基于学习型超完备字典的地震数据去噪(英文)

基于变换基函数的方法,是地震去噪处理中最常用的技术之一,它利用地震数据在某种基函数变换域内的稀疏性和可分离性来达到剔除噪声的目的。但传统的做法是事先选定一组固定的变换基并在对应域内进行处理,其效果往往并不十分令人满意。为了探索新的改进方法,我们引入学习型超完备冗余字典,即根据地震模型数据进行学习和训练,以寻求最优的稀疏表示字典,而不是只选用固定的变换基。本文在字典学习中融入全变差最小化策略以压制伪吉布斯现象。我们选用离散傅里叶变换作为初始变换,并以随机噪声为例,对单一的全局变换、未经学习的超完备冗余字典和学习型超完备冗余字典做了比较。结果表明,利用经过训练的超完备冗余字典,在对地震数据进行稀疏表示的同时,也达到了有效去除噪声的目的,可视性和信噪比都得到了明显提高。我们也比较了均匀和不均匀字典子块的效果,结果表明,不均匀的字典子块更利于地震数据去噪。     

基于压缩感知的加权MCA地震数据重构方法

地震数据规则化重构是地震资料处理十分重要的基础性工作.压缩感知理论打破了香农采样定理的制约,利用信号在某个变换域的稀疏特性重构出完整的信号,在地震数据重构领域得到了很好的应用.深反射地震剖面大都布置在地质构造比较复杂的区段,复杂的地质构造使深反射地震剖面上的波阻特征复杂,采用单一稀疏变换不能最有效地表征数据的内部结构特征.MCA（形态成分分析）方法将信号分解为几种形态特征区别明显的分量来逼近数据的内部复杂结构,但是对各成分简单的叠加仍然无法有效地描述复杂构造数据的各种特征.结合两种方法的优点,本文提出了一种新的基于压缩感知的重构算法框架,在MCA方法的基础上对各稀疏字典进行加权,在迭代中不断更新各个稀疏字典的权值系数,对信号内部的各种特征进行最优描述,从而实现对信号的高质量重构.模型测试和实际资料处理结果表明：基于压缩感知的加权MCA方法不仅可以对地质构造复杂的地震数据进行高效的插值重建,而且可以很好的消除空间假频.

     

基于压缩感知理论的地震数据降噪方法

针对地震数据在采集处理过程中存在的随机噪声,本文从压缩感知的角度,给出了一种地震数据降噪方法.其基本思路是:首先对含有随机噪声地震数据通过离散余弦变换进行稀疏表示,然后选取随机高斯矩阵为测量矩阵,并计算出传感矩阵,在地震数据重构阶段,采用正交匹配追踪算法对地震数据进行重构;通过实验方法对比,本文方法的降噪效果在峰值信噪比、信噪比、均方误差指标上均优于对比方法,证明了本文方法对地震数据中的随机非平稳噪声有较好的压制效果,提高了地震数据的信噪比.     

基于分块字典学习理论的地震数据去噪

随着油气勘探观测环境愈发复杂,采集的地震数据常常掺杂各种噪声信号,导致勘探目标引起的有效微弱信号被覆盖,严重影响高精度的地震勘探数据解译,因而有效的压制地震勘探数据噪声显得越发重要。本文采用字典学习策略,将复杂地震数据进行分块,通过分块数据的字典学习获取字典原子,构建高精度的字典学习地震数据稀疏表示,通过两次迭代更新字典原子,进行数据去噪。将本文的字典学习算法应用于含随机噪声的模拟数据和实测地震勘探数据处理,验证该算法的可行性及有效性。结果表明,本文算法有效去除了随机噪声,保留了有效信号同相轴,提高了信噪比,可为复杂含噪地震数据的去噪处理提供新的技术手段。     

