λ-f域加权抛物Radon变换地震数据重建方法研究

大多数地震处理技术都要求地震数据具备完整性和规则性,然而,由于诸多因素的影响,地震勘探所采集到的资料普遍存在数据缺失,需要对地震数据进行重建.本文在传统Radon变换重建的基础上提出一种λ-f域加权抛物Radon变换的地震数据重建方法.通过引入新变量λ,消除了Radon变换算子对频率的依赖,使得Radon变换算子及算子的逆只需计算一次,显著提高了计算效率.同时,在λ-f域抛物Radon变换迭代计算过程中引入变化的权系数,更好地实现了λ-f域的能量聚焦.理论模型及实际数据试算表明,文中方法对地震数据重建精度较高,单道对比吻合较好.     

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.

     

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.     

3D高阶抛物Radon变换在不规则地震数据保幅重建中的应用

3D地震数据不规则采样缺失重建是地震勘探数据处理流程中的重要问题.本文提出了一种基于具有保幅特性的非均匀高阶抛物Radon变换（NHOPRT）地震数据重建方法.在最小二乘反演方程中引入Delaunay三角网格剖分来计算空间不规则加权系数,从而获得最接近完整规则数据的高阶抛物Radon变换域系数.在用SVD求解反演方程过程中,利用高阶抛物Radon变换算子在频率域为指数函数,具有线性可分解特性,将二维空间的高阶抛物Radon变换算子分解为两个独立的一维空间变换算子,减小了变换算子的矩阵大小,从而很大程度地提高了计算效率.理论模型和实际地震数据重建测试证明了本文方法的有效性以及实用性.

     

3D高阶抛物Radon变换在不规则地震数据保幅重建中的应用

3D地震数据不规则采样缺失重建是地震勘探数据处理流程中的重要问题.本文提出了一种基于具有保幅特性的非均匀高阶抛物Radon变换（NHOPRT）地震数据重建方法.在最小二乘反演方程中引入Delaunay三角网格剖分来计算空间不规则加权系数,从而获得最接近完整规则数据的高阶抛物Radon变换域系数.在用SVD求解反演方程过程中,利用高阶抛物Radon变换算子在频率域为指数函数,具有线性可分解特性,将二维空间的高阶抛物Radon变换算子分解为两个独立的一维空间变换算子,减小了变换算子的矩阵大小,从而很大程度地提高了计算效率.理论模型和实际地震数据重建测试证明了本文方法的有效性以及实用性.     

广义Radon变换与叠前地震数据处理

在本文中,首先讨论了与几种地震层析成像对应的Radon变换公式,并导出了叠前地震记录的数学模型.在分析叠前地震记录与广义Radon变换的关系的基础上,讨论了速度分析、滤波、动校正、叠加等地震数据处理的数学物理意义.为展示广义Radon变换在地震数据处理中的应用,给出了用于滤波和消除多次波的方法及算例.     

广义Radon变换与叠前地震数据处理

在本文中,首先讨论了与几种地震层析成像对应的Radon变换公式,并导出了叠前地震记录的数学模型.在分析叠前地震记录与广义Radon变换的关系的基础上,讨论了速度分析、滤波、动校正、叠加等地震数据处理的数学物理意义.为展示广义Radon变换在地震数据处理中的应用,给出了用于滤波和消除多次波的方法及算例.     

不规则地震道数据规则化重建方法研究

不规则地震数据会对地震多道处理技术的正确运行产生不良影响,降低地震资料处理质量.本文依据不规则地震数据的表现特征将其划分为四种类型并针对第三类不规则地震道数据采用抗泄露Fourier变换方法进行规则化重建.不规则采样数据会破坏Fourier基函数的正交性并产生频谱泄漏现象.抗泄露Fourier变换方法通过递归相减来压制...     

地震数据重建方法综述

地震勘探的目的是为了获得地下构造的精确成像.由于人为因素和环境原因,地震数据在空间方向上往往是不规则采样或缺失采样的,这可能会在数据处理时产生假象,最终导致错误的解释.因此经常需要在空间方向对缺失的地震数据进行重建.重建问题可以看作是一个反演问题,即从不完整的地震数据中重建出完整的地震波场.本文重点研究了国内外比较成熟的地震数据重建方法,如基于滤波的重建方法、基于波场延拓算子的重建方法、基于变换域的重建方法以及相干倾角插值等方法,分析了这些方法的优缺点,以及目前地震数据重建所面临的挑战.     

