基于数据增广训练的深度神经网络方法压制地震多次波

地震数据中存在的多次波影响偏移成像,误导地震资料的解释,因此通常视为相干噪声而被去除.为了对多次波进行智能化衰减,本文提出了一种基于数据增广训练的使用深度神经网络的多次波压制方法.设计的深度神经网络包括卷积编码和卷积解码过程,其中卷积编码过程学习全波场数据中的一次波特征,卷积解码过程利用这些特征来重构一次波并压制多次波和随机噪声.在训练阶段,旋转训练集并在输入数据中加入随机噪声构成增广训练数据集来提升神经网络的抗噪稳定性和泛化性,通过迁移学习让深度神经网络具备跨工区压制多次波的能力.简单模型与Sigsbee2B模型三套模拟数据的实例验证了本文方法在一次波重构和多次波压制中的有效性、稳定性和良好泛化性;一套崎岖海底模型地震物理模拟数据的应用实例表明本文方法具有应用于复杂条件下压制地震多次波的能力.

     

基于一维卷积神经网络的高分辨率Radon变换反演方法研究

高分辨率Radon变换是地震资料处理常用的方法之一,其反演通常涉及矩阵求逆、多次迭代等环节,这些因素导致Radon变换反演计算量大,收敛速度慢等问题.本文在分析Radon变换分辨率降低原因基础上,提出基于一维卷积神经网络（Convolutional Neural Network,CNN）的高分辨率Radon变换反演方法.该方法通过卷积神经网络的非线性表征能力实现低分辨率Radon参数到高分辨率Radon参数的映射,分析了基于反褶积原理的串联映射模型和基于残差学习的并联映射模型提高分辨率的原理.将上述CNN网络得到的特定频率Radon参数约束其他频率参数的反演,避免了分频训练的弊端.模拟数据和实际数据的多次波压制实验表明,本文提出的基于一维卷积神经网络的高分辨率Radon变换可以较好地压制多次波,且计算效率高.

     

基于波动方程预测和双曲Radon变换联合压制表面多次波

基于波动方程预测的表面多次波压制方法可处理复杂地下介质的地震资料,但计算成本较高.基于滤波的多次波压制方法计算效率较高,但其成功应用仅局限于一次波和多次波有明显时差差别的地震数据,对来自速度逆转等复杂介质数据则较难获得满意的压制效果.本文将波动方程预测的反馈迭代法和滤波法有效结合,采用GPU(图形处理器)和CPU协同并行加速计算粗略预测表面多次波,随后在双曲Radon域比较分析原始数据和预测的多次波,设计合理有效的Butterworth型自适应滤波器,滤出原始数据Radon域中的多次波能量,进行Radon反变换后,在时空域将多次波从原始数据中减去,得多次波压制结果.文中对理论模拟的单炮数据、复杂的SMAART模型以及实际地震数据进行了计算,结果表明,结合基于波动方程预测和双曲Radon变换的方法有效突破了两种方法各自的局限性,可高效高精度地压制复杂地下介质的表面多次波.     

基于波动方程预测和双曲Radon变换联合压制表面多次波

基于波动方程预测的表面多次波压制方法可处理复杂地下介质的地震资料,但计算成本较高.基于滤波的多次波压制方法计算效率较高,但其成功应用仅局限于一次波和多次波有明显时差差别的地震数据,对来自速度逆转等复杂介质数据则较难获得满意的压制效果.本文将波动方程预测的反馈迭代法和滤波法有效结合,采用GPU(图形处理器)和CPU协同并行加速计算粗略预测表面多次波,随后在双曲Radon域比较分析原始数据和预测的多次波,设计合理有效的Butterworth型自适应滤波器,滤出原始数据Radon域中的多次波能量,进行Radon反变换后,在时空域将多次波从原始数据中减去,得多次波压制结果.文中对理论模拟的单炮数据、复杂的SMAART模型以及实际地震数据进行了计算,结果表明,结合基于波动方程预测和双曲Radon变换的方法有效突破了两种方法各自的局限性,可高效高精度地压制复杂地下介质的表面多次波.     

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。     

基于匹配滤波的多次波压制方法研究

常规滤波方法对浅海多次波压制不能取得理想效果.通过改变模型表面边界条件,求解波动方程实现多情景地震数值模拟.利用自由边界条件模拟时获得含海平面强反射多次波地震记录,而利用吸收边界条件时得到理想条件下无多次波地震记录.对比分析多次波对有效地震信号的影响得到海平面强反射多次波改变了有效地震信号的振幅、频率和相位.利用归一化方法计算得到压制多次波滤波器算子,并作用于含海平面强反射多次波地震记录.叠加地震剖面对比分析表明,归一化滤波器算子较好的压制了地震记录中的多次波,提高地震资料分辨率.最后,根据多次波产生条件,给出了利用实际区域简化地质模型的地震数值模拟结果计算归一化滤波器算子的方法,从而利用该方法压制实际地震数据中多次波.     

