CN104865600A - 将地震记录中的横波数据和纵波数据进行匹配的方法 - Google Patents

Abstract

本发明提供一种将地震记录中的横波数据和纵波数据进行匹配的方法，包括：(A)获取地震记录中各道的横波数据矩阵和纵波数据矩阵；(B)获取纵波数据矩阵与横波数据矩阵间的残差数据矩阵；(C)对残差数据矩阵进行奇异值分解来对纵波数据矩阵进行处理，获得处理纵波数据矩阵；(D)将横波数据矩阵与处理纵波数据矩阵基于每道进行匹配，获得纵横波初始匹配数据矩阵；(E)将纵横波初始匹配数据矩阵与纵波数据矩阵基于每道进行匹配，以获得纵横波匹配数据矩阵。相应地，能够通过对残差数据的奇异值分解来处理纵波数据，并将横波数据与处理纵波数据进行匹配，将匹配后的数据与纵波数据进行二次匹配来获得高精度的纵横波匹配数据。

Description

将地震记录中的横波数据和纵波数据进行匹配的方法

技术领域

本发明总体说来涉及地震数据的处理领域，更具体地讲，涉及一种将地震记录中的横波数据和纵波数据进行匹配的方法。

背景技术

纵横波匹配是对多波多分量地震记录进行解释的一个重要环节，是多波精确成像和叠前纵横波联合反演及岩性识别、储层预测和含气性识别的重要基础。近年来，纵横波匹配技术已经成为石油天然气勘探领域的研究热点。

目前，对纵横波进行匹配的方法主要包括基于反射特征的匹配方法和基于多波层位的匹配方法。基于反射特征的匹配方法通过对地震记录的纵波数据和横波数据中的波形和波组特征进行对比而生成纵横波速度比，然后通过纵横波速度比实现纵横波的匹配；基于多波层位的匹配方法首先分别基于地震记录的纵波数据和横波数据追踪出数据对应的层位，然后标定对应的层位产生的时移体，最后将时移体应用于横波数据，以实现横波与纵波的匹配。

具体说来，James E.G介绍了纵横波速度比的求取方法，诸如利用最大相关法求取纵横波速度比，求取平均纵横波速度比和求取层间纵横波速度比，使用VSP(垂直地震刨面)资料验证来从纵波和横波刨面中求取纵横波速度比，用短波长振幅反演求取纵横波速度比等。Van Dok和Kristiansen采用人工手动拾取强同相轴和其他明显的地质特征的方法，实现了纵波和横波在时间域的粗略匹配。Michael V.D等通过纵波数据和横波中求取纵横波速度比和泊松比，并基于建立的横波模型，在深度域实现了纵横波匹配。就纵横波匹配技术软件现状而言，Transform软件的匹配功能相对完善，提供的基于反射特征的匹配方法和基于多波层位的匹配方法能够实现纵波数据和横波数据的匹配。

然而，几乎所有的纵横波匹配的方法都是直接利用纵波和横波在同一地层反射的同相轴相似性最大的原则来求取纵横波的速度比，并直接对纵波和横波在时间域进行匹配，匹配精度低。

图1示出未匹配的纵波数据和横波数据的示图。如图1所示，图1中的(a)为纵波数据，图1中的(b)为横波数据。图2示出直接对纵波数据和横波数据进行匹配的纵横波匹配数据。图2中的(a)为纵波数据，图2中的(b)为与纵波数据进行匹配后的横波数据。由图2可以看出，纵横波匹配的精度低。

因此，现有的将地震记录中的横波数据和纵波数据进行匹配的方法，匹配精度低。

发明内容

本发明的示例性实施例在于提供一种将地震记录中的横波数据和纵波数据进行匹配的方法。所述方法能够克服现有的纵横波匹配方法匹配精度低的缺陷。

根据本发明示例性实施例，提供一种将地震记录中的横波数据和纵波数据进行匹配的方法，包括：(A)获取地震记录中各个道的横波数据的矩阵和纵波数据的矩阵，其中，横波数据的矩阵和纵波数据的矩阵均为M行N列的矩阵，其中，第i行第j列的元素表示第j个道的第i个数据，M为大于1的整数，N为大于1的整数，i的取值范围为[1，M]，j的取值范围为[1，N]，i和j均为整数；(B)获取纵波数据的矩阵与横波数据的矩阵之间的残差数据的矩阵；(C)通过对残差数据的矩阵进行奇异值分解来对纵波数据的矩阵进行处理，获得处理纵波数据的矩阵；(D)将横波数据的矩阵与处理纵波数据的矩阵基于每个道进行匹配，以获得纵横波初始匹配数据的矩阵；(E)将纵横波初始匹配数据的矩阵与纵波数据的矩阵基于每个道进行匹配，以获得纵横波匹配数据的矩阵。

