CN103076627B - 一种速度模型平滑优化方法 - Google Patents

Abstract

本发明提供了一种基于多层次并行模型的速度模型平滑优化方法，属于地震数据处理领域。所述方法首先改进高斯平滑公式以降低计算量，然后利用改进后的高斯平滑公式得到平滑加权系数模板，再根据所述平滑加权系数模板进行速度模型平滑处理；所述方法是采用多层次并行模型来根据所述平滑加权系数模板进行速度模型平滑处理的。本发明通过改进速度模型平滑算法，应用进程并行和线程并行结合的多层次并行模式，提高了平滑处理计算效率，减少了内存使用量，实现了大规模速度模型数据的平滑处理。

Description

一种速度模型平滑优化方法

技术领域

本发明属于地震数据处理领域，具体涉及一种速度模型平滑优化方法。

      背景技术    

地震勘探的主要任务是实现对地下构造的成像，这要靠偏移成像来完成，偏移成像处理需要速度模型数据，因此速度模型是影响成像结果的最重要参数。在速度建模过程中，速度模型较易存在突变现象，而造成与实际的地质情况不符的情况发生，最终影响偏移成像的质量。为了获得高质量的成像结果，需要对速度模型进行平滑处理。

目前速度模型平滑处理常用的方法是高斯平滑方法，高斯平滑方法是线性平滑的一种，其特点是对邻域内数据进行平滑处理时，给予不同位置数据不同的权值。高斯平滑方法在对数据进行平滑的同时，可以更多地保留原数据的特征。式(1-1)为高斯平滑公式，也就是平滑加权系数计算公式。

       $y\left(i\right)=\frac{1}{\sqrt{2\mathrm{\π}}{q}^2\exp \left(\frac{l_i^2}{{2q}^2}\right)}$ (1-1) 

       $p\left(i\right)=\frac{y\left(i\right)}{\underset{i}{\mathrm{\Σ}}y\left(i\right)}$ (1-2) 

式(1-1)中，y(i)表示平滑半径中每点对应的加权系数，q为平滑系数，l_i为平滑半径中每个样点到平滑样点之间的距离。式(1-2)是归一化过程，p(i)是经过归一化后的加权系数，N为平滑半径内的点数。

采用上述高斯平滑方法，在速度模型的平滑处理中可以得到很好的效果， 为偏移处理特别是叠前时间偏移提供了较好的速度模型。但是随着地震处理的规模越来越大，对速度模型平滑处理的要求也越来越高，而高斯平滑处理速度相对比较慢，计算效率低，不适应大规模计算，影响了实际生产的进度。

      发明内容    

本发明的目的在于解决上述现有技术中存在的难题，提供一种速度模型平滑优化方法，其应用多层次并行模型，提高速度模型平滑处理的计算效率，使之适应大规模计算，为地震数据偏移处理提供快速有效的速度模型。

本发明是通过以下技术方案实现的：

一种速度模型平滑优化方法，所述方法首先改进高斯平滑公式以降低计算量，然后利用改进后的高斯平滑公式得到平滑加权系数模板，再根据所述平滑加权系数模板进行速度模型平滑处理。

具体来说，所述改进高斯平滑公式是指在高斯平滑公式中加入平滑半径项r，得到改进后的高斯平滑公式如下：

       $y\left(i\right)=\frac{1}{\sqrt{2\mathrm{\π}}{q}^2\exp \left(\frac{l_i^2}{{2\mathrm{rq}}^2}\right)}$ (2-1) 

其中，y(i)表示平滑半径中每点对应的加权系数，q为平滑系数，l_i为平滑半径中每个样点到平滑样点之间的距离。

所述利用改进后的高斯平滑公式得到平滑加权系数模板是这样实现的：根据平滑系数和平滑半径，利用所述改进后的高斯平滑公式计算得到平滑半径之内各样点的加权系数，由各样点的加权系数构成一个圆形的平滑加权系数模板。

所述根据所述平滑加权系数模板进行速度模型平滑处理是这样实现的：将要平滑的样点作为中心样点，将平滑加权系数模板的圆心与所述中心样点对应，即将该中心样点作为平滑加权系数模板的圆心，此时平滑加权系数模板在速度模型数据体中圈出一个与平滑加权系数模板相同大小的区域，将该区域中每个 样点的速度值与平滑加权系数模板中对应该样点的加权系数相乘得到该样点的加权计算值，然后将该区域内所有样点的加权计算值相加求和后，再除以该区域内的样点总数，得到该中心样点的平滑值，然后移动所述平滑加权系数模板，依次将各样点作为中心样点，重复以上过程计算得到所有样点的平滑值，完成平滑处理。

优化的，所述方法是采用多层次并行模型来实现根据所述平滑加权系数模板进行速度模型平滑处理的；所述多层次并行模型为两级联合并行模型，其第一级并行为集群计算机的各个节点之间的进程并行，采用主从模式，即一个主进程负责数据的读写与分配，从进程负责计算，主进程根据从进程的计算快慢来分配数据，实现了从进程的动态负责平衡；第二级并行为各个节点内部的线程并行，在每个节点内部应用共享内存的多线程并行方法，根据每个节点的核数设定线程数，将每个节点负责的计算区域按线程数划分，每个线程负责一部分数据的计算。

