CN101681394B - 来自并发地球物理源的数据的迭代反演 - Google Patents

Abstract

一种减少执行地球物理反演所需时间的方法，该方法通过在反演过程的仿真步骤中利用并发的已编码源来实现。地球物理勘探数据通过编码(3)一组源集合(1)，为每个集合采用选自不等同的编码信号集(2)的不同编码信号来准备。然后，通过求和与每个集合的相同接收器对应的所有微量来对已编码的集合求和(4)，从而产生并发已编码集合。(可替代地，从并发的已编码源获得地球物理数据。)然后，反演需要的仿真步骤利用特定的假设速率(或其它物理属性)模型(5)来计算，而并发激活的已编码源利用与所测量数据使用的相同编码方案来计算。结果是产生更新的物理属性模型(6)，该模型可利用额外的迭代被进一步更新(7)。

Description

来自并发地球物理源的数据的迭代反演

本申请要求于2006年9月28日申请的美国临时申请60/847,696的权益。 

技术领域

本申请一般涉及地球物理勘探领域，且更具体地涉及地球物理数据处理。具体的，本发明是从多个地球物理源诸如地震源获得的数据的一种反演方法，包含地球物理仿真，该方法在仿真的一次执行中计算来自许多同时活动的地球物理源的数据。 

背景技术

地球物理反演[1，2]试图找到一种最佳解释观测到的数据并满足地质和地球物理约束的地下属性模型。存在大量众所周知的地球物理反演的方法。这些众所周知的方法属于迭代反演和非迭代反演两种类别中的一种。以下是两种类别的每种通常表示的定义：·非迭代反演——该类反演通过假设某个简单的背景模型并基于输入数据更新该模型来实现。这种方法并不将更新的模型用作反演的下一步骤的输入。对于地震数据的情形，这些方法通常被称为成像、移植、衍射、层析或博恩(Born)反演。·迭代反演——该类反演涉及地下属性模型的反复改进，以便找到圆满解释观测数据的模型。如果这种反演收敛，则最终的模型将更好地解释观测的数据并且将更接近于实际的地下属性。迭代反演相对于非迭代反演通常产生更为准确的模型，但是计算费用更为昂贵。 

地球物理学中通常使用的两种迭代反演方法是成本函数优化和级数方法。成本函数最优化涉及有关模型M的成本函数S(M)的值的迭代最小化或最大化，该成本函数S(M)是对计算的数据和观测的数据不匹配(misfit)的度量(有时也被称为目标函数)，其中计算的数据通过 计算机使用当前的地球物理属性模型以及在给定的地球物理属性模型所表示的媒介中源信号的物理控制传播进行仿真。仿真计算可以通过包括但不限于有限差分、有限元或光线跟踪(ray tracing)的众多数值方法中的任意一种来完成。级数方法涉及散射方程(Weglein[3])的迭代级数解的反演。解以级数的形式书写，其中级数中的每一项对应散射的较高阶。此情形下的迭代对应于向解中添加级数中更高阶的项。 

成本函数优化方法可以是局部的或全局的[4]。全局方法只是涉及为模型群体{M₁，M₂，M₃，...}计算成本函数S(M)，以及从该群体中选择一个或多于一个模型的集合，该集合近似地将S(M)最小化。如果期望进一步的改善，这个新选择的模型集然后可以被用作产生新模型群体的基础，这些新模型可再次针对成本函数S(M)被测试。对于全局方法，测试群体中的每个模型可被视为一次迭代，或者在更高等级，每个被测试群体的集合可被视为一次迭代。众所周知的全局反演方法包括蒙特卡罗(MonteCarlo)、仿真的退火、遗传和进化算法。 

局部成本函数优化涉及：1.选择初始模型；2.计算关于描述模型的参数的成本函数S(M)的梯度；3.搜索更新的模型，该模型是起始模型在梯度方向的扰动，其更好地解释了观测的数据。对于另一次梯度搜索，通过将新更新的模型用作初始模型来将此过程进行迭代。该过程继续直至找到可以令人满意地解释观测的数据的更新模型。常用的局部成本函数反演方法包括梯度搜索、收敛梯度和牛顿(Newton)的方法。 

如上所述，迭代反演优于非迭代反演，因为迭代反演产生更准确的地下参数模型。遗憾的是，迭代反演在计算上是如此昂贵以致于将其应用到很多兴趣问题是不实用的。这个高额的计算费用是由以下事实导致的：所有反演技术需要很多计算密集的正向和/或反向仿真。正向仿真指前面时间数据的计算，而反向仿真指后面时间数据的计算。任何单个仿真的计算时间与要反演的源的数量成比例，并且地球物理数据中通常有大量的源。在迭代反演中，这个问题恶化，因为在反演中必须计算 的仿真数量与迭代的数量成比例，并且需要的迭代数量通常成百上千。 

可通过对来自源的组合的数据进行反演而不单个地反演源来降低所有类别的反演的计算成本。这可以称为并发源反演。若干类型的源组合是已知的，包括：对紧密间隔的源连续求和以产生有效源，该有效源产生某一期望形状的波阵面(例如，平面波)，对宽间隔的源求和，或在反演之前完全或部分堆叠数据。 

通过反演组合的源所获得的计算成本的降低借助以下事实至少部分地得到弥补：组合数据的反演通常产生不太准确的反演模型。精确性的损耗是因为以下事实：对各个源求和时信息会被损耗，并且因此被求和的数据对被反演模型的约束没有不被求和的数据对该模型的约束强。求和过程中这种信息损耗可通过在求和之前编码每个激发记录(shotrecord)而被最小化。组合前的编码明显地保存了并发源数据中的更多信息，并且因此更好地约束了反演。编码还允许紧密间隔的源的组合，因此允许为给定计算区域组合更多源。各种编码方案可与这种技术一起使用，包括时间位移编码和随机相位编码。背景技术部分的剩余部分简要地回顾了各种公开的地球物理并发源技术，包括已编码的和不编码的。 

Van Manen[5]提出利用地震干涉测量法来加速正向仿真。地震干涉测量通过将源放在兴趣区域的边界上的每个地方来进行。这些源被单独建模，并且需要Green(格林)函数的所有位置处的波场被记录。之后，通过将在两个记录的位置获得的微量互相关以及对所有边界源求和来计算任何两个记录的位置之间的Green函数。如果要反演的数据具有在兴趣区域之内的大量源和接收器(与在边界上具有一个或另一个相反)，则这是一种计算期望的Green函数的很有效的方法。但是，对于地震数据的情形，要反演的数据的源和接收器均处于兴趣区域内是罕见的。因此，这种改善对地震反演问题的适用性很有限。 

Berhout[6]和Zhang[7]提出反演通常可以通过反演不编码的并发源得到改善，所述并发源被连续求和以产生在地下某一区域内的某一期望的波阵面。例如，可以利用时间位移求和点源数据以在相对平面的某一特定角度产生下行平面波，所述时间位移是源位置的线性函数。这种技术可以应用到所有类别的反演。这种方法的问题是源集合的连续求和 必然减少数据中的信息量。所以，例如，为产生平面波的求和去除了地震数据中与传播时间和源-接收器偏移有关的所有信息。该信息对于更新缓慢变化的背景速率模型是关键的，因此Berkhout的方法没有被彻底约束。为了克服这个问题，可以反演数据的很多不同的连续和(例如，具有不同传播方向的很多平面波)，但是之后损失了效率，这是因为反演的成本与反演的不同和的数量成比例。这种连续求和的源被称为广义的源。因此，广义的源可以是点源或点源的和，其产生某一期望形状的波阵面。 