可选地，步骤(C)包括：(C1)将残差数据的矩阵进行奇异值分解，获得M行N列的半正定对角矩阵，其中，所述半正定对角矩阵对角线上的元素为奇异值；(C2)对所述半正定对角矩阵进行简化，获得简化的半正定对角矩阵；(C3)基于简化的半正定对角矩阵来获得简化的残差数据的矩阵；(C4)将简化的残差数据的矩阵与横波数据的矩阵相加，获得处理纵波数据的矩阵。

可选地，在步骤(C2)中，将所述半正定对角矩阵对角线上的奇异值按预定顺序排列，并用预定值来替换排序在最后的预定数量个奇异值来获得简化的半正定对角矩阵。

可选地，所述预定顺序为从大到小的顺序，所述预定值为0。

可选地，步骤(D)包括：通过对每个道的横波数据向量和处理纵波数据向量设置相同的滑动时窗，而获得每个横波数据向量的每个滑动时窗内的种子点的坐标的偏移量，并通过所有种子点的坐标的偏移量插值出每个横波数据的坐标的偏移量，对每个横波数据的坐标的偏移量应用三次样条差值算法获得纵横波初始匹配数据的矩阵，其中，种子点指横波数据向量的滑动时窗内预定位置的横波数据，坐标指示数据在矩阵中的位置，其中，偏移量指示对于记录了相同层位信息的横波数据和处理纵波数据，横波数据的坐标相对于处理纵波数据的坐标的偏移程度。

可选地，在步骤(D)中：对横波数据向量和处理纵波数据向量分别设置相同的滑动时窗，将每个滑动时窗内的每个横波数据分别和所述滑动时窗的搜索半径内的每个处理纵波数据进行互相关，获得使横波数据和处理纵波数据的互相关值最大的横波数据的坐标的偏移量，作为所述滑动时窗内的种子点的坐标的偏移量；其中，对横波数据的矩阵中相同行的所有种子点的坐标的偏移量进行平滑，并通过平滑后的所有种子点的坐标的偏移量插值出每个横波数据的坐标的偏移量，对横波数据的矩阵中相同行的所有横波数据的坐标的偏移量进行平滑，并对平滑后的每个横波数据的坐标的偏移量应用三次样条插值算法获得纵横波初始匹配数据的矩阵。

可选地，当横波数据向量为横波数据的矩阵的第j₁列，处理纵波数据向量为处理纵波数据的矩阵的第j₂列时，通过下面的等式获得所述横波数据的坐标的偏移量：

$S_{j_1,j_2}(i,l)=\arg \underset{l\∈\hat{L}}{\underset{i\∈\hat{I}}{\max }}\frac{f_{j_1}\left(i\right)g_{j2}\left(l\right)}{\sqrt{f_{j_1}\left(i\right)f_{j_1}\left(i\right)}\sqrt{g_{j_2}\left(l\right)g_{j2}\left(l\right)}}$

其中，通过上式求得的l为所述偏移量，l的值为集合中的第l个元素的值，且集合中元素为公比为1的等差数列，N_s为滑动时窗的搜索半径，且N_s为大于1的整数， 表示横波数据的矩阵的第i_s+i-1行第j₁列元素，表示处理纵波数据的矩阵的第i_s+i-1+l行第j₂列元素，i的值为集合中的第i个元素的值，且集合中的元素为公差为1的等差数列，N_w为滑动时窗的长度，且N_w为大于2的整数，i_s＝(k-1)N_m，k表示滑动时窗的序号，k为大于1的整数，N_m表示滑动时窗移动的距离，N_s为大于等于1的整数，j₁和j₂的取值范围为[1，N]，j₁和j₂均为整数，i_s+i-1和i_s+i-1+l的取值范围为[1，M]。

可选地，步骤(E)包括：通过对每个道的纵横波初始匹配数据向量和纵波数据向量设置相同的滑动时窗，而获得每个纵横波初始匹配数据向量的每个滑动时窗内的种子点的坐标的偏移量，并通过所有种子点的坐标的偏移量插值出每个纵横波初始匹配数据的坐标的偏移量，进而对每个纵横波初始匹配数据的坐标的偏移量应用三次样条差值算法获得纵横波匹配数据的矩阵，其中，种子点指纵横波初始匹配数据向量的滑动时窗内预定位置的纵横波初始匹配数据，坐标指示数据在矩阵中的位置，其中，偏移量指示对于记录了相同层位信息的纵横波初始匹配数据和纵波数据，纵横波初始匹配数据的坐标相对于纵波数据的坐标的偏移程度。

