形态分量分析在去除地震资料随机噪声中的应用

以数学形态学和稀疏信号理论为依据,采用形态分量分析(MCA)方法去除地震数据中的随机噪声。应用MCA方法的关键在于选取合适的字典,从地震数据的特点和计算复杂性出发,选取UWT字典和Curvelet字典,一个用来稀疏表示地震数据的局部奇异部分,一个用来稀疏表示地震数据的线状变化部分。采用BCR算法求解目标函数,通过将数据分解为形态特征不同的2个分量,舍弃在字典中不能有效稀疏表示的随机噪声来达到去噪目的。作为一种二维去噪方法,MCA去噪方法在时间和空间方向上都具有很强的随机噪声抑制能力;由于UWT字典和Curvelet字典能够比传统的小波变换有更强的稀疏表示能力,MCA去噪方法对有效信息的损害较小,是一种保真保幅的去噪方法。模型测试和实际资料处理验证了该方法的有效性。     

基于快速字典学习的压缩感知地震数据重建

地震数据的稀疏性是压缩感知地震数据重建的重要前提,其直接影响地震数据的重建精度,因此研究高效的地震数据稀疏表示方法具有重要意义.针对经典K-SVD算法稀疏编码时无法得到全局最优解,不能保证收敛从而影响重建精度的问题,这里提出快速字典学习算法稀疏表示地震数据的方法.快速字典学习将稀疏表示目标优化问题转换为两个可直接求解最...     

Radon域下的K-SVD字典的混采分离

基于地震反演来分离混采数据的方法,笔者提出用K次迭代奇异值分解(K-SVD)来更新Radon域下混叠信号中的字典原子的方法:在同步源采集和地震稀疏反演的背景下,将混合地震信号的分离视为稀疏反演问题,将共检波点域的数据表示在Radon域内,此时有效信号同相轴收敛;对数据阈值滤波后进行分块字典学习,进一步稀疏地表示地震数据;最后,固定字典,更新恢复信号和稀疏系数完成分离。模拟和实际资料处理结果表明:该方法对于混采数据的分离相对中值滤波、小波变换等更有效、分离质量明显提升,可应用于实际混叠数据中。     

主成分分析和字典学习联合地震数据去噪方法

为能获得高信噪比的地震数据,笔者提出了一种基于K-SVD字典学习和主成分分析(PCA)相结合的主成分字典学习算法。与K-SVD算法对误差项直接采用奇异值分解来更新字典原子不同,笔者采用PCA算法分解误差项,并使用第一主成分作为字典原子的更新。通过对复杂模型合成地震记录与实际地震记录进行对比实验,得出该方法较K-SVD算法信噪比大约提高1～1.5 dB,能更好地保护有效信号。     

基于改进K-SVD字典学习方法的地震数据去噪

为实现更好的地震数据去噪技术,笔者引入一种新的算法:快速迭代收缩阀值法(FISTA),通过FISTA和K-奇异值分解(K-SVD)不断迭代更新K-SVD字典,利用更新得到的K-SVD字典对地震数据进行稀疏表示,去除稀疏系数中较小的数值,使数据中的随机噪声得到压制。对层状模型合成地震记录,Marmousi模型合成地震记录以及实际地震数据进行对比实验,得出FISTA算法较OMP算法能更好地提高地震数据的信噪比,同时有效地保护了反射信号。     

基于高精度字典学习算法的地震随机噪声压制

地震勘探中的随机噪声会对有效信号产生严重干扰,甚至会导致信号畸变.为了满足高精度的地震勘探要求,应用高精度字典学习算法压制随机噪声.该算法基于超完备稀疏表示理论,对传统的字典学习算法从字典训练和稀疏编码两个方面进行了改善:在字典训练阶段,保持支集完备的情况下,对字典进行循环更新,使字典更好地适应数据;在稀疏编码阶段,选用上一轮更新的部分大系数作为新一轮迭代的初始系数,充分利用大系数表示有效信号的特点.对理论数据和实际含噪地震资料的处理结果表明,与传统算法相比,高精度字典学习算法在去噪的同时能保护有效信息,明显改善去噪精度,对地震记录信噪比的提高有显著优势.     

江苏茅山断裂带中段重力异常多尺度分析及其构造识别

采用小波变换多尺度分析,将茅山断裂带中段的重力数据分解为不同尺度的重力异常,用于研究该区的地质构造特征.小波变换多尺度分析可以将重力数据分解为不同深度的局部异常和区域异常,局部异常解释为浅部地质体引起,区域异常解释为深部地质体引起.基于此种地质解释,分析了不同深度地质体与重力异常的对应关系,并对产生异常的原因进行解释,推断出该区的主要断裂构造,并对已有研究成果进行修正.研究结果表明,断裂带中段的构造形式与重力异常之间有较好的对应关系.     