Van Riel[8]提出通过不编码地堆叠或局部堆叠(相对源-接收器偏移)输入地震数据来进行反演，之后定义将被优化的关于该堆叠的数据的成本函数。因此，此出版物提出利用不编码的并发源改善基于成本函数的反演。和对Berhout[6]的并发源反演方法成立的一样，该方法提出的堆叠减少了要被反演的数据中的信息量，并且因此反演被约束的程度比用原始数据约束反演的程度低。 

Mora[9]提出了对作为宽隔离源的和的数据的反演。因此，此出版物提出利用不编码的并发源仿真提高反演的效率。对宽间隔源求和的优点是保存的信息比Berkhout提出的连续和保存的信息多。但是对宽间隔的源求和暗示了必须增加在反演中必须使用的孔(反演的模型区域)来容纳所有宽间隔的源。由于计算时间与该孔的面积成比例，因此Mora的方法不产生与被求和的源彼此接近的情况下所达到的效率增长一样的效率增长。 

Ober[10]提出通过利用并已发编码源加速地震移动，一种非迭代反演的特殊情形。在测试各种编码方法后，Ober发现产生的移动图像已经明显降低了信噪比，原因在于宽带(broad band)编码函数必然只是近似正交。因此，当对16次以上激发(shot)求和时，反演的质量并不令人满意。由于非迭代反演在开始的成本并不是很昂贵，并且高信噪比反演是所需的，所以这种技术没有广泛地实践于地球物理业。 

Ikelle[11]提出一种通过对不同时间间隔被激活(在仿真中)的点源进行同步仿真来快速正向仿真的方法。还讨论了一种将这些时间移位的并发源仿真的数据解码回分离的仿真的方法，这些分离的仿真本该从各个点源获得。之后，这些已解码的数据可以用作任意传统的反演过 程的一部分。Ikelle的方法的问题是提出的解码方法将产生具有噪声等级的分离的数据，噪声等级与来自邻近源的数据间的差异成比例。对于横向上不是恒定不变的地下模型来说，例如来自包含浸渍反射物的模型，这个噪声将会变得明显。而且，这种噪声将与并发源的数量成比例地增长。由于这些困难，如果在横向上并非恒定不变的地表下区域的反演中使用，则Ikelle的并发源方案可能产生无法接受的噪声等级。 

需要一种迭代反演数据的更高效的方法，同时产生的反演的准确性不明显降低。 

发明内容

一种物理属性模型，其将一个或更多个地下属性作为一个区域中的位置的函数。地震波速率一种这样的物理属性，但是(例如)p波速率、切变(shear)波速率、若干各向异性参数、衰减(q)参数、多孔性、渗透性和电阻率也是这样的物理属性。参见图10的流程图，在一个实施例中，本发明是一种计算机实现的方法，该方法用于反演测量的地球物理数据以确定地下区域的物理属性模型，其包括：(a)获取由测量的地球物理数据的两个或更多个已编码集合构成的一个分组，其中每个集合与单个广义源关联，或者利用源-接收器的互换性而与单个接收器关联，并且其中每个集合使用选自不等同的编码信号集的不同编码信号进行编码；(b)通过对每个集合中对应于单个接收器(或者源，如果利用互换性)的所有数据记录求和来对分组中的已编码集合求和(4)，以及为每个不同接收器重复求和，从而产生并发已编码集合；(c)假设地下区域的物理属性模型5，所述模型提供遍及地下区域的各位置处的至少一个物理属性的值；(d)计算假设的物理属性模型的更新6，该更新与来自步骤(b)的并发已编码集合更为一致，所述计算包含一个或一个以上已编码的并发源正向(或反向)仿真操作，所述仿真操作使用所假设的物理属性模型和已编码的源信号，所述已编码的源信号使用的编码函数与对所测量数据的对应集合进行编码所使用的编码函数相同，其中整个并发已编码集合在 单个仿真操作中被仿真；(e)重复步骤(d)至少一次以上迭代，将来自步骤d的先前迭代的更新的物理属性模型用作假设的模型，以产生地下区域的进一步更新的物理属性模型7，该模型与所测量数据的相应并发已编码集合更为一致，将与形成所测量数据的相应并发已编码集合中使用的编码信号相同的编码信号用于仿真中的源信号；以及(f)下载进一步更新的物理属性模型或将其保存到计算机存储器上。 

为了保持反演质量或其它理由，令人期望的是在多于一个的分组中执行步骤(b)中的并发已编码源仿真。在这种情形下，针对每个额外分组，步骤(a)-(b)被重复，并且来自每个分组的反演的物理属性模型在执行步骤(d)中的模型更新之前被累积。如果所获得的已编码集合不是从下文所述的地球物理勘探中被编码，则地球物理数据1的集合通过应用选自不等同的编码信号集2的编码信号3而被编码。 

在另一实施例中，本发明是用于反演测量的地球物理数据以为地下区域确定物理属性模型的计算机实现的方法，该方法包括：(a)获取由测量的地球物理数据的两个或更多个已编码集合构成的一个分组，其中每个集合与单个广义源关联，或者利用源-接收器的互换性与单个接收器关联，并且其中每个集合使用选自一不等同的编码信号集的不同编码信号进行编码；(b)通过对每个集合中对应于单个接收器(或者源，如果利用互换性)的所有数据记录求和来对分组中的已编码集合求和，以及为每个不同接收器重复求和，从而产生并发已编码集合；(c)假设地下区域的物理属性模型，所述模型提供遍及地下区域的各位置处的至少一个物理属性的值；(d)利用假设的物理属性模型，仿真与所测量数据的并发已编码集合对应的合成的并发已编码集合，其中仿真使用已编码的源信号，所述已编码的源信号使用的编码函数与对所测量数据的并发已编码集合进行编码所使用的编码函数相同，其中整个并发已编码集合在单个仿真操作中被仿真；(e)计算成本函数，该函数度量所测量数据的并发已编码集合与所仿真 的并发已编码集合之间的不匹配程度；(f)重复步骤(a)、(b)、(d)和(e)至少多于一次循环，累积来自步骤(e)的成本；(g)通过优化累积的成本更新物理属性模型；(h)利用来自先前迭代的更新的物理属性模型作为步骤(c)中假设的物理属性模型迭代步骤(a)-(g)至少一次以上，其中不同的不等同编码信号集可用于每次迭代，产生进一步更新的物理属性模型；以及(i)下载进一步更新的物理属性模型或将其保存到计算机存储器上。 

在另一实施例中，本发明是用于反演测量的地球物理数据以为地下区域确定物理属性模型的计算机实现的方法，该方法包括：(a)获取由测量的地球物理数据的两个或更多个已编码集合构成的一个分组，其中每个集合与单个广义源关联，或者利用源-接收器的互换性与单个接收器关联，并且其中每个集合使用选自不等同的编码信号集的不同编码信号进行编码；(b)通过对每个集合中对应于单个接收器(或者源，如果利用互换性)的所有数据记录求和来对分组中的已编码集合求和，以及为每个不同接收器重复求和，从而产生并发已编码集合；(c)假设地下区域的物理属性模型，所述模型提供遍及地下区域的各位置处的至少一个物理属性的值；(d)选择描述地下区域中波散射的散射方程的迭代级数解；(e)以级数的前n项作为开始，其中n≥1，所述前n项对应地下区域的假设的物理属性模型；(f)计算级数的下一项，所述计算包含一个或一个以上已编码的并发源正向(或反向)仿真操作，所述仿真操作使用所假设的物理属性模型和已编码的源信号，所述已编码的源信号使用的编码函数与用于对所测量数据的对应集合进行编码的编码函数相同，其中整个并发已编码集合在单个仿真操作中被仿真，并且仿真的已编码集合和测量的已编码集合以与步骤(d)中被选迭代级数一致的方式被组合；(g)通过向假设的模型中添加步骤(f)中计算的级数的下一项来更新模型； (h)重复步骤(f)和(g)至少一次，以向级数添加至少一个以上的项，从而进一步更新物理属性模型；以及(i)下载进一步更新的物理属性模型或将其保存到计算机存储器上。

