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.

     

基于jitter采样和曲波变换的三维地震数据重建

传统的地震勘探数据采样必须遵循奈奎斯特采样定理,而野外数据采样可能由于地震道缺失或者勘探成本限制,不一定满足采样定理要求,因此存在数据重建问题.本文基于压缩感知理论,利用随机欠采样方法将传统规则欠采样所带来的互相干假频转化成较低幅度的不相干噪声,从而将数据重建问题转为更简单的去噪问题.在数据重建过程中引入凸集投影算法(POCS),提出采用e-√x(0≤x≤1)衰减规律的阈值参数,构建基于曲波变换三维地震数据重建技术.同时针对随机采样的不足,引入jitter采样方式,在保持随机采样优点的同时控制采样间隔.数值试验表明,基于曲波变换的重建效果优于傅里叶变换,jitter欠采样的重建效果优于随机欠采样,最后将该技术应用于实际地震勘探资料,获得较好的应用效果.     

基于Curvelet变换的探地雷达资料噪声衰减方法

噪声衰减是探地雷达信号处理中的关键问题之一。当探测目标埋藏深度比较浅时,其反射信号与直耦信号和地面回波信号相互重叠,直接影响目标反射波到达时刻的检测及目标的正确定位。针对这个问题,本文提出了一种基于Curvelet变换的噪声衰减方法。通过对理论数值模拟数据和实测数据的处理,以及与平均消去法和二维连续小波该方法处理结果的对比,验证了该方法的可行性和有效性。处理结果显示,该方法不仅可以去除背景噪声、同时可以衰减倾斜相关的相干干扰和数据中的随机噪声。与二维连续小波变换方法相比有更高的计算效率。     

Contourlet based seismic reflection data non-local noise suppression

In this paper, we propose a non-local, transform domain noise suppression framework to improve the quality of seismic reflection data. The original non-local means (NLM) algorithm measures similarities in the data domain and we generalize it in the nonsubsampled contourlet transform (NSCT) domain. NSCT gives a multiscale, multiresolution and anisotropy representation of the noisy input. The redundancy information in NSCT subbands can be utilized to enhance the structures in the original seismic data. Like the wavelet transform, NSCT coefficients in each subband follow the generalized Gaussian distribution and the parameters can be estimated using appropriate techniques. These parameters are used to construct our proposed NSCT domain filtering algorithm. Applications for synthetic and real seismic data of the proposed algorithm demonstrate its effectiveness on seismic data random noise suppression.     

3D高阶抛物Radon变换地震数据保幅重建

本文结合传统3D抛物Radon变换（PRT）和AVO数据正交多项式拟合,给出了3D高阶抛物Radon变换方法（HOPRT）.该变换增加了描述AVO数据变化的梯度信息和曲率信息,拓展了传统3D抛物Radon变换方法,使其在具有AVO特征的数据重建中具有更高的准确度,从而提高AVO分析的可靠性.文中给出了3D高阶抛物Radon变换进行地震数据保幅重建的流程.理论模型和实际地震资料的重建结果显示了本文方法的优点.     

快速3D抛物Radon变换地震数据保幅重建

为解决3D AVO地震数据快速保幅重建问题,在传统3D抛物Radon变换的基础上提出一种3D快速高阶抛物Radon变换方法.该方法将传统抛物Radon变换与正交多项式相结合,通过正交多项式系数描述地震数据AVO信息,确保重建后的地震数据具有良好保幅效果.同时,该方法引入新变量λ_x=q_xf和λ_y=q_yf,通过对q_xf和q_yf的整体采样,消除了3D高阶抛物Radon变换算子对频率的依赖,使变换算子的求逆过程仅需计算一次,大大节省计算时间.理论模型和实际地震资料的处理结果表明,该方法重建效率高,保幅效果良好.

     

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.     

基于曲波变换的航空电磁数据调平方法研究

航空电磁法由于高效和高精度的特点广泛应用于地质填图、矿产资源、地下水、及环境与工程等勘查.然而,航空电磁系统处于动态环境,噪声影响严重,航空电磁数据处理至关重要.航空电磁数据噪声除随机成分外,还包括有各种效应引起的畸变,数据去噪需要依据噪声特征进行处理.航空电磁数据调平是航空电磁数据处理中至关重要的步骤,它能有效去除数...     

