基于卷积和Transformer联合网络的地震数据插值

地震数据插值是地震数据处理的关键步骤,旨在高精度地恢复出缺失地震数据,提升地震数据信噪比。近年来,基于卷积神经网络的插值方法发展迅速,该方法基于数据驱动,通过搭建卷积神经网络恢复缺失数据。卷积神经网络依赖卷积提取地震数据特征,然而由于受到卷积核局部感受野的限制,卷积运算只能捕捉地震数据局部信息,限制了网络的插值性能。因此本文提出了基于卷积和Transformer联合网络的地震数据插值方法,该方法通过引入Transformer,构建卷积和Transformer融合模块提取地震数据特征,旨在捕捉地震数据更多的细节信息,提升地震数据插值性能。通过仿真数据实验和真实数据实验显示,和基于Unet网络的插值方法相比,本文方法具有更好的插值性能,能够恢复地震数据更多纹理细节,插值结果的信噪比提升了2~3 dB。

基于表层多次波的地震数据插值方法研究

提出了一种基于原始含表层多次波数据的叠前共炮集地震数据插值新方法。相对于利用相邻道信息变换或外推插值的缺失地震数据重建,新方法直接利用含表层多次波的原始记录数据,通过互相关构建虚拟一次波,并在滑动时间-空间窗内对拟地震道进行最小二乘匹配滤波和均方根振幅校正,而后用于缺失近炮检距数据的插值重建。与已有的利用多次波生成虚拟一次波的方法相比,新方法无需进行多次波和一次波的提取,所以更易于实现。模型数据测试和实际资料试处理证明了新方法的有效性和实用性。

基于Curvelet变换阈值法的地震数据插值和去噪

成功的信号分离和去噪依赖于所用的变换能否足够稀疏地表达该类信号。事实上,信号在某变换域的系数越稀疏,阈值去噪的效果也就越好。Curvelet变换是一种非自适应的多尺度、多方向性变换,地震数据在Curvelet域有着几乎最优的稀疏表达。最近的研究表明,Curvelet阈值能够得到比小波阈值更好的随机噪声抑制效果,更高的提高信噪比。同时,这种去噪方法还克服了传统滤波法对有效地震信号损失较大这一缺点。针对含有随机噪声的地震数据缺失道插值问题,本文提出了一种基于Curvelet阈值迭代的插值方法。实验结果表明,该方法不仅可以得到较好的插值重构效果,而且几乎可以达到和没有地震数据丢失情况下同样的信噪比。

基于非凸张量秩最小化的三维地震数据插值

完整的三维地震数据的频率切片经过Hankel张量预变换后具有低秩性,因此,随机缺失的三维地震数据可以通过张量降秩进行插值。张量的秩最小化是NP难问题,传统方法通过构建张量秩的凸松弛求解。但是,该方法忽略张量模展开矩阵奇异值的差异性,获得的仅是原始张量秩最小化问题的次优解,地震数据插值精度得不到保证。为此,本文提出基于log_(ε)函数的非凸张量模型,用log_(ε)函数代替秩函数,采用交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)求解。仿真和真实地震数据的实验结果表明,相比于传统的基于块Hankel变换的多道奇异谱分析(Multichannel Singular Spectrum Analysis,MSSA)方法和基于凸松弛的低秩张量补全方法(Low-rank Tensor Completion,LRTC),本文所提方法具有更高的重建精度。

连续缺失地震数据的高阶流式预测滤波插值方法

由于观测系统实施以及经济因素的限制,采集到的勘探地震数据在空间方向上总是不规则分布的,并且往往会出现数据的大范围连续缺失情况.许多后续地震数据处理方法(例如:多次波压制和波动方程偏移等)都需要空间上规则分布的数据.插值技术是一种解决地震数据缺失问题的有效手段,但是传统的数据插值方法在进行连续缺失数据重建时往往会出现失效的情况,尤其在处理非平稳地震同相轴时精度不高,并且大多数的方法需要迭代计算,在处理高维大规模数据时效率较低.针对连续缺失地震数据的快速插值问题,本文提出了一种非迭代的时空域高阶流式预测滤波插值方法,通过使用高阶限制条件来提高连续缺失数据的滤波器估计精度,提高局部约束条件的稳定性,改善低阶流式计算由于滤波器系数无法连续更新所造成的插值失效情况.同时,空间非因果滤波器和蛇形插值路径的设计方案可以有效减小大范围连续缺失数据和数据边界对于预测滤波器的计算误差,本方法能够有效处理包括近炮检距缺失情况在内的连续缺失数据插值重建.通过与工业标准傅里叶凸集投影(POCS)方法进行比较,理论模型和实际数据处理结果表明,本文提出的高阶流式预测滤波插值方法对高维连续缺失地震数据有较好的重建效果,在插值精度和计算效率两个方面有更好的平衡性.

