基于复值曲波变换的地震数据重建方法

传统的地震数据采样必须遵循奈奎斯特采样定理,而野外数据采样可能由于地震道缺失或者勘探成本限制,不一定满足采样定理的要求,因此需要进行叠前数据重建,以满足后续处理的要求。为此,笔者提出一种基于复值曲波变换和凸集投影算法( POCS)的地震数据重建方法。首先引入凸集投影算法和能够刻画地震数据局部化特征的复值曲波变换,在重建过程中针对传统阈值参数收敛速度较慢的缺点,提出了指数平方根衰减规律的阈值参数,并采用硬阈值算子对二维地震数据进行重建,从而降低了迭代次数,提高了重建精度。通过理论数据的研究表明,该方法重建效果显著,最后将该技术应用于实际地震勘探资料,获得较好的应用效果。     

主成分分析和字典学习联合地震数据去噪方法

为能获得高信噪比的地震数据,笔者提出了一种基于K-SVD字典学习和主成分分析(PCA)相结合的主成分字典学习算法。与K-SVD算法对误差项直接采用奇异值分解来更新字典原子不同,笔者采用PCA算法分解误差项,并使用第一主成分作为字典原子的更新。通过对复杂模型合成地震记录与实际地震记录进行对比实验,得出该方法较K-SVD算法信噪比大约提高1～1.5 dB,能更好地保护有效信号。     

微地震数据去噪方法综述

随着常规油气藏资源不断枯竭,非常规油气藏的勘探开发已逐渐成为一种必然趋势,从而使得微地震监测技术快速发展。微地震事件的发生持续时间短、声波频率高,使得实际采集到的微地震数据信噪比较低。本文首先简要介绍了微地震监测技术能够在非常规油气藏开发中保证高效的增产,以及微地震噪声压制在微地震监测技术数据处理流程中是关键一步,直接影响着后续微地震研究的准确性和可靠性;并对地面微地震监测数据中的噪声源进行分析,归纳了地面微地震监测中常见噪声：强脉冲干扰、工业交流电干扰、钻井干扰、声波干扰、规则干扰等,分析了其各自的基本特点。然后,概述了地面微地震数据去噪方法已取得的成果,按频率、传播方向、空间分布区域等特性进行分类,分析各种去噪方法在实际应用过程中针对的噪声类型,以及在去噪过程中对有效信号造成的影响等。最后,基于深度学习具有更强的复杂函数表征能力,分析了3种典型深度学习模型的结构及特点;结合在其他相关领域数据去噪问题的成功应用,深度学习可以解决目前微地震数据噪声压制存在的问题,可以作为微地震数据去噪的一种新方法;考虑到目前微地震数据样本数量可能影响深度学习在微地震监测中大规模的应用,本文提出用生成式对抗网络来构建微地震数据样本库以解决该问题,并将其用于后续深度学习过程中的模型训练。     

奇异值分解(SVD)在位场数据去噪中的应用

根据奇异值分解原理,分析其在位场去噪中的可行性,提出了一种判断有效阶次k的方法。对多边形厚板模型的重力异常进行奇异值分解去噪和小波去噪效果的对比,证明了奇异值分解去噪的有效性和优势。将其应用于实测重力数据的处理中,取得较好的效果。理论模型和实测资料的处理结果表明:基于奇异值分解的去噪方法可以有效地去除随机噪声,提高数据处理和解释的精度。     

抗噪性加权抛物线Radon变换的地震道重建

叠前CMP道集中,走时为双曲线的地震反射同相轴经过部分动校正( NMO)之后变为近似抛物线,当道集中缺失某些地震道时,可利用抛物线Radon变换通过迭代计算进行地震道的重建和恢复. 笔者基于抛物线Radon变换的基本原理,利用加权抛物线Radon变换的计算方法,进行叠前地震道的恢复和重建,并且在数据域对其加权系数进行改进和优化,模型数据和实际资料的试算结果表明,改进后的计算方法即使在较强的随机噪声下依然可以稳建同相轴,且避免了常规方法在重建过程中产生虚假同相轴的缺点,与原始的加权抛物线Radon变换的计算方法相比,新方法具有压制随机噪声的优点,即具有较好的抗噪性,计算精度也有所提高,且算法稳健、高效,具有良好的应用前景.     

基于ICEEMD-RAKSVD的地震弱信号去噪方法

随着勘探精度的提高,弱信号在地震勘探信号里越来越被重视.识别弱信号的核心是通过去除噪音来提取有效信号,在众多去噪方法中,基于CEEMD与KSVD的去噪方法能够达到较好的去噪效果,但其计算效率相对较低.这里将改进的CEEMD(ICEEMD)与正则化近似KSVD(RAKSVD)有机结合起来,该方法首先利用ICEEMD将信号...     