基于迭代反演的层间多次波压制方法

层间多次波与有效波在走时、频率和叠加速度上差异较小,因此层间多次波压制常难以获得理想效果.本文提出一种基于迭代反演的层间多次波压制方法（MSI,Multiple Suppression Inversion）,该方法以共聚焦点（CFP,Common Focus Point）层间多次波压制理论为基础,通过构建卷积因子,将层间多次波压制转变为迭代反演的问题,直接利用观测的地震数据进行迭代反演计算,进而完成多次波压制.MSI方法避免了共聚焦点方法中构建CFP道集的聚焦运算,大幅降低层间多次波预测的计算成本;同时该方法为全数据驱动方法,无需地下介质任何先验信息,算法容易实现.模型数据测试表明,本文提出的方法可有效压制层间多次波,而且对有效波也具有很好的保幅性.

     

反馈迭代法压制表面多次波效果分析

地震数据处理通常假定反射数据仅由一次波组成,地震勘探资料中的表面多次波通常被视为相干噪音予以压制.基于波动方程预测的反馈迭代法为数据驱动的方法,可有效压制复杂地下介质的表面多次波,通常可由级数展开法和迭代法两种方法实现.文中分别从理论阐述以及应用效果分析方面对基于波动方程预测的反馈迭代法的两种实现途径进行研究,并采用GPU/CPU协同并行加速计算预测表面多次波,改善以往CPU计算效率低的状况.文中对含表面多次波的炮数据和复杂的SMAART模型进行了计算,并将利用级数展开法与迭代法压制表面多次波的效果进行对比分析,结果表明,迭代形式反馈迭代法压制表面多次波的方法效果更佳.由于实现迭代法和级数展开法需要完成的自适应匹配相减的次数不同,迭代法的计算成本略高于级数展开法.     

分层层间多次波预测与自适应压制方法研究

在地震勘探中,层间多次波在地震剖面上形成的虚假界面会严重影响对地质构造的解释.由于层间多次波在走时、频率和形态上与一次波的差异较小,因此较难对层间多次波进行识别和压制.本文使用分层层间多次波预测方法与基于2D卷积信号盲分离的多次波自适应相减方法相结合的策略对层间多次波进行压制处理.首先推导并阐述了分层层间多次波预测方法的理论基础,然后对地下介质中存在的多个多次波产生界面实现了层间多次波的分层预测,最后采用基于2D卷积信号盲分离的多次波自适应相减方法对层间多次波进行压制,以更好的保护有效信号.分层预测的方法通过分离层间多次波产生层位,对目标层位产生的所有层间多次波直接进行预测,该方法避免了共聚焦点方法构建共聚焦点道集的聚焦运算,降低了计算成本,同时该方法是基于数据驱动的,算法容易实现.模型数据和实际地震资料试算结果表明,本文方法能直接利用地表数据对层间多次波进行压制,并有效的保护一次波．     

利用最小平方基准面延拓压制自由表面多次波II: 海洋拖缆观测数据

压制自由表面多次波一直是海洋拖缆地震数据处理中非常关键的环节.浅水等复杂条件下的多次波压制给现有方法构成了严峻的挑战.本文姊妹篇基于卷积型互易定理建立了地下基准面上的虚拟观测信号与实际观测地震数据之间的转化方程,进而借助约束优化反演理论提出最小平方基准面延拓(LSR)方法,用于消除海底观测地震数据中的表面多次波.本文遵循相同的原理,分别针对双检波器同时记录声压场和质点垂直速度信号、单检波器仅记录声压场信号两种拖缆采集方式,探讨基于LSR的表面多次波压制方法及其影响因素.理论模型合成数据实验展示了方法特点与有效性,南黄海浅水拖缆双检地震数据处理结果表明方法具有良好的应用前景.

     

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.

     

地面多分量地震数据P/S波分离的深度学习方法

多分量地震记录P/S波分离是多波地震数据处理的关键技术环节.常规方法大多依据两种波模式视速度或偏振特征的差异,基于信号分析或偏振投影实现模式解耦.在许多实际的地震-地质条件下,这些基于信号特征假设或表层参数模型的P/S波分离方法往往不太有效.为此,本文将各向同性介质条件下的地面多分量地震数据P/S波分离视为非线性的逐点预测问题,借助深度神经网络强大的特征提取能力进行求解.以国际标准模型为基础,提出了创建弹性参数样本库和P/S波分离标签数据集的有效方法.实验表明,丰富的训练样本保证了深度神经网络的泛化性能,在测试数据体上取得了明显优于经典的偏振投影分离方法的处理效果,而且摆脱了对表层介质参数的依赖性,为多分量地震数据反射PP波和PS波成像提供了有效的技术支撑.

     

基于波动方程表面多次波预测与 自适应相减方法研究

多次波预测与自适应相减是基于波动方程表面多次波压制的两个重要环节.文中利用具有并行计算优势的GPU加速表面多次波预测,使得预测效率大为提高.在自适应相减算法中,文中将预测的多次波道、预测多次波道的Hilbert变换道、预测多次波道的高频重建道、以及它们的平移道用作自适应相减中的多次波模型道.Hilbert变换道用以补偿预测多次波的相位信息,高频重建道用以改善预测多次波的高频信息,补偿频带能量差异.文中在预测和相减过程中均采用迭代算法,迭代预测,可较好地获得多次波的运动学特性,迭代相减,可较好地获得多次波的动力学特性,迭代预测与相减使预测的多次波与地震数据中实际的多次波更好地匹配.将该方法应用于理论模拟的SMAART模型和实际海洋数据中,测试结果表明,该方法预测多次波效率较高,在保持有效波振幅条件下可有效地压制地震数据中的表面多次波.     

基于复曲波变换的一次波和多次波分离方法

多次波压制方法的研究一直都是地震数据处理中非常重要的一个课题.由于常用的多次波匹配方法主要针对多次波模型和实际多次波存在的振幅或相位的差异进行匹配校正,而无法直接校正多次波模型和实际多次波存在时移误差.本文构建了一种复曲波变换的算法,利用复曲波变换的时移不变性质,通过调整复曲波系数的振幅和相位实现对多次波模型振幅和时移误差的校正.为了更好地保护有效信号,在一次波和多次波分离前,引入一个非线性屏蔽滤波器,可以事先分离出大部分有效波,然后再将剩余部分数据作为输入数据,在复曲波域进行剩余一次波和多次波分离.最后通过模型试算和实际资料处理验证了本文提出的一次波和多次波分离方法的有效性.     

利用最小平方基准面延拓压制自由表面多次波Ⅰ:海底观测地震数据

海底多分量地震采集技术被广泛用于海洋地质调查、油气资源勘探以及地震与海啸等灾害监测领域.然而,自由表面效应导致地震观测数据中多次波干扰很强,影响一阶散射理论基础上的速度建模和偏移成像.本文基于数据驱动的地震干涉原理,在最小平方反演理论框架下提出消除自由表面和上覆介质影响的基准面延拓方法,结合海森算子与点扩散函数揭示其工作机理.针对海底分离的上、下行波记录,在无需进行多次波分离或分阶提取情况下,迭代反演获得在海底虚拟观测的叠前地震数据.理论模型合成数据实验结果表明,该方法能够有效压制源端自由表面与海水层的影响,提高有效信号的分辨率,进而改善地震成像质量.

     

古龙断陷深层火山岩地震资料成像方法及应用研究

松辽盆地北部古龙断陷的地震地质条件复杂,三维地震资料品质较差,所以提高地震资料的信噪比和断陷期地层的成像精度是当前地震资料处理的研究重点.在提高地震资料信噪比方面,本文进行了十字交叉排列面波压制技术、压制规则干扰的减去法多次波压制技术和基于菲涅耳带原理的超面元技术的研究,这些技术的有效应用,对保护深层有效波的低频信号、消除深层构造假象、提高道集的覆盖次数和提高信噪比具有重要的理论和实际意义.在提高地震资料信噪比的基础上,进行了Kirchhoff积分叠前深度偏移研究,结果表明在速度变化较为剧烈的地区,叠前深度偏移的成像精度要高于叠前时间偏移.速度模型是深度域成像的关键,在初始速度模型建立上,研究并应用了二维速度模型约束下的三维速度分析技术,在此基础上,依据测井资料和区域地质研究的成果进行速度模型的优化分析,给出叠前深度偏移的速度体.上述提高信噪比和成像精度的方法在古龙地区深层断陷期地层取得了良好的应用效果,为古龙断陷结构的地质认识奠定了坚实基础.     

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.

     

基于门控循环单元主导的深度网络半监督地震衰减补偿方法

地震波在地下传播时存在能量衰减,呈现非平稳性,导致地震资料的分辨率降低,不利于储层刻画.为了解决这个问题,需要对地震记录进行衰减补偿来消除非平稳性.考虑到GRU(Gated Recurrent Unit)即门控循环单元在处理时间序列时具有长时和短时记忆的优势,本文构建了以GRU为主导的网络结构(简称GRU网络), 提出了基于GRU网络的地震衰减补偿方法.实际地震数据处理中,测井资料往往非常有限,导致标签数据较少.为解决小样本问题,本文借鉴自编码器的思想,除井旁道和测井合成地震记录的标签外,将其余地震记录作为无标签数据引入训练,半监督地学习非平稳数据到平稳数据的非线性映射,实现了地震记录的衰减补偿.最后利用含噪合成地震记录和实际地震资料测试了本文提出的方法,证明了其有效性.