所述采用多层次并行模型来根据所述平滑加权系数模板进行速度模型平滑处理具体包括以下步骤：

第一步，初始化：MPI(Message Passing Interface)线程初始化，多进程并行启动，从进程的多线程初始化；

第二步，主进程读入平滑参数，所述平滑参数包括平滑系数和平滑半径，然后根据改进后的高斯平滑公式计算平滑半径内每个样点的加权系数，生成平滑加权系数模板；主进程将平滑加权系数模板广播给所有从进程，从进程接收平滑加权系数模板以备后续处理所用；

第三步，主进程读入速度模型数据，发送给空闲从进程，从进程任务完成后，接收主进程的速度模型数据；这样就根据从进程的计算能力实现了动态负载平衡；

第四步，从进程接收到速度模型数据，开始多线程并行计算，即根据所述平滑加权系数模板进行速度模型平滑处理；从进程完成计算任务后，发送计算 结果给主进程，并接收主进程分配的数据；

第五步，主进程接收从进程的计算结果，写入结果文件，并判断数据是否计算完成，未完成，返回第三步继续处理，直到数据处理完毕；

第六步，数据计算完成，从进程释放多线程，主进程完成数据输出。

与现有技术相比，本发明的有益效果是：本发明通过改进速度模型平滑算法，应用进程并行和线程并行结合的多层次并行模式，提高了平滑处理计算效率，减少了内存使用量，实现了大规模速度模型数据的平滑处理。

附图说明

图1是本发明方法所使用的多层次并行模型示意图。

图2是本发明方法所使用的圆形平滑模板示意图。

图3是本发明方法的步骤框图。

图4是本发明方法与现有方法的平滑效率对比图。

图5是本发明方法一个实施例中得到的平滑效果与原速度模型的对比图。其中，图5-1为原速度模型，图5-2是平滑后速度模型。

具体实施方式

下面结合附图对本发明作进一步详细描述：

本发明方法包括以下步骤：

(1)改进平滑计算方法，提高平滑效率

高斯平滑方法是平滑处理中常用的方法，但是高斯平滑的平滑效率较低，与速度模型平滑要求有差距。通过对平滑处理方法的改进，在平滑加权系数计算公式中加入平滑半径项r(如式2-1所示)。改进之后，平滑效率提高，在同样的平滑效果下，与改进前相比，平滑半径更小，计算量降低。图4给出了改进前后平滑效率的对比。

       $y\left(i\right)=\frac{1}{\sqrt{2\mathrm{\π}}{q}^2\exp \left(\frac{l_i^2}{{2\mathrm{rq}}^2}\right)}$ (2-1) 

公式(2-1)中y(i)为加权系数，q为平滑系数，r为平滑半径，l为距平滑点的距离，将平滑系数和平滑半径代入公式，即可计算得到加权系数。

(2)平滑模板计算 

式(1-1)或(2-1)均为平滑加权系数计算式，平滑模板是为计算一个平滑点而选取的一个区域，通过式(1-1)或(2-1)，计算平滑模板区域中每个点的加权系数，得到平滑模板中每个样点的加权系数。本发明中的平滑模板计算采用圆形平滑模板，根据平滑系数和平滑半径，利用改进后的平滑加权系数计算公式(2-1)计算平滑半径之内的圆形区域中各点(即半径小于平滑半径的各点)的加权系数，得到一个圆形的平滑加权系数模板，其是由所有平滑加权系数组成的一个圆形点集，如图2所示。得到平滑加权系数模板后，计算速度模型中的每个点的平滑值，即将要平滑的样点作为中心样点，将该中心样点作为平滑加权系数模板的圆心，将平滑加权系数模板中每个样点的加权系数乘以该样点的速度值得到该样点的加权计算值，将所有样点的加权计算值相加求和后，再除以平滑加权系数模板的样点总数，得到该中心样点的平滑值，依次将各样点作为中心样点，重复以上过程计算得到所有样点的平滑值，完成平滑处理

(3)多层次并行模型平滑处理技术

为了充分利用计算机资源，实现平滑处理大规模计算，本发明采用两级联合并行模型，如图1所示，一级并行为进程并行，并行模式为主从模式，即一个主进程负责数据的读写与分配，从进程负责计算，主进程根据从进程的计算快慢分配数据，实现了从进程的动态负载平衡，在集群计算机的节点之间实现高效的并行处理；二级并行为线程并行，在每个节点内部应用共享内存的多线程并行方式，根据每个节点的核数设定线程数，将每个节点负责的计算区域按线程数划分，每个线程负责一部分数据的计算，充分利用节点内部多核的计算资源，降低内存利用率。具体到本发明，采用多层次并行模型来进行速度模型平 滑处理具体步骤如图3所示。