可选地，在步骤(E)中：对纵横波初始匹配数据向量和纵波数据向量分别设置相同的滑动时窗，将每个滑动时窗内的每个纵横波初始匹配数据分别和所述滑动时窗的搜索半径内的每个纵波数据进行互相关，获得使纵横波初始匹配数据和纵波数据的互相关值最大的纵横波初始匹配数据的坐标的偏移量，作为所述滑动时窗内的种子点的坐标的偏移量；其中，对纵横波初始匹配数据的矩阵中相同行的所有种子点的坐标的偏移量进行平滑，并通过平滑后的所有种子点的坐标的偏移量插值出每个纵横波初始匹配数据的坐标的偏移量，对纵横波初始匹配数据的矩阵中相同行的所有纵横波初始匹配数据的坐标的偏移量进行平滑，并对平滑后的每个纵横波初始匹配数据的坐标的偏移量应用三次样条插值算法获得纵横波初始匹配数据的矩阵。

可选地，当纵横波初始匹配数据向量为纵横波初始匹配数据的矩阵的第j₁列，纵波数据向量为纵波数据的矩阵的第j₂列时，通过下面的等式获得所述纵横波初始匹配数据的坐标的偏移量：

$S_{j_1,j_2}(i,l)=\arg \underset{l\∈\hat{L}}{\underset{i\∈\hat{I}}{\max }}\frac{f_{j_1}\left(i\right)g_{j2}\left(l\right)}{\sqrt{f_{j_1}\left(i\right)f_{j_1}\left(i\right)}\sqrt{g_{j_2}\left(l\right)g_{j2}\left(l\right)}}$

其中，通过上式求得的l为所述偏移量，l的值为集合中的第l个元素的值，且集合中元素为公比为1的等差数列，N_s为滑动时窗的搜索半径，且N_s为大于1的整数， 表示纵横波初始匹配数据的矩阵的第i_s+i-1行第j₁列元素，表示纵波数据的矩阵的第i_s+i-1+l行第j₂列元素，i的值为集合中的第i个元素的值，且集合中的元素为公差为1的等差数列，N_w为滑动时窗的长度，且N_w为大于2的整数，i_s＝(k-1)N_m，k表示滑动时窗的序号，k为大于1的整数，N_m表示滑动时窗移动的距离，N_s为大于等于1的整数，j₁和j₂的取值范围为[1，N]，j₁和j₂均为整数，i_s+i-1和i_s+i-1+l的取值范围为[1，M]。

在根据本发明示例性实施例的将地震记录中的横波数据和纵波数据进行匹配的方法中，能够通过对残差数据的奇异值分解来处理纵波数据，并通过将横波数据与处理纵波数据进行匹配，将匹配后的数据与纵波数据进行二次匹配，从而获得高精度的纵横波匹配数据。

附图说明

通过下面结合示例性地示出实施例的附图进行的描述，本发明示例性实施例的上述和其他目的和特点将会变得更加清楚，其中：

图1示出未匹配的纵波数据和横波数据的示图；

图2示出直接对纵波数据和横波数据进行匹配的纵横波匹配数据；

图3示出根据本发明示例性实施例的将地震记录中的横波数据和纵波数据进行匹配的方法的流程图；

图4示出根据本发明示例性实施例的将地震记录中的横波数据和纵波数据进行匹配的方法中基于残差数据获得处理纵波数据步骤的流程图；

图5示出根据本发明示例性实施例的设置的滑动时窗的示例；

图6示出根据本发明示例性实施例的纵横波初始匹配数据和处理纵波数据的示例；

图7示出根据本发明示例性实施例的纵横波匹配数据和纵波数据的示例。

具体实施方式

以下，将参照附图更充分地描述本发明的示例性实施例，示例性实施例在附图中示出。然而，可以以许多不同的形式实施示例性实施例，并且不应被解释为局限于在此阐述的示例性实施例。相反，提供这些实施例从而本公开将会彻底和完整，并将完全地将示例性实施例的范围传达给本领域的技术人员。

图3示出根据本发明示例性实施例的将地震记录中的横波数据和纵波数据进行匹配的方法的流程图。所述方法可以由相应的电子设备来实施，也可通过计算机程序来实施。例如，所述方法可通过用于执行纵横波匹配的专用设备或专用程序来执行。

