基于非均匀曲波变换的高精度地震数据重建

在野外数据采集过程中,空间非均匀采样下的地震道缺失现象经常出现,为了不影响后续资料处理,必须进行高精度数据重建.然而大多数常规方法只能对空间均匀采样下的地震缺失道进行重建,而对于非均匀采样的地震数据则无能为力.为此本文在以往多尺度多方向二维曲波变换的基础上,首先引入非均匀快速傅里叶变换,建立均匀曲波系数与空间非均匀采样下地震缺失道数据之间的规则化反演算子,在L1最小范数约束下,使用线性Bregman方法进行反演计算得到均匀曲波系数,最后再进行均匀快速离散曲波反变换,从而形成基于非均匀曲波变换的高精度地震数据重建方法.该方法不仅可以重建非均匀带假频的缺失数据,而且具有较强的抗噪声能力,同时也可以将非均匀网格数据归为到任意指定的均匀采样网格.理论与实际数据的处理表明了该方法重建效果远优于非均匀傅里叶变换方法,可以有效地指导复杂地区数据采集设计及重建.     

表驱动的二维非规则采样快速傅里叶变换

非规则采样快速傅里叶变换（NFFT）主要用于快速计算非规则采样数据的频谱及重建.该方法为非规则采样数据频谱重建技术的核心算法.在实现NFFT算法时,高速度和高精度计算是其应用的前提和关键.本文针对二维NFFT计算效率,应用表驱动思路进行改进,将Gauss褶积算子由矩形改进为椭圆以减少计算量,将e指数计算改进为乘法以加快计算速度,并建表解决NFFT算法在地震资料处理中的应用问题.本文同时给出了非规则采样地震数据NFFT谱重建方法.最后本文给出算例验证提出方法的计算速度和精度,和非规则采样地震资料重建结果.     

3D高阶抛物Radon变换在不规则地震数据保幅重建中的应用

3D地震数据不规则采样缺失重建是地震勘探数据处理流程中的重要问题.本文提出了一种基于具有保幅特性的非均匀高阶抛物Radon变换(NHOPRT)地震数据重建方法.在最小二乘反演方程中引入Delaunay三角网格剖分来计算空间不规则加权系数,从而获得最接近完整规则数据的高阶抛物Radon变换域系数.在用SVD求解反演方程过程中,利用高阶抛物Radon变换算子在频率域为指数函数,具有线性可分解特性,将二维空间的高阶抛物Radon变换算子分解为两个独立的一维空间变换算子,减小了变换算子的矩阵大小,从而很大程度地提高了计算效率.理论模型和实际地震数据重建测试证明了本文方法的有效性以及实用性.     

3D高阶抛物Radon变换在不规则地震数据保幅重建中的应用

3D地震数据不规则采样缺失重建是地震勘探数据处理流程中的重要问题.本文提出了一种基于具有保幅特性的非均匀高阶抛物Radon变换（NHOPRT）地震数据重建方法.在最小二乘反演方程中引入Delaunay三角网格剖分来计算空间不规则加权系数,从而获得最接近完整规则数据的高阶抛物Radon变换域系数.在用SVD求解反演方程过程中,利用高阶抛物Radon变换算子在频率域为指数函数,具有线性可分解特性,将二维空间的高阶抛物Radon变换算子分解为两个独立的一维空间变换算子,减小了变换算子的矩阵大小,从而很大程度地提高了计算效率.理论模型和实际地震数据重建测试证明了本文方法的有效性以及实用性.     

地震数据的反射波动方程最小二乘偏移

基于反射波动方程,本文提出了一种估计地下反射率分布的地震数据最小二乘偏移方法.高频近似下,非齐次的一次反射波动方程的源项是由反射率与入射波场的时间一阶导数相互作用产生的.根据反射波动方程,利用线性最小二乘反演方法由地震反射数据重建出地下产生反射波的反射源,再结合波场正演计算出的地下入射波场,得到地下反射率分布的估计.在地下反射源的线性最小二乘反演重建中,我们采用迭代求解方法,并以地震波的检波器单向地下照明强度作为最小二乘优化问题中Hessian矩阵的近似.     