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。      

基于曲波变换的大地电磁二维稀疏正则化反演

为了提高二维大地电磁反演对异常体边界的刻画能力, 我们引入曲波变换建立一种新的稀疏正则化反演方法.与传统的在空间域中对模型电阻率参数求解的方式不同, 我们借助曲波变换将二维电阻率模型转换为曲波系数, 并采用L1范数约束以保证系数的稀疏性.曲波变换是一种多尺度分析方法, 其系数分为粗尺度系数和精细尺度系数, 粗尺度的系数代表电阻率模型的整体概貌, 而精细尺度中较大系数代表目标体的边缘细节.此外, 曲波变换的窗函数满足各向异性尺度关系, 并具有多方向性, 因此曲波变换可以近似最佳地提取目标体的边缘特征信息, 这为我们在反演中恢复边界提供有利条件.通过对大地电磁的理论模型合成数据和实测数据反演, 验证了基于曲波变换稀疏正则化反演对异常体边界的刻画能力优于常规的L2范数和L1范数反演方法.

     

基于Curvelet变换的地震资料信噪分离技术

在地震资料中,噪声干扰严重影响了有效信号的提取,为此必须进行信噪分离处理.本文提出一种基于Curvelet变换和KL变换相结合的软硬阈值折衷处理方法.首先对地震数据进行Curvelet变换,然后对各尺度系数选取适当阈值压制噪声干扰,再利用KL变换提取数据中的相干有效信号,最后重构得到去噪后的记录.经合成记录和实际地震资料处理实验证明,该方法与小波变换法相比较,更能有效进行信噪分离,提高地震剖面信噪比和分辨率.     

地震数据去噪中的小波方法

地震资料去噪是地震数据处理中是必不可少的步骤,随着地震勘探的进步和勘探目的层加深,对地震资料的信噪比和分辨率提出了越来越高的要求.小波分析作为一个新兴的数学方法在地震资料去噪中也有巨大的潜力.本文从小波去噪的特点出发,介绍了小波分频和小波域阈值去噪的特点,并详细总结了地震资料去噪中的小波方法,主要有面波的压制和随机噪声的衰减.最后简要叙述了地震资料小波去噪的一些问题和发展.     

基于时频分析与分数阶最优控制网络的地震数据噪声压制

在复杂的地表环境, 地震勘探采集到的实际地震资料信噪比较低, 分辨率较差, 接收的噪声能量较强, 与有效信号存在频谱的重叠.常规的消噪手段很难在保证有效信号幅值的同时, 还兼顾噪声压制的效果.本文采用基于分数阶最优控制(Fractional Optimal Control)理论建立的深度学习神经网络——FOCNet来压制地震数据噪声, 并恢复微弱同相轴.不同于传统深度学习网络(DCNN)算法大多为基于经验的网络设计, FOCNet具有坚实的数理基础, 它从动态系统的最优控制角度阐述了网络的原理, 并采用长期记忆的方式增强了网络的稳定性, 提高了系统对噪声的消减能力.针对地震数据有效信号在低频带与噪声重叠严重, 且FOCNet对数据中、高频信息保留更好这一情况, 本文提出了一种基于理想时频分析与FOCNet相结合的算法(TF-FOCNet)来压制地震噪声, 提取有效信号.该算法通过理想时频分析, 针对性的提取信噪重叠的低频目标数据成分, 并与数据的中、高频成分一起送入网络中进行处理并融合, 完成噪声的压制, 增强了低频信息的保留能力.模拟及实际的实验结果验证了算法在随机噪声、面波压制及微弱信号恢复上的有效性和优越性.

     

基于曲波变换的航空电磁数据去噪方法研究

航空电磁法作为一种地形复杂地区资源探测的有效方法,近年来得到了广泛的应用.然而,由于系统所处的动态环境,噪声干扰严重.为了改善航空电磁数据质量,提高地下电性反演的准确性,需要研发相关去噪技术.传统航电去噪大多针对特定噪声或单一测线上的信号进行处理,难以兼顾相邻测线之间观测信号的相关性.本文采用曲波变换进行二维航空电磁数据去噪.由于曲波变换具有多尺度和多方向性特征,可以在对噪声精细分析的基础上进行有效去除,同时还保证了整个测区内信号的相关性.进而,我们提出Sigmoid阈值函数对传统阈值函数进行改进,以进一步改善去噪效果.为了验证曲波变换方法对航空电磁数据去噪的有效性,将曲波变换和传统去噪方法分别应用于理论模型和实测数据进行对比.试验证明本文曲波变换用于航空电磁数据去噪具有明显的优越性.