具体说来，在步骤S100，获取地震记录中各个道的横波(PS波)数据的矩阵和纵波(PP波)数据的矩阵，其中，横波数据的矩阵和纵波数据的矩阵均为M行N列的矩阵，其中，第i行第j列的元素表示第j个道的第i个数据，M为大于1的整数，N为大于1的整数，i的取值范围为[1，M]，j的取值范围为[1，N]，i和j均为整数。

作为示例，获取的地震记录中的各个道的横波数据的矩阵为矩阵S，纵波数据的矩阵为矩阵P。矩阵S中第i行第j列的元素表示第j个道第i次采样获得的横波数据，矩阵P中第i行第j列的元素表示第j个道第i次采样获得的横波数据。

在步骤S200，获取纵波数据的矩阵与横波数据的矩阵之间的残差数据的矩阵。

作为示例，通过将纵波数据的矩阵减去横波数据的矩阵来获取纵波数据的矩阵与横波数据的矩阵之间的残差数据的矩阵。例如，在上述示例中，将矩阵P减去矩阵S来获取残差数据的矩阵(例如，矩阵R)，即R＝P-S。应该理解，残差数据的矩阵(矩阵R)也是M行N列的矩阵。

在步骤S300，通过对残差数据的矩阵进行奇异值分解来对纵波数据的矩阵进行处理，获得处理纵波数据的矩阵。

作为示例，可通过对残差数据的矩阵进行奇异值分解来获得M行N列的半正定对角矩阵，通过半正定对角矩阵来获得简化的残差数据的矩阵，并通过简化的残差数据的矩阵来获得处理纵波数据的矩阵。

图4示出根据本发明示例性实施例的将地震记录中的横波数据和纵波数据进行匹配的方法中基于残差数据获得处理纵波数据步骤的流程图。

在步骤S310，将残差数据的矩阵进行奇异值分解，获得M行N列的半正定对角矩阵，其中，所述半正定对角矩阵对角线上的元素为奇异值。

作为示例，通过下式对残差数据的矩阵(矩阵R)进行奇异值分解：

R＝UΣV^T

其中，矩阵Σ为M行N列的半正定对角矩阵，矩阵Σ第m行第m列的元素(Σ对角线上的元素)λ_m为RR^T和R^TR的第m个特征值，其中，RR^T和R^TR的特征值相同，m为大于等于1且小于等于M且小于等于N的整数。矩阵U为M行M列的酉矩阵，矩阵U的列为RR^T的正交特征向量，矩阵V为N行N列的酉矩阵，矩阵V的列为R^TR的正交特征向量。

在步骤S320，对所述半正定对角矩阵进行简化，获得简化的半正定对角矩阵。这里，为了减小运算量，提高运算速度，可对步骤S310获得的半正定对角矩阵Σ进行简化。

作为示例，可将所述半正定对角矩阵对角线上的奇异值按预定顺序排列，并用预定值替换排序在最后的预定数量个奇异值来获得简化的半正定对角矩阵。例如，可将所述半正定对角矩阵对角线上的奇异值按照从大到小或者从小到大的顺序排列，并用0替换排序在最后的预定数量个奇异值来获得简化的半正定对角矩阵。优选地，所述预定顺序为从大到小的顺序，所述预定值为0。例如，只保留排序在前的5个最大的奇异值作为矩阵Σ对角线上的前5个元素的值，并用0来替换矩阵Σ对角线上的其它元素，来获得简化的半正定对角矩阵Σ'。

在步骤S330，基于简化的半正定对角矩阵来获得简化的残差数据的矩阵。

作为示例，可通过下式获得简化的残差数据的矩阵：

R'＝UΣ'V

其中，矩阵R'为M行N列的简化的残差数据的矩阵，Σ'为简化的半正定对角矩阵，在步骤S310中已对酉矩阵U和酉矩阵V进行了详细描述，这里不再赘述。

在步骤S340，将简化的残差数据的矩阵与横波数据的矩阵相加，获得处理纵波数据的矩阵。

作为示例，可通过下式获得处理纵波数据的矩阵：

P'＝R'+S

其中，P'为处理纵波数据的矩阵，矩阵R'为简化的残差数据的矩阵，矩阵S为横波数据的矩阵。

再次参照图3，在步骤S400，将横波数据的矩阵与处理纵波数据的矩阵基于每个道进行匹配，以获得纵横波初始匹配数据的矩阵。

这里，由于横波数据的矩阵和处理纵波数据的矩阵的每个列的元素为一个道的数据，因此可分别对每个道的横波数据向量和处理纵波数据向量进行匹配，以获得纵横波初始匹配数据的矩阵。

