基于含可变因子S变换的面波压制技术

在原始的地震记录中,压制面波可以提高地震信噪比.在S变换和广义S变换的基础上,提出了含可变因子的S变换,利用这种方法压制地震记录中的面波成份.首先将地震记录通过含可变因子的S变换变换到时频域,在时频域中压制面波的成份,再变换回时间域,其结果就是滤掉面波的地震信号.针对这一方法,提出了实施流程,并将其应用于实际资料中.其应用效果表明,该方法能有效地压制面波,并保留了地震记录的反射波记录,具有适应性强,效果好等特点.     

面波压制的TT变换法

在地震勘探中,面波的频率比其他有效地震波的频率低,往往被视作干扰波而需要压制,以突出有效波。TT(time-time)变换具有很好的频率聚集能力,它将高频信号聚集在TT变换域的对角线位置,通过提取TT变换域的对角线附近的元素,就可以压制低频面波,突出反射波。对物理模型和实际数据进行处理,并与传统的高通滤波方法进行对比,结果表明:TT变换实际上是S变换的延伸,与S变换有着密切的联系,有无损可逆性,而且具有很好的频率聚集能力。TT变换在压制面波方面有较好的效果,但在提取高频、压制低频的同时,漏掉了一些低频的有效信号,同时也保留了部分高频干扰,这是TT变换在信号分析中的不足之处。因此,在实际应用中应将TT变换和S变换结合起来,避免一些解释上的假象。     

S变换和TT变换联合压制地震面波

TT变换(Time-Time transform)是基于S变换的一种新的非平稳信号处理方法,具有很好的频率聚集能力.面波的频率比反射波的频率低,通过提取TT变换域的对角线元素,就可以压制低频面波.但该方法的不足是在压制低频的同时,也保留了部份高频干扰,这些高频干扰可以用S变换来消除.首先对每一道地震数据进行S变换时频滤...     

基于面波模拟和曲波变换的去噪技术

面波是陆上地震资料的主要干扰噪声,目前主要采用基于十字交叉排列的FKK（频率-波数-波数）面波压制技术;但其效果不理想,会损害部分有效信号的低频能量。针对此问题,提出一种面波模拟和曲波变换联合压制面波的技术。首先利用面波模拟逐级压制基阶、一阶和二阶面波;然后,再采用曲波变换方法压制残余面波。实际地震资料的处理结果表明：与三维FKK滤波相比,本文所述方法在压制面波的同时,能够保持反射波的低频信息,提高了信噪比。该技术是一种相对保幅的压制面波方法。     

基于地震信号相似性的S变换域多次波压制技术

多次波压制是海洋地震数据处理的关键,如何保护一次反射波的同时高效准确地识别并压制多次波是地震资料处理的重点。笔者在共中心点(CMP)叠加压制多次波方法的基础上,基于CMP道集地震信号与叠加道地震信号的相似性特征在S变换域进行多次波压制。首先,利用多次波速度动校正并对CMP道集数据减去叠加道数据完成第一次多次波减除,此时,波场中残余的多次波以随机噪声的形式存在;然后,对减除多次波的地震波场应用一次波速度动校正,并以一次波速度叠加道为初始模型对CMP道集S变换谱进行相似性滤波完成第二次残余多次波去除。针对理论数据和实际数据进行了有效性测试,结果表明本文所提方法能够较好地压制多次波,提高反射波的成像精度。     

混合Radon变换地震噪声压制的应用

如何有效地从地震资料中剔除相干噪声一直是地震勘探十分关心的问题,尤其是多次波的压制和消除。笔者采用相似函数压制端点效应和截断效应的混合Radon变换从地震剖面中一次性分离面波等线性噪声,再应用自适应滤波技术在Radon域识别并剔除多次波,并使用双曲Radon反变换计算获得有效反射地震信号。理论模型及实测资料试算结果表明,该方法对多次波压制效果良好,同时,应用混合Radon变换可简化数据中噪声压制处理流程。     

