地震干涉技术被动源地震成像

被动源地震成像是基于地下反射波响应和透射波响应之间的关系,通过在地表接收由地下非人工震源发出的透射波响应,利用互相关运算来合成反射波响应的方法.合成的反射波响应,又称虚炮集记录等价于地表地震剖面记录.本文研究了由地下随机分布的被动源发出的透射波记录来合成虚炮集记录的基本原理,推导了反射波记录和透射波记录的关系公式;并通过数值模拟方法,分析了被动源成像的可行性.结果表明:利用被动源地震信息进行成像是可行的.     

压制地震勘探随机噪声的分段时频峰值滤波方法

提高勘探资料信噪比是地震勘探的主要内容之一.本项研究利用短时能量将记录分成能量均衡的若干段,获得减少尺度变换误差的分段时频峰值滤波方法,并运用端点拓展和与地震信号特征匹配的多级时窗参数改进时频峰值滤波精度.理论模型和共炮点资料处理结果表明,分段时频峰值滤波很好地消除了尺度变化误差引起的信号波形阶梯状畸变,能够在压制强随机噪声的同时更好地保留信号特征.对低信噪比勘探资料处理具有较大的应用价值.     

基于SW统计量的自适应时频峰值滤波压制地震勘探随机噪声研究

由于金属矿区地震记录中随机噪声性质复杂且信噪比低,常规降噪方法难以达到预期的滤波效果.时频峰值滤波(TFPF)方法是实现低信噪比地震勘探记录中随机噪声压制的有效方法,但其在复杂地震勘探随机噪声下时窗参数优化问题仍难以解决.本文充分利用地震勘探噪声的统计特性,结合Shapiro-Wilk(SW)统计量辨识地震勘探记录中的微弱有效信号,提出基于SW统计量的自适应时频峰值滤波降噪方法(S-TFPF).在S-TFPF方案中,对于有效信号集中区,S-TFPF方法根据信号频率特征,选择有利于信号保持的较短时窗长度;对于噪声集中区,按噪声方差自适应增加时窗长度,增强随机噪声压制能力.S-TFPF应用于合成记录和共炮点记录的滤波结果表明,与传统时频峰值滤波方法相比,S-TFPF方法可以有效抑制低信噪比地震勘探记录中的随机噪声,更好地恢复出同相轴.     

压制空间非平稳地震勘探随机噪声的ROAD径向时频峰值滤波算法

径向时频峰值滤波算法是一种有效保持低信噪比地震勘探记录中反射同相轴的随机噪声压制方法,但该算法对空间非平稳地震勘探随机噪声压制效果不理想.本文研究空间非平稳地震勘探随机噪声,即各道噪声功率不同的地震勘探随机噪声,其在径向滤波轨线上表征近似脉冲噪声,在径向时频峰值滤波过程中干扰相邻道滤波结果.为了减小空间非平稳随机噪声的影响,本文提出一种基于绝对级差统计量(ROAD)的径向时频峰值滤波随机噪声压制方法.该方法首先根据径向轨线上信号的绝对级差统计量检测空间非平稳地震勘探随机噪声,然后结合局部时频峰值滤波和径向时频峰值滤波压制地震勘探记录中的随机噪声.将ROAD径向时频峰值滤波方法应用于合成记录和实际共炮点地震记录,结果表明ROAD径向时频峰值滤波方法可以压制空间非平稳地震勘探随机噪声且不损害有效信号,有效抑制随机噪声空间非平稳对滤波结果的影响.与径向时频峰值滤波相比,ROAD径向时频峰值滤波方法更适用于空间非平稳地震勘探随机噪声压制.     

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.     

一种基于条件对抗网络的自监督地震随机噪声压制方法

针对地震数据标注困难,提出基于改进的条件对抗网络的自监督随机噪声压制方法.训练过程分为2步：(1)向合成地震记录混入随机噪声构造含噪声-纯净训练集,采用监督学习策略,通过改进的条件生成对抗网络学习地震数据的有效特征;(2)借助自监督损失函数,利用目标域实际数据对预训练模型进行微调.2步训练法利用了源域合成地震记录与目标域实际地震数据之间的相似性,将源域学习到的模型迁移到目标域,实现地震数据自适应盲去噪.理论模型和实际地震数据试算结果验证所提方法具有较好的应用效果.     

