CN103492910B - 时域中的同步小波提取和反卷积 - Google Patents
时域中的同步小波提取和反卷积 Download PDFInfo
- Publication number
- CN103492910B CN103492910B CN201280015141.XA CN201280015141A CN103492910B CN 103492910 B CN103492910 B CN 103492910B CN 201280015141 A CN201280015141 A CN 201280015141A CN 103492910 B CN103492910 B CN 103492910B
- Authority
- CN
- China
- Prior art keywords
- small echo
- data
- deconvolution
- mark
- amplitude
- 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.)
- Expired - Fee Related
Links
- 239000000284 extract Substances 0.000 title abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 84
- 230000008569 process Effects 0.000 claims abstract description 40
- 238000012545 processing Methods 0.000 claims abstract description 18
- 239000002131 composite material Substances 0.000 claims description 21
- 230000015572 biosynthetic process Effects 0.000 claims description 20
- 238000001228 spectrum Methods 0.000 claims description 16
- 238000003786 synthesis reaction Methods 0.000 claims description 15
- 238000005070 sampling Methods 0.000 claims description 13
- 238000013500 data storage Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 2
- 238000000605 extraction Methods 0.000 abstract description 8
- 238000002310 reflectometry Methods 0.000 abstract description 5
- 238000003908 quality control method Methods 0.000 abstract description 2
- 238000013508 migration Methods 0.000 description 13
- 230000005012 migration Effects 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 11
- 238000001914 filtration Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000009826 distribution Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 238000003860 storage Methods 0.000 description 6
- 230000001360 synchronised effect Effects 0.000 description 5
- 238000002592 echocardiography Methods 0.000 description 4
- 238000000342 Monte Carlo simulation Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000010189 synthetic method Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/36—Effecting static or dynamic corrections on records, e.g. correcting spread; Correlating seismic signals; Eliminating effects of unwanted energy
- G01V1/364—Seismic filtering
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/20—Trace signal pre-filtering to select, remove or transform specific events or signal components, i.e. trace-in/trace-out
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
对地震数据执行盲式小波提取和反卷积从而使其能够实际应用于地震处理,并对在来自井的数据不可用的区域中获得的数据提供质量控制。小波提取和反卷积是通过利用对小波的实际性质的最少先验知识来迭代、生成混合相位小波来实现的。作为该处理的结果,同时获得了反卷积后的地震反射率。
Description
技术领域
本发明涉及地震数据处理,特别是地震数据处理过程中的小波提取和反卷积。
背景技术
反射地震学是如下的一种处理,该处理将由于地层中的声阻抗的变化而引起的反射能量记录为用于分析的地震数据,声阻抗的变化源于关注的地下岩层或结构的位置和存在。反射能量源于关注位置上的小波形式的短时声波向地层中的传播。对于该小波的响应,实际上是该小波和地层的垂直反射率的联合乘积或卷积。为了增加数据的清晰度并在其解释中提供增强的能力,习惯作法是使用被称为反卷积的处理技术对数据进行处理。反卷积涉及去除小波对记录数据的影响。
