地震盲反褶积综述

从动态系统角度对地震勘探中盲反褶的有关问题进行分析,将线性与非线形地震盲反褶积纳入盲系统辨识的统一框架．综述了几种重要地震盲反褶积方法的原理与效果．指明起源于瞬时混合盲反褶积(或盲源分离)的独立分量分析(ICA)方法在解决一般化地震盲反褶积问题上的重要应用前景,并给出两种可能的解决方案．     

基于PSO的地震盲反褶积方法

本文基于地层反射系数非高斯的统计特性,在反褶积输出单位方差约束下,将反褶积输出的负熵表示为非多项式函数,作为盲反褶积的目标函数,然后采用粒子群算法优化目标函数寻找最佳反褶积算子,实现地震信号的盲反褶积.数值模拟和实际资料处理结果表明,与传统反褶积方法相比,本文方法同时适应于最小相位子波及混合相位子波的反褶积,能够更好地从地震数据中估计反射系数,有效拓宽地震资料的频谱,得到高分辨率的地震资料.     

浅水型河流相的ICA地震识别方法

利用地震资料进行沉积、油气等储层预测时存在的一些问题,如不直观、工作量大以及解释人员的主观因素过多等,用ICA分量进行解释可解决以上问题.本文实现了ICA的基本原理及FastICA算法在地震资料解释中的应用,通过对实际资料进行ICA的处理说明了这一方法在解释中的可行性.为了克服由于采集痕迹带来的横向不连续,用9点平滑滤波对各分量资料进行了处理,实际证明该方法虽然简单但是非常有效.     

基于广义高斯分布的地震盲反褶积方法研究

Bussgang算法是针对褶积盲源分离问题提出的,本文将其用于地震盲反褶积处理.由于广义高斯概率密度函数具有逼近任意概率密度函数的能力,从反射系数序列的统计特征出发,引入广义高斯分布来体现反射系数序列超高斯分布特征.依据反射系数序列的统计特征和Bussgang算法原理,建立以Kullback-Leibler距离为非高斯性度量的目标函数,并导出算法中涉及到的无记忆非线性函数,最终实现了地震盲反褶积.模型试算和实际资料处理结果表明,该方法能较好地适应非最小相位系统,能够同时实现地震子波和反射系数估计,有效地提高地震资料分辨率.     

柯西约束盲反褶积技术在井间地震的应用

利用地面三维地震资料将二维井间地震资料推广到井间范围以外。对于提高井间地震的效益,加快其应用十分重要．为了将井间地震二维资料推广到井外三维,需要从地面地震低频信息提取层位、断面的几何信息,反褶积方法是重要的部分．本文给出了盲源反褶积方法的一种具体实现。并结合优化的预条件共轭梯度法以改善算法的稳定性,同时减少计算量．然后对经过高频恢复的地面地震数据与井间地震数据进行联合约束反演,有效地提高了地面地震的频带．并用实际资料的处理给予证实．     

结合序贯指示模拟的贝叶斯高斯混合线性反演

高斯混合模型（Gaussian Mixture Model,GMM）可以用来描述储层性质的多峰分布特性,多峰特性主要是由于它们在不同离散变量内的变化而引起的.在高斯混合模型中,高斯分量的权值代表离散变量的概率.然而,基于高斯混合模型的贝叶斯线性反演可能会对某些点的离散变量错误地分类,进而影响连续变量的反演结果,尤其存在强噪声的时候.在本文中,我们考虑了离散变量的空间变化性,并将高斯混合模型与序贯指示模拟（Sequential Indicator Simulation,SIS）相结合来确定离散变量的后验条件权值,形成了结合序贯指示模拟的贝叶斯高斯混合线性反演方法.该方法能够准确地对离散变量进行归类,且具有良好的抗噪性.通过模型试算,我们证明了这种方法的可行性,并在实际资料中取得了较好的结果.

