CN104932017B - 一种异常振幅压制方法及装置 - Google Patents
一种异常振幅压制方法及装置 Download PDFInfo
- Publication number
- CN104932017B CN104932017B CN201510275681.7A CN201510275681A CN104932017B CN 104932017 B CN104932017 B CN 104932017B CN 201510275681 A CN201510275681 A CN 201510275681A CN 104932017 B CN104932017 B CN 104932017B
- Authority
- CN
- China
- Prior art keywords
- amplitude
- sampled point
- anomalous
- time window
- predetermined space
- 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.)
- Active
Links
Landscapes
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明提供一种异常振幅压制方法和装置。所述方法可以包括:将地震数据中地震道的道序随机排列后组成待处理道集数据;计算所述待处理道集数据的采样点在预定时空窗内的参考振幅;比较所述采样点的振幅与所述参考振幅,判断所述采样点的振幅是否大于基于所述参考振幅设置的门槛值;将所述判断结果为是的采样点的振幅作为异常振幅;移动所述预定时空窗至下一个采样点,判断所述下一个采样点的振幅是否为异常振幅;对所述判断为异常振幅的采样点振幅进行振幅衰减。利用本发明中各个实施例,可以有效压制地震数据中的异常振幅干扰,提高数据信噪比。
Description
技术领域
本发明属于地球物理勘探数据处理领域,尤其涉及一种异常振幅压制方法及装置。
背景技术
随着石油资源的不可再生及人类的日趋开发,世界石油资源储量逐渐减少。为了更加准确的寻找、开采资源,在油藏资源勘探中对叠前反演、储层预测等叠前资料的数据要求越来越高。
在地震资料处理中,需要对原始记录中存在的异常振幅例如异常采样点、尖脉冲、近炮点强能量等干扰进行压制,以达到使地震资料纵、横向能量变化均匀的目的。在地震勘探尤其是巨厚黄土山地区域中,近炮点强能量干扰由于噪声能量强、频带宽、线性规律差等特点,是导致地震数据记录出现异常振幅的主要原因。目前现有技术中常用的方法主要包括如自动平滑异常振幅的方法,可以用异常振幅采样点所在的地震道中相邻该异常采样点的中值代替异常采样点的振幅值。而实际采集的地震记录中,由于异常采样点与所在地震道的其他采样点相比其振幅的绝对值往往是非常大的,并且某一异常采样点周围往往存在有多个异常采样点,及时采用所述自动平滑异常振幅的方法计算得到的中值可能也是一个大的异常振幅,不能有效的进行异常振幅压制,导致后续地震数据信噪比较低。
现有技术中对地震数据异常振幅压制的处理方法对异常振幅尤其是连续的多个异常振幅压制效果较差,一致性较差,地震数据信噪比低。
发明内容
本发明目的在于提供一种异常振幅压制方法及装置,可以对叠前地震数据尤其是巨厚黄土山地区域的近炮点强能量进行压制,提高地震数据的一致性和信噪比,提高速度分析的精度和偏移成像的质量。
本发明提供的一种异常振幅压制方法及装置是这样实现的:
一种异常振幅压制方法,所述方法包括:
将地震数据中地震道的道序随机排列后组成待处理道集数据;
计算所述待处理道集数据的采样点在预定时空窗内的参考振幅;
比较所述采样点的振幅与所述参考振幅,判断所述采样点的振幅是否大于基于所述参考振幅设置的门槛值;将所述判断结果为是的采样点的振幅作为异常振幅;
对所述判断为异常振幅的采样点振幅进行振幅衰减。
一种异常振幅压制装置,所述装置包括:
重排序模块,用于将获取的地震数据中地震道的道序随机排列,组成待处理道集数据;
参考振幅计算模块,用于设置采用点的预定时空窗,还用于计算所述待处理道集数据的采样点在预定时空窗内的参考振幅;
判断模块,用于基于所述参考振幅设置采样点的门槛值;还用于将所述采样点与相应的参考振幅进行比较,判断所述采样点的振幅是否大于所述门槛值,并且将所述大于门槛值的采样点振幅设置为异常振幅;
衰减处理模块,用于对所述判断为异常振幅的采样点振幅进行振幅衰减。
