CN103412325A - 一种地震纵、横波波场分离与去噪的方法 - Google Patents
一种地震纵、横波波场分离与去噪的方法 Download PDFInfo
- Publication number
- CN103412325A CN103412325A CN2013103222714A CN201310322271A CN103412325A CN 103412325 A CN103412325 A CN 103412325A CN 2013103222714 A CN2013103222714 A CN 2013103222714A CN 201310322271 A CN201310322271 A CN 201310322271A CN 103412325 A CN103412325 A CN 103412325A
- Authority
- CN
- China
- Prior art keywords
- data
- singular value
- spectrum
- wave
- generate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明提供一种地震纵、横波波场分离与去噪的方法,包括:根据含M0道,每道N0个采样点的地震数据生成二维数组X1;将X1中的地震数据进行正常时差校正,生成校正数据L1;对L1进行奇异值分解,生成初始奇异值矩阵∑1;根据∑1的奇异值谱获取∑1的畸变位置;将畸变位置后的奇异值构成高通滤波奇异值矩阵∑3;奇异值分解∑3,生成高通滤波重构信号LHp;将LHp进行正常时差反校正处理,生成高通反校正数据X3;根据M0、N0对X3进行扩边处理,生成扩边矩阵X4;对X4进行二维傅里叶正变换得到f-k谱Y1;根据Y1提取目标信号的f-k谱,生成目标f-k谱Y2;对Y2进行二维傅里叶反变换,生成反变换数据X5;对X5进行缩边处理,生成缩边后数据X6;将X6转换为与采样点的地震数据相同的格式并输出。
Description
技术领域
本发明涉及地震数据处理技术领域,具体地,是涉及一种地震纵、横波波场分离与去噪方法。
背景技术
地震波场非常复杂,对于单一类型地震波激发,当遇到弹性界面以后,波场会发生转换,形成转换波,同时,地震数据采集时,外界各种干扰因素的影响和地震波自身的传播性质,均会带入许多规则和不规则的干扰信号,严重影响地质信息的提取。不同类型的地震信号在视速度、相干性、频率等属性上存在差异,不同类型的信号因这些属性上的差异而彼此分离,但有时候可能会有一部分信号在这些属性谱中重叠,此时,针对不同属性的单一一种波场分离与去噪方法并不能把所有的波场分离开。常用的分离方法,在有效信号和干扰信号的相干性差异较大的情况下,比较容易实现波场分离与去噪,但由于纵、横场相干性差异较小,此时进行地震纵、横波场的分离,往往效果不理想,而且有效信号容易受到破坏;若是利用地震波场之间的视速度和频率差异对地震波场进行分离,由于纵、横波波场往往在频率和视速度上存在重叠,此时,纵、横波分离时,有效信号容易受到破坏,容易出现假频,从而妨碍了对地质信息的提取。
发明内容
本发明实施例的主要目的在于提供一种地震纵、横波波场分离与去噪的方法,以解决现有技术中分离方法存在的不能有效去除干扰、有效信号损失严重等问题。
为了实现上述目的,本发明实施例提供一种地震纵、横波波场分离与去噪的方法,该方法包括:根据含有M0道,每道有N0个采样点的地震数据生成二维数组X1;依据纵波叠加速度和P-P反射波时距规律,将所述二维数组X1中的地震数据进行正常时差校正,生成校正数据L1;对所述校正数据L1进行奇异值分解,生成初始奇异值矩阵∑1;根据所述初始奇异值矩阵∑1的奇异值谱获取所述初始奇异值矩阵∑1的畸变位置;将所述畸变位置前的奇异值构成低通滤波奇异值矩阵∑2,将所述畸变位置后的奇异值构成高通滤波奇异值矩阵∑3;奇异值分解所述高通滤波奇异值矩阵∑3,生成高通滤波重构信号LHp;依据纵波叠加速度和P-P反射波时距规律,将所述高通滤波重构信号LHp进行正常时差反校正处理,生成高通反校正数据X3;根据所述M0、N0的数值判断是否需要对所述高通反校正数据X3进行扩边处理,如果是,对所述高通反校正数据X3进行扩边处理,生成扩边矩阵X4;对所述扩边矩阵X4进行二维傅里叶正变换得到f-k谱Y1;根据所述f-k谱Y1提取目标信号的f-k谱,生成目标f-k谱Y2;对所述目标f-k谱Y2进行二维傅里叶反变换,生成反变换数据X5;对所述反变换数据X5进行缩边处理,生成缩边后数据X6;将所述缩边后数据X6转换为与所述采样点的地震数据相同的格式并输出。