基于Bregman迭代的不同阈值模型地震数据重构方法分析

传统的地震数据采样必须严格遵循Nyquist采样定理,而野外实际数据的采集可能由于施工条件或者地表障碍物的限制,不一定能记录到完整的地震波场,所以地震资料处理中的数据重建是非常重要的问题.压缩感知理论最先来自信号处理领域,它所包括的问题类型有信号的稀疏表征和数学组合优化,它给地震数据重建这类问题指明了思考方向.而其中如何选择最优的迭代算法是数据重建中的关键问题.本文将地震数据插值问题归纳到约束最优化问题,选择能有效稀疏表征地震波场的傅里叶变换,对于压缩感知理论框架下的混合范数反问题,再用Bregman迭代方法去求解,在地震数据的重建过程中,传统的阈值参数收敛慢,为了降低迭代次数并且提高地震数据恢复的精度,总结出改进型指数衰减规律的阈值参数,选择用硬阈值算子来重建恢复地震数据．通过对理论模型和实际地震资料的处理结果表明该方法可以快速、有效的恢复地震波场的缺失数据．     

基于先验信息约束的Curvelet域地震数据POCS插值方法

由于野外采集环境的限制,常常无法采集得到完整规则的野外地震数据,为后续地震处理、解释工作的顺利进行,需要进行地震数据重构。凸集投影（POCS）方法利用地震波形在Curvelet域的稀疏特性,可以重构出高信噪比地震数据,该迭代算法稳定,其收敛速度较快。但在地震数据恢复的时候,由于直达波和炮集上部空白区域的影响,随着迭代的进行,重构数据中噪声干扰越来越严重,导致最终恢复的地震数据信噪比较低。本文在实现POCS迭代阈值算法基础上,引入先验信息约束的思想对算法进行优化。通过先进行坐标映射的方法进行炮集插值,然后将其作为先验信息约束进行插值,可以有效地压制迭代噪音对重构地震波形数据的影响。通过合成地震炮记录与实际炮集进行测试,结果表明本文提出的改进方法可以明显改善重构地震数据的信噪比,并提高地震波场同相轴的连续性。     

基于压缩感知重构算法的大地电磁强干扰分离

为压制大地电磁信号中的强人文干扰,提出一种基于压缩感知重构算法的大地电磁信号去噪方法.通过构建与常见典型强干扰相匹配而对有用信号不敏感的冗余字典原子,利用改进的正交匹配追踪算法,分离出大地电磁信号中的强干扰成分.为了验证所述方法的强干扰分离效果,首先通过在实测大地电磁信号中加入理想的强干扰信号进行了仿真分离实验,然后从大量实测数据中选取三种含有不同类型强干扰的时间域片段,用所述方法对实测数据中的强干扰进行分离,最后将所述方法应用于青海试验点以及庐枞矿集区某测点实测数据的综合处理.仿真实验结果表明,该方法在分离出强干扰的同时,能够较好地保留有用信号.实测数据处理结果表明,该方法能够有效压制强干扰,改善强干扰区大地电磁数据的质量.

     

模型约束下的在线字典学习地震弱信号去噪方法

本文针对噪声成分和噪声结构的复杂性及弱信号的特征,发展了最新的在线字典学习去噪方法.在线字典学习去噪方法是以数据驱动的方式,反复进行学习构建字典方式,求得信号的稀疏性解以实现对信号的去噪,在此基础上,提出了数据驱动与模型驱动联合的模型约束下的在线字典学习去噪方法,先通过模型驱动方式获得一个较优质的学习样本以构建字典再进行去噪处理.通过和传统小波变换进行理论地震合成记录的效果对比,在高噪声比例的弱信号情况下远远优于传统的时频域去噪方法.实际数据去噪处理表明,模型约束下的在线字典学习去噪方法是一种有效的去噪方法,这种联合去噪方式能在高噪声背景下有效地提取出弱信号,具有广阔的推广应用前景.

