基于结构匹配反褶积的同时震源数据直接成像

针对同时震源数据最小二乘偏移(LSM)计算效率低的问题,笔者研究并提出了同时震源混合数据直接成像的结构匹配反褶积(SMD)方法。通过分窗的方式求取局部Hessian逆,加入局部结构约束,可以压制混合数据成像串扰噪音的同时对成像做照明补偿,提高成像质量。并在复杂sigesbee2A模型的数值测试中验证了SMD方法的有效性。结果表明,SMD能够有效地压制成像中的串扰噪音,且对成像振幅有一定的补偿作用,计算效率相比LSM有巨大提升。     

基于多路径Radon变换的地震数据噪声压制和波型分离方法研究

Radon变换是一种稀疏变换,被广泛应用于地震数据处理,其中线性Radon和抛物Radon最为常用.在实际地震数据中,直达波和面波的同相轴形态为线性,反射波为双曲型,单独使用线性Radon或抛物Radon变换时,不能确保所有同相轴在变换域的系数都是稀疏的,影响地震数据处理效果.本文提出的多路径Radon变换联合了线性Radon变换和抛物Radon变换,每个同相轴都有两种不同的变换参数来与积分路径相适应,能够兼顾不同形态的同相轴;然后利用最小二乘稀疏反演方法对不同形态同相轴匹配最佳积分路径,使其自动分离到两个不同的Radon域剖面且保持系数同时稀疏.从多路径Radon域剖面上,能够很容易地识别不同系数所对应的同相轴形态、时间截距以及速度,这些特征有利于提高利用Radon变换方法进行随机噪声压制、面波压制以及波型分离等技术的处理效果,该变换在模型数据和实际数据中的应用结果证明了本文方法有效性.

     

一种基于射线追踪的鬼波衰减方法研究与应用

在海洋地震资料采集中,与海水面有关的地震鬼波与有效信号干涉会压缩地震有效频带、降低地震分辨率,降低地震资料对较厚地层及薄层的分辨能力.常规的鬼波衰减方法为通过一个鬼波衰减反褶积算法提取出检波点的上行波场,该方法有二个关键参数分别为鬼波与上行波场之间的延时时间、海水面反射系数,其可在参数空间内搜索得到.但由于参数空间较为...     

Characteristics analysis on high density spatial sampling seismic data

China＇s continental deposition basins are characterized by complex geological structures and various reservoir lithologies. Therefore, high precision exploration methods are needed. High density spatial sampling is a new technology to increase the accuracy of seismic exploration. We briefly discuss point source and receiver technology, analyze the high density spatial sampling in situ method, introduce the symmetric sampling principles presented by Gijs J. O. Vermeer, and discuss high density spatial sampling technology from the point of view of wave field continuity. We emphasize the analysis of the high density spatial sampling characteristics, including the high density first break advantages for investigation of near surface structure, improving static correction precision, the use of dense receiver spacing at short offsets to increase the effective coverage at shallow depth, and the accuracy of reflection imaging. Coherent noise is not aliased and the noise analysis precision and suppression increases as a result. High density spatial sampling enhances wave field continuity and the accuracy of various mathematical transforms, which benefits wave field separation. Finally, we point out that the difficult part of high density spatial sampling technology is the data processing. More research needs to be done on the methods of analyzing and processing huge amounts of seismic data.     

单船拖曳可控源电磁数据自适应分频匹配滤波消噪方法

海洋可控源电磁法(MCSEM, Marine Controlled-Source Electromagnetic Method)是一种工业化的主动源海洋电磁勘探方法, 近年来在海底油气资源探测中收效显著, 通过测量海底地下介质的电阻率变化, 能够有效降低地震勘探方法的多解性.MCSEM的工作方式主要有单船拖曳与双船拖曳两类.单船拖曳信号具有强时变特征, 近、中、远收发距信号强度变化极大.由于海水环境较为复杂, 数据受到洋流、背景场、仪器等多种因素干扰, 使得小收发距数据信噪比较高, 中、远收发距数据信噪比较低, 因此MCSEM数据随机干扰压制方法的研究难点在于适应数据的强时变特征.本文利用发射机数据与接收机数据的时间(空间)和频率对应关系, 提出基于正则化条件和衰减函数约束的自适应分频匹配滤波方法.该方法首先通过计算原始接收机数据基频的振幅随偏移距变化(MVO, Magnitude Versus Offset)曲线获取衰减函数, 然后利用该衰减函数将发射机所有频点数据进行振幅衰减, 减低MCSEM发射机与接收机数据对应振幅的强时变差异, 最后利用基于整形正则化条件的自适应匹配滤波方法压制接收机数据中的强振幅随机噪声.模型数据与实际数据的处理结果表明, 本文提出的方法能够有效压制MCSEM数据中不同收发距的随机噪声干扰, 保护具有强时变特征的接收机数据, 提升整体数据质量.

