一种神经网络改进小波的地震数据随机噪声去除方法

地震资料的有效信号反射弱,且易受多次波的影响,不可避免地存在随机噪声干扰。提出一种基于神经网络改进小波的地震数据随机噪声去除方法,采用神经网络模型,识别出随机噪声信号,对该信号进行小波包分解,获取多类别随机噪声信号,采用级联BP神经网络模型提取出多类别随机噪声信号,实现地震数据的随机信号压制。实验结果显示,这种改进小波方法对地震数据随机噪声信号的去噪效果较好,在复杂沉积地质结构被探测介质的地震数据随机噪声压制方面具有较强的适用性。     

基于波动方程的上下缆地震数据鬼波压制方法研究

本文发展基于波动方程的上下缆鬼波压制方法,推导了上下缆地震波场频率波数域波动方程延拓合并公式.基于Fourier变换的波场解析延拓确保上下缆资料振幅相位的一致性,消除了长拖缆远偏移距信号的计算误差,同时具有较高的计算效率;上下缆地震波场的波动方程法合并有效解偶鬼波干涉,实现综合利用上下缆地震数据压制鬼波.理论模型数据和实际采集地震数据的测试表明了方法的有效性.     

金属矿山地地区地震勘探随机噪声的波动方程模拟

消减随机噪声是目前陆地地震勘探数据处理的关键问题之一,分析随机噪声的产生机制及特征是对其进行有效压制的先决条件.本文针对中国南方山地金属矿区的勘探环境,根据随机噪声中包含的自然噪声和人文噪声的发声机理分别确定其噪声源函数,以波动方程作为噪声传播模型对山地地区随机噪声进行建模,将随机噪声作为一个综合波场,并且与实际噪声记录进行比较.随机噪声记录作为时空域的二维随机过程,分别对模拟噪声和实际噪声记录的时间域波形(振动图)特征包括频谱、功率谱密度,相空间轨迹图,统计量特征(能量分布,累积分布,均值,方差,峰度,偏度),和空间域波形(波剖面)特征包括波数谱和统计量特征进行比较,对比结果显示在时空域模拟噪声和实际噪声都有基本相同的性质,证明了本文对随机噪声模拟方法的可行性,为进一步研究随机噪声时空域传播特性以及噪声消除奠定理论基础.     

井间地震数据的波动方程偏移成像

针对井间地震数据成像技术的一些缺陷并根据井间地震数据的特点,利用井间上、下行反射波信息,提出了一种基于波动方程的井间地震反射波偏移成像技术,该技术既考虑了井间地震数据的运动学特征(时间信息),又考虑了动力学特征(振幅信息).以PC机集群为计算平台,Linux为操作系统,设计了井间地震炮域波动方程偏移成像并行计算流程,并且在64位联想机群上用井间模型数据和某油田的实际数据对该技术和计算流程进行了测试和试处理,试验结果表明成像方法和并行算法正确、实用且计算效率高.     

基于深度卷积神经网络的地震数据随机噪声压制

本文以提高地震数据的成像质量为目标,提出一种智能的卷积神经网络降噪框架,从带有噪声的地震数据中自适应地学习地震信号。为了加速网络训练和避免训练时出现梯度消失现象,我们在网络中加入残差学习和批标准化的方法,并采用了ReLU激活函数和Adam优化算法优化网络。此外,Marmousi和F3数据集被用来对网络进行训练和测试,经过充分训练的网络不仅能在学习中保留地震数据特征,而且能去除随机噪声。首先充分地训练网络,从中提取出随机噪声,并保留学习到的地震数据特征,之后通过重建地震数据估算测试集中的波形特征。合成记录和实际数据的处理结果显示了深度卷积神经网络在随机噪声压制任务中的潜力,并通过实验验证表明了深度卷积神经网络框架有很好的去噪效果。      