连续小波变换在面波压制中的应用

由于原始地震反射数据含有大量噪声,因此地震数据的降噪处理是十分重要的,而面波的压制是陆上地震资料降噪处理的主要问题之一。这里根据共炮点记录中面波与反射波主要能量在时间～尺度域的分布不同,以及面波的频率特性等特点,提出了一种基于时间～尺度域的面波衰减方法。将该方法用于实际炮集资料的处理,并与常用的F-K滤波方法进行对比,结果表明,该方法在衰减面波干扰的同时,能更好地保护反射波,并且对于信噪比较低的浅层反射信号能够取得较好的效果。     

基于低频约束的高分辨率Radon变换多次波压制方法研究

抛物线Radon变换是地震资料处理中常用的一种多次波压制方法,常规Radon变换由于采用最小二乘算法的原因,对不同的曲率值采用相同的加权值进行求解,分辨率较低。为提高Radon域数据的分辨率,应采用对不同曲率值应用不同的加权值的方法。一般的思路是利用前一次迭代的结果得到加权矩阵,该算法需要迭代进行,运算量较大。这里拟采用低频约束的方式提高Radon变换的分辨率,即利用前一个频率的运算结果对下一个频率的计算进行约束,该算法分辨率高,计算速度快。模拟数据和实际数据的测试表明,本文方法在多次波压制处理中,可以快速有效地完成多次波去除。     

基于最小平方滤波的面波压制方法

在地震勘探中,强振幅、低频率的面波对于后续地震资料的处理和解释会产生重要影响。基于最小平方滤波的面波压制方法是一种新的面波压制方法,它与一般的频率域滤波方法不同。该方法的主要原理是利用扫描信号与滤波因子的褶积来预测面波,其中滤波因子的求取需要建立一个目标泛函。当目标泛函取得最小值时可从地震数据中求取滤波因子进而预测出面波,再将预测出的面波作为输入进行第二次面波预测,从地震记录中减去提取的面波,就得到去除面波后的地震数据。采用非线性的扫描信号提取面波,并对扫描信号起止频率进行了分析;通过对合成地震记录与煤田实际地震资料的处理,充分证明该方法能有效地压制面波。     

Radon变换多次波压制方法及应用研究

多次波在地震资料中是普遍存在的。Radon变换是现行商业地震资料多次波压制处理软件应用最多的模块之一。这里在详细阐述Radon变换基本原理和离散采样计算的基础上,给出了理论模拟地震数据的多次波压制算法和计算结果。进而将Radon变换多次波压制方法应用于松辽盆地地震资料处理中,在对实际的CRP道集合理设计滤波切除函数后,应用本文的Radon变换算法,得到多次波压制的地震剖面。对比多次波压制前、后的叠前时间偏移地震剖面,压制多次波后地震剖面的信噪比很高,地质构造特征清晰,可应用于后续的地质构造解释,地震属性提取和油气储层预测。该方法的计算效率较高,算法易于实现。理论和实际地震数据的多次波压制结果表明,该算法具有高精度和实用性强的特点。     

高分辨率抛物线拉冬变换多次波压制技术

对于孔径过小,采样不充分的地震数据,抛物线拉冬变换的多次波压制效果不理想,且存在空间假频问题。综合Sacchi、Mauricio、Todd Mojesky等对抛物线拉冬变换压制多次波的分析,阐明了高分辨率抛物线拉冬变换原理。通过理论模型试验和实际地震数据的分析证明,高分辨率抛物线拉冬变换可以突破离散采样和有限孔径的限制,实现对地震数据中的多次波及空间假频的快速、有效压制。     

面波频散能量谱计算方法

面波频散能量谱成像精度是近地表横波速度计算的重要影响因素,有效提取面波频散曲线是后续反演地层结构及介质物性参数的重要环节。文中论述了τ-p变换法（τ为垂直波慢度,p为水平波慢度）、高分辨率线性Radon变换法、频率分解法、相移法、f-k变换法（f为频率,k为波数）、SFK变换法和矢量波数变换法等7种不同面波频散能量谱计算方法的基本原理;通过上述方法,对三层速度递增水平层状介质模型正演模拟合成Rayleigh波记录进行频散能量谱计算,并与理论频散曲线进行比较;根据所得频散能量谱,分析不同方法在数据处理过程中的特点与应用差异。结果表明：在提取频散曲线过程中,高分辨率线性Radon变换法和矢量波数变换法提取精度较高,f-k变换法提取精度最低,低频信息与高频信息无法有效识别;SFK变换法、矢量波数变换法、高分辨率线性Radon变换法抗噪性能强;τ-p变换法、f-k变换法、相移法计算速度优于其他方法。     