进一步地,在将所述畸变位置前的奇异值构成低通滤波奇异值矩阵∑2之后,所述方法还包括:奇异值分解所述低通滤波奇异值矩阵∑2,生成低通滤波重构信号LLp;依据纵波叠加速度和P-P反射波时距规律,将所述低通滤波重构信号LLp进行正常时差反校正处理,生成低通反校正数据X2;将所述反校正数据X2转换为与所述采样点的地震数据相同的格式并输出。
具体地,所述根据所述M0、N0的数值判断是否需要对X3进行扩边处理,包括:当所述M0、N0的数值为2的整数幂时,不需要对所述高通反校正数据X3进行扩边处理;当所述M0、N0的数值不是2的整数幂时,需要对所述高通反校正数据X3进行扩边处理。
进一步地,如果不需要对所述高通反校正数据X3进行扩边处理,所述方法还包括:对所述高通反校正数据X3进行二维傅里叶正变换得到f-k谱Y1;根据所述f-k谱Y1提取目标信号的f-k谱,生成目标f-k谱Y2;对所述目标f-k谱Y2进行二维傅里叶反变换,生成反变换数据X5;将所述反变换数据X5转换为与所述采样点的地震数据相同的格式并输出。
具体地,所述目标信号为P-S转换波或噪声信号。
本发明的有益效果在于:通过对地震纵、横波成分进行奇异值分解(SVD)与f-k滤波技术联合来实现波场分离与去噪的目的,克服了有效信号损失严重等缺陷,具有地震纵、横波分离彻底,噪声剔除较干净的特点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为根据本发明实施例的地震纵、横波波场分离与去噪的方法的流程图;
图2为根据本发明实施例的地震纵、横波波场分离与去噪的方法的另一流程图
图3为原始地震数据记录图;
图4为依据纵波叠加速度和P-P波时距规律进行正常时差校正后的地震记录图;
图5为正常时差校正后的奇异值和提取重构P-P波的奇异值图;
图6为提取的P-P波地震记录图;
图7为进行正常时差反校正后的低通滤波信号的地震记录图;
图8为进行正常时差反校正后的高通滤波信号的地震记录图;
图9为剔除P-P波的地震波场图;
图10为f-k原始谱图;
图11为提取目标信号的f-k谱图;
图12为提取的P-S波图;
图13为噪声的记录图。
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作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。
本发明实施例提供一种地震纵、横波波场分离与去噪的方法。以下结合附图对本发明进行详细说明。
实施例一
本发明实施例提供一种地震纵、横波波场分离与去噪的方法,图1为根据本发明实施例的地震纵、横波波场分离与去噪的方法的流程图,如图1所示,上述方法包括以下步骤:
步骤101:根据含有M0道,每道有N0个采样点的地震数据生成二维数组X1:
步骤102:依据纵波叠加速度和P-P反射波时距规律,将二维数组X1中的地震数据进行正常时差校正(NMO),生成校正数据L1;正常时差的确定方法为:
式中,Δt为P-P反射波正常时差,x为偏移距,t是偏移距为x的旅行时,t0为零炮检距情况下的旅行时,vP为纵波叠加速度;
经过正常时差校正得到的校正数据L1为:
步骤103:对校正数据L1进行奇异值分解,生成初始奇异值矩阵∑1;通过如下公式对L1进行奇异值分解:
式中,σ1,σ2…σm为L1的奇异值;
步骤104:根据初始奇异值矩阵∑1的奇异值谱获取初始奇异值矩阵∑1的畸变位置;在上述步骤103中,对初始奇异值矩阵∑1进行奇异值分解后,能够得到初始奇异值矩阵∑1的奇异值谱,根据奇异值谱确定初始奇异值矩阵∑1的畸变位置;
步骤105:将畸变位置前的奇异值构成低通滤波奇异值矩阵∑2,将畸变位置后的奇异值构成高通滤波奇异值矩阵∑3;
步骤106:奇异值分解高通滤波奇异值矩阵∑3,生成高通滤波重构信号LHp;
上述步骤104-106,是由确定的畸变位置分别进行高通滤波信号和低通滤波信号的重构,从而得到重构信号的过程,具体过程包括:
奇异值分解高通滤波:提取高通滤波奇异值矩阵∑3重构信号:
式中,LHp为奇异值分解高通滤波后重构的信号,上角T表示转置,j为奇异值序号,p为L1的秩,且1≤p<M0,M0为地震记录总道数,σj为L1的第j个奇异值,uj为的第j个特征向量,vj为的第j个特征向量。
其中,p的选择取决于奇异值的相对大小,具体是通过奇异值σj的下标j的函数曲线来确定,并根据奇异值谱中两奇异值发生明显畸变的特征来判断,如第3个与第4个奇异值之间发生明显畸变,并且要达到低通滤波效果,此时提取前3个奇异值重构信号(其余位置充0),得到低通滤波奇异值矩阵∑2:
如果要达到高通滤波效果,此时前3个奇异值充0后重构信号(其余位的值保留不变),得到高通滤波奇异值矩阵∑3:
然后将∑3带入上述(1)中的公式,即可得到高通滤波重构信号LHp。
步骤107:依据纵波叠加速度和P-P反射波时距规律,将上述高通滤波重构信号LHp进行正常时差反校正处理,生成高通反校正数据X3:
式中,为SVD高通滤波后地震数据,需要说明的是,此处各个地震数据的上标的3并非表示数据的三次方,而仅是为了区分作用所做的标识,以标识其是在X3中的数据。
正常时差的确定方法为:
式中,Δt为P-P反射波正常时差,x为偏移距,t是偏移距为x的旅行时,t0为零炮检距情况下的旅行时,vP为纵波叠加速度。
步骤108:根据步骤101中所述的M0、N0的数值判断是否需要对高通反校正数据X3进行扩边处理,如果是,对所述高通反校正数据X3进行扩边处理,生成扩边矩阵X4;
由于对X3进行扩边处理的目的是为了后续有效进行二维傅里叶变换,因此,判断X3是否需要进行扩边处理的标准是,判断M0、N0是否是2的整数幂,若M0、N0已是2的整数幂,则不需扩边处理,即M0=M,N0=N;如果M0、N0不是2的整数幂,则将其扩充成与其数值接近的2的整数幂。例如:如果M0=100,则扩展成M=128,如果N0=2000,则扩展成N=2048,对于扩边产生的多余的元素则用0填充。
步骤109:将扩边后的数据X4进行二维傅里叶正变换得到f-k谱Y1;二维离散傅里叶正变换为:
步骤110:对f-k谱Y1进行分析和处理,提取目标信号的f-k谱,得到Y2;
步骤111:对Y2进行二维傅里叶反变换得到反变换数据X5。
二维离散傅里叶反变换为:
步骤112:对反变换数据X5进行缩边处理,生成缩边后数据X6;
缩边处理即使与上述步骤108中的扩边处理相对应,将M、N缩成M0、N0,得到缩边后数据X6:
步骤113:将缩边后数据X6转换为与步骤101中的采样点的地震数据相同的格式并输出,当目标f-k谱Y2为P-S转换波的f-k谱时,则输出的缩边后数据X6为P-S转换波;当目标f-k谱Y2为噪声的f-k谱时,则输出的缩边后数据X6为噪声。
通过上述的地震纵、横波波场分离与去噪的方法实现了通过f-k变换对地震P-S转换波场进行分离与去噪的处理。
需要说明的是,上述步骤108~步骤113,是根据M0、N0判断需要对高通反校正数据X3进行扩边处理的情况,而当M0、N0均为2的整数幂时,则不需要对高通反校正数据X3进行扩边处理,则本发明的地震纵、横波波场分离与去噪的方法的步骤108~步骤113可以简化为:
步骤108’:对高通反校正数据X3进行二维傅里叶正变换得到f-k谱Y1;二维离散傅里叶正变换为:
式中,j=1,2,…,M;k=1,2,…,N;m=1,2,…,M;n=1,2,…,N。
步骤109’:对f-k谱Y1进行分析和处理,提取目标信号的f-k谱,得到Y2;
步骤110’:对Y2进行二维傅里叶反变换得到反变换数据X5;
二维离散傅里叶反变换为:
式中,j=1,2,…,M;k=1,2,…,N;m=1,2,…,M;n=1,2,…,N。
步骤111’:将反变换数据X5转换为与步骤101中的采样点的地震数据相同的格式并输出,当目标f-k谱Y2为P-S转换波的f-k谱时,则输出的缩边后数据X6为P-S转换波;当目标f-k谱Y2为噪声的f-k谱时,则输出的缩边后数据X6为噪声。
由此可见,当M0、N0均为2的整数幂时,由于不需要对高通反校正数据X3进行扩边处理,直接对高通反校正数据X3进行二维傅里叶正变换,并且省去了原步骤112的缩边处理,不需要再进行缩边处理而直接对反变换数据X5进行数据处理。具体的步骤应用则根据采集的地震数据的情况而定,本发明不限于此。
如背景技术中所述,针对地震波场中不同属性的单一一种波场分离与去噪方法不一定就能够把所有的波场分离开。对于上述f-k滤波方法来说,主要利用地震波场之间的视速度和频率差异,但纵、横波波场往往在频率和视速度上存在重叠,此时,纵、横波分离时,有效信号容易受到破坏,容易出现假频,从而妨碍了对地质信息的提取。
因此,如图2所示,在步骤105之后,本发明的地震纵、横波波场分离与去噪的方法,还包括:
步骤114:奇异值分解低通滤波奇异值矩阵∑2,生成低通滤波重构信号LLp;
上述步骤104、步骤105及步骤114,是根据确定的畸变位置进行低通滤波信号的重构,从而得到重构信号的过程,具体包括:
根据奇异值谱中的畸变位置,确定低通滤波信号的区分位置,从而得到低通滤波奇异值矩阵∑2:
奇异值分解低通滤波:提取低通滤波奇异值矩阵∑2重构信号:
即可得到低通滤波重构信号LLp。
步骤115:依据纵波叠加速度和P-P反射波时距规律,将所述低通滤波重构信号LLp进行正常时差反校正处理,生成低通反校正数据X2:
正常时差的确定方法为:
式中,Δt为P-P反射波正常时差,x为偏移距,t是偏移距为x的旅行时,t0为零炮检距情况下的旅行时,vP为纵波叠加速度;
步骤116:将反校正数据X2转换为与采样点的地震数据相同的格式并输出。