在另一实施例中，本发明是用于反演测量的地球物理数据以为地下区域确定物理属性模型的计算机实现的方法，该方法包括：(a)从对地下区域的地球物理勘探中获取测量的地球物理数据；(b)通过迭代反演对所测量的数据进行反演，反演包含表示多个勘探源(或接收器，如果使用源一接收器互换性)的地震勘探数据的并发仿真，其中所述仿真中的源信号被编码，产生地球物理数据的一个仿真的并发已编码集合，反演过程包含更新假设的物理属性模型以减少仿真的并发已编码集合与相应的并发已编码集合之间的不匹配，所述相应的并发已编码集合通过对测量的勘探数据的集合进行求和形成，所述测量的勘探数据的集合使用与仿真中使用的编码函数相同的编码函数来进行编码；以及(c)下载更新的物理属性模型或将其保存到计算机存储器上。 

附图说明

参考以下详细说明和附图将更好地理解本发明及其优点，在附图中： 

图1是示出为并发已编码源反演准备数据的方法步骤的流程图； 

图2是流程图，示出本发明的数据反演成本函数的并发源计算方法的一个实施例中的步骤； 

图3是对全波场地成本函数的计算进行示范的示例的基本速率模型； 

图4是一数据显示，其示出了在图3基本模型的示例中仿真的256个有序源数据记录的前三个； 

图5示出了从其前三个在图4中示出的256个有序源数据记录产生的单个并发已编码源集合； 

图6图示了图3中的基本模型的多个扰动中的一个扰动，该模型在示例中用于示范利用并发源计算全波反演成本函数； 

图7示出了为图5示出的本发明的并发源数据计算的成本函数； 

图8示出了为图4示出的有序源数据计算的成本函数，即利用传统反演； 

图9示出了现有技术“超级激发(super-shot)”集合的成本函数，其通过只是对图4所示的有序源数据求和而形成； 

图10是示出本发明方法的一个实施例中的基本步骤的流程图。 

本发明将与其优选实施例一起描述。但是，就以下详细说明具体到特定实施例或本发明的特定使用来说，这只是为了说明的目的，而不解释为对本发明的范围的限制。相反，如所附权利要求限定的，是为了覆盖可包括在本发明范围内的所有替代、修改和等价物。 

具体实施方式

本发明是一种通过使用并发的已编码源仿真减少迭代反演地球物理数据所需计算时间的方法。 

地球物理反演试图找到一种地下弹性属性的模型，该模型可最佳解释观测的地球物理数据。地震数据的示例始终用于说明本发明的方法，但是该方法可以方便地应用到任何地球物理勘探方法，地球物理勘探包括在多个位置激活的至少一个源以及至少一个接收器。数据反演通过使用迭代方法最为准确地执行。遗憾的是，迭代反演计算上的昂贵程度通常是令人望而却步的。迭代反演中的主要计算时间花费在计算地球物理数据的正向和/或反向仿真(这里的正向表示时间上向前，而反向表示时间上向后)。这些仿真的高成本部分是由于以下事实：输入数据中的每个地球物理源必须在一台运行仿真软件的单独计算机上计算。因此，仿真的成本与地球物理数据中源的数目成比例(对于一次地球物理勘探通常大约为1000到10000个源的数量级)。在此发明中，一组源的源信号被编码，并且这些已编码的源在软件的单次运行中被模拟，导致与并发计算的源的数目成比例的计算加速。 

如以上在背景技术部分中的讨论，并发源方法已经在若干出版物中提出，用于降低地球物理数据反演的各种过程的成本[3，6，7，8，9]。在数量比较有限的情形下，并发已编码源技术被公开用于某些目的 [10，11]。已经显示所有这些方法可提高效率，但是质量总是降低很多，当使用大量并发源时通常是较低信噪比形式的质量下降。本发明通过示出并发已编码源仿真可有利地与迭代反演共同使用，缓解了这种反演质量降低。迭代在减少由使用并发已编码源所导致的不期望有的噪声方面具有惊人的效果。根据反演需要最高可能质量的输入数据的常见想法，这被认为是出乎意外的。事实上，并发已编码源技术产生看起来与单个源仿真相比明显降级的仿真数据(由于数据编码和求和，其看起来是将数据随机化)，并且使用这个明显降级的数据来产生反演，如将在下文示出的，该反演实际上与从各个源反演数据的昂贵得让人望而却步的过程获得的结果具有相同的质量。(为了反演的目的，在勘探中的每个源位置被视为不同的“源”。) 

这些明显降级的数据可用来执行高质量迭代反演的原因是通过在对源求和之前编码数据，数据的信息内容只是轻微地降级。由于只存在不明显的信息损耗，所以这些看起来降级的数据只约束了迭代反演和传统的有序源数据。由于在反演的仿真步骤中使用并发源，所以与传统有序源反演相比显著减少了计算时间。 

地球物理学中通常使用的两种迭代反演方法是成本函数优化和级数方法。本发明可应用到这两种方法。首先讨论并发已编码源成本函数优化。 

迭代成本函数优化

成本函数优化通过将与地下模型M的成本函数S(M)(有时被称为目标函数)有关的值最小化来执行，成本函数是观测(测量)的地球物理数据和通过假设模型的仿真计算的对应数据之间的不匹配的度量。在地球物理反演中通常使用的简单的成本函数S为：  $S\left(M\right)=\underset{g=1}{\overset{N_g}{\mathrm{\Σ}}}\underset{r=1}{\overset{N_r}{\mathrm{\Σ}}}\underset{t=1}{\overset{N_t}{\mathrm{\Σ}}}{|{\mathrm{\Ψ}}_{\mathrm{calc}}(M,g,r,t,w_g)-{\mathrm{\Ψ}}_{\mathrm{obs}}(g,r,t,w_g)|}^N---\left(1\right)$ 其中N＝成本函数的范数(norm)(在N＝2的情形下通常使用最小的平方或L2作为范数)， M＝地下模型，g＝集合下标(index)(对于点源数据，其对应个体源)，N_g＝集合的数量，r＝集合内的接收器下标，N_r＝集合内的接收器数量，t＝数据记录内的时间样本下标，N_t＝时间样本数量，Ψ_calc＝来自模型M的计算的地球物理数据，Ψ_obs＝测量的地球物理数据，以及w_g＝集合g的源信号(soure signature)，即没有地面过滤效果的源信号。 

方程1中的集合可以是在正向建模程序的一次运行中被仿真的任何类型的集合。对于地震数据，该集合对应地震激发，虽然激发比点源[6]更为普通。对于点源，集合下标g对应单独点源的位置。对于平面波源，g将对应不同的平面波传播方向。这个广义的源数据Ψ_obs可以在矿区中获取，或者可以从利用点源获取的数据合成。另一方面，计算的数据ψ_calc通常可以在正向建模时通过利用广义的源函数直接计算得到(例如，对于地震数据，正向建模通常指各向异性、黏弹性波传播方程的求解或其某一近似)。对于很多类型的正向建模，包括有限差建模，广义源所需的计算时间大约等于点源所需的计算时间。模型M是地下区域的一个或更多个物理属性的模型。地震波速率是一个这样的物理属性，但(例如)p波速率、切变波速率、若干各向异性参数、衰减(q)参数、多孔性和渗透性也是这样的物理属性。模型M可以表示单个的物理属性，或者它可以包含很多不同的参数，这依赖于反演的复杂程度。通常，地下区域被细分成离散单元，每个单元的特征在于每个参数的单个值。 