本发明提供的一种异常振幅压制方法及装置,可以通过例如随机函数对叠前地震数据的地震道进行随机重排,打乱原地震数据记录中相邻的异常振幅采样点分布,把相干异常振幅转化成随机异常振幅。然后可以预先设置的一定空间内计算各个地震道采样点的振幅,例如平均绝对值振幅或者均方根振幅等作为所述空间内的参考振幅。进一步的判断当前采样点是否大于基于所述参考振幅设置的阈值,如果大于则为异常振幅。然后可以基于所述参考振幅对所述异常振幅进行衰减。这样如果所述一定空间内存在异常振幅时,可以根据与周边正常振幅平滑而来的参考振幅对其进行压制衰减,在参考周边振幅的情况下可以更加准确、有效的衰减异常振幅的幅度,提高异常振幅的压制效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一种异常振幅压制方法一种实施例的方法流程示意图;
图2是本发明实施例中未重新排列前获取的地震数据记录图;
图3是图2中地震道道序随机重排后的局部地震数据记录图;
图4是利用本发明方法对某区域巨厚黄土山地区域异常振幅压制前后的效果对比图;
图5是本发明所述一种异常振幅压制装置一种实施例的模块结构示意图;
图6是本发明所述异常振幅压制装置中重排序模块一种实施例的模块结构示意图;
图7是本发明所述异常振幅压制装置中参考振幅计算模块一种实施例的模块结构示意图;
图8是本发明所述异常振幅压制装置中参考振幅计算模块102另一种实施例的模块结构示意图;
图9是本发明所述异常振幅压制装置中参考振幅计算模块102另一种实施例的模块结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
本发明针对实际地震资料尤其是巨厚黄土山地区域的资料进行数据处理时提供的一种异常振幅压制方法。本发明中所述处理的地震资料可以根据采集形成的不同可以包括共炮集地震数据、共炮检距地震数据、共检波点数据等不同的地震数据数据记录。当然,在其他的数据处理中所述处理的地震资料也可以为其他格式的地震数据。
下面结合附图对本发明所述的图主体识别方法进行详细的说明。图1是本发明所述一种异常振幅压制方法一种实施例的方法流程图。虽然本发明提供了如下述实施例或流程图所述的方法操作步骤,但基于常规或者无需创造性的劳动在所述方法中可以包括更多或者更少的操作步骤。在逻辑性上不存在必要因果关系的步骤中,这些步骤的执行顺序不限于本发明实施例提供的各个步骤之间以及步骤中方法的执行顺序。所述的方法在实际中的装置或终端产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。
具体的本发明提供的一种异常振幅压制方法的一种实施例如图1所示,所述方法可以包括:
S1:将地震数据中地震道的道序随机排列后组成待处理道集数据。
野外采集获取的原始记录的地震数据通常可以为将检波器按照一定规则接收的地震道数据按照道序排列形成的共炮点记录或者共检波点记录等。所述的道序通常的可以包括为接收地震数据记录的检波点设置的编号,一般的,一组检波点(可以为一个检波器或者同一个检波地点的多个检波器的组合)对应一个地震道的道序。例如图2所示的是本发明实施例中未重新排列前获取的地震数据记录图。在图2中,地震道数据从左至右排列按照道序逐渐增加的顺序排列。
本发明中可以将地震数据中地震道的道序打乱,进行随机排列。这样,可以把例如图2中所示的相干异常振幅强干扰转化成分散的随机异常振幅。本发明可以提供一种地震道道序随机排列组成新道集数据的实施方式,具体的所述将地震数据中地震道的道序随机排列后组成待处理道集数据可以包括:
S101:将利用随机函数生成的随机数置于地震道的道头中;
S102:将所述地震道按照所述道头中随机数的数值进行排序,形成随机排列后的待处理道集数据。
所述地震数据的地震道通常可以包括用于存储识别字段的道头。在本实施例中可以修改地震数据的道头,可以利用随机函数Rand生成随机函数数组,将数组中的每一个值分别置于地震道的道头中。如将随机数置于处理系统中提供给用户自定义的整型参数iuse1中。
在原始地震数据记录中可以先分选出需要处理的地震数据,如按照关键字(炮号序号或者炮检距大小等)分出需要处理的地震数据。然后可以读取地震道中设置的随机数,将所述地震道按照所述道头中随机数的数值大小进行升序或者降序排列,形成随机排列后的待处理道集数据,如图3所示,图3是上述图2中地震道道序随机重排后的局部地震数据记录图。这样,可以将采集的原始地震数据记录经过地震道道序随机重新排列后形成新的地震数据记录,实现相干异常振幅转化成随机异常振幅。
当然,所述对地震道的随机重排不限于上述实施例中所述的利用随机函数生成随机数的方法,还可以包括本领域技术人员不需要创造性劳动而采取其他对地震道数据重排的方法。
将地震数据记录中地震道的道序进行随机排列,然后组成待处理道集数据。
S2:计算所述待处理道集数据的采样点在预定时空窗内的参考振幅。
