半径-斜率域加权反假频地震数据重建

为减小地震数据缺失给地震后续处理工作带来的影响,需要对地震数据进行插值重建.针对反假频插值重建这个难点问题,进行了相关研究,并由此提出了一种改进的R-P（半径-斜率）域加权反假频地震数据插值重建方法.该方法将F-K（频率-波数）谱变换到R-P域,在R-P域设计一个权函数并将其作用于每次的迭代插值过程.通过模型数据和实际数据的测试,证明了该方法具有较好的反假频插值重建能力.     

深度域叠前弹性波阻抗反演（英文）

叠前深度偏移的广泛应用产生了大量的深度域地震数据,提供了深度域地震处理的数据基础,并为探索直接基于深度域地震数据的储层弹性参数反演提供了可能性。由于深度域地震子波存在与速度密切相关的特征,直接提取深度域地震子波存在困难,本文将深度域速度变换与脊回归方法结合,实现了深度域地震子波的确定性提取,将提取的深度域常速地震子波构建成依赖速度的空变地震子波,基于加权叠加思想,提出了深度域地震记录合成方法。再结合非线性共轭梯度算法,建立了基于深度域地震数据和模型驱动的深度域叠前波阻抗反演流程,不再进行额外的时间域和深度域之间的数据转换。深度域合成地震数据与实际地震资料的叠前波阻抗反演取得了较好的结果,表明该方法是可行的。该方法可作为深度域正演分析和叠前弹性参数反演的基础方法,为深度域反演方法的稳定性、精度和效率的进一步研究创造了条件。     

地震数据反假频规则化方法研究

由于诸多因素的影响,地震数据沿空间方向通常是稀疏采样的,因此引起较为严重的空间假频.本文提出一种反假频地震数据规则化的方法,采用Fourier变换域加权范数带限重建方法完成低频数据重建,利用自适应频谱加权范数的正则化项约束方程的解,将地震数据的带宽和谱形状作为先验信息,具有较好的低频重建特性.文中采用共轭梯度算法求解方程,而后利用重建的低频数据信息,应用频带延拓的方法重建高频数据,未知的高频带信息由重建的低频带信息构建.本方法在完成地震数据规则化的同时,可有效去除地震数据中的空间假频干扰.理论模型和实际资料处理均表明文中所提出的反假频地震数据规则化方法是有效可行的.     

基于矩阵Toeplitz稀疏分解的相对波阻抗反演方法

针对利用地震道进行相对波阻抗反演中遇到的横向连续性难以保持、初始子波容错度差以及随机噪声干扰影响反演结果等问题,提出了一种基于矩阵Toeplitz稀疏分解的相对波阻抗反演方法.该方法将地震数据剖面的Toeplitz稀疏分解问题分解为两个子反演问题,其一以Toeplitz子波矩阵元素为待反演的参数,用Fused Lasso方法求解,可保证子波具有紧支集且是光滑的;其二以稀疏反射系数矩阵元素为待反演参数,用基于回溯的快速萎缩阈值迭代算法求解,大大降低了目标函数中参数选择的难度.通过交替迭代求解上述两个子反演问题可将地震数据剖面因式分解为一个Toeplitz子波矩阵和一个稀疏反射系数矩阵;然后由反射系数矩阵递推反演可以得到高分辨率的相对波阻抗剖面;利用测井资料加入低频分量后,也可得到高分辨率的绝对波阻抗剖面.Marmousi2模型生成的合成记录算例和实际地震资料算例均表明：本文方法可以从带限地震数据中有效地反演相对波阻抗,反演结果分辨率高并且能够很好地保持地震数据的横向连续性;即使在初始估计子波存在误差和地震数据被随机噪声污染的情况下也能取得较好的效果.

     

地震低频信息缺失特征分析及拓频方法研究（英文）

地震低频信息能够提高分辨率与成像精度,改善反演质量,甚至直接进行油气检测,需要对其进行有效保护与拓展。对于子波而言,缺失低频信息会导致主瓣幅度降低、第一旁瓣幅度增加,并出现次级旁瓣呈周期震荡衰减的现象;从合成地震记录和典型地质模型来看,低频缺失会产生假同相轴,造成分辨率提高的假象,且模型不同位置的特征存在一定差异;对缺失低频的模型数据进行波阻抗反演,会造成构造失真、岩性改变的假象,特别是高陡构造和薄互层。针对缺失低频的地震资料,本文还研究了基于压缩感知与稀疏约束的拓频方法,开发了相应的模块,并对实际CIP道集进行处理,取得了较好的应用效果。     

稀疏反演用于消除气泡和增强频谱

由无气泡气枪震源形成的简单波形可以大大简化子波相位函数的确定和控制,可以提高地震数据的地层学分层的可靠性。本文中,我们提出一种创新方法,即通过利用频率-波数域稀疏反演法用于消除气泡和增强频谱。与著名的气枪震源不同,我们使用目标源的概念。目标源是单一波瓣且无气泡的气枪震源。为了反演使用类似目标源获得的地震数据,我们计算一个估计问题。该方法的基本思想是利用卷积和反卷积,由于稳定性因素在时空域存在随机噪声。我们提出当通过频率-波数(f-k)域值约束做反卷积时,利用迭代消除随机噪声。与传统的维纳滤波法相比,此方法可以获取更为接近完美的结果,并消除其他噪声和人工干扰。我们利用一个线性事件合成数据和一个更为真实的Marmousi模型实例来演示此方法的性能。结果表明,此方法能有效地消除气泡影响并填补频谱凹槽。     

基于对数函数稀疏约束的随机缺失地震数据的重建

由于受地质条件、采集环境和采集成本等因素限制以及废道或废炮的剔除,获取的地震数据往往是不规则和不完整的,缺失的地震数据将直接影响地震资料的后续处理和解释.为此,本文针对二维随机缺失地震数据,将一种基于对数函数稀疏约束的方法应用于地震数据的重建.首先,将地震数据沿时间作傅里叶变换,获取具有谐波结构的频率切片,然后将缺失地震数据的重建问题转化为基于对数函数稀疏约束的非凸半定规划问题,接着采用极大极小算法(MM)将非凸半定规划问题转化为一个凸半定规划问题进行求解,得到频率切片数据的重建,最后对频率切片作逆傅里叶变换重建地震数据.此外,由于半定规划问题依赖于内点法,当数据规模较大时将导致计算复杂度高.为进一步提高计算效率,本文采用交替方向乘子算法(ADMM)对凸半定规划问题进行迭代求解.人工合成和实际地震数据实验结果表明,基于频率切片对数函数稀疏约束的重建方法对随机缺失地震数据能进行较好的重建,且重建精度高于基于频率切片的低秩矩阵拟合方法(LMaFit)和迭代软阈值方法(IST).     

基于Bregman迭代的复杂地震波场稀疏域插值方法

在地震勘探中,野外施工条件等因素使观测系统很难记录到完整的地震波场,因此,资料处理中的地震数据插值是一个重要的问题。尤其在复杂构造条件下,缺失的叠前地震数据给后续高精度处理带来严重的影响。压缩感知理论源于解决图像采集问题,主要包含信号的稀疏表征以及数学组合优化问题的求解,它为地震数据插值问题的求解提供了有效的解决方案。在应用压缩感知求解复杂地震波场的插值问题中,如何最佳化表征复杂地震波场以及快速准确的迭代算法是该理论应用的关键问题。Seislet变换是一个特殊针对地震波场表征的稀疏多尺度变换,该方法能有效地压缩地震波同相轴。同时,Bregman迭代算法在以稀疏表征为核心的压缩感知理论中,是一种有效的求解算法,通过选取适当的阈值参数,能够开发地震波动力学预测理论、图像处理变换方法和压缩感知反演算法相结合的地震数据插值方法。本文将地震数据插值问题纳入约束最优化问题,选取能够有效压缩复杂地震波场的OC-seislet稀疏变换,应用Bregman迭代方法求解压缩感知理论框架下的混合范数反问题,提出了Bregman迭代方法中固定阈值选取的H曲线方法,实现地震波场的快速、准确重建。理论模型和实际数据的处理结果验证了基于H曲线准则的Bregman迭代稀疏域插值方法可以有效地恢复复杂波场的缺失信息。     

基于Bregman迭代的复杂地震波场稀疏域插值方法(英文)

在地震勘探中,野外施工条件等因素使观测系统很难记录到完整的地震波场,因此,资料处理中的地震数据插值是一个重要的问题。尤其在复杂构造条件下,缺失的叠前地震数据给后续高精度处理带来严重的影响。压缩感知理论源于解决图像采集问题,主要包含信号的稀疏表征以及数学组合优化问题的求解,它为地震数据插值问题的求解提供了有效的解决方案。在应用压缩感知求解复杂地震波场的插值问题中,如何最佳化表征复杂地震波场以及快速准确的迭代算法是该理论应用的关键问题。Seislet变换是一个特殊针对地震波场表征的稀疏多尺度变换,该方法能有效地压缩地震波同相轴。同时,Bregman迭代算法在以稀疏表征为核心的压缩感知理论中,是一种有效的求解算法,通过选取适当的阈值参数,能够开发地震波动力学预测理论、图像处理变换方法和压缩感知反演算法相结合的地震数据插值方法。本文将地震数据插值问题纳入约束最优化问题,选取能够有效压缩复杂地震波场的OC-seislet稀疏变换,应用Bregman迭代方法求解压缩感知理论框架下的混合范数反问题,提出了Bregman迭代方法中固定阈值选取的H曲线方法,实现地震波场的快速、准确重建。理论模型和实际数据的处理结果验证了基于H曲线准则的Bregman迭代稀疏域插值方法可以有效地恢复复杂波场的缺失信息。     

基于LO范数最小化的地球物理数据稀疏重构(英文)

在实际的地球物理数据采集工作中,会因为多方面的客观原因导致数据缺失,对缺失数据进行插值重构是地球物理数据处理和解释的基础问题。基于地球物理数据自身或在变换域内的稀疏性,将地球物理数据的重构转化为稀疏优化问题可提高数据重构的精确度与稳定性。本文建立了LO范数最小化的地球物理数据稀疏重构模型,针对不同规模、不同特征的地球物理数据引入了两种不同类型的LO范数最小优化问题的近似求解算法,即基于LO范数最小化的迭代再加权最小二乘算法与具有快速收敛性的快速迭代硬阈值法。理论分析与数值试验表明,将迭代再加权最小二乘算法应用到位场数据重构中可发挥其收敛速度快,计算时间短,精度高的优势,而快速迭代硬阈值法更适合处理地震数据,相对于传统的迭代硬阈值法计算效率有了很大的提高。     

丘陵地带地震资料随机噪声压制新技术:高阶加权阈值函数的Shearlet变换

随着山地和丘陵地震勘探环境的复杂化,传统的消噪方法已经难以有效地压制地震记录中的随机噪声.Shearlet变换是一种新的多尺度多方向的时频分析方法,具有良好的稀疏表示特性,并且在每个尺度进行方向分解,非常适合用于地震信号随机噪声的压制.但是传统的Shearlet变换去噪方法采用的是硬阈值,在抑制随机噪声的同时也消除了很多有效信号,使得去噪之后的地震资料出现虚假的同相轴,为了解决这一问题我们提出高阶加权阈值函数.高阶加权阈值函数不但整体上连续性较好,而且克服了硬阈值函数存在剧烈的变化的缺点以及软阈值在处理较大Shearlet系数总存在恒定偏差的问题,同时保留了传统的软硬阈值函数的优点.实验结果表明这种基于高阶加权阈值函数的Shearlet变换去噪的方法,可以有效的消除模拟地震信号和实际丘陵地带地震信号中的随机噪声,同时很好的保留有效信号的幅度.

     

空间局部加权回归自适应TFPF

时频峰值滤波(TFPF)算法是一种非常有效的去噪方法.但是传统的TFPF采用的单一窗长,并且仅沿时间方向进行滤波,忽略了信号的空间信息,并且TFPF近似等效成一个时不变的低通滤波器,不能追踪快速变化的信号.针对这些问题,引入空间局部加权回归自适应TFPF (SLWR-ATFPF).鉴于随机噪声在各个位置的方向随机性,以及有效信号在各个位置的方向确定性,首先利用空间局部加权回归(SLWR),对含噪信号进行空间加权,从而使加权之后的信号包含空间信息.然后,再引入凸集和Viterbi的思想,对空间加权之后的信号进行自适应滤波.从而,完成时空域二维自适应滤波.将SLWR-ATFPF应用于合成记录和实际的共炮点记录,实验结果表明,改进的方法与原算法相比,能够在压制低信噪比(SNR)随机噪声的同时更好地保留有效信号.     

基于压缩感知和宽带俞式低通整形滤波器的地震低频信息特征分析与补偿

碳酸盐岩储集层已成为世界石油新发现储量的重要组成部分,识别该类储层对地震数据的信噪比、分辨率以及成像精度提出了更高的要求.本文从地震低频信号缺失的问题出发,首先研究了低频信号缺失对子波、合成地震记录和波阻抗反演的影响,其次分析了深层碳酸盐岩裂缝储层中弱信号低频缺失的特征.针对低频信号缺失问题,本文利用压缩感知理论,并结合反射系数的稀疏特性,提出了自适应计算L₁范数权重因子的方法,同时构建了改进的宽带俞式低通整形滤波器,在不影响地震高频信号的同时对地震弱信号进行低频补偿.结果表明,缺失低频信号,会使子波旁瓣变大,合成记录出现假同相轴,厚层波阻抗反演畸变,深层碳酸盐岩裂缝储层弱信号难以识别;而本文方法有效地补偿了深层碳酸盐岩裂缝储层弱信号10Hz以下的频率成分,使得波组反射特征更加清晰,深层弱信号成像质量得到改善,为进一步有效识别深层碳酸盐岩裂缝储层建立了基础.

     

基于精确震源函数的解调包络多尺度全波形反演

本文提出解调包络方法来重构地震记录中缺失的低频信号,同时该方法能够降低全波形反演的非线性程度;提出伴随状态震源函数反演方法来得到精确的震源函数,并推导了梯度计算公式;解调包络方法结合低通滤波技术,实现了从低频到高频的多尺度反演策略,有效缓解了全波形反演的周波跳跃问题.数值算例证明了解调包络、伴随状态震源函数反演方法和低通滤波多尺度反演策略的可行性及优越性.震源函数反演精度测试结果表明：即使观测记录在缺失低频信息的情况下,也能反演得到精确的震源函数.缺失低频测试和抗噪能力测试结果表明：即使地震数据中缺失9Hz以下的低频信号或者信噪比极低的情况下,利用反演得到的精确震源函数进行解调包络多尺度全波形反演,同样可以得到高精度的全波形反演结果.与Hilbert包络全波形反演对比结果表明：解调包络在重构低频和降低伴随震源主频方面具有一定优势.

     

一种边缘保持的地震数据插值方法

在地震数据处理中,地震数据插值方法常常用来解决地震数据空间采样率低和不规则的问题.本文提出了一种基于边缘保持滤波器的地震数据插值方法.在该方法中,对于一个1D信号,逐点滑动一个处理窗口,将信号分成多个信号片段.对于某一个待恢复的缺失采样点,存在多个包含(或邻近)该采样点的信号片段可以用来估计它.采用多项式来拟合这些信号片段,并选择拟合误差最小的信号片段估计此缺失采样点,达到边缘保持的目的.对于2D地震信号,先沿不同方向扫描抽取1D信号,然后采用上述1D边缘保持插值算法分别进行处理,得到沿不同方向的插值结果.对于任一待插值采样点,选取对应拟合误差最小的方向的插值结果作为最后输出的2D数据的插值结果.理论模型和实际资料的处理结果表明,所提方法具有保边缘、抗假频及能够进行不规则数据重建等特点,既能有效的实现不规则地震数据的重建,又能很好的保持原有数据的边缘特征.     