最小加权范数插值与调制升频结合的地震数据重建研究

提出一种新的反假频地震数据重建的两步算法,将最小加权范数插值(MWNI)方法与调制升频方法有效地结合起来.首先利用MWNI方法构建数据谱的低频部分,为了提高计算效率,在低频重建算法中,引入了预条件共轭梯度法求解反问题方程,并使用了与频率有关的变波数带宽技术;然后,基于重建的低频数据,采用调制升频方法重构数据的高频部分.调制升频方法灵活,简便,能有效地从低频资料中恢复出高频成分,克服了以往AR模型预测高频走不远的限制,当数据存在严重的空间假频时,亦能获得较好的重建效果.该两步算法不仅可用于规则地震数据的内插重建,也可用于含空道地震数据的重建.理论模型和实际地震数据重建试验表明,该方法效率高,精度高,反假频能力强,重建剖面波形连续、自然,与正确完整的地震剖面相似程度高,具有良好的实用价值和应用前景.     

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.

     

角度域广义Radon变换多参数非迭代线性反演

基于Born近似的线性反演是当前流行的定量化地震成像与反演方法, 然而, 现有线性反演方法存在多种不可避免的问题, 比如迭代计算成本过高, 背景模型依赖, 以及多参数提取不确定/不稳定.为避免这些问题, 本文提出了角度域广义Radon变换(AD-GRT)多参数非迭代反演方法(2D声波双参数介质).AD-GRT是一种地震数据与角度域模型之间的积分变换, 该角度域模型能够保留地震散射数据的完整信息.基于该角度域模型, 地震数据可被精确重建, 即使背景模型是错误的.介质双扰动参数可在角度域模型中准确且稳定提取.为解决传统角度域离散方法存在的幅值震荡和不连续问题, 设计了两种有效的角度域离散单元分裂方法, 实现了平滑连续的角度域幅值提取.为提高AD-GRT反演的分辨率, 考虑了震源子波反滤波.利用三个数值模型验证了AD-GRT在角度域模型反演、数据重建、多参数提取方面的有效性.

     

带有多道相关的抛物线Radon变换法分离P-P、P-SV波

因为多波多分量地震勘探中P-P波和P-SV波通常混杂在一起,所以较好地分离P-P波和P-SV波能够提高数据处理和解释的质量.抛物线Radon变换法在分离P-P波和P-SV波时取得了一定效果,但是在离散叠加的计算过程中会带来假频,这些假频会干扰波场分离.本文针对这一问题,将多道相关算法引入抛物线Radon变换,发展了带有多道相关的抛物线Radon变换法.该方法利用叠加信号具有相似性的特点,依据多道相关中衡量多道信号相似性的能量比标准,对叠加过程加以控制,压制变换中出现的假频.本文用该方法对合成地震记录进行了波场分离,取得了较好的效果.     

抛物Radon变换法近偏移距波场外推

本文给出了抛物Radon变换的基本原理,以及部分动校正后的CMP道集抛物线近似有效性的证明,基于带限正反最小平方抛物Radon变换的Levinson递推算法,对缺失的近偏移距地震波场进行叠前重建和外推.给出了抛物Radon变换法地震道重建外推的基本原理和叠前地震数据规则化的处理流程,另外对于Radon域均匀采样的情形,本文给出了均匀层状介质和Marmousi模型的近偏移距外推结果,计算结果验证了算法的稳定性和适用性.     

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.

     

A fast joint seismic data reconstruction by sparsity‐promoting inversion

Seismic field data are often irregularly or coarsely sampled in space due to acquisition limits. However, complete and regular data need to be acquired in most conventional seismic processing and imaging algorithms. We have developed a fast joint curvelet‐domain seismic data reconstruction method by sparsity‐promoting inversion based on compressive sensing. We have made an attempt to seek a sparse representation of incomplete seismic data by curvelet coefficients and solve sparsity‐promoting problems through an iterative thresholding process to reconstruct the missing data. In conventional iterative thresholding algorithms, the updated reconstruction result of each iteration is obtained by adding the gradient to the previous result and thresholding it. The algorithm is stable and accurate but always requires sufficient iterations. The linearised Bregman method can accelerate the convergence by replacing the previous result with that before thresholding, thus promoting the effective coefficients added to the result. The method is faster than conventional one, but it can cause artefacts near the missing traces while reconstructing small‐amplitude coefficients because some coefficients in the unthresholded results wrongly represent the residual of the data. The key process in the joint curvelet‐domain reconstruction method is that we use both the previous results of the conventional method and the linearised Bregman method to stabilise the reconstruction quality and accelerate the recovery for a while. The acceleration rate is controlled through weighting to adjust the contribution of the acceleration term and the stable term. A fierce acceleration could be performed for the recovery of comparatively small gaps, whereas a mild acceleration is more appropriate when the incomplete data has a large gap of high‐amplitude events. Finally, we carry out a fast and stable recovery using the trade‐off algorithm. Synthetic and field data tests verified that the joint curvelet‐domain reconstruction method can effectively and quickly reconstruct seismic data with missing traces.