本实施例中可以设置所述随机重新排列后的待处理道集数据包括M个地震道,每个地震道中有N个采样点,地震数据记录时长为T0至TL。
在判断地震道中的采样点振幅是否为异常振幅时,可以为所述采样点设置参考振幅。所述参考振幅可以为所述采样点在一定空间内采用一定方式计算得到的值。本实施例中可以为所述采样点设置一个预定时空窗,所述预定时空窗具体的可以以所述采样点为中心的时长T*地震道数N的空间范围。例如T可以取值为300毫秒、N取值为5,可以表示当前采样点的时空窗的范围为当前采样点的采样时刻前后150毫秒、当采样点所在地震道左右各两个地震道的范围。具体的可以表示为以所述当前采样点为中心的300毫秒*5个地震道的地震数据范围。
然后可以计算采样点在所述预定时空范围内的参考振幅值。所述的参考振幅值可以根据数据处理需求定义为不同的参数和计算方法。一般的,在本发明异常振幅的数据处理中,可以以所述预定时空范围内所有采样点振幅绝对值平滑滤波后的值作为所述参考振幅。具体的本发明所述计算所述待处理道集数据的采样点在预定时空窗内的参考振幅可以包括:
S21:计算所述待处理道集数据的采样点在预定时空窗内所有采样点的平均值,以所述平均值作为所述采样点在所述预定时空窗内的参考振幅。
例如在300毫秒*3个地震道的预定时空窗内,假设当前采样点P的采样时刻T为200毫秒,处于所述待处理道集数据中第2个地震道中。那么在本实施例中可以计算所述待处理道集数据中第1个地震道至第3个地震道从采样时刻TU为50毫秒到采样时刻TD为350毫秒范围内所有采样点的振幅的绝对值的平均值,以所述平均值作为所述采样点P在所述预定时空窗内的参考振幅。
上述所述的方法可以在所述预定时空窗内地震道数较少的应用场景中使用。对于所述预定时空窗内地震道道数较多的应用场景,本发明可以提供另一种实施方式实现参考振幅的计算。具体的,所述计算所述待处理道集数据的采样点在预定时空窗内的参考振幅可以包括:
S221:判断所述待处理道集数据采样点的预定时空窗内的地震道道数是否大于预置阈值;
S222:在所述判断结果为是时,在所述预定时空窗内获取与所述采样点相同采样时刻的采样点的振幅值;
S223:对所述相同采样时刻的振幅值的绝对值进行排序,取所述排序后中间的K个振幅值的平均值作为所述采样点在所述预定时空窗内的参考振幅,K≥1。
所述的预定阈值可以根据数据处理速度或其他需求进行设置。本实施例中可以设置为3,可以表示如果所述设置的预定时空窗中所包括的地震道数大于3,则可以采取上述所述的方法计算所述参考振幅。在本实施例中,可以在所述预定时空窗内分别获取与所述当前采样点相同采样时刻的其他地震道中采样点的振幅值,例如当前采样点的采样时刻T为200毫秒时,可以获取预定时空窗内的7道地震道中所有在采样时刻为200毫秒的采样点的振幅值。然后可以对例如所述获取的同一采样时刻的7个采样点的振幅值的绝对值进行从小到大或者从大到小进行排序,选取排序后的中间的K个振幅值。进一步的以所述K个振幅值的平均值作为所述采样点在所述预定时空窗内的参考振幅。当然,所述K的取值也可以根据数据处理需求进行设置,例如可以设置为3或者5。
优选的实施例中,所述的预置阈值可以设置为3。所述K的取值范围可以设置为:3≤K≤5。本实施例中所述的参考振幅的计算方法,在所述预定时空窗内包括的地震道数较多时,可以保障计算得到合适的参考振幅的同时还可以加快数据处理速度。
本发明所述的计算参考振幅的方法并不限于取采样点平均值的方式计算得出。其他的一些实施例中,也可以采用以所述预定时空窗内采样点均方根振幅值作为所述参考振幅。具体的本发明所述方法中所述计算所述待处理道集数据的采样点在预定时空窗内的参考振幅可以包括:
S23:计算所述待处理道集数据采样点在预定时空窗内所有采样点均方根振幅,以所述均方根振幅作为所述采样点在所述预定时空窗内的参考振幅。
例如当前所述预定时空窗内共有J个采样点,可以采用下式计算所述预定时空窗内J个采样点的均方根振幅A,以所述均方根振幅A作为当前采样点P的参考振幅:
采样采样点的均方根振幅可以使计算得出的参考振幅更加准确、有效。当然,参照本发明的其他实施例,例如所述预定时空窗内的包括的地震道数大于预定阈值时,也可以参照实施例S221-至S223的方式计算所述预定时空窗内采样点的均方根振幅,然后进一步计算得到参考振幅。基于常规的处理方法及本领域无需创造性劳动的其他数据处理的变形方式都可以实现本发明参考振幅的计算,也都应属于本发明的保护范围,在此不做逐一举例说明。
为采样点设置预定时空窗,计算所述待处理道集数据的采样点在所述预定时空窗内的参考振幅。
