基于波动方程表面多次波预测与自适应相减方法研究

多次波预测与自适应相减是基于波动方程表面多次波压制的两个重要环节.文中利用具有并行计算优势的GPU加速表面多次波预测,使得预测效率大为提高.在自适应相减算法中,文中将预测的多次波道、预测多次波道的Hilbert变换道、预测多次波道的高频重建道、以及它们的平移道用作自适应相减中的多次波模型道.Hilbert变换道用以补偿预测多次波的相位信息,高频重建道用以改善预测多次波的高频信息,补偿频带能量差异.文中在预测和相减过程中均采用迭代算法,迭代预测,可较好地获得多次波的运动学特性,迭代相减,可较好地获得多次波的动力学特性,迭代预测与相减使预测的多次波与地震数据中实际的多次波更好地匹配.将该方法应用于理论模拟的SMAART模型和实际海洋数据中,测试结果表明,该方法预测多次波效率较高,在保持有效波振幅条件下可有效地压制地震数据中的表面多次波.     

改进的多道预测算子压制浅水多次波方法

在浅水情况下,由于观测数据中缺少近偏移距信息,水层多次波的压制面临挑战.利用多道预测算子压制水层多次波是浅水环境下压制多次波的重要方法之一,这种方法先从输入数据中估计出多道预测算子,再将预测算子和输入数据做褶积预测出水层相关多次波.然而,估计的多道预测算子很容易受噪声污染,从而影响多次波模型的精度.所以,我们提出了改进的多道预测算子压制浅水多次波方法.该方法先从数据中估计出多道预测算子,并利用估计的算子构建出精确的水层模型;然后,通过计算算子的走时信息、估计振幅信息、合成新算子三个步骤来修正原始的多道预测算子.修正的算子不仅不受噪声影响,还含有精确的走时信息、可靠的振幅信息;最后,该方法用修正的算子来预测多次波,并结合自适应相减,将预测的多次波从输入数据中去除.通过合成数据和实际资料的验证表明,相比于原始的多道预测算子压制多次波方法,改进的方法能够取得更好的压制效果.

     

多道自适应匹配滤波方法压制表面多次波

表面多次波压制是海洋地震数据处理的关键环节,基于波动方程的多次波压制方法可由多次波模型预测和自适应相减两步实现.因此,除了采用有效的算法实现高精度的多次波预测外,多次波的自适应相减也是改善多次波压制效果的重要手段.文中采用多道自适应滤波器完成表面多次波的自适应相减,利用数据驱动的基于波动方程预测多次波模型的高频重建道、Hilbert变换道、以及它们相应的上下延拓道改善预测多次波模型的振幅、相位、旅行时以及频带信息,使得修正后多次波模型与实际地震数据中的多次波更好地匹配.实际数据测试表明,文中所述方法可有效地完成表面多次波的自适应相减.通过讨论分析交叠时窗和滤波器的长度对自适应相减效果的影响,表明合理地利用时窗以及选择滤波器长度将有效地改善自适应相减的效果.     

分层层间多次波预测与自适应压制方法研究

在地震勘探中,层间多次波在地震剖面上形成的虚假界面会严重影响对地质构造的解释.由于层间多次波在走时、频率和形态上与一次波的差异较小,因此较难对层间多次波进行识别和压制.本文使用分层层间多次波预测方法与基于2D卷积信号盲分离的多次波自适应相减方法相结合的策略对层间多次波进行压制处理.首先推导并阐述了分层层间多次波预测方法的理论基础,然后对地下介质中存在的多个多次波产生界面实现了层间多次波的分层预测,最后采用基于2D卷积信号盲分离的多次波自适应相减方法对层间多次波进行压制,以更好的保护有效信号.分层预测的方法通过分离层间多次波产生层位,对目标层位产生的所有层间多次波直接进行预测,该方法避免了共聚焦点方法构建共聚焦点道集的聚焦运算,降低了计算成本,同时该方法是基于数据驱动的,算法容易实现.模型数据和实际地震资料试算结果表明,本文方法能直接利用地表数据对层间多次波进行压制,并有效的保护一次波．     

泰勒展开近似 带连续性约束的L1范数方法用于多次波自适应相减(英文)

一次波L1范数最小化的多次波自适应相减方法,简称L1方法,是基于匹配滤波器设计的多次波自适应相减算法中的一种常用方法.当一次波和多次波混杂在一起时,L1方法有时会伤害一次波,导致一次波同相轴的连续性变差.本文利用预测误差滤波器度量一次波同相轴的连续性,在L1方法的皋础上,提出一种能够在压制多次波的同时,尽量保持一次波同相轴连续性的多次波自适戍相减算法,简称连续性约束L1方法.利用Pluto模犁数据进行多次波相减的结果表明,连续性约束L1方法能够在有效压制多次波的同时,更好地保护一次波.     