     

基于数据增广和CNN的地震随机噪声压制

卷积神经网络(Convolutional Neural Network,CNN)是一种基于数据驱动的学习算法,简化了传统从特征提取到分类的两阶段式处理任务,被广泛应用于计算机科学的各个领域.在标注数据不足的地震数据去噪领域,CNN的推广应用受到限制.针对这一问题,本文提出了一种基于数据生成和增广的地震数据CNN去噪框架.对于合成数据,本文对无噪地震数据添加不同方差的高斯噪声,增广后构成训练集,实现基于小样本的CNN训练.对于实际地震数据,由于无法获得真实的干净数据和噪声来生成训练样本集,本文提出一种直接从无标签实际有噪数据生成标签数据集的方法.在所提出的方法中,我们利用目前已有的去噪方法从实际地震数据中分别获得估计干净数据和估计噪声,前者与未知的干净数据具有相似纹理,后者与实际噪声具有相似的概率分布.人工合成数据和实际数据实验结果表明,相较于F-X反褶积,BM3D和自适应频域滤波算法,本文方法能更好地压制随机噪声和保护有效信号.最后,本文采用神经网络可视化方法对去噪CNN的机理进行了探索,一定程度上解释了网络每一层的学习内容.

     

利用变分模态分解(VMD)和匹配追踪(MP)联合压制音频大地电磁(AMT)强干扰

为了有效分离矿集区音频大地电磁（AMT）信号中的大尺度强干扰、抑制近源效应,本文提出利用变分模态分解（VMD）和匹配追踪（MP）联合压制AMT强干扰的方法.首先,对比了VMD与经验模态分解（EMD）、固有时间尺度分解（ITD）的处理效果,验证了VMD在避免模态混叠和端点效应方面的优势;讨论了VMD中模态个数对典型大尺度强干扰的去噪性能,并选择合适的模态初步获取待处理信号的重构信息.然后,运用MP对VMD重构信号做二次信噪分离处理,进一步滤除残余的尖脉冲干扰.通过对模拟和实测数据的分析处理,以及与远参考法结果对比,本研究能有效剔除时间域序列中的大尺度强干扰,且重构信号中保留了更多的低频缓变化信息和细节成分,近源干扰得到有效压制;视电阻率-相位曲线更为光滑、连续,低频段的数据质量得到明显改善,其结果能更为真实、可靠地反映地下电性结构信息.

     

基于自适应阈值RCSST变换的金属矿山地地区地震信号随机噪声消减

随着陆地地震勘探工作的加深,勘探环境变得越来越复杂,获得的地震信号信噪比越来越低,这给地震成像和数据解释带来了巨大的困难.为了解决这一技术难题,本文针对云南山地金属矿区的勘探环境提出了一种基于自适应阈值递归循环平移的Shearlet变换去噪算法（Recursive Cycle Spinning Shearlet Transform,RCSST）.首次将递归循环平移与Shearlet变换相结合,利用Shearlet变换的多尺度多方向特性对平移后的地震资料进行分解变换,之后,我们又提出了一种全新的自适应阈值,避免了信号系数被过度扼杀,同时也保护了有效信号.实验表明基于自适应阈值的RCSST算法克服了传统Shearlet变换去噪算法在低信噪比下易出现假轴的弊端并且能够有效地保护信号的幅度.在处理较低信噪比的模拟和实际云南山地地区地震资料的过程中,本文方法能够较好的压制随机噪声和保护有效信号.

     

基于混合时频分析技术的地震数据噪声压制(英文)

针对复杂地质结构、陡倾角相干噪声、空间采样不均匀等情况下F-x域反褶积去噪技术的不足,提出首先应用具有时-频聚集性度量准则的广义S变换将时间-空间域的地震数据变换至时间-频率-空间域(t-f-x)的数据,在t-f-x域中对每一个频率切片应用经验模态分解(EMD),移除噪声占主导地位的本征模态函数以压制相干和随机噪声的滤波方法。模型分析表明第一本征模态函数表征的高频信息以噪声为主,移除第一本证模态函数可以达到压制噪声的目的。经广义S变换后形成t-f-x域中EMD滤波方法等效于具有依赖于空间位置、频率、高波数截断特征的自适应f-k滤波。此滤波方法考虑了数据的局部时-频特征,且具有执行简单的特点。与AR预测滤波方法比较,此法滤除的成分包含较少的低波数的信息,滤除的成分非常的局部化,且获得结果没有表现出过度平滑的特征。实际资料的应用表明在经广义S变换后形成t-f-x域中运用EMD滤波方法能够有效地压制随机和陡倾角相干噪声。     

基于地震信号相似性的S变换域多次波压制技术

多次波压制是海洋地震数据处理的关键,如何保护一次反射波的同时高效准确地识别并压制多次波是地震资料处理的重点。笔者在共中心点(CMP)叠加压制多次波方法的基础上,基于CMP道集地震信号与叠加道地震信号的相似性特征在S变换域进行多次波压制。首先,利用多次波速度动校正并对CMP道集数据减去叠加道数据完成第一次多次波减除,此时,波场中残余的多次波以随机噪声的形式存在;然后,对减除多次波的地震波场应用一次波速度动校正,并以一次波速度叠加道为初始模型对CMP道集S变换谱进行相似性滤波完成第二次残余多次波去除。针对理论数据和实际数据进行了有效性测试,结果表明本文所提方法能够较好地压制多次波,提高反射波的成像精度。