由于多种原因,发送到地层中的实际小波的实际性质或特征不能被精确确定。考虑到该问题,尝试使用了两种方法。第一种方法假定小波是被称为零相位或最小相位小波的理想形式。在地震处理中,如果仅存在地震数据,为了获得小波并进行反卷积,通常假定零相位或最小相位,接着变换小波并实施反卷积。传统的小波提取和反卷积需要零相位或最小相位假设,并在频域中进行两步的处理。但是,实际上真实的小波既不是零相位也不是最小相位。
第二个方法称为盲式反卷积法,其中根据经验、现场数据等对小波的形式的统计估计值进行假设。已经提出了若干形式的盲式反卷积法,其中使用的一个被称为马尔科夫链蒙特卡洛(Markov Chain Monte Carlo)(或MCMC)方法。最近,在研究中MCMC被集中用于解决更高阶的统计功能,从而获得同时具有相位和反射率的小波。但是,MCMC方法作为同时对小波进行估计和反卷积的盲式方案具有二义性问题,以及其它阻碍该算法实际应用在地震处理中的实践限制。马尔科夫链蒙特卡洛方法看来能同时解决小波和反卷积。但是,存在一些挑战阻碍该算法实际应用于地震行业。首先是需要最大能量位置,但是这种位置通常是未知的。其次,提取的小波具有的频率大多在地震输入频率波段之外。第三,由从一个记录迹(tface)到另一个记录迹的操作产生的反卷积结果有时会打断和弱化地震波,这是由于从多通道记录迹提取了多个小波的缘故。
因此,使用MCMC方法的盲式反卷积法已经成为近年来的研究课题。不像频域中的传统能谱方法在小波提取和反卷积中所进行的那样,MCMC方法将反卷积处理作为参量估计问题,从而通过时域中的多重取样以不同静态分布来模拟反射率、小波和噪声。在足够的重复取样后,小波和反射率已经趋向于收敛于实际地质模型。
目前众所周知的是,盲式反卷积法的MCMC方法在参数估计前己做出了某些假设,随后对实施应用贝叶斯方法。假定反射率序列是随机的(白噪声)并且易于通过己知的Bernoulli-Gaussian过程进行统计上的模拟。另一个假定是可通过多元Gaussian函数对小波进行表示。另一个假定是所出现的任何噪声都是不相关的,并因此可通过具有零均值(即,倒伽玛)分布的独立同分布的Gaussian函数来进行模拟。
发明内容
简单地说,本发明提供了一种新的和改良的用于处理地震数据的计算机实现的方法,该地震数据为地震记录迹的形式,其从对地球的地下部分的反射地震勘测中获得,用于对关注的地下特性进行分析,该计算机实现的方法包括步骤:根据地震勘测数据形成假定小波;根据地震勘测数据解析出小波中最大能量的出现时间;根据地震勘测数据中的记录迹针对假定小波形成标准化能量振幅;根据地震勘测数据中的记录迹的集合来形成所解析出的出现时间处的合成记录迹以及标准化振幅;基于合成记录迹对假定小波应用时间滤波器,从而形成具有位于地震频率波段内的主频率的合成反卷积小波;以及通过对地震数据应用合成反卷积小波来执行反卷积操作。
本发明还提供了一种新的和改良的用于处理地震数据的数据处理系统,该地震数据为地震记录迹的形式,其从对地球的地下部分的反射地震勘测中获得,用于对关注的地下特性进行分析,该数据处理系统包括:处理器,其执行以下步骤:根据地震勘测数据形成假定小波;根据地震勘测数据解析出小波中最大能量的出现时间;根据地震勘测数据中的记录迹针对假定小波形成标准化能量振幅;根据地震勘测数据中的记录迹的集合来形成所解析出的出现时间处的合成记录迹以及标准化振幅;基于合成记录迹对假定小波应用时间滤波器,从而形成具有位于地震频率波段内的主频率的合成反卷积小波;以及通过对地震数据应用合成反卷积小波来执行反卷积操作。
本发明还提供了一种新的和改良的数据存储设备,其具有存储在计算机可读介质中的计算机可操作指令,该指令用于使数据处理系统对地震数据进行处理,该地震数据为地震记录迹的形式,其从对地球的地下部分的反射地震勘测中获得,用于对关注的地下特性进行分析,存储在数据存储设备中的指令使数据处理系统执行如下步骤:根据地震勘测数据形成假定小波;根据地震勘测数据解析出小波中最大能量的出现时间;根据地震勘测数据中的记录迹针对假定小波形成标准化能量振幅;根据地震勘测数据中的记录迹的集合来形成所解析出的出现时间处的合成记录迹以及标准化振幅;基于合成记录迹对假定小波应用时间滤波器,从而形成具有位于地震频率波段内的主频率的合成反卷积小波;以及通过对地震数据应用合成反卷积小波来执行反卷积操作。
附图说明
图1为对勘探地下碳氢化合物储量中的地震数据进行处理的传统顺序的简化的功能框图或流程图。
图2为根据本发明的时域中同步的小波提取和反卷积的顺序的功能框图或流程图。
图3为图2的简图中的一部分的更详细的功能框图。
图4为图2的简图中的一部分的更详细的功能框图。
图5为图2的简图中的一部分的更详细的功能框图。
图6为图2的简图中的一部分的更详细的功能框图。
图7为用于根据本发明的时域中同步的小波提取和反卷积的计算机系统的示意图。
图8A为示出了根据现有技术的时间偏移效应的小波绘图。
图8B为基于图8A的小波的反射率的绘图,同样示出了根据现有技术的时间偏移效应。
图9A和图9B为示出了根据现有技术的范围模糊效应的小波绘图。
图10A、图10B和图10c为示出了反射率序列偏移效应的简图。
图11A为实际小波与根据本发明的处理获得的预测小波之间的对比的绘图。
图11B为实际小波与根据本发明的处理获得的预测小波的反射率的绘图。
图12A、图12B和图12c为示出了对地震数据进行反卷积的效果的地震记录的绘图。
图13A、图13B、图13C、图13D、图13E和图13F为示出了根据本发明的时域滤波的效果绘图。
图14A和图14B分别为使用和不使用根据本发明的时域滤波从各种类型的地震能量源中提取的小波的绘图。
图15为一组以合成方法生成的具有不同相位偏移的雷克子波。
图16为利用图15的以合成方法生成的雷克子波生成的一组合成地震数据。
图17为根据本发明获得的基于图16的合成地震数据的提取小波的一组绘图。
图18A为基于井数据(well data)从小波形式己知的区域中利用传统的处理通过叠前小波提取获得的小波的绘图。
图18B为原始地震记录迹与利用来自相同地震记录迹的反射率数据对图18A中的小波进行卷积的结果的对比绘图。
图19A为通过根据传统处理方法的处理获得的实际小波的绘图。
图19B为通过根据本发明的处理获得的实际小波的绘图。
图19C为图19A的小波的能谱的绘图。
图19D为图19B的小波的能谱的绘图。
具体实施方式
