发明内容
本发明的目的在于提供一种能够自动去除采集的地震数据中包含的低频异常振幅干扰,同时提高地震数据处理效率的自适应低频异常振幅压制方法,从而满足日渐兴起的高分辨率勘探的精度要求。
本发明的一方面提供一种自适应低频异常振幅压制的方法,包括:对单炮地震数据的每道进行傅立叶正变换,得到频率域的地震数据;从频率域的地震数据分离出低频段的地震数据;将分离出的低频段的地震数据进行傅立叶反变换,得到时间域的低频地震数据;从时间域的低频地震数据提取低频异常振幅分布区数据、浅层折射区数据以及无干扰分布区数据;根据提取的无干扰分布区数据获取低频异常振幅阀值;根据低频异常振幅阀值对提取的低频异常振幅分布区数据进行处理,得到低频异常振幅压制后的低频异常振幅分布区数据;从单炮地震数据中减去低频异常振幅分布区数据与低频异常振幅压制后的低频异常振幅分布区数据之差,得到低频异常振幅压制后的地震数据。
可选地,所述低频段的频率范围为0-20HZ。
可选地,根据提取的无干扰分布区数据获取低频异常振幅阀值的步骤包括:对提取的无干扰分布区数据进行傅立叶正变换,得到频率域的无干扰分布区数据;计算频率域的无干扰分布区数据的低频异常振幅阀值。
可选地,根据提取的无干扰分布区数据获取低频异常振幅阀值的步骤包括:将无干扰分布区数据沿着时间的方向划分为多个时间窗口;对每个时间窗口的数据进行傅立叶正变换,得到相应的频率域的地震数据;将得到的每个时间窗口的频率域的地震数据划分为多个频段;计算每个时间窗口的每个频段的低频异常振幅阀值。
可选地,根据低频异常振幅阀值对提取的低频异常振幅分布区数据进行处理,得到低频异常振幅压制后的低频异常振幅分布区数据的步骤包括:对提取的低频异常振幅分布区数据进行二维分数阶傅立叶变换,将提取的低频异常振幅分布区数据旋转变换到分数域的一个时频平面;从旋转变换得到的数据查找低频段的振幅大于低频异常振幅阀值的区域;在查找到的区域填充预定值,从而获取时频平面上的低频异常振幅压制后的低频异常振幅分布区数据;对获取的时频平面上的低频异常振幅压制后的低频异常振幅分布区数据进行二维分数阶傅立叶反变换,得到时间域的低频异常振幅压制后的低频异常振幅分布区数据。
可选地,对提取的低频异常振幅分布区数据进行二维分数阶傅立叶变换,将提取的低频异常振幅分布区数据旋转变换到分数域的一个时频平面的步骤包括:将低频异常振幅分布区数据沿着时间的方向划分为多个时间窗口;对每个时间窗口的数据进行二维分数阶傅立叶变换,得到相应的分数域的地震数据。
可选地,从旋转变换得到的数据查找低频段的振幅大于低频异常振幅阀值的区域的步骤包括:将每个时间窗口的分数域的地震数据划分为多个频段;将每个时间窗口的每个频段的振幅值与每个时间窗口的每个频段的低频异常振幅阀值进行比较,在每个时间窗口的每个频段中查找振幅值大于对应的低频异常振幅阀值的区域。
可选地,所述预定值为零。
可选地,在二维分数阶傅立叶变换中的旋转角度为pπ/2,其中,p为二维分数阶傅立叶变换的阶数。
可选地,低频异常振幅分布区数据是时间域的低频地震数据中低频异常振幅集中分布的区域中的地震数据,无干扰分布区数据是时间域的低频地震数据中不存在低频异常振幅干扰的区域中的地震数据。
根据本发明的自适应低频异常振幅压制的方法,可以自动去除采集的地震数据中的低频异常振幅干扰,同时提高地震数据处理效率。将在接下来的描述中部分阐述本发明总体构思另外的方面和/或优点,还有一部分通过描述将是清楚的,或者可以经过本发明总体构思的实施而得知。
具体实施方式
提供参照附图的以下描述以帮助对由权利要求及其等同物限定的本发明的实施例的全面理解。包括各种特定细节以帮助理解,但这些细节仅被视为是示例性的。因此,本领域的普通技术人员将认识到在不脱离本发明的范围和精神的情况下,可对描述于此的实施例进行各种改变和修改。此外,为了清楚和简洁,省略对公知的功能和结构的描述。
本发明的自适应低频异常振幅压制的方法包括:对单炮地震数据的每道进行傅立叶正变换,得到频率域的地震数据;从频率域的地震数据分离出低频段的地震数据;将分离出的低频段的地震数据进行傅立叶反变换,得到时间域的低频地震数据;从时间域的低频地震数据提取低频异常振幅分布区数据和无干扰分布区数据;根据提取的无干扰分布区数据获取低频异常振幅阀值;根据低频异常振幅阀值对提取的低频异常振幅分布区数据进行处理,得到低频异常振幅压制后的低频异常振幅分布区数据;从单炮地震数据中减去低频异常振幅分布区数据与低频异常振幅压制后的低频异常振幅分布区数据之差,得到低频异常振幅压制后的地震数据。
