基于多道卷积信号盲分离的多次波自适应相减方法

本文将多次波自适应相减问题表示为一个多道卷积信号的盲分离问题.利用2D卷积核来表示预测多次波和实际多次波之间的差异,并采用分离出的一次波信号的非高斯性最大化作为优化目标,我们提出一种基于多道卷积信号盲分离的多次波自适应相减算法.为了求解上述非线性优化问题,所提方法将其转化为一个迭代线性优化问题,采用迭代最小二乘方法加以实现.由于采用了多道卷积信号盲分离模型,所提方法能够适应预测和真实多次波之间在时间及空间上的变化.通过对简单模型数据、Pluto数据和实际数据进行处理,验证了所提算法的有效性.     

基于迭代反演的层间多次波压制方法

层间多次波与有效波在走时、频率和叠加速度上差异较小,因此层间多次波压制常难以获得理想效果.本文提出一种基于迭代反演的层间多次波压制方法(MSI,Multiple Suppression Inversion),该方法以共聚焦点(CFP,Common Focus Point)层间多次波压制理论为基础,通过构建卷积因子,将层间多次波压制转变为迭代反演的问题,直接利用观测的地震数据进行迭代反演计算,进而完成多次波压制.MSI方法避免了共聚焦点方法中构建CFP道集的聚焦运算,大幅降低层间多次波预测的计算成本;同时该方法为全数据驱动方法,无需地下介质任何先验信息,算法容易实现.模型数据测试表明,本文提出的方法可有效压制层间多次波,而且对有效波也具有很好的保幅性.     

多道自适应匹配滤波方法压制表面多次波

表面多次波压制是海洋地震数据处理的关键环节,基于波动方程的多次波压制方法可由多次波模型预测和自适应相减两步实现.因此,除了采用有效的算法实现高精度的多次波预测外,多次波的自适应相减也是改善多次波压制效果的重要手段.文中采用多道自适应滤波器完成表面多次波的自适应相减,利用数据驱动的基于波动方程预测多次波模型的高频重建道、Hilbert变换道、以及它们相应的上下延拓道改善预测多次波模型的振幅、相位、旅行时以及频带信息,使得修正后多次波模型与实际地震数据中的多次波更好地匹配.实际数据测试表明,文中所述方法可有效地完成表面多次波的自适应相减.通过讨论分析交叠时窗和滤波器的长度对自适应相减效果的影响,表明合理地利用时窗以及选择滤波器长度将有效地改善自适应相减的效果.     

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Marchenko理论一步法压制层间多次波

传统基于Marchenko理论自聚焦法压制层间多次波技术需要初始下行聚焦函数的估计,再进行多次波压制的自适应相减.论文基于传统方法的研究成果,提出了一种无需先验信息和自适应相减步骤的层间多次波压制方法.当聚焦点在实际反射层的反射点上时,上行格林函数为聚焦点上的脉冲源在表面所产生的上行波场,该反射层的反射将是上行格林函数的第一个同相轴.通过将格林函数与下行直达波场进行褶积,可将反射层处的所有焦点重新计算到地表,得到只含一次反射波的波场.利用初始下行聚焦函数和初始直达下行格林函数互为逆函数的关系,引入delta函数,将特定深度上所有聚焦点的聚焦函数投影到采集面上的检波器位置,可只利用地表获取的地震记录一步计算得到一次反射波.水平层状介质模型和复杂的含高速薄透镜地质体的介质模型中,进行了多次波压制的数值试验,通过与传统基于Marchenko理论自聚焦方法的压制效果进行对比分析,显示论文给出的一步法压制层间多次波的效果更好,进而验证了所提出方法的有效性和高精度的特点.     