S3:比较所述采样点的振幅与所述参考振幅,判断所述采样点的振幅是否大于基于所述参考振幅设置的门槛值;将所述判断结果为是的采样点的振幅作为异常振幅;移动所述预定时空窗至下一个采样点,判断所述下一个采样点是否为异常振幅。
计算得到当前采样点在所述预定时空窗内的参考振幅后,可以将所述当前采样点的振幅与所述参考振幅进行比较。本发明中可以设置基于所述参考振幅设置一个判断所述当前采样点的振幅是否为异常振幅的门槛值。这个门槛值取值范围可以为所述参考振幅的倍数,例如可以根据数据处理的迭代次数初始设置为15,或者在迭代数次后设置为4或者2等,具体的可以数据处理需求进行设置。本实施例中所述基于所述参考振幅设置的门槛值具体设置的取值范围可以包括:
所述门槛值为所述参考振幅的Q倍,所述Q的取值范围为:0≤Q≤20。
判断所述当前采样点的振幅值是否大于所述基于参考振幅设置的门槛值,例如当前采样点的振幅大于所述参考振幅的10倍时认为所述当前采样点的振幅为异常振幅。一般的,在地震数据异常振幅处理过程中可以结合迭代算法多次计算采样点的参考振幅,迭代的次数越多,计算得到的参考振幅越准确、有效。因此,所述的门槛值在实际的数据处理中可以为随着不同的迭代次数不断变化的数值,通常可以随着迭代次数的增加而减小。
可以根据所述门槛值判断当前采样点的振幅是否为异常振幅。在判断完当前采样点后,可以移动所述预定时空窗,计算下一个采样点的参考振幅,判断所述下一个采样点的振幅是否为异常振幅。
S4:对所述判断为异常振幅的采样点振幅进行振幅衰减。
逐一计算判断所述待处理道集数据中每个地震道中采样点的振幅是否为异常振幅,对判断为异常振幅的采样点的振幅,可以根据预先设置的衰减方法进行振幅衰减,以压制异常振幅干扰。具体的所述振幅衰减的方法可以包括:
S41:将所述异常振幅与预先设置的衰减系数运算后得到的振幅值作为衰减后的振幅值。
可以预先设置对异常振幅进行衰减的衰减系数Coef,所述衰减系数可以根据当前处理的数据采取一定方法计算得出,或者可以为设置的经验值。一般的所述衰减后的振幅可以设置为所述参考振幅的1至3倍,这样可以在实现异常振幅压制的同时尽可能的保留振幅在地震数据记录中的特征。本实施例中所述的衰减系数Coef的取值范围可以设置为:-20dB至3dB。
在其他的实施方式中,可以直接将所述异常振幅的采样点所对应的参考振幅替换所述异常振幅,或者将所述参考振幅进行适当放大或者缩小后作为所述异常振幅的采样点衰减后的振幅。具体的,本申请所述的一种异常振幅压制方法的另一种实施例中,所述的振幅衰减可以包括:
S42:将所述判断为异常振幅的采样点所对应的参考振幅作为所述采样点衰减后的振幅。
需要说明的,本发明并不排除采用其他方式对判断为异常振幅的采样点振幅进行压制衰减的方法。同时,在数据处理过程中,可以采取判断出一个异常振幅后即刻进行振幅衰减,也可以采取计算完一个地震道采样的数据后对该地震道中的异常振幅进行衰减,或者处理完所述待处理道集数据中所有的采样点后,最后对所有的异常振幅进行衰减。具体的实现方式可以根据数据处理需求灵活设置,本发明对此并不做限定。
一般的,在采用本发明提供的异常振幅压制方法进行数据处理时,可以结合频带滤波进行分频处理。可以将同一地震数据用不同频带滤波,每段频带的数据可以采用上述异常振幅压制方法进行数据处理。然后可以将不同频带输出的数据求和获取最终的异常振幅压制后的数据。具体的可以利用本发明方法结合数据处理的其他方式可以有效的对地震数据中的异常振幅干扰进行压制,使后续数据处理的信噪比更高,提高地震数据的成像效果质量。并且不用删除异常振幅,不会对原地震数据造成过大的损害。图4是利用本发明方法对某区域巨厚黄土山地区域异常振幅压制前后的效果对比图,图4中4-a为未压制前的记录图,4-b为采用本发明方法压制后的记录图。从图4中可以看出,经过本发明方法处理后的地震数据异常振幅尤其是近炮点的强能量干扰明显得到压制,干扰压制效果明显。
基于本发明所述的地震数据中异常振幅压制方法,本发明还提供一种异常振幅压制装置。图5是本发明所述一种异常振幅压制装置一种实施例的模块结构示意图,如图5所示,所述装置可以包括:
重排序模块101,可以用于将获取的地震数据中地震道的道序随机排列,组成待处理道集数据;
参考振幅计算模块102,可以用于设置采样点的预定时空窗,还可以用于计算所述待处理道集数据的采样点在预定时空窗内的参考振幅;
判断模块103,可以用于基于所述参考振幅设置采样点的门槛值;还可以用于将所述采样点与相应的参考振幅进行比较,判断所述采样点的振幅是否大于所述门槛值,并且将所述大于门槛值的采样点振幅设置为异常振幅;
衰减处理模块104,可以用于对所述判断为异常振幅的采样点振幅进行振幅衰减。