     

基于第二代Curvelet变换的面波压制(英文)

针对面波能量强、频率低、视速度低等特点,本文提出了基于第二代Curvelet变换的多尺度、多方向分解的面波压制方法,充分利用Curvelet变换的多尺度、多方向功能,分离出含有面波的尺度和方向然后利用面波与有效波在Curvelet域基本不重叠的特性,进行信噪分离处理。这种方法在实际叠前地震数据的处理中,能够有效压制面波,同时较好地保护有效反射波,特别是反射波的低频分量。文中提出的基于第二代Curvelet变换的去面波方法是一种较好的保幅去噪方法。     

基于曲波变换的航空电磁数据去噪方法研究

航空电磁法作为一种地形复杂地区资源探测的有效方法,近年来得到了广泛的应用.然而,由于系统所处的动态环境,噪声干扰严重.为了改善航空电磁数据质量,提高地下电性反演的准确性,需要研发相关去噪技术.传统航电去噪大多针对特定噪声或单一测线上的信号进行处理,难以兼顾相邻测线之间观测信号的相关性.本文采用曲波变换进行二维航空电磁数据去噪.由于曲波变换具有多尺度和多方向性特征,可以在对噪声精细分析的基础上进行有效去除,同时还保证了整个测区内信号的相关性.进而,我们提出Sigmoid阈值函数对传统阈值函数进行改进,以进一步改善去噪效果.为了验证曲波变换方法对航空电磁数据去噪的有效性,将曲波变换和传统去噪方法分别应用于理论模型和实测数据进行对比.试验证明本文曲波变换用于航空电磁数据去噪具有明显的优越性.     

加权抛物Radon变换叠前地震数据重建

基于部分动校正（NMO）后反射同相轴在CMP道集上的抛物线走时近似,给出了加权抛物Radon变换叠前地震数据重建方法（WPRT）. WPRT通过在迭代过程中引入变化着的权系数,拓展和改进了传统抛物Radon变换方法,使其可同时完成不规则采样的规则化和空道及近偏移距道重建,且有更高的计算效率. 文中给出了应用WPRT进行近偏移距和中偏移距的空地震道重建及数据规则化的算法实现. 理论模型和实际地震资料的地震数据重建结果显示了本文算法的优点.     

基于卷积神经网络的井中分布式光纤传感器地震数据随机噪声压制新技术

分布式光纤传感器(distributed fiber-optical acoustic sensor,DAS)是一种快速发展的具有巨大应用前景的地震勘探检波器技术.实际DAS地震资料往往会受到大量强能量随机噪声的干扰,通常表现为低信噪比(signal-to-noise ratio,SNR).这一现象给接下来的成像、反演以及解释带来了巨大的困难,因此如何压制DAS地震资料中的随机噪声并提高其SNR成为一个有待解决的技术问题.卷积神经网络(convolutional neural network,CNN)已经被证明是一种有效的噪声压制工具.通常情况下,CNN需要一个理论纯净地震数据集来优化网络,这极大地限制了CNN在DAS地震资料处理中的应用.在本文中,我们采用正演模拟的方法来构建理论纯净DAS地震数据集,通过正演模型的参数多样化增强数据集的真实性,从而获得适合DAS地震资料随机噪声压制的CNN去噪模型.此外,在网络结构方面,我们利用泄漏线性整流单元作为CNN的激活函数增强训练后模型对微弱有效信号的恢复能力;在训练过程中,通过能量比矩阵调节噪声片和有效信号片之间的SNR,增强CNN去噪模型对于不同SNR的DAS地震数据的适应性.模拟和实际实验均表明本文提出的这种正演模型驱动的卷积神经网络(forward-model-actuation convolutional neural network,FMA-CNN)能够有效地压制DAS随机噪声同时完整地恢复有效信号.

     

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.     

Appraisal problem in the 3D least squares Fourier seismic data reconstruction

Least squares Fourier reconstruction is basically a solution to a discrete linear inverse problem that attempts to recover the Fourier spectrum of the seismic wavefield from irregularly sampled data along the spatial coordinates. The estimated Fourier coefficients are then used to reconstruct the data in a regular grid via a standard inverse Fourier transform (inverse discrete Fourier transform or inverse fast Fourier transform). Unfortunately, this kind of inverse problem is usually under‐determined and ill‐conditioned. For this reason, the least squares Fourier reconstruction with minimum norm adopts a damped least squares inversion to retrieve a unique and stable solution. In this work, we show how the damping can introduce artefacts on the reconstructed 3D data. To quantitatively describe this issue, we introduce the concept of “extended” model resolution matrix, and we formulate the reconstruction problem as an appraisal problem. Through the simultaneous analysis of the extended model resolution matrix and of the noise term, we discuss the limits of the Fourier reconstruction with minimum norm reconstruction and assess the validity of the reconstructed data and the possible bias introduced by the inversion process. Also, we can guide the parameterization of the forward problem to minimize the occurrence of unwanted artefacts. A simple synthetic example and real data from a 3D marine common shot gather are used to discuss our approach and to show the results of Fourier reconstruction with minimum norm reconstruction.