基于数据增广和CNN的地震随机噪声压制

卷积神经网络(Convolutional Neural Network,CNN)是一种基于数据驱动的学习算法,简化了传统从特征提取到分类的两阶段式处理任务,被广泛应用于计算机科学的各个领域.在标注数据不足的地震数据去噪领域,CNN的推广应用受到限制.针对这一问题,本文提出了一种基于数据生成和增广的地震数据CNN去噪框架.对于合成数据,本文对无噪地震数据添加不同方差的高斯噪声,增广后构成训练集,实现基于小样本的CNN训练.对于实际地震数据,由于无法获得真实的干净数据和噪声来生成训练样本集,本文提出一种直接从无标签实际有噪数据生成标签数据集的方法.在所提出的方法中,我们利用目前已有的去噪方法从实际地震数据中分别获得估计干净数据和估计噪声,前者与未知的干净数据具有相似纹理,后者与实际噪声具有相似的概率分布.人工合成数据和实际数据实验结果表明,相较于F-X反褶积,BM3D和自适应频域滤波算法,本文方法能更好地压制随机噪声和保护有效信号.最后,本文采用神经网络可视化方法对去噪CNN的机理进行了探索,一定程度上解释了网络每一层的学习内容.

     

基于非局部贝叶斯地震数据随机噪声压制方法（英文）

针对地震数据随机噪声压制问题,本文提出一种基于非局部贝叶斯(Non-local Bayes algorithm)的滤波方法。NLBayes方法使用高斯模型代替NL-means方法中使用全部相似数据块的加权平均,减少对数据结构细节的平滑效应,从而改善去噪效果。在地震数据去噪处理中,根据噪声的方差自适应的计算数据块的大小和高斯模型中数据块的数量,经过两次迭代实现地震数据去噪。第二次迭代中使用第一次迭代去噪后的数据来计算高斯模型块的无偏差均值和协方差,以提高数据块的相似度,使得去噪效果更理想。通过对模型数据和实际数据测试表明,NL-Bayes方法能有效提高地震数据信噪比和满足数据保真性处理的要求。     

基于Hessian矩阵的地震随机噪声压制方法

随机噪声的压制在提高地震资料信噪比方面发挥重要作用.考虑到传统去噪方法在构造复杂地区难以取得理想的去噪结果,本文提出基于Hessian矩阵特征值对应的线性目标关系在多个尺度上对随机噪声进行压制.该方法将地震信号看作不同尺度的曲线,从而利用Hessian矩阵在曲线检测方面表现出的良好性能实现信噪分离.该方法与传统方法相比不受地层倾角的限制,因此能够处理构造较为复杂地区的地震数据.利用模型及实际资料对该方法进行了验证并与传统方法F-X反褶积的去噪结果做对比,结果表明基于Hessian矩阵的随机噪声压制方法在构造复杂地区能够保持有效信号的完整性.

     

基于波动方程的叠前地震反演

随着地震勘探和开发的不断深入,面向地质目标的精细储层预测技术变得越来越重要.由于透射损失、层间多次波、波模式转换以及随机噪声等的影响,观测地震数据和待反演的地下介质属性之间呈现出很强的非线性.考虑到这些非线性,本文基于积分波动方程开展叠前地震反演,从观测地震数据中恢复出介质属性和整体波场,其中反演参数是波动方程中的压缩系数、剪切柔度和密度的对比度,相比于常规线性AVO反演的波阻抗弹性参数,它们对流体指示有更强的敏感性.在反演过程中,从平滑的低频背景场出发,交替迭代求解数据方程和目标方程.采用乘性正则化方法于共轭梯度框架下求解反演参数,采用优化的散射级数Neumann序列获得整体波场,这种方法不易陷入局部极值,能收敛到正确解.测井资料和典型山前带模型测试表明,利用上述反演方法能获得高分辨率的深度域地下介质属性,可直接进行储层预测和解释.

     

基于典型分解的地震勘探随机噪声模拟方法

随着矿产资源勘探的发展,地震勘探采集环境越来越复杂,接收到的反射地震记录中常常包含大量的干扰,从而造成野外地震资料信噪比低、面貌复杂、有效信息难以分辨,这对提取和利用地震记录中的有效信息造成了障碍。传统数值模拟的记录一般不具有包含各种成因的随机干扰噪声背景,虽然理论记录的处理效果都很好,但却很难处理实际低信噪比的地震资料。截至目前,地震勘探随机噪声模拟方法少有成形理论可以参考,对地震勘探随机噪声特性的认识存在一定的理想化和局限性。许多研究在进行噪声模拟时,添加的是在后续叠加处理时一般都能消除的白噪声,不能接近实际资料的处理。本文基于随机函数的典型分解理论,在用Marmousi模型记录的基础上,根据CMP道集的相干特性计算出可加性随机干扰,这种随机干扰因为与CMP道集记录具有类似的相干性而更接近实际地震资料的干扰背景。此方法可以指导地震勘探的野外观测系统的设计、地震数据的后期处理和解释。     