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。     

用时频峰值滤波方法消减地震勘探资料中随机噪声的初步研究

时频峰值滤波算法是一种新颖的基于时频分析的信号增强算法,能够有效地消除随机噪声,恢复有效波信息.本文将这种时频分析算法用于消除地震勘探资料中的随机噪声,对淹没于随机噪声下的40道共炮点记录进行时频峰值滤波,恢复出来的共炮点记录可以清楚地表现原始记录同相轴的位置.经过对40道中任选两道（即第21道和第7道）滤波前后的子波形态Wigner\|Ville分布、傅立叶振幅谱等的比较,可知仅在谷值和峰值点误差较大,子波带宽相对误差小于25％.仿真试验表明信噪比可达－7dB,说明该方法可以有效地消减地震资料中的随机噪声.     

一种基于频率域偏振分析提高三分量地震资料信噪比的方法

三分量地震资料包含着丰富的运动学和动力学信息,各种随机噪声的存在严重降低了资料的信噪比,给有效信息的提取带来了一定的困难.本文在引入多窗谱分析方法的基础上,通过对谱密度矩阵特征问题的求解提取三分量地震记录的偏振参数,实现频率域偏振分析;根据所求得的偏振参数以及随机噪声和有效信号的偏振特性差异,设计相应的自适应滤波器,通过该滤波器的滤波作用,最终实现压制随机噪声的目的.     

一种改进的广义稳定反Q滤波方法

由于地层的黏弹性和非均质性,地震波在传播过程中振幅衰减,相位畸变,导致地震资料分辨率和信噪比降低.反Q滤波是补偿地层衰减的一种常用方法.常规的反Q滤波方法的振幅补偿算子只与时间、频率有关,其振幅补偿频带范围、强度固定不变,不能够根据地震记录的自身特点灵活地进行振幅补偿.基于此,本文在广义稳定反Q滤波法的基础上,提出了一种改进的广义稳定反Q滤波方法.新方法提出了一种新的稳定因子,并通过参数p对振幅补偿算子进行了优化.其振幅补偿算子与地震资料信噪比、走时、频率、品质因子相适应,可以更加精确地对振幅进行补偿.理论数据测试和实际地震资料应用均表明,新方法在振幅补偿和噪声压制上优于广义稳定反Q滤波法,其处理后的地震资料振幅恢复保真度、分辨率和信噪比更高,对储层预测和精细解释工作具有重要意义.     

基于S变换的随机噪声压制方法

S变换是近年来发展起来的一种时频分析方法,本文首先通过设计理论模型测试S变换对非平稳信号的分辨能力,然后将S变换引入对地震资料随机噪声的压制中去,测试了S变换压制随机噪声的效果．研究表明：S变换是一种有效的时频分析方法,并可以很好地压制叠前地震资料的随机噪声．     

A compound method for random noise attenuation

Random noise attenuation, preserving the events and weak features by improving signal‐to‐noise ratio and resolution of seismic data are the most important issues in geophysics. To achieve this objective, we proposed a novel seismic random noise attenuation method by building a compound algorithm. The proposed method combines sparsity prior regularization based on shearlet transform and anisotropic variational regularization. The anisotropic variational regularization which is based on the linear combination of weighted anisotropic total variation and anisotropic second‐order total variation attenuates noises while preserving the events of seismic data and it effectively avoids the fine‐scale artefacts due to shearlets from the restored seismic data. The proposed method is formulated as a convex optimization problem and the split Bregman iteration is applied to solve the optimization problem. To verify the effectiveness of the proposed method, we test it on several synthetic seismic datasets and real datasets. Compared with three methods (the linear combination of weighted anisotropic total variation and anisotropic second‐order total variation, shearlets and shearlet‐based weighted anisotropic total variation), the numerical experiments indicate that the proposed method attenuates random noises while alleviating artefact and preserving events and features of seismic data. The obtained result also confirms that the proposed method improves the signal‐to‐noise ratio.     

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.     

