三维自适应最小二乘逆时偏移技术

基于反演算法的最小二乘逆时偏移技术在实际应用中面临实际资料子波的不确定性、不够准确的深度偏移速度场、庞大的计算量等问题。为此,提出了三维自适应最小二乘逆时偏移技术,主要技术措施包括动态时间调整、RMS能量均衡、自适应加权因子、计算孔径自适应变化等。该技术动态实现正演记录与实际采集信号波形和能量之间的最佳匹配、偏移孔径动态变化,能够克服背景速度不准、偏移噪声、聚焦慢等因素对最小二乘偏移结果的不利影响,可减少梯度计算中的算子和数据噪声。Y地区的三维试算结果证明最小二乘逆时偏移技术在中国东部探区岩性勘探中具有较大应用价值。

成像域最小二乘偏移成像方法及西北超深层探区应用

经典最小二乘偏移通常采用波形残差目标泛函,通过精确匹配地震波形实现反射率定量反演。然而,在实际地震数据处理过程中,高精度的地震子波和偏移速度模型难以获得,且迭代算法收敛不稳定,计算量过大,因此很难取得显著效果。提出了一种面向实际数据处理的成像域最小二乘逆时偏移方法,基于宏观速度场和子波基本频带特征,构建全局空变点扩散函数,在成像域采用高维空间反褶积反演算法实现高分辨率成像。所提方法避免了对地震波形的精确匹配,充分考虑点扩散函数在不同波数成分的照明特征,因此对地震子波和偏移速度精度的依赖度不高。同时无需迭代计算,直接获取成像结果,计算效率高,在三维超深层地震勘探中具有应用潜力。西北探区两块不同储层类型的超深层实际地震数据应用结果表明,该方法可以提高成像分辨率,改善断裂-缝洞构造的成像效果,提升串珠的识别能力,为西北超深层碳酸盐岩增储上产提供了技术支撑。

基于循环对抗神经网络的快速最小二乘逆时偏移成像方法

最小二乘逆时偏移成像方法因计算量巨大,限制了其大规模的工业应用。基于此,建立循环对抗神经网络表征Hessian矩阵的逆,构建逆时偏移结果和反射系数之间的映射关系。通过建立的神经网络对逆时偏移成像结果进行去模糊化处理,提高成像质量,同时大幅减少计算时间。将训练好的网络应用于Marmousi模型和Sigsbee2A模型的逆时偏移结果。结果表明,本文方法在不显著增加计算量的情况下较好地提高了逆时偏移成像质量。

基于最小二乘和自适应蛇优化算法的直驱风机LVRT特性辨识

为提高直驱风机低电压穿越LVRT(low voltage ride through)控制参数辨识精度,提出了一种基于最小二乘LS(least square)和自适应蛇优化ASO(adaptive snake optimization)算法的直驱风机LVRT特性辨识方法。首先,利用最小二乘法拟合出直驱风机LVRT待辨识参数初值,以确定待辨识参数的寻优范围;然后,分析了蛇优化SO(snake optimization)算法分阶段寻优的边界条件,设计了分阶段自适应学习因子,并引入Levy飞行策略,提出了适用于直驱风机LVRT控制参数辨识的ASO算法;最后,将ASO算法多次辨识平均值作为最终结果。结果表明,所提方法能快速、准确辨识直驱风机LVRT控制参数。

绕射波与一次波联合黏声最小二乘逆时偏移

由于照明不足,小尺度断层和孔洞的成像是一个难题,地下衰减导致地震波振幅损失和相位畸变,在成像过程中忽略这种衰减会造成偏移振幅模糊。基于黏声最小二乘逆时偏移(QLSRTM)能够优化小尺度构造的成像,但这需要大量的迭代和计算成本。为了提高小尺度构造的成像效果,提出了一种充分使用绕射波的面向地质目标的的黏声LSRTM(J-QLSRTM)。在该方法中,构建了新的目标函数和梯度公式,并基于反演理论和伴随理论,推导了一次波和绕射波的Q补偿波场传播算子、Q补偿伴随算子和Q衰减反偏移算子。数值实例证明了J-QLSRTM比传统QLSRTM和声波J-LSRTM更有优势。

基于Poynting矢量分解成像条件的最小二乘逆时偏移

最小二乘逆时偏移在实现复杂介质高精度成像中有着巨大优势,利用梯度引导方法进行迭代求解可以获取高分辨率的地震成像结果。然而由于梯度中含有严重的低频噪音,影响着迭代收敛速度和最终的成像效果,其实用性仍然存在挑战。这里利用Poynting矢量可以表示波的传播方向,将地震波分离成上、下、左、右行波,去除梯度中的低频噪音项,构建一个新的梯度。相比于常规的最小二乘逆时偏移,其计算增加量几乎可以忽略,但是改善了梯度的质量和最后的成像效果,模型试算结果也表明本文方法具有更好的保幅特性,同时加快了收敛速度。