表面多次波最小二乘逆时偏移成像

使用相同的炮记录,多次波偏移能提供比反射波偏移更广的地下照明和更多的地下覆盖但是同时产生很多的串声噪声.相比传统逆时偏移,最小二乘逆时偏移反演的反射波成像结果具有更高的分辨率和更均衡的振幅.我们主要利用最小二乘逆时偏移压制多次波偏移产生的串声噪声.多次波最小二乘逆时偏移通常需要一定的迭代次数以较好地消除串声噪声.若提前将一阶多次波从所有阶数的多次波中过滤出来,使用相同的迭代次数,一阶多次波的最小二乘逆时偏移能够得到具有更高信噪比的成像剖面,而且能够提供与多次波最小二乘逆时偏移相似的有效地下结构成像.     

基于非因果滤波器的多次波匹配相减方法(英文)

在常规多道匹配滤波方法中的滤波器是物理可实现的因果滤波器,只能实现地震信号序列延迟的滤波。本文提出了最小二乘意义下的非因果多道输入多道输出维纳滤波方法,通过比较多道匹配相减中因果和非因果滤波方法之间的差别,验证了方法的有效性,解决了模型数据滞后于实际数据的情况。而且,通过定义长度随偏移距和层速度变化的滑动时窗,解决了匹配时窗内同相轴数量随偏移距增大而增加的问题。并将上述方法应用到改进的扩展多道匹配相减去除多次波的方法中,利用Pluto1.5理论模拟数据,对非因果滤波器和变长度时窗的匹配相减方法进行测试,取得了很好的去除多次波后的地震数据。     

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。     

自适应虚同相轴方法压制地震层间多次波

地震数据中发育的层间多次波是影响速度分析和偏移成像的精度和可靠性的关键.通常情况下,层间多次波的动校正量、叠加速度和频率与一次波并无明显差异,从而对识别、预测和压制多次波带来了极大挑战.传统虚同相轴方法基于物理图像和定性公式,其预测的层间多次波振幅和相位精度难以满足实际需求,造成了其对匹配算法的过度依赖.本文针对传统虚同相轴方法的理论缺陷和计算精度问题,通过理论推导得到了新的自适应虚同相轴方法.相比于传统方法,自适应虚同相轴方法能够显著提高压制多次波能力,同时减少对匹配算法的依赖.本文给出了自适应虚同相轴方法的推导过程,并运用一维和二维模型算例验证了方法相较于传统虚同相轴方法的多次波预测精度优势.通过在PLUTO模型和实际陆地地震数据上的应用实例,证明了本文新研究的自适应虚同相轴方法对去除层间多次波,恢复并突出目标储层同相轴,提高地震成像分辨率的显著作用.

     

基于单程波偏移算子的地表相关多次波成像

在常规地震资料处理中,多次反射波被视为噪声并从地震数据中去除,以免在之后的地震资料解释中造成误解.而事实上,多次波也是地震信号,是照明波场的一部分,能够对地下构造成像的精度做出贡献.本文分析了多次波在传统单程波叠前深度偏移中产生构造假象的机制和表现,为实现基于单程波偏移算子的多次波成像,修改了单程波叠前深度偏移的边界条件,即将输入的震源波场用包含多次波的记录来替代,输入的记录波场用预测出的表层相关多次波来替代,实现了基于单程波偏移算子的地表相关多次波成像,并从理论上给出了其成像依据.通过基于二范式最小能量差原则求取的匹配因子,将多次波成像结果与一次波成像结果进行匹配叠加,应用多次波成像来弥补一次波成像的不足.简单模型验证了基于单程波偏移算子的多次波成像方法的有效性,最后对Sigsbee2B模型进行了一次波与多次波联合成像试算,盐边界高陡构造成像质量得到了明显改善.     

基于数据一致性预测与压制自由表面多次波--理论研究与试处理

从声波波场理论出发,首先在不考虑自由表面反射的情况下研究了有效波波场传播及反射规律,继而考虑自由表面反射的情况,并详尽推导了压制自由表面多次波的正演和反演数学模型。从物理本质上对自由表面多次波的产生、预测及压制做了深入的剖析,讨论了基于数据一致性时空域褶积的多次波预测方法原理,实现了自由表面相关多次波自适应压制的迭代方法过程。复杂起伏海底的理论模型试算实例表明：在多次波产生系统非常复杂的情况下,本方法仍能非常有效地压制各种与自由表面相关的多次波,同时还能很好地保持有效波的能量,取得了很好的压制多次波效果。     

基于多尺度卷积神经网络的结构损伤识别研究

为了利用结构振动响应的时间多尺度特征来提升卷积神经网络识别结构损伤的能力,给出了两种用于结构损伤识别的多尺度卷积神经网络,即多尺度输入和多尺度卷积核卷积神经网络.对于多尺度输入卷积神经网络,将通过下采样和滑动平均获取的具有不同时间尺度特征的振动信号输入固定尺寸卷积核的分支卷积神经网络;对于多尺度卷积核卷积神经网络,则将...     