基于Bregman迭代的不同阈值模型地震数据重构方法分析

传统的地震数据采样必须严格遵循Nyquist采样定理,而野外实际数据的采集可能由于施工条件或者地表障碍物的限制,不一定能记录到完整的地震波场,所以地震资料处理中的数据重建是非常重要的问题.压缩感知理论最先来自信号处理领域,它所包括的问题类型有信号的稀疏表征和数学组合优化,它给地震数据重建这类问题指明了思考方向.而其中如何选择最优的迭代算法是数据重建中的关键问题.本文将地震数据插值问题归纳到约束最优化问题,选择能有效稀疏表征地震波场的傅里叶变换,对于压缩感知理论框架下的混合范数反问题,再用Bregman迭代方法去求解,在地震数据的重建过程中,传统的阈值参数收敛慢,为了降低迭代次数并且提高地震数据恢复的精度,总结出改进型指数衰减规律的阈值参数,选择用硬阈值算子来重建恢复地震数据．通过对理论模型和实际地震资料的处理结果表明该方法可以快速、有效的恢复地震波场的缺失数据．     

一种有效的地震道插值方法

地震处理中重要的环节之一是地震道插值技术.野外采集过程中常会碰到大空间采样、坏道和数据分布不规则等问题.为满足地震数据处理精度要求,需进行地震道插值,提高成像效果.本文针对Zwartjes的基于非二次模型权函数稀疏反演傅里叶插值(FRSI)法存在的问题,如不规则地震道插值时不能去掉产生的噪声、假频及插值道振幅弱,等距道插值时不能准确插值,效果差,提出了改进方法,即扩大原有距离,使波数采样变密,依据似二维f-k频谱图,取中间某一范围频谱值,去除假频和噪声,以提高振幅能量.理论与实际测试验证了修改后的方法插值效果更好.     

基于Seislet变换的稀疏约束多震源最小二乘逆时偏移

多震源地震采集技术允许一次性激发不同位置处的震源,得到来自多个震源的混合地震数据,该技术采集效率高,能有效降低采集成本.多震源地震数据成像效率高,但在偏移剖面中会引入串扰噪声,影响成像精度.最小二乘偏移常被用于压制多震源地震数据成像中的串扰噪声,但常规的最小二乘偏移并不能很好的消除串扰噪声对成像结果的影响,难以满足成像精度的要求.因此,为了保证反演的稳定性并改善反演结果,根据反射系数在Seislet域的稀疏性,本文引入了Seislet变换作为变换域稀疏约束的变换算子,实现了基于Seislet变换的稀疏约束多震源最小二乘逆时偏移,数值实验表明该方法能有效压制串扰噪声.     

基于约束最小二乘与信赖域的储层参数反演方法

基于包体岩石物理模型的储层参数地震反演方法面临数学形式复杂、多解性强、适应性差、涉及迭代运算等问题,本文提出一种基于约束最小二乘与信赖域的储层参数地震反演方法.该方法基于储层参数与弹性参数关联岩石物理模型,使用最小二乘方法构建目标函数和信赖域约束全局寻优求解,有效降低了地震反演多解性,极大提高了收敛速度.特别是通过在最小二乘求解中引入垂向约束,有效提高反演结果的抗噪声能力.经过模型测试和实际资料的应用,验证了方法的可行性和适用性.     

地震数据Bregman整形迭代插值方法

人工地震方法由于受到野外观测系统和经济因素等的限制,采集的数据在空间方向总是不规则分布.但是,许多地震数据处理技术的应用（如：多次波衰减,偏移和时移地震）都基于空间规则分布条件下的地震数据体.因此,数据插值技术是地震数据处理流程中关键环节之一.失败的插值方法往往会引入虚假信息,给后续处理环节带来严重的影响.迭代插值方法是目前广泛应用的地震数据重建思路,但是常规的迭代插值方法往往很难保证插值精度,并且迭代收敛速度较慢,尤其存在随机噪声的情况下,插值地震道与原始地震道之间存在较大的信噪比差异.因此开发快速的、有效的迭代数据插值方法具有重要的工业价值.本文将地震数据插值归纳为数学基追踪问题,在压缩感知理论框架下,提出新的非线性Bregman整形迭代算法来求解约束最小化问题,同时在迭代过程中提出两种匹配的迭代控制准则,通过有效的稀疏变换对缺失数据进行重建.通过理论模型和实际数据测试本文方法,并且与常规迭代插值算法进行比较,结果表明Bregman整形迭代插值方法能够更加有效地恢复含有随机噪声的缺失地震信息.     