应用自适应矩估计的快速最小二乘逆时偏移

最小二乘逆时偏移(LSRTM)是一种高分辨率和振幅相对保真的地震成像方法,但是该方法往往需要迭代近十次,而每次迭代大约需要两次所有炮逆时偏移(RTM)的计算成本,因此计算量非常大。文中应用深度学习领域中的自适应矩估计方法提高LSRTM的计算效率:每次迭代只采用部分共炮点道集计算梯度,利用动量法对梯度进行修正;考虑梯度的非稳态性,通过均方根传播算法消除照明不足带来的影响。自适应矩估计方法结合了这两种方法的优点,不仅降低了每次迭代的计算量,而且提高了迭代收敛的速度。该方法易于实现、计算效率高、占用内存小,是一种快速有效的梯度预条件方法。自适应矩估计方法不仅可以直接用于LSRTM,也可应用于炮编码的LSRTM。SEG/EAGE盐丘模型数值试验表明,自适应矩估计方法仅需两倍的RTM计算成本就能够获得高精度、高分辨率的成像结果。计算效率的大幅度提升有助于将LSRTM方法推广应用于实际地震数据处理。

最小二乘算法优化及其在锂离子电池参数辨识中的应用

传统最小二乘法(LS)用于锂离子电池模型在线参数辨识精度低,通过带遗忘因子递推最小二乘算法能够有效地提高辨识精度,但固定的遗忘因子影响模型动态特性。遗忘因子的自适应处理能提高算法对动态系统的参数辨识能力,而目前的自适应方法容易忽略模型参数的稳定性,同时方法待定系数范围较大且难以确认。为了得到高精度且稳定性良好的模型参数,该文设计了一种精度和稳定性兼优且更简单的自适应遗忘因子递推最小二乘(AFFRLS)改进方法,并与其他AFFRLS、可变遗忘因子递推最小二乘(VFFRLS)进行仿真对比分析。结果表明,改进的AFFRLS能够在模型精度和参数稳定性取得更好的平衡,且对不同的在线工况具有良好的适用性。

基于先验模型约束的最小二乘逆时偏移方法

由于反演问题的不适定性,最小二乘逆时偏移(LSRTM)收敛速度缓慢,甚至陷入局部极值,无法收敛。另一方面,由于观测系统及地层吸收衰减的影响,往往造成地下照明盲区,LSRTM无法恢复照明盲区的构造。为此,通过测井数据构建先验反射系数模型,将其作为正则化项加入LSRTM约束反演过程,发展了基于先验模型约束的最小二乘逆时偏移算法(RLSRTM),并通过动态的正则化参数及对正则化项的预处理改善了约束效果。在实现算法的基础上对稀疏Marmousi模型进行了成像测试,计算结果表明:(1)常规LSRTM能够压制逆时偏移(RTM)结果中的成像噪声,补偿深部反射同相轴能量,但是对于照明不均匀现象的补偿效果有限,并且照明盲区的构造信息无法恢复;(2)正则化项预处理RLSRTM能够进一步恢复LSRTM照明补偿不足区域的构造信息,尤其对深部的背斜构造边界及其他地层刻画得更加清楚,也可以恢复部分照明盲区的构造信息;(3)无正则化项预处理RLSRTM的部分构造边界模糊,甚至出现假构造。因此正则化项梯度预处理RLSRTM能够加快收敛速度,改善弱照明及照明盲区的成像分辨率和保幅性,可以保证反演结果稳定,防止在反射率模型中引入极值,相比LSRTM,RLSRTM对低信噪比炮记录具有更好的适应性。

最小二乘逆时偏移在近地表高精度成像中的应用

近地表高精度成像方法一直是地震数字处理方法研究的热点。逆时偏移(RTM)成像方法基于双程波动方程,被认为是解决复杂构造、尤其是高陡构造成像的较好方法,然而逆时偏移方法在浅部成像过程中存在较强的低频噪声,在一定程度上影响对近地表构造的高精度成像。本文在实现最小二乘逆时偏移(LSRTM)算法的基础上,通过RTM及LSRTM算法的计算对比指出,对于近地表复杂构造成像,LSRTM相对于RTM算法在主要构造恢复及能量保幅性方面具有一定优势。