基于优化聚类的人工源电磁法数据信噪分离方法

为了降低强电磁干扰对人工源电磁法(Controlled Source Electromagnetic Method, CSEM)有效信号的影响, 改善CSEM实测数据处理结果因人而异且效率低的不足, 本文针对CSEM有效信号周期性特征提出了一种加权自适应带宽均值漂移聚类(Weighted Adaptive Bandwidth Mean-Shift Clustering, WAB-MSC)信噪分离方法.首先在传统均值漂移聚类(Mean-Shift Clustering, MSC)算法的基础上增加核函数, 降低处理结果对带宽选择的敏感度, 提高算法的稳健性; 其次结合实测CSEM数据的分布特征提出了一种基于局部密度梯度的带宽估计方法, 实现了自适应带宽选择; 最后通过仿真数据与实测数据对本文方法进行了验证, 结果表明: 本文方法能有效消除强电磁干扰对CSEM数据的影响, 最大程度保留受噪声影响较小或未受噪声影响的数据, 提高数据信噪比, 降低强干扰噪声对CSEM初始资料的影响程度, 获得更为真实的地电响应模型, 为后续数据处理提供保障.

     

基于Remez迭代算法求解差分系数的双相介质自适应有限差分正演模拟

利用传统有限差分方法对基于Biot理论的双相介质波动方程进行数值求解时,由于慢纵波的存在,数值频散效应较为明显,影响模拟精度.相对于声学近似方程及普通弹性波方程,Biot双相介质波动方程在同等数值求解算法和精度要求条件下,其地震波场正演模拟需要更多的计算时间.本文针对Biot一阶速度-应力方程组发展了一种变阶数优化有限差分数值模拟方法,旨在同时提高其正演模拟的精度和效率.首先结合交错网格差分格式推导Biot方程的数值频散关系式.然后基于Remez迭代算法求取一阶空间偏导数的优化差分系数,并用于Biot方程的交错网格有限差分数值模拟.在此基础上把三类波的平均频散误差参数限制在给定的频散误差阈值和频率范围内,此时优化有限差分算子的长度就能自适应非均匀双相介质模型中的不同速度区间.数值频散曲线分析表明：基于Remez迭代算法的优化有限差分方法相较传统泰勒级数展开方法在大波数范围对频散误差的压制效果更明显;可变阶数的优化有限差分方法能取得与固定阶数优化有限差分方法相近的模拟精度.在均匀介质和河道模型的数值模拟实验中将本文变阶数优化有限差分算法与传统泰勒展开算法、最小二乘优化算法进行比较,进一步证明其在复杂地下介质中的有效性和适用性.

     

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.

     

Prestack amplitude versus angle inversion for Young's modulus and Poisson's ratio based on the exact Zoeppritz equations

Elastic parameters such as Young's modulus, Poisson's ratio, and density are very important characteristic parameters that are required to properly characterise shale gas reservoir rock brittleness, evaluate gas characteristics of reservoirs, and directly interpret lithology and oil‐bearing properties. Therefore, it is significant to obtain accurate information of these elastic parameters. Conventionally, they are indirectly calculated by the rock physics method or estimated by approximate formula inversion. The cumulative errors caused by the indirect calculation and low calculation accuracy of the approximate Zoeppritz equations make accurate estimation of Young's modulus, Poisson's ratio, and density difficult in the conventional method. In this paper, based on the assumption of isotropy, we perform several substitutions to convert the Zoeppritz equations from the classical form to a new form containing the chosen elastic constants of Young's modulus, Poisson's ratio, and density. The inversion objective function is then constructed by utilising Bayesian theory. Meanwhile, the Cauchy distribution is introduced as a priori information. We then combine the idea of generalised linear inversion with an iterative reweighed least squares algorithm in order to solve the problem. Finally, we obtain the iterative updating formula of the three elastic parameters and achieve the direct inversion of these elastic parameters based on the exact Zoeppritz equations. Both synthetic and field data examples show that the new method is not only able to obtain the two elastic parameters of Young's modulus and Poisson's ratio stably and reasonably from prestack seismic data but also able to provide an accurate estimation of density information, which demonstrates the feasibility and effectiveness of the proposed method. The proposed method offers an efficient seismic method to identify a “sweet spot” within a shale gas reservoir.