基于小波包变换的面波分离技术研究

依据面波视速度的分布范围,提出一种新的叠前面波分离技术,即把地震波场分成不受面波影响的波场和受面波影响的波场,然后利用小波包变换对受面波影响的波场进行时频分析,通过分解与重构,从中提取有效波,再将其与不受面波影响的波场合并,就可得到面波分离后的地震波场。该方法在成功分离面波的同时,可使有效波的能量(尤其是其低频能量)不受损失,既有效地保持信号的频宽不变,又提高了记录的信噪比。实际资料的处理结果表明:此方法在叠前面波分离方面具有有良好的效果。     

波动与振动技术在建设工程勘测中的应用

该文以典型工程实例综述波动与振动测试技术在工程勘查和测试中的应用。     

基于A- CGAN的深反射地震数据随机噪声压制方法研究

基于深度学习的地震数据噪声压制方法是当前地震数据去噪处理的重要方向。深度学习方法突破了传统滤波处理的局限,在对常规地震数据的噪声压制中表现出效率高、信噪分离效果好的特点。但针对深部弱有效反射数据,当前的深度学习方法特征提取能力有限,难以取得较好的去噪效果。笔者等结合深反射地震数据特点,针对当前深度学习噪声压制方法在特征提取及对数据集依赖上的局限,提出了基于注意力循环生成对抗网络(Attention Cycle- Consistent Generative Adversarial Networks,A- CGAN)的深反射地震数据随机噪声压制方法。借助循环一致生成对抗网络(Cycle- Consistent Generative Adversarial Networks,Cycle- GAN)的域映射思想,降低对数据集的要求。为了构建适用于深反射地震数据的去噪网络,从3个方面对Cycle- GAN进行改进：在Cycle- GAN的生成器（去噪器）中加入残差结构和注意力机制,用于加深网络深度和提高其特征提取能力;在Cycle- GAN的鉴别器中使用块判决,提高鉴别精度和准确度;在损失函数部分加入感知一致性损失函数,提升网络模型恢复纹理细节信息的能力。通过合成地震数据和实际深反射地震数据测试,验证了优化算法的有效性,体现了良好的应用价值。     

基于A- CGAN的深反射地震数据随机噪声压制方法研究

基于深度学习的地震数据噪声压制方法是当前地震数据去噪处理的重要方向。深度学习方法突破了传统滤波处理的局限,在对常规地震数据的噪声压制中表现出效率高、信噪分离效果好的特点。但针对深部弱有效反射数据,当前的深度学习方法特征提取能力有限,难以取得较好的去噪效果。笔者等结合深反射地震数据特点,针对当前深度学习噪声压制方法在特征提取及对数据集依赖上的局限,提出了基于注意力循环生成对抗网络(Attention Cycle- Consistent Generative Adversarial Networks,A- CGAN)的深反射地震数据随机噪声压制方法。借助循环一致生成对抗网络(Cycle- Consistent Generative Adversarial Networks,Cycle- GAN)的域映射思想,降低对数据集的要求。为了构建适用于深反射地震数据的去噪网络,从3个方面对Cycle- GAN进行改进：在Cycle- GAN的生成器（去噪器）中加入残差结构和注意力机制,用于加深网络深度和提高其特征提取能力;在Cycle- GAN的鉴别器中使用块判决,提高鉴别精度和准确度;在损失函数部分加入感知一致性损失函数,提升网络模型恢复纹理细节信息的能力。通过合成地震数据和实际深反射地震数据测试,验证了优化算法的有效性,体现了良好的应用价值。