波动方程CT技术在地震数据处理中的应用

本文从畸变的Born近似的微扰技术出发,给出了利用广义Radon变换和Fourier积分算子的理论反演介质间断性的原理.将声学的广义Radon变换与经典Radon变换进行类比,近似地导出了声学广义Radon变换的反演公式. 本文对于反射地震学的情况,提出了一种拟线性化方法,考虑了成象点的一次散射场,从某种程度上减少了Born近似对弱散射的苛求. 利用同一模型的理论记录和物理实验记录的反演计算结果对提出的方法进行了验证,并讨论了进一步提高成象精度的方法.     

波动方程CT技术在地震数据处理中的应用

本文从畸变的Born近似的微扰技术出发,给出了利用广义Radon变换和Fourier积分算子的理论反演介质间断性的原理.将声学的广义Radon变换与经典Radon变换进行类比,近似地导出了声学广义Radon变换的反演公式. 本文对于反射地震学的情况,提出了一种拟线性化方法,考虑了成象点的一次散射场,从某种程度上减少了Born近似对弱散射的苛求. 利用同一模型的理论记录和物理实验记录的反演计算结果对提出的方法进行了验证,并讨论了进一步提高成象精度的方法.     

基于DMFF-Net的地震随机噪声压制新技术

地震勘探是油气和矿产资源开发领域使用最为广泛的物探方法之一.由于采集条件的限制,地震记录中通常混杂有大量的随机噪声,导致勘探资料普遍信噪比(Signal-to-Noise Ratio,SNR)较低,这严重影响有效信号辨识的精度,为后续反演、解释等工作带来巨大挑战.此外,地震勘探随机噪声通常具有非平稳、非高斯和与信号存在频带混叠等复杂特性,导致传统方法在处理复杂勘探记录时,消噪性能可能发生退化.针对复杂勘探随机噪声消减问题,本文提出了一种新型的双层多尺度特征融合去噪网络(Double-layer Multi-scale Feature Fusion Denoising Network,DMFF-Net).该网络具有多尺度网络结构,利用多分支模块提取勘探数据不同尺度和不同分支的潜在特征,提升网络对于勘探记录复杂特征的学习能力.同时,采用跳跃连接实现浅层和深层信息的融合,提升网络对微弱信号的恢复能力.模拟和实际资料处理结果表明,相较传统地震勘探资料消噪方法而言,DMFF-Net可以更加有效地压制随机噪声,完整恢复有效信号,显著提升地震资料信噪比,在信号保幅性和微弱信号恢复能力方面更具优势.

     

波动方程地震偏移成像方法的现状与进展

综述了波动方程地震偏移成像方法研究的现状，指出了各种算法的问题和解决方案；给出了相空间小波分析步进算法偏移成像以及保幅保结构李群算法偏移成像的最新进展；对波动方程偏移成像发展趋势进行展望。     

基于声波方程的井间地震数据快速WTW反演方法

WTW(Wave equation traveltime+Waveform inversion)反演是基于波动方程的走时反演（WT反演）和波形反演的联合反演方法.WT反演利用波动方程计算走时和走时关于速度的导数,和传统以射线为基础的走时反演相比,具有不必射线追踪、不必拾取初至、不必高频假设以及初始模型和实际模型差别较大时也能较好收敛等优点,但WT反演与波形反演相比其结果分辨率低.与之互补的是,波形反演的反演结果分辨率高,但是当所给初始模型和实际模型相差太大时,波形反演迭代算法容易陷入局部极小点.可见结合两种方法的WTW反演是一种比较好的联合反演方法.常规WTW迭代算法是首先以WT反演为主反演得到地质模型的整体特征,然后再以波形反演为主反演模型细节,该算法耗时和占用计算机存储空间接近WT反演或波形反演的两倍.为了节省运算耗时和计算机存储空间,往往采取首先单独利用WT反演然后再单独利用波形反演的算法.这样做的缺点是不能紧密结合两种反演方法,使得它们的优缺点在每一次迭代中无法得到互补,从而影响了最终的反演结果.针对以上事实,本文提出一种新的方法实现WTW,使得WTW运算速度和存储空间在任何情况下等同于WT反演或波形反演.模型计算表明新的算法具有更好的收敛性.     

