析了关键参数对去噪效果的影响;实际资料的应用结果表明该算法可有效压制较强的随机背景噪声,同时对陡倾角的线性干扰也有明显的压制作用。     

一种基于RUnet卷积神经网络的地震资料随机噪声压制方法

应用深度学习方法压制地震噪声的训练集和测试集均来自同一数据集,使得模型的泛化性受限。为解决泛化性问题,提出一种基于卷积神经网络(CNN)的残差U型网络(RUnet)压制随机噪声的方法。方法的设计思想是在基于卷积神经网络的U型网络(Unet)基础上加入残差块,以增强网络对随机噪声的捕获能力。该方法建立在端到端的编码-解码网络结构上,将含噪声地震数据作为输入,由多个卷积层和残差块提取随机噪声的本质特征,构成编码;再由多个反卷积层和残差块构成解码,网络的输出即为噪声压制后的地震数据。在残差块之后加入批规范化层,采用带泄露整流函数作为非线性因子,提高网络模型对地震资料随机噪声的泛化性和敏感性。在叠后和叠前地震数据实验中将RUnet卷积神经网络方法与小波变换、离散余弦变换、三维块匹配(BM3D)算法和Unet卷积神经网络算法进行去噪效果对比,结果表明,RUnet卷积神经网络方法相比其它4种方法,对随机噪声的压制更有效,并且在一定程度上保护了有效信号。     

奇异值分解在去除特殊干扰波中的研究与应用

奇异值分解(SVD)对水平同相轴去噪能力较强,用较大的特征值重构数据,实现对弱信号和随机信号的消除;舍去较大特征值,消除特定同相轴。东南亚某国蒙河流域从震源附近产生的线性干扰波异常发育,频带宽,目前一般地震处理技术无法去除这种干扰。针对上述问题,将奇异值分解引入到该区地震资料处理中来,在分析干扰波的特点的基础上,首先对单炮数据适当变换,其次进行线性动校正,然后利用奇异值分解和重构,通过调节累计能量门槛值,提取出噪声,与原始单炮数据做减法,实现信噪分离,避免了直接切除对有效信号造成伤害。理论分析与模型计算结果表明,思路方法可行,效果明显,形成了一套压制该类强能量线性干扰波的处理思路和流程方法,值得以后推广应用。     

三维叠前相干干扰的正交多项式拟合压制方法

与二维叠前地震资料中的直线相干干扰不同,三维叠前地震资料中相干干扰通常为双曲线。常规相干干扰压制方法通常假设相干干扰为直线,因此在三维地震资料处理中就不再适用。本文利用正交多项式很好地拟合了直线型及双曲型相干干扰信号。在此相干干扰信号时空方向上通过加权叠加平均的方法压制相干干扰。由于此法没有对信号的频谱做任何切除,所以保留了所有的频谱信息。理论数据及实际资料处理结果表明：此法对二维叠前资料中的直线型及三维叠前资料中的双曲型相干干扰都有很好的适应性,相干干扰压制效果明显。     

基于共散射点道集的多次波压制方法研究

多次波压制是地震数据处理中的重要环节。一种常用的多次波压制方法是根据一次波和多次波在成像空间的曲率差异并借助Radon变换进行分离和压制。成像空间既可以是叠前时间域也可以是叠前深度域。考虑到对复杂介质的适应性以及叠前处理对计算效率的要求,提出基于共散射点(CSP)道集的高分辨率Radon变换多次波压制方法。该方法只需要一个简单的初始速度场,就可将常规共中心点道集(CMP)映射到覆盖次数更高、炮检距覆盖范围更广的共散射点道集,然后在该道集上应用高分辨率双曲Radon变换,可较好地分离一次波和多次波。相对于以水平层状介质为假设条件的CMP道集,CSP道集更适应复杂地质构造,且时距关系满足双曲规律。模型和实际资料测试结果表明,该方法可以较好地实现速度谱能量团的聚焦,有利于较复杂地质条件下的多次波压制。     