通过本发明的地震纵、横波波场分离与去噪的方法的步骤101-105及步骤114-步骤116,实现了将正常时差校正与奇异值分解(SVD)相结合,对地震P-P波进行分离与去噪处理的过程。
以下结合一具体示例,对本发明的地震纵、横波波场分离与去噪的方法进行详细说明。
以100道地震记录、采样点为2048(即M0=100,N0=2048)、采样率为0.2us的物理模型为例,本发明的地震纵、横波波场分离与去噪方法可以按照包括以下步骤:
第一步:将含有100道,每道有2048个采样点的地震数据读取到二维数组X1中,该地震数据的记录图如图3所示;
第二步:依据纵波叠加速度和P-P反射波时距规律,将原始地震数据X1进行正常时差校正,得到校正数据L1,该校正数据的地震记录图如图4所示;本发明纵波t0时间和对应的正常时差校正叠加速度参数如下表所示:
表一
第三步:对正常时差校正后的地震数据L1进行奇异值分解,生成初始奇异值矩阵∑1;
第四步:根据∑1的奇异值谱(如图5所示)对∑1进行处理,由图5可知,出现明显畸变的位置是在第10个奇异值处,因此,提取前10个奇异值生成低通滤波奇异值矩阵Σ2,并根据重构信号,得到低通滤波重构信号LLp,如图6所示;提取后90个奇异值(Σ3)重构信号,得到高通滤波重构信号LHp;
第五步:依据纵波叠加速度和P-P反射波时距规律,将低通滤波重构信号LLp进行正常时差反校正处理,得到低通反校正数据X2,图7示出了经过正常时差反校正处理后的低通滤波信号的地震记录图;将高通滤波重构信号LHp进行正常时差反校正处理,得到高通反校正数据X3,图8示出了经过正常时差反校正处理后的高通滤波信号的地震记录图;
第六步:将正常时差反校正后的数据X2按输入时的地震数据格式输出,便完成了正常时差校正(NMO)与奇异值分解(SVD)联合实现地震P-P波分离与去噪处理,剔除P-P波的地震记录图如图9所示。
通过上述步骤,实现了将正常时差校正与奇异值分解(SVD)相结合,对地震P-P波进行分离与去噪处理的过程。
针对高通滤波重构信号,本发明的地震纵、横波波场分离与去噪方法的具体处理步骤如下:
第七步:对高通反校正数据X3进行扩边处理,即将行数100扩展成128、将列数2048扩展成2048(由于2048已是2的整数幂,因此保持不变),对于扩边的数组元素用0填充,得到扩边矩阵X4;
第八步:将扩边矩阵X4进行二维傅里叶正变换得到f-k谱Y1,该f-k原始谱如图10所示;
第九步:对f-k谱Y1进行分析和处理,提取目标信号的f-k谱,得到目标f-k谱Y2(如图11所示),并对Y2进行二维傅里叶反变换得到反变换数据X5;
第十步:将反变换数据X5数组进行缩边处理,即将行数128缩减成100、将列数2048缩减成2048,得到缩边后数据X6;
第十一步:将缩边后数据X6按输入时的地震数据格式输出。如果Y2为P-S转换波的f-k谱则X6为P-S转换波(如图12所示);如果Y2为噪声的f-k谱,则X6为噪声(如图13所示)。通过上述步骤,实现了通过f-k变换对地震P-S转换波场进行分离与去噪的处理。
需要说明的是,上述示例中,是以100道地震记录、采样点为2048(即M0=100,N0=2048)的地震数据举例,属于需要对高通反校正数据X3进行扩边处理的情况,而例如当以128道地震记录、采样点为2048(即M0=128,N0=2048)的地震数据作为示例,此时,由于M0、N0均为2的整数幂,则不需要对高通反校正数据X3进行扩边处理,则本发明的地震纵、横波波场分离与去噪的方法的上述步骤第七步至第十一步可以简化为:
第(七)步:对高通反校正数据X3进行二维傅里叶正变换得到f-k谱Y1;
第(八)步:根据f-k谱Y1提取目标信号的f-k谱,生成目标f-k谱Y2;
第(九)步:对目标f-k谱Y2进行二维傅里叶反变换,生成反变换数据X5;
第(十)步:将反变换数据X5转换为与采样点的地震数据相同的格式并输出。
由此可见,当M0、N0均为2的整数幂时,由于不需要对高通反校正数据X3进行扩边处理,直接对高通反校正数据X3进行二维傅里叶正变换,并且省去了原步骤第十步的缩边处理,不需要再进行缩边处理。具体的步骤应用则根据采集的地震数据的情况而定,本发明不限于此。
综上所述,本发明通过对地震纵、横波成分进行奇异值分解(SVD)与f-k滤波技术联合来实现波场分离与去噪的目的,克服了有效信号损失严重等缺陷,具有地震纵、横波分离彻底,噪声剔除较干净的特点。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读取存储介质中,比如ROM/RAM、磁碟、光盘等。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种地震纵、横波波场分离与去噪的方法,其特征在于,所述方法包括:
根据含有M0道,每道有N0个采样点的地震数据生成二维数组X1;
依据纵波叠加速度和P-P反射波时距规律,将所述二维数组X1中的地震数据进行正常时差校正,生成校正数据L1;
对所述校正数据L1进行奇异值分解,生成初始奇异值矩阵∑1;
根据所述初始奇异值矩阵∑1的奇异值谱获取所述初始奇异值矩阵∑1的畸变位置;
将所述畸变位置前的奇异值构成低通滤波奇异值矩阵∑2,将所述畸变位置后的奇异值构成高通滤波奇异值矩阵∑3;
奇异值分解所述高通滤波奇异值矩阵∑3,生成高通滤波重构信号LHp;
依据纵波叠加速度和P-P反射波时距规律,将所述高通滤波重构信号LHp进行正常时差反校正处理,生成高通反校正数据X3;
根据所述M0、N0的数值判断是否需要对所述高通反校正数据X3进行扩边处理,如果是,对所述高通反校正数据X3进行扩边处理,生成扩边矩阵X4;
对所述扩边矩阵X4进行二维傅里叶正变换得到f-k谱Y1;
根据所述f-k谱Y1提取目标信号的f-k谱,生成目标f-k谱Y2;
对所述目标f-k谱Y2进行二维傅里叶反变换,生成反变换数据X5;
对所述反变换数据X5进行缩边处理,生成缩边后数据X6;
将所述缩边后数据X6转换为与所述采样点的地震数据相同的格式并输出。
2.根据权利要求1所述的地震纵、横波波场分离与去噪的方法,其特征在于,在将所述畸变位置前的奇异值构成低通滤波奇异值矩阵∑2之后,所述方法还包括:
奇异值分解所述低通滤波奇异值矩阵∑2,生成低通滤波重构信号LLp;
依据纵波叠加速度和P-P反射波时距规律,将所述低通滤波重构信号LLp进行正常时差反校正处理,生成低通反校正数据X2;
将所述反校正数据X2转换为与所述采样点的地震数据相同的格式并输出。
3.根据权利要求1或2所述的地震纵、横波波场分离与去噪的方法,其特征在于,所述根据所述M0、N0的数值判断是否需要对X3进行扩边处理,包括:
当所述M0、N0的数值为2的整数幂时,不需要对所述高通反校正数据X3进行扩边处理;
当所述M0、N0的数值不是2的整数幂时,需要对所述高通反校正数据X3进行扩边处理。
4.根据权利要求3所述的地震纵、横波波场分离与去噪的方法,其特征在于,如果不需要对所述高通反校正数据X3进行扩边处理,所述方法还包括:
对所述高通反校正数据X3进行二维傅里叶正变换得到f-k谱Y1;
根据所述f-k谱Y1提取目标信号的f-k谱,生成目标f-k谱Y2;
对所述目标f-k谱Y2进行二维傅里叶反变换,生成反变换数据X5;
将所述反变换数据X5转换为与所述采样点的地震数据相同的格式并输出。
5.根据权利要求4所述的地震纵、横波波场分离与去噪的方法,其特征在于,所述目标信号为P-S转换波或噪声信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310322271.4A CN103412325B (zh) | 2013-07-29 | 2013-07-29 | 一种地震纵、横波波场分离与去噪的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310322271.4A CN103412325B (zh) | 2013-07-29 | 2013-07-29 | 一种地震纵、横波波场分离与去噪的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103412325A true CN103412325A (zh) | 2013-11-27 |
CN103412325B CN103412325B (zh) | 2015-11-18 |
Family
ID=49605352
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310322271.4A Active CN103412325B (zh) | 2013-07-29 | 2013-07-29 | 一种地震纵、横波波场分离与去噪的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103412325B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104360393A (zh) * | 2014-10-20 | 2015-02-18 | 李闯 | 一种地震数据重建方法 |
CN108845354A (zh) * | 2018-09-26 | 2018-11-20 | 西安石油大学 | 一种中值阻滤波分离地震绕射波的方法 |
CN109521471A (zh) * | 2017-09-18 | 2019-03-26 | 中国石油化工股份有限公司 | 用于分离纵横波场的数据变换方法及系统 |