平面波最小二乘逆时偏移编码策略分析

最小二乘逆时偏移将成像视为最小二乘意义下的反演问题,相较于常规偏移方法具有更好的成像分辨率和保幅性,但其计算效率较低。为解决这一问题,推导了基于平面波编码的最小二乘逆时偏移方法,将海量炮数据压缩为若干个平面波记录,并发展了静态编码、动态编码、混合编码、随机动态编码等提高计算效率的编码策略。在优化算法基础上,对Marmousi模型进行了成像处理,并与常规逆时偏移进行了对比,结果表明:基于不同编码策略的平面波最小二乘偏移能够改善常规逆时偏移的成像质量和分辨率,并具有较高的计算效率;且不同的编码策略具有各自的优势,在对地震数据进行成像处理时,应根据需求选择合适的策略。

基于平面波加速的VTI介质最小二乘逆时偏移

地震各向异性集中表现为速度各向异性,势必影响地震波运动学特征.传统声波逆时偏移(RTM)和最小二乘逆时偏移(LSRTM)没有考虑介质各向异性特征,导致反射波不能正确归位、同相轴出现扭曲及寻优速度慢或不收敛等,VTI介质逆时偏移(VTI-RTM)矫正了声波成像的不足,但仍存在低频干扰严重、中深部成像不佳、振幅保持差等缺陷.为此,本文首先实现了VTI介质最小二乘逆时偏移(VTI-LSRTM)方法,为了节省I/O及内存需求并提高效率,进一步引入平面波编码技术,提出了一种基于平面波加速的VTI介质最小二乘逆时偏移(VTI-PLSRTM)策略.在此基础上开展了简单模型及复杂Marmousi模型成像试验,并与标准逆时偏移剖面对比表明:本方法能够校正各向异性造成的相位畸变,且在迭代中自动压制串扰及低频噪声、补偿中深部能量,是一种兼具质量与效率的保幅成像策略;对速度误差的敏感性测试说明该方法需要相对正确的偏移速度及Thomsen参数模型.

最小二乘逆时偏移成像方法的实现与应用研究

复杂岩性油气藏勘探开发需要高保真的地震成像资料。与常规偏移方法相比,最小二乘逆时偏移(LSRTM)成像基于反演理论,可为岩性储层估计提供更加保真的高分辨率反射系数成像剖面,成为当前成像方法的研究热点和发展趋势。通过对误差泛函建立、逆时反偏移数据重构算法、Hessian逆预条件梯度计算及基于高斯-牛顿法的反演迭代更新方法等关键技术研究,实现了迭代最小二乘逆时偏移成像。为了使该偏移成像方法能够应用于实际资料,研究了针对性的数据预处理技术和最小平方匹配滤波模拟数据校正处理技术,探索建立了面向实际资料的最小二乘逆时偏移实现流程。某探区实际二维地震资料的最小二乘逆时偏移成像结果表明,相比传统的逆时偏移成像技术,最小二乘逆时偏移在成像分辨率和保幅性方面具有一定的优势。

三维黏声最小二乘逆时偏移方法模型研究

针对黏介质成像存在的问题及最小二乘逆时偏移方法的优势,通过广义标准线性固体(GSLS)的三维黏声波动方程,基于三维黏声波动方程的伴随算子及最小二乘逆时偏移框架,实现了三维黏声最小二乘逆时偏移方法。采用极性编码技术大幅度降低黏声最小二乘逆时偏移算法的计算量与内存,使三维黏声最小二乘逆时偏移算法的实用化成为可能。在模型试算部分,首先通过Marmousi模型验证了该方法对传统声波最小二乘逆时偏移方法的优势,最后对三维含Q平层模型及盐丘模型进行试算,证明了三维黏声最小二乘逆时偏移算法的正确性。

表面多次波最小二乘逆时偏移成像

使用相同的炮记录,多次波偏移能提供比反射波偏移更广的地下照明和更多的地下覆盖但是同时产生很多的串声噪声.相比传统逆时偏移,最小二乘逆时偏移反演的反射波成像结果具有更高的分辨率和更均衡的振幅.我们主要利用最小二乘逆时偏移压制多次波偏移产生的串声噪声.多次波最小二乘逆时偏移通常需要一定的迭代次数以较好地消除串声噪声.若提前将一阶多次波从所有阶数的多次波中过滤出来,使用相同的迭代次数,一阶多次波的最小二乘逆时偏移能够得到具有更高信噪比的成像剖面,而且能够提供与多次波最小二乘逆时偏移相似的有效地下结构成像.