基于波动方程表面多次波预测与 自适应相减方法研究

多次波预测与自适应相减是基于波动方程表面多次波压制的两个重要环节.文中利用具有并行计算优势的GPU加速表面多次波预测,使得预测效率大为提高.在自适应相减算法中,文中将预测的多次波道、预测多次波道的Hilbert变换道、预测多次波道的高频重建道、以及它们的平移道用作自适应相减中的多次波模型道.Hilbert变换道用以补偿预测多次波的相位信息,高频重建道用以改善预测多次波的高频信息,补偿频带能量差异.文中在预测和相减过程中均采用迭代算法,迭代预测,可较好地获得多次波的运动学特性,迭代相减,可较好地获得多次波的动力学特性,迭代预测与相减使预测的多次波与地震数据中实际的多次波更好地匹配.将该方法应用于理论模拟的SMAART模型和实际海洋数据中,测试结果表明,该方法预测多次波效率较高,在保持有效波振幅条件下可有效地压制地震数据中的表面多次波.     

表面多次波压制的研究进展:回顾与展望

在绝大多数的地震资料处理中,将多次波视为相干噪音进行压制.表面多次波的压制方法主要分为两大类:基于波动方程预测的预测减去法和基于信号处理的滤波法.本文系统地回顾了两类多次波压制方法,分析了各种方法处理各类介质的优势及存在问题.本文也阐述了基于波动方程预测的自适应相减方法的发展.分析了多次波压制方法的发展趋势,随着GPU...     

基于自适应加权超虚干涉法的地震面波压制研究

面波是陆地地震勘探数据的主要噪声,掩盖了地震记录中的有效波信号.常用的面波压制方法根据频率或视速度的差异将面波从有效波信号中分离出来并进行压制,但当差异不很明显时,难以取得较好的压制效果.鉴于目前基于地震干涉的方法只能得到检波点间的面波,文章提出使用数据驱动的超虚干涉法预测面波,该方法可以直接得到炮检点间面波,不要求检波点附近存在真实炮点用于实现面波的自适应相减.针对非均匀近地表结构产生的强频散面波,发展了自适应加权的超虚干涉法(AWSVI),提高了对频散面波的预测精度.合成数据实例验证了AWSVI方法预测强频散面波的有效性和对复杂地表情况的适用性.AWSVI方法应用在中国东部地区的实际陆地地震资料,相比常规的面波压制方法,更好地压制了残余面波.     

基于自适应变步长波场延拓的可控层分阶层间多次波模拟

地下低速夹层的存在导致地震数据中包含较强能量的层间多次波,有效识别和预测深部储层上覆地层产生的层间多次波是提高深部储层解释精度的重要环节,而准确模拟层间多次波是辅助识别地震数据中层间多次波的一种非常有效的方法.本文提出了一种基于自适应变步长波场延拓的可控地层分阶层间多次波模拟方法,该方法基于自适应变步长波场延拓,以递归循环的方式实现分阶层间多次波的模拟.通过对模型添加双重层位约束,可以模拟指定地层产生的各阶层间多次波.利用二维反周期延拓方法压制波场延拓的边界反射优于传统方法,例如吸收边界法.提出自适应变步长波场延拓技术,大大提升了波场模拟的效率.理论和数值例子表明,本文方法模拟的一次波和各阶层间多次波与常用的有限差分方法模拟结果具有很好的一致性,且克服了有限差分方法无法分阶模拟波场的不足,显著提升了层间多次波识别的效率.     

自适应虚同相轴方法压制地震层间多次波

地震数据中发育的层间多次波是影响速度分析和偏移成像的精度和可靠性的关键.通常情况下,层间多次波的动校正量、叠加速度和频率与一次波并无明显差异,从而对识别、预测和压制多次波带来了极大挑战.传统虚同相轴方法基于物理图像和定性公式,其预测的层间多次波振幅和相位精度难以满足实际需求,造成了其对匹配算法的过度依赖.本文针对传统虚同相轴方法的理论缺陷和计算精度问题,通过理论推导得到了新的自适应虚同相轴方法.相比于传统方法,自适应虚同相轴方法能够显著提高压制多次波能力,同时减少对匹配算法的依赖.本文给出了自适应虚同相轴方法的推导过程,并运用一维和二维模型算例验证了方法相较于传统虚同相轴方法的多次波预测精度优势.通过在PLUTO模型和实际陆地地震数据上的应用实例,证明了本文新研究的自适应虚同相轴方法对去除层间多次波,恢复并突出目标储层同相轴,提高地震成像分辨率的显著作用.     