一种叠前地震资料单频噪声压制新方法

针对常规陷波处理方法去除单频噪声时会"完全扼杀"相同频率有效波的缺陷,提出了一种基于独立分量分析(ICA)的叠前地震资料单频噪声压制新方法。该方法将叠前地震资料的多道观测记录按照统计独立的原则,首先利用非零时间滞后协方差,运用两步特征值分解法(EVD)成功地去除部分加性噪声的影响;再利用ICA算法更好地分离出单频噪声源信号。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,较好地分离出叠前地震资料中的单频噪声源信号,实现独立分量分析对叠前地震资料单频噪声压制的目的,更加有效地保护相同频段范围的有效波,从而提高叠前地震资料的信噪比。通过仿真试验和实际地震资料处理表明,该方法应用效果较好,能够更加满足实际生产的需要。     

基于小波变换与奇异值分解的地震资料去噪新方法

为了有效地去除地震资料中的随机噪声,充分利用小波变换(WT)去噪和奇异值分解(SVD)去噪方法的优点,提出了一种新的基于小波变换和奇异值分解(WT-SVD)的地震资料去噪方法。该方法首先进行小波软阈值去噪,有效地降低噪声的方差;然后进行基于倾角扫描的奇异值分解去噪,识别噪声点,自动追踪同相轴,并进行同相轴拉平处理,充分利用了奇异值分解方法处理水平同相轴噪声效果好的优点。理论模型和实际资料的去噪结果表明,该研究提出的WT-SVD方法简单易行,比单一的SVD方法和WT方法的去噪效果更显著,有效地消除了地震资料中的随机噪声,显著地提高了地震资料的信噪比。     

基于稀疏反演的多震源地震混合采集数据分离技术

多震源地震混合采集数据(混叠数据)目前还不能直接采用传统的地震资料处理流程处理,必须先进行分离。基于滤波思想的分离算法可以初步实现对混叠数据的分离,但是当有效信号完全淹没在强噪声中时,该算法的分离效果较差,有效信号会受到损害。提出了一种基于稀疏反演的多震源数据分离算法,实现步骤是:首先输入野外采集的混叠数据,将其从炮集抽取为共检波点域或共炮检距域道集,使得来自邻炮的记录数据变成非相干噪声;然后通过稀疏反演,采用L1模的阈值噪声压制算法估计出混叠数据的噪声;最后从混叠数据中减去估计得到的噪声,从而分离出有效信号。模拟和实际数据测试结果表明,该方法能对混叠数据进行有效分离,很好地压制混叠噪声和保护有效信号。     

基于CEEMDAN的时频峰值滤波微地震随机噪声压制方法

微地震监测被广泛应用于非常规油气勘探领域,促进油气的增储和高效开采.由于微地震数据具有非平稳性,现行去噪方法的效果并不理想.文中提出一种基于样本熵(SE)自适应白噪声完整集合经验模态分解(CEEMDAN)的时频峰值滤波(TFPF)方法,压制微地震数据中的噪声,保留有效信号幅值.原始微地震数据经CEEMDAN分解为若干个...     

基于稀疏冗余表示的三维地震数据随机噪声压制

传统的二维随机噪声压制方法应用于三维地震数据的随机噪声压制时,去噪效果往往不理想,为此提出基于稀疏冗余表示的压制三维地震数据随机噪声的方法.该方法在贝叶斯框架下,通过正交匹配追踪(OMP)和K-奇异值分解(K-SVD)不断迭代更新三维稀疏矩阵和三维超完备离散余弦变换(DCT)字典,利用三维超完备DCT字典作为三维地震数据的稀疏冗余表示,使三维地震数据中随机噪声得到压制.三维模拟数据和实际地震数据试算表明:与常规f-x反褶积法和K-L变换法相比,该方法既提高了三维地震数据体的信噪比,又有效地保护了地震反射信号,而且水平切片的连续性和平滑性很好,构造复杂区域的分辨率也得到提高.