基于典型分解的地震勘探随机噪声模拟方法

随着矿产资源勘探的发展,地震勘探采集环境越来越复杂,接收到的反射地震记录中常常包含大量的干扰,从而造成野外地震资料信噪比低、面貌复杂、有效信息难以分辨,这对提取和利用地震记录中的有效信息造成了障碍。传统数值模拟的记录一般不具有包含各种成因的随机干扰噪声背景,虽然理论记录的处理效果都很好,但却很难处理实际低信噪比的地震资料。截至目前,地震勘探随机噪声模拟方法少有成形理论可以参考,对地震勘探随机噪声特性的认识存在一定的理想化和局限性。许多研究在进行噪声模拟时,添加的是在后续叠加处理时一般都能消除的白噪声,不能接近实际资料的处理。本文基于随机函数的典型分解理论,在用Marmousi模型记录的基础上,根据CMP道集的相干特性计算出可加性随机干扰,这种随机干扰因为与CMP道集记录具有类似的相干性而更接近实际地震资料的干扰背景。此方法可以指导地震勘探的野外观测系统的设计、地震数据的后期处理和解释。      

压制空间非平稳地震勘探随机噪声的ROAD径向时频峰值滤波算法

径向时频峰值滤波算法是一种有效保持低信噪比地震勘探记录中反射同相轴的随机噪声压制方法,但该算法对空间非平稳地震勘探随机噪声压制效果不理想.本文研究空间非平稳地震勘探随机噪声,即各道噪声功率不同的地震勘探随机噪声,其在径向滤波轨线上表征近似脉冲噪声,在径向时频峰值滤波过程中干扰相邻道滤波结果.为了减小空间非平稳随机噪声的影响,本文提出一种基于绝对级差统计量(ROAD)的径向时频峰值滤波随机噪声压制方法.该方法首先根据径向轨线上信号的绝对级差统计量检测空间非平稳地震勘探随机噪声,然后结合局部时频峰值滤波和径向时频峰值滤波压制地震勘探记录中的随机噪声.将ROAD径向时频峰值滤波方法应用于合成记录和实际共炮点地震记录,结果表明ROAD径向时频峰值滤波方法可以压制空间非平稳地震勘探随机噪声且不损害有效信号,有效抑制随机噪声空间非平稳对滤波结果的影响.与径向时频峰值滤波相比,ROAD径向时频峰值滤波方法更适用于空间非平稳地震勘探随机噪声压制.     

地震随机噪声压缩感知迭代压制方法

复杂地表和复杂介质条件下,随机噪声往往严重影响着复杂地震信号的信噪比,同时深层地球物理目标探查中弱地震信号总是被随机噪声所掩盖,如何有效地压制随机噪声干扰、恢复有效地震信号仍然是高精度地震勘探中的关键问题.压缩感知理论突破了奈奎斯特采样定理的限制,利用有效地震信号的可压缩性和稀疏性,提供了从不可压缩随机噪声中进行有效信号分离的数据原理.本文系统分析压缩感知框架下地震随机噪声压制的稀疏优化反问题,提出了基于迭代软阈值算法的"采集-重建-修复"方案对该问题进行求解.在实现高度稀疏表征的基础上进行地震数据的压缩感知随机观测,通过迭代反演对有效地震信号进行重构,有效提高复杂地震数据的信噪比,同时,当求解稀疏优化问题时,如果出现正则化项引起重构信号衰减现象,可以匹配除偏对衰减的有效信号进行修复.通过与工业标准 f-x预测滤波方法进行比较,理论模型和实际数据处理的结果表明,压缩感知迭代噪声压制方法对复杂地震数据中的随机噪声有较好的压制效果,可以有效恢复出被较强非平稳随机噪声干扰的时空变同相轴信息.     

沙漠地区地震勘探随机噪声建模及其在噪声压制中的应用

随机噪声是影响地震勘探有效信号的主要因素,其存在大大降低了地震记录的信噪比.在噪声压制方法不断被改进的同时,对随机噪声特性进行研究,了解噪声的产生机制是对其进行压制的先决条件,目前对噪声的研究主要是特性研究以寻找规律性,对其进行定性定量的分析还比较少.本文根据塔里木沙漠地区实际采集环境,考虑到噪声的连续性给计算带来的不便,假设各类噪声源以点源的形式分布在检波器周围,依据相应理论确定各类噪声源的源函数,其激发的噪声经由波动方程传播,将随机噪声作为各类噪声源共同作用的综合波场,建立随机噪声的理论模型.通过分析不同种噪声对地震记录的影响,选取合适的滤波方法对其进行压制,实验结果表明,通过建立沙漠地区随机噪声的理论模型,为选择有效的滤波方法,提高地震记录信噪比起到理论指导作用.     

基于SW统计量的自适应时频峰值滤波压制地震勘探随机噪声研究

由于金属矿区地震记录中随机噪声性质复杂且信噪比低,常规降噪方法难以达到预期的滤波效果.时频峰值滤波(TFPF)方法是实现低信噪比地震勘探记录中随机噪声压制的有效方法,但其在复杂地震勘探随机噪声下时窗参数优化问题仍难以解决.本文充分利用地震勘探噪声的统计特性,结合Shapiro-Wilk(SW)统计量辨识地震勘探记录中的微弱有效信号,提出基于SW统计量的自适应时频峰值滤波降噪方法(S-TFPF).在S-TFPF方案中,对于有效信号集中区,S-TFPF方法根据信号频率特征,选择有利于信号保持的较短时窗长度;对于噪声集中区,按噪声方差自适应增加时窗长度,增强随机噪声压制能力.S-TFPF应用于合成记录和共炮点记录的滤波结果表明,与传统时频峰值滤波方法相比,S-TFPF方法可以有效抑制低信噪比地震勘探记录中的随机噪声,更好地恢复出同相轴.     

基于压缩感知理论的地震数据降噪方法

针对地震数据在采集处理过程中存在的随机噪声,本文从压缩感知的角度,给出了一种地震数据降噪方法.其基本思路是:首先对含有随机噪声地震数据通过离散余弦变换进行稀疏表示,然后选取随机高斯矩阵为测量矩阵,并计算出传感矩阵,在地震数据重构阶段,采用正交匹配追踪算法对地震数据进行重构;通过实验方法对比,本文方法的降噪效果在峰值信噪比、信噪比、均方误差指标上均优于对比方法,证明了本文方法对地震数据中的随机非平稳噪声有较好的压制效果,提高了地震数据的信噪比.     

基于分块字典学习理论的地震数据去噪

随着油气勘探观测环境愈发复杂,采集的地震数据常常掺杂各种噪声信号,导致勘探目标引起的有效微弱信号被覆盖,严重影响高精度的地震勘探数据解译,因而有效的压制地震勘探数据噪声显得越发重要。本文采用字典学习策略,将复杂地震数据进行分块,通过分块数据的字典学习获取字典原子,构建高精度的字典学习地震数据稀疏表示,通过两次迭代更新字典原子,进行数据去噪。将本文的字典学习算法应用于含随机噪声的模拟数据和实测地震勘探数据处理,验证该算法的可行性及有效性。结果表明,本文算法有效去除了随机噪声,保留了有效信号同相轴,提高了信噪比,可为复杂含噪地震数据的去噪处理提供新的技术手段。      

低信噪比地震资料FDOC-seislet变换阈值消噪方法研究

地震数据本质上是时变的,不仅有效同相轴表现出确定性信号的时变特征,而且复杂地表和构造条件以及深部探测环境总是引入时变的非平稳随机噪声.标准的频率-空间域预测滤波只适合压制平面波信号假设下的平稳随机噪声,而处理非平稳地震随机噪声时,需要将数据体分割为小窗口进行分析,但效果不够理想,而传统非预测类随机噪声压制方法往往适应性不高,因此开发能够保护地震信号时变特征的随机噪声压制方法具有重要的工业价值.压缩感知是近年出现的一个新的采样理论,通过开发信号的稀疏特性,已经在地震数据处理中的数据插值以及噪声压制中得到了应用.本文系统地分析了压缩感知理论框架下的地震随机噪声压制问题,建立了阈值消噪的数学反演目标函数;针对时变有效信息具有的可压缩性,利用有限差分算法求解炮检距连续方程,构建有限差分炮检距连续预测算子(FDOC),在seislet变换框架下,提出一种新的快速稀疏变换域———FDOC-seislet变换,实现地震数据的高度稀疏表征;结合非平稳随机噪声不可压缩的特征,提出了一种整形迭代消噪方法,该方法是一种广义的迭代收缩阈值(IST)算法,在无法计算稀疏变换伴随算子的条件下,仍然能够对强噪声环境中的时变有效信息进行有效恢复.通过对模型数据和实际数据的处理,验证了FDOC-seislet稀疏变换域随机噪声迭代压制方法能够在保护复杂构造地震波信息的前提下,有效地衰减原始数据中的强振幅随机噪声干扰.     