作为示例，可通过对每个道的横波数据向量和处理纵波数据向量设置相同的滑动时窗，而获得每个横波数据向量的每个滑动时窗内的种子点的坐标的偏移量，并通过所有种子点的坐标的偏移量插值出每个横波数据的坐标的偏移量，对每个横波数据的坐标的偏移量应用三次样条差值算法获得纵横波初始匹配数据的矩阵，其中，种子点指横波数据向量的滑动时窗内预定位置的横波数据，坐标指示数据在矩阵中的位置，其中，偏移量指示对于记录了相同层位信息的横波数据和处理纵波数据，横波数据的坐标相对于处理纵波数据的坐标的偏移程度。优选地，所述预定位置为横波数据向量的滑动时窗的中心位置，种子点为横波数据向量的滑动时窗的中心位置的横波数据。

图5示出根据本发明示例性实施例的设置的滑动时窗的示例。

如图5所示，对两个数据向量(横波数据向量和处理纵波数据向量)设置的滑动时窗的长度为N_w，滑动时窗的移动距离为N_m，这里，在实际应用中通常令N_m为N_w的一半，N_w为大于2的整数。

再次参照图3，可对横波数据向量和处理纵波数据向量分别设置相同的滑动时窗，将每个滑动时窗内的每个横波数据分别和所述滑动时窗的搜索半径内的每个处理纵波数据进行互相关，获得使横波数据和处理纵波数据的互相关值最大的横波数据的坐标的偏移量，作为所述滑动时窗内的种子点的坐标的偏移量。这里，由于互相关值最大的横波数据和处理纵波数据记录了相同的层位信息，因此，可将所述横波数据相对于处理纵波数据的偏移程度作为种子点的坐标的偏移量。

作为示例，当横波数据向量为横波数据的矩阵的第j₁列，处理纵波数据向量为处理纵波数据的矩阵的第j₂列时，可通过下面的等式获得所述横波数据的坐标的偏移量：

$S_{j_1,j_2}(i,l)=\arg \underset{l\∈\hat{L}}{\underset{i\∈\hat{I}}{\max }}\frac{f_{j_1}\left(i\right)g_{j2}\left(l\right)}{\sqrt{f_{j_1}\left(i\right)f_{j_1}\left(i\right)}\sqrt{g_{j_2}\left(l\right)g_{j2}\left(l\right)}}$

其中，通过上式求得的l为所述偏移量，l的值为集合中的第l个元素的值，且集合中元素为公比为1的等差数列，N_s为滑动时窗的搜索半径，且N_s为大于1的整数， 表示横波数据的矩阵的第i_s+i-1行第j₁列元素，表示处理纵波数据的矩阵的第i_s+i-1+l行第j₂列元素，i的值为集合中的第i个元素的值，且集合中的元素为公差为1的等差数列，N_w为滑动时窗的长度，且N_w为大于2的整数，i_s＝(k-1)N_m，k表示滑动时窗的序号，k为大于1的整数，N_m表示滑动时窗移动的距离，N_s为大于等于1的整数，j₁和j₂的取值范围为[1，N]，j₁和j₂均为整数，i_s+i-1和i_s+i-1+l的取值范围为[1，M]。

此外，为了保证所有种子点的坐标的偏移量的稳定性，可对种子点的坐标的偏移量进行平滑，并通过平滑后的种子点的坐标的偏移量来获得所有横波数据的坐标的偏移量，进而获得纵横波初始匹配数据。

具体说来，可对横波数据的矩阵中相同行的所有种子点的坐标的偏移量进行平滑，并通过平滑后的所有种子点的坐标的偏移量插值出每个横波数据的坐标的偏移量，可对横波数据的矩阵中相同行的所有横波数据的坐标的偏移量进行平滑，并对平滑后的每个横波数据的坐标的偏移量应用三次样条插值算法获得纵横波初始匹配数据的矩阵。

图6示出根据本发明示例性实施例的纵横波初始匹配数据和处理纵波数据的示例。

如图6所示，图6中的(a)为处理纵波数据，图6中的(b)为纵横波初始匹配数据。由图6可以看出，纵横波初始匹配数据已经具有较好的匹配精度。

再次参照图3，在步骤S500，将纵横波初始匹配数据的矩阵与纵波数据的矩阵基于每个道进行匹配，以获得纵横波匹配数据的矩阵。

这里，由于纵横波初始匹配数据的矩阵和纵波数据的矩阵的每个列的元素为一个道的数据，因此可分别对每个道的纵横波初始匹配数据向量和纵波数据向量进行匹配，以获得纵横波匹配数据的矩阵。

作为示例，可通过对每个道的纵横波初始匹配数据向量和纵波数据向量设置相同的滑动时窗，而获得每个纵横波初始匹配数据向量的每个滑动时窗内的种子点的坐标的偏移量，并通过所有种子点的坐标的偏移量插值出每个纵横波初始匹配数据的坐标的偏移量，进而对每个纵横波初始匹配数据的坐标的偏移量应用三次样条差值算法获得纵横波匹配数据的矩阵，其中，种子点指纵横波初始匹配数据向量的滑动时窗内预定位置的纵横波初始匹配数据，坐标指示数据在矩阵中的位置，其中，偏移量指示对于记录了相同层位信息的纵横波初始匹配数据和纵波数据，纵横波初始匹配数据的坐标相对于纵波数据的坐标的偏移程度。优选地，所述预定位置为纵横波初始匹配数据向量的滑动时窗的中心位置，种子点为纵横波初始匹配数据向量的滑动时窗的中心位置的纵横波初始匹配数据。

这里，可按照图5的示例来设置滑动时窗，不再赘述。

具体说来，可对纵横波初始匹配数据向量和纵波数据向量分别设置相同的滑动时窗，将每个滑动时窗内的每个纵横波初始匹配数据分别和所述滑动时窗的搜索半径内的每个纵波数据进行互相关，获得使纵横波初始匹配数据和纵波数据的互相关值最大的纵横波初始匹配数据的坐标的偏移量，作为所述滑动时窗内的种子点的坐标的偏移量。这里，由于互相关值最大的纵横波初始匹配数据和纵波数据记录了相同的层位信息，因此，可将所述纵横波初始匹配数据相对于纵波数据的偏移程度作为种子点的坐标的偏移量。

作为示例，当纵横波初始匹配数据向量为纵横波初始匹配数据的矩阵的第j₁列，纵波数据向量为纵波数据的矩阵的第j₂列时，可通过下面的等式获得所述纵横波初始匹配数据的坐标的偏移量：

$S_{j_1,j_2}(i,l)=\arg \underset{l\∈\hat{L}}{\underset{i\∈\hat{I}}{\max }}\frac{f_{j_1}\left(i\right)g_{j2}\left(l\right)}{\sqrt{f_{j_1}\left(i\right)f_{j_1}\left(i\right)}\sqrt{g_{j_2}\left(l\right)g_{j2}\left(l\right)}}$

其中，通过上式求得的l为所述偏移量，l的值为集合中的第l个元素的值，且集合中元素为公比为1的等差数列，N_s为滑动时窗的搜索半径，且N_s为大于1的整数， 表示纵横波初始匹配数据的矩阵的第i_s+i-1行第j₁列元素，表示纵波数据的矩阵的第i_s+i-1+l行第j₂列元素，i的值为集合中的第i个元素的值，且集合中的元素为公差为1的等差数列，N_w为滑动时窗的长度，且N_w为大于2的整数，i_s＝(k-1)N_m，k表示滑动时窗的序号，k为大于1的整数，N_m表示滑动时窗移动的距离，N_s为大于等于1的整数，j₁和j₂的取值范围为[1，N]，j₁和j₂均为整数，i_s+i-1和i_s+i-1+l的取值范围为[1，M]。

此外，为了保证所有种子点的坐标的偏移量的稳定性，可对种子点的坐标的偏移量进行平滑，并通过平滑后的种子点的坐标的偏移量来获得所有纵横波初始匹配数据的坐标的偏移量，进而获得纵横波匹配数据。

具体说来，可对纵横波初始匹配数据的矩阵中相同行的所有种子点的坐标的偏移量进行平滑，并通过平滑后的所有种子点的坐标的偏移量插值出每个纵横波初始匹配数据的坐标的偏移量，可对纵横波初始匹配数据的矩阵中相同行的所有纵横波初始匹配数据的坐标的偏移量进行平滑，并对平滑后的每个纵横波初始匹配数据的坐标的偏移量应用三次样条插值算法获得纵横波初始匹配数据的矩阵。

图7示出根据本发明示例性实施例的纵横波匹配数据和纵波数据的示例。

如图7所示，图7中的(a)为纵波数据，图7中的(b)为纵横波匹配数据。由图7可以看出，经过二次匹配后能够得到的高精度的纵横波匹配数据。

在根据本发明示例性实施例的将地震记录中的横波数据和纵波数据进行匹配的方法中，能够通过对残差数据的奇异值分解来处理纵波数据，并通过将横波数据与处理纵波数据进行匹配，将匹配后的数据与纵波数据进行二次匹配，从而获得高精度的纵横波匹配数据。

应注意，本发明的以上各个实施例仅仅是示例性的，而本发明并不受限于此。本领域技术人员应该理解：在不脱离本发明的原理和精神的情况下，可对这些实施例进行改变，其中，本发明的范围在权利要求及其等同物中限定。

Claims (10)

1.一种将地震记录中的横波数据和纵波数据进行匹配的方法，包括：

(A)获取地震记录中各个道的横波数据的矩阵和纵波数据的矩阵，其中，横波数据的矩阵和纵波数据的矩阵均为M行N列的矩阵，其中，第i行第j列的元素表示第j个道的第i个数据，M为大于1的整数，N为大于1的整数，i的取值范围为[1，M]，j的取值范围为[1，N]，i和j均为整数；

(B)获取纵波数据的矩阵与横波数据的矩阵之间的残差数据的矩阵；

(C)通过对残差数据的矩阵进行奇异值分解来对纵波数据的矩阵进行处理，获得处理纵波数据的矩阵；

(D)将横波数据的矩阵与处理纵波数据的矩阵基于每个道进行匹配，以获得纵横波初始匹配数据的矩阵；

(E)将纵横波初始匹配数据的矩阵与纵波数据的矩阵基于每个道进行匹配，以获得纵横波匹配数据的矩阵。

2.如权利要求1所述的方法，其中，步骤(C)包括：

(C1)将残差数据的矩阵进行奇异值分解，获得M行N列的半正定对角矩阵，其中，所述半正定对角矩阵对角线上的元素为奇异值；

(C2)对所述半正定对角矩阵进行简化，获得简化的半正定对角矩阵；

(C3)基于简化的半正定对角矩阵来获得简化的残差数据的矩阵；

(C4)将简化的残差数据的矩阵与横波数据的矩阵相加，获得处理纵波数据的矩阵。

3.如权利要求2所述的方法，其中，在步骤(C2)中，将所述半正定对角矩阵对角线上的奇异值按预定顺序排列，并用预定值来替换排序在最后的预定数量个奇异值来获得简化的半正定对角矩阵。

4.如权利要求3所述的方法，其中，所述预定顺序为从大到小的顺序，所述预定值为0。

5.如权利要求1所述的方法，其中，步骤(D)包括：

通过对每个道的横波数据向量和处理纵波数据向量设置相同的滑动时窗，而获得每个横波数据向量的每个滑动时窗内的种子点的坐标的偏移量，并通过所有种子点的坐标的偏移量插值出每个横波数据的坐标的偏移量，对每个横波数据的坐标的偏移量应用三次样条差值算法获得纵横波初始匹配数据的矩阵，其中，种子点指横波数据向量的滑动时窗内预定位置的横波数据，坐标指示数据在矩阵中的位置，其中，偏移量指示对于记录了相同层位信息的横波数据和处理纵波数据，横波数据的坐标相对于处理纵波数据的坐标的偏移程度。

6.如权利要求5所述的方法，其中，在步骤(D)中：

对横波数据向量和处理纵波数据向量分别设置相同的滑动时窗，将每个滑动时窗内的每个横波数据分别和所述滑动时窗的搜索半径内的每个处理纵波数据进行互相关，获得使横波数据和处理纵波数据的互相关值最大的横波数据的坐标的偏移量，作为所述滑动时窗内的种子点的坐标的偏移量；

其中，对横波数据的矩阵中相同行的所有种子点的坐标的偏移量进行平滑，并通过平滑后的所有种子点的坐标的偏移量插值出每个横波数据的坐标的偏移量，对横波数据的矩阵中相同行的所有横波数据的坐标的偏移量进行平滑，并对平滑后的每个横波数据的坐标的偏移量应用三次样条插值算法获得纵横波初始匹配数据的矩阵。

7.如权利要求6所述的方法，其中，当横波数据向量为横波数据的矩阵的第j₁列，处理纵波数据向量为处理纵波数据的矩阵的第j₂列时，通过下面的等式获得所述横波数据的坐标的偏移量：

$S_{j_1,j_2}(i,l)=\arg \underset{\underset{l\∈\hat{L}}{i\∈\hat{I}}}{\max }\frac{f_{j_1}\left(i\right)g_{j_2}\left(l\right)}{\sqrt{f_{j_1}\left(i\right)f_{j_1}\left(i\right)}\sqrt{g_{j_2}\left(l\right)g_{j_2}\left(l\right)}}$