本发明提供的异常振幅压制装置,可以将地震道重新排序后计算采样点在一定空间内的参考振幅。基于采样点是否大于所述参考振幅的某一倍数的门槛值判断结果判断所述采样点的振幅是否为异常振幅。在判断为异常振幅时可以对其进行衰减。本申请所述的装置,可以将规则的异常振幅变成随机分布的异常振幅,然后利用异常振幅周边的采样点振幅进行平滑衰减,使噪声压制后有效信号得到突出,信噪比提高,数据的一致性明显改善。
图6是本发明所述异常振幅压制装置中重排序模块101一种实施例的模块结构示意图,如图6所示,所述重排序模块101可以包括:
随机数生成模块1011,可以用于利用随机函数生成随机数,并将所述随机数置于地震道的道头中;
排序模块1012,可以用于将所述地震道按照所述道头中随机数的数值进行排序,形成随机排列后的待处理道集数据。
图7是本发明所述异常振幅压制装置中参考振幅计算模块102一种实施例的模块结构示意图,如图7所示,所述参考振幅计算模块102可以包括:
第一参考模块1021,可以用于计算所述待处理道集数据的采样点在预定时空窗内所有采样点的平均值,以所述平均值作为所述采样点在所述预定时空窗内的参考振幅。
图8是本发明所述异常振幅压制装置中参考振幅计算模块102另一种实施例的模块结构示意图,如图8所示,所述参考振幅计算模块102可以包括:
阈值判断模块1121,可以用于判断所述待处理道集数据采样点的预定时空窗内的地震道道数是否大于预先设置的判断阈值;
振幅取值模块1122,可以用于在所述判断结果为是时,在所述预定时空窗内获取与所述采样点相同采样时刻的采样点的振幅值;
第二参考模块1123,可以用于对所述相同采样时刻的振幅值的绝对值进行排序,取所述排序后中间的K个振幅值的平均值作为所述采样点在所述预定时空窗内的参考振幅,K≥1。
优选的实施例中,所述阈值判断模块1121中预先设置的判断阈值的取值可以为3。当然,也可以根据需求设置为其他的取值。
优选的实施例中,所述第二参考模块1123中K的取值范围可以为:
3≤K≤5。
本发明所述异常振幅压制装置中另一种实施例中,所述参考计算模块可以包括:
均方根参考振幅模块1221,可以用于计算所述待处理道集数据采样点在预定时空窗内所有采样点均方根振幅,以所述均方根振幅作为所述采样点在所述预定时空窗内的参考振幅。
另一种实施例中,所述判断模块103中所述基于所述参考振幅设置采样点的门槛值的取值范围可以包括:
所述门槛值为所述参考振幅的Q倍,所述Q的取值范围为:0≤Q≤20。
图9是本发明所述异常振幅压制装置中参考振幅计算模块102另一种实施例的模块结构示意图如图9所示,所述衰减处理模块104可以包括下述中的至少一种:
参考振幅衰减模块1041,可以用于将所述判断为异常振幅的采样点所对应的参考振幅作为所述采样点衰减后的振幅;
系数衰减模块1042,可以用于将所述异常振幅与预先设置的衰减系数运算后得到的振幅值作为衰减后的振幅值。
本发明上述实施例提供的异常振幅压制装置,可以有效的利用随机函数将地震道道序随机重排,将规则的异常振幅转换成随机分布的异常振幅。然后可以根据相应具体限制参数的设定处理,判断出采样点的异常振幅,然后对所述异常振幅进行平滑衰减处理。本发明装置可以有效识别和压制地震数据记录尤其是巨厚黄土山地区域近炮点的强能量干扰,提高数据的信噪比。
尽管本发明内容中提到利用随机函数、均方根振幅等之类的数据处理的描述,但是,本发明并不局限于必须是完全标准或者所提及的方法的数据处理的情况。本发明中各个实施例所涉及的上述描述仅是本发明中的一些实施例中的应用,在某些标准、方法的基础上略加修改以及结合常规处理手段变形后的处理方法也可以实行上述本发明各实施例的方案。当然,在符合本发明上述各实施例中所述的处理方法步骤的其他无创造性的变形,仍然可以实现相同的发明,在此不再赘述。
虽然本发明提供了如实施例或流程图所述的方法操作步骤,但基于常规或者无创造性的手段可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的装置或客户端产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。
上述实施例阐明的单元或模块,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。为了描述的方便,描述以上装置时以功能分为各种模块分别描述。当然,在实施本发明时可以把各模块的功能在同一个或多个软件和/或硬件中实现,也可以将实现同一功能的模块由多个子模块或子单元的组合实现。