基于改进匹配追踪傅里叶插值的地震数据规则化重构

由于地表条件的限制,野外采集的地震数据难以做到规则采样,不规则采样地震数据影响了地震数据处理与解释。针对这一问题,采用匹配追踪傅里叶插值算法对不规则地震数据进行重构,并在该插值算法中的迭代部分作出改进,使其只在频率-波数域中计算傅里叶系数谱,减少了迭代中大量的正反傅里叶变换,以降低匹配追踪傅里叶插值算法的计算时间,并将改进后的方法应用到随机欠采样凹陷正演地震记录、Marmousi正演地震记录以及实际CMP地震资料中进行规则化重构。结果表明:改进后的匹配追踪傅里叶插值算法可以将随机欠采样地震数据规则化,重构后其同相轴变得连续,频波谱能量收敛,有效信号得以恢复,且改进后该算法的重构时间明显降低,其加速比在30倍以上,表明了该方法的正确性与可行性。改进后的匹配追踪算法为不规则地震数据的重构提供了新的理论依据。

地震数据Bregman整形迭代插值方法

人工地震方法由于受到野外观测系统和经济因素等的限制,采集的数据在空间方向总是不规则分布.但是,许多地震数据处理技术的应用(如:多次波衰减,偏移和时移地震)都基于空间规则分布条件下的地震数据体.因此,数据插值技术是地震数据处理流程中关键环节之一.失败的插值方法往往会引入虚假信息,给后续处理环节带来严重的影响.迭代插值方法是目前广泛应用的地震数据重建思路,但是常规的迭代插值方法往往很难保证插值精度,并且迭代收敛速度较慢,尤其存在随机噪声的情况下,插值地震道与原始地震道之间存在较大的信噪比差异.因此开发快速的、有效的迭代数据插值方法具有重要的工业价值.本文将地震数据插值归纳为数学基追踪问题,在压缩感知理论框架下,提出新的非线性Bregman整形迭代算法来求解约束最小化问题,同时在迭代过程中提出两种匹配的迭代控制准则,通过有效的稀疏变换对缺失数据进行重建.通过理论模型和实际数据测试本文方法,并且与常规迭代插值算法进行比较,结果表明Bregman整形迭代插值方法能够更加有效地恢复含有随机噪声的缺失地震信息.

地震数据重建方法原理及运用

在数值分析领域中,许多方法都是借助于插值公式导出的。几乎所有的经典数值微分、数值求积和常微分方程的数值积分公式,都可以从插值公式中推导出来。地震勘探领域常见的插值重建方法按照数学原理大致可以分为三类:适用于均匀采样的预测误差滤波插值方法,基于算子的插值方法(如DMO和偏移算子)和在最小二乘意义下估算特定数学变换系数进行插值的方法。这里从数学原理上系统地阐述了这几种插值方法的基本原理,并利用数值试验和实际数据进行了检验。

基于Bregman迭代的复杂地震波场稀疏域插值方法(英文)

在地震勘探中,野外施工条件等因素使观测系统很难记录到完整的地震波场,因此,资料处理中的地震数据插值是一个重要的问题。尤其在复杂构造条件下,缺失的叠前地震数据给后续高精度处理带来严重的影响。压缩感知理论源于解决图像采集问题,主要包含信号的稀疏表征以及数学组合优化问题的求解,它为地震数据插值问题的求解提供了有效的解决方案。在应用压缩感知求解复杂地震波场的插值问题中,如何最佳化表征复杂地震波场以及快速准确的迭代算法是该理论应用的关键问题。Seislet变换是一个特殊针对地震波场表征的稀疏多尺度变换,该方法能有效地压缩地震波同相轴。同时,Bregman迭代算法在以稀疏表征为核心的压缩感知理论中,是一种有效的求解算法,通过选取适当的阈值参数,能够开发地震波动力学预测理论、图像处理变换方法和压缩感知反演算法相结合的地震数据插值方法。本文将地震数据插值问题纳入约束最优化问题,选取能够有效压缩复杂地震波场的OC-seislet稀疏变换,应用Bregman迭代方法求解压缩感知理论框架下的混合范数反问题,提出了Bregman迭代方法中固定阈值选取的H曲线方法,实现地震波场的快速、准确重建。理论模型和实际数据的处理结果验证了基于H曲线准则的Bregman迭代稀疏域插值方法可以有效地恢复复杂波场的缺失信息。