非线性波动方程地震反演的方法原理及问题

在解反射地震的非线性反问题时,目前都采用各种迭代算法(如梯度法、最速下降法及共轭梯度下降法等),并以拟合差取极小为准则.本文对这方面具有代表性的波动方程反演理论作分析评述,指出这种经典性方法的缺点和局限,以及发展非线性波动方程地震反演的方向.     

地震波动方程的局部间断有限元方法数值模拟

近年来,随着地震波数值模拟对计算精度和效率的要求越来越高,间断有限元方法开始受到越来越多的关注.本文中,针对具有吸收边界条件的二维地震声波波动方程,作者提出了一种基于局部间断有限元方法的数值模拟算法.该算法在空间上使用局部间断有限元方法进行离散,在时间上采用了显式蛙跳格式.在这种时空离散的组合方式下,每个时间步上,此算法在空间剖分的每个单元上的求解计算是相互独立的,因而具有极高的并行性.通过数值算例,我们将该算法与连续有限元方法进行了比较.结果表明,本算法不仅具有对起伏构造的良好适应性,而且在计算效率和计算精度等方面,都具有优越性.     

地震随机噪声压缩感知迭代压制方法

复杂地表和复杂介质条件下,随机噪声往往严重影响着复杂地震信号的信噪比,同时深层地球物理目标探查中弱地震信号总是被随机噪声所掩盖,如何有效地压制随机噪声干扰、恢复有效地震信号仍然是高精度地震勘探中的关键问题.压缩感知理论突破了奈奎斯特采样定理的限制,利用有效地震信号的可压缩性和稀疏性,提供了从不可压缩随机噪声中进行有效信号分离的数据原理.本文系统分析压缩感知框架下地震随机噪声压制的稀疏优化反问题,提出了基于迭代软阈值算法的"采集-重建-修复"方案对该问题进行求解.在实现高度稀疏表征的基础上进行地震数据的压缩感知随机观测,通过迭代反演对有效地震信号进行重构,有效提高复杂地震数据的信噪比,同时,当求解稀疏优化问题时,如果出现正则化项引起重构信号衰减现象,可以匹配除偏对衰减的有效信号进行修复.通过与工业标准f-x预测滤波方法进行比较,理论模型和实际数据处理的结果表明,压缩感知迭代噪声压制方法对复杂地震数据中的随机噪声有较好的压制效果,可以有效恢复出被较强非平稳随机噪声干扰的时空变同相轴信息.     

基于f-x域流式预测滤波器的地震随机噪声衰减方法

随机噪声的影响在地震勘探中是不可避免的,常规的随机噪声压制方法在处理中往往会破坏具有时空变化特征的非平稳有效地震信号,影响地震数据的准确成像.当前油气勘探的目标已经转变为“两宽一高”,随着数据量的增大,对去噪方法的处理效率也提出了更高的要求.因此,开发高效的非平稳地震数据随机噪声压制方法具有重要意义.预测滤波技术广泛用于地震随机噪声的衰减,本文基于流式处理框架提出一种新的f-x域流式预测滤波方法,通过在频率域建立预测自回归方程,运用直接复数矩阵逆运算代替迭代算法求解非平稳滤波器系数,实现时空变地震同相轴预测,提高自适应预测滤波的计算效率.通过与工业标准的FXDECON方法和f-x域正则化非平稳自回归(RNA)方法进行对比,理论模型和实际数据的测试结果表明,提出的f-x域流式预测滤波方法能更好地平衡时空变有效信号保护、随机噪声压制和高效计算三者之间的关系,获得合理的处理效果.     

基于波动方程的多次波压制方法应用研究

本文回顾了多次波衰减方法的研究现状和进展,分析并指出了各种多次波衰减方法的优缺点.多次波衰减方法大致可以分为两类：基于信号分析的滤波类方法和基于波动方程的预测减去法.本文重点介绍了基于波动方程的多次波衰减方法,对比分析了波场延拓法、反馈迭代法和逆散射级数法三种基于波动方程多次波衰减方法的特点,并以模型和实例证明了反馈迭代法多次波衰减的效果.