Fast hyperbolic deconvolutive Radon transform using generalized Fourier slice theorem

The hyperbolic Radon transform has a long history of applications in seismic data processing because of its ability to focus/sparsify the data in the transform domain. Recently, deconvolutive Radon transform has also been proposed with an improved time resolution which provides improved processing results. The basis functions of the (deconvolutive) Radon transform, however, are time-variant, making the classical Fourier based algorithms ineffective to carry out the required computations. A direct implementation of the associated summations in the time–space domain is also computationally expensive, thus limiting the application of the transform on large data sets. In this paper, we present a new method for fast computation of the hyperbolic (deconvolutive) Radon transform. The method is based on the recently proposed generalized Fourier slice theorem which establishes an analytic expression between the Fourier transforms associated with the data and Radon plane. This allows very fast computations of the forward and inverse transforms simply using fast Fourier transform and interpolation procedures. These canonical transforms are used within an efficient iterative method for sparse solution of (deconvolutive) Radon transform. Numerical examples from synthetic and field seismic data confirm high performance of the proposed fast algorithm for filling in the large gaps in seismic data, separating primaries from multiple reflections, and performing high-quality stretch-free stacking.     

基于非均匀Fourier变换的地震数据重建方法研究

不规则采样地震数据会对地震数据的多道处理造成严重影响,将非均匀Fourier变换和贝叶斯参数反演方法相结合,对不规则空间带限地震数据进行反演重建.对每一个频率依据最小视速度确定出重建数据的带宽,然后从不规则地震数据中估计出重建数据的空间Fourier系数.将不规则地震数据重建视为信息重建的地球物理反演问题,运用贝叶斯参数反演理论来估计Fourier系数.在反演求解时,使用共轭梯度算法,以保证求解的稳定性,加快解的收敛速度.理论模型和实际资料处理验证了本方法的有效性和实用性.     

反假频非均匀地震数据重建方法研究

研究基于Fourier变换的数据重建方法,既能进行非均匀采样数据重建,又可以去除空间假频. 将不规则采样数据重建问题归结为信息重建的地球物理反演问题,采用最小二乘方法从观测的稀疏或不规则数据反演模型空间完全信息. 在求解信息重建反演问题时,引入DFT 加权范数规则化策略,采用预条件共轭梯度法（PCG）求解,保证解的稳定性和收敛速度. 处理线性同相轴假频问题时,根据采样定理,引入线性预测方法,采用Yule Walker方程由带限信号的无假频低频功率谱预测高频功率谱,达到反假频目的. 本文研究了均匀采样数据内插,非均匀采样数据重建,非均匀分布高频信息重建等方面问题,数值试验取得较好效果.     

基于学习型超完备字典的地震数据去噪(英文)

基于变换基函数的方法,是地震去噪处理中最常用的技术之一,它利用地震数据在某种基函数变换域内的稀疏性和可分离性来达到剔除噪声的目的。但传统的做法是事先选定一组固定的变换基并在对应域内进行处理,其效果往往并不十分令人满意。为了探索新的改进方法,我们引入学习型超完备冗余字典,即根据地震模型数据进行学习和训练,以寻求最优的稀疏表示字典,而不是只选用固定的变换基。本文在字典学习中融入全变差最小化策略以压制伪吉布斯现象。我们选用离散傅里叶变换作为初始变换,并以随机噪声为例,对单一的全局变换、未经学习的超完备冗余字典和学习型超完备冗余字典做了比较。结果表明,利用经过训练的超完备冗余字典,在对地震数据进行稀疏表示的同时,也达到了有效去除噪声的目的,可视性和信噪比都得到了明显提高。我们也比较了均匀和不均匀字典子块的效果,结果表明,不均匀的字典子块更利于地震数据去噪。     