     

基于概率-非概率混合可靠性模型的结构地震易损性分析

在易损性分析中,存在对结构阈值的不确定性研究较少,对阈值的选择通常为规范中的数值,得到的破坏概率仅为固定数值等问题,文中同时考虑结构响应和阈值不确定性,建立一种基于概率-非概率混合模型的结构地震易损性分析方法.基于Opensees建立桥梁有限元模型,选择最大支座纵向位移、最大桥墩柱弯曲延性作为衡量结构性能的工程需求参数...     

基于地震记录的混凝土拱坝模态识别结果评价研究

利用混凝土拱坝地震记录识别的模态参数，可以揭示结构在地震过程中实际动力特性的变化情况，为结构地震反应分析和震后损伤评估提供重要信息。首先对模态识别常用方法的基本原理进行介绍；然后利用龙羊峡拱坝两次地震观测数据，采用"输入—输出"型和"仅考虑输出"型两类方法对大坝模态参数进行识别；最后将获得的模态识别结果与工程经验值和其他学者的研究成果进行对比，以分析评价识别结果的合理性。相关研究成果可为基于地震记录的混凝土拱坝模态参数识别的工程应用提供经验借鉴。     

基于形态分量分析的含噪地震数据重建方法

随着当今勘探难度的增加,地震数据处理的精度也逐步提升,因此,对数据的完整度也提出了更高的要求.本文基于形态分量分析,采用离散余弦变换(DCT)字典和Shearlet字典的组合形式用于地震数据恢复重建,相比于其他稀疏变换具有更高的稀疏性、更强的稀疏表示能力.在MCA框架下,首先通过对地震数据中的局部奇异分量与平滑状分量分别采用DCT字典和Shearlet字典进行稀疏表示;而后,在重建的算法中加入指数阈值模型和指数阈值函数的块坐标松弛(BCR)算法来得到各个分量;最后,将不同字典得到的结果合并得到最终重建结果.通过合成数据实验和实际数据实验均表明,该方法能够有效地重建缺失地震数据,并且重建精度高于Curvelet字典与DCT字典组合、单一Shearlet字典、Shearlet字典与Curvelet字典组合.同时,通过对含噪数据以及不同信噪比的数据处理结果均验证了该方法具有较强的适应性.     

Blind deconvolution methodology for site-response evaluation exclusively from ground-surface seismic recordings

A novel blind deconvolution methodology for identification of the local site characteristics based on two seismograms recorded on the free surface of a sediment site is presented. The approach does not require recordings at depth nor at a nearby rock outcrop, and eliminates the need for any prior parameterization of source and site characteristics. It considers that the surface recordings are the result of the convolution of the ‘input motion at depth' with transfer functions (channels) representing the characteristics of the transmission path of the waves from the input location to each recording station. The input motion at depth is considered to be the common component in the seismograms (same input in a statistical sense). The channel characteristics are considered to be the part in the seismograms that is non-common, since the travel path of the waves from the input motion location at depth to each recording station is different, due to spatially variable site effects. By means of blind deconvolution, the algorithm eliminates what is common in the seismograms, namely the input motion at depth, and retains what is different, namely the transfer functions of the site from the input location to each recording station. It estimates the site response in both frequency and time domains, and identifies the duration of the site's transfer functions. The methodology is applied herein to synthetic data at realistic sites for performance validation. The blindly estimated results are in almost perfect agreement with the actual site characteristics, indicating that the approach is a promising new tool for seismic site-response identification from recorded data.     

基于Contourlet变换和ICA的多时相遥感图像变化检测

为了提高多时相遥感图像变化检测的精确度和运算效率,本文提出了一种基于Contourlet变换和独立分量分析(ICA-Independent component analysis)的变化检测算法.利用Contourlet变换多尺度、多方向性和各向异性等性质,对图像数据进行多尺度分解,再对分解后的数据进行独立分量分析,利用改进的基于牛顿迭代的固定点ICA算法分离出互相独立的数据分量,然后将分离后的数据分量转变成图像分量,最终对变化图像分量经阈值分割实现变化检测.实验结果表明,与现有的基于PCA、基于ICA、基于小波变换与ICA三种变化检测算法相比,本文算法能有效地分离出变化信息,减少了计算的复杂性,得到的变化图像具有更高的精确度,且对背景有较强的稳健性.     