在附图中,图1示意性地示出了为了获得地层中的地下特征的位置的图像而对地震声波测量的数据进行处理的基本的一般顺序S的简图。在步骤20,对所记录的地震记录迹数据的字段进行编辑和识别,并配置为适当的格式以用于后续处理。在步骤22,对数据进行如上面所描述的反卷积处理。如将要详细解释的那样,本发明己研发了如下的处理技术,通过该处理技术地震数据的反卷积处理效果可大大提高。步骤24涉及静态校正,其中大量时间偏移用于记录迹数据,从而对近地表特征和地层中的异常的效果以及源头和接收者的地形和海拔的差异进行补偿。步骤26为速度分析处理,以将表示能量通过地层传播的速度的地震速度函数确定为深度的函数。步骤28涉及时差校正,以对不同接收者位置处的信号到达时间的差异进行调整。步骤30为对各个地震记录迹进行叠加或求和的处理,以改善数据的信噪比。步骤32为数据滤波处理,以为了某些目的(如改善信噪比、去除某些频率、振幅)而将不需要的数据部分或其它不想要的信息删除。步骤34为迁移处理,在该迁移处理期间将地震数据中的反射从基于所记录和处理的地震数据中测量到的时间的位置移至它们的准确空间位置。随后将移动的数据存储在存储器和被形成为用于分析和解释的显示器中。
如上面描述的那样,重要的是获得准确形式的地震小波,在某些情况下,盲式反卷积法的处理就是用于该目的。一种这样的对地震数据的盲式反卷积的技术是马尔科夫链蒙特卡洛(也称为MCMC)模拟法。
例如,2005年的IEEE信号处理杂志(IEEE Signal Processing Maaazine)的第152一169页的“Monte Carlo Methods for Signal Processing”中描述了这样的一种典型的使用Gibbs采样的马尔科夫链蒙特卡洛模拟的盲式反卷积技术。所描述的方法用于根据上面所述的若干假设来获得样本:反射率是随机的(白噪声)并且易于通过己知的Bernoulli-Gaussian过程进行统计上的模拟;可通过多元Gaussian函数来对小波进行表示;所出现的任何噪声都是不相关的,并因此可通过某些类型的独立同分布的Gaussian函数进行模拟。
还假定:指定t(记录迹)的联合后验分布己知为:P(w,r,n|t),其中,t为记录迹,r为反射率,w为小波,n代表噪声。相应地,可通过Gibbs取样程序从度量P中对指示小波范围W、反射率r、噪声n的小波进行随机采样。处理顺序如下:
步骤1:设置初始值(w0,r0,n0)
步骤2:从P(w0|r0,n0,t)生成w1,从P(r0|w1,n0,t)生成r1,从P(n0|w1,r1,t)生成n1
步骤3:步骤2被重复K次,直到步骤4中计算出的最小均方误差(MMSE)位于可接受的指定范围内为止
步骤4:计算
通常,不固定的前J个样本在所示的计算步骤中被丢弃。这样做是为了消除不同迭代的样本之间可能的相关性。
上面描述的MCMC技术生成不唯一的小波和反射率对,然后对其进行卷积以在估计误差范围内与输入的地震记录迹进行匹配。但是,所得到的小波和如此获得的反射率序列不是唯一的。该问题在文献中得到了很好的证明,例如在1996年的IEEE地球科学和遥感会报(IEEETransactions on Geosciences and Remote Sensing)的Vol.34,No.2,p.377-384的“Simultaneous Wavelet Estimation and Deconvolution of Refl ect ion SeismicSignals”中所证明的那样。该问题基于己知的时间偏移以及范围模糊问题。参见图8A和8B以及图9A和9B的详细描述。存在卷积时符合地震输入的多对小波和反射率。但是,在这些对中,只有一对是真解。产生的小波是真实小波的偏移小波,反射率序列将会被相反(在相反的方向上)偏移。范围模糊具有同样的表现;如果放大的小波超出振幅范围,反射率范围将会被去放大(de-amplified),以对放大的小波振幅进行补偿而产生相同的地震输入。本发明降低了这些对的模糊,并展现出在位置和振幅两者中真实的反射率和小波对。
一种己知的用于解决时间偏移模糊的方案是为小波指定最大能量位置。但是,在更多情况中,这样的最大能量位置难以在数据中进行确定。噪声数据导致了所提取小波的劣质。此外,必须使用的短地震时间窗口在许多情况中不符合该处理技术所需要的随机采样特征。出于这些原因,据目前所知,MCMC处理结果在很多情况中被证实不能准确地代表地球物理模型。据目前所知,用于地震反卷积的现有的MCMC处理技术的实际应用和利用还没有实现。
对于本发明,流程图F(图2)示出了表现为计算机程序软件的本发明的逻辑结构。流程图F为高阶逻辑流程图,其示出了根据本发明的时域中同步的小波提取和反卷积的方法。本领域技术人员可了解,该流程图示出了根据本发明运行的计算机程序代码元件的结构。本发明通过计算机组件在其基本的实施例中进行实施,其中的计算机组件以指示数字数据处理系统D(图7)执行与流程图F中所示的步骤相应的处理步骤序列的形式来使用程序代码指令。
图2的流程图F包含了优选的计算机执行的方法的步骤顺序,或示意性地示出了根据本发明的时域中同步的小波提取和反卷积的处理。本发明的处理提供了对于如图1的处理步骤22所展示的反卷积处理期间所执行的传统MCMC方法的若干改善。本发明使用了作为传统MCMC方法的基础的一些假定,但是克服了上面所讨论的关于MCMC处理的限制,这将会在下面进行讨论。
时间偏移模糊的解决
根据本发明,在步骤40(图2)中执行被称为“Metropolis-Hastings(M-H)过程”的采样过程作为MCMC处理期间生成小波wi相关的采样接受规则,以解决时间偏移模糊。图3中展示了步骤40的更多细节。在步骤41,在解决时间偏移模糊中,通过使用跳跃分布,根据上一个小波参数的样本来生成一个新的小波参数的样本。在步骤42,如果确定存在可接受的振幅样本的可能性增大,则在步骤43中接受该新样本。在步骤44,应用跳跃时间分布,并且处理返回到步骤41用于在根据所应用的分布而建立的时间形成新的小波。在步骤42,如果确定可接受的振幅的可能性减小,则在步骤45中以如下所定义的概率a来接受该新样本:
该概率是与上面提到的反射率不同的参数。参见图10A、图10B和图10c作为实例示出的反射率序列移位。可通过下面的实例对循环移位进行阐释:假定10个数据的序列为:W1、W2、W3、W4、W5、W6、W7、W8、W9、W10。如果应用了循环左移位,则新的序列将为:W2、W3、W4、W5、W6、W7、W8、W9、W10、W1。如果应用了循环右移位,则新的序列将为:W10、W1、W2、W3、W4、W5、W6、W7、W8、W9。
处理从步骤45同样返回到步骤41以用于形成新的小波。时间偏移模糊的理论细节在例如2006年的关于声学、语音和信号处理的IEEE国际会议(IEEE InternationalConferenceon Acoustics,Speech and Signal Processing)的p.616-619的由Labat等所著的“Sparse Blind Deconvolution Accounting for Time Shift Ambiguity”中给予了论述。
