时间推移地震反演的连续模型与算法

针对时间推移地震反演问题建立了依赖勘探时间的数学模型,并在此基础上设计了全局收敛的连续型及逐次递归算法.将同伦方法与Tikhonov正则化方法相结合,设计了初次勘探反演的同伦-正则化方法.以三维时间推移地震为例,在连续型及逐次递归算法的基础上构造了快速的局域化反演算法.数值模拟结果说明了上述方法都是有效的.     

基于各向异性全变分约束的多震源弹性波全波形反演

多震源编码技术可以提高全波形反演的计算效率,但同时会引入串扰噪声使反演结果质量降低. 全变分约束可以有效地压制层内噪声并突出模型界面,其与多震源技术的结合,能在大大提高弹性波全波形反演效率的同时提高反演质量. 本文提出了一种高效的动态多震源全波形反演策略,可以在离散串扰噪声的同时保证照明的均匀性. 根据残留串扰噪声的分布特征,构建了与之匹配的基于各向异性全变分约束的弹性波全波形反演方法. 为了减少周期跳跃效应,将基于稀疏约束的低频重构算法应用于弹性波地震记录,给出了利用快速梯度投影算法求解各向异性全变分约束的全波形反演流程. 模型数据测试结果表明本文的方法不仅能有效地抑制多震源方法导致的串扰噪声,同时也能降低观测数据中的噪声对反演结果的影响.     

基于流体饱和多孔隙介质波动方程的时间推移地震反演

针对二维流体饱和多孔隙介质波动方程,设计了自适应同伦法和小波-自适应同伦法,在此基础上,将局域化思想引入时间推移地震反演,并使用小波-自适应同伦法和自适应同伦法反演两次监测数据,提出了一种适用于时间推移地震勘探的局域化反演算法.为了验证新方法是可行的,文中把它应用于同一地点不同时间的观测模型,通过数值实验表明了这种方法的有效性.     

基于全变分原理的多震源混合数据直接偏移方法

多震源混合地震采集技术,即将多个震源以一定编码方式连续地激发,得到多炮混合的地震数据.该技术能减少地震采集时间,节约采集成本,但是混合数据的直接偏移会在成像剖面中引入严重的串扰噪声,影响成像效果.从数学上看,地震成像属于典型的数学物理反问题,可以采用线性反演方法求解一个正则化约束的最小二乘(LS)优化问题,获得更高质量的成像结果.全变分(TV)正则化方法是图像去噪和复原领域中广泛应用的热点技术,其能在去除噪声的过程中保留图像的边缘信息和不连续性.在对TV图像去噪复原方法原理分析的基础上,本文将多震源混合数据直接偏移成像问题转换成图像复原的极小化能量泛函问题,用TV正则化代替传统最小二乘偏移(LSM)中的L2范数正则化,提出基于全变分原理的混合数据直接偏移方法.该方法使用基于梯度的快速迭代收缩阈值与快速梯度投影组合算法——FISTA/FGP求解最优化问题,能有效压制串扰噪声,增强同相轴连续性,提高成像分辨率.理论模型测试结果表明:将本方法应用于混合数据,无论是去噪效果还是成像精度都得到显著改善.     

基于改进全变差正则化的GPR多尺度全波形双参数同步反演

针对探地雷达（GPR）双参数全波形反演中电导率反演精度差、双参数存在串扰现象、反演计算量大、易陷入局部极值等问题.作者将具有多参数调节功能的L-BFGS算法引入到GPR时间域全波形反演中,它避免了对Hessian矩阵的直接存储与精确求解,减小了存储量和计算量.结合参数调节因子的选取,有效减小了同步反演时介电常数与电导率的串扰影响,在不降低介电常数反演精度的前提下,提高电导率参数的反演精度.通过在反演目标函数中加载改进全变差正则化方法,提高了反演的稳定性,使目标体边缘轮廓更加清晰.首先以简单模型为例,对比了单尺度反演与多尺度串行反演策略的优劣,说明多尺度串行反演有利于逐步搜索全局最优解;而开展参数调节因子的选取实验,说明合适的参数调节因子可以有效改善介质电导率的反演精度;测试了不同正则化的反演效果,表明改进全变差正则化能提高反演稳定性,显著降低模型重构误差.最后,分别对含噪合成数据和实测数据进行了反演测试,说明本文提出的多尺度、双参数反演具有较强的鲁棒性,能提供更丰富的信息约束,重构图像界面清晰、反演效果好.     