基于双重稀疏表示的地震资料随机噪声衰减方法

针对固定字典难以完全匹配实际资料复杂的形态特征,以及学习字典不具备快速算法、计算复杂等问题,文中选择双重稀疏字典来兼备结构性和自适应性,不仅降低了训练样本的数量,而且更适于高维信号的分析。该方法以过完备离散余弦变换(overcomplete discrete cosine transform,ODCT)作为训练基字典,将待处理资料的特征数据作为样本,利用稀疏K-SVD算法,建立了基于双重稀疏字典的地震随机噪声衰减模型。典型的合成及实际高维地震资料处理结果表明,本文方法不仅可以有效地对地震资料随机噪声进行衰减,而且能更好地保持断层等边缘结构。     

基于降秩和稀疏联合约束的地震数据同时重建和去噪

野外地震数据包含各种随机噪声干扰,且存在不规则道缺失现象,为了不影响后续资料处理,需要对其进行同时重建和去噪。目前大部分同时重建和去噪方法都是基于单一稀疏约束和降秩约束,尽管稀疏约束具有高效性优点,但对各种数据缺乏适应性,而降秩约束可以自适应不同数据,但计算成本较高。为了充分利用不同约束条件的优势,本文提出一种基于联合约束的地震数据同时重建和去噪方法：选用基于傅立叶变换的凸集投影算法(POCS)作为稀疏约束,阻尼多道奇异谱分析(DMSSA)作为降秩约束,在此过程中,还需使用截断奇异值分解(TSVD)算法和指数阈值公式。理论和实际数据的处理结果表明,本方法在联合约束条件下,能够从时间和空间上考虑地震资料的相关性并利用起来,比单一约束方法能在更少的迭代次数下取得更高的信噪比。     

基于双曲Radon变换的混采地震数据重建

采用多级中值滤波分离混采数据,可以很好地保持单炮的有效信息;对分离后的单炮数据,采用双曲Radon变换进行地震数据道重建,可以在Radon域获得极高的分辨率从而准确地重建地震数据。单炮道重建时,通过稀疏约束控制Radon变换来提高地震数据的重建精度。双曲Radon变换计算耗时较长,在算子求解时,本文采用快速迭代收缩阈值算法(FISTA),明显加快收敛速度,提高计算效率。模拟数据和实际数据表明,采用多级中值滤波和双曲Radon变换的方法重建混采地震数据可以获得较高的重建精度。     

基于稀疏变换的地震数据重构方法

缺失地震数据重构恢复是后期地震资料处理取得良好效果的前提.笔者通过研究稀疏变换(F-K变换、Curvelet变换)与最近流行的压缩感知理论,将两者结合起来,建立基于稀疏变换的地震数据重构模型.F-K变换是将地震数据由时间—空间域变换到稀疏域频率—波数域,Curvelet变换由于其良好的方向性、局部性以及各向异性,能够将地震数据进行更优的稀疏表达.基于重构模型,分别采用这两种稀疏变换对地震数据进行重构,并且比较两者的重构效果,证实Curvelet变换重构效果优于F-K变换.最终通过Marmousi2模型以及实际地震资料处理分析,证明该重构模型的正确性和有效性.     

基于EIGEN-6C2重力场模型反演青藏高原地壳结构

重力数据是地下场源产生的重力场的叠加, 包含了地下从浅部到深部的丰富信息.高阶卫星资料的丰富为青藏高原深部构造研究提供了重要资料.基于EIGEN-6C2模型作为原始数据, 首先对青藏高原布格重力异常和均衡重力异常分别作1~5阶尺度分解, 得到不同尺度重力异常的分布特性, 探讨不同空间尺度反映的地壳构造意义.其次, 基于径向对数功率谱估计平均深度方法理论, 进一步研究1~5阶细节反映的场源深度.再次, 利用Canny算子的多尺度边缘检测识别和分析重力异常中表现不明显的断裂, 定位断裂在地表的位置, 识别青藏高原内部断块边界, 完成活动块体和次级块体的划分.最后, 对布格重力异常进行沉积层及岩石圈改正, 采用Parker-Oldenbarg三维位场反演法反演青藏高原莫霍界面起伏.      

二代小波变换在重力场源分离中的应用

野外采集的重力数据是地下各类地质体重力场的叠加反映,如何有效地分离深源场和浅源场是重力资料处理中的一项重要内容。基于二代小波变换基本理论,在一维的基础上,给出了二维Haar预测算子的构造方法,并利用密度模型正演模拟,证明了二代小波变换实现多尺度分解的有效性,并以苏北某地区重力数据为例,应用二代小波变换开展浅部和深部重力异常场的分离。结果表明,该方法简单实用,在重力数据的场源分离中可以发挥重要的作用,对研究区域性断裂构造特征、划分构造单元、圈定隆坳格局等方面的地质问题具有参考价值。     

