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.     

连续缺失地震数据的高阶流式预测滤波插值方法

由于观测系统实施以及经济因素的限制,采集到的勘探地震数据在空间方向上总是不规则分布的,并且往往会出现数据的大范围连续缺失情况.许多后续地震数据处理方法(例如：多次波压制和波动方程偏移等)都需要空间上规则分布的数据.插值技术是一种解决地震数据缺失问题的有效手段,但是传统的数据插值方法在进行连续缺失数据重建时往往会出现失效的情况,尤其在处理非平稳地震同相轴时精度不高,并且大多数的方法需要迭代计算,在处理高维大规模数据时效率较低.针对连续缺失地震数据的快速插值问题,本文提出了一种非迭代的时空域高阶流式预测滤波插值方法,通过使用高阶限制条件来提高连续缺失数据的滤波器估计精度,提高局部约束条件的稳定性,改善低阶流式计算由于滤波器系数无法连续更新所造成的插值失效情况.同时,空间非因果滤波器和蛇形插值路径的设计方案可以有效减小大范围连续缺失数据和数据边界对于预测滤波器的计算误差,本方法能够有效处理包括近炮检距缺失情况在内的连续缺失数据插值重建.通过与工业标准傅里叶凸集投影(POCS)方法进行比较,理论模型和实际数据处理结果表明,本文提出的高阶流式预测滤波插值方法对高维连续缺失地震数据有较好的重建效果...     

基于卷积神经网络的智能化地震数据插值技术

地震数据通常存在数据缺失问题,严重影响地震数据各个处理环节,需采用适当的手段对其重构.本文提出了一种基于深度学习卷积神经网络(CNN)的智能化地震数据插值技术.算法的关键在于构建一个适用于地震资料插值的CNN模型,该技术以缺失地震数据作为输入层,由卷积算法提取地震数据的特征信息,并通过池化层实现数据压缩降维,同时引入修正线性函数(ReLU)提高模型的非线性表达能力,再通过反卷积层恢复数据尺寸,最终搭建卷积自编码器模型(CAE),实现数据-数据的映射关系.该模型通过残差学习获得缺失数据特征并实现重构数据输出,与现有技术相比,该方法采用自监督学习方式,利用大量数据训练卷积自编码器模型,通过所得模型实现缺失地震道的数据重构.分别利用CAE模型及POCS插值技术对模型资料和实际数据进行插值,测试结果表明,CAE能有效实现地震数据插值,且与POCS方法相比具有更高的精度,验证了算法的可行性和有效性.     

基于POCS方法指数阈值模型的不规则地震数据重建(英文)

不规则地震数据会对地震多道处理技术的正确运行造成不良影响,降低地震资料的处理质量。本文将广泛用于图形图像重建的凸集投影方法应用到地震数据重建领域,实现规则样不规则道缺失数据的插值重建。对于整道缺失地震数据,将POCS迭代重建过程由时间域转移到频率域实现,避免每次迭代都对时间做正反Fourier变换,节约了计算量。在迭代过程中,阈值参数的选择方式对重建效率有重要影响。本文设计了两种阈值集合模型进行重建试验,试验结果表明:在相同重建效果下,指数型阈值集合模型可以有效减少迭代次数,提高重建效率。此外,分析了POCS重建方法的抗噪性能和抗假频性能。最后,理论模型和实际资料处理效果验证了本文重建方法的正确性和有效性。     

主动源与被动源地震数据插值及联合数据成像

本文提出了两种情况下主动源数据和被动源数据的插值方法,并研究了两种数据在偏移成像中的互补效果.基于互相关法被动源数据重构原理,本文提出了结合多域迭代去噪技术的重构方法.提出了两种时间域主动源和被动源数据的插值方法,分别是共炮点域能量匹配插值和共检波点域最小平方匹配插值.然后对获得的主动源和被动源联合地震数据进行叠前深度偏移成像.在被动源活跃度不是很高的地区进行被动源地震勘探时,少量的主动源地震数据可以有效控制和补充被动源数据的成像效果.在稀疏炮点的主动源勘探中,有效利用被动源的信息能够在成像中增加更多的细节信息,提高成像质量.     

一种快速收敛的抗噪POCS地震数据重构方法（英文）

地震数据重构是地震数据处理的重要步骤之一,重构算法的精度、效率与抗噪性是地震数据重构技术的核心研究内容。研究针对傅里叶域凸集投影(POCS)算法,在定义的最优阈值评价标准基础上,提出了反比例阈值模型,该模型具有在大系数区间比指数模型更快下降速率、而在小系数区间比指数模型更慢下降速率,从而在保证弱反射信号重构精度的同时有效提高POCS地震数据重构算法计算效率。为提高反比例阈值对不同地震数据特点的适应性,在地震数据谱能量分布差异性特征分析基础上,研究提出了在反比例阈值模型分母上增加适应地震数据谱能量特征的因变参数,通过调节该因变参数获得适应不同地震数据特点的最佳阈值曲线,进一步提高算法的计算精度与计算效率。为了实现重构过程中随机噪音的自适应衰减,提高重构后地震数据信噪比,研究提出了数据驱动的加权回加系数计算策略,利用每次迭代对应数据驱动阈值占阈值区间的百分比获得加权回加系数。研究将新方法应用于模拟三维数据和实际三维地震数据,分析结果表明反比例阈值相对传统阈值在提高数据重构计算效率和精度方面具有明显的优越性,新提出的加权回加系数计算策略能有效提高重构数据的信噪比。     