二维波动方程速度的正则化-同伦-测井约束反演

针对二维波动方程反问题,将大范围收敛的同伦方法引入速度参数的反演过程中,并将其与求解不适定问题的Tikhonov正则化有机结合,提出了一种新的、特别适用于非线性的、不适定的、多极值的地震勘探反演问题的反演策略：正则化－同伦方法. 为了充分利用测井资料和地震资料的互补特征,进一步提高反演分辨率并压制噪声,设计了正则化-同伦－测井约束联合反演方法. 大量数值试验结果表明了这两种方法的有效性.     

基于主成分-正则化极限学习机的超高密度电法非线性反演

超高密度电法是一种新的地球物理探测技术,它通过多通道数据采集和多装置数据联合反演,极大地提高了电法勘探的成像精度.本文提出一种主成分-正则化极限学习机(PC-RELM)非线性反演方法,该方法针对超高密度电法所获取的高维勘探数据进行反演建模,通过随机设定隐层参数来简化模型的学习过程,通过主成分分析方法来进行高维数据降维,最后引入正则化因子提高反演模型的泛化能力.论文给出了超高密度电法的原理、样本构造方法和非线性反演流程,使用交叉验证方法获得了优化的隐节点数目和正则化参数,构造了优化的反演模型.通过两个经典的超高密度模型的反演结果表明,该方法能够较好地解决超高密度电法反演的高维数据非线性建模问题,能够弥补单一装置数据反演的不足,同时相较其他的非线性反演方法(ELM,BPNN和GRNN)具有更加准确的反演结果.     

地震波形反演的稀疏约束正则化方法

本文考虑地震波形反演问题.为了克服传统的Tikhonov正则化方法过度光滑的弊端,引入了非线性稀疏约束正则化方法,并采用对偶方法求解稀疏约束泛函的极小点.基于二维声波方程波形反演问题进行了数值模拟,针对不同模型对稀疏约束正则化方法进行了测试.结果表明,稀疏约束正则化方法对不连续介质模型的介质边缘具有良好的识别能力.     

基于广义Beta小波稀疏域混合约束优化的地震去噪方法研究

地震随机噪声压制是鄂尔多斯盆地黄土塬、沙漠、戈壁滩等复杂地表区域低信噪比地震资料处理的一项重要任务.稀疏反演去噪是地震随机噪声压制的常用方法之一.?₁范数和全变分(Total Variation, TV)正则化是稀疏变换域去噪方法中常用的两种正则化项.但是,?₁范数是对?₀范数的松弛,难以提供更稀疏的去噪结果;基于TV正则化项的方法容易引起阶梯状异常结果.因此,为了避免上述缺点,本文提出了一种基于广义Beta小波稀疏域混合范数优化的地震随机噪声压制方法和算法流程实现.首先利用广义Beta小波紧标架加快计算,获得具有更高局域化性的稀疏时频表示.其次是引入包括?_p范数和TV正则化的混合约束项,克服单一正则化项的缺点.最后,利用鄂尔多斯盆地黄土塬区的合成地震数据、三维叠后地震数据和共反射点道集数据验证了本文去噪方法的有效性.结果表明：本文提出的去噪方法既能够有效抑制随机噪声、显著提高信噪比,让地震同相轴连续光滑;又能够准确保护有效信号,保持波组间的相对幅值,突出有利微小断层和含油气层的振幅形态.     

多尺度快速匹配追踪多域联合地震反演方法

多尺度快速匹配追踪多域联合地震反演是一种通过地震数据多尺度分解的迭代反演方法.与此同时,在快速匹配追踪算法中引入低频模型约束,有效提高了收敛精度,使反演结果具有丰富的高低频信息.首先通过对大尺度地震资料进行反演得到低频背景.在此基础上,采用中尺度与小尺度地震数据进行逐级迭代用以获得高频数据,因而有效缓解了常规反演方法对于初始模型精度的依赖.最后利用理论模型与实际地震数据进行测试,通过与常规时间域反演方法的反演结果进行对比可以看出,本文方法在地层连续变化处依然可以对变化地层进行精确刻画,且在纵向分辨率提升的同时保持了较好的横向连续性.     