     

地震数据Bregman整形迭代插值方法

人工地震方法由于受到野外观测系统和经济因素等的限制,采集的数据在空间方向总是不规则分布.但是,许多地震数据处理技术的应用（如：多次波衰减,偏移和时移地震）都基于空间规则分布条件下的地震数据体.因此,数据插值技术是地震数据处理流程中关键环节之一.失败的插值方法往往会引入虚假信息,给后续处理环节带来严重的影响.迭代插值方法是目前广泛应用的地震数据重建思路,但是常规的迭代插值方法往往很难保证插值精度,并且迭代收敛速度较慢,尤其存在随机噪声的情况下,插值地震道与原始地震道之间存在较大的信噪比差异.因此开发快速的、有效的迭代数据插值方法具有重要的工业价值.本文将地震数据插值归纳为数学基追踪问题,在压缩感知理论框架下,提出新的非线性Bregman整形迭代算法来求解约束最小化问题,同时在迭代过程中提出两种匹配的迭代控制准则,通过有效的稀疏变换对缺失数据进行重建.通过理论模型和实际数据测试本文方法,并且与常规迭代插值算法进行比较,结果表明Bregman整形迭代插值方法能够更加有效地恢复含有随机噪声的缺失地震信息.

     

基于压缩感知的多跳地震数据采集技术与方法

随着油气地震勘探目标的复杂程度日益提高,地震数据采集系统的道容量也需要得到进一步的提升.本文根据压缩感知、稀疏表示等理论,提出了一种多跳恒传输量的数据采集框架,以减少每条测线上地震数据的传输量,进而提升采集系统的道容量.为了能够明显地提高带道能力,设计了基于有序并行原子更新的字典学习算法,该算法能够在计算量较小的前提下有效的得到相应数据的稀疏变换矩阵.基于压缩感知的多跳地震数据采集方法已能够在吉林大学研制的无缆自定位地震仪中实现.本文最后使用一组仿真数据和一组实测数据进行测试,其结果表明,数据采集信噪比控制在14 dB以上（引入噪声约18%）时,最多可以将系统的道容量提高3倍以上.

     

张量判别字典叠前地震反射模式分类方法（英文）

现有地震反射模式分类方法需将多维叠前地震数据转化为一维向量进行处理,丢失了叠前地震数据中振幅随偏移距/方位角变化的特征。本文提出了一种张量判别字典学习(TDDL)叠前地震反射模式分类方法。该方法首先基于张量Tucker分解算法,采用张量形式对具有多维特征的叠前地震数据进行表征,然后采用张量判别字典学习减小噪声对样本特征的影响,最后利用Pearson相关系数度量不同类型张量的稀疏表征系数的相关程度。新方法优势有：(1)能够保留叠前数据中不同维度上更丰富的结构特征;(2)调节Pearson相关系数的阈值能优化分类效果;(3)充分利用钻井信息以及专家知识经验标定训练样本标签。数值模型测试证实,相比于传统的支持向量机(Support Vector Machine, SVM)、K最邻近法(K-Nearest Neighbor, KNN)分类算法,新方法的准确度更高、鲁棒性更强。实际数据的应用进一步证实新方法的分类结果更加符合地质规律,更适用于沉积相的分析与解释。     

基于地震目录估计完备震级方法的数值实验

本文将5种估计完备震级(magnitude of completeness,简记为Mc)的方法运用在三个不同模型产生的理论地震目录上,进而对比它们的优缺点.我们发现分段斜率中值分析法MBASS(The Median-based analysis of the segment slope)适用于不完备部分台网探测地震能力随震级变化快及监测能力在时间上存在不均匀性(heterogeneity)的目录中,但是要求目录包含大量的地震事件,而b值稳定法MBS(The Mc by b-value stability approach)则适合用于台网探测地震能力随震级减小衰减慢地震目录,但是比较费时.最大曲率法MAXC(The Maximum Curvature technique)和拟合优度测试法GFT(The Goodness-of-Fit Test)在使用时都低估Mc,需要加调整量.完整性震级范围法EMR(Mc from Entire Magnitude Range)则一般给出比较稳定、适中的Mc估计值.这种方法适用在地震数目少,且对地震丢失容忍度比较高的情况.在实践中针对不同性质的地震目录,我们希望这项研究能帮助研究者选择最合适估计完备震级Mc的方法,并指出了一些估计完备震级中应当避免的问题.     