扩展成像条件下的最小二乘逆时偏移

逆时偏移(RTM)是复杂介质条件下地震成像的重要手段.因受观测系统限制、上覆地层影响以及波场带宽有限等因素的影响,现行的常规RTM所采用的互相关成像条件通常对地下构造进行模糊成像.最小二乘逆时偏移(LSRTM)通过最小化线性Born近似正演数据和采集数据之间的波形差异,采用梯度类反演算法优化反射系数模型,获得的成像结果具有更高的分辨率和更可靠的振幅保真度.然而,基于波形拟合的LSRTM对背景速度模型的依赖性很强.误差太大的速度模型容易产生周波跳跃现象,导致LSRTM难以获得全局最优解.为了克服这一问题,本文基于扩展模型的思想,在线性Born近似下,推导得到RTM扩展成像条件.并基于最小二乘反演理论,提出扩展成像条件下的LSRTM方法.理论模型试算表明,本文方法不仅可以提供分辨率更高、振幅属性更为可靠的成像结果,而且能够在一定程度上消除速度误差对反演成像的影响.

基于多线程多GPU并行加速的最小二乘逆时偏移算法

最小二乘逆时偏移算法可对地下复杂构造精确成像,但由于计算量大,目前仍难以在实际资料处理中广泛推广应用,因此研究该方法的高效计算策略具有重要意义。结合Pthread标准,提出了多线程多图形处理器(Graphics Processing Unit,GPU)并行加速策略,在共炮点道集域分解计算任务,由多GPU并行计算并实时更新数据;并结合GPU存储器优化方法,调用GPU端共享存储和寄存器等高速存储器,提高波场模拟的计算效率;最终实现了二维空间的时域最小二乘逆时偏移算法大幅加速计算。分别对Marmousi2截断模型和Marmousi模型进行加速成像测试,结果表明:基于多线程多GPU并行加速的最小二乘逆时偏移算法具有普适性;随着数据规模的增加,该方法的加速效率可逐渐逼近线性加速,数据同步延迟小,加速效率显著。

基于稳定逆时传播算子的黏声介质最小二乘逆时偏移

基于GSLS模型黏声介质二阶拟微分方程,采用伪谱法进行数值模拟。针对黏声介质逆时传播过程中产生的高频不稳定问题,提出加入规则化算子对其进行消除的方法,构建了稳定的逆时传播算子。在最小二乘反演的基础上,将黏声介质逆时偏移与最小二乘思路相结合,发展了带有振幅补偿的黏声介质最小二乘逆时偏移(LSRTM)。Marmousi模型结果表明:相对于常规最小二乘逆时偏移,黏声介质最小二乘逆时偏移校正了地层的黏滞性,得到了更加精确可靠的保幅成像剖面。

三维数据域最小二乘逆时偏移技术研究

最小二乘偏移理论上能够消除采集照明不佳的影响,减少成像假象、均衡成像振幅、提高成像分辨率,然而,受实际观测炮集数据与模拟炮集数据不易匹配、迭代反演计算量过大等因素影响,三维数据域最小二乘偏移的规模化应用受到制约。为此,提出了基于双程波傅里叶有限差分反偏移方法、共轭梯度反演步长三点抛物搜索寻优方法和GPU加速偏移/反偏移核函数计算方法的三维数据域最小二乘逆时偏移技术。通过有效压制反偏移正演模拟的数值频散,提高反偏移模拟数据与观测数据匹配的一致性,采用计算量更少的迭代寻优方法和GPU算法,实现了迭代反演效率的大幅提升,在此基础上形成了一套具有实际处理能力的三维数据域最小二乘逆时偏移技术方案。将该技术应用于西部和南方两个工区的实际地震资料处理,提高了地震成像分辨率,改善了同相轴的连续性,整体成像效果优于逆时偏移,验证了该技术方案的有效性。

分数阶拉普拉斯算子黏滞声波方程的最小二乘逆时偏移

衰减补偿型逆时偏移方法能沿波的传播路径对地震波所经历的振幅衰减和相位畸变进行补偿,可提高成像精度和分辨率,但该方法需模拟呈指数增长的地震波场,存在数值不稳定问题。为此,在最小二乘反演理论框架下,基于分数阶拉普拉斯算子黏滞声波方程,推导其对应的Born正演模拟算子和伴随方程,利用反演思路逐步补偿地震波的吸收衰减,解决了传统衰减补偿型逆时偏移方法的不稳定问题。该最小二乘逆时偏移方法采用新颖的常分数阶拉普拉斯算子黏滞声波方程描述地震波的衰减和频散,与实际广泛使用的常Q模型匹配精度高;在反演算法方面,使用限域拟牛顿(L-BFGS)方法计算反射率模型的更新量。Marmousi模型数据和实际数据的偏移算例证实,所提黏滞声波最小二乘逆时偏移方法能稳定地补偿介质的黏滞性,获得高分辨率的地下反射率模型。