其中，通过上式求得的l为所述偏移量，l的值为集合中的第l个元素的值，且 $\hat{L}=\{-N_s,-N_s+1,...,0,...,N_s-1,N_s\},$ 集合中元素为公比为1的等差数列，N_s为滑动时窗的搜索半径，且N_s为大于1的整数， 表示横波数据的矩阵的第i_s+i-1行第j₁列元素，表示处理纵波数据的矩阵的第i_s+i-1+l行第j₂列元素，i的值为集合中的第i个元素的值，且集合中的元素为公差为1的等差数列，N_w为滑动时窗的长度，且N_w为大于2的整数，i_s＝(k-1)N_m，k表示滑动时窗的序号，k为大于1的整数，N_m表示滑动时窗移动的距离，N_s为大于等于1的整数，j₁和j₂的取值范围为[1，N]，j₁和j₂均为整数，i_s+i-1和i_s+i-1+l的取值范围为[1，M]。

8.如权利要求1所述的方法，其中，步骤(E)包括：

通过对每个道的纵横波初始匹配数据向量和纵波数据向量设置相同的滑动时窗，而获得每个纵横波初始匹配数据向量的每个滑动时窗内的种子点的坐标的偏移量，并通过所有种子点的坐标的偏移量插值出每个纵横波初始匹配数据的坐标的偏移量，进而对每个纵横波初始匹配数据的坐标的偏移量应用三次样条差值算法获得纵横波匹配数据的矩阵，其中，种子点指纵横波初始匹配数据向量的滑动时窗内预定位置的纵横波初始匹配数据，坐标指示数据在矩阵中的位置，其中，偏移量指示对于记录了相同层位信息的纵横波初始匹配数据和纵波数据，纵横波初始匹配数据的坐标相对于纵波数据的坐标的偏移程度。

9.如权利要求8所述的方法，其中，在步骤(E)中：

对纵横波初始匹配数据向量和纵波数据向量分别设置相同的滑动时窗，将每个滑动时窗内的每个纵横波初始匹配数据分别和所述滑动时窗的搜索半径内的每个纵波数据进行互相关，获得使纵横波初始匹配数据和纵波数据的互相关值最大的纵横波初始匹配数据的坐标的偏移量，作为所述滑动时窗内的种子点的坐标的偏移量；

其中，对纵横波初始匹配数据的矩阵中相同行的所有种子点的坐标的偏移量进行平滑，并通过平滑后的所有种子点的坐标的偏移量插值出每个纵横波初始匹配数据的坐标的偏移量，对纵横波初始匹配数据的矩阵中相同行的所有纵横波初始匹配数据的坐标的偏移量进行平滑，并对平滑后的每个纵横波初始匹配数据的坐标的偏移量应用三次样条插值算法获得纵横波初始匹配数据的矩阵。

10.如权利要求9所述的方法，其中，当纵横波初始匹配数据向量为纵横波初始匹配数据的矩阵的第j₁列，纵波数据向量为纵波数据的矩阵的第j₂列时，通过下面的等式获得所述纵横波初始匹配数据的坐标的偏移量：

$S_{j_1,j_2}(i,l)=\arg \underset{\underset{l\∈\hat{L}}{i\∈\hat{I}}}{\max }\frac{f_{j_1}\left(i\right)g_{j_2}\left(l\right)}{\sqrt{f_{j_1}\left(i\right)f_{j_1}\left(i\right)}\sqrt{g_{j_2}\left(l\right)g_{j_2}\left(l\right)}}$

其中，通过上式求得的l为所述偏移量，l的值为集合中的第l个元素的值，且 $\hat{L}=\{-N_s,-N_s+1,...,0,...,N_s-1,N_s\},$ 集合中元素为公比为1的等差数列，N_s为滑动时窗的搜索半径，且N_s为大于1的整数， 表示纵横波初始匹配数据的矩阵的第i_s+i-1行第j₁列元素，表示纵波数据的矩阵的第i_s+i-1+l行第j₂列元素，i的值为集合中的第i个元素的值，且集合中的元素为公差为1的等差数列，N_w为滑动时窗的长度，且N_w为大于2的整数，i_s＝(k-1)N_m，k表示滑动时窗的序号，k为大于1的整数，N_m表示滑动时窗移动的距离，N_s为大于等于1的整数，j₁和j₂的取值范围为[1，N]，j₁和j₂均为整数，i_s+i-1和i_s+i-1+l的取值范围为[1，M]。