基于Shearlet变换和广义全变分正则化的地震数据重建

压缩感知技术通常利用地震信号在某一变换域内的稀疏性质,将随机缺失的地震数据重建问题转化为L1正则化问题.本文首先通过Shearlet变换获得地震信号的稀疏性质,再将广义全变分（TGV）约束引入L1正则化模型,构建了基于Shearlet变换的双正则化模型用于重建地下介质的图像.与传统L1正则化方法相比,基于Shearlet变换的双正则化方法不仅考虑了信号的稀疏性,同时兼顾了地下介质结构的复杂性,可以较好的重建地下结构体的图像.最后采用交替方向乘子法（ADMM）求解所建模型,每个子问题均可得到显式解.数值实验对比了基于小波变换、Shearlet变换的L1正则化方法和TGV正则化方法,结果表明基于Shearlet变换的双正则化方法对于随机采样50%数据的情况具有较好的重建结果,同时对于有限范围的连续缺失数据的重建亦具有一定的有效性.     

基于Seislet-TV双正则化约束的地震随机噪声压制方法

人工地震数据总是受到随机噪声的干扰,地震数据时-空变的特性使得常规去噪方法处理效果并不理想,容易导致有效信号的损失.目前广泛应用的预测滤波类方法存在处理时变数据能力不足的问题.随着压缩感知理论的不断完善,稀疏变换阈值算法能够解决时变地震数据噪声压制问题,但是常规的稀疏变换方法,如傅里叶变换,小波变换等,并不是特殊针对地震数据设计的,很难提供地震数据最佳的压缩特征,同时,常规阈值算法容易导致去噪结果过于平滑.因此开发更加有效的时-空变地震数据信噪分离方法具有重要的工业价值.本文将地震数据信噪分离问题归纳为数学基追踪问题,在压缩感知理论框架下,利用特殊针对地震数据设计的VD-seislet稀疏变换方法,结合全变差(TV)算法,构建seislet-TV双正则化条件,并利用分裂Bregman迭代算法求解约束最优化问题,实现地震数据的有效信噪分离.通过理论模型和实际数据测试本文方法,并且与工业标准FXdecon方法进行比较,结果表明基于seislet-TV双正则化约束条件的迭代方法能够更加有效地保护时-空变地震信号,压制地震数据中的强随机噪声.     

A compound method for random noise attenuation

Random noise attenuation, preserving the events and weak features by improving signal‐to‐noise ratio and resolution of seismic data are the most important issues in geophysics. To achieve this objective, we proposed a novel seismic random noise attenuation method by building a compound algorithm. The proposed method combines sparsity prior regularization based on shearlet transform and anisotropic variational regularization. The anisotropic variational regularization which is based on the linear combination of weighted anisotropic total variation and anisotropic second‐order total variation attenuates noises while preserving the events of seismic data and it effectively avoids the fine‐scale artefacts due to shearlets from the restored seismic data. The proposed method is formulated as a convex optimization problem and the split Bregman iteration is applied to solve the optimization problem. To verify the effectiveness of the proposed method, we test it on several synthetic seismic datasets and real datasets. Compared with three methods (the linear combination of weighted anisotropic total variation and anisotropic second‐order total variation, shearlets and shearlet‐based weighted anisotropic total variation), the numerical experiments indicate that the proposed method attenuates random noises while alleviating artefact and preserving events and features of seismic data. The obtained result also confirms that the proposed method improves the signal‐to‐noise ratio.     

Simultaneous time-lapse electrical resistivity inversion

Time-lapse monitoring is a powerful tool for observing dynamic changes in the subsurface. In particular it offers the potential for achieving inversion results with increased fidelity through the inclusion of complementary information from multiple time-steps. This inclusion of complementary information can reduce the need for spatial smoothing, without adding inversion artifacts to the resulting images. Commonly used time-lapse inversion methods include the ratio method, cascaded time-lapse inversion, difference inversion and differencing independent inversions. We introduce two additional methods in which both time-lapse data sets are inverted simultaneously. In the first, called temporally constrained time-lapse inversion, inversion of both datasets is done under a single optimization procedure and constraints are added to the regularization to ensure that the changes from one time to another are smooth. In the second method, called simultaneous time-lapse inversion, the inversions at time 1 and time 2 are performed simultaneously and constraints of smoothness and closeness to a reference model are applied to the difference image produced at each iteration, and subsequently, the constraints are updated at each iteration. Through both a numerical and a field example we compare the results of common time-lapse inversion methods as well as the introduced approaches. We found that of the commonly used time-lapse inversion methods the difference inversion method produced the best resolution of time-lapse changes and was the most robust in the presence of noise. However, we found that the alternative approach of simultaneous time-lapse inversion produced the best reconstruction of modeled EC changes in the numerical example and easily interpretable high resolution difference images in the field example. Moreover, there was less tailoring of regularization parameters with our simultaneous time-lapse approach, suggesting that it will lend itself well to an automated inversion code.     