方程1可以简化为：  $S\left(M\right)=\underset{g=1}{\overset{N_g}{\mathrm{\Σ}}}{\left|\mathrm{\δ}(M,g,w_g)\right|}^N---\left(2\right)$ 其中，该方程现在表示在接收器和时间样本上的和，并且δ(M，g，w_g)＝ψ_calc(M，g，w_g)-ψ_obs(g，w_g)    (3) 迭代反演的一个主要问题是计算ψ_calc花费大量的计算机时间，因此成本函数S的计算是很耗时的。而且，在典型的反演项目中，必须为很多不同的模型M计算此成本函数。 

ψ_calc的计算时间与集合的数目N_g成比例(对于点源数据，集合的数目等于源的数目)，对于典型的地震勘探，N_g是大约10,000到100,000的数量级。本发明极大减少了地球物理反演所需的时间，这可通过显示以下情况实现：通过为同时激活的很多已编码的广义源计算ψ_calc，可以很好地近似S(M)。这将计算ψ_calc所需的时间减少了，即减少到该时间除以和并发源的数目相等的因子。上述技术问题将更详细地在下文中得以解决。 

方程2中的成本函数使用以下方程代替：  $S_{\mathrm{sim}}\left(M\right)=\underset{G=1}{\overset{N_G}{\mathrm{\Σ}}}{\left|\underset{g\∈G}{\mathrm{\Σ}}\mathrm{\δ}(M,g,c_g\⊗w_g)\right|}^N---\left(5\right)$ 其中，和方程2一样，表示在接收器和时间样本上的求和，并且：  $\underset{g=1}{\overset{N_g}{\mathrm{\Σ}}}=\underset{G=1}{\overset{N_G}{\mathrm{\Σ}}}\underset{g\∈G}{\mathrm{\Σ}}$ 定义了利用集合的子分组在集合上的求和，S_sim＝并发源数据的成本函数，G＝并发的广义源的分组，以及N_G＝分组的数目，c_g＝时间函数，使用每个集合的源信号对其进行卷积( 

)以对集合进行编码，对于每个集合下标g这些编码函数被选成不同的，即，不等同的(例如，随机相位函数的不同实现)。 

方程5中的外求和是在与集合类型(例如，普通激发集合的点源)对应的并发广义源的分组上的求和。在g上的内求和是针对为并发计算而分组的集合的求和。对于一些仿真方法，诸如有限差建模，被求和源(在g∈G上的内求和)的模型计算的执行时间量与计算单个源的时间量相同。因此，计算方程5的时间比计算方程2的时间快N_g/N_G-1倍。在有限的情形下，所有集合被同时计算(即，G包含所有N_g源，且N_G＝1)并且一个集合达到N_g因子的加速。 

通常，这种加速实现的代价是通常方程5中的S_sim(M)不像方程 2中定义的S(M)那样适合作为反演的成本函数。高质量成本函数的两个要求是：1.当模型M接近真正的地下模型时，成本函数具有全局最小值，2.成本函数具有少量局部最小值，并且这些距离真正的地下模型很远。容易看到，在无噪声的情形下，M等于真正的地下模型时将出现S(M)和S_sim(M)的全局最小值，并且它们在全局最小值时的值是零。经验表明在数据有噪声的情形下，S_sim(M)的全局最小值也接近于实际的地下模型。因此，S_sim(M)满足了上述要求1。接下来，将显示如何使S_sim(M)满足第二个列举的要求。 

一般说来，无法为数据反演开发出没有局部最小值的成本函数。所以，如以上要求2所期望的，期望S_sim(M)没有局部最小值是不合理的。但是，至少可以期望S_sim(M)具有的局部最小值结构不比S(M)差。根据本发明，这可通过适当选择编码信号来实现。 

当成本函数使用L2范数时，将编码信号选成随机的相位函数提供了其局部最小值结构与有序源成本函数相类似的并发源成本函数。这一点可以通过开发如下的S_sim(M)与S(M)之间的关系看到。首先，方程5被限定专用于L2范数的情形：  $S_{\mathrm{sim}}\left(M\right)=\underset{G=1}{\overset{N_G}{\mathrm{\Σ}}}{\left|\underset{g\∈G}{\mathrm{\Σ}}\mathrm{\δ}(M,g,c_g\⊗w_g)\right|}^2---\left(6\right)$ 在分组上的和内的平方可扩展如下：  $S_{\mathrm{sim}}\left(M\right)=\underset{G=1}{\overset{N_G}{\mathrm{\Σ}}}(\underset{g\∈G}{\mathrm{\Σ}}{\left|\mathrm{\δ}(M,g,c_g\⊗w_g)\right|}^2+\underset{\underset{g\≠g^{\′}}{g,g^{\′}\∈G}}{\mathrm{\Σ}}|\mathrm{\δ}(M,g,c_g\⊗w_g)\left|\right|\mathrm{\δ}(M,g^{\′},c_{g^{\′}}\⊗w_{g^{\′}})\left|\right)---\left(7\right)$ 通过选择c_g使得它们具有稳定的振幅范围，方程7中的第一项完全是S(M)，从产生： $S_{\mathrm{sim}}\left(M\right)=S\left(M\right)+\underset{G=1}{\overset{N_G}{\mathrm{\Σ}}}\underset{\underset{\underset{g^{\′}\≠g}{g^{\′}\∈G}}{g\∈G}}{\mathrm{\Σ}}\left|\mathrm{\δ}(M,g,c_g\⊗w_g)\right|\left|\mathrm{\δ}(M,g^{\′},c_{g^{\′}}\⊗w_{g^{\′}})\right|---\left(8\right)$ 方程8表明S_sim(M)等于S(M)加上一些截项。请注意，由于包含的时间样本上的和，截项 $\left|\mathrm{\δ}(M,g,c_g\⊗w_g)\right|\left|\mathrm{\δ}(M,g^{\′},c_{g^{\′}}\⊗w_{g^{\′}})\right|$ 是来自两个不同集合的剩余部分的真正的互相关。该互相关噪声可以通过选择编码函数c_g使得c_g 和c_g’是随机相位函数的不同实现而在模型中展开。其它类型的编码信号也可以起作用。因此，使用c_g的这种选择，S_sim(M)近似等于S(M)。所以，S_sim(M)的局部最小值结构近似等于S(M)。 

实际上，本发明可以根据图1和2示出的流程图来实现。可以紧接着图1的流程图来编码并求和要反演的地球物理勘探数据，以形成并发集合数据。在步骤20中，输入数据10被分成集合分组，它们将被编码并被求和以形成并发已编码集合。在步骤40中，来自步骤20的其中一个集合分组的每个集合被编码。编码通过从集合分组中选择集合以及从不等同的编码信号集30选择编码信号来执行。之后，来自该集合的所有微量(trace)用选择的编码信号进行时间卷积。集合分组中的每个集合以相同的方式被编码，同时为每个集合从30中选择不同的编码信号。在所有集合在40中被编码后，所有集合在50中被求和。集合求和采取的方式是对与来自每个集合的相同接收器对应的所有微量求和。这形成了并发已编码源集合，之后并发已编码源集合在步骤60中被保存到仿真的并发已编码集合70的输出集中。在步骤80中，通常重复步骤40-60直至来自步骤20的所有集合分组已经被编码。当所有集合分组已经被编码时，该过程结束，并且包含并发已编码集合70的文件将为在步骤20中形成的每个集合分组包含一个并发的已编码集合。在单个分组中放入多少集合是一种判断。涉及的考虑包括成本函数的质量和反演时间的加速。人们能够运行如下文的示例部分中的测试，并且确保分组会产生高质量的成本函数。在一些示例中，优选地，对所有集合求和得到一个并发集合，也就是使用单个分组。 