图1是示出根据本发明的实施例的自适应低频异常振幅压制的方法的流程图。
在步骤101中,对单炮地震数据的每道进行傅立叶正变换,得到频率域的地震数据。将地震数据由时间域变换到频率域的主要目的是能够将地震数据按照频率进行划分。
每道地震数据记为A(xi,t),xi为第i道地震数据的地震信号,i表示地震数据的道数,i∈[1,m],且m为大于0的整数,t表示时间,对每道地震数据进行傅立叶变换可表示如下,
Y(xi,ω)=fft(A(xi,t)) (1)
式(1)中,fft(A(xi,t))表示对A(xi,t)进行傅立叶变换,Y(xi,ω)是A(xi,t)对应的频率域的地震数据,ω为角频率,ω=2πf,f为频率。
在步骤102中,从频率域的地震数据分离出低频段的地震数据。优选地,低频段为低频异常振幅主要集中的频段。例如,低频段的频率范围为0-20HZ。需要压制地震数据中的低频异常振幅干扰只需针对地震数据的低频成分即可。
在步骤103中,将分离出的低频段的地震数据进行傅立叶反变换,得到时间域的低频地震数据。将得到的时间域的每道低频地震数据记为B(xi,t)。换言之,B(xi,t)只是地震数据A(xi,t)中的一部分,即低频异常振幅存在的部分。
在步骤104中,从时间域的低频地震数据提取低频异常振幅分布区数据和无干扰分布区数据。低频异常振幅分布区数据是时间域的低频地震数据中低频异常振幅集中分布的区域中的地震数据,无干扰分布区数据是时间域的低频地震数据中不存在低频异常振幅干扰的区域中的地震数据。
时间域的低频地震数据可被分为低频异常振幅分布区数据、无干扰分布区数据和折射波区数据,在自适应低频异常振幅压制方法中,只有低频异常振幅分布区数据和无干扰分布区数据参与压制低频异常振幅的运算,折射波分布区数据并不参与运算。
图2是示出从时间域的低频地震数据提取低频异常振幅分布区数据和无干扰分布区数据的示意图。
如图2所示,横坐标为道号,纵坐标为时间。时间域的低频地震数据可被划分为折射波区域、无干扰区域和低频异常振幅分布区域,图中从上到下的区域依次为折射波区域I1、无干扰区域I2和低频异常振幅分布区域I3。
低频异常振幅分布区域I3的地震数据可称为低频异常振幅分布区数据,记为C(xi,t),无干扰区域I2的地震数据可称为无干扰分布区数据,记为C1(xi,t)。换言之,从B(xi,t)中提取出低频异常振幅分布区数据C(xi,t)和无干扰分布区数据C1(xi,t)。
折射波区域I1的上边界线L1为初至波线(地震发生后,地震观测点最先接收到的波称为初至波)。为此,首先得到检测单炮地震数据的地区的替换速度,再将单炮地震数据的每道的偏移距除以替换速度,从而针对每道计算得到一个对应的时间值T1i(i表示道号),这样可以得到多个点(i,T1i),连接这些点获得初至线。
可通过如下方式确定折射波区域I1与无干扰区域I2的分界线L2(即,折射波区域I1的下边界线,无干扰区域I2的上边界线):根据单炮地震数据估算最小的折射波速度,再将单炮地震数据中每道的偏移距除以折射波速度,从而针对每道计算得到一个对应的时间值T2i(i表示道号),这样可以得到多个点(i,T2i),连接这些点获得边界线L2。
可通过如下方式确定无干扰区域I2与低频异常振幅分布区域I3的分界线L3(即,无干扰区域I2的下边界线,低频异常振幅分布区域I3的上边界线):首先根据单炮地震数据估算面波的速度(低频异常振幅主要集中在近偏移距,在地震记录上表现形式也就是面波),再将单炮地震数据中每道的偏移距除以面波的速度,从而针对每道计算得到一个对应的时间值T3i(i表示道号),这样可以得到多个点(i,T3i),连接这些点获得边界线L3。
在步骤105中,根据提取的无干扰分布区数据获取低频异常振幅阀值。
具体地讲,根据提取的无干扰分布区数据获取低频异常振幅阀值的步骤为:
(a)对提取的无干扰分布区数据进行傅立叶正变换,得到频率域的无干扰分布区数据。具体地讲,首先将无干扰分布区数据C1(xi,t)沿着时间的方向划分为多个窗口(例如,0-500ms,500-1500ms,1500-2500ms,2500-4000ms,以此类推),其次,对每一个时间窗口的地震数据进行傅立叶正变换,得到相应的频率域的地震数据。
(b)计算频率域的无干扰分布区数据的低频异常振幅阀值。具体地讲,首先将得到的每个时间窗口的频率域的地震数据划分为多个频段(例如,1-5Hz,5-10Hz,10-15Hz,15-20Hz,以此类推),其次,统计每个时间窗口的每个频段的数据的最大振幅值Am,计算每个时间窗口每个频段的低频异常振幅阀值AT。
AT=F×Am(2)
其中,F是权系数因子,0<F<100。
计算的低频异常振幅阀值即是低频异常振幅振幅的最小门槛值,从而实现低频异常振幅的自适应压制,权系数因子的目的在于调节门槛值以便最佳的压制低频异常振幅。
在步骤106中,根据低频异常振幅阀值对提取的低频异常振幅分布区数据进行处理,得到低频异常振幅压制后的低频异常振幅分布区数据。
具体地讲,根据低频异常振幅阀值对提取的低频异常振幅分布区数据进行处理,得到低频异常振幅压制后的低频异常振幅分布区数据的步骤为:
(a)对提取的低频异常振幅分布区数据进行二维分数阶傅立叶变换,将提取的低频异常振幅分布区数据旋转变换到分数域的一个时频平面。具体地说,首先将低频异常振幅分布区数据C(xi,t)沿着时间的方向划分为多个时窗,对低频异常振幅分布区数据划分的时窗必须与步骤105中无干扰分布区数据划分的时窗相同(例如,0-500ms,500-1500ms,1500-2500ms,2500-4000ms,以此类推),其次,对每个时窗的数据进行二维分数阶傅立叶变换,通过适当的旋转角度,把时空域上的地震数据变换到视速度方向上的分数域中。对低频异常振幅分布区数据进行二维分数阶傅立叶变换可表示如下,
其中,
优选地,旋转角度α=pπ/2,p为二维分数阶傅立叶变换的阶数,n为整数,t表示时间,u表示频率。
将进行二维分数阶傅立叶变换后的每个时窗的低频异常振幅数据划分为多个频段,所划分的频段与无干扰分布区划分的频段相同(例如,1-5Hz,5-10Hz,10-15Hz,15-20Hz,以此类推)。
(b)从旋转变换得到的数据查找低频段的振幅大于低频异常振幅阀值的区域。具体地说,根据低频异常振幅频率低,振幅强的特点,将每个时窗的每个频段的振幅值与步骤105中计算得到的无干扰分布区数据每个时窗每个频段的低频异常振幅阀值AT进行比较,查找振幅大于对应的低频异常振幅阀值的区域。
(c)在查找到的区域填充预定值,从而获取时频平面上的低频异常振幅压制后的低频异常振幅分布区数据。优选地,预定值为零。换言之,将查找的每个时窗的每个频段的振幅值大于对应的低频异常振幅阀值的区域充零,振幅值小于等于低频异常振幅阀值的区域不作处理。
(d)对获取的时频平面上的低频异常振幅压制后的低频异常振幅分布区数据进行二维分数阶傅立叶反变换,得到时间域的低频异常振幅压制后的低频异常振幅分布区数据。低频异常振幅压制后的低频异常振幅分布区的数据记为D(xi,t)。
在步骤107中,从单炮地震数据中减去低频异常振幅分布区数据与低频异常振幅压制后的低频异常振幅分布区数据之差,得到低频异常振幅压制后的地震数据。例如,低频异常振幅压制后的数据记为E(xi,t),则E(xi,t)=A(xi,t)-(C(xi,t)-D(xi,t))。
根据本发明的自适应低频异常振幅压制的方法,首先获取低频段的地震数据,从低频段的地震数据中提取低频异常振幅分布区数据和无干扰分布区数据,然后从无干扰分布区数据中获取低频异常振幅阀值,根据低频异常振幅阀值对提取的低频异常振幅分布区数据进行处理,从而实现低频异常振幅的自适应压制。
将本发明所述的方法应用于地震资料的低频异常振幅处理中,能够有效的去除低频异常振幅干扰,保真效果好,同时处理效率高,运行速度快。采用本发明所述的方法能在石油地震资料处理过程中发挥更一步的积极作用,应用前景良好。
尽管已经参照其示例性实施例具体显示和描述了本发明,但是本领域的技术人员应该理解,在不脱离权利要求所限定的本发明的精神和范围的情况下,可以对其进行形式和细节上的各种改变。