小波分析在地震资料去噪中的应用

小波变换方法已广泛应用于信号处理领域。应用多尺度小波分析方法来消除地震观测信号中的噪声是一种行之有效的方法。这里从小波变换的基本原理出发,详细介绍了地震信号的阈值去噪原理,并根据模拟信号和实测地震信号的频谱分析,讨论了如何选择小波基及去噪过程中的阈值取值问题。从小波分解理论知道,利用多尺度分解方式对地震资料进行分析处理,相当于对实测地震资料进行不同尺度的细化分析,由于对不同地区、不同资料的精度要求不同,我们只要使用不同的尺度进行小波变换处理,就可以得到去除原信号的细部巨变(噪声干扰)特征的信号。同时,我们对小波变换处理后重构的地震信号与原信号进行了对比分析,误差结果分析表明该方法切实可行。我们还利用MATLAB语言及其小波工具箱,实现了对地震资料的去噪处理。     

地震勘探基于波场分离的逆时偏移去噪方法

基于双程波动方程的逆时偏移（RTM）具有原理简单、无倾角限制、可以适用于速度任意变化的模型,并具有对各类波正确成像等优点,是当今最好的偏移方法之一.本文阐述了逆时偏移存在的缺陷并分析了低频噪声的产生机制,重点探讨了使用波场分离的逆时偏移去噪方法,并通过模型的试算证明了该方法的有效性.     

基于融合残差注意力机制的卷积神经网络地震信号去噪

由于U型卷积神经网络(Unet)在地震数据去噪中存在计算量大、网络退化和泛化能力弱等问题,本文为了提高去噪效果以及增强模型的泛化性,提出了一种融合残差注意力机制的卷积神经网络(RAUnet)。该网络结构主要由编码和解码两部分构成,网络的每个卷积层之后都加入了批标准化和带泄露整流激活函数。在编码器中,为了提高对噪声的提取能力,引入了残差结构和卷积块注意力模块。残差结构利用残差跳跃连接的方式减弱了网络退化,降低了特征映射的难度。卷积块注意力模块使用通道和空间的混合注意力权重,能提升相关度高的特征并抑制相关度低的特征。在解码器中,为了提升特征融合的维度恢复能力,选用双线性插值方式进行上采样。实验测试结果表明,对于合成地震信号,本文方法对简单模型和复杂模型随机噪声的压制效果均更有效,并且更好地保护了有效信号;对于实际地震信号,本文方法仍然能在去噪的同时尽量保持有效信号中的细节,对叠前数据和叠后数据都展现出了良好的泛化性。     

改进的F-X域EMD去噪在井间地震数据处理中的应用

井间地震作为一种高分辨率地震方法在数据采集时存在大量的随机噪声。笔者采用改进的F-X域经验模态分解(empirical mode decomposition,简称EMD)方法,将信号转换到F-X域后分解成一系列固有模态函数,进而通过滤波来达到去噪目的。通过对理论数据和实际井间地震数据的处理与分析,得出如下结论:此方法不依赖于基函数的选择,具有很强的自适应性,对于消除井间地震数据中的噪声以及提高地震数据的信噪比有较好的效果。     

基于CEEMD和自适应中值滤波的大地电磁数据去噪研究

为提高大地电磁数据的信噪比,笔者提出基于互补总体经验模式分解(CEEMD)和自适应中值滤波的去噪方法,利用CEEMD将大地电磁时间序列数据分解成多个固有模态函数(IMF)及趋势项,依据噪声的高低频特征有选择地利用自适应中值滤波对固有模态函数(IMF)进行去噪,再进行数据重构。对实测数据进行处理,该方法能较好地抑制大地电磁数据中、低频部分的噪声干扰,抑制突变点,提高数据的信噪比。     

基于广义S变换时频滤波的MT数据去噪

针对油气勘探中大地电磁(MT)数据易受各类干扰的污染,且信噪难以分离的问题,把基于广义S变换的时频滤波技术应用于MT数据处理中来,得到MT数据的S域时频分布,分析受噪MT数据在S域的时频分布特征,再在S变换时频域进行时频阈值去噪,并对滤波后的S域时频谱进行逆变换重构,分离得到去噪后的MT数据。给出了基于广义S域时频滤波的方法原理与应用步骤,对被污染的仿真和实测MT数据进行了时频阈值滤波,并与小波阈值去噪方法进行了比较研究。结果表明：基于广义S变换的时频滤波方法可有效抑制MT数据中的干扰,从噪声信号中分离出有效的大地电磁数据,且减少了人为参与,提高了MT勘测的数据质量。     

