发明内容
针对传统的二维地震资料表面多次波预测方法的不足之处,本发明提供了一种地震勘探中的数据波形处理方法,该方法为基于图形处理器计算三维表面多次波预测方法。
本发明通过以下技术方案实现:
一种地震勘探中的数据波形处理方法,其具体为基于图形处理器利用反馈迭代法计算三维表面多次波预测方法,其采用以下步骤:
1)使用海上专用的电缆和检波器,在观测船航行中连续进行地震波的激发和接收,采集含有自由表面多次波的三维地震数据;
2)对采集到的三维地震数据,采用Radon变换的方法实现地震数据规则化,使得规则化后地震数据的炮间距与道间距相等,进而得到规则化后的时空域数据,为反馈迭代法计算准备地震数据;
3)利用傅里叶变换将规则化后的时空域数据变换到频率空间域;
4)循环读取各个频率分量上的数据,在每个频率分量上形成数据矩阵:
假定在x方向放置Nx个检波器,在y方向放置Ny个检波器,则每炮数据有NxNy个检波器接收,即每一炮会产生NxNy道记录,假定在此矩形区域的NxNy个位置都放炮,每个网格点做一次震源位置,每炮记录在NxNy个检波器上接收到的信号被记录下来,结果会得到NxNyNxNy道数据,就是(NxNy)2道数据;将所有地震数据道变换到频域后,可在每个频率分量上构建数据矩阵,每个数据矩阵将包含单频分量上的全3D采集信息;在每个震源位置都做上述构建数据矩阵的重复,结果得到大小为NxNy的方阵;所形成的数据矩阵中,矩阵的每列为3D共炮点道集,每行为3D共接收点道集;
5)在每个频率分量上对数据矩阵做乘法运算:
在每个频率分量上,应用步骤4)形成的数据矩阵完成矩阵的自乘运算,使用矩阵乘法表述来表示x和y方向二维空间褶积;
6)将预测的多次波数据进行反傅里叶变换到时空域;
上述步骤5)在图形处理器中进行。
其中,反馈迭代法预测多次波的过程是地震数据与地震数据本身在时空域的褶积。
进一步地,针对三维地震数据模型,采用反馈迭代法预测多次波(SRME),其预测自由表面多次波的方程可表示为:
式中:
是第i次迭代预测的多次波,
是i-1次迭代后估计的有效波,P是含多次波的总波场。
优选地,步骤(2)中采用Radon变换的方法实现地震数据规则化具体步骤为:
对任一CMP道集,Radon变换的最小二乘正变换公式为
(LHSTSL+λI)M=LHSTSD
式中S为对角阵,I单位阵,M和D分别是模型空间和数据空间的向量,该式实现了地震数据从数据空间到模型空间的变换;
上式中,左端矩阵(LHSTSL+λI)元素可表示为
式中n为CMP道集中的地震道数,xl为各道的偏移距,sl为各道的权系数,Ijk为单位矩阵的各元素;
与Radon变换的最小二乘正变换公式相应的Radon域采样公式为:
其中,xmax是最大偏移距,xmin是最小偏移距,是原始地震数据做x平方拉伸后沿x2轴的最大间隔;均匀采样情况,
对每个频率成分完成上述步骤后,再按下式进行Radon反变换,即:
D=LM
可实现地震数据规则化。
另外地,步骤(4)中在每个频率分量上形成数据矩阵具有如图9所示的表达形式,其中Nx和Ny分别是三维数据体的主测线和联络测线数。
假定在此矩形区域的NxNy个位置都放炮,每个网格点做一次震源位置,每炮记录在NxNy个检波器上接收到的信号被记录下来,结果会得到(NxNy)2道数据。所有地震数据道变换到频域后,可在每个频率分量上构建数据矩阵,每个数据矩阵将包含单频分量上的全3D采集信息,在每个震源位置都做这样的重复,结果得到大小为NxNy的方阵。用这样的矩阵表示,矩阵的每列为3D共炮点道集,每行为3D共接收点道集。
优选地,步骤(5)中在每个频率分量上对数据矩阵做乘法,利用统一计算设备架构平台CUDA的函数matrix_mul实现。
进一步地,应用CUDA编程语言实现GPU通用计算,其具体的步骤和方法是,在首个低频频率分量上,将数据矩阵由CPU传送到GPU上,在GPU上完成数据矩阵的乘法运算,再将数据矩阵的乘积结果传送回CPU上,完成此频率分量的多次波预测,对其他的频率分量,依次执行此操作,可将所有频率分量上的矩阵乘法执行完毕,从而完成表面多次波预测。
有益效果