局部相关加权中值滤波技术及其在叠后随机噪声衰减中的应用

随机噪声的衰减和同相轴连续性的提高可以极大地改善地震资料解释的精度.本文提出一种新的滤波技术,既能够有效地衰减随机噪声又可以很好地保护地震资料中的断层等信息不被破坏,增强地震剖面中弯曲、倾斜同相轴的连续性.该方法结合新的加权中值滤波技术和两种构造信息保护滤波策略,实现基于预测数据体和基于倾角走向的加权中值滤波.通过设计局部相关系数改进加权中值滤波器的特性,达到保护断层信息的效果.使用地震数据的局部倾角属性设计预测构造数据体和构造走向,进而构建两种滤波策略,通过匹配加权中值滤波器和不同的处理策略,达到保护断层信息和噪声衰减的平衡点.通过对比离散小波变换阈值去噪方法,理论模型和实际数据的处理结果证明了局部相关加权中值滤波技术的有效性.     

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.

     

基于方向可控滤波的地震勘探随机噪声压制

针对地震勘探随机噪声的压制,本文应用拉伸厄米特高斯函数设计出方向可控滤波器.根据时空域上随机噪声的无方向性与有效信号的有向性的区别,通过局部数字特征,对数据进行选择后重组信号.方向选择性的增加,使得滤波过程能与不同方向的轴进行匹配,噪声被压制的同时保持信号的幅度;方向可调性,使得计算效率提高,且所需存储空间减少.仿真实验表明,采用此方法,信号保幅性和去噪效果均比传统的小波算法以及Curvelet变换好,在-5 db信噪比下,本文方法保幅度为92.99%,信噪比提升221.774%,在实际地震信号处理中有明显的抑制噪声、保持有用信号的效果.     

基于Seislet-TV双正则化约束的地震随机噪声压制方法

人工地震数据总是受到随机噪声的干扰,地震数据时-空变的特性使得常规去噪方法处理效果并不理想,容易导致有效信号的损失.目前广泛应用的预测滤波类方法存在处理时变数据能力不足的问题.随着压缩感知理论的不断完善,稀疏变换阈值算法能够解决时变地震数据噪声压制问题,但是常规的稀疏变换方法,如傅里叶变换,小波变换等,并不是特殊针对地震数据设计的,很难提供地震数据最佳的压缩特征,同时,常规阈值算法容易导致去噪结果过于平滑.因此开发更加有效的时-空变地震数据信噪分离方法具有重要的工业价值.本文将地震数据信噪分离问题归纳为数学基追踪问题,在压缩感知理论框架下,利用特殊针对地震数据设计的VD-seislet稀疏变换方法,结合全变差（TV）算法,构建seislet-TV双正则化条件,并利用分裂Bregman迭代算法求解约束最优化问题,实现地震数据的有效信噪分离.通过理论模型和实际数据测试本文方法,并且与工业标准FXdecon方法进行比较,结果表明基于seislet-TV双正则化约束条件的迭代方法能够更加有效地保护时-空变地震信号,压制地震数据中的强随机噪声.

     

Inversion-based data-driven time-space domain random noise attenuation method

Conventional time-space domain and frequency-space domain prediction filtering methods assume that seismic data consists of two parts, signal and random noise. That is, the so-called additive noise model. However, when estimating random noise, it is assumed that random noise can be predicted from the seismic data by convolving with a prediction error filter. That is, the source-noise model. Model inconsistencies, before and after denoising, compromise the noise attenuation and signal-preservation performances of prediction filtering methods. Therefore, this study presents an inversion-based time-space domain random noise attenuation method to overcome the model inconsistencies. In this method, a prediction error filter (PEF), is first estimated from seismic data; the filter characterizes the predictability of the seismic data and adaptively describes the seismic data’s space structure. After calculating PEF, it can be applied as a regularized constraint in the inversion process for seismic signal from noisy data. Unlike conventional random noise attenuation methods, the proposed method solves a seismic data inversion problem using regularization constraint; this overcomes the model inconsistency of the prediction filtering method. The proposed method was tested on both synthetic and real seismic data, and results from the prediction filtering method and the proposed method are compared. The testing demonstrated that the proposed method suppresses noise effectively and provides better signal-preservation performance.     

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.