基于非二次幂Curvelet变换的最小二乘匹配算法及其应用

本文提出了基于非二次幂Curvelet变换的最小二乘匹配算法.首先,根据输入地震信号的频谱和方向等特征进行非二次幂Curvelet变换,根据其特征不同,最大程度地将有效信号和噪声分开;然后,在噪声能量集中的非二次幂Curvelet子记录上对输入数据和预测的噪声模型进行最小二乘匹配滤波处理.本方法提高了常规最小二乘匹配算法在时间空间域内进行信噪分离的稳定性和准确性.对含有面波的实际地震数据进行测试,其结果表明本方法可以有效地压制面波干扰,特别是当面波和有效信号有交叉或重叠等现象出现时,能较好地保护反射同相轴信息.本方法还可用于对含自由表面多次波和层间多次波等地震数据进行自适应信噪分离.     

反馈迭代法压制表面多次波效果分析

地震数据处理通常假定反射数据仅由一次波组成,地震勘探资料中的表面多次波通常被视为相干噪音予以压制.基于波动方程预测的反馈迭代法为数据驱动的方法,可有效压制复杂地下介质的表面多次波,通常可由级数展开法和迭代法两种方法实现.文中分别从理论阐述以及应用效果分析方面对基于波动方程预测的反馈迭代法的两种实现途径进行研究,并采用GPU/CPU协同并行加速计算预测表面多次波,改善以往CPU计算效率低的状况.文中对含表面多次波的炮数据和复杂的SMAART模型进行了计算,并将利用级数展开法与迭代法压制表面多次波的效果进行对比分析,结果表明,迭代形式反馈迭代法压制表面多次波的方法效果更佳.由于实现迭代法和级数展开法需要完成的自适应匹配相减的次数不同,迭代法的计算成本略高于级数展开法.     

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.     

泰勒展开近似 带连续性约束的L1范数方法用于多次波自适应相减(英文)

一次波L1范数最小化的多次波自适应相减方法,简称L1方法,是基于匹配滤波器设计的多次波自适应相减算法中的一种常用方法.当一次波和多次波混杂在一起时,L1方法有时会伤害一次波,导致一次波同相轴的连续性变差.本文利用预测误差滤波器度量一次波同相轴的连续性,在L1方法的皋础上,提出一种能够在压制多次波的同时,尽量保持一次波同相轴连续性的多次波自适戍相减算法,简称连续性约束L1方法.利用Pluto模犁数据进行多次波相减的结果表明,连续性约束L1方法能够在有效压制多次波的同时,更好地保护一次波.     

均衡多道1范数匹配多次波衰减的方法与应用研究

反馈迭代法多次波衰减分为预测和相减两个步骤.在匹配相减过程中,当多次波和一次波同相轴不满足正交性,以及去除多次波后的地震记录不满足能量最小的情况下,最小二乘自适应匹配滤波方法不能获得正确的匹配,因此多次波的衰减产生误差.针对这两个问题,本文提出了基于1范数最小的均衡多道自适应匹配滤波法.该方法通过在空间方向上对地震记录进行均衡,避免了多次波和一次波同相轴正交的假设条件.同时利用了1范数对于大异常值保持稳健的特点,因此可以有效地解决去除多次波后的地震记录能量最小的问题.通过对模型数据和野外实际数据的多次波压制结果显示,该方法可以有效、准确地衰减多次波.     

基于波动方程三维表面多次波预测方法研究

与传统的二维表面多次波预测算法相比,基于波动方程的全三维表面多次波预测方法无需对地下介质做简单近似,其更符合地震波在地下介质中传播的真实状况,是地震资料处理中解决多次波预测问题的强有力工具.本文从三维多次波预测的基本理论出发,给出了全三维多次波预测算法的预测矩阵表示、计算方法以及实现条件,采用GPU(图形处理器)加速全三维表面多次波预测,较传统的CPU串行计算,GPU并行预测表面多次波的计算效率约提高165倍.文中分别利用二维和三维表面多次波预测算法对理论模拟的含表面多次波的三维地震数据进行多次波预测计算,对比分析结果表明,相比于二维算法,文中所述的基于波动方程的全三维表面多次波预测效果明显改善,其计算精度更高,辅以合理有效的自适应相减算法,可获得高精度的地震勘探资料表面多次波压制数据.     