本文描述了MCMC方法的问题,该方法提供了若干可能时间点,这些时间点存在最大振幅的发生,该最大振幅物理上不会随着地震数据采集中的脉冲小波而出现。
振幅范围偏移
由每个执行步骤40产生的结果的估计小波样本是彼此的偏移形式和缩放形式。估计小波是通过步骤50(图2)的时间偏移处理得到的,其具有与被称为Gibbs采样过程相兼容的格式。但是,直接样本均值不适用。通常,对非关联的Gibbs采样求平均将会带来最小均方误差(MMSE)估计,在这里指的是小波。对于本发明,一个成就是使得不在初始小波中设置最大能量点。取而代之,应用Metropolis-Hastings(M-H)过程来解决时间偏移模糊,从每个Gibbs采样迭代中获得的小波具有不统一的振幅。因此,作为在没有振幅缩放和偏移的情况下所使用的Gibbs采样方法所的直接平均样本不能给出近似的小波。
相应地,求平均前适当地对样本的振幅范围进行缩放和偏转是必要的。图4中展示了图2的步骤50的细节。于是,在步骤50的初始化步骤51中,指定或确定了小波振幅的最优估计。随后,在步骤52中对数据中的小波进行振幅调整,从而将来白最优估计的小波的总体误差最小化。随后,在步骤53中形成调整后的小波振幅的平均值,以对最优估计均值进行更新。缩放和偏转过程用于对来自不同迭代的小波中的小波的振幅范围进行限制。
上面引用的Labat的文章呈现了完全理想的描述。图8A展示了利用Metropolis-Hastings过程通过Gibbs采样产生的各个小波结果。这些小波的振幅范围和相位是变化的。应用缩放-偏移技术对这些小波求均值将会给出最接近的目标小波,如图8B所示。
超级或合成记录迹
为了实现本发明的目的,假定具有多通道的地震记录中的小波在记录的每个通道中保持不变。因此,根据本发明,通过对地震记录迹集合或群组进行求和,在步骤60(图2)合成了超级记录迹或合成记录迹。图5中陈述了步骤60的细节。在步骤61,组合了记录迹集合以形成所处理的测量数据的整体记录迹。用于形成超级记录迹的地震集合可从多种类型的群组中选择,如激发点或共深度点(CDP),甚至在指定的空间和时间窗口上。随后,在步骤62将集合中所组合的记录迹进行求和。对于本发明,己发现构造超级记录迹相比提取多个小波的先前技术是可取的。根据本发明的超级记录迹的优点是保持了反卷积图像的能量一致性,并因此提供唯一小波作为输出。
超级记录迹构成后,在步骤63,提取后将其解译为多个记录迹,从而恢复反卷积图像。图12A展示了未经加工的地震记录。图12B展示了对图12A的地震记录进行传统的盲式反卷积后的数据,该传统的盲式反卷积在各个记录迹的反卷积中使用的是单独从各个记录迹中提取的小波。图12c示出了根据本发明对图12A使用通过将整体记录作为超级记录迹而形成的更连贯的小波来进行反卷积后的地震记录。很明显,图12B的记录中的大量噪声在图12C的记录迹中已经被去除。在步骤63,如果需要,可将β和σ2分布以及噪声控制参数γ可接受百分比η分别编码为可根据数据信噪比(SNR)和数据中的特征进行调整。例如1996年的IEEE地球科学和遥感会报(IEEE Transactions on Geosciences and Remote Sensing)的Vo1.34,No.2,p.377-384的“Simultaneous Wavelet Estimation and Deconvolution ofReflection Seismic Signals”中包含了对这种可调整的编码的特征的描述。
时域限制
在多数情况下,已经发现,利用本发明不可能获得可接收的小波,即使是执行了步骤40和50后。这是因为这样形成的输出小波可在数学上符合所有参数,但是输出小波仍然会出现在地震频率段以外的频率处。清楚的是,显示出地震频率段以外的小波的处理结果是不希望的,因为这种不一致可由多种原因引起:噪声数据、地质信息可能不完全符合统计学假定;用于对分布进行近似的参数可能不是最优的等。
因此,根据本发明,在步骤70对被形成的小波实施时间滤波器限制。图6中展示了步骤70的更多细节。在步骤70实施时间限制以确保对反卷积处理输出意味着真实和准确地理含义。在步骤71形成输入地震数据记录的平均能谱的度量,在步骤72实施时间滤波从而从输入地震数据记录中获得主要地震频率。随后,在步骤73,在确定了主要地震频率以后合成反卷积雷克子波。随后,在反卷积过程中,在每次迭代中对合成的雷克子波进行卷积以确保其频率内容。
使用实际3D叠后采集(图13A)作为步骤70的输入。通过图13A的记录迹的平均能谱(图13B)的度量来确定地震主要频率为大约20HZ。图13C中展示了未经时域滤波的从图13A的地震数据形成的所提取的雷克子波,其中可以看到显著噪声的出现。此外,可以看到能谱(图13E)是扭曲的。
但是,通过包含雷克子波、在作为时域滤波器的20HZ的主要频率被布置到在上述的每次迭代中的步骤70中提取的小波中的情况下,可获得雷克反卷积小波(图13D)和能谱(图13F)。可以看到,根据本发明应用时域限制将小波及其能谱重现为地理学上的实际形式。
如图7所示,根据本发明的数据处理系统D包括计算机C,计算机C具有处理器80和耦接到处理器80的存储器82,存储器82用于存储操作指令、对其中的信息和数据库记录进行控制。如果需要,计算机C可以是便携式数字处理器,如个人计算机(其形式可以是膝上型计算机、笔记本电脑)或其它适合的程序化的或可编程的数字数据处理装置(如台式电脑)。同样需要了解的是,计算机c可以是来自如英特尔公司或Advanced MiCro Devices(AMD)的具有节点的多核处理器,或者是任何传统类型的具有适当处理能力的大型计算机,例如来自纽约的Armonk的International Business Machines(IBM)或其它来源的计算机。
计算机C具有用户接口84和输出显示器86,该输出显示器用于对根据本发明的用于时域中同步的小波提取和反卷积的所执行的地震数据勘测测量的处理的输出数据或记录进行显示。输出显示器86包括的组件如打印机以及输出显示屏幕,其能够提供打印输出信息或以图形、数据表、图形图像、数据图表等形式的可视显示作为输出记录或图像。
计算机C的用户接口84还包括适当的用户输入设备或输入/输出控制单元88,用于为用户提供访问,以控制或访问信息和数据库记录以及对计算机C进行操作。数据处理系统D还包括存储在如下的计算机存储器中的数据库90,该计算机存储器可以是内部存储器82、或外部的、联网的、或非联网的存储器,如在相关联的数据库94中标示为92的存储器。
