分层层间多次波预测与自适应压制方法研究

在地震勘探中,层间多次波在地震剖面上形成的虚假界面会严重影响对地质构造的解释.由于层间多次波在走时、频率和形态上与一次波的差异较小,因此较难对层间多次波进行识别和压制.本文使用分层层间多次波预测方法与基于2D卷积信号盲分离的多次波自适应相减方法相结合的策略对层间多次波进行压制处理.首先推导并阐述了分层层间多次波预测方法的理论基础,然后对地下介质中存在的多个多次波产生界面实现了层间多次波的分层预测,最后采用基于2D卷积信号盲分离的多次波自适应相减方法对层间多次波进行压制,以更好的保护有效信号.分层预测的方法通过分离层间多次波产生层位,对目标层位产生的所有层间多次波直接进行预测,该方法避免了共聚焦点方法构建共聚焦点道集的聚焦运算,降低了计算成本,同时该方法是基于数据驱动的,算法容易实现.模型数据和实际地震资料试算结果表明,本文方法能直接利用地表数据对层间多次波进行压制,并有效的保护一次波．     

多次波压制的研究现状与进展

目前地震资料处理技术主要利用一次波对地下地质体进行成像或反演,多次波的存在会严重影响地震成像、反演与解释结果.因此,多次波通常作为噪声在地震数据叠前处理阶段进行压制.为了合理选择不同的多次波压制方法,提高地震资料信噪比和保真度,本文系统综述了多次波压制的国内外研究现状,简要介绍了滤波法、预测相减法、稀疏反演法的基本原理,并围绕理论假设条件与实际数据要求,分析比较了各种方法的适用性与优缺点.基于波动方程的预测相减法克服了滤波法关于地震信号统计特征的假设,增强了对复杂地震数据的适应性,但最小二乘自适应相减会损害有效信号.稀疏反演法采用全波形反演的方法估计一次波与多次波,避免了自适应相减步骤,能够更加保真地恢复有效信号.本文通过实际算例重点阐述了稀疏反演法相对于反馈迭代法在多次波压制中的突破性进展,同时指明了稀疏反演法存在的问题并展望了未来的发展方向.     

基于深层神经网络压制多次波

有效压制多次波一直是地震勘探中的难点问题.尽管已发展了多种多次波压制方法,但仍存在多次波压制不全、计算耗时长等缺陷,使得应对复杂地质地震数据多次波压制具有挑战性.为了突破现有多次波压制方法的局限性,本文提出了一种基于深层神经网络的多次波压制方法,采用的深层神经网络是一种改进的具有卷积编码器和卷积解码器的U-net网络.不同于常规方法依赖于滤波或波动理论,该方法仅依赖于大量训练数据.训练数据以含多次波的原始地震数据作为输入,不含多次波的地震数据作为输出,通过最小化损失函数来优化神经网络参数.训练成功的网络模型具备较好地分离多次波和一次波的能力,可直接用来快速压制地震数据中的多次波,避免了常规方法涉及的大规模计算.工业界模型数据测试结果表明,本文提出的深层神经网络方法能有效压制复杂地质地震数据中的多次波,同时还具有较高的泛化能力和多次波压制效率.     

基于独立分量分析的多次波自适应相减技术

针对多次波自适应相减这个关键问题,文中首次提出利用独立分量分析技术来实现多次波和一次波的分离（简称ICAAMS）. 现有的多次波自适应相减技术大都是采用输出信号（一次波）能量最小准则,基于二阶统计量的技术. 本文提出的ICAAMS采用了输出信号非高斯性最大准则,并利用高阶统计量来表征非高斯性. 简单的褶积模型和复杂的有限差分模型资料处理结果表明, 本文提出的方法可以有效地分离一次波和多次波.     

压制多次波的正交多项式谱减法

本文提出了一种新的压制多次波的正交多项式谱减法.将地震资料经过正交多项式变换,其高阶系数谱主要体现了多次波特征.根据多次波低阶系数谱与高阶系数谱之间的关系,估计出多次波的低阶系数谱,从地震记录正交多项式系数谱中减去多次波的系数谱得到一次波的正交多项式系数谱.该方法较好地解决了一次波和多次波在正交多项式谱混叠的问题,尤其在近偏移距有效地分离了多次波和一次波,同时能够较好地保护地震信号中的AVO(amplitude versus offset,振幅随偏移距变化)信息.人工合成数据处理结果表明了所提出方法的有效性.     