电阻率成像的混合正则化反演算法

利用混合正则化方法对二维分片常值电阻率进行反演研究,该方法结合了全变差正则化方法(total variation regularization)和经典吉洪诺夫正则化方法(classical Tikhonov regularization)的优点. 全变差正则化能够有效地重构分片常值电阻率和识别边界,而经典吉洪诺夫正则化方法则能有效地重构光滑的电阻率,从数值算例中可以看出,将这两种方法有效地结合到一起能够改进重构效果.     

基于Abel变换的图像重建自适应方法

本文论述了利用轴对称物体的单幅投影信息进行密度重建的一种自适应正则化模型。所提模型基于全变分正则项与高阶全变分正则项的联合使用,主要的优点是在保持清晰的界面及恢复平稳变化区域的同时减弱了阶梯效应。并且使用自适应方法,提高了效果的同时简化了所使用的参数。对于其中涉及的最优化问题,我们采用增广拉格朗日方法来解。数值结果表明,这一模型提高了关于密度界面位置及密度值的准确度,具有较好的抗噪性。      

地震波干涉偏移及预条件正则化最小二乘偏移成像方法对比

地震波干涉偏移和偏移反演成像是近年来十分活跃的两个研究领域.干涉偏移提供了一个新的地震波数据成像工具,而偏移反演则提供了高逼近度地震成像.二者的共同目的是改善传统直接偏移方法的成像效果,展宽成像区域并提高成像的分辨率.本文研究干涉偏移方法和偏移反演方法对于地震成像效果的影响,探讨二者在提高成像分辨率上的异同.对于偏移反演,通过建立正则化模型,研究了预条件共轭梯度迭代正则化方法及改进措施,并通过绕射点模型数值模拟验证了该方法比直接偏移能够提高振幅的保真度和成像的分辨率.对于干涉偏移和偏移反演这两种方法,对层速度地震模型进行了数值模拟.结果表明干涉偏移和偏移反演成像方法比传统的偏移方法在成像效果上是更加有效的,因而对于实际的地震成像问题很有应用前景.     

层状孔隙介质震电波场数值模拟高频不稳定性问题的解析处理方法

自从发现震电现象以来,众多学者进行了相关研究.其中,Pride提出了一套描述流体饱和孔隙介质中震电波场的耦合与传播的宏观控制方程组,该方程组后来被广泛地应用到相关的震电研究中.Chen发展了一套广义反透射系数方法并将其应用到层状介质合成地震图的研究当中,该方法数值计算效率高并且可以处理带弯曲界面层状介质这种复杂模型.基于Pride的震电波场控制方程组,我们将Chen的广义反透射系数方法推广应用到层状孔隙介质中震电波场的数值模拟研究中,但是在数值计算过程中发现,当含源层的厚度相对于地震波波长较大时（即高频情况）,会出现数值计算的不稳定,此即为高频不稳定性问题.针对高频不稳定性问题,一种自然的处理方法就是在原来的含源层中插入两个虚拟界面,构造出一个新的含源薄层,但是这会带来一些额外的计算量,此外,由于虚拟含源薄层的厚度是有限的,必须针对具体模型参数设定一个合适的厚度值.高频不稳定性问题同样存在于层状介质合成地震图的数值计算过程中,Chen提出了一种解析的处理方法,即在原含源层内引入一无限薄的虚拟含源薄层,通过解析的方法解决高频不稳定性问题,该方法不会降低计算效率且适用于任意参数模型.本文首先对层状孔隙介质中的震电波场数值计算公式进行分析,指出源项积分中的指数增长因子是导致高频不稳定性问题的根本原因;其次将Chen在合成地震图数值模拟研究中采用的解析处理方法推广到震电波场研究中,得到了适用于数值计算的公式;然后给出数值算例,并针对一个含源层过厚的模型,比较了自然处理方法和解析处理方法,两种方法得到的结果具有相当好的一致性,而解析处理方法计算效率更高,证实了本文给出的解析处理方法在解决层状孔隙介质震电波场数值模拟的高频不稳定性问题方面的有效性.