金属矿山地地区地震勘探随机噪声的波动方程模拟

消减随机噪声是目前陆地地震勘探数据处理的关键问题之一,分析随机噪声的产生机制及特征是对其进行有效压制的先决条件.本文针对中国南方山地金属矿区的勘探环境,根据随机噪声中包含的自然噪声和人文噪声的发声机理分别确定其噪声源函数,以波动方程作为噪声传播模型对山地地区随机噪声进行建模,将随机噪声作为一个综合波场,并且与实际噪声记录进行比较.随机噪声记录作为时空域的二维随机过程,分别对模拟噪声和实际噪声记录的时间域波形(振动图)特征包括频谱、功率谱密度,相空间轨迹图,统计量特征(能量分布,累积分布,均值,方差,峰度,偏度),和空间域波形(波剖面)特征包括波数谱和统计量特征进行比较,对比结果显示在时空域模拟噪声和实际噪声都有基本相同的性质,证明了本文对随机噪声模拟方法的可行性,为进一步研究随机噪声时空域传播特性以及噪声消除奠定理论基础.     

时频峰值滤波去噪技术及其应用

本文将时频峰值滤波(TFPF)去噪技术应用于共炮点地震资料的随机噪声压制.时频峰值滤波技术是通过频率调制将信号调制成解析信号的瞬时频率,利用解析信号的Wigner-Ville分布的峰值进行瞬时频率估计,恢复有效信号,与其它去噪方法相比,TFPF具有在较少的约束条件下压制强随机噪声的优点.本文针对实际地震资料的非线性特性,利用加窗的Wigner-Ville分布实现TFPF,使得地震信号在一个窗长内近似满足线性瞬时频率条件,减小由地震信号非线性引起的偏差.本文对共炮点地震记录做时频峰值滤波处理,滤波结果表明在地震勘探资料中存在强随机噪声的情况下,利用局部线性化处理的时频峰值滤波技术可以有效地压制地震资料中的随机噪声,恢复出湮没在随机噪声中的地震反射信号.信噪比提高3～6 dB.     

Statistical analysis of background noise in seismic prospecting

From a conventional viewpoint, seismic‐prospecting background noise is usually regarded as the product of a stationary and Gaussian stochastic process. In this paper, we use statistical methods to investigate the properties of the land‐seismic‐prospecting background noise on stationarity, Gaussianity, power spectral density, and spatial correlation. We use and analyse the passive noise records collected by receiver arrays at different typical geological environments (desert, steppe, and mountainous regions). Differences exist in the statistical properties of the background noise from different geological environments, but we still find some common characteristics. It is shown that the background noise is not strictly stationary and has different stationary properties over different timescales. Most of the noise records appear to be a Gaussian process when examined over a period of about 20 s but are found to be non‐Gaussian when examined over shorter periods of about 1 s. The background noise is a kind of colored noise, and its energy mainly concentrates in the low‐frequency bands. We also find that the spatial correlation of the background noise is weak. The results of this paper provide a scientific understanding about the properties of seismic‐prospecting background noise.     

Statistical tests for regional seismic phase characterizations

In seismic analysis some assumptions are often made aboutthe data, e.g. stationarity and Gaussianity. This is not obvious for all realseismic data. Here, we use statistical tests for characterization of regionalseismic data. We apply tests for stationarity, symmetry, linearity, andtime-reversibility. In the analysis we use twelve regional seismic events inFennoscandia recorded with the seismic small-aperture arrays NORESS,ARCESS and FINESA at hypocentral distances in the range from 160 to1580 km. For the tests we use the regional phases Pn, secondary P, Sn and Lg-phases and the preceding noise. Two of the eventsare explosions, two are rockbursts and eight are earthquakes. Theperformance and possibilities of using statistical tests based on bispectra, asa complementary tool for conventional analysis of seismic phases isdemonstrated. The preceding noise recorded before the first onset of theP-wave for the twelve events is tested to be spatially stationarybetween each channel within each array and temporal stationary in 21consecutive time windows of 3.2 sec each. Also, the preceding noise issymmetric and linear. The seismic phases defined by the symmetry test asnon-Gaussian (not symmetric) are all linear. This means a linear model canbe used to characterize both the noise and the phases. The first P-phase for the two explosions is characterized as non-Gaussian at thethree arrays. For all 36 possibly first P-phase arrivals at the three arraystations, 23 are non-Gaussian. The second P-phase is non-Gaussian at13 of 36 data records, the S-phase at eleven of 36 and the Lg-phase at nine of 36. For all the four phases more than 32 of possible36 are time-reversible.     