基于波动方程预测和双曲Radon变换联合压制表面多次波

基于波动方程预测的表面多次波压制方法可处理复杂地下介质的地震资料,但计算成本较高.基于滤波的多次波压制方法计算效率较高,但其成功应用仅局限于一次波和多次波有明显时差差别的地震数据,对来自速度逆转等复杂介质数据则较难获得满意的压制效果.本文将波动方程预测的反馈迭代法和滤波法有效结合,采用GPU(图形处理器)和CPU协同并行加速计算粗略预测表面多次波,随后在双曲Radon域比较分析原始数据和预测的多次波,设计合理有效的Butterworth型自适应滤波器,滤出原始数据Radon域中的多次波能量,进行Radon反变换后,在时空域将多次波从原始数据中减去,得多次波压制结果.文中对理论模拟的单炮数据、复杂的SMAART模型以及实际地震数据进行了计算,结果表明,结合基于波动方程预测和双曲Radon变换的方法有效突破了两种方法各自的局限性,可高效高精度地压制复杂地下介质的表面多次波.     

利用最小平方基准面延拓压制自由表面多次波II:海洋拖缆观测数据

压制自由表面多次波一直是海洋拖缆地震数据处理中非常关键的环节.浅水等复杂条件下的多次波压制给现有方法构成了严峻的挑战.本文姊妹篇基于卷积型互易定理建立了地下基准面上的虚拟观测信号与实际观测地震数据之间的转化方程,进而借助约束优化反演理论提出最小平方基准面延拓(LSR)方法,用于消除海底观测地震数据中的表面多次波.本文遵循相同的原理,分别针对双检波器同时记录声压场和质点垂直速度信号、单检波器仅记录声压场信号两种拖缆采集方式,探讨基于LSR的表面多次波压制方法及其影响因素.理论模型合成数据实验展示了方法特点与有效性,南黄海浅水拖缆双检地震数据处理结果表明方法具有良好的应用前景.     

基于稀疏反演的OBS数据多次波压制方法

自由表面多次波压制是海底地震仪（Ocean Bottom Seismometer,OBS）数据处理和成像中的难点,OBS数据多次波能量强,周期长,严重影响深层一次反射波的处理和成像.不同于常规拖缆观测系统,OBS数据站点一般相隔较远,仅仅利用检波点稀疏的波场信息难以压制OBS数据中的自由表面多次波.本文采用拖缆数据与OBS数据联合,利用稀疏反演估计（Estimation of Primaries and Multiples by Sparse Inversion,EPSI）方法,研究了OBS数据自由表面多次波压制理论,分析了OBS多次波产生的机理,详细推导了拖缆数据与OBS数据联合预测OBS多次波的EPSI方法基本原理.通过利用拖缆数据的信息,实现了OBS检波点稀疏数据多次波的压制问题.EPSI方法通过稀疏反演直接估计一次反射波,避免了SRME（Surface Related Multiple Elimination）方法中自适应相减对有效信号的损害,保真了一次反射有效信号,理论模拟OBS数据验证了方法的有效性.     

基于数据增广训练的深度神经网络方法压制地震多次波

地震数据中存在的多次波影响偏移成像,误导地震资料的解释,因此通常视为相干噪声而被去除.为了对多次波进行智能化衰减,本文提出了一种基于数据增广训练的使用深度神经网络的多次波压制方法.设计的深度神经网络包括卷积编码和卷积解码过程,其中卷积编码过程学习全波场数据中的一次波特征,卷积解码过程利用这些特征来重构一次波并压制多次波和随机噪声.在训练阶段,旋转训练集并在输入数据中加入随机噪声构成增广训练数据集来提升神经网络的抗噪稳定性和泛化性,通过迁移学习让深度神经网络具备跨工区压制多次波的能力.简单模型与Sigsbee2B模型三套模拟数据的实例验证了本文方法在一次波重构和多次波压制中的有效性、稳定性和良好泛化性;一套崎岖海底模型地震物理模拟数据的应用实例表明本文方法具有应用于复杂条件下压制地震多次波的能力.