基于学习型超完备字典的地震数据去噪(英文)

基于变换基函数的方法,是地震去噪处理中最常用的技术之一,它利用地震数据在某种基函数变换域内的稀疏性和可分离性来达到剔除噪声的目的。但传统的做法是事先选定一组固定的变换基并在对应域内进行处理,其效果往往并不十分令人满意。为了探索新的改进方法,我们引入学习型超完备冗余字典,即根据地震模型数据进行学习和训练,以寻求最优的稀疏表示字典,而不是只选用固定的变换基。本文在字典学习中融入全变差最小化策略以压制伪吉布斯现象。我们选用离散傅里叶变换作为初始变换,并以随机噪声为例,对单一的全局变换、未经学习的超完备冗余字典和学习型超完备冗余字典做了比较。结果表明,利用经过训练的超完备冗余字典,在对地震数据进行稀疏表示的同时,也达到了有效去除噪声的目的,可视性和信噪比都得到了明显提高。我们也比较了均匀和不均匀字典子块的效果,结果表明,不均匀的字典子块更利于地震数据去噪。     

正交各向异性介质P波走时分析及Thomsen参数反演

对于包含有垂向裂缝的横向各向同性地层或含有多组正交裂缝的各向同性地层，正交各向异性介质模型是最简单的与实际地层相符的方位各向异性模型.本文对单层水平反射界面正交各向异性模型采用射线追踪法计算了全方位角变化的P波走时，时距曲线表现出强方位各向异性.采用小生境遗传算法，对三条成一定角度的测线的走时信息进行速度和各向异性参数反演.模型算例表明，此方法可以得到高精度的裂缝方位角、P波垂直速度和较高精度的Thomsen各向异性参数.     

基于VSP直达波资料的粘弹介质参数遗传算法反演

粘弹性参数变得越来越重要,其反演算法也逐渐成为众多研究者的研究热点。而遗传算法是一种随机、自适应、启发式的算法, 具有很好的鲁棒性和全局收敛性, 本文基于VSP直达波方程,引入了遗传算法来进行粘弹参数反演, 首先将频率域直达波方程表示为复速度的函数,然后通过遗传算法反演出复速度。而复速度和品质因子又是复速度的函数,从而便可很容易的得出。但若直接反演复速度, 反演参数太多, 不容易实现, 所以又将复速度表示成参数C0和C∞的函数,以减少反演参数数量。最后给出了理论模型实验,以证明该算法的有效性。     

双相介质分界面上弹性波的反射与透射

本文基于Biot理论,推导出Zoeppritz形式的双相介质分界面上弹性波的反射与透射公式,对单相Zoeppritz公式与双相反射系数公式进行了比较,对双相介质含油、水、气不同流体时的反射规律以及孔隙度、渗透率、饱和度等储层参数对纵波反射的影响进行了研究.数值模拟分析表明,双相与单相反射公式的主要差异在于双相介质反射公式中考虑了液相、固液耦合相弹性模量的影响;油砂、水砂、气砂岩的慢P波反射差异明显;快P波反射对孔隙度的变化敏感,饱和度次之,对渗透率和频率的变化不敏感.