图1描述了在本发明的一些实施例中如何获得并发的已编码集合。在其它实施例中，地球物理数据从并发的已编码源中获得，不需要图1中的过程。应当注意到，在矿区中获取并发的已编码源数据可以显著降低获得地球物理数据的成本，并且也可以提高相对周围噪声的信噪比。因此，本发明可以有利地应用到(利用地震振动器勘探作为示例)有序移动到多个位置的单个振动器卡车，或者应用到两个或更多个振动器卡车同时运转的勘探中，在此勘探中不同的已编码扫描足够接近，以至于勘探接收器记录所有振动器的组合响应。仅仅在后一种情形中，可 以在矿区中对数据进行编码。 

图2的流程图示出了本发明用于为并发的已编码源数据计算数据反演成本函数的方法的基本步骤。并发的已编码集合120优选为在图1的70处形成的数据或者是在矿区中获得的并发的已编码集合。在步骤130中，利用来自编码信号集110的合适信号对来自120的并发的已编码集合进行正向建模，编码信号集110用来形成并发的已编码集合120。在步骤140中，计算此并发的已编码集合的成本函数。如果成本函数是L2范数成本函数，则步骤140将设立在所有收发器和所有时间样本上求和以及来自120的并发的已编码集合与来自130的被正向建模的并发的已编码集合之间差的平方。之后，在步骤150，140中计算的成本值被累加到总成本中。通常，为来自120的另一并发的已编码集合重复步骤130-150，并且重复该循环，直至来自120的所有期望的并发已编码集合已经被处理(160)。 

存在反演数据的很多技术。这些技术的大多数需要计算成本函数，并且本发明计算的成本函数提供了执行这种计算的更为高效的方法。很多类型的编码函数c_g可用于确保S_sim(M)近似等于S(M)，这些编码函数包括但不限于：·在Romero等人[12]中提出的线性、随机、啁啾声信号(chirp)和修改的啁啾声信号依赖频率的相位编码；·在Jing等人[13]中提出的频率独立相位编码；·随机时间位移编码。取决于应用，这些编码技术中的一些比其它编码技术工作更好，并且一些技术可以进行组合。具体地，已经通过以下方式取得了好的结果：利用依赖频率的随机相位编码，还可通过将附近源的频率独立编码和多个宽分隔源的依赖频率的随机相位编码结合。不同编码的相对优点表示可以通过使用每个编码函数集运行测试反演以确定哪个收敛更快来获得。 

应当注意到并发的已编码源技术可以用于很多类型的反演成本函数。特别地，它可以用于基于除上述L2范数以外的其它范数的成本函数。它还可以用于比方程2表示的成本函数更为复杂的成本函数，包括规则化的成本函数。最后，并发的已编码源方法可以与任何类型的全局 或局部成本函数反演方法一起使用，包括蒙特卡罗、仿真退火、遗传算法、进化算法、梯度线搜索、共轭梯度和牛顿的方法。 

迭代级数反演

除了成本函数优化外，地球物理反演还可以利用迭代级数方法实现。这样做的常见方法是迭代Lippmann-Schwinger(李普曼-施温格)方程[3]。Lippmann-Schwinger方程将感兴趣的物理属性模型表示的介质中的波散射描述为较简易模型的扰动。方程是级数扩展的基础，级数扩展用于确定来自感兴趣模型的波散射，其优点是级数只需要在较简易的模型中进行计算。还可转变该级数以形成迭代级数，其允许根据所测量数据确定兴趣模型，并且也只要求在较简易的模型中进行计算。Lippmann-Schwinger方程是可应用到所有类型的地球物理数据和模型包括地震波的通用形式。该方法以以下两个方程开始：LG＝-I      (9)L₀G₀＝-I    (10)其中L、L₀是实际运算符(operator)和参考微分运算符，G和G₀分别是实际运算符和参考Green运算符，而I是单元运算符。请注意，G是测量的点源数据，而G₀是来自最初模型的仿真点源数据。用于散射原理的Lippmann-Schwinger方程是：G＝G₀+G₀VG    (11)其中，V＝L-L₀，根据该式可以推导出真正模型和最初模型之间的差。 

通过方程11迭代地求解V，首先通过将方程11扩展成级数(假设G＝G₀是G的第一个近似值，以此类推)以获得：G＝G₀+G₀VG₀+G₀VG₀VG₀+...    (12)之后，V被扩展为级数：V＝V⁽¹⁾+V⁽²⁾+V⁽³⁾+...       (13)其中，V⁽ⁿ⁾是在数据的剩余部分中第n阶的那部分V(这里数据的剩余部分是在表面测量的G-G₀)。将方程13代入方程12并合并相同阶的项将产生前3阶的以下方程组：G-G₀＝G₀V⁽¹⁾G₀              (14) 0＝G₀V⁽²⁾G₀+G₀V⁽¹⁾G₀V⁽¹⁾G₀    (15)0＝G₀V⁽³⁾G₀+G₀V⁽¹⁾G₀V⁽²⁾G₀+G₀V⁽²⁾G₀V⁽¹⁾G₀+G₀V⁽¹⁾G₀V⁽¹⁾G₀V⁽¹⁾G₀  (16)V中较高的阶与此类似。这些方程可以迭代求解，首先通过方程14求解V⁽¹⁾，方式是变换V⁽¹⁾两侧的G₀，从而产生：V⁽¹⁾＝G₀ ^-1(G-G₀)G₀ ^-1    (17) 

之后，将来自方程17的V⁽¹⁾代入到方程15中，为V⁽²⁾求解该方程产生：V⁽²⁾＝-G₀ ^-1G₀V⁽¹⁾G₀V⁽¹⁾G₀G₀ ^-1  (18)并且为更高阶的V依此类推。 

方程17包含在源和频率上的求和，可将其明确写为：  $V^{\left(1\right)}=\underset{\mathrm{\ω}}{\mathrm{\Σ}}\underset{s}{\mathrm{\Σ}}{G}_0^{-1}(G_s-G_{0s})G_{0s}^{-1}---\left(17\right)$ 其中，G_s是源s的测量的数据，G_0s是对源s的通过参考模型仿真的数据，G_0s ^-1可解释为从源s向下外推的源信号。当在频域实现方程17时，方程17可解释为：(1)通过参考模型为每个源向下外推源信号(G_0s ^-1项)，(2)为每个源通过参考模型向下外推剩余数据的接收器(G₀ ^-1(G_s-G_0s)项)，(3)将这两个域相乘，然后在所有源和所有频率上求和。此方案中的向下外推可以通过地球物理仿真软件实现，例如利用有限差。 

