基于点扩散函数的黏声介质反演成像

从弹性波基本方程出发,分析了地震波吸收与衰减补偿物理机制和黏声介质中应力-应变关系,得到了衰减与补偿统一表达的黏声介质传播方程。采用交错网格有限差分和最佳匹配层吸收边界条件来模拟这一方程,实现了黏声介质地震波场吸收与补偿的格林函数计算。凹陷速度模型测试结果表明,该方法能有效补偿吸收衰减振幅。从Hessian核函数的数学物理特征出发,对比分析了声波点扩散函数(PSF)和黏声波点扩散函数,结果表明,吸收衰减效应显著降低了照明振幅强度,带吸收衰减的PSF明显比声介质PSF能量低,在深层这种能量损耗更为强烈;吸收衰减效应改变了观测系统对地下的照明图样。进行了面向目标体的PSF分解和求逆,并将求得的逆算子直接作用于成像结果。盐丘模型测试结果表明,在盐丘周围,吸收衰减效应显著降低了成像分辨能力,精确的逆PSF能够有效提高反演成像结果的分辨率。     

面向模型空间地震反演成像的点扩散函数快速计算方法

点扩散函数(PSF)反映了地震观测系统对地下一个成像点观测过程的模糊化.在反演理论下可以证明,偏移成像是真实反射率与PSF卷积的结果.将反演成像转化为模型空间的图像去模糊问题,其核心在于PSF算子的计算和PSF模糊化效应的消除.提出了通过散射点模型的一次正演和偏移高效求取控制点PSF,而后通过空间插值快速得到全成像空间...     

基于卷积自编码器的地震数据处理

引入以深度学习为代表的数据驱动方法,加速地震数据的处理流程,获得更精确的地下介质信息. 卷积自编码器方法在地震数据压缩降维的同时,利用数据的空间局部相关性自动提取信号特征,避免数学物理模型的假设依赖. 通过设计不同地质模型的地下速度结构,利用波动方程正演模拟构建大量不同特征的地震数据训练集和测试集. 与模型驱动的地震随机噪声压制和地震道插值方法不同,数据驱动下的卷积自编码器方法能够从含随机噪声地震数据和地震道缺失数据中,直接识别和提取出其中的有效地震信号,从而压制随机噪声以及重建原始地震数据,实验结果验证了该方法的有效性. 卷积自编码器方法不需要人工阈值控制,具有更高的处理效率.