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。     

基于信噪比质控的优化迭代反演非规则数据重构方法

压缩感知地震勘探技术可以在相同成本投入的情况下,增加地震数据道密度,有利于提升地震成像质量,越来越受到业界的关注．非规则数据重构是压缩感知地震勘探技术的核心．本文优化了常规基于稀疏域迭代反演的非规则地震数据重构方法,通过引入信噪比质控因子,设计了基于信噪比质控的优化迭代反演非规则数据重构方法．该方法可以针对不同信噪比数据采取不同的信噪比质控因子进行数据重构．在低信噪比地区,该方法可以在重构缺失数据的同时提高地震数据的信噪比．在高信噪比地区,该方法在恢复缺失数据的同时可以保护有效信号的能量．通过数据测试验证了该方法的有效性．     

单点高密度地震资料的信息重构去噪处理方法

单点高密度地震勘探技术采用点激发、点接收、小道距、大道数的采集方式,可以弥补常规组合采集方法存在组内干扰等缺点,满足高精度地震勘探的需要.单点高密度地震资料单炮记录信噪比较低、去噪难度较大,采用常规去噪技术效果不理想.单点高密度空间采样具有空间无假频采样,真实记录地震波场的优势,可以对单炮记录数据进行信息重构.信息重构去噪处理方法,就是根据噪音差异最大化的去噪思想,将单点高密度地震资料的信息进行重构,尽量使得重构后的资料中噪音在各地震道之间的差异加大,然后再进行去噪处理.信息重构方法可以在时空域实现,也可以通过分频处理实现.该方法简单灵活,可以得到较好的去噪效果,改善地震资料的成像精度.     

基于表层多次波数据的近道地震数据插值方法研究(英文)

本文提出基于原始含表层多次波数据实现叠前共炮集地震数据插值。相对于利用相邻道的信息变换或外推插值用于缺失的地震数据重建,本文方法利用表层多次波数据互相关构建准一次波,将蕴含在表层多次波数据中的,而在采集记录中表现为缺失的近炮检距信息提取出来,并在滑动时间空间窗内采用最小二乘匹配滤波和均方根振幅校正方法进行准一次波校正而后用于数据插值重建。本文方法适用于表层多次波比较发育,同时又存在数据缺失尤其是近炮检距数据缺失情况。方法易于实现,不需多次波和一次波的提取,利用多次波中蕴含的信息实现缺失的地震数据弥补,为含有表层多次波的数据进行近炮检距地震信息的插值重建提供了一个很好的思路。     

基于一种改进凸集投影方法的地震数据同时插值和去噪

基于稀疏反演的地震插值方法是一种重要的插值方法,然而大多数这类方法只针对无噪声数据或者高信噪比数据插值.实际上,地震数据含有各种噪声,使得插值问题变得更加困难.凸集投影方法是一种高效的插值算法,但是对于含噪声数据的插值效果不理想,针对含噪声数据提出的加权凸集投影方法能够实现同时插值和去噪,但是除了最小阈值需要认真选取外,增加一个权重因子来实现去噪功能.本文由迭代阈值算法推导出加权凸集投影方法,证明其是解无约束优化问题的一种方法,加权因子可以看作拟合误差项的系数.本文还提出了一种改进的凸集投影方法,与原始凸集投影方法相比该方法不需要增加任何计算量,只要通过阈值的选择来进行插值和去噪.数值模拟证明了该算法的计算效率,并且对含噪声数据能够实现较好的插值效果;先插值后去噪的结果证明了同时去噪和插值算法的可靠性和稳定性.     

基于自适应噪声完全集合经验模态分解算法和Hurst指数的地震数据去噪方法

在地震观测中,地震数据中普遍包含有噪声信号。由于噪声信号的干扰,地震分析的效率会受到不同程度的影响。传统的去噪方法通常需要噪声的先验知识,并且滤波时会造成部分有效信号丢失。针对这一问题,本文提出一种将自适应噪声完全集合经验模态分解（CEEMDAN）算法与Hurst指数相结合的地震数据去噪方法。首先通过CEEMDAN方法将信号分解为一系列本征模函数（IMF）,然后利用Hurst指数对滤波后的IMF分量进行识别,最后对地震数据IMF分量进行重构,从而实现数据去噪。与传统方法的去噪效果对比表明,本文方法可将低信噪比波形的去噪效果提高32%,将高信噪比波形的去噪效果提高6倍。同时对地磁数据的去噪结果表明,本文方法能够较完整地将地铁噪声从地磁信号波形中滤除。     

