最小二乘逆时偏移(Least-Squares Reverse Time Migration,LSRTM)与常规偏移相比具有更高的成像分辨率、振幅保真性及均衡性等优势,是当前研究的热点之一.震源子波的估计直接影响LSRTM结果的好坏,在实际情况下考虑到震源子波的空变特性...最小二乘逆时偏移(Least-Squares Reverse Time Migration,LSRTM)与常规偏移相比具有更高的成像分辨率、振幅保真性及均衡性等优势,是当前研究的热点之一.震源子波的估计直接影响LSRTM结果的好坏,在实际情况下考虑到震源子波的空变特性,其估计十分困难.为了消除子波对LSRTM结果的影响,本文发展了基于卷积目标泛函的不依赖子波LSRTM算法.目标泛函由观测记录卷积模拟记录的参考道以及模拟记录卷积观测记录的参考道组成,由于观测子波和模拟子波在目标泛函的两项中同时存在,从而消除了子波的影响.此外,常用的基于L2范数拟合的LSRTM算法对噪声非常敏感,尤其是当地震数据中含有异常值时,常规LSRTM无法得到满意的结果.Student′s t分布相比L2范数具有更好的稳健性,本文将其推广到不依赖子波LSRTM中,提升了算法的稳健性,最后通过理论模型及实际资料试算验证了算法的有效性和对复杂模型的适应性.展开更多
在复杂构造、复杂岩性、复杂地表条件等地区进行油气地震勘探面临诸多难题,其中剧烈起伏的地表已成为制约上述地区地震勘探发展的瓶颈之一。最小二乘逆时偏移(Least-Squares Reverse Time Migration,LSRTM)相对于常规偏移具有更高的成...在复杂构造、复杂岩性、复杂地表条件等地区进行油气地震勘探面临诸多难题,其中剧烈起伏的地表已成为制约上述地区地震勘探发展的瓶颈之一。最小二乘逆时偏移(Least-Squares Reverse Time Migration,LSRTM)相对于常规偏移具有更高的成像分辨率、振幅保真性及均衡性等优势,但基于矩形网格的LSRTM在面对复杂地表时无法很好地适用山前带等剧烈起伏地形。此外,山前带地震资料中包含较多的噪声,T分布相比Huber范数和混合模,在缺失数据的条件下更稳健,且没有多余参数,因而简单实用,而Huber范数和混合模的结果严重依赖参数选取,需要大量的尝试。为此,将全交错网格引入贴体网格,将T分布推广到起伏地表LSRTM,进一步推导了贴体网格线性Born正演方程,在此基础上提出了基于贴体全交错网格的起伏地表LSRTM算法,较好地克服了起伏地形的影响。模型试算验证了算法的有效性和对复杂模型的适应性。展开更多
基金jointly supported by the NSF(Nos.41104069 and 41274124)the National 973 Project(No.2014CB239006)+1 种基金National Oil and Gas Project(Nos.2016ZX05014001and 2016ZX05002)the Tai Shan Science Foundation for The Excellent Youth Scholars
文摘最小二乘逆时偏移(Least-Squares Reverse Time Migration,LSRTM)与常规偏移相比具有更高的成像分辨率、振幅保真性及均衡性等优势,是当前研究的热点之一.震源子波的估计直接影响LSRTM结果的好坏,在实际情况下考虑到震源子波的空变特性,其估计十分困难.为了消除子波对LSRTM结果的影响,本文发展了基于卷积目标泛函的不依赖子波LSRTM算法.目标泛函由观测记录卷积模拟记录的参考道以及模拟记录卷积观测记录的参考道组成,由于观测子波和模拟子波在目标泛函的两项中同时存在,从而消除了子波的影响.此外,常用的基于L2范数拟合的LSRTM算法对噪声非常敏感,尤其是当地震数据中含有异常值时,常规LSRTM无法得到满意的结果.Student′s t分布相比L2范数具有更好的稳健性,本文将其推广到不依赖子波LSRTM中,提升了算法的稳健性,最后通过理论模型及实际资料试算验证了算法的有效性和对复杂模型的适应性.
文摘在复杂构造、复杂岩性、复杂地表条件等地区进行油气地震勘探面临诸多难题,其中剧烈起伏的地表已成为制约上述地区地震勘探发展的瓶颈之一。最小二乘逆时偏移(Least-Squares Reverse Time Migration,LSRTM)相对于常规偏移具有更高的成像分辨率、振幅保真性及均衡性等优势,但基于矩形网格的LSRTM在面对复杂地表时无法很好地适用山前带等剧烈起伏地形。此外,山前带地震资料中包含较多的噪声,T分布相比Huber范数和混合模,在缺失数据的条件下更稳健,且没有多余参数,因而简单实用,而Huber范数和混合模的结果严重依赖参数选取,需要大量的尝试。为此,将全交错网格引入贴体网格,将T分布推广到起伏地表LSRTM,进一步推导了贴体网格线性Born正演方程,在此基础上提出了基于贴体全交错网格的起伏地表LSRTM算法,较好地克服了起伏地形的影响。模型试算验证了算法的有效性和对复杂模型的适应性。