基于MP方法的地震信号快速分解算法

Matching Pursuits算法是信号分解的一种具体实现方法.针对地震信号在过完备库中进行分解时原子字典索引和计算量均非常庞大的问题,提出了一种原子字典索引的快速生成算法.首先根据地震信号的频带特征缩小字典索引的频率范围;然后同样依据地震信号的波形特征缩小字典索引的尺度范围.从而利用对地震信号的先验知识,收缩原子字典索引的扫描范围,实现基于Matching Pursuits算法的地震信号的快速分解.     

基于RFD-U-Net的探地雷达缺失数据重构

在探地雷达勘探中,由于受到采样点数与测量速度不匹配、地表不均匀或仪器内外部干扰等因素的影响,容易造成信息不完整,甚至缺失．如何有效重构缺失信号是提高原始GPR数据精度和进行后续高分辨率成像的关键环节．本文提出了一种残差特征提取网络（RFD-U-Net）来针对性处理数据缺失这一问题．其中,RFD采用信息蒸馏网络的方法对缺失数据进行重构,首先使用多个特征提取连接来进行特征学习,然后在残差单元上增加跳跃映射,补充卷积过程中损失的特征信息,最后与轻量网络U-Net相结合,极大程度地缩减了网络冗杂．合成测试数据的对比结果及UQI和SNR两种评价指标的量化分析结果可知,RFD-U-Net获得了最优的重构效果和最佳的计算数值,验证了本文所提方法重构缺失GPR剖面的准确度和优越性．将RFD-U-Net应用于实测数据中,能够较好地重构缺失数据,在细节上突出了有效信号的连续性,并采用自动聚焦技术这一评价指标进行佐证,证明了该方法的实用性．     

基于压缩感知的Curvelet域联合迭代地震数据重建

由于野外采集环境的限制,常常无法采集得到完整规则的野外地震数据,为了后续地震处理、解释工作的顺利进行,地震数据重建工作被广泛的研究.自压缩感知理论的提出,相继出现了基于该理论的多种迭代阈值方法,如CRSI方法（Curvelet Recovery by Sparsity-promoting Inversion method）、Bregman迭代阈值算法（the linearized Bregman method）等.CSRI方法利用地震波形在Curvelet的稀疏特性,通过一种基于最速下降的迭代算法在Curvelet变换域恢复出高信噪比地震数据,该迭代算法稳定,收敛,但其收敛速度慢.Bregman迭代阈值法与CRSI最大区别在于每次迭代时把上一次恢复结果中的阈值前所有能量都保留到本次恢复结果中,从而加快了收敛速度,但随着迭代的进行重构数据中噪声干扰越来越严重,导致最终恢复出的数据信噪比低.综合两种经典方法的优缺点,本文构造了一种新的联合迭代算法框架,在每次迭代中将CRSI和Bregman的恢复量加权并同时加回本次迭代结果中,从而加快了迭代初期的收敛速度,又避免了迭代后期噪声干扰的影响.合成数据和实际数据试算结果表明,我们提出的新方法不仅迭代快速收敛稳定,且能得到高信噪比的重建结果.     

基于稀疏表示的地面磁共振信号提取方法

在多孔隙含水层中地面磁共振（surface nuclear magnetic resonance,SNMR）信号呈现多弛豫衰减特性,常规盲源分离方法和单指数拟合方法引起信号严重失真和信息缺失等问题.本文提出了基于稀疏表示的随机噪声背景下多弛豫SNMR信号的提取方法.根据SNMR信号的衰减特征,设计了精确刻画SNMR信号且与随机噪声不相关的离散衰减余弦冗余字典.其次,针对多弛豫SNMR信号稀疏度未知的问题,通过设置合理的残差比阈值控制迭代次数,改进了广义正交匹配追踪（generalized orthogonal matching pursuit,gOMP）算法,使得该方法应用于SNMR信号的提取时,具有更好的自适应性和普适性.再次,鉴于SNMR测量数据为多次独立重复采集的结果,提出了基于数据流的SNMR信号提取策略,在提高算法鲁棒性的同时,保证了信号提取结果的唯一性.最后,通过仿真和实测数据证明了基于gOMP算法的稀疏表示方法可以显著地提升多弛豫SNMR信号的提取质量,降低随机噪声对含水层反演结果的影响,提高SNMR探测能力.

     

基于形态分量分析的含噪地震数据重建方法

随着当今勘探难度的增加,地震数据处理的精度也逐步提升,因此,对数据的完整度也提出了更高的要求.本文基于形态分量分析,采用离散余弦变换(DCT)字典和Shearlet字典的组合形式用于地震数据恢复重建,相比于其他稀疏变换具有更高的稀疏性、更强的稀疏表示能力.在MCA框架下,首先通过对地震数据中的局部奇异分量与平滑状分量分别采用DCT字典和Shearlet字典进行稀疏表示;而后,在重建的算法中加入指数阈值模型和指数阈值函数的块坐标松弛(BCR)算法来得到各个分量;最后,将不同字典得到的结果合并得到最终重建结果.通过合成数据实验和实际数据实验均表明,该方法能够有效地重建缺失地震数据,并且重建精度高于Curvelet字典与DCT字典组合、单一Shearlet字典、Shearlet字典与Curvelet字典组合.同时,通过对含噪数据以及不同信噪比的数据处理结果均验证了该方法具有较强的适应性.     

基于方位地震数据的地应力反演方法

在页岩油气藏的开发和勘探阶段,需要对储层进行水力压裂改造,形成有利于油气聚集和运移的裂缝.地应力是进行水力压裂改造的重要参数,能够决定裂缝的大小、方向以及分布形态,影响着压裂的增产效果,且最大和最小水平应力差异比（ODHSR,Orthorhombic Differential Horizontal Stress Ratio）是评价储层是否可压裂成网的重要因子.本文探讨了基于地震数据估算地应力的方法,以指导页岩气的水力压裂开发.首先,利用叠前方位地震数据反演得到地层的弹性参数和各向异性参数;其次,基于正交各向异性水平应力差异比近似公式,利用反演得到的弹性参数和各向异性参数估算地层的ODHSR;最后,选取某工区的裂缝型页岩储层的叠前方位地震数据对该方法进行实际应用.实际工区地震数据应用表明,基于叠前方位地震数据反演得到的ODHSR能够有效的识别储层中易于压裂成网的区域.

     

基于ZigBee对地震勘探数据精度提高技术的方法研究

针对传统地震勘探方法不能准确获取高精度勘探数据,提出基于ZigBee对地震勘探数据精度提高技术的方法。采用全站仪极坐标法根据地震勘探地区地质和地表结构进行空间定位划区,利用地震勘探技术,通过分析地震波的传播方式及影响检测效果的地震分辨率因素,获取引入差分GPS定位模块的勘探仪器探测的地震数据;运用射线追踪技术,对地震数据中的破损数据进行检测追踪,采用专用检测设备提取破损数据,并对其修复处理;创建由MEMS加速度传感器和ZigBee模块构成的检测系统,并根据拓扑结构网络实现对地震勘探数据的质量检测,以提高地震勘探精度。根据仿真实验验证,该方法具有较高的地震勘探数据精度和有效性,可为相关工作提供较大的帮助。     

利用测井数据重构高分辨率地震剖面及在煤田勘探中的应用

在煤田地震勘探中,大部分测线与勘探线重合,地震测线上布设有钻井,而测井数据以及由测井数据直接求得的地层反射系数序列的频率和分辨率要高于地震道数据;所以在过井地震剖面上,测井数据可以作为高频信息的来源,但测井数据只是一孔之见,对应到地震剖面上,测井信息只能将井旁道替代为高分辨率的地震道.本文基于信号重构理论,提出了利用测井数据重构高分辨率地震信号并外推到其他地震道上,使整个地震剖面均获得高频信息成为高分辨率剖面.在煤田地震勘探中,运用该方法取得了良好的效果.