基于统计分布的Shearlet域连片数据一致性处理方法

估计相对精确的时空变一致性校正因子是提高连片数据处理质量的关键。目前常用的连片数据一致性处理方法如反褶积参数调整法、匹配滤波法等,虽然取得了一定的应用效果,但是存在缺乏时空变处理能力、易受噪声因素的干扰和稳定性差等缺陷,难以满足精细化连片数据一致性处理的要求。针对这一问题,提出一种基于统计分布的Shearlet域连片数据一致性处理方法。首先,将连片数据变换到Shearlet域,利用Alpha-trim均值滤波方法估计不同尺度和方向上的时变均值和均方差;其次,在数据品质相对较好的探区选取一定量的数据,在Shearlet域计算统计平均后的时变均值和均方差并作为目标模型;之后,提取待处理数据Shearlet域均值和均方差在时间、空间上的低频趋势,并利用提取的低频趋势与目标模型计算均值和均方差的时空变校正因子;最后,应用该时空变校正因子对待处理数据进行校正处理,得到连片数据一致性处理结果。模型试算和实际资料的验证结果表明,该方法能够较好地消除连片数据的振幅、频率在空间上的差异,在噪声环境下具有较好的稳定性,具有一定的实际应用价值。

空间非均匀采样地震数据叠前重构在连片处理中的适应性研究

非均匀地震数据重构技术是地震资料处理中的重要技术,它可以改变面元属性,使面元内的方位角、偏移距及覆盖次数不均匀性得以改善,从而实现了不规则空间采样的地震采集数据空间规则化,减少偏移算子带来的假频、振幅畸变等副作用,避免偏移画弧现象,为后续的叠前偏移精确成像起到积极作用,但同时数据重构也存在着适应性,它为我们资料处理带来有利条件的同时也可以导致副作用的产生,本文详细的对现有商业软件最新数据重构技术在SD-TL三维地震资料连片处理中的适应性进行了研究。

大数据体压缩和存储算法在地震剖面中的应用

为了提高抽取地震剖面的速度,首先采用字节压缩,把任意的浮点数(IEEE和IBM格式)转换一字节的整数的方法对数据体进行压缩;然后,采用八叉树算法对数据体分块,在八叉树中递归查找需要显示数据文件,完成数据体的抽取显示。