基于seislet变换的反假频迭代数据插值方法

许多地震资料处理方法需要完整的数据信息,但是受野外施工条件等因素的影响,观测系统很难记录完整的地震波场,如空间采样率不足和地震道缺失等现象,尤其是缺失的叠前地震数据时常产生空间假频现象,给后续处理流程中很多重要环节带来严重的影响.传统数据插值方法通常很难同时解决数据缺失和空间假频问题,因此开发有效的反空间假频数据插值方法具有重要的意义.本文通过同时改变时间和空间方向采样比例,利用预测误差滤波器的尺度缩放不变性,计算反空间假频地震倾角模式,构建可有效压缩含空间假频不完整地震数据的反假频seislet变换方法,通过压缩感知Bregman迭代算法,对缺失地震数据进行反假频插值.理论模型和实际数据的处理结果验证了基于seislet变换的迭代插值方法可以有效地恢复含有假频的缺失地震信息.     

混采数据分离中插值与去噪的同步处理

近年来,由于新兴的混合采集观测系统在很大程度上提高了采集效率,因此得到了很多学者和石油公司的青睐.但在实际应用中,这种特殊观测系统的采集质量却受到很多因素的影响.一方面,该观测系统采集到的炮记录会受到相邻炮记录的干扰;另一方面,复杂的采集环境使得地震记录中包含部分空道;另外,采集过程中的场地环境干扰会不可避免地带入随机噪音,它们都会影响采集质量.虽然已有一些学者对这些因素做了相关研究,但都是单独分析,未能综合考虑各种干扰因素.本文基于稀疏约束反演的基本原理,将混合炮数据的分离、缺失道集的插值以及对随机噪音的压制问题整合在一起,通过一步处理同时减小如上三方面因素的不利影响,在改善信噪比的同时极大地提高了地震资料的处理效率.文章利用模拟数据和实际数据对这种新方法进行了验证,均得到了比较满意的效果.     

基于炮采样的多尺度全波形反演

常规全波形反演利用全部炮集参与计算,反演的计算量巨大。针对这一问题,本文分析了不同频率反演对炮数的需求,进而提出一种基于频率多尺度反演方法的加速策略。该方法利用反演所需炮数与频率正相关的特性,在反演低频数据时,每次迭代只抽取一部分炮集参与反演,频率升高时,相应地引入更多的炮集参与运算,两次迭代之间通过组内随机炮采样的方法实现炮集的轮换,避免炮集信息的丢失。该方法通过降低反演炮数从而减少计算量,由于不涉及炮集的串扰,因此不会引入额外的噪声,也不受限于观测系统。模型测试结果表明,该方法在炮集数量较多时可以明显减少计算时间,同时,该方法具有一定的抗噪能力,对含噪声的地震记录也能得到较好的反演结果。     

基于超完备字典学习的缺失地震数据重构方法

地震勘探目标区域环境的复杂多变性导致采集的地震数据存在不完整或者不规则等问题,针对这一问题,本文在压缩感知相关理论的支撑下,提出了基于超完备字典学习的缺失地震数据重构方法.首先利用K-SVD字典学习技术对地震样本数据进行训练,建立超完备字典对地震数据进行稀疏表示,然后引入高斯随机采样矩阵作为测量矩阵对地震数据进行采样;在数据重构阶段采用分段正交匹配追踪算法实现缺失地震数据的重构.通过与传统的地震数据重构方法对比,本文算法的重构效果在峰值信噪比、信噪比等指标上均优于对比算法,证明了超完备字典学习方法能更好的根据地震数据特征进行稀疏表示,从而获得较好的重构效果.     

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．     

地震随机噪声压缩感知迭代压制方法

复杂地表和复杂介质条件下,随机噪声往往严重影响着复杂地震信号的信噪比,同时深层地球物理目标探查中弱地震信号总是被随机噪声所掩盖,如何有效地压制随机噪声干扰、恢复有效地震信号仍然是高精度地震勘探中的关键问题.压缩感知理论突破了奈奎斯特采样定理的限制,利用有效地震信号的可压缩性和稀疏性,提供了从不可压缩随机噪声中进行有效信号分离的数据原理.本文系统分析压缩感知框架下地震随机噪声压制的稀疏优化反问题,提出了基于迭代软阈值算法的"采集-重建-修复"方案对该问题进行求解.在实现高度稀疏表征的基础上进行地震数据的压缩感知随机观测,通过迭代反演对有效地震信号进行重构,有效提高复杂地震数据的信噪比,同时,当求解稀疏优化问题时,如果出现正则化项引起重构信号衰减现象,可以匹配除偏对衰减的有效信号进行修复.通过与工业标准 f-x预测滤波方法进行比较,理论模型和实际数据处理的结果表明,压缩感知迭代噪声压制方法对复杂地震数据中的随机噪声有较好的压制效果,可以有效恢复出被较强非平稳随机噪声干扰的时空变同相轴信息.