并发的已编码源技术可以应用到方程17中，如下：  ${\tilde{V}}^{\left(1\right)}=\underset{\mathrm{\ω}}{\mathrm{\Σ}}{G}_0^{-1}[\underset{s}{\mathrm{\Σ}}{e}^{i{\mathrm{\φ}}_s\left(\mathrm{\ω}\right)}{G}_s-\underset{s}{\mathrm{\Σ}}{e}^{i{\mathrm{\φ}}_s\left(\mathrm{\ω}\right)}{G}_{0s}]+\underset{s^{\′}}{\mathrm{\Σ}}{\left(e^{i{\mathrm{\φ}}_{s^{\′}}\left(\mathrm{\ω}\right)}{G}_{{0s}^{\′}}\right)}^{-1}---\left(18\right)$ 其中，已经选择通过应用相位函数φ_s(ω)进行编码，相位函数φ_s(ω)依赖于源，且可能依赖于频率ω。如方程17中的情形，方程18可以通过以下方式实现：(1)编码并求和测量的数据(括号内的第一次求和)，(2)对利用与步骤1相同的编码从并发的已编码源获取的数据进行正向仿真(括号中的第二项)，(3)用步骤1的结果减去步骤2的结果，(4)向下外推步骤3中计算的数据(第一个G₀ ^-1项，被施加到括号中的项)，(5)向下外推利用与步骤1相同的编码进行编码的并发的已编码源，(6)将这两个域相乘，并在所有频率上求和。请注意，在此方案中，所有仿真对于整个并发的已编码源集合只执行一次，与方程17情形下的为每个源只执行一次相反。因此，与方程17相比，方程18需要更少的计算时间。 

在方程18中将在s和s’上的求和分成s＝s′和s≠s′的部分将产生：  ${\tilde{V}}^{\left(1\right)}=\underset{\mathrm{\ω}}{\mathrm{\Σ}}\underset{s}{\mathrm{\Σ}}{G}_0^{-1}(G_s-G_{0s})G_{0s}^{-1}+\underset{\mathrm{\ω}}{\mathrm{\Σ}}{G}_0^{-1}\underset{s}{\mathrm{\Σ}}\underset{s^{\′}\≠s}{\mathrm{\Σ}}{e}^{i{\mathrm{\φ}}_s\left(\mathrm{\ω}\right)}{e}^{-i{\mathrm{\φ}}_{s^{\′}}\left(\mathrm{\ω}\right)}(G_s-G_{0s})G_{{0s}^{\′}}^{-1}---\left(19\right)$ 方程19中的第一项可以识别为方程17，因此： 

如果当s≠s′时φ_s≠φ_s′，方程19中的截项将很小。因此，正如成本函数优化的情形，并发的已编码源方法加快级数第一项的计算，并给出与更为昂贵的有序源方法类似的结果。相同的并发已编码源技术可以应用到级数中的较高阶的项，诸如方程15和16中的第二或第三阶项。 

进一步考虑

本发明的方法还可以与各种类型的广义源(generalized source)技术结合使用，诸如Berkhout[6]提出的那些技术。在这种情形下，人们将为不同的合成平面波编码信号而不是编码不同的点源集合信号。 

本发明的主要优点是允许大量集合被同时计算。而且，不需要牺牲成本函数的质量即可达到此效率。本发明受噪声假象的影响小于其它并发源技术，因为迭代反演暗示噪声假象将由于达到了成本函数的全局最小值而在很大程度上受到抑制。 

以上描述的实施例的一些变化包括：·c_g编码函数可以因成本函数的每次计算而改变。至少在一些实例中，为成本函数的每次计算利用不同的随机相位编码进一步降低了截项在方程8中的影响。·在一些情形下(例如，当源采样比接收器采样密集时)，利用互换性将实际的接收器视为计算源并将接收器编码而不对源进行编码是有利的。·本发明并不局限于单组件点接收器。例如，接收器可以是接收器阵列或它们可以是多组件接收器。·该方法可以通过优化编码来产生质量最高的成本函数而得到改善。例如，可以优化编码函数以减少成本函数中局部最小值的数目。可以通过对利用不同的编码函数执行的测试的手动检查或利用自动的优化过程来优化编码函数。 ·并发的已编码源数据的获取可显著节省地球物理数据获取成本。·对于海洋地震数据勘探，从运动时持续运转的同时运转的海上振动器获取已编码源数据是很高效的。·可以使用成本函数的其它定义，包括使用不同的范数(例如，L1范数(绝对值)代替L2范数)和附加项来调整并稳定反演(例如，对不平滑的模型或不稀少的模型不利的项)。 

尽管本发明包括很多实施例，但是典型的实施例可以包括以下特征：1.输入集合是常见的点源集合。2.编码信号30和110在迭代之间被改变。3.根据Romero等人的[12]，编码信号30和110被选为随机相位信号。只是通过产生由时间样本组成的序列可以产生这样的信号，所述时间样本是始终如一的伪随机序列。4.在步骤40中，通过使用集合的编码信号来卷积集合中的每个微量来编码集合。5.在步骤130中，使用空间时间域中的有限差建模码来实施正向建模。6.在步骤140中，利用L2范数计算成本函数。 

示例

图3-8表示利用本发明计算成本函数的综合示例以及与传统有序源方法的对比。此简单示例中的地球物理属性模型只是声波速率的一个模型。图3是此示例的基本的速率模型(该模型将被反演)。阴影表示每个深度处的速率。此模型的背景是在模型顶部起始于1500m/s的线性梯度，梯度值为0.5秒^-1。具有正或负100m/s速率的32个64m厚度的水平层(210)被添加到背景梯度。图3中较暗的水平带表示100m/s被添加到线性梯度背景的层，而交替的较亮水平带表示从线性梯度背景减去100m/s的层。最后，高256m、宽256m且具有500m/s速率扰动的不规则矩形(220)被添加到水平分层模型。 

传统的有序点源数据(对应图1中的项10)根据图3的模型被 仿真。256个常见的点源集合被计算，并且图4示出了这些集合的前三个。这些集合具有6个第二微量长度并且以0.8msec取样。源信号(对应方程2中的w_s)是20Hz的Ricker小波。源之间的距离是16m，而接收器之间的距离是4m。源和接收器覆盖模型的整个表面，并且接收器是固定的。 

图1概述的流程用于从图4中所示的有序源数据产生并发的已编码源数据。在图1的步骤20中，所有的256个仿真的有序集合被形成一个分组。之后，这些集合被编码，采用的方式是使用一2048样本(1.6384秒长)始终如一的伪随机序列卷积来自每个点源集合的微量。不同的伪序列被用于每个点源集合。之后，这些集合被求和以产生图5所示的单个的并发已编码源集合。应当注意到该过程已经将256个有序源集合转变为单个的并发已编码源集合。 

为了计算成本函数，基础模型被干扰，并且根据该干扰的模型来仿真地震数据。对于此示例，通过更改不规则矩形的深度来干扰模型。不规则的深度相对于其在基础模型中的深度被干扰的范围为从-400到+400。图6中示出该模型的一个扰动，310处表示不规则。 

对于基础模型的每个扰动，并发的已编码源数据的单个集合被仿真以产生类似于图5所示基础数据的微量的集合。用于仿真这些被扰动集合的编码信号与用于编码图5中的基础数据的信号完全相同。对于每个扰动的模型，通过从基础数据中减去扰动的数据以及计算结果的L2范数来计算方程6的成本函数。图7是该并发的已编码源成本函数的图形。对于图8所示的同样的模型扰动，可以将该成本函数与传统的有序源成本函数相比(将图4中的数据用作基础数据进行计算，然后仿真来自扰动的模型的有序源数据)。图8对应方程2中N＝2的成本函数。图7和图8中的水平轴是不规则矩形的深度相对于其在基础模型中深度的扰动。因此，零扰动对应基础模型。重要的是要注意到，对于此示例，对并发的已编码源成本函数进行计算比有序源成本函数快256倍。 

