非最小相位线性系统的可辨识性及辨识方法--平稳输入

本文首先将传统意义下的不相关及其与协方差函数之间的关系推广到n(n≥2)阶不相关及其与高阶累积函数之间的关系。以此为基础,讨论了非最小相位线性随机系统的可辨识性及辨识方法。将可辨识性条件从独立同分布放宽到n(n>2)阶不相关。对用熵函数进行辨识的方法做了较详细的研究并给出了可辨识性定理。     

基于深度学习的子波整形反褶积方法

地震数据偏移成像是地下介质反射系数估计的重要方法之一，其结果通常受子波影响而波数带展布有限。有效拓展成像结果的波数带、提高空间分辨率是宽带反射系数估计的一个重要目的。为此，首先从反演成像的角度分析，指出子波和观测系统照明是影响成像结果分辨率的两个主要因素；其次，基于卷积神经网络（CNN），利用宽频子波构建标签，将常规成像结果作为输入，利用CNN挖掘其中的映射关系，提出了相应的深度学习算法子波整形反褶积方法；然后，针对反褶积中初始子波估计不准确的问题，设计了子波与反射系数串联、迭代、更新的实现方案，定制的宽频子波能兼顾低波数和高波数信息，用于训练网络时可以更好地恢复宽带的反射系数；最后，利用已知模型进行网络的预训练，将基于目标数据体提取的有效子波作为靶区数据反褶积的初始子波，进行子波整形反褶积处理，并通过薄层模型测试了该方法的正确性和可靠性。实际资料处理结果表明了该方法具有较好的应用潜力。     

地震资料处理中信噪比与反褶积的关系分析

为了解地震资料处理中信噪比与反褶积的关系，本次研究首先对信噪比与反褶积的概念进行简单分析，在此基础上，开展地震资料处理中信噪比与反褶积的关系研究，为间接提高地震资料的处理质量奠定基础。研究表明：信噪比和反褶积在进行地震资料处理的过程中占据重要地位，在对地震资料进行反褶积以后，地震资料的信噪比主要与反子波内部的能量有关，提高白噪能量的添加量是提高地震资料信噪比的重要措施，但是地震资料内部的分辨率可能会降低。     

宽带子波反褶积方法在致密储层地震资料处理中的应用

随着油气勘探的不断深入，油气勘探目标逐步转向埋深大、频率低、地震响应不明显的致密砂岩储层，此类目标的勘探对地震资料的分辨率提出了更高要求。反褶积是提高地震资料分辨率的主要方法。常规反褶积方法在提高地震资料分辨率的同时，往往降低了地震资料的信噪比，故对后续的地震解释和储层预测产生较大影响。针对常规反褶积方法的不足，提出了宽带子波反褶积方法以提高叠前地震资料的分辨率。首先通过拓展Robinson褶积模型，消除噪声对反褶积因子的影响；然后根据多道统计原理，对地震子波进行分解，进行地表一致性自相关计算；进而求取最小相位子波，并以宽带子波作为期望输出求解反褶积因子，最终完成反褶积处理。将该方法分别应用于模型数据和实际地震资料的处理，获得了宽频带的地震资料，取得了良好的处理结果。与传统反褶积方法相比，宽带子波反褶积方法既能提高地震资料的分辨率，又能保持地震资料原有的信噪比，因此适用于致密砂岩储层地震资料处理。