本发明所述的全三维地震资料表面多次波预测方法,考虑了地震射线在地下介质中传播的可能射线路径,符合地下介质对地震波反射的真实情况,预测的表面多次波更为真实、可靠。与滤波法比较,基于波动方程的表面多次波预测方法是数据直接生成多次波的方法,利用空间褶积预测多次波,而不经过速度模型等参数模型的估计,可处理复杂地下介质勘探的三维地震资料,由于其适合横向变速,并可作为预测和消除长程层间多次波的基础,得到广泛的研究。为了在更广泛应用时便于理解,SRME就特指利用空间褶积进行多次波预测的方法。而基于信号处理的滤波法仅对简单介质或中等复杂介质的表面多次波处理有效,无法适应“低、深、难、隐”的复杂勘探目标的地震勘探资料。
基于波动方程的表面多次波预测方法,其本质思想来源于数据矩阵和反馈模型,该方法为完全数据驱动的方法,不需要地下介质的先验信息,可应用于复杂地下构造的多次波预测。但是预测过程中,尤其在三维表面多次波预测中,涉及的大量空间褶积运算,使得预测效率较低。图形处理器(GPU)在科学计算方面呈现的高速度和高性能的特点,以及其较高的并行计算效率,为提高SRME方法表面多次波预测效率提供了新的契机,GPU本身具有可编程性,具有强大的浮点运算能力,可同时执行成百上千个进程,其并行度远远超过CPU串行执行程序的能力。因此GPU更加适用于高并行性和高密集度的数值计算,GPU以CUDA(统一计算设备架构)为编程平台,CUDA编程语言是针对通用计算GPU的C语言环境,应用CUDA编程可方便地实现GPU通用计算。利用GPU和CPU协同并行预测表面多次波,可极大地提高计算效率,对基于波动方程的三维表面多次波预测技术的应用有重要意义。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明中,一种地震勘探中的数据波形处理方法具体为基于图形处理器利用反馈迭代法计算三维表面多次波预测方法,其采用以下步骤:
1)使用海上专用的电缆和检波器,在观测船航行中连续进行地震波的激发和接收,采集含有自由表面多次波的三维地震数据;
2)对采集到的三维地震数据,采用Radon变换的方法实现地震数据规则化,使得规则化后地震数据的炮间距与道间距相等,进而得到规则化后的时空域数据,为反馈迭代法计算准备地震数据;
3)利用傅里叶变换将规则化后的时空域数据变换到频率空间域;
4)循环读取各个频率分量上的数据,在每个频率分量上形成数据矩阵:
假定在x方向放置Nx个检波器,在y方向放置Ny个检波器,则每炮数据有NxNy个检波器接收,即每一炮会产生NxNy道记录,假定在此矩形区域的NxNy个位置都放炮,每个网格点做一次震源位置,每炮记录在NxNy个检波器上接收到的信号被记录下来,结果会得到NxNyNxNy道数据,就是(NxNy)2道数据;将所有地震数据道变换到频域后,可在每个频率分量上构建数据矩阵,每个数据矩阵将包含单频分量上的全3D采集信息;在每个震源位置都做上述构建数据矩阵的重复,结果得到大小为NxNy的方阵;所形成的数据矩阵中,矩阵的每列为3D共炮点道集,每行为3D共接收点道集;
5)在每个频率分量上对数据矩阵做乘法运算:
在每个频率分量上,应用步骤4)形成的数据矩阵完成矩阵的自乘运算,使用矩阵乘法表述来表示x和y方向二维空间褶积;
6)将预测的多次波数据进行反傅里叶变换到时空域;
上述步骤5)在图形处理器中进行。
其中,反馈迭代法预测多次波的过程是地震数据与地震数据本身在时空域的褶积。
进一步地,针对三维地震数据模型,采用反馈迭代法预测多次波(SRME),其预测自由表面多次波的方程可表示为:
式中:
是第i次迭代预测的多次波,
是i-1次迭代后估计的有效波,P是含多次波的总波场。
步骤(2)中采用Radon变换的方法实现地震数据规则化具体步骤为:
对任一CMP道集,Radon变换的最小二乘正变换公式为
(LHSTSL+λI)M=LHSTSD
式中S为对角阵,I单位阵,M和D分别是模型空间和数据空间的向量,该式实现了地震数据从数据空间到模型空间的变换;
上式中,左端矩阵(LHSTSL+λI)元素可表示为
式中n为CMP道集中的地震道数,xl为各道的偏移距,sl为各道的权系数,Ijk为单位矩阵的各元素;
与Radon变换的最小二乘正变换公式相应的Radon域采样公式为:
其中,x
max是最大偏移距,x
min是最小偏移距,
是原始地震数据做x平方拉伸后沿x
2轴的最大间隔;均匀采样情况,
对每个频率成分完成上述步骤后,再按下式进行Radon反变换,即:
D=LM
可实现地震数据规则化。
另外地,步骤(4)中在每个频率分量上形成数据矩阵具有如图9的表达形式,其中Nx和Ny分别是三维数据体的主测线和联络测线数。
假定在此矩形区域的NxNy个位置都放炮,每个网格点做一次震源位置,每炮记录在NxNy个检波器上接收到的信号被记录下来,结果会得到(NxNy)2道数据。所有地震数据道变换到频域后,可在每个频率分量上构建数据矩阵,每个数据矩阵将包含单频分量上的全3D采集信息,在每个震源位置都做这样的重复,结果得到大小为NxNy的方阵。用这样的矩阵表示,矩阵的每列为3D共炮点道集,每行为3D共接收点道集。
步骤(5)中在每个频率分量上对数据矩阵做乘法,利用统一计算设备架构平台CUDA的函数matrix_mul实现。
进一步地,应用CUDA编程语言实现GPU通用计算,其具体的步骤和方法是,在首个低频频率分量上,将数据矩阵由CPU传送到GPU上,在GPU上完成数据矩阵的乘法运算,再将数据矩阵的乘积结果传送回CPU上,完成此频率分量的多次波预测,对其他的频率分量,依次执行此操作,可将所有频率分量上的矩阵乘法执行完毕,从而完成表面多次波预测。
本发明基于以下客观事实:
1)表面多次波通常存在于海洋地震数据中,在海域激发震源,同时进行三维地震数据的采集,采集过程中,在经济限制允许的情况下,尽可能地增加拖缆的条数,以减小后续数据规则化的压力。
2)对实际采集到的三维地震数据,联络测线较稀疏,因此无法直接应用全三维表面多次波预测算法,需要结合实用的地震数据重建技术对原始地震数据进行规则化重建。本发明采用Radon变换的方法实现地震数据重建和规则化处理;
所述的地震数据重建和规则化处理是重建全波场数据,使炮间距与道间距相等;
3)基于波动方程的反馈迭代法预测表面多次波是通过在频域的每个频率分量上进行空间褶积运算完成的,为此,将规则化处理后的时空域数据经Fourier变换到频率空间域;
4)在每个频率分量上形成全三维基于波动方程的SRME方法所要求的数据矩阵,使得矩阵的每行为3D地震数据的共接收点道集,每列为3D地震数据的共炮点道集,此矩阵包含了当前频率分量上的地震数据的单频信息,数据矩阵的正确表示和构建,是正确多次波预测的重要前提和保障;
5)在每个频率分量上对所形成的数据矩阵由CPU传到GPU上,并在GPU上完成乘法运算;
所述的数据矩阵的乘法运算,充分利用了图形处理器(Graphic Processing Unit,GPU)在矩阵乘法方面的运算优势,大幅度地提高算法的计算效率,使得全三维表面多次波预测算法在实际应用成为一种计算速度快、成本低、可应用的技术方案。
所述的数据矩阵乘法运算利用CUDA(统一计算设备架构)为编程平台,其主要思路是利用CUDA语言加速计算三维表面多次波预测算法,突破以往算法在计算量方面的瓶颈。
将预测的多次波数据进行反傅里叶变换到时空域;
6)将加速计算预测的多次波数据,由GPU传到CPU,并在CPU上进行反傅里叶变换计算,得到预测的时空域地震数据;
在上述4)中,在每个频率分量上形成数据矩阵,假定采集是在x-y平面上一矩形区域均匀网格内进行的,在x方向放置Nx个检波器,在y方向放置Ny个检波器,则每一炮会产生NxNy道记录,假定在此矩形区域的NxNy个位置都放炮,在每个网格点上都做一次炮位置,即有NxNy个炮记录,对每炮记录,有NxNy道记录能被测量到,结果会得到(NxNy)2道数据。同2D方法一样,将数据变换到频域后,可在每个频率分量上构建数据矩阵,每个数据矩阵将包含单频分量上的全3D采集。