数据处理系统D包括存储在计算机C的存储器82中的程序代码96。根据本发明,程序代码96为计算机可运行形式的指令,该指令用于使数据处理器80执行同步的小波提取和反卷积,下面将进行详细解释。
需要注意到,程序代码96的形式可以是微代码、程序、例行程序、符号计算机可操作的语言,它们提供了用于控制数据处理系统D的运行并引导它的操作的具体的一组有序操作。程序代码96的指令可以存储在计算机C的存储器82中,或者存储在计算机磁盘、磁带、传统硬盘驱动器、电子只读存储器、光学存储设备、或其上存储有计算机可用介质的其它适当的数据存储设备上。程序代码96还可以包含在数据存储设备(如服务器94)上作为计算机可读介质,如图所不。
在计算机C中所执行的本发明的方法可以利用存储在存储器82中的图4中并可由计算机C的系统处理器80执行的计算机程序步骤实施。向处理系统D中输入的数据为输入字段地震记录以及其它数据,包括例如小波长度、主要地震频率、最大迭代次数等,从而运行算法。
图14A和图14B示出了时域滤波器对于提供满足地震处理需要的可接受输出小波的重要性的实例。图14A示出了针对气枪震源所提取的小波100a、针对振动震源所提取的小波102a、针对炸药震源的小波104a、和针对组合震源的106a。图14B示出了根据本发明所处理的小波,其中时域限制被施加到相同的震源上:针对气枪震源的小波100b、针对振动震源的小波102b、针对炸药震源的104b、和针对组合震源的106b。可以看到,图14B的小波比图14A的小波更具有实际小波的代表性。
合成测试数据实验
本发明的处理技术是对合成数据进行研究的。引入非时变随机数发生器用于采样。通过具有接受概率为0.03、具有加性Gaussian噪声方差为0.05的Gaussian分布生成了稀疏反射率序列。
通过不同相位生成了分别具有30Hz主频率的四种雷克子波(图15):0°相位的小波112、45°相位的小波114、90°相位的小波116、120°相位的小波118。这四种小波用于与稀疏随机反射率进行卷积,从而生成图16中绘制的合成数据。通过提供这些合成数据作为输入,可获得四种相应的小波(图17)。可以看到,所提取的0°相位的小波112和所提取的120°相位的小波118分别与它们的原始形式的小波完全匹配。针对90°相位和120°相位所提取的小波112和118分别具有相对于其原始形式的极性反转(180°相差);反射率和小波不能用于辨别极性反转。总而言之,两对小波显现为符合参数拟合。另两对中的一对为另一对的180°极性反转,从图17可明显看出。但是,这不会妨碍以反卷积或处理质量控制为目的的实际应用。
实际现场地震数据实例
本发明的处理技术还应用于叠前数据组。选择来自实际勘测的激发纪录,这是通过2ms采样率的基本地震处理流程来进行预先处理的。将十三个记录迹组合在一起形成一个超级记录迹,用于作为输出。对50个样本的小波长度指定进行2000次循环迭代。目标函数η为0.90,所提供的噪声控制参数γ等于1.0。结果展示在图18A和18B中。图18A为所提取的小波。其显示了地球环境中的声音,并呈现出具有零相位小波的形式,尽管没有可执行的对比结果。图18B中所列出的模拟结果指示出原始输入地震记录迹与卷积后地震记录迹之间的误差如此的小,以致对于实际目的是可忽略的。
此外,使用角度叠加CDP顺序3D叠后剖面作为模型。与本发明的软件进行对比,利用当前可用(Jason的地球物理学)的软件对现场地震数据进行测试。其中包括了1000~2500ms的时间窗以及来自交叉线CDP的15个记录迹。根据本发明的处理参数为:指定的小波长度为100ms;噪声参数γ为2,接受η为0.95,迭代循环次数为4000。将所提取的小波(图19B)和相关的能谱(图19D)与通过Jason的地球物理学软件获得的小波(图19A)和能谱(图19C)在波形和能谱方面进行对比。图19B的小波的相位与零相位区别非常微小,但是该小波与图19A的小波在形状和振幅谱上非常接近。图19B的小波的能谱(图19D)不像图19c中的振幅谱那样平滑。但是,这只是使用与本发明所示出的完全不同的估计原理的结果。图19c中的小波数据从地震和测井数据(well log dara)中估计得出以作为输入,其中反射率是从测井数据提取的从而使得该提取具有更精确的可确定性。本发明获得了两个未知量:仅来自地震数据(而不是来自地震数据和测井数据)的小波和反射率。
另外,统计学反演自然包含一些与传统方法不同的震动能量。同样,这不会影响反卷积或处理质量的控制。
通过上文,可以看到,利用本发明应用时域法提取混合相位小波并同时在不需要测井信息的情况下获得反卷积图像是可行的。当本发明和MCMC方法一起应用时可对己知的盲式反卷积技术中通常看到的小波时间偏移和范围模糊问题进行纠正。
用地震主要频率构造的时间滤波器对输出小波提供了另一个层面的地球物理学约束。根据本发明形成并应用于数据准备的超级或合成记录迹提高了反卷积图像的分辨率和一致性。
当和MCMC一起实施本发明时,己发现处理可解决与根据现有技术的盲式反卷积相关的问题。本发明修改了MCMC采样步骤从而解决MCMC的固有时间偏移模糊,并使用统一的能量系数并对小波计算均值从而解决范围模糊问题。本发明还降低了对于反卷积输入数据的依赖并提供了理论上的良好小波,如合成测试所确认的那样。
已经对本发明进行了充分的描述,从而本领域普通技术人员能够再现和获得本发明所提到的结果。尽管如此,本领域技术人员可对本发明的主体实施一些这里未要求的修改,为了将这些修改应用于所确定的结构,或者在所确定的结构的制造工艺中应用这些修改,需要所附的权利要求中所要求保护的方案,这些结构将被本发明的范围所覆盖。
应当注意和了解到,在不脱离如所附权利要求所限定的本发明的精神或范围的情况下,可对上面所详细描述的本发明进行改进和修改。
Claims (12)
1.一种用于处理地震数据的数据处理系统,该地震数据为地震记录迹的形式,其从对地球的地下部分的反射地震勘测中获得,用于对关注的地下特性进行分析,该数据处理系统包括:
处理器,其执行以下步骤:
使用Metropolis-Hastings采样过程根据地震勘测数据形成假定小波;
根据地震勘测数据解析出小波中最大能量的出现时间;
根据地震勘测数据中的记录迹针对假定小波形成标准化能量振幅;
根据地震勘测数据中的记录迹的集合来形成所解析出的出现时间处的合成记录迹以及标准化振幅;
基于合成记录迹对假定小波应用时间滤波器,从而形成具有位于地震频率波段内的主频率的合成反卷积小波;以及
通过对地震数据应用合成反卷积小波来对地震记录迹执行反卷积操作,以对关注的地下特性进行分析。
2.如权利要求1所述的数据处理系统,其中处理器在执行针对假定小波形成标准化能量振幅的步骤中执行步骤:
形成小波振幅的振幅的估计;
对小波振幅的估计进行调整,从而将总体误差函数最小化;以及
形成小波振幅的调整估计的平均值。
3.如权利要求1所述的数据处理系统,其中处理器在执行形成合成记录迹的步骤中执行步骤:
根据地震勘测数据中选定的记录迹组来形成所解析出的出现时间处的合成记录迹以及标准化振幅。
4.如权利要求3所述的数据处理系统,其中选定的记录迹组包括地震勘测数据中的记录迹的共深度点采集。
5.如权利要求3所述的数据处理系统,其中选定的记录迹组包括地震勘测数据中的记录迹的激发点采集。
6.如权利要求1所述的数据处理系统,其中处理器在执行对假定小波应用时间滤波器的步骤中执行步骤:
形成合成记录迹的平均能谱的度量;
确定合成记录迹中存在的平均功率的地震主频率;以及
以所确定的地震主频率形成合成反卷积小波。
7.一种用于处理地震数据的计算机实现的方法,该地震数据为地震记录迹的形式,其从对地球的地下部分的反射地震勘测中获得,用于对关注的地下特性进行分析,该计算机实现的方法包括步骤:
使用Metropolis-Hastings采样过程根据地震勘测数据形成假定小波;
根据地震勘测数据解析出小波中最大能量的出现时间;
根据地震勘测数据中的记录迹针对假定小波形成标准化能量振幅;
根据地震勘测数据中的记录迹的集合来形成所解析出的出现时间处的合成记录迹以及标准化振幅;
基于合成记录迹对假定小波应用时间滤波器,从而形成具有位于地震频率波段内的主频率的合成反卷积小波;以及
通过对地震数据应用合成反卷积小波来执行反卷积操作,以对关注的地下特性进行分析。
8.如权利要求7所述的计算机实现的方法,其中执行针对假定小波形成标准化能量振幅的步骤包括如下步骤:
形成小波振幅的振幅的估计;
对小波振幅的估计进行调整,从而将总体误差函数最小化;以及
形成小波振幅的调整估计的平均值。
9.如权利要求7所述的计算机实现的方法,其中执行形成合成记录迹的步骤包括如下步骤:
根据地震勘测数据中选定的记录迹组来形成所解析出的出现时间处的合成记录迹以及标准化振幅。
10.如权利要求9所述的计算机实现的方法,其中选定的记录迹组包括地震勘测数据中的记录迹的共深度点采集。
11.如权利要求9所述的计算机实现的方法,其中选定的记录迹组包括地震勘测数据中的记录迹的激发点采集。
12.如权利要求7所述的计算机实现的方法,其中存储在数据存储设备中的指令使数据处理系统在执行对假定小波应用时间滤波器的步骤中执行如下步骤:
形成合成记录迹的平均能谱的度量;
确定合成记录迹中存在的平均功率的地震主频率;以及
以所确定的地震主频率形成合成反卷积小波。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510362576.7A CN105158798B (zh) | 2011-03-25 | 2012-03-07 | 时域中的同步小波提取和反卷积 |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/071,695 US8705315B2 (en) | 2011-03-25 | 2011-03-25 | Simultaneous wavelet extraction and deconvolution in the time domain |
US13/071,695 | 2011-03-25 | ||
PCT/US2012/028046 WO2012134746A2 (en) | 2011-03-25 | 2012-03-07 | Simultaneous wavelet extraction and deconvolution in the time domain |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510362576.7A Division CN105158798B (zh) | 2011-03-25 | 2012-03-07 | 时域中的同步小波提取和反卷积 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103492910A CN103492910A (zh) | 2014-01-01 |
CN103492910B true CN103492910B (zh) | 2016-11-16 |
Family
ID=45852763
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201280015141.XA Expired - Fee Related CN103492910B (zh) | 2011-03-25 | 2012-03-07 | 时域中的同步小波提取和反卷积 |
CN201510362576.7A Expired - Fee Related CN105158798B (zh) | 2011-03-25 | 2012-03-07 | 时域中的同步小波提取和反卷积 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510362576.7A Expired - Fee Related CN105158798B (zh) | 2011-03-25 | 2012-03-07 | 时域中的同步小波提取和反卷积 |
Country Status (5)
Country | Link |
---|---|
US (2) | US8705315B2 (zh) |
EP (2) | EP2689271B1 (zh) |
CN (2) | CN103492910B (zh) |
CA (1) | CA2829765C (zh) |
WO (1) | WO2012134746A2 (zh) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8705315B2 (en) * | 2011-03-25 | 2014-04-22 | Saudi Arabian Oil Company | Simultaneous wavelet extraction and deconvolution in the time domain |
US10379245B2 (en) * | 2013-07-03 | 2019-08-13 | Pgs Geophysical As | Method and system for efficient extrapolation of a combined source-and-receiver wavefield |
CN104635263A (zh) * | 2013-11-13 | 2015-05-20 | 中国石油化工股份有限公司 | 提取混合相位地震子波的方法 |
US9857490B2 (en) * | 2013-12-30 | 2018-01-02 | Pgs Geophysical As | Methods and systems for optimizing generation of seismic images |
CN105093284A (zh) * | 2014-05-16 | 2015-11-25 | 中国石油化工股份有限公司 | 一种突出主频的振幅谱平滑方法 |
CN103995289B (zh) * | 2014-05-19 | 2017-10-17 | 中国石油大学(华东) | 基于时频谱模拟的时变混合相位地震子波提取方法 |
CN105050175A (zh) * | 2015-06-09 | 2015-11-11 | 哈尔滨工业大学 | 深空传输链路小波提取弱信号的装置及方法 |
CN106772576B (zh) * | 2016-12-01 | 2018-11-16 | 中国石油天然气集团公司 | 地震数据处理方法和装置 |
CN109387874B (zh) * | 2017-08-10 | 2020-09-04 | 中国石油化工股份有限公司 | 一种混合相位子波提取方法 |
CN110646841B (zh) * | 2018-06-27 | 2021-05-25 | 中国石油化工股份有限公司 | 时变稀疏反褶积方法及系统 |
US11662492B2 (en) | 2018-10-25 | 2023-05-30 | Saudi Arabian Oil Company | Seismic random noise attenuation |
CN109343119A (zh) * | 2018-11-10 | 2019-02-15 | 北京科胜伟达石油科技股份有限公司 | 低信噪比地震资料有效信号主能量保幅处理方法 |
CN111814329A (zh) * | 2020-07-07 | 2020-10-23 | 西北大学 | 一种基于解析信号振幅约束的欧拉反褶积方法 |
CN113960671B (zh) * | 2020-07-20 | 2024-04-16 | 中国石油化工股份有限公司 | 频变子波压缩处理方法、装置、计算机设备和存储介质 |
CN114152983B (zh) * | 2020-09-08 | 2024-05-07 | 中国石油化工股份有限公司 | 地震子波提取方法、系统、存储介质以及电子设备 |
CN113341463B (zh) * | 2021-06-10 | 2023-05-26 | 中国石油大学(北京) | 一种叠前地震资料非平稳盲反褶积方法及相关组件 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6058073A (en) * | 1999-03-30 | 2000-05-02 | Atlantic Richfield Company | Elastic impedance estimation for inversion of far offset seismic sections |
US6374185B1 (en) * | 2000-02-18 | 2002-04-16 | Rdsp I, L.P. | Method for generating an estimate of lithological characteristics of a region of the earth's subsurface |
GB0015974D0 (en) * | 2000-06-30 | 2000-08-23 | Geco As | Quality control of data |
GB2365128B (en) * | 2000-07-22 | 2004-12-15 | Schlumberger Ltd | A method of processing vertical seismic profile data using effective models |
CN101158724B (zh) * | 2007-09-14 | 2010-06-09 | 中国石油集团西北地质研究所 | 基于偶极小波的储层厚度预测方法 |
US8095345B2 (en) | 2009-01-20 | 2012-01-10 | Chevron U.S.A. Inc | Stochastic inversion of geophysical data for estimating earth model parameters |
CN101813786B (zh) * | 2010-04-02 | 2012-05-23 | 中国石油集团西北地质研究所 | 子波处理二步法反褶积方法 |
US8705315B2 (en) * | 2011-03-25 | 2014-04-22 | Saudi Arabian Oil Company | Simultaneous wavelet extraction and deconvolution in the time domain |
-
2011
- 2011-03-25 US US13/071,695 patent/US8705315B2/en active Active
-
2012
- 2012-03-07 CN CN201280015141.XA patent/CN103492910B/zh not_active Expired - Fee Related
- 2012-03-07 EP EP12709474.6A patent/EP2689271B1/en active Active
- 2012-03-07 EP EP16158119.4A patent/EP3067717B1/en active Active
- 2012-03-07 CN CN201510362576.7A patent/CN105158798B/zh not_active Expired - Fee Related
- 2012-03-07 CA CA2829765A patent/CA2829765C/en active Active
- 2012-03-07 WO PCT/US2012/028046 patent/WO2012134746A2/en active Application Filing
-
2014
- 2014-03-25 US US14/224,217 patent/US9435906B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
CN103492910A (zh) | 2014-01-01 |
US8705315B2 (en) | 2014-04-22 |
WO2012134746A3 (en) | 2013-01-03 |
EP3067717B1 (en) | 2021-05-05 |
EP2689271B1 (en) | 2016-03-02 |
CA2829765C (en) | 2018-05-22 |
EP2689271A2 (en) | 2014-01-29 |
CA2829765A1 (en) | 2012-10-04 |
CN105158798B (zh) | 2017-10-27 |
CN105158798A (zh) | 2015-12-16 |
US20120243372A1 (en) | 2012-09-27 |
US20140204711A1 (en) | 2014-07-24 |
US9435906B2 (en) | 2016-09-06 |
EP3067717A1 (en) | 2016-09-14 |
WO2012134746A2 (en) | 2012-10-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103492910B (zh) | 时域中的同步小波提取和反卷积 | |
US11668853B2 (en) | Petrophysical inversion with machine learning-based geologic priors | |
Velis | Stochastic sparse-spike deconvolution | |
CN108459350B (zh) | 一种深度域地震子波提取与地震记录合成的一体化方法 | |
WO2010120418A1 (en) | Interferometric seismic data processing | |
RU2631407C1 (ru) | Способ и устройство для обработки сейсмических сигналов | |
CN111045077B (zh) | 一种陆地地震数据的全波形反演方法 | |
WO2013093467A1 (en) | Method of, and apparatus for, full waveform inversion | |
Rabben et al. | AVA inversion of the top Utsira Sand reflection at the Sleipner field | |
US11635540B2 (en) | Methods and devices performing adaptive quadratic Wasserstein full-waveform inversion | |
Dafni et al. | Scattering and dip angle decomposition based on subsurface offset extended wave-equation migration | |
CN101276000A (zh) | 一种对地震信号进行波形拉伸补偿的方法 | |
CN110780341A (zh) | 一种各向异性地震成像方法 | |
Li et al. | Deep learning for enhancing multisource reverse time migration | |
Chen et al. | Joint data and model-driven simultaneous inversion of velocity and density | |
Fish | Microseismic velocity inversion and event location using reverse time imaging | |
Azevedo et al. | Stochastic direct facies seismic AVO inversion | |
Xue et al. | Joint inversion of location, excitation time, and amplitude of microseismic sources | |
Galuzzi | Modelling and optimization techniques for acoustic Full Waveform Inversion in seismic exploration | |
US20230184974A1 (en) | Systems and methods for reservoir characterization | |
US20240319394A1 (en) | Complex wavelet based full waveform inversion method and system for processing seismic data | |
US10895655B2 (en) | Fabrication of unrecorded data by Gaussian slowness period packet extrapolation | |
Lee et al. | Non-repeatable Noise Attenuation on Time-lapse Prestack Data using Fully Convolutional Neural Network and Masked Image-to-image Translation Scheme | |
Khoshkholgh | Uncertainty Quantification in Seismic Subsurface Modelling by Informed Proposal Monte Carlo | |
Brankovic | Towards an Improved DAS Workflow for Geothermal Resource Development |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20161116 |
|
CF01 | Termination of patent right due to non-payment of annual fee |