低信噪比地震资料FDOC-seislet变换阈值消噪方法研究

地震数据本质上是时变的,不仅有效同相轴表现出确定性信号的时变特征,而且复杂地表和构造条件以及深部探测环境总是引入时变的非平稳随机噪声.标准的频率-空间域预测滤波只适合压制平面波信号假设下的平稳随机噪声,而处理非平稳地震随机噪声时,需要将数据体分割为小窗口进行分析,但效果不够理想,而传统非预测类随机噪声压制方法往往适应性不高,因此开发能够保护地震信号时变特征的随机噪声压制方法具有重要的工业价值.压缩感知是近年出现的一个新的采样理论,通过开发信号的稀疏特性,已经在地震数据处理中的数据插值以及噪声压制中得到了应用.本文系统地分析了压缩感知理论框架下的地震随机噪声压制问题,建立了阈值消噪的数学反演目标函数;针对时变有效信息具有的可压缩性,利用有限差分算法求解炮检距连续方程,构建有限差分炮检距连续预测算子（FDOC）,在seislet变换框架下,提出一种新的快速稀疏变换域——FDOC-seislet变换,实现地震数据的高度稀疏表征;结合非平稳随机噪声不可压缩的特征,提出了一种整形迭代消噪方法,该方法是一种广义的迭代收缩阈值（IST）算法,在无法计算稀疏变换伴随算子的条件下,仍然能够对强噪声环境中的时变有效信息进行有效恢复.通过对模型数据和实际数据的处理,验证了FDOC-seislet稀疏变换域随机噪声迭代压制方法能够在保护复杂构造地震波信息的前提下,有效地衰减原始数据中的强振幅随机噪声干扰.

     

Seismic data interpolation using frequency‐domain complex nonstationary autoregression

We have developed a novel method for missing seismic data interpolation using f‐x‐domain regularised nonstationary autoregression. f‐x regularised nonstationary autoregression interpolation can deal with the events that have space‐varying dips. We assume that the coefficients of f‐x regularised nonstationary autoregression are smoothly varying along the space axis. This method includes two steps: the estimation of the coefficients and the interpolation of missing traces using estimated coefficients. We estimate the f‐x regularised nonstationary autoregression coefficients for the completed data using weighted nonstationary autoregression equations with smoothing constraints. For regularly missing data, similar to Spitz f‐x interpolation, we use autoregression coefficients estimated from low‐frequency components without aliasing to obtain autoregression coefficients of high‐frequency components with aliasing. For irregularly missing or gapped data, we use known traces to establish nonstationary autoregression equations with regularisation to estimate the f‐x autoregression coefficients of the complete data. We implement the algorithm by iterated scheme using a frequency‐domain conjugate gradient method with shaping regularisation. The proposed method improves the calculation efficiency by applying shaping regularisation and implementation in the frequency domain. The applicability and effectiveness of the proposed method are examined by synthetic and field data examples.     

Image-guided inversion in steady-state hydraulic tomography

In steady-state hydraulic tomography, the head data recorded during a series of pumping or/and injection tests can be inverted to determine the transmissivity distributions of an aquifer. This inverse problem is usually under-determined and ill-posed. We propose to use structural information inferred from a guiding image to constrain the inversion process. The guiding image can be drawn from soft data sets such as seismic and ground penetrating radar sections or from geological cross-sections inferred from the wells and some geological expertise. The structural information is extracted from the guiding image through some digital image analysis techniques. Then, it is introduced into the inversion process of the head data as a weighted four direction smoothing matrix used in the regularizer. Such smoothing matrix allows applying the smoothing along the structural features. This helps preserving eventual drops in the hydraulic properties. In addition, we apply a procedure called image-guided interpolation. This technique starts with the tomogram obtained from the image-guided inversion and focus this tomogram. These new approaches are applied on four synthetic toy problems. The hydraulic distributions estimated from the image-guided inversion are closer to the true transmissivity model and have higher resolution than those computed from a classical Gauss–Newton method with uniform isotropic smoothing.     

Sparse Bayesian linearized amplitude-versus-angle inversion

The technique of seismic amplitude-versus-angle inversion has been widely used to estimate lithology and fluid properties in seismic exploration. The amplitude-versus-angle inversion problem is intrinsically ill-posed and generally stabilized by the use of L2-norm regularization methods but with drawback of smoothing important boundaries between adjacent layers. In this study, we propose a sparse Bayesian linearized solution for amplitude-versus-angle inversion problem to preserve the sharp geological interfaces. In this regard, a priori constraint term with two regularization functions is presented: the sparse constraint regularization and the low-frequency model information. In addition, to obtain high-resolution reflectivity estimation, the model parameters decorrelation technique combined with dipole decomposition method is employed. We validate the applicability of the presented method by both synthetic and real seismic data from the Gulf of Mexico. The accuracy improvement of the presented method is also confirmed by comparing the results with the commonly used Bayesian linearized amplitude-versus-angle inversion.