CN110101407A (zh) * | 2019-04-16 | 2019-08-09 | 华南师范大学 | 一种胎心音去噪方法、系统、装置及存储介质 |
CN110895345A (zh) * | 2019-11-19 | 2020-03-20 | 西安石油大学 | 一种叠后svd滤波分离地震绕射波的方法 |
CN110895346A (zh) * | 2019-11-19 | 2020-03-20 | 西安石油大学 | 一种共偏移距域svd滤波分离地震绕射波的方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0148076A2 (en) * | 1983-12-30 | 1985-07-10 | Schlumberger Limited | Compressional/shear wave separation in seismic profiling |
US4766574A (en) * | 1987-03-31 | 1988-08-23 | Amoco Corporation | Method for depth imaging multicomponent seismic data |
US4870580A (en) * | 1983-12-30 | 1989-09-26 | Schlumberger Technology Corporation | Compressional/shear wave separation in vertical seismic profiling |
CN101893719A (zh) * | 2010-04-16 | 2010-11-24 | 西安石油大学 | 一种地震纵横波波场分离与去噪方法 |
WO2012129277A2 (en) * | 2011-03-21 | 2012-09-27 | Geokinetics Acquisition Company | Method to separate compressional and shear waves during seismic monitoring by utilizing linear and rotational multi-component sensors in arrays of shallow monitoring wells |
-
2013
- 2013-07-29 CN CN201310322271.4A patent/CN103412325B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0148076A2 (en) * | 1983-12-30 | 1985-07-10 | Schlumberger Limited | Compressional/shear wave separation in seismic profiling |
US4870580A (en) * | 1983-12-30 | 1989-09-26 | Schlumberger Technology Corporation | Compressional/shear wave separation in vertical seismic profiling |
US4766574A (en) * | 1987-03-31 | 1988-08-23 | Amoco Corporation | Method for depth imaging multicomponent seismic data |
CN101893719A (zh) * | 2010-04-16 | 2010-11-24 | 西安石油大学 | 一种地震纵横波波场分离与去噪方法 |
WO2012129277A2 (en) * | 2011-03-21 | 2012-09-27 | Geokinetics Acquisition Company | Method to separate compressional and shear waves during seismic monitoring by utilizing linear and rotational multi-component sensors in arrays of shallow monitoring wells |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104360393A (zh) * | 2014-10-20 | 2015-02-18 | 李闯 | 一种地震数据重建方法 |
CN109521471A (zh) * | 2017-09-18 | 2019-03-26 | 中国石油化工股份有限公司 | 用于分离纵横波场的数据变换方法及系统 |
CN108845354A (zh) * | 2018-09-26 | 2018-11-20 | 西安石油大学 | 一种中值阻滤波分离地震绕射波的方法 |
CN110101407A (zh) * | 2019-04-16 | 2019-08-09 | 华南师范大学 | 一种胎心音去噪方法、系统、装置及存储介质 |
CN110101407B (zh) * | 2019-04-16 | 2021-09-07 | 华南师范大学 | 一种胎心音去噪方法、系统、装置及存储介质 |
CN110895345A (zh) * | 2019-11-19 | 2020-03-20 | 西安石油大学 | 一种叠后svd滤波分离地震绕射波的方法 |
CN110895346A (zh) * | 2019-11-19 | 2020-03-20 | 西安石油大学 | 一种共偏移距域svd滤波分离地震绕射波的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103412325B (zh) | 2015-11-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103412325B (zh) | 一种地震纵、横波波场分离与去噪的方法 | |
CN102193107B (zh) | 一种地震波场分离与去噪方法 | |
CN101893719B (zh) | 一种地震纵横波波场分离与去噪方法 | |
CN103869364B (zh) | 一种基于双项抛物拉东变换的多次波压制方法 | |
CN109164483A (zh) | 多分量地震数据矢量去噪方法及多分量地震数据矢量去噪装置 | |
CN109307890A (zh) | 基于上下行波场分解的逆时偏移方法及系统 | |
CN103630932B (zh) | 一种地震数据分形保幅方法 | |
AU2012266874A1 (en) | System and method for seismic data inversion | |
CN104614769B (zh) | 一种压制地震面波的聚束滤波方法 | |
CN107255831A (zh) | 一种叠前频散属性的提取方法 | |
CN104932010A (zh) | 一种基于近道镶边稀疏Radon变换的绕射波分离方法 | |
CN103064115A (zh) | 一种射线参数域纵波与转换波匹配方法 | |
CN103926623A (zh) | 一种压制逆时偏移低频噪音的方法 | |
CN105911585A (zh) | 一种地震记录规则干扰波的提取方法及装置 | |
CN107179550A (zh) | 一种数据驱动的地震信号零相位反褶积方法 | |
CN104483704A (zh) | 基于avo异常类型约束的剩余相位校正方法 | |
Diao et al. | Rapid kinematic finite-fault inversion for an M w 7+ scenario earthquake in the Marmara Sea: an uncertainty study | |
CN102338886A (zh) | 一种有效衰减三分量地震记录中面波的极化滤波方法 | |
CN109307889A (zh) | 基于时空变系数加权的优化叠加方法及系统 | |
CN105510975A (zh) | 提高地震数据信噪比的方法及装置 | |
CN103901469B (zh) | 地震数据的恢复方法 | |
Hu et al. | Wavefield reconstruction of teleseismic receiver function with the stretching‐and‐squeezing interpolation method | |
CN103543467B (zh) | 地震弱信号增强处理方法 | |
CN105353409A (zh) | 一种用于抑制全波形反演震源编码串扰噪音的方法和系统 | |
Fonsêca et al. | Intraplate earthquakes in the Potiguar Basin, Brazil: evidence for superposition of local and regional stresses and implications for moderate-size earthquake occurrence |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |