发明内容
本发明的示例性实施例在于提供一种地震数据中的规则干扰的压制方法,能够克服现有规则干扰压制方式中存在的去噪效果不明显的缺陷。
本发明示例性实施例提供一种针对地震数据中的规则干扰的压制方法,包括:(a)对地震数据进行分频处理,分离出低频段的地震数据;(b)在规则干扰的视速度区间中确定预定数量的扫描速度;(c)根据分离出的低频段的地震数据,确定各扫描速度对应的规则干扰数据,其中,针对所述预定数量的扫描速度之中的任意一个扫描速度,通过对分离出的低频段的地震数据进行如下处理来确定所述任意一个扫描速度对应的规则干扰数据:通过根据所述任意一个扫描速度对分离出的低频段的地震数据进行时移处理来得到时移处理后的地震数据;将时移处理后的地震数据进行高阶的汉克尔矩阵构建得到构建的高阶汉克尔矩阵;将构建的高阶汉克尔矩阵做奇异值分解,以分解为一系列特征图像的和;将表示一系列特征图像中的第一个特征图像的特征数据矩阵进行反时移处理,以获得所述任意一个扫描速度对应的规则干扰数据;(d)将各扫描速度对应的规则干扰数据相加以获得全部的规则干扰数据;(e)从地震数据减去所述全部的规则干扰数据以获得规则干扰得到压制后的地震数据。
在上述方法中,所述低频段的地震数据可以为频率为0Hz至20Hz的地震数据。
在上述方法中的步骤(b)中,可通过以下计算式来确定所述预定数量的扫描速度之中的第k个扫描速度:
Vk=Vmin+k*ΔV,
其中,Vk表示第k个扫描速度,ΔV表示扫描速度增量,ΔV=Vmax-Vmin/C+1,C表示所述预定数量,Vmin、Vmax分别表示规则干扰的最小视速度和最大视速度。
在上述方法中的步骤(c)中,可通过以下计算式来确定时移处理后的第i道第j时刻的地震数据:
其中,x′i,j表示时移处理后的第i道第j时刻的地震数据,表示时移处理前的第i道第j-Δti/Δs时刻的地震数据,Δs表示地震数据采样率,Δti=offi/V,offi表示第i道地震数据的偏移距,V表示所述任意一个扫描速度。
在上述方法中的步骤(c)中得到的构建的高阶汉克尔矩阵可以表示为:
其中,p=S/2,q=N/2,N表示地震数据的道数,S表示每道数据的采样点数,x′N,j表示时移处理后的第N道第j时刻的地震数据。
在上述方法中的步骤(d)中的所述特征数据矩阵可以为:
其中,x″表示所述特征数据矩阵,u1和w1分别表示BTB和BBT的第1个特征向量,B表示所述构建的高阶汉克尔矩阵,σ1表示所述一系列特征图像中的第一个特征图像的矩阵秩。
在上述方法中的步骤(c)中,可通过以下计算式来获得第i道第j时刻的地震数据中的所述任意一个扫描速度对应的规则干扰数据:
其中,x″′i,j表示第i道第j时刻的地震数据中的所述任意一个扫描速度对应的规则干扰数据,表示所述特征数据矩阵中第i行第j+Δti/Δs列的元素,Δs表示地震数据采样率,Δti=offi/V,offi表示每道地震数据的偏移距,V表示所述任意一个扫描速度。
在根据本发明示例性实施例的针对地震数据中的规则干扰的压制方法中,充分利用了规则干扰与有效信号的视速度差异,在时间空间域采用矩阵组合以及分解方法压制规则干扰,克服了频率域压制规则干扰方法的不足,而且能够有效地分离了各种规则干扰,保真效果好,具有良好的适应性。
具体实施方式
现将详细参照本发明的示例性实施例,所述实施例的示例在附图中示出,其中,相同的标号始终指的是相同的部件。以下将通过参照附图来说明所述示例性实施例,以便解释本发明。
图1示出根据本发明示例性实施例的针对地震数据中的规则干扰的压制方法的流程图。
参照图1,在步骤S10,对地震数据进行分频处理,分离出低频段的地震数据。这里,所述低频段是规则干扰的频率区间,可根据地震数据所在工区的地质特点来确定。作为示例,所述低频段的地震数据为频率为0Hz至20Hz的地震数据。
在步骤S20,在规则干扰的视速度区间中确定预定数量的扫描速度。这里,所述规则干扰的视速度区间可根据本领域技术人员的经验或所述地震数据中的相关数据来确定。所述预定数量的扫描速度可根据所述工区的地质特点来确定。作为示例,通过计算式(1)来确定所述预定数量的扫描速度之中的第k个扫描速度。
Vk=Vmin+k*ΔV (1)
其中,Vk表示第k个扫描速度,ΔV表示扫描速度增量,ΔV=Vmax-Vmin/C+1,C表示所述预定数量,Vmin、Vmax分别表示规则干扰的最小视速度和最大视速度。
应该理解,根据本发明示例性实施例的预定数量的扫描速度的确定方式不限于上述计算式(1),还可以通过其他合适的方式来确定所述预定数量的扫描速度。
在步骤S30,根据分离出的低频段的地震数据,确定各扫描速度对应的规则干扰数据。在步骤S30,针对所述预定数量的扫描速度之中的任意一个扫描速度,通过对分离出的低频段的地震数据进行如下处理来确定所述任意一个扫描速度对应的规则干扰数据:通过根据所述任意一个扫描速度对分离出的低频段的地震数据进行时移处理来得到时移处理后的地震数据;将时移处理后的地震数据进行高阶的汉克尔矩阵构建得到构建的高阶汉克尔矩阵;将构建的高阶汉克尔矩阵做奇异值分解,以分解为一系列特征图像的和;将表示一系列特征图像中的第一个特征图像的特征数据矩阵进行反时移处理,以获得所述任意一个扫描速度对应的规则干扰数据。
作为示例,在步骤S30,可通过计算式(2)来确定时移处理后的第i道第j时刻的地震数据。
其中,x′i,j表示时移处理后的第i道第j时刻的地震数据,表示时移处理前的第i道第j-Δti/Δs时刻的地震数据,Δs表示地震数据采样率,Δti=offi/V,offi表示第i道地震数据的偏移距,V表示所述任意一个扫描速度。
应该理解,根据本发明示例性实施例的时移后的地震数据的确定方式不限于上述计算式(2),还可以通过其他合适的方式来确定。
作为示例,在步骤S30,可将时移处理后的地震数据用矩阵来表示。作为示例,可按照下述矩阵A的形式来表示时移处理后的地震数据。
这里,可对矩阵A进行高阶的组合以形成高阶汉克尔矩阵。可以理解,也可以直接对时移处理后的地震数据进行高阶的汉克尔矩阵构建以得到构建的高阶汉克尔矩阵。作为示例,构建的高阶汉克尔矩阵可表示为如下的矩阵B。
其中,p=S/2,q=N/2,N表示地震数据的道数,S表示每道数据的采样点数。这里,p、q还可以是其他的值,p可以是S与2之外的偶数的商,q可以是N与2之外的偶数的商。
可以理解,根据本发明示例性实施例构建的高阶汉克尔矩阵不限于上述矩阵B的形式,还可以是其他形式表示的矩阵。
在步骤S30中,将构建的高阶汉克尔矩阵B做奇异值分解,以分解为一系列特征图像的和。作为示例,分解后的高阶汉克尔矩阵B可表示如下式(3)。
B=I1+I2……Id (3)
其中,Ie=σeuewe,Ie表示所述一系列特征图像中的第e个特征图像的特征数据矩阵,e∈[1,d],ue和we分别表示BTB和BBT的第e个特征向量,σe表示所述一系列特征图像中的第e个特征图像的矩阵秩,d所述一系列特征图像的数量。
应该理解,根据本发明示例性实施例的奇异值分解后的构建的高阶汉克尔矩阵B的形式不限于式(3)的形式,还可以是其他合适的形式。
由于当规则干扰的视速度与扫描速度接近或相同时,单炮记录中的规则干扰就会表现为水平的同相轴,有效信号与其他信号则表现为非水平的信号,而水平同相轴主要集中在前面几个特征图像上,其它信号则主要分布在后面的特征图像上,因此,可减少上述一系列特征图像的数量,形成特征图像的数量较少的如下式(4)所示的低秩重构矩阵Fm(B)。
Fm(B)=I1+I2+......+Im (4)
其中,m表示低秩重构矩阵的特征图像的数量。
这里,由于表示第一个特征图像的特征数据矩阵包含的水平同相轴的数据量最大,即其包含的规则干扰的数据量最大,因此,为了减小计算量,可将表示第一个特征图像的特征数据矩阵进行反时移处理,以获得所述任意一个扫描速度对应的规则干扰数据。
作为示例,可通过以下计算式(5)来获得第i道第j时刻的地震数据中的所述任意一个扫描速度对应的规则干扰数据。
其中,x″′i,j表示第i道第j时刻的地震数据中的所述任意一个扫描速度对应的规则干扰数据,表示所述特征数据矩阵中第i行第j+Δti/Δs列的元素。
应该理解,根据本发明示例性实施例的规则干扰数据的确定方式不限于上述计算式(5),还可以通过其他合适的方式来确定。
在步骤S40,将步骤S30中确定的各扫描速度对应的规则干扰数据相加以获得全部的规则干扰数据。
在步骤S50,从地震数据减去所述全部的规则干扰数据以获得规则干扰得到压制后的地震数据。
根据本发明的示例性实施例的上述方法可以被用于压制地震数据中的规则干扰的设备来实现,也可以被实现为计算机程序,从而当运行该程序时,实现上述方法。
在根据本发明示例性实施例的针对地震数据中的规则干扰的压制方法中,充分利用了规则干扰与有效信号的视速度差异,在时间空间域采用矩阵组合以及分解方法压制规则干扰,克服了频率域压制规则干扰方法的不足,而且能够有效地分离了各种规则干扰,保真效果好,具有良好的适应性。理论模型和实际数据的处理结果表明:该方法能够最大限度地压制规则干扰,保护有效信号,使反射波同相轴更加清晰、连续性更好,为地震资料的后续处理奠定了有利基础,具有较好的推广应用前景。
虽然已表示和描述了本发明的一些示例性实施例,但本领域技术人员应该理解,在不脱离由权利要求及其等同物限定其范围的本发明的原理和精神的情况下,可以对这些实施例进行修改。