基于深度学习的子波整形反褶积方法

地震数据偏移成像是地下介质反射系数估计的重要方法之一,其结果通常受子波影响而波数带展布有限。有效拓展成像结果的波数带、提高空间分辨率是宽带反射系数估计的一个重要目的。为此,首先从反演成像的角度分析,指出子波和观测系统照明是影响成像结果分辨率的两个主要因素;其次,基于卷积神经网络(CNN),利用宽频子波构建标签,将常规成像结果作为输入,利用CNN挖掘其中的映射关系,提出了相应的深度学习算法子波整形反褶积方法;然后,针对反褶积中初始子波估计不准确的问题,设计了子波与反射系数串联、迭代、更新的实现方案,定制的宽频子波能兼顾低波数和高波数信息,用于训练网络时可以更好地恢复宽带的反射系数;最后,利用已知模型进行网络的预训练,将基于目标数据体提取的有效子波作为靶区数据反褶积的初始子波,进行子波整形反褶积处理,并通过薄层模型测试了该方法的正确性和可靠性。实际资料处理结果表明了该方法具有较好的应用潜力。

带限局部平面波传播算子与偏移方法

地震信号的带限特点限制了高频近似下的射线类算子在地震波模拟和偏移中的应用。本文基于射线理论构建带限信号局部平面波传播算子,兼顾射线类方法具有时空局部性和实现灵活高效的特点,有效进行带限地震波场的模拟和偏移。即分析传统高频射线在速度界面的传播特征,利用带限信号频带与菲涅耳带的关系,构建带限斯奈尔定律进行中心射线传播;在局部平面波假设下,基于带限中心射线做旁轴近似展开,构建带限局部平面波传播算子;在此基础上发展基于该算子的带限射线束偏移方法。数值实验结果表明,带限射线束较传统基于高频近似的射线束具有更强穿透能力,改善射线阴影区照明,从而提高复杂构造区成像质量。

TI介质带限射线束传播及偏移方法

地震数据是典型的带限信号,这限制了传统高频射线理论在其偏移处理中的应用。本文构建了一种适用于横向各向同性(TI)介质的带限射线束传播算子,并应用于射线束偏移。在局部平面波近似下构建了带限射线追踪算法,并将该算法扩展到TI介质。在带限中心射线基础上引入旁轴近似展开,构建适用于TI介质的带限射线束传播算子,将该带限射线束传播算子应用于各向异性介质射线束偏移。该传播算子在保持射线类方法高效灵活优点的基础上,兼具波动类波传播算子能够描述带限波场传播的特性。数值实验表明,各向异性带限射线束改善了盐丘等复杂构造与各向异性区域的照明,提高了偏移成像剖面和角度域共成像点道集的质量。