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。

一种分尺度的面波压制方法

面波是陆上地震勘探中的主要干扰波之一,常规的面波压制方法仅从面波与反射信号在某一方面的差异进行压制,会在一定程度上造成有效信号的损伤。利用不同尺度面波与有效信号的差异,提出一种分尺度分级压制面波的方法。对地震数据的高尺度部分在Shearlet域进行反射波与面波的分离,对地震数据的低尺度部分在S域采用经验模态分解(EMD)的方式进行信噪分离。将该方法用于模型及实际资料处理,处理结果表明了该方法的正确性与有效性;并与Curvelet域的阈值法进行了对比,结果表明此方法在保持反射信息的同时面波压制更彻底。