在本发明中,充分利用了GPU近年发展起来的在科学计算方面高速度和高性能的特点,应用CUDA编程语言,实现表面多次波预测的并行计算。GPU的使用可达到优异的加速比并获得较高的并行计算效率。由于GPU具有并行的计算优势,在GPU上实现矩阵相乘以加速运算,提高多次波预测的速度。而多次波压制的其他运算由CPU顺序执行。利用GPU和CPU(CPPC)协同并行计算预测表面多次波。具体来说,协同并行计算就是由CPU负责执行顺序型的代码,而将密集运算的矩阵乘法转移到GPU上进行并行计算。由于GPU的强大运算能力,该方法可在较短的时间内,解决大数据体多次波预测的问题。本发明可节省大量的计算时间。
在5)中,调用统一计算设备架构平台CUDA的函数库matrix_mul计算频率空间域的数据矩阵乘法运算。
本发明的实际应用效率与具体的图形处理器硬件相关,在一定范围内,图形处理器所拥有的流处理器越多、速度越快、速度提升的效果将越好。下面结合附图进一步进行说明:
本发明利用基于图形处理器的三维表面多次波预测的方法对由图3所示速度模型正演的三维水平层状介质表面多次波数据预测多次波,其中图6某点放炮模拟的地震数据;图7全3D算法预测的多次波;图8借助于某多次波相减算法获得的多次波压制结果。
参考附图1,地下介质的真实结构为三维,因此不同地层之间的分界面具有三维结构,这表明在分界面上产生的一次波和多次波具有三维的传播和反射效应。当考虑一阶表面多次波时,自由表面的反射点可能位于自由表面的任何位置,与产生多次波反射面的形状有关。考虑相对较为简单的情况,假定反射面在cross-line方向具有倾角,图1所示为一阶多次波的射线路径图,可观察到表面的反射点并没有位于连接炮点和检波点的直线上,而是沿着倾角方向在横向上有移动。
参考附图2,全三维多次波预测算法描述了地震数据空间2D褶积过程。这个过程也要求在联络测线和主测线方向震源和检波器需要有同样密度的采样,即炮间距等于道间距。图2所示的观测系统中,若灰色的圈代表检波点位置,那么在每个检波点位置都要放置震源,图中仅用三个震源示意。
参考附图3,3D水平层状介质表面多次波正演数据的速度模型,通过这个模型来测试本发明的适用性与高效性。
参考附图4,公开了本发明基于图形处理器的三维表面多次波预测方法的流程图,图4中用设备一词指代图形处理器。包括下述步骤:(1)使用海上专用的电缆和检波器,在观测船航行中连续进行地震波的激发和接收,采集含自由表面多次波的三维地震数据;(2)对采集到的三维地震数据,采用Radon变换的方法实现地震数据规则化,使得规则化后地震数据的炮间距与道间距相等;(3)将时空域数据变换到频率空间域;(4)在每个频率分量上形成数据矩阵;(5)在每个频率分量上对数据矩阵做乘法运算;(6)将预测的多次波数据进行反傅里叶变换到时空域;上述步骤(5)在图形处理器中进行。
参考附图5,为本发明基于图形处理器分块计算矩阵乘法。假定计算维度分别为(WA,HA)和(WB,WA)的矩阵A和矩阵B的乘积C,则每个线程块均负责计算C的一个子方阵Csub,块内每个线程负责计算Csub的一个元素。
参考附图6所示,利用本发明对图3所示三维水平层状介质进行含表面多次波波场正演模拟的模型数据,该图为理论模拟的某炮数据56条测线的含一阶表面多次波的地震记录,其中0.55s和0.8s附近为一次波能量,1.0s和1.3s附近为多次波能量。有效的多次波预测方法可以正确地预测1.0s和1.3s附近为多次波。
参考附图7所示,利用本发明对6所示的多次波模型数据进行全三维多次波预测的结果,目前,SRME仍主要局限于2D算法。在地震数据处理中,经常利用2D算法预测表面多次波,然而,在许多情况下,对地下介质和观测系统所做的2D假设在某种程度上是无效的,使得预测的多次波出现了很大的误差,难以在自适应相减中有效地减去。
参考附图8所示,三维含多次波数据的压制效果。为了验证本发明的多次波预测效果,采用伪多道自适应匹配相减的方法,将预测的多次波从含多次波的总波场中减去,可获得理想的多次波压制效果。
显然上述实施例仅为清楚的说明本发明所做的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上,还可以做出其他不同形式的变化或变动,这里无需也无法对所有实施方式予以穷举。由此所引申的显而易见的变化或变动仍处于本发明创造的保护范围之中。