基于LDPC矩阵采样方法的三维地震数据重构

按照以往的测量矩阵进行实际勘察无法较好地实现地震数据的重构,大多数矩阵设计复杂且元素多样,不符合实际标准。笔者将LDPC矩阵应用到地震勘探采样中,用较少的地震数据来重构完整的地震记录。采用K-SVD字典对数据进行稀疏变换,FISTA算法进行重构。对比以往的随机采样、离散均匀采样和jitter采样,LDPC矩阵更适合三维环境且恢复重构效果更好。对比重构数据的信噪比,三维模拟数据和实际数据都证实了LDPC矩阵信噪比值最高,重构出的数据效果最好。     

基于分段采样和MCA的地震数据重建

数据重建是地震资料处理中一项重要的前期工作。压缩感知(compress sensing, CS)已经在数据重建领域取得了很好的应用。CS的关键是采样的随机性,随机采样将常规欠采样引起的互相干假频转化为较低能量的不相干噪声。一方面,传统的随机采样方法缺乏对采样点的约束,导致产生过多的噪声干扰,分段随机采样可有效地控制采样点之间的距离。另一方面,单一的数学变换会导致信号的不完全稀疏表达,影响数据重建效果,形态分量分析(morphological component analysis, MCA)将信号分解成几个具有显著特征的成分以逼近数据复杂的内部结构。本文在MCA框架下找到了一个新的字典组合(Shearlet+DCT),并使用块坐标松弛(block coordinate relaxation,BCR)算法得到最优解,从而获得理想重构结果。对实际资料的实验表明,该方法在重建分段随机采样数据时具有较好效果。     

一种基于L_1-L_1范数稀疏表示的地震反演方法

高分辨率地震反演面临着:①地震反演是一个不适定问题,存在多解性;②采集和处理流程产生噪声和畸变降低反演算法的稳定性,针对这两个问题,提出一种基于L_1-L_1范数稀疏表示的地震反射系数反演方法。该方法利用L_1范数正则化项降低反演多解性和L_1范数拟合项增加噪声鲁棒性。通过井震联合提取子波构建过完备楔形子波字典,然后用L_1-L_1范数稀疏表示对地震信号进行稀疏分解,实现高分辨率反射系数反演。楔形模型和实际地震资料试算结果表明,该反演算法稳定,具有良好的噪声鲁棒性,通过测井资料标定检验,其反演结果准确可信。     

频域稀疏双曲Radon变换去噪方法

Radon变换是地震数据处理中广泛应用的一种技术方法,但实际应用中存在分辨率及运算效率低的问题。笔者在相移双曲线的基础上,推导了时不变双曲积分路径,提出了基于贝叶斯原理的稀疏双曲Radon变换,给出离散变换的参数选取准则,并且为保证不同反射层的反射波具有最佳收敛,在变换中引入了动态时窗。频域稀疏双曲Radon变换不仅具有较高的分辨率,而且可以在频域实现,计算效率大幅提高。模型数据测试和实际资料应用结果表明,频域稀疏双曲Radon变换可以有效去除规则干扰波、压制随机噪声,提高数据信噪比,且具有较好的保真度和保幅性。     

基于字典学习算法的地震资料去噪处理应用研究

针对地震资料的质量一直是制约数据处理解释结果的重要因素,而且随着新技术的开发,采集到的数据量也在不断加大,噪声的存在也不可避免,因此去噪成为了一大问题,这里应用压缩感知理论,分别以DCT与K-SVD学习字典为稀疏基对不同层位的模型数据进行测试,之后对某工区的实际地震剖面进行处理.结果表明:DCT字典去噪时会损害原地震信...     

重力位余弦变换谱基本特征

为获得重力异常余弦变换谱的通式,提出并证明了3个定理;利用它们推导了点质量和直立矩形柱体的重力异常余弦变换谱理论公式,同时给出了重力异常余弦变换谱通式。分析了点质量和直立矩形柱体重力异常余弦变换谱的基本特征：点质量二维余弦变换谱等值线呈1/4同心圆形状,等值线随着波数的增大而变稀;直立矩形柱体谱出现了周期性变化的零等值线,该等值线将非零等值线划分为a×b个矩形区域,而且等值线值在各矩形型区域中正负交替变化,随着波数的增大,不同的矩型域中等值线值呈e指数衰减特征。     

重力数据库各项外部改正的计算

本文介绍的是在重力数据库系统中配备的一套重力各项外部改正计算的方法和程序,其中地形改正和均衡改正程序将远区改正范围划分为三个区:远一区为1或2公里至20公里,采用平面公式,高程数据网度为1公里×1公里;远二区为20公里至166.7公里,采用球面公式,高程数据网度为5′×5′;远三区为166.7公里至全球,采用球面公式旋转椭球体模型,为全球1°×1°高程数据网,各区一律用园域接口。为便于用户选择,每区备有多种方法。此外还备有高度改正,中间层改正和正常改正程序。用这个系统可以计算自由空间重力异常,布格重力异常和均衡重力异常值。