基于炮采样的多尺度全波形反演

常规全波形反演利用全部炮集参与计算,反演的计算量巨大。针对这一问题,本文分析了不同频率反演对炮数的需求,进而提出一种基于频率多尺度反演方法的加速策略。该方法利用反演所需炮数与频率正相关的特性,在反演低频数据时,每次迭代只抽取一部分炮集参与反演,频率升高时,相应地引入更多的炮集参与运算,两次迭代之间通过组内随机炮采样的方法实现炮集的轮换,避免炮集信息的丢失。该方法通过降低反演炮数从而减少计算量,由于不涉及炮集的串扰,因此不会引入额外的噪声,也不受限于观测系统。模型测试结果表明,该方法在炮集数量较多时可以明显减少计算时间,同时,该方法具有一定的抗噪能力,对含噪声的地震记录也能得到较好的反演结果。     

低频缺失数据的弹性波全波形反演策略

弹性波全波形反演对地震数据的低频成分具有很强的依赖性。当多分量地震数据缺失低频成分时,混合域频率多尺度全波反演方法容易陷入局部极值,得到错误的反演结果。为降低弹性波波形反演的对初始模型的依赖,提出了Laplace-Fourier域反演与混合域反演相结合的反演策略,其基本思路为:先应用Laplace-Fourier域反演对低频缺失的地震数据指数衰减并反演,重建出模型的中、长波成分,然后将该模型作为后续混合域反演的初始模型,利用多尺度反演逐步恢复模型的短波长成分。模型数据的反演结果显示,在数据缺失低频时利用Laplace-Fourier域反演可获得一个更加准确的长波长纵、横波速度模型,将此模型作为混合域频率多尺度反演的初始模型能够更好地重建地下介质的弹性参数,从而得到更准确的结果。