多分量地震数据矢量滤波面波压制方法（英文）

针对陆上三分量地震资料去噪处理中面临的面波噪声能量强、有效信号能量弱、转换波与面波主频叠置、非矢量保真处理等问题,本文基于多分量数据中有效信号与强面波噪声在极化属性、振幅能量、视速度三方面的特征差异,提出了一种时频域压制多分量数据强面波的去噪方法,并设计了相应的矢量滤波器。该方法利用小波变换将地震信号变换到时频域,并基于时频域瞬时极化率公式计算出各点极化率参数,然后根据面波视速度划分出有效信号区和面波噪声区,并据此对有效信号进行能量均值统计,最后联合极化率、能量、频率特征对噪声识别和分频、分区压制。理论模型和实际资料处理验证了本文方法的正确性和有效性,为解决低信噪比陆上多分量资料面波压制提供了又一种有效手段。     

基于经验模态分解的分数维地震随机噪声衰减方法

经验模态分解算法(EMD)是一种基于有效波和噪声尺度差异进行波场分离的随机噪声压制方法,但由于实际地震数据波场复杂,导致模态混叠较严重,仅凭该方法进行去噪很难达到理想效果.本文基于EMD算法对信号多尺度的分解特性,结合Hausdorff维数约束条件,提出一种用于地震随机噪声衰减的新方法.首先对地震数据进行EMD自适应分解,得到一系列具有不同尺度的、分形自相似性的固有模态分量(IMF);在此基础上,基于有效信号和随机噪声的Hausdorff维数差异,识别混有随机噪声的IMF分量,对该分量进行相关的阈值滤波处理,从而实现有效信号和随机噪声的有效分离.文中从仿真信号试验出发,到模型地震数据和实际地震数据的测试处理,同时与传统的EMD处理结果相对比.结果表明,本文方法对地震随机噪声的衰减有更佳的压制效果.     

基于带状混合矩阵ICA实现地震盲反褶积

基于对地震反褶积本质上是一个盲过程的认识,引入高阶统计学盲源分离技术——独立分量分析（ICA）实现地震盲反褶积.在无噪声假设条件下,利用地震记录时间延迟矩阵和地震子波带状褶积矩阵,将地震褶积模型转化为一般线性混合ICA模型,采用FastICA算法,将带状性质作为先验信息,实现所谓带状ICA算法（B\|ICA）,得到个数与子波算子长度相等的多个估计反射系数序列和估计子波序列,最后利用褶积模型提供的附加信息从中优选出最佳的反射系数序列及相应的地震子波.模型数据和实际二维地震道数值算例表明：对于统计性反褶积,在不对反射系数作高斯白噪假设,不对子波作最小相位假设的所谓“全盲”条件下,基于ICA方法（反射系数非高斯分布,地震子波非最小相位）可以较好解决地震盲反褶积问题,是基于二阶统计特性的地震信号统计性反褶积方法的提升,具有可行性和应用前景.     

基于匹配滤波的多次波压制方法研究

常规滤波方法对浅海多次波压制不能取得理想效果.通过改变模型表面边界条件,求解波动方程实现多情景地震数值模拟.利用自由边界条件模拟时获得含海平面强反射多次波地震记录,而利用吸收边界条件时得到理想条件下无多次波地震记录.对比分析多次波对有效地震信号的影响得到海平面强反射多次波改变了有效地震信号的振幅、频率和相位.利用归一化方法计算得到压制多次波滤波器算子,并作用于含海平面强反射多次波地震记录.叠加地震剖面对比分析表明,归一化滤波器算子较好的压制了地震记录中的多次波,提高地震资料分辨率.最后,根据多次波产生条件,给出了利用实际区域简化地质模型的地震数值模拟结果计算归一化滤波器算子的方法,从而利用该方法压制实际地震数据中多次波.     

基于正交多项式变换的CMP动校正道集随机噪声压制

本文提出了一种新的基于正交多项式变换来压制动校正后CMP道集上随机噪声的方法,将地震资料经过正交多项式变换,建立正交多项式系数谱,该谱描述了地震资料在正交多项式域的能量分布,可以较好地分离有效波和随机噪声,相对于固定阶次的基于正交多项式变换压制噪声的方法,所提出的方法根据能量随阶次变化的规律,自适应确定表达有效信号的正交多项式阶次,既提高了信号和噪声的分离效果,又有效地保护了地震信号中的AVO信息,对人工合成数据和实际资料的处理结果表明了所提出方法的有效性.