本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构、类等等。也可以在分布式计算环境中实践本发明,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,移动终端,服务器,或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例采用递进的方式描述,各个实施例之间相同或相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。本发明可用于众多通用或专用的计算机系统环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、可编程的电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
虽然通过实施例描绘了本发明,本领域普通技术人员知道,本发明有许多变形和变化而不脱离本发明的精神,希望所附的权利要求包括这些变形和变化而不脱离本发明的精神。
Claims (17)
1.一种异常振幅压制方法,其特征在于,所述方法包括:
将地震数据中地震道的道序随机排列后组成待处理道集数据,所述地震数据包括在巨厚黄土区域采集获取的地震数据;
计算所述待处理道集数据的采样点在预定时空窗内的参考振幅;
比较所述采样点的振幅与所述参考振幅,判断所述采样点的振幅是否大于基于所述参考振幅设置的门槛值;将所述判断结果为是的采样点的振幅作为异常振幅;
对所述判断为异常振幅的采样点振幅进行振幅衰减。
2.如权利要求1所述的一种异常振幅压制方法,其特征在于,所述将地震数据中地震道的道序随机排列后组成待处理道集数据,包括:
将利用随机函数生成的随机数置于地震道的道头中;
将所述地震道按照所述道头中随机数的数值进行排序,形成随机排列后的待处理道集数据。
3.如权利要求1所述的一种异常振幅压制方法,其特征在于,所述计算所述待处理道集数据的采样点在预定时空窗内的参考振幅,包括:
计算所述待处理道集数据的采样点在预定时空窗内所有采样点的平均值,以所述平均值作为所述采样点在所述预定时空窗内的参考振幅。
4.如权利要求1所述的一种异常振幅压制方法,其特征在于,所述计算所述待处理道集数据的采样点在预定时空窗内的参考振幅,包括:
判断所述待处理道集数据采样点的预定时空窗内的地震道道数是否大于预置阈值;
在所述判断结果为是时,在所述预定时空窗内获取与所述采样点相同采样时刻的采样点的振幅值;
对所述相同采样时刻的振幅值的绝对值进行排序,取所述排序后中间的K个振幅值的平均值作为所述采样点在所述预定时空窗内的参考振幅,K≥1。
5.如权利要求4所述的一种异常振幅压制方法,其特征在于,所述预置阈值的取值为3。
6.如权利要求4所述的一种异常振幅压制方法,其特征在于,所述K的取值范围为:
3≤K≤5。
7.如权利要求1所述的一种异常振幅压制方法,其特征在于,所述计算所述待处理道集数据的采样点在预定时空窗内的参考振幅,包括:
计算所述待处理道集数据采样点在预定时空窗内所有采样点均方根振幅,以所述均方根振幅作为所述采样点在所述预定时空窗内的参考振幅。
8.如权利要求1所述的一种异常振幅压制方法,其特征在于,所述基于所述参考振幅设置的门槛值设置的取值范围,包括:
所述门槛值为所述参考振幅的Q倍,所述Q的取值范围为:0≤Q≤20。
9.如权利要求1所述的一种异常振幅压制方法,其特征在于,所述的进行振幅衰减包括:
将所述异常振幅与预先设置的衰减系数运算后得到的振幅值作为衰减后的振幅值;
或者,
将所述判断为异常振幅的采样点所对应的参考振幅作为所述采样点衰减后的振幅。
10.一种异常振幅压制装置,其特征在于,所述装置包括:
重排序模块,用于将获取的地震数据中地震道的道序随机排列,组成待处理道集数据,所述地震数据包括在巨厚黄土区域采集获取的地震数据;
参考振幅计算模块,用于设置采用点的预定时空窗,还用于计算所述待处理道集数据的采样点在预定时空窗内的参考振幅;
判断模块,用于基于所述参考振幅设置采样点的门槛值;还用于将所述采样点与相应的参考振幅进行比较,判断所述采样点的振幅是否大于所述门槛值,并且将所述大于门槛值的采样点振幅设置为异常振幅;
衰减处理模块,用于对所述判断为异常振幅的采样点振幅进行振幅衰减。
11.如权利要求10所述的一种异常振幅压制装置,其特征在于,所述重排序模块包括:
随机数生成模块,用于利用随机函数生成随机数,并将所述随机数置于地震道的道头中;
排序模块,用于将所述地震道按照所述道头中随机数的数值进行排序,形成随机排列后的待处理道集数据。
12.如权利要求10所述的一种异常振幅压制装置,其特征在于,参考振幅计算模块包括:
第一参考模块,用于计算所述待处理道集数据的采样点在预定时空窗内所有采样点的平均值,以所述平均值作为所述采样点在所述预定时空窗内的参考振幅。
13.如权利要求10所述的一种异常振幅压制装置,其特征在于,参考振幅计算模块包括:
阈值判断模块,用于判断所述待处理道集数据采样点的预定时空窗内的地震道道数是否大于预先设置的判断阈值;
振幅取值模块,用于在所述判断结果为是时,在所述预定时空窗内获取与所述采样点相同采样时刻的采样点的振幅值;
第二参考模块,用于对所述相同采样时刻的振幅值的绝对值进行排序,取所述排序后中间的K个振幅值的平均值作为所述采样点在所述预定时空窗内的参考振幅,K≥1。
14.如权利要求13所述的一种异常振幅压制装置,其特征在于,所述阈值判断模块中预先设置的判断阈值的取值为3。
15.如权利要求13所述的一种异常振幅压制装置,其特征在于,所述第二参考模块中K的取值范围为:
3≤K≤5。
16.如权利要求10所述的一种异常振幅压制装置,其特征在于,所述判断模块中所述基于所述参考振幅设置采样点的门槛值的取值范围包括:
所述门槛值为所述参考振幅的Q倍,所述Q的取值范围为:0≤Q≤20。
17.如权利要求10所述的一种异常振幅压制装置,其特征在于,所述衰减处理模块包括下述中的至少一种:
参考振幅衰减模块,用于将所述判断为异常振幅的采样点所对应的参考振幅作为所述采样点衰减后的振幅;
系数衰减模块,用于将所述异常振幅与预先设置的衰减系数运算后得到的振幅值作为衰减后的振幅值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510275681.7A CN104932017B (zh) | 2015-05-26 | 2015-05-26 | 一种异常振幅压制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510275681.7A CN104932017B (zh) | 2015-05-26 | 2015-05-26 | 一种异常振幅压制方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104932017A CN104932017A (zh) | 2015-09-23 |
CN104932017B true CN104932017B (zh) | 2018-05-04 |
Family
ID=54119268
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510275681.7A Active CN104932017B (zh) | 2015-05-26 | 2015-05-26 | 一种异常振幅压制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104932017B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105260605B (zh) * | 2015-10-14 | 2019-04-09 | 中国石油天然气集团公司 | 一种三维地震数据体的处理方法、服务器、客户端及系统 |
CN106199702B (zh) * | 2016-07-19 | 2019-01-11 | 中国地质大学(北京) | 地震数据存储磁带掉磁粉产生的异常振幅压制方法 |
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 |
CN111596357B (zh) * | 2019-02-20 | 2023-11-28 | 中国石油天然气集团有限公司 | 一种分析海底采集节点工作状态的方法及装置 |
CN112444853B (zh) * | 2019-08-30 | 2024-04-09 | 中国石油化工股份有限公司 | 一种地面微地震噪音压制方法 |
CN113050167B (zh) * | 2019-12-27 | 2022-11-04 | 中国石油天然气集团有限公司 | 地震数据的噪声压制方法及装置 |
CN111308553B (zh) * | 2020-03-09 | 2021-02-02 | 清华大学 | 一种基于深度神经网络的自适应异常振幅压制方法 |
CN114325833A (zh) * | 2022-01-05 | 2022-04-12 | 中国海洋大学 | 一种地震记录分频带野值压制方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4467459A (en) * | 1982-01-04 | 1984-08-21 | Texaco Inc. | Seismic method improving signal-to-noise ratio |
