地震多次波成像

地震资料含有各种类型多次波,而传统成像方法仅利用地震一次反射波成像,在地震成像前需将多次波去除.然而,多次波携带了丰富的地下结构信息,多次波偏移能够提供除反射波外的额外地下照明.修改传统逆时偏移方法,用包含一次反射波和多次波的原始记录代替震源子波,将SRME方法预测的表面多次波代替一次反射波作为输入数据,可将表面多次波成像.多次波成像的挑战和困难在于大量串扰噪声的产生,针对表面多次波成像中的成像噪声问题,将最小二乘逆时偏移方法与多次波分阶思想结合起来,发展可控阶数的表面多次波反演成像方法,有望初步实现高精度的表面多次波成像.在消除原始记录中的表面多次波后,通过逆散射级数方法预测得到层间多次波,将层间多次波作为逆时偏移方法的输入数据可将其准确归位到地下反射位置.数值实验表明,多次波成像能够有效地为地下提供额外照明,而可控阶表面多次波最小二乘逆时偏移成像方法几乎完全避免成像噪声.

     

时频域振幅相位联合的最小二乘逆时偏移

最小二乘逆时偏移方法具有复杂地质构造成像精度高、成像振幅准确等优点.但是,当地下存在强散射介质时,最小二乘逆时偏移方法很难透过上覆强散射地质体获得深部构造的高精度成像结果.本文为了提高深部精细构造的成像质量,提出时频域振幅相位联合的最小二乘逆时偏移方法.该方法主要通过构建时频域振幅相位联合目标函数,减弱振幅信息对成像结果的影响,提高深部弱散射地震信号的可成像精度.首先,对地震信号进行时频变换,构建时频域最小二乘偏移目标函数;其次,在目标函数中引入振幅权重因子,调节时频域振幅相位权重;最后,推导时频域振幅相位联合目标函数对模型参数的梯度,并利用L-BFGS局部优化算法对成像结果进行迭代.Marmousi模型和盐丘模型测试结果表明,本文方法能够很好地利用弱散射地震信号的时频域振幅相位信息,实现透过上覆强散射地质体进行深部高精度成像的目标.     

基于QHAdam梯度优化算法的最小二乘逆时偏移

最小二乘逆时偏移(LSRTM)通常基于梯度类算法, 经过几十次甚至上百次的迭代得到最终的成像剖面, 然而常规最小二乘逆时偏移其在迭代过程中, 所求梯度通常不做优化处理, 导致最小二乘逆时偏移的收敛效率和成像精度不高, 并且每次迭代的模型更新处理还需付出1~2次的波场延拓计算代价来获取迭代步长.本文将深度学习中的优化算法QHAdam引入到传统时间域最小二乘逆时偏移计算中, 可在付出极小计算代价的前提下, 直接获得优化的模型更新量, 同时避免了迭代步长的求取.Marmousi模型实验结果显示, 相比于常规最小二乘逆时偏移算法, 基于QHAdam梯度优化算法的最小二乘逆时偏移其收敛效率和成像精度更高, 且由于减少了迭代步长的求取步骤, 其也具有更高的计算效率; 相对于基于Adam算法最小二乘逆时偏移, 本文方法也具有更高的收敛效率和收敛精度.

     

基于一阶速度-应力方程的多震源最小二乘逆时偏移

最小二乘逆时偏移（Least-Square Reverse Time Migration,LSRTM）相比于常规偏移具有更高的成像分辨率、振幅保幅性及均衡性等优势,是当前研究的热点之一.然而,目前LSRTM算法大多是基于二阶常密度标量声波方程建立的,忽略了密度变化对振幅的影响,因而基于振幅匹配策略的常规LSRTM很难在变密度介质下取得保真的成像结果.一阶速度-应力方程能够很好地处理变密度介质,但简单地将一阶速度-应力方程应用到LSRTM中缺乏理论基础.为此,本文从LSRTM的正问题入手,提出了基于交错网格的一阶速度-应力方程LSRTM理论方法.首先将一阶波动方程线性化,建立了一阶方程LSRTM的目标泛函,随后推导其伴随方程,并借助伴随状态法给出了迭代更新流程,最终建立了基于一阶速度-应力方程LSRTM的理论框架.进一步,通过在相位编码LSRTM中引入随机最优化思想,极大地减小了计算量、提高了计算效率.最后,通过模型试算验证了本算法的正确性和有效性.     

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.     

同时震源数据的加权结构增强最小二乘逆时偏移

同时震源（Simultaneous-source,SS）地震采集技术能有效地提高地震数据采集效率,但直接对SS混合数据偏移成像会在最后的成像剖面中引入很强的串扰噪声.将SS数据偏移成像看作一个反演问题,利用最小二乘（Least-squares,LS）求解是压制SS直接成像中串扰噪声的一种有效尝试.构造增强滤波（Structure-enhancing filter,SE）约束的最小二乘逆时偏移（LSRTM）方法可以有效地压制SS数据成像中的串扰噪声,但SE实质为低通滤波,会将成像中的陡倾角等细节信息平滑涂抹,降低成像分辨率.本文在利用SE对LSRTM约束的基础上,提出了基于加权构造增强约束的LSRTM方法（WSE-LSRTM）并应用于SS数据的反演成像中.该方法不仅能够有效地压制串扰噪声（cross-talk）、保留结构信息,而且可以保护成像中的陡倾角结构不被过度平滑而破坏.在对简单模型和复杂Marmousi模型的数值测试中,该方法都取得了良好的效果.

     

基于一阶速度-应力方程的VTI介质最小二乘逆时偏移

地下地层普遍存在各向异性,忽略介质各向异性会导致速度估计不准确,成像精度下降.基于二阶声波方程的最小二乘逆时偏移忽略了介质各向异性及密度变化的影响,致使模拟地震数据与实际观测数据不匹配,影响收敛速度和反演成像质量.VTI介质一阶速度-应力方程能较好适应各向异性变密度情况,为此,本文首先从VTI介质一阶速度-应力方程出发,进行波动方程线性化;其次推导了相应的扰动方程和伴随方程,并通过伴随状态法得到梯度更新公式;最终形成基于一阶方程的LSRTM算法理论及实现流程.在实现算法的基础上,通过数值试算及成像结果对比,验证了本文算法在处理变密度和VTI介质时的有效性和优越性.偏移速度以及各向异性Thomsen参数误差的敏感性测试及误差收敛曲线对比结果进一步表明：速度及Thomsen参数对成像结果存在明显影响,其中速度敏感性最强,参数epsilon次之,参数delta的敏感性最弱.