本发明是一项地震处理中速度模型平滑加速技术，下面以某地区的实例来说明发明效果。图5为某地区的速度模型数据，图5-1为原速度模型，图5-2为采用本发明方法在平滑半径为200米时的处理结果图，从图5中可以看出，经过平滑处理后，原数据的基本特征得到很好的保留，突变的现象减弱了。表1、表2为平滑处理的测试效果数据。表1为单节点多线程并行程序测试结果，与之比较程序为串行平滑程序。测试中分别选用四种不同平滑半径。测试中选用一个节点，线程并行时启动8个线程并行计算。表2为多进程多线程联合并行平滑程序的测试结果，主要测试计算效率与内存利用情况，与之对比程序为单纯线程并行程序。测试中选择五个节点运行程序，每个节点八核。多进程程序主节点运行一个进程，四个计算节点分别运行8个进程；两级并行程序主节点运行一个主进程，四个从进程分别运行8个线程。测试结果显示，多线程程序有较好的加速比，多进程多线程联合并行模式显著降低了程序的内存利用率。

      

表1

      

表2

上述技术方案只是本发明的一种实施方式，对于本领域内的技术人员而言，在本发明公开了应用方法和原理的基础上，很容易做出各种类型的改进或变形，而不仅限于本发明上述具体实施方式所描述的方法，因此前面描述的方式只是优选的，而并不具有限制性的意义。

Claims (3)

1.一种速度模型平滑优化方法，其特征在于：所述方法首先改进高斯平滑公式以降低计算量，然后利用改进后的高斯平滑公式得到平滑加权系数模板，再根据所述平滑加权系数模板进行速度模型平滑处理；

所述改进高斯平滑公式是指在高斯平滑公式中加入平滑半径项r，得到改进后的高斯平滑公式如下：

$y\left(i\right)=\frac{1}{\sqrt{2\mathrm{\π}}\·q^2\·\exp \left(\frac{l_i^2}{{2\mathrm{rq}}^2}\right)}---(2-1)$

其中，y(i)表示平滑半径中每点对应的加权系数，q为平滑系数，l_i为平滑半径中每个样点到平滑样点之间的距离；所述利用改进后的高斯平滑公式得到平滑加权系数模板是这样实现的：根据平滑系数和平滑半径，利用所述改进后的高斯平滑公式计算得到平滑半径之内各样点的加权系数，由各样点的加权系数构成一个圆形的平滑加权系数模板；

所述根据所述平滑加权系数模板进行速度模型平滑处理具体如下：将要平滑的样点作为中心样点，将平滑加权系数模板的圆心与所述中心样点对应，即将该中心样点作为平滑加权系数模板的圆心，此时平滑加权系数模板在速度模型数据体中圈出一个与平滑加权系数模板相同大小的区域，将该区域中每个样点的速度值与平滑加权系数模板中对应该样点的加权系数相乘得到该样点的加权计算值，然后将该区域内所有样点的加权计算值相加求和后，再除以该区域内的样点总数，得到该中心样点的平滑值，然后移动所述平滑加权系数模板，依次将各样点作为中心样点，重复以上过程计算得到所有样点的平滑值，完成平滑处理。

2.根据权利要求1所述的速度模型平滑优化方法，其特征在于：所述方法是采用多层次并行模型来实现根据所述平滑加权系数模板进行速度模型平滑处理的；所述多层次并行模型为两级联合并行模型，其第一级并行为集群计算机的各个节点之间的进程并行，采用主从模式，即一个主进程负责数据的读写与分配，从进程负责计算，主进程根据从进程的计算快慢来分配数据，实现了从进程的动态负载平衡；第二级并行为各个节点内部的线程并行，在每个节点内部应用共享内存的多线程并行方法，根据每个节点的核数设定线程数，将每个节点负责的计算区域按线程数划分，每个线程负责一部分数据的计算。

3.根据权利要求2所述的速度模型平滑优化方法，其特征在于：所述采用多层次并行模型来根据所述平滑加权系数模板进行速度模型平滑处理具体包括以下步骤：

第一步，初始化：MPI线程初始化，多进程并行启动，从进程的多线程初始化；

第二步，主进程读入平滑参数，所述平滑参数包括平滑系数和平滑半径，然后根据改进后的高斯平滑公式计算平滑半径内每个样点的加权系数，生成平滑加权系数模板；主进程将平滑加权系数模板广播给所有从进程，从进程接收平滑加权系数模板以备后续处理所用；

第三步，主进程读入速度模型数据，发送给空闲从进程，从进程任务完成后，接收主进程的速度模型数据；这样就根据从进程的计算能力实现了动态负载平衡；

第四步，从进程接收到速度模型数据，开始多线程并行计算，即根据所述平滑加权系数模板进行速度模型平滑处理；从进程完成计算任务后，发送计算结果给主进程，并接收主进程分配的数据；

第五步，主进程接收从进程的计算结果，写入结果文件，并判断数据是否计算完成，未完成，返回第三步继续处理，直到数据处理完毕；

第六步，数据计算完成，从进程释放多线程，主进程完成数据输出。