基于压缩感知的加权MCA地震数据重构方法

地震数据规则化重构是地震资料处理十分重要的基础性工作.压缩感知理论打破了香农采样定理的制约,利用信号在某个变换域的稀疏特性重构出完整的信号,在地震数据重构领域得到了很好的应用.深反射地震剖面大都布置在地质构造比较复杂的区段,复杂的地质构造使深反射地震剖面上的波阻特征复杂,采用单一稀疏变换不能最有效地表征数据的内部结构特征.MCA（形态成分分析）方法将信号分解为几种形态特征区别明显的分量来逼近数据的内部复杂结构,但是对各成分简单的叠加仍然无法有效地描述复杂构造数据的各种特征.结合两种方法的优点,本文提出了一种新的基于压缩感知的重构算法框架,在MCA方法的基础上对各稀疏字典进行加权,在迭代中不断更新各个稀疏字典的权值系数,对信号内部的各种特征进行最优描述,从而实现对信号的高质量重构.模型测试和实际资料处理结果表明：基于压缩感知的加权MCA方法不仅可以对地质构造复杂的地震数据进行高效的插值重建,而且可以很好的消除空间假频.

     

利用独立分量分析进行火山灰云遥感检测

火山灰云不但引起全球气候和环境系统的重大变化,而且还会威胁航空安全。热红外遥感技术为检测火山灰云提供了新手段,但是遥感数据自身的冗余和波段相关性大大降低了火山灰云的检测精度。独立分量分析(Independent Component Analysis,ICA)能够实现遥感数据的去相关和消除冗余,在火山灰云检测中具有一定的潜力。通过探索火山灰云的物理、化学性质,文中以2010年4月19日冰岛艾雅法拉(Eyjafjallajokull)火山灰云MODIS图像为数据源,在对MODIS数据进行主成分分析处理的基础上,利用ICA进行火山灰云检测。结果表明:ICA能够较好地从MODIS图像中获取火山灰云信息,所得结果与美国地质调查局标准光谱数据库和火山灰云SO2浓度分布具有较好的一致性,取得了较好的检测效果。     

Improved seismic hazard model with application to probabilistic seismic demand analysis

An improved seismic hazard model for use in performance‐based earthquake engineering is presented. The model is an improved approximation from the so‐called ‘power law’ model, which is linear in log–log space. The mathematics of the model and uncertainty incorporation is briefly discussed. Various means of fitting the approximation to hazard data derived from probabilistic seismic hazard analysis are discussed, including the limitations of the model. Based on these ‘exact’ hazard data for major centres in New Zealand, the parameters for the proposed model are calibrated. To illustrate the significance of the proposed model, a performance‐based assessment is conducted on a typical bridge, via probabilistic seismic demand analysis. The new hazard model is compared to the current power law relationship to illustrate its effects on the risk assessment. The propagation of epistemic uncertainty in the seismic hazard is also considered. To allow further use of the model in conceptual calculations, a semi‐analytical method is proposed to calculate the demand hazard in closed form. For the case study shown, the resulting semi‐analytical closed form solution is shown to be significantly more accurate than the analytical closed‐form solution using the power law hazard model, capturing the ‘exact’ numerical integration solution to within 7% accuracy over the entire range of exceedance rate. Copyright © 2007 John Wiley & Sons, Ltd.     

基于SOM和PSO的非监督地震相分析技术

地震相分析技术是储层预测的一种重要方法,可以用来描述有利沉积相带的分布规律.传统的地震相聚类分析方法对大数据的处理运算速度较慢,且容易陷入局部极小值,造成聚类分析的结构不准确.本文提出基于自组织神经网络(SOM)和粒子群优化方法(PSO)相结合的地震相分析技术,利用自组织神经网络能够保持原始地震数据的拓扑结构特性的特点,将大量冗余样本压缩为小样本数据,再通过粒子群的全局寻优能力改善K均值聚类的效果.理论模型和实际应用表明该方法能既有效实现数据压缩,又能提供较为准确的全局解,在地震相预测中兼顾计算效率和计算精度.