基于FFT-MA谱模拟的快速随机反演方法研究

虽然基于地质统计学的随机反演方法能够有效融合测井资料中的高频信息,但计算效率低,占用内存大,限制了它在实际资料中的应用.本文在保留传统随机反演方法优点的基础上,创造性地引入傅里叶滑动平均(Fast Fourier Transform-Moving Average,FFT-MA)谱模拟进行频率域的地质统计模拟,并利用逐步变形算法(Gradual Deformation Method,GDM)确保模拟结果与实际地震数据的匹配,构建了基于FFT-MA谱模拟的新的快速随机反演方法.与常规随机反演相比,新方法不仅分辨率高,而且能够使反演解得到快速收敛,有效提高计算效率,减少内存占用.模型试算获得了与理论模型吻合度较好的高分辨率反演结果.实际资料分析也表明新方法所得到的高分辨率反演结果能够对薄互储层进行良好的展示,为薄储层的识别提供高效可靠的技术支持.     

Curvelet reconstruction of non-uniformly sampled seismic data using the linearized Bregman method

Seismic data reconstruction, as a preconditioning process, is critical to the performance of subsequent data and imaging processing tasks. Often, seismic data are sparsely and non-uniformly sampled due to limitations of economic costs and field conditions. However, most reconstruction processing algorithms are designed for the ideal case of uniformly sampled data. In this paper, we propose the non-equispaced fast discrete curvelet transform-based three-dimensional reconstruction method that can handle and interpolate non-uniformly sampled data effectively along two spatial coordinates. In the procedure, the three-dimensional seismic data sets are organized in a sequence of two-dimensional time slices along the source–receiver domain. By introducing the two-dimensional non-equispaced fast Fourier transform in the conventional fast discrete curvelet transform, we formulate an L1 sparsity regularized problem to invert for the uniformly sampled curvelet coefficients from the non-uniformly sampled data. In order to improve the inversion algorithm efficiency, we employ the linearized Bregman method to solve the L1-norm minimization problem. Once the uniform curvelet coefficients are obtained, uniformly sampled three-dimensional seismic data can be reconstructed via the conventional inverse curvelet transform. The reconstructed results using both synthetic and real data demonstrate that the proposed method can reconstruct not only non-uniformly sampled and aliased data with missing traces, but also the subset of observed data on a non-uniform grid to a specified uniform grid along two spatial coordinates. Also, the results show that the simple linearized Bregman method is superior to the complex spectral projected gradient for L1 norm method in terms of reconstruction accuracy.     

Vibrator Data Denoising Based on Fractional Wavelet Transform

In this paper, a novel data denoising method is proposed for seismic exploration with a vibrator which produces a chirp-like signal. The method is based on fractional wavelet transform (FRWT), which is similar to the fractional Fourier transform (FRFT). It can represent signals in the fractional domain, and has the advantages of multi-resolution analysis as the wavelet transform (WT). The fractional wavelet transform can process the reflective chirp signal as pulse seismic signal and decompose it into multi-resolution domain to denoise. Compared with other methods, FRWT can offer wavelet transform for signal analysis in the timefractional-frequency plane which is suitable for processing vibratory seismic data. It can not only achieve better denoising performance, but also improve the quality and continuity of the reflection syncphase axis.     

Seismic data analysis using local time‐frequency decomposition

Many natural phenomena, including geologic events and geophysical data, are fundamentally nonstationary ‐ exhibiting statistical variation that changes in space and time. Time‐frequency characterization is useful for analysing such data, seismic traces in particular. We present a novel time‐frequency decomposition, which aims at depicting the nonstationary character of seismic data. The proposed decomposition uses a Fourier basis to match the target signal using regularized least‐squares inversion. The decomposition is invertible, which makes it suitable for analysing nonstationary data. The proposed method can provide more flexible time‐frequency representation than the classical S transform. Results of applying the method to both synthetic and field data examples demonstrate that the local time‐frequency decomposition can characterize nonstationary variation of seismic data and be used in practical applications, such as seismic ground‐roll noise attenuation and multicomponent data registration.