ATE537469T1 (de) * | 2002-03-20 | 2011-12-15 | Inova Ltd | Adaptive filtervorrichtung und verfahren zur erfassung seismischer daten |
CN103869361B (zh) * | 2014-03-07 | 2016-08-10 | 中国石油集团川庆钻探工程有限公司地球物理勘探公司 | 自适应低频异常振幅压制的方法 |
CN104062683A (zh) * | 2014-03-21 | 2014-09-24 | 中国石油化工股份有限公司 | 一种基于曲波变换和全变差的联合衰减随机噪声处理方法 |
CN104077749A (zh) * | 2014-06-17 | 2014-10-01 | 长江大学 | 一种基于轮廓波变换的地震数据去噪方法 |
-
2015
- 2015-05-26 CN CN201510275681.7A patent/CN104932017B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN104932017A (zh) | 2015-09-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104932017B (zh) | 一种异常振幅压制方法及装置 | |
CN105242309B (zh) | 一种地震数据中规则干扰的压制方法及装置 | |
CN108267784A (zh) | 一种地震信号随机噪声压制处理方法 | |
CN107976713A (zh) | 一种高维地震数据输入下去除沉积背景的方法及装置 | |
Kurzon et al. | Real‐time automatic detectors of P and S waves using singular value decomposition | |
CN105445801B (zh) | 一种消除二维地震资料随机噪音的处理方法 | |
CN107728210A (zh) | 多仪器采集数据中缺失道的确定方法和装置 | |
US9645270B2 (en) | Method for post-stack noise mitigation | |
CN109061724A (zh) | 一种基于自适应变分模态分解的地震数据降噪方法 | |
CN102854532A (zh) | 三维叠前炮检域随机噪声压制方法 | |
CN105911590B (zh) | 一种谐波噪声的压制处理方法及装置 | |
CN110308483A (zh) | 基于多任务贝叶斯压缩感知的反射系数求取方法及装置 | |
CN107065007B (zh) | 一种地震资料振幅调整方法和装置 | |
US20190000389A1 (en) | Information processing device, information processing method, and recording medium storing information processing program | |
CN108254785A (zh) | 储层确定方法和装置 | |
CA2739558C (en) | System and method for deriving seismic wave fields using both ray-based and finite-element principles | |
CN108983291B (zh) | 一种近地表散射波获取方法、装置及系统 | |
Castellaro et al. | A statistical low noise model of the earth | |
CN113866827B (zh) | 一种解释性速度建模地震成像方法、系统、介质和设备 | |
CN112946760B (zh) | 基于正则化方法的未爆弹三维立体成像方法、装置及系统 | |
CN104698499B (zh) | 一种基于压缩屏蔽层地震波的油气勘测方法及装置 | |
CN106896404B (zh) | 薄储层的识别方法及装置 | |
CN109655916A (zh) | 用于分离地震数据中有效波与多次波的方法及系统 | |
CN106707333A (zh) | 数字检波器的叠前去噪方法及装置 | |
CN107085236B (zh) | 最大炮检距的确定方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |