CN104155688A - 一种高精度加权叠加方法 - Google Patents

Abstract

本发明公开的高精度加权叠加方法包括以下步骤：对叠加前共中心点道集进行直接平均叠加得到叠加道；对叠加道任一道任一样点进行多个设定倾角的倾角扫描得到多个扫描数据系列并对其进行直接累加求和得到多个叠加值，以多个叠加值中的最大值所对应的设定倾角作为叠加道任一道任一样点的最佳倾角；对叠加道任一道任一样点进行最佳倾角的倾角扫描得到最佳扫描数据系列，求取最佳扫描数据系列的中值并将其替代叠加道任一道任一样点的采样值得到模型道；求取叠加前共中心点道集每一道与模型道相应道的相关比值；对相关比值进行修正和平滑得到叠加前共中心点道集每一道的加权系数；对叠加前共中心点道集分别加权后直接平均叠加得到高精度叠加道。

Description

一种高精度加权叠加方法

技术领域

本发明属于地震勘探技术领域，更具体地讲，涉及一种对石油地震资料的共中心点道集进行高精度加权叠加的方法。

背景技术

水平叠加技术在地震勘探中起着重要的作用，随着地震勘探的深入，勘探的主体由构造油气藏转为岩性油气藏，在实际应用中发现常规叠加方法存在不足，因而高分辨处理技术不可避免地被提到发展日程上来。数据采集、资料处理及解释是提高地震勘探分辨率的重要环节，挖掘各环节的潜力才能获得高分辨率、高信噪比的剖面。单次波的时距曲线与地下反射界面的形状密切相关，若消除地面上接收点偏离炮点所引起的正常时差和倾角时差，时距曲线就能直接反映地下反射界面的产状。因此，消除各种时差的影响，将一个道集中同一反射层的反射同相轴校平是取得质量好的叠加剖面的关键。

在地震勘探中，“叠加”表示将源自不同炮点记录的地震道进行合并生成一个输出地震道的某种方法。假设信号总是相干的，而噪声是随机的，则输出地震道的信噪比要高于单个地震道。在资料处理中，共中心点道集(CMP)叠加是最重要的一个步骤，这是因为它可以将信号从频率相同的噪声中分离出来。

目前常用的叠加方法主要有两种：

(1)一种是直接平均值叠加方法：该方法假设一个地震道中所有的采样点与一个CMP道集中所有的地震道等效，因此应该给予同样的加权。然而，只有早期处理得出一个理想的CMP道集时，并且在此道集中所有地震同相轴完全被校直并且所有振幅值均匀地分布在它们的算术平均值周围时，这个假设才正确。实际上，由于噪音干扰，地震同相轴不是完全校直的。如果早期处理不完善，如不足的拉伸切除、错误的速度估算或剩余的静校正，都会大大降低叠加信号的振幅和频率。

(2)另一种是选择叠加方法：该方法是以叠加前通过去除和削弱CMP道集边缘处的振幅和增强中心处的振幅的作用来提高最终叠加信噪比为基础的，但是在复杂山地地区，有效反射主要集中在CMP道集的边缘处，而在CMP道集的中心处几乎看不到有效反射，如果此时还采用选择叠加的方法，只会使得叠加剖面的信噪比更低。

发明内容

针对现有技术的不足，本发明的目的在于解决上述技术问题中的至少一个。

本发明的目的在于提供一种高精度加权叠加方法，以此缓解各种不利因素对叠加的影响并且提高地震数据叠加成像的精度。

为了实现上述目的，本发明提供了一种高精度加权叠加方法，所述方法包括以下步骤：A、对叠加前共中心点道集进行直接平均叠加，得到叠加道；B、对叠加道的任一道的任一样点进行多个设定倾角的倾角扫描得到包括所述叠加道的任一道的任一样点的采样值的多个扫描数据系列，将所述多个扫描数据系列分别进行直接累加求和得到多个叠加值，以所述多个叠加值中的最大值所对应的设定倾角作为所述叠加道的任一道的任一样点的最佳倾角；C、对所述叠加道的任一道的任一样点进行最佳倾角的倾角扫描得到包括所述叠加道的任一道的任一样点的采样值的最佳扫描数据系列，求取所述最佳扫描数据系列的中值并将所述最佳扫描数据系列的中值替代所述叠加道的任一道的任一样点的采样值；D、重复步骤B至C，直至处理完所述叠加道的每一道的每个样点并得到模型道；E、在设定时窗内求取所述叠加前共中心点道集的每一道与模型道的相应道的相关比值；F、对所述相关比值进行修正处理并对修正后的相关比值进行平滑处理，得到所述叠加前共中心点道集的每一道的加权系数；G、用所述叠加前共中心点道集的每一道的加权系数分别对所述叠加前共中心点道集的每一道进行加权处理，得到加权后共中心点道集；H、对加权后共中心点道集进行直接平均叠加，得到高精度叠加道。

根据本发明的高精度加权叠加方法的一个实施例，所述叠加前共中心点道集包括多个共中心点道集，每个共中心点道集包括多个道并且每个共中心点道集进行直接平均叠加后得到一个叠加道。

根据本发明的高精度加权叠加方法的一个实施例，在步骤B中，以所述任一样点所在的叠加道作为中心道并且将所述中心道和与所述中心道左右相邻的2n个叠加道作为扫描道进行倾角扫描，取所述任一样点的采样值和与所述中心道左右相邻的2n个叠加道上沿着设定倾角方向的多个样点的采样值组合成扫描数据系列，其中，n为正整数且1≤n≤7；

当所述中心道左侧的叠加道的总数g小于n时，将所述中心道和所述中心道左侧的g个叠加道和右侧相邻的n个叠加道作为扫描道；当所述中心道右侧的叠加道的总数h小于n时，将所述中心道和所述中心道右侧的h个叠加道和左侧相邻的n个叠加道作为扫描道，其中，g、h为正整数且0≤g＜n、0≤h＜n。

根据本发明的高精度加权叠加方法的一个实施例，在步骤C中，以所述任一样点所在的叠加道作为中心道并且将所述中心道和与所述中心道左右相邻的2n个叠加道作为扫描道进行倾角扫描，取所述任一样点的采样值和与所述中心道左右相邻的2n个叠加道上沿着最佳倾角方向的多个样点的采样值组合成最佳扫描数据系列，其中，n为正整数且1≤n≤7；

当所述中心道左侧的叠加道的总数g小于n时，将所述中心道和所述中心道左侧的g个叠加道和右侧相邻的n个叠加道作为扫描道；当所述中心道右侧的叠加道的总数h小于n时，将所述中心道和所述中心道右侧的h个叠加道和左侧相邻的n个叠加道作为扫描道，其中，g、h为正整数且0≤g＜n、0≤h＜n。

根据本发明的高精度加权叠加方法的一个实施例，在步骤E中，按照式1在设定时窗内求取所述叠加前共中心点道集的每一道与模型道的相应道之间的相关比值gh(i，j)：

$\mathrm{gh}(i,j)=\frac{\underset{k^{\′}=k-\frac{\mathrm{\τ}}{2}}{\overset{k+\frac{\mathrm{\τ}}{2}}{\mathrm{\Σ}}}a(i,j,k^{\′})*R(i,k^{\′})}{\underset{k^{\′}=k-\frac{\mathrm{\τ}}{2}}{\overset{k+\frac{\mathrm{\τ}}{2}}{\mathrm{\Σ}}}a(i,j,k^{\′})*a(i,j,k^{\′})}$ ——式1

其中，a(i，j，k′)为在设定时窗内的叠加前共中心点道集数据，R(i，k′)为在设定时窗内的模型道数据，τ为设定时窗的长度；

i为叠加前共中心点道集的道集序号，i＝1，2，…，MD，MD为叠加前共中心点道集的总道集数；j为叠加前共中心点道集的道序号，j＝1，2，…，NC_i，NC_i为第i个叠加前共中心点道集的最大道数；k为叠加前共中心点道集的样点序号，k＝1，2，…，NS，NS为第i个叠加前共中心点道集的第j道的最大采样长度。

根据本发明的高精度加权叠加方法的一个实施例，在步骤F中，采用门槛值法对所述相关比值gh(i，j)进行修正处理，并且具体包括以下步骤：

给定门槛下限值HI和门槛上限值HA；

当gh(i，j)＜-HI时，gh(i，j)′＝0；

当-HI＜gh(i，j)＜HI时，gh(i，j)′＝HI；

当HI＜gh(i，j)＜HA时，gh(i，j)′＝gh(i，j)；

当HA＜gh(i，j)时，gh(i，j)′＝HA，

其中，gh(i，j)′为修正后的相关比值，所述门槛下限值HI和门槛上限值HA均为正数。

根据本发明的高精度加权叠加方法的一个实施例，在步骤F中，采用累加求和的方式对修正后的相关比值gh(i，j)′进行平滑处理得到加权系数gh(i，j)″，并且按照式2进行所述平滑处理：

$\mathrm{gh}{(i,j)}^{\′\′}=\underset{j^{\′}=j-\frac{s}{2}}{\overset{j+\frac{s}{2}}{\mathrm{\Σ}}}\mathrm{gh}{(i,j^{\′})}^{\′}$ ——式2

式中，gh(i，j′)′为在设定道范围内的叠加前共中心点道集的道所对应的修正后的相关比值，s为设定道范围的宽度。

本发明的高精度加权叠加方法通过对共中心点道集中的各地震道进行不同程度的加权处理，使得叠加质量好的道(或道的一部分)的参与叠加的成分多，同时使得叠加质量较差的道的参与叠加的成分少，甚至把质量很差的道删除掉并使其不参与叠加，以此缓解各种不利因素对叠加的影响，提高地震数据叠加成像的精度。

具体实施方式

以下，将详细说明本发明的示例性实施例。

可通过计算机软件模块实现本发明的高精度加权叠加方法。在本申请中描述的各个步骤不限制为上述步骤，其中的一些步骤可被进一步拆分为更多的步骤，并且一些步骤可合并为较少的步骤。

本发明的高精度加权方法的基本思路在于：对叠加前共中心点道集数据中的每道地震数据分别求加权系数，从而使得质量好的道数据的加权系数大并且质量差的道数据的加权系数小，然后通过加权系数对每道地震数据进行加权后再进行叠加，从而得到高精度的叠加道数据。

需要说明的是，地震数据、共中心点道集数据和道数据均为本领域常用的术语且其含义清楚，为了方便描述，在下文中通常直接用共中心点道集、道等来描述，其含义等同于共中心点道集数据、道数据等。此外，地震数据的获取、共中心点道集数据的抽取和输入也可以采用本领域公知的方法进行，共中心点道集数据的预处理也可以根据实际情况选择进行或不进行，本发明并不对此进行特别限定。

根据本发明的示例性实施例，所述高精度加权叠加方法包括以下步骤：

步骤A：

对叠加前共中心点道集进行直接平均叠加，得到叠加道。

叠加前共中心点道集可以包括多个共中心点道集，每个共中心点道集包括多个道并且每个共中心点道集进行直接平均叠加后得到一个叠加道，则多个共中心点道集进行直接平均叠加后即得到多个叠加道。其中，直接平均叠加可以采用本领域公知的方法进行。

步骤B：

对叠加道的任一道的任一样点进行多个设定倾角的倾角扫描得到包括所述叠加道的任一道的任一样点的采样值的多个扫描数据系列，将所述多个扫描数据系列分别进行直接累加求和得到多个叠加值，以所述多个叠加值中的最大值所对应的设定倾角作为所述叠加道的任一道的任一样点的最佳倾角。

传统的中值滤波是直接沿水平方向进行，在有效波同相轴为水平的情况下，传统的中值滤波可以最大限度地剔除噪声，保持同相轴间断点的特征不变，而且不会降低地震数据的分辨率。但是，当地震剖面上的有效波同相轴有倾角且角度在时间域和空间域剧烈变化时，则传统的中值滤波就变得完全不适应了。为此，本发明先采用倾角扫描的方法扫描出每个样点的倾角，然后再对每个样点沿倾角方向进行中值滤波，从而能够有效衰减地震数据中的随机噪声，增加有效波同相轴的连续性，提高地震资料信噪比，同时能够适应有效波同相轴的倾角变化剧烈的情况。

具体地讲，当设定一个倾角时，则该倾角值表示进行倾角扫描时相邻道的样点数差。当使用所述设定倾角对任一叠加道的任一样点进行倾角扫描时，则以所述任一样点所在的叠加道作为中心道并且将所述中心道和与所述中心道左右相邻的2n个叠加道作为扫描道，即取中心道、中心道左侧相邻的n个叠加道、中心道右侧相邻的n个叠加道作为扫描道。并将所述任一样点的采样值和与所述中心道左右相邻的2n个叠加道上沿着设定倾角方向取的多个样点的采样值一起组合成扫描数据系列后进行叠加并得到一个相应的叠加值，即一共有2n+1个采样值组成上述扫描数据系列。其中，n为正整数且1≤n≤7，并且n值越大则中值滤波的平滑效果越强，具体可以根据用户的需求选取合适的n，默认取值为5。

除了上述情况以外，还存在一些较为极端的情况。例如，对于中心道为叠加道数据的第一道的情况，则直接取其右边的n道作为扫描道并且左边不取进行扫描叠加；对于中心道为叠加道数据的第二道的情况，则取其右边的n道和左边的1道作为扫描道进行扫描叠加，依次类推；对于中心道为叠加道数据的最后一道的情况，则取其左边的n道作为扫描道并且右边不取进行扫描叠加。即当所述中心道左侧的叠加道的总数g小于n时，将所述中心道和所述中心道左侧的g个叠加道和右侧相邻的n个叠加道作为扫描道；当所述中心道右侧的叠加道的总数h小于n时，将所述中心道和所述中心道右侧的h个叠加道和左侧相邻的n个叠加道作为扫描道，其中，g、h为正整数且0≤g＜n、0≤h＜n。

因此，每设定一个倾角，对于任一道的任一样点而言，就可以得到一个相应的叠加值，找出多个设定倾角所对应的多个叠加值中的最大值，则该最大值所对应的设定倾角即为该任一道的任一样点的的最佳倾角。之后，再以所得的最佳倾角对相应的样点进行倾角扫描处理，从而可以获得模型道。

步骤C：

对所述叠加道的任一道的任一样点进行最佳倾角的倾角扫描得到包括所述叠加道的任一道的任一样点的采样值的最佳扫描数据系列，求取所述最佳扫描数据系列的中值并将所述最佳扫描数据系列的中值替代所述叠加道的任一道的任一样点的采样值。

本步骤是利用步骤B所得的最佳倾角对样点再次倾角扫描，以获取模型道的样点数据。与步骤B类似，以所述任一样点所在的叠加道作为中心道并且将所述中心道和与所述中心道左右相邻的2n个道作为扫描道进行倾角扫描，取所述任一样点的采样值和与所述中心道左右相邻的2n个道上沿着最佳倾角方向的多个样点的多个采样值组合成最佳扫描数据系列，其中，n为正整数且1≤n≤7。之后，求取所述最佳扫描数据系列的中值并将该中值代替相应样点的采样值。其中，步骤B和步骤C所述的采样值可以是振幅值。并且，上述求取中值的步骤也可以采用本领域公知的方法进行，例如将数据序列从小到大排序，如果该数据序列的数据总数m为奇数，则对应的中值为(m+1)/2对应的数据，如果该数据序列的数据总数m为偶数，则对应的中值为m/2和(m+1)/2对应的两个数据的平均值。

步骤D：

重复步骤B至C，直至处理完所述叠加道的每一道的每个样点并得到模型道。即对叠加道的每一道的每个样点均进行步骤B至C的处理，以利用倾角扫描的方法求取每个样点的最佳倾角和最佳扫描数据系列以及最佳扫描数据系列的中值，然后获得每个样点的替代后采样值并由各样点的替代后采样值组成所需的模型道。

其中，模型道是指信噪比高的叠加道数据。好的模型道是叠加数据中随机噪声得到有效衰减，同时有效波同相轴的连续性得到了增强的道。本发明采用基于倾角扫描的中值滤波方法可以得到高质量的模型道，并且能够有效地衰减叠加数据中的随机噪声，增加有效波同相轴的连续性，提高叠加数据的信噪比，同时能够适应有效波同相轴的倾角变化剧烈的情况。