Seismic directional random noise suppression by radial‐trace time–frequency peak filtering using the Hurst exponent statistic

Radial‐trace time–frequency peak filtering filters a seismic record along the radial‐trace direction rather than the conventional channel direction. It takes the spatial correlation of the reflected events between adjacent channels into account. Thus, radial‐trace time–frequency peak filtering performs well in denoising and enhancing the continuity of reflected events. However, in the seismic record there is often random noise whose energy is concentrated in certain directions; the noise in these directions is correlative. We refer to this kind of random noise (that is distributed randomly in time but correlative in the space) as directional random noise. Under radial‐trace time–frequency peak filtering, the directional random noise will be treated as signal and enhanced when this noise has same direction as the signal. Therefore, we need to identify the directional random noise before the filtering. In this paper, we test the linearity of signal and directional random noise in time using the Hurst exponent. The time series of signals with high linearity lead to large Hurst exponent value; however, directional random noise is a random series in time without a fixed waveform and thus its linearity is low; therefore, we can differentiate the signal and directional random noise by the Hurst exponent values. The directional random noise can then be suppressed by using a long filtering window length during the radial‐trace time–frequency peak filtering. Synthetic and real data examples show that the proposed method can remove most directional random noise and can effectively recover the reflected events.     

GNMF小波谱分离在地震勘探噪声压制中的应用

地震勘探资料噪声压制及信噪比提高是整个地震勘探信号处理过程中的重要任务,随着地震勘探深度的增加及其复杂性,人们对地震数据质量的要求越来越高.勘探环境的复杂化使得采集到的地震资料中有效信号被大量噪声淹没,无法清晰辨识,严重影响后续的数据处理与解释.小波去噪是地震勘探中常用且发展较成熟的一种方法,但是其涉及到的阈值函数选取问题一直令人困扰,虽然已有多种阈值函数被提出,但仍存在各自的缺陷.本文利用小波分解在时域及频域良好的信号细节体现特性,引入模式识别中的非负矩阵分解(NMF)谱分离思想,针对小波系数阈值优化问题,提出了一种小波域图非负矩阵分解(GNMF)消噪算法.该方法首先在小波分解基础上,利用GNMF算法实现小波分解系数谱中信号分量与噪声分量的谱分离,然后通过反变换重构各分离子谱对应的子信号,最后利用K均值聚类算法将得到的多个子信号划分为信号类及噪声类,最终得到重构信号及分离噪声.合成记录和实际地震资料的消噪结果验证了新方法在提高信号与噪声分离准确性和精度方面的有效性,同时新方法避免了阈值选取造成的噪声压制不理想或有效成分损失问题.与小波消噪结果的对比及数值分析也说明了新方法在噪声压制及有效成分保持方面的优势.     

结晶岩地区深地震数据采集关键技术与方法

深反射地震是了解深部地质结构的主要手段,获取高品质的数据是给出合理地质解释的基础.在结晶岩地区,由于地层成层性差、非均质性严重,地震散射效应明显,导致地震波场复杂,同时结晶岩为非理想弹性体,不利于地震波能量转换,有效反射能量弱,信噪比低.加之深反射地震的目标层较深且受环境噪声干扰严重,高频信号衰减快,地震资料主频较低.这些因素使得在结晶岩区难以获得高品质的地震资料,为探索提高该类地区深反射地震资料质量的方法和技术,本文依托长江中下游成矿带2009—2014年深反射地震数据采集工作,在精细设计、严格施工的基础上,从激发和接收入手,开展了"轴向不耦合激发"、"宽频接收"和"宽线观测"等技术方法试验研究.结果表明,这些方法技术措施提高了下传弹性波能量,展宽了接收地震信号的频带,提高了覆盖次数和信噪比,有效改善了地震原始资料的品质和成像效果.研究结果对今后结晶岩地区深地震反射数据采集工作具有重要的实用价值和参考意义.     

混采数据分离中插值与去噪的同步处理

近年来,由于新兴的混合采集观测系统在很大程度上提高了采集效率,因此得到了很多学者和石油公司的青睐.但在实际应用中,这种特殊观测系统的采集质量却受到很多因素的影响.一方面,该观测系统采集到的炮记录会受到相邻炮记录的干扰;另一方面,复杂的采集环境使得地震记录中包含部分空道;另外,采集过程中的场地环境干扰会不可避免地带入随机噪音,它们都会影响采集质量.虽然已有一些学者对这些因素做了相关研究,但都是单独分析,未能综合考虑各种干扰因素.本文基于稀疏约束反演的基本原理,将混合炮数据的分离、缺失道集的插值以及对随机噪音的压制问题整合在一起,通过一步处理同时减小如上三方面因素的不利影响,在改善信噪比的同时极大地提高了地震资料的处理效率.文章利用模拟数据和实际数据对这种新方法进行了验证,均得到了比较满意的效果.