基于重构信号模型的去噪技术

面波和多次波等噪音的产生是海上地震勘探的突出特点,如何高保真地对其进行压制一直是信号处理工作的难题。基于重构信号模型的去噪技术通过不同的方法,充分考虑不同入射角度和横波地震信息,重构信号模型,分离出剩余信号,然后针对剩余信号进行去噪处理,利用建立的信号模型和剩余有效信号结合,得到有效地震信号,达到突出有效信号衰减噪声的目的。     

塔里木盆地沙漠区低信噪比地震资料静校正和去噪方法

针对塔里木沙漠地区低信噪比地震资料的特点,提出了一套适应沙漠地区低信噪比地震资料处理方法,主要解决了该区静校正、叠前去噪等问题。实际处理中见到了良好的效果。     

基于共中心点道集约束的探地雷达波阻抗反演

受采集环境和仪器性能的影响,实测探地雷达(GPR)剖面中不可避免会出现部分信号缺失和坏道现象,易造成目标体产生的反射波和绕射波同相轴不连续,严重降低后续处理与成像精度和分辨率。为此,将图像处理中广泛应用的凸集投影(POCS)算法与具有良好稀疏特性的曲波变换相结合,提出了一种基于曲波域POCS算法的缺失GPR信号高精度重建方法。从压缩感知理论出发,建立了离散曲波变换基下缺失信号重建的目标函数,并采用POCS算法详细推导了缺失GPR信号重建的时间域迭代公式。其中,线性和指数迭代阈值模型用于更新曲波变换系数,从而高精度重建时间域缺失信号;平均绝对误差、信噪比、峰值信噪比用于定量评价GPR信号重建精度。模拟与实测GPR信号的重建试验表明：POCS算法可有效重建GPR剖面中的缺失信号;与线性阈值模型的POCS算法相比,指数阈值模型的POCS算法重建精度更高;与指数阈值模型的频率域POCS算法相比,指数阈值模型的曲波域POCS算法用于重建GPR剖面中连续多道缺失信号的误差更小、纵向伪影能量更弱,且对复杂GPR结构模型的缺失信号重建具有较强的适用性;与线性和指数阈值模型的频率域POCS算法、线性阈值模型的曲波域POCS算法相比,指数阈值模型的曲波域POCS重建方法的重建精度更高、平均绝对误差下降45%~99%、信噪比和峰值信噪比提高1~20 dB,其重建结果可为后续处理与解释提供高质量GPR信号。

     

一种基于小波变换的测井曲线去噪新方法

从小波变换的思想出发,提出一种测井曲线去噪新方法.首先按照Mallat塔式算法对测井曲线进行小波分解,然后应用一个非线性软门限函数在小波域内将噪声抑制与滤除,最后通过小波变换得到重构的测井曲线.结果表明,该方法较传统滤波方法更为有效.     

基于组合滤波的矿集区大地电磁信号去噪

针对矿集区大地电磁(MT)信号受环境噪声和人文噪声污染严重的问题,提出一种结合了经验模态分解(EMD)和数学形态学滤波的组合滤波方法,对矿集区大地电磁信号的时域信号进行滤波处理。介绍了方法原理和计算步骤,评估了该方法的去噪效果;在与小波变换去噪效果对比的基础上,用仿真实验验证了方法的可靠性,并对某矿集区的实测数据进行了去噪处理。结果表明,组合滤波方法充分利用了EMD多尺度分解及其可重构特性和数学形态学滤波方法的优点,在滤除噪声的同时为MT信号尽可能多地保留了有用信息。去噪后,估算的响应曲线方差减小到原来的一半,为进一步正确资料处理和地质解释提供了保障。     

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。     

基于多结构元素形态滤波的大地电磁去噪

数学形态滤波是根据形态学原理创建的一种新型滤波方法,目前在信号处理的诸多领域得到成功运用。本文从形态滤波的基本原理出发,引入了一种多结构元素组成的滤波器用于大地电磁噪声消除。通过数值模拟展示了多结构元素滤波器的滤波效果,表明多结构元素滤波器在小尺度的范围内也有较好的滤波性能。同时,实测大地电磁信号的重构曲线和其视电阻率曲线显示多结构元素形态滤波对大地电磁噪声中的大尺度干扰噪声,如方波噪声和三角波噪声等,有较好的抑制作用,说明多结构元素形态滤波在大地电磁去噪中有较好的应用价值。