步骤E：

在设定时窗内求取所述叠加前共中心点道集的每一道与模型道的相应道的相关比值。

在步骤E中，求取叠加前共中心点道集的每一道与模型道的相应道的相关比值是求取叠加前共中心点道集的每一道的加权系数的基础，并且叠加前共中心点道集的每一道均对应着一个相关比值。

在地震数据采集设计时，需要定义地震数据目的层的大致位置与范围，该目的层也是后续处理与解释重点关注的地方，相对来说该区域的信噪比也较高，因此在选取时窗时通常是选取目的层附近时窗范围内的数据，该区域数据信噪比高，不会受到噪声的干扰，也不会影响到相关比值的准确性。

具体地，可以按照式1在设定时窗内求取所述叠加前共中心点道集的每一道与模型道的相应道之间的相关比值gh(i，j)：

$\mathrm{gh}(i,j)=\frac{\underset{k^{\′}=k-\frac{\mathrm{\τ}}{2}}{\overset{k+\frac{\mathrm{\τ}}{2}}{\mathrm{\Σ}}}a(i,j,k^{\′})*R(i,k^{\′})}{\underset{k^{\′}=k-\frac{\mathrm{\τ}}{2}}{\overset{k+\frac{\mathrm{\τ}}{2}}{\mathrm{\Σ}}}a(i,j,k^{\′})*a(i,j,k^{\′})}$ ——式1

其中，a(i，j，k′)为在设定时窗内的叠加前共中心点道集数据，R(i，k′)为在设定时窗内的模型道数据，τ为设定时窗的长度，并且τ的长度一般可取60～120毫秒，缺省值为100毫秒。

i为叠加前共中心点道集的道集序号，i＝1，2，…，MD，MD为叠加前共中心点道集的总道集数；j为叠加前共中心点道集的道序号，j＝1，2，…，NC_i，NC_i为第i个叠加前共中心点道集的最大道数；k为叠加前共中心点道集的样点序号，k＝1，2，…，NS，NS为第i个叠加前共中心点道集的第j道的最大采样长度。

步骤F：

对所述相关比值进行修正处理并对修正后的相关比值进行平滑处理，得到所述叠加前共中心点道集的每一道的加权系数。

在本步骤中，通过对各相关比值进行修正和平滑处理，就可以得到叠加前共中心点道集的每一道的加权系数，从而使得质量好的道数据的加权系数大并且质量差的道数据的加权系数小，尽量避免各种不利因素的影响，提高后续的叠加精度。

具体来说，可以采用门槛值法对所述相关比值gh(i，j)进行修正处理，包括以下步骤：

首先给定门槛下限值HI和门槛上限值HA，并且门槛下限值HI和门槛上限值HA均为正数，例如HI＝20，HA＝200；

然后对相关比值gh(i，j)进行修正后得到修正后的相关比值gh(i，j)′，即

当gh(i，j)＜-HI时，gh(i，j)′＝0；

当-HI＜gh(i，j)＜HI时，gh(i，j)′＝HI；

当HI＜gh(i，j)＜HA时，gh(i，j)′＝gh(i，j)；

当HA＜gh(i，j)时，gh(i，j)′＝HA。

并且，可以采用采用累加求和的方式对修正后的相关比值gh(i，j)′进行平滑处理得到加权系数gh(i，j)″，并且按照式2进行所述平滑处理：

$\mathrm{gh}{(i,j)}^{\′\′}=\underset{j^{\′}=j-\frac{s}{2}}{\overset{j+\frac{s}{2}}{\mathrm{\Σ}}}\mathrm{gh}{(i,j^{\′})}^{\′}$ ——式2

式中，gh(i，j′)′为在设定道范围内的叠加前共中心点道集的道所对应的修正后的相关比值，s为设定道范围的宽度。

步骤G：

用所述叠加前共中心点道集的每一道的加权系数分别对所述叠加前共中心点道集的每一道进行加权处理，得到加权后共中心点道集。

步骤H：

对加权后共中心点道集进行直接平均叠加，得到高精度叠加道。

下面结合具体示例进一步对本发明的高精度加权叠加方法进行说明。

1)输入叠前共中心点道集a(i，j，k)并对其进行直接平均叠加得到叠加道A(i，k)：

$A(i,k)=\frac{1}{{\mathrm{NC}}_i}\underset{j=1}{\overset{{\mathrm{NC}}_i}{\mathrm{\Σ}}}a(i,j,k)$ ——式3，

其中，i为叠加前共中心点道集的道集序号，i＝1，2，…，MD，MD为叠加前共中心点道集的总道集数；j为叠加前共中心点道集的道序号，j＝1，2，…，NC_i，NC_i为第i个叠加前共中心点道集的最大道数；k为叠加前共中心点道集的样点序号，k＝1，2，…，NS，NS为第i个叠加前共中心点道集的第j道的最大采样长度。

2)由用户给出最大倾角PB和最小倾角PA并且倾角表示进行倾角扫描时相邻道的样点数差，则总的倾角数目NP＝PB-PA+1。

定义倾角P₁并且PA≤P₁≤PB、l＝1，2，…NP，则对叠加道的任一道的样点d进行倾角P_i的倾角扫描，得到包括所述叠加道的任一道的样点d的采样值和与样点d所在道左右相邻的2n个道上沿着倾角P_i方向的多个样点的多个采样值组合成的扫描数据系列，将该扫描数据系列进行叠加得到叠加值M(i，k，l)：

$M(i,k,l)=\mathrm{abs}\left(\begin{array}{c}A(i-n,k+{\mathrm{np}}_l)+A(i-(n-1),k+(n-1)p_l)\\ +...+A(i,k)+...+A(i+n,k-{\mathrm{np}}_l)\end{array}\right)$ ——式4

3)求出样点d的每个倾角所对应的叠加值M(i，k，1)，M(i，k，2)，…，M(i，k，NP)中的最大值，并且该叠加值的最大值所对应的倾角P₀即为样点d的最佳倾角。

4)对样点d进行最佳倾角P₀的倾角扫描，得到包括样点d的采样值和与样点d所在道左右相邻的2n个道上沿着倾角P₀方向的多个样点的多个采样值组合成的最佳扫描数据系列，求取该最佳扫描数据系列的中值E：

$E=\mathrm{median}\begin{array}{}\end{array}\left(\begin{array}{c}A(i-n,k+{\mathrm{np}}_0),A(i-(n-1),k+(n-1)p_0)\\ ,...,A(i,k),...,A(i+n,k-{\mathrm{np}}_0)\end{array}\right)$ ——式5

5)将样点d的采样值用求得的中值E替代。

6)对叠加道的每个道的每个样点进行步骤2-5的处理并得到每个样点的替代后采样值，从而形成模型道R(i，k)。

7)对叠加前共中心点道集的每一道与模型道的对应道在设定时窗内求取相关比值gh(i，j)，即叠加前共中心点道集的每一道均对应一个相关比值：

$\mathrm{gh}(i,j)=\frac{\underset{k^{\′}=k-\frac{\mathrm{\τ}}{2}}{\overset{k+\frac{\mathrm{\τ}}{2}}{\mathrm{\Σ}}}a(i,j,k^{\′})*R(i,k^{\′})}{\underset{k^{\′}=k-\frac{\mathrm{\τ}}{2}}{\overset{k+\frac{\mathrm{\τ}}{2}}{\mathrm{\Σ}}}a(i,j,k^{\′})*a(i,j,k^{\′})}$ ——式1

式中，a(i，j，k′)为在设定时窗内的叠加前共中心点道集数据，R(i，k′)为在设定时窗内的模型道数据，τ为设定时窗的长度。一般情况下，τ的长度可以取为60～120毫秒，缺省值为100毫秒。

8)采用门槛值法对求得的相关比值gh(i，j)进行修正处理，具体步骤为：

首先给定门槛下限值HI和门槛上限值HA，并且门槛下限值HI和门槛上限值HA均为正数，例如HI＝20，HA＝200；

然后对相关比值gh(i，j)进行修正后得到修正后的相关比值gh(i，j)′，即

当gh(i，j)＜-HI时，gh(i，j)′＝0；

当-HI＜gh(i，j)＜HI时，gh(i，j)′＝HI；

当HI＜gh(i，j)＜HA时，gh(i，j)′＝gh(i，j)；

当HA＜gh(i，j)时，gh(i，j)′＝HA。

9)采用累加求和的方式对修正后的相关比值gh(i，j)′进行平滑处理得到加权系数gh(i，j)″，并且按照式2进行所述平滑处理：

$\mathrm{gh}{(i,j)}^{\′\′}=\underset{j^{\′}=j-\frac{s}{2}}{\overset{j+\frac{s}{2}}{\mathrm{\Σ}}}\mathrm{gh}{(i,j^{\′})}^{\′}$ ——式2

式中，gh(i，j′)′为在设定道范围内的叠加前共中心点道集的道所对应的修正后的相关比值，s为设定道范围的宽度。一般情况下，s取值为5。

10)用所得的加权系数gh(i，j)″对叠加前共中心点道集的每一道进行加权处理，得到加权后共中心点道集rs(i，j，k)：

rs(i，j，k)＝a(i，j，k)*gh(i，j)″——式6

11)将加权后共中心点道集rs(i，j，k)进行直接平均叠加，即得到高精度叠加道SA(i，k)：

$\mathrm{SA}(i,k)=\underset{j=1}{\overset{{\mathrm{NC}}_i}{\mathrm{\Σ}}}\mathrm{rs}(i,j,k)$ ——式7

综上所述，本发明的高精度加权叠加方法通过对共中心点道集中的各地震道进行不同程度的加权处理，使得叠加质量好的道(或道的一部分)的参与叠加的成分多，同时使得叠加质量较差的道的参与叠加的成分少，甚至把质量很差的道删除掉并使其不参与叠加，以此缓解各种不利因素对叠加的影响，提高地震数据叠加成像的精度。

尽管已参照优选实施例表示和描述了本发明，但本领域技术人员应该理解，在不脱离由权利要求限定的本发明的精神和范围的情况下，可以对这些实施例进行各种修改和变换。

Claims (7)

1.一种高精度加权叠加方法，其特征在于，所述方法包括以下步骤：

A、对叠加前共中心点道集进行直接平均叠加，得到叠加道；

B、对叠加道的任一道的任一样点进行多个设定倾角的倾角扫描得到包括所述叠加道的任一道的任一样点的采样值的多个扫描数据系列，将所述多个扫描数据系列分别进行直接累加求和得到多个叠加值，以所述多个叠加值中的最大值所对应的设定倾角作为所述叠加道的任一道的任一样点的最佳倾角；

C、对所述叠加道的任一道的任一样点进行最佳倾角的倾角扫描得到包括所述叠加道的任一道的任一样点的采样值的最佳扫描数据系列，求取所述最佳扫描数据系列的中值并将所述最佳扫描数据系列的中值替代所述叠加道的任一道的任一样点的采样值；

D、重复步骤B至C，直至处理完所述叠加道的每一道的每个样点并得到模型道；

E、在设定时窗内求取所述叠加前共中心点道集的每一道与模型道的相应道的相关比值；

F、对所述相关比值进行修正处理并对修正后的相关比值进行平滑处理，得到所述叠加前共中心点道集的每一道的加权系数；

G、用所述叠加前共中心点道集的每一道的加权系数分别对所述叠加前共中心点道集的每一道进行加权处理，得到加权后共中心点道集；

H、对加权后共中心点道集进行直接平均叠加，得到高精度叠加道。

2.根据权利要求1所述的高精度加权叠加方法，其特征在于，所述叠加前共中心点道集包括多个共中心点道集，每个共中心点道集包括多个道并且每个共中心点道集进行直接平均叠加后得到一个叠加道。

3.根据权利要求1所述的高精度加权叠加方法，其特征在于，在步骤B中，以所述任一样点所在的叠加道作为中心道并且将所述中心道和与所述中心道左右相邻的2n个叠加道作为扫描道进行倾角扫描，取所述任一样点的采样值和与所述中心道左右相邻的2n个叠加道上沿着设定倾角方向的多个样点的采样值组合成扫描数据系列，其中，n为正整数且1≤n≤7；

当所述中心道左侧的叠加道的总数g小于n时，将所述中心道和所述中心道左侧的g个叠加道和右侧相邻的n个叠加道作为扫描道；当所述中心道右侧的叠加道的总数h小于n时，将所述中心道和所述中心道右侧的h个叠加道和左侧相邻的n个叠加道作为扫描道，其中，g、h为正整数且0≤g＜n、0≤h＜n。

4.根据权利要求1所述的高精度加权叠加方法，其特征在于，在步骤C中，以所述任一样点所在的叠加道作为中心道并且将所述中心道和与所述中心道左右相邻的2n个叠加道作为扫描道进行倾角扫描，取所述任一样点的采样值和与所述中心道左右相邻的2n个叠加道上沿着最佳倾角方向的多个样点的采样值组合成最佳扫描数据系列，其中，n为正整数且1≤n≤7；

当所述中心道左侧的叠加道的总数g小于n时，将所述中心道和所述中心道左侧的g个叠加道和右侧相邻的n个叠加道作为扫描道；当所述中心道右侧的叠加道的总数h小于n时，将所述中心道和所述中心道右侧的h个叠加道和左侧相邻的n个叠加道作为扫描道，其中，g、h为正整数且0≤g＜n、0≤h＜n。

5.根据权利要求1所述的高精度加权叠加方法，其特征在于，在步骤E中，按照式1在设定时窗内求取所述叠加前共中心点道集的每一道与模型道的相应道之间的相关比值gh(i，j)：

$\mathrm{gh}(i,j)=\frac{\underset{k^{\′}=k-\frac{\mathrm{\τ}}{2}}{\overset{k+\frac{\mathrm{\τ}}{2}}{\mathrm{\Σ}}}a(i,j,k^{\′})*R(i,k^{\′})}{\underset{k^{\′}=k-\frac{\mathrm{\τ}}{2}}{\overset{k+\frac{\mathrm{\τ}}{2}}{\mathrm{\Σ}}}a(i,j,k^{\′})*a(i,j,k^{\′})}$ ——式1

其中，a(i，j，k′)为在设定时窗内的叠加前共中心点道集数据，R(i，k′)为在设定时窗内的模型道数据，τ为设定时窗的长度；

i为叠加前共中心点道集的道集序号，i＝1，2，…，MD，MD为叠加前共中心点道集的总道集数；j为叠加前共中心点道集的道序号，j＝1，2，…，NC_i，NC_i为第i个叠加前共中心点道集的最大道数；k为叠加前共中心点道集的样点序号，k＝1，2，…，NS，NS为第i个叠加前共中心点道集的第j道的最大采样长度。

6.根据权利要求5所述的高精度加权叠加方法，其特征在于，在步骤F中，采用门槛值法对所述相关比值gh(i，j)进行修正处理，并且具体包括以下步骤：

给定门槛下限值HI和门槛上限值HA；

当gh(i，j)＜-HI时，gh(i，j)′＝0；

当-HI＜gh(i，j)＜HI时，gh(i，j)′＝HI；

当HI＜gh(i，j)＜HA时，gh(i，j)′＝gh(i，j)；

当HA＜gh(i，j)时，gh(i，j)′＝HA，

其中，gh(i，j)′为修正后的相关比值，所述门槛下限值HI和门槛上限值HA均为正数。

7.根据权利要求5所述的高精度加权叠加方法，其特征在于，在步骤F中，采用累加求和的方式对修正后的相关比值gh(i，j)′进行平滑处理得到加权系数gh(i，j)″，并且按照式2进行所述平滑处理：

$\mathrm{gh}{(i,j)}^{\′\′}=\underset{j^{\′}=j-\frac{s}{2}}{\overset{j+\frac{s}{2}}{\mathrm{\Σ}}}\mathrm{gh}{(i,j^{\′})}^{\′}$ ——式2

式中，gh(i，j′)′为在设定道范围内的叠加前共中心点道集的道所对应的修正后的相关比值，s为设定道范围的宽度。