海上拖缆三维地震数据规则化技术研究

电缆的羽状漂移导致海上三维拖缆地震资料采集出现偏移距、方位角及覆盖次数的不规则现象,常规面元均化技术难以实现CMP道集内数据的规则性。在分析海上地震数据不规则性特点的基础上,将反漏频傅里叶变换(ALFT)数据规则化技术应用于LD地区WZ油田的CMP道集内数据的规则化处理,基于规则化海上地震数据的叠前偏移成像效果,评价该方法的有效性。结果表明,地震数据规则化技术可以有效地提高数据的信噪比,改善同相轴的连续性,明显提高成像质量。

基于双重Bregman迭代的地震数据重构与去噪

受采集环境、成本及设备等因素的影响,野外采集的地震数据往往存在缺失道和噪声干扰,快速有效的迭代插值方法对地震数据重构与去噪技术具有重要的实际意义。针对含有随机噪声的缺道地震数据,根据压缩感知理论,提出了一种基于双重Bregman迭代的地震数据重构与去噪方法。首先对含有随机噪声的缺道地震数据通过傅里叶变换进行稀疏表示,选取掩膜算子作为观测矩阵,然后将Bregman迭代重构算法作为外部迭代,分裂Bregman迭代去噪算法作为内部迭代,两者结合形成双重Bregman迭代,在迭代控制准则条件下,对含噪声的缺道地震数据进行重构和去噪。数值模拟实验和实际数据测试结果表明,双重Bregman迭代算法同时考虑了地震数据的重构与去噪,将独立的两种算法融合在一起,在对地震数据进行插值重建的同时去除了部分随机噪声。该算法迭代次数少,重构得到的地震数据精度高于线性Bregman迭代算法的重构精度,可以更有效地恢复含随机噪声的缺失地震信息,为地震数据恢复提供了一种可供选择的缺失地震数据处理方法。

非下采样Contourlet自适应的地震信号插值方法

为了提高地震数据的重构效果,提出了一种基于非下采样Contourlet变换(NSCT)自适应阈值的插值方法。该算法对缺失地震数据进行变换,并利用NSCT变换系数计算N次迭代对应的阈值。每次迭代时自适应选取阈值对各方向各尺度的NSCT系数进行处理,利用未缺失地震数据填充到反变换后的缺失地震数据中,完成缺失地震数据的重构。实验结果表明,利用NSCT变换的平移不变性和自适应阈值处理,对均匀丢失和随机丢失的地震数据进行插值重构,能得到更好的插值效果。

提高逆时偏移成像精度的叠前插值处理研究与应用

为了提高叠前逆时偏移成像精度,开展了针对逆时偏移的地震资料预处理方法研究——叠前插值处理。从Marmousi理论模型出发,对模拟的理论炮集数据进行抽稀,在满足数值频散关系条件下进行叠前逆时偏移处理,计算结果表明,炮集记录道间距增大会引入线性干扰,较大程度影响了逆时偏移结果的精度和横向连续性;从实际三维地震资料数据出发,对比分析了沿检波线方向和沿检波站方向进行叠前频率-空间域三维插值前、后的数据和对应的逆时偏移结果。研究表明,未进行叠前插值处理的逆时偏移剖面存在类似于理论数据抽稀情况下的线性干扰,同相轴的连续性差;而经插值处理后,插值地震道的同相轴过渡自然无畸变,对应的逆时偏移剖面连续性明显增强,线性干扰得到有效压制。因此,叠前插值处理能够有效提高高信噪比地震工区资料的逆时偏移成像精度。

基于Bregman迭代的不同阈值模型地震数据重构方法分析

传统的地震数据采样必须严格遵循Nyquist采样定理,而野外实际数据的采集可能由于施工条件或者地表障碍物的限制,不一定能记录到完整的地震波场,所以地震资料处理中的数据重建是非常重要的问题.压缩感知理论最先来自信号处理领域,它所包括的问题类型有信号的稀疏表征和数学组合优化,它给地震数据重建这类问题指明了思考方向.而其中如何选择最优的迭代算法是数据重建中的关键问题.本文将地震数据插值问题归纳到约束最优化问题,选择能有效稀疏表征地震波场的傅里叶变换,对于压缩感知理论框架下的混合范数反问题,再用Bregman迭代方法去求解,在地震数据的重建过程中,传统的阈值参数收敛慢,为了降低迭代次数并且提高地震数据恢复的精度,总结出改进型指数衰减规律的阈值参数,选择用硬阈值算子来重建恢复地震数据.通过对理论模型和实际地震资料的处理结果表明该方法可以快速、有效的恢复地震波场的缺失数据.