检查图7和图8，可立即注意到两件事。一是两种成本函数在零扰动时都具有其全局最小值(对于并发源数据为410，对于有序源数据为510)，这应当是准确反演的情形。注意的第二件事是两种成本函数都具有相同数目的局部最小值(对于并发源数据为420，对于有序源数据为 520)，并且这些局部最小值位于大约相同的扰动值。尽管不期望在成本函数中出现局部最小值，但是并发的已编码源成本函数的局部最小值结构类似于有序源成本函数。因此，对于地震反演来说，并发的已编码源成本函数(图7)只是与有序源成本函数(图8)一样。 

并发的已编码源成本函数的计算时间减少到1/256，以及两种成本函数对于地震反演的相似质量导致这样的结论：对于此示例，并发的已编码源成本函数是十分优选的成本函数。扰动的模型表示各种模型推测，其可在实际的练习中用于确定哪种模型对所测量的数据给出了最接近的适配，如成本函数所度量的。 

最后，为了验证在求和之前对集合进行编码的重要性，图9示出了利用Mora[9]的反演超级激发集合的建议所产生的成本函数。该成本函数被计算的方式类似于图7，除了源集合并不在求和之前被编码之外。该和违反了Mora有关源应当被宽间隔的建议(这些源以16m被间隔)。但是，这是与本专利提出的并发已编码源方法的公平对比，因为图9的成本函数的计算加速与图7相等，而Mora的宽间隔的源方法将导致少得多的加速。请注意超级激发集合数据的全局最小值是零扰动(610)，这是很好的。另一方面，图9示出的成本函数具有很多比图7或图8中的成本函数更为局部的最小值(620)。因此，尽管此成本函数达到了与本专利的并发已编码源方法相同的计算加速，但是其反演的质量低得多。 

为了说明的目的，前述申请阐述了本发明的特定实施例。但是，对于本领域技术人员明显的是，对本文描述的实施例作出许多更改和变化是可能的。所有这种更改和变化都在本发明的范围之内，如所附权项限定的。本领域技术人员将容易地认识到在本发明的优选实施例中，至少本发明方法中的一些步骤在计算机上执行，即本发明是计算机实现的。在这种情形下，产生的更新的物理属性模型可以被下载或保存到计算机存储器中。 参考文献：1.Tarantola，A.，″Inversion of seismic reflection data in the acousticapproximation，″Geophysics 49，1259-1266(1984).2.Sirgue，L.，and Pratt G.″Efficient waveform inversion and imaging：A strategyfor selecting temporal frequencies，″Geophysics 69，231-248(2004).3.Weglein，A.B.，Araujo，F.V.，Carvalho，P.M.，Stolt，R.H.，Matson，K.H.，Coates，R.T.，Corrigan，D.，Foster，D.J.，Shaw，S.A.，and Zhang，H.，“Inversescattering series and seismic exploration，”Inverse Problems 19，R27-R83(2003).4.Fallat，M.R.，Dosso，S.E.，“Geoacoustic inversion via local，global，andhybrid algorithms，”Journal of the Acoustical Society of America 105，3219-3230(1999).5.Van Manen，D.J.，Robertsson，J.O.A.，Curtis，A.，″Making wave by timereversal，″SEG International Exposition and 75^th Annual Meeting ExpandedAbstracts，1763-1766(2005).6.Berkhout，A.J.，″Areal shot record technology，″Journal of SeismicExploration 1，251-264(1992).7.Zhang，Y.，Sun，J.，Notfors，C.，Gray，S.H.，Cherris，L.，Young，J.，″Delayed-shot 3D depth migration，″Geophysics 70，E21-E28(2005).8.Van Riel，P.，and Hendrik，W.J.D.，“Method of estimating elastic andcompositional parameters from seismic and echo-acoustic data，”U.S.Patent No.6,876,928(2005).9.Mora，P.，″Nonlinear two-dimensional elastic inversion of multi-offset seismicdata，″Geophysics 52，1211-1228(1987).10.Ober，C.C.，Romero，L.A.，Ghiglia，D.C.，″Method of Migrating SeismicRecords，″U.S.Patent No.6,021,094(2000). 11.Ikelle，L.T.，″Multi-shooting approach to seismic modeling and acquisition，″U.S.Patent No.6,327,537(2001).12.Romero，L.A.，Ghiglia，D.C.，Ober，C.C.，Morton，S.A.，″Phase encoding ofshot records in prestack migration，″Geophysics 65，426-436(2000).13.Jing X.，Finn，C.J.，Dickens，T.A.，Willen，D.E.，″Encoding multiple shotgathers in prestack migration，″SEG International Exposition and 70^th Annual MeetingExpanded Abstracts，786-789(2000). 

Claims (23)

1.一种反演测量的地球物理数据以为地下区域确定物理属性模型的计算机实现的方法，该方法包括：

(a)获取由所述测量的地球物理数据的两个或更多个已编码集合构成的一个分组，其中每个集合与单个广义源关联，或者利用源-接收器的互换性而与单个接收器关联，并且其中每个集合使用选自不等同的编码信号集的不同编码信号进行编码；

(b)通过对每个集合中对应于单个接收器或者源——如果利用互换性——的所有数据记录求和来对所述分组中的所述已编码集合求和，以及为每个不同接收器重复求和，从而产生并发已编码集合；

(c)假设所述地下区域的物理属性模型，所述模型提供遍及所述地下区域的各位置处的至少一个物理属性的值；

(d)计算所假设的物理属性模型的更新，所述更新与来自步骤(b)的所述并发已编码集合更为一致，所述计算包含一个或一个以上已编码的并发源正向或反向仿真操作，所述仿真操作使用所假设的物理属性模型和已编码的源信号，所述已编码的源信号使用的编码函数与对所测量数据的对应集合进行编码所使用的编码函数相同，其中整个并发已编码集合在单个仿真操作中被仿真；

(e)重复步骤(d)至少一次以上迭代，将来自步骤(d)的先前迭代的更新的物理属性模型用作所假设的模型，以产生所述地下区域的进一步更新的物理属性模型，该模型与所测量数据的相应并发已编码集合更为一致，将与形成所测量数据的相应并发已编码集合中使用的编码信号相同的编码信号用于仿真中的源信号；以及

(f)下载所述进一步更新的物理属性模型或将其保存到计算机存储器上。

2.根据权利要求1所述的方法，其中成本函数被优化以更新步骤(d)中的所述模型，所述成本函数度量所述并发已编码集合和仿真的并发已编码集合之间的不匹配程度。

3.根据权利要求1所述的方法，在步骤(d)之后和步骤(e)之前进一步包括：更改步骤(a)中分配的所述编码信号，以及重复步骤(b)以获得所测量数据的不同的并发已编码集合，然后在执行步骤(e)时使用该不同的并发已编码集合。

4.根据权利要求1所述的方法，进一步包括：获取和步骤(a)中一样的所测量的地球物理数据的两个或更多个已编码集合的至少一个附加分组，以及为每个附加分组执行步骤(b)，然后将来自步骤(d)的所述物理属性模型的对应更新累积，其中步骤(e)中要使用的所更新的物理属性模型基于所累积的更新。

5.根据权利要求1所述的方法，其中所测量数据的所述已编码集合通过使用为所述集合选择的编码信号对所述集合的所有微量进行时间卷积而被编码。

6.根据权利要求1所述的方法，其中所测量数据的所述两个或更多个已编码集合通过从地球物理勘探获得数据的集合而获得，在所述地球物理勘探中，数据从多个并发运转、独特编码的源设备中获取。

7.根据权利要求1所述的方法，其中所述测量的地球物理数据来自地震勘探。

8.根据权利要求7所述的方法，其中每个广义源是点源或者每个广义源是平面波源。

9.根据权利要求5所述的方法，其中所述测量的地球物理数据包括测量或估计的每个源激活的信号并且所述仿真操作中使用的所述已编码源信号是通过使用与步骤(a)中用于编码对应的所测量集合的编码函数相同的编码函数对所述测量或估计的源信号进行时间卷积而得到的信号。

10.根据权利要求5所述的方法，其中所述编码函数的类型选自线性的、随机相位、啁啾声信号、修改的啁啾声信号、随机时间位移和频率独立的相位编码。

11.根据权利要求5所述的方法，其中所述编码函数具有用于一些源的一种类型和用于其它源的另一类型。

12.根据权利要求2所述的方法，其中所述编码函数被优化以提高所述选择的成本函数的质量。

13.根据权利要求1所述的方法，其中步骤(d)中的所述正向或反向仿真操作使用有限差、有限元或有限体积仿真码执行。

14.根据权利要求7所述的方法，其中所述物理属性模型是地震波速率、地震弹性参数、地震各向异性参数或地震滞弹性参数的模型。

15.根据权利要求2所述的方法，其中包括蒙特卡罗、仿真的退火、遗传或进化算法的全局成本函数优化方法被用于更新所述模型。

16.根据权利要求2所述的方法，其中包括梯度线搜索、共轭梯度或Newton方法的局部成本函数优化方法被用于更新所述模型。

17.根据权利要求2所述的方法，其中所述成本函数是L1范数成本函数或者L2范数成本函数，并且所述成本函数包含一个或多个正则化项。

18.根据权利要求1所述的方法，其中步骤(d)通过以下步骤执行：

(i)选择描述所述地下区域中波散射的散射方程的迭代级数解；

(ii)以所述级数的前n项开始，其中n≥1，所述前n项对应所述地下区域的假设的物理属性模型；

(iii)计算级数中的下一项，所述计算包含一个或一个以上已编码的并发源正向或反向仿真操作，这些操作使用所述假设的物理属性模型和编码的源信号，所述编码的源信号采用的编码函数与用于编码所测量数据的对应集合的编码函数相同，其中整个并发已编码集合在单个仿真操作中被仿真，并且所仿真的已编码集合和测量的已编码集合以和步骤(i)中被选迭代级数一致的方式被组合；以及

(iv)通过向所述假设的模型中添加步骤(iii)中计算的所述级数的所述下一项来更新所述模型。

19.根据权利要求18所述的方法，进一步包括为所述级数中的至少一个以上的项重复步骤(iii)和(iv)。

20.一种反演测量的地球物理数据以为地下区域确定物理属性模型的计算机实现的方法，该方法包括：

(a)获取由所述测量的地球物理数据的两个或更多个已编码集合构成的一个分组，其中每个集合与单个广义源关联，或者利用源-接收器的互换性而与单个接收器关联，并且其中每个集合使用选自不等同的编码信号集的不同编码信号进行编码；

(b)通过对每个集合中对应于单个接收器或者源——如果利用互换性——的所有数据记录求和来对所述分组中的已编码集合求和，以及为每个不同接收器重复求和，从而产生并发已编码集合；

(c)假设所述地下区域的物理属性模型，所述模型提供遍及所述地下区域的各位置处的至少一个物理属性的值；

(d)利用所假设的物理属性模型，仿真与所测量数据的所述并发已编码集合对应的合成的并发已编码集合，其中所述仿真使用已编码的源信号，所述已编码的源信号使用的编码函数与编码所测量数据的所述并发已编码集合所用的编码函数相同，其中整个并发已编码集合在单个仿真操作中被仿真；

(e)计算成本函数，该函数度量所测量数据的所述并发已编码集合与所仿真的并发已编码集合之间的不匹配程度；

(f)通过优化成本函数更新所述物理属性模型；

(g)利用来自先前迭代的更新的物理属性模型作为步骤(c)中所假设的物理属性模型迭代步骤(a)-(f)至少一次，产生进一步更新的物理属性模型；以及

(h)下载所述进一步更新的物理属性模型或将其保存到计算机存储器上。

21.一种反演测量的地球物理数据以为地下区域确定物理属性模型的计算机实现的方法，该方法包括：

(a)获取由所述测量的地球物理数据的两个或更多个已编码集合构成的一个分组，其中每个集合与单个广义源关联，或者利用源-接收器的互换性而与单个接收器关联，并且其中每个集合使用选自不等同的编码信号集的不同编码信号进行编码；

(b)通过对每个集合中对应于单个接收器或者源——如果利用互换性——的所有数据记录求和来对所述分组中的已编码集合求和，以及为每个不同接收器重复求和，从而产生并发已编码集合；

(c)假设所述地下区域的物理属性模型，所述模型提供遍及所述地下区域的各位置处的至少一个物理属性的值；

(d)选择描述所述地下区域中波散射的散射方程的迭代级数解；

(e)以所述级数的前n项开始，其中n≥1，所述前n项对应所述地下区域的所述假设的物理属性模型；

(f)计算所述级数的下一项，所述计算包含一个或一个以上已编码的并发源正向或反向仿真操作，这些操作使用所述假设的物理属性模型和编码的源信号，所述编码的源信号采用的编码函数与用于编码所测量数据的对应集合的编码函数相同，其中整个并发已编码集合在单个仿真操作中被仿真，并且所仿真的已编码集合和测量的编码集合以与步骤(d)中被选的迭代级数一致的方式被组合；

(g)通过向所述假设的模型中添加步骤(f)中计算的所述级数的下一项来更新所述模型；

(h)重复步骤(f)和(g)至少一次，从而进一步更新所述物理属性模型；以及

(i)下载所进一步更新的物理属性模型或将其保存到计算机存储器上。

22.一种反演测量的地球物理数据以为地下区域确定物理属性模型的计算机实现的方法，该方法包括：

(a)从对地下区域的地球物理勘探中获取测量的地球物理数据；

(b)通过迭代反演对所测量的数据进行反演，所述反演包含表示多个勘探源或接收器——如果利用源-接收器互换性——的勘探数据的并发仿真，其中所述仿真中的源或接收器信号被编码，产生地球物理数据的一个仿真的并发已编码集合，所述反演过程包含更新假设的物理属性模型以减少所述仿真的并发已编码集合与对应的并发已编码集合之间的不匹配，所述对应的并发已编码集合通过对测量的勘探数据的集合进行求和形成，所述测量的勘探数据的集合使用与所述仿真中使用的编码函数相同的编码函数进行编码；以及

(c)下载所更新的物理属性模型或将其保存到计算机存储器上。

23.一种从地下区域生产碳氢化合物的方法，该方法包括：

(a)执行所述地下区域的地震勘探；

(b)获取通过包括以下步骤的方法确定的所述地下区域的速率模型：

通过迭代反演对测量的勘探数据进行反演，反演包含表示多个勘探源或接收器——如果使用源-接收器互换性——的地震勘探数据的并发仿真，其中所述仿真中的源信号被编码，产生地球物理数据的一个仿真的并发已编码集合，所述反演过程包含更新假设的速率模型以减少所述仿真的并发已编码集合与测量的勘探数据的相应并发已编码集合之间的不匹配，所述测量的勘探数据的相应并发已编码集合使用与所述仿真中使用的编码函数相同的编码函数来进行编码；以及

(c)钻井至地下区域的一层中，所述地下区域的一层至少部分地由利用所述确定的速率模型解释所述形成的地下区域中的结构来识别；以及

(d)从所述井生产碳氢化合物。

Images