CN105550514A - 一种基于双路径积分的速度模型的建立方法及系统 - Google Patents

Abstract

本发明公开了一种基于双路径积分的速度模型的建立方法及系统，所述方法包括：采集目标数据；确定处理目标数据所需的多个待选速度模型；获取每个待选速度模型对应的共成像点道集，进而获取每个待选速度模型对应道集的相干谱及偏移结果；对每个偏移结果利用其对应的相干谱进行两次加权叠加，得到每个两个路径积分成像剖面；分别计算每个待选速度模型对应的共成像点道集的相干值和路径积分成像剖面的相干值；基于相干值，确定待选速度模型中的目标速度模型，目标速度模型用以建立速度模型。本发明将高精度多信号检测相干谱用于路径积分中的路径加权，平衡了高低速速度模型对叠加结果的影响，不仅提高了速度建模的质量即准确率，还提高了计算效率。

Description

一种基于双路径积分的速度模型的建立方法及系统

技术领域

本发明涉及数学模型技术领域，特别涉及一种基于双路径积分的速度模型的建立方法及系统。

背景技术

随着技术的发展，速度模型越来越广泛的应用在各种领域中。例如，在地震偏移成像中，速度模型是计算地震波旅行时的核心参数，通常决定了地震偏移成像的质量。

实际生产中采用的常规方法需要首先计算成像道集的速度谱，然后在速度谱上手工拾取谱的极值点或成像较好的速度点，通过不断迭代，建立速度模型，因此存在效率较低的问题。

而目前的双路径积分速度建模方案，其加权参数通常采用共成像点道集的局部斜率加权的方式，存在一定的平均效应，也就是说本方案对速度模型扫描的敏感程度不一样，通常对低的速度模型敏感，高的速度模型往往存在更多的误差量，特别是在低噪比地区更是如此，因此很容易导致速度提取结果偏高，即速度模型的建立准确率较低。

发明内容

有鉴于此，本发明的目的在于提供一种基于双路径积分的速度模型的建立方法及系统，用以解决现有技术中速度模型的建立准确率较低的技术问题。

本发明提供了一种基于双路径积分的速度模型的建立方法，所述方法包括：

采集目标数据；

确定处理所述目标数据所需的多个待选速度模型；

获取每个所述待选速度模型对应的共成像点道集；

基于所述共成像点道集，获取每个所述待选速度模型对应的相干谱及偏移结果；

对每个所述偏移结果利用其对应的相干谱进行两次加权叠加，得到两个路径积分成像剖面；

分别计算每个所述待选速度模型对应的共成像点道集的相干值和路径积分成像剖面的相干值；

基于所述相干值，确定所述待选速度模型中的目标速度模型，所述目标速度模型用以建立速度模型。

上述方法，优选的，所述基于所述相干值，确定所述待选速度模型中的目标速度模型，包括：

确定所述相干值的阈值；

确定所述待选速度模型中，其对应相干值大于所述阈值且其对应的路径积分成像剖面的振幅非零的选定速度模型；

在所述选定速度模型中，提取出偏移速度模型；

基于所述待选速度模型中其对应的相干值小于所述阈值的速度模型，对所述偏移速度模型进行插值填充及平滑处理，以得到目标速度模型。

上述方法，优选的，基于所述共成像点道集，获取每个所述待选速度模型对应的相干谱及偏移结果，包括：

将每个所述待选速度模型各自对应的共成像点道集分别进行叠加处理，得到每个所述待选速度模型对应的偏移结果；

利用计算每个所述待选速度模型在v_k时t₀时刻的相干值P_t；其中，是协方差矩阵的最大特征值，u₁是对应的最大特征向量；

利用获取每个所述待选速度模型的相干谱；其中，S_c(t₀,v_k)为预设的常规相干谱，P_t(t₀,v_k)为待选速度模型在v_k时t₀时刻的相干值P_t的归一化数据，为相干值P_t中的最大值。

上述方法，优选的，对每个所述待选速度模型的偏移结果利用其对应的相干谱进行加权叠加，得到两个路径积分成像剖面，包括：

将每个所述待选速度模型的相干谱带入加权函数和其中，表示在点处速度为α时的权重，为该处的相干谱，当所述共成像点道集拉平时相干值趋向于极大值，则趋向于局部最大值，σ为空间采样间隔和时间采样间隔的比值；

基于 $w(\stackrel{\→}{x},\mathrm{\α})=\exp \[-s(\stackrel{\→}{x},\mathrm{\α})/{\mathrm{\σ}}^2\]$ 和 $\tilde{w}(\stackrel{\→}{x},\mathrm{\α})=\mathrm{\α}\exp \[-s(\stackrel{\→}{x},\mathrm{\α})/{\mathrm{\σ}}^2\],$ 利用 $P_w\left(\stackrel{\→}{x}\right)=\∫d\mathrm{\α}w(\stackrel{\→}{x},\mathrm{\α})\∫d\mathrm{\ξ}\∫dtU(t,\stackrel{\→}{\mathrm{\ξ}})\mathrm{\δ}(t-t_d(\stackrel{\→}{\mathrm{\ξ}},\stackrel{\→}{x};\mathrm{\α}\left)\right)$ 和 ${\tilde{P}}_w\left(\stackrel{\→}{x}\right)=\∫\mathrm{\α}d\mathrm{\α}w(\stackrel{\→}{x},\mathrm{\α})\∫d\mathrm{\ξ}\∫dtU(t,\stackrel{\→}{\mathrm{\ξ}})\mathrm{\δ}(t-t_d(\stackrel{\→}{\mathrm{\ξ}},\stackrel{\→}{x};\mathrm{\α}\left)\right),$ 对每个所述待选速度模型的偏移结果进行加权叠加，得到两个路径积分成像剖面；其中，和分别是两次成像结果，t为成像点走时通过速度扫描获得，为输入的位置处采集到的目标数据，为该处最优的绕射波走时的积分路径。

上述方法，优选的，所述获取每个所述待选速度模型的共成像点道集，包括：

利用每个所述待选速度模型进行叠前偏移成像，抽取共成像点道集。

本发明还提供了一种基于双路径积分的速度模型的建立系统，所述系统包括：

数据采集单元，用于采集目标数据；

待选确定单元，用于确定处理所述目标数据所需的多个待选速度模型；

道集获取单元，用于获取每个所述待选速度模型对应的共成像点道集；

道集处理单元，用于基于所述共成像点道集，获取每个所述待选速度模型对应的相干谱及偏移结果；

加权叠加单元，用于对每个所述偏移结果利用其对应的相干谱进行两次加权叠加，得到两个路径积分成像剖面；

相干值计算单元，用于分别计算每个所述待选速度模型对应的共成像点道集的相干值和路径积分成像剖面的相干值；

目标确定单元，用于基于所述相干值，确定所述待选速度模型中的目标速度模型，所述目标速度模型用以建立速度模型。

上述系统，优选的，所述目标确定单元包括：

阈值确定子单元，用于确定所述相干值的阈值；

选定确定子单元，用于确定所述待选速度模型中，其对应相干值大于所述阈值且其对应的路径积分成像剖面的振幅非零的选定速度模型；

偏移速度提取子单元，用于在所述选定速度模型中，提取出偏移速度模型；

偏移速度处理子单元，用于基于所述待选速度模型中其相干值小于所述阈值的速度模型，对所述偏移速度模型进行插值填充及平滑处理，以得到目标速度模型。

上述系统，优选的，所述道集处理单元包括：

道集处理子单元，用于将每个所述待选速度模型各自对应的共成像点道集分别进行叠加处理，得到每个所述待选速度模型对应的偏移结果；

待选相干值计算子单元，用于利用计算每个所述待选速度模型对应的共成像点道集在v_k时t₀时刻的相干值P_t；其中，是协方差矩阵的最大特征值，u₁是对应的最大特征向量；

相干谱获取子单元，用于利用 $P(t_0,v_k)=S_c(t_0,v_k)\×\frac{P_t(t_0,v_k)}{max{\[P_t(t_0,v_k)\]}_{k=1}^{N_v}}$ 获取每个所述待选速度模型对应道集的相干谱；其中，S_c(t₀,v_k)为预设的常规相干谱，P_t(t₀,v_k)为待选速度模型对应的道集在v_k时t₀时刻的相干值P_t的归一化数据，为相干值P_t中的最大值。

上述系统，优选的，所述加权叠加单元包括：

加权带入子单元，用于将每个所述待选速度模型的相干谱带入加权函数 $w(\stackrel{\→}{x},\mathrm{\α})=\exp \[-s(\stackrel{\→}{x},\mathrm{\α})/{\mathrm{\σ}}^2\]$ 和 $\tilde{w}(\stackrel{\→}{x},\mathrm{\α})=\mathrm{\α}\exp \[-s(\stackrel{\→}{x},\mathrm{\α})/{\mathrm{\σ}}^2\],$ 其中，表示在点处速度为α时的权重，为该处的相干谱，当所述共成像点道集拉平时相干值趋向于极大值，则趋向于局部最大值，σ为空间采样间隔和时间采样间隔的比值；

偏移叠加子单元，用于基于 $w(\stackrel{\→}{x},\mathrm{\α})=\exp \[-s(\stackrel{\→}{x},\mathrm{\α})/{\mathrm{\σ}}^2\]$ 和 $\tilde{w}(\stackrel{\→}{x},\mathrm{\α})=\mathrm{\α}\exp \[-s(\stackrel{\→}{x},\mathrm{\α})/{\mathrm{\σ}}^2\],$ 利用 $P_w\left(\stackrel{\→}{x}\right)=\∫d\mathrm{\α}w(\stackrel{\→}{x},\mathrm{\α})\∫d\mathrm{\ξ}\∫dtU(t,\stackrel{\→}{\mathrm{\ξ}})\mathrm{\δ}(t-t_d(\stackrel{\→}{\mathrm{\ξ}},\stackrel{\→}{x};\mathrm{\α}\left)\right)$ 和 ${\tilde{P}}_w\left(\stackrel{\→}{x}\right)=\∫\mathrm{\α}d\mathrm{\α}w(\stackrel{\→}{x},\mathrm{\α})\∫d\mathrm{\ξ}\∫dtU(t,\stackrel{\→}{\mathrm{\ξ}})\mathrm{\δ}(t-t_d(\stackrel{\→}{\mathrm{\ξ}},\stackrel{\→}{x};\mathrm{\α}\left)\right),$ 对每个所述待选速度模型的偏移结果进行加权叠加，得到两个路径积分成像剖面；其中，和别是两次成像结果，t为成像点走时通过速度扫描获得，为输入的位置处采集到的目标数据，为该处最优的绕射波走时的积分路径。

上述系统，优选的，所述道集获取单元包括：

道集抽取子单元，用于利用每个所述待选速度模型进行叠前偏移成像，抽取共成像点道集。

由上述方案可知，本发明提供的一种双路径积分速度模型的建立方法及系统，在采集到目标数据如地震数据之后，首先扫描出待选速度模型进而获取到这些待选速度模型对应的共成像点道集，之后基于这些道集来获取每个待选速度模型对应的相干谱及偏移结果，进而通过加权叠加技术得到两个路径积分成像剖面，并由此分别计算得到共成像点道集与剖面的相干值，进而基于这些相干值确定待选速度模型中的目标速度模型，并由此来建立速度模型。本发明将高精度多信号检测相干谱用于路径积分中的路径加权，平衡了高低速速度模型对叠加结果的影响，进而不仅提高了速度建模的质量，即提高了速度建模的准确率，还提高了计算效率。

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的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例一种提供的一种基于双路径积分的速度模型的建立方法的流程图；

图2为本发明实施例二提供的一种基于双路径积分的速度模型的建立方法的部分流程图；

图3为本发明实施例三提供的一种基于双路径积分的速度模型的建立方法的部分流程图；

图4为本发明实施例四提供的一种基于双路径积分的速度模型的建立方法的部分流程图；

图5为本发明实施例五提供的一种基于双路径积分的速度模型的建立方法的实现流程图；

图6为本发明实施例六提供的一种基于双路径积分的速度模型的建立系统的结构示意图；

图7为本发明实施例七提供的一种基于双路径积分的速度模型的建立系统的部分结构示意图；

图8为本发明实施例八提供的一种基于双路径积分的速度模型的建立系统的部分结构示意图；

图9为本发明实施例九提供的一种基于双路径积分的速度模型的建立系统的部分结构示意图；

图10为本发明实施例十提供的一种基于双路径积分的速度模型的建立系统的结构示意图。

具体实施方式

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，都属于本发明保护的范围。

参考图1，为本发明实施例一种提供的一种基于双路径积分的速度模型的建立方法的实现流程图，其中，所述方法可以适用于各种速度模型的建立，例如对地震偏移成像中的速度模型的建立，等等。

在本实施例中，所述方法可以包括以下步骤：

步骤101：采集目标数据。

其中，所述目标数据是指需要进行速度模型建立时所采集到的数据，以地震数据为例，所述目标数据包括有：采集数据过程中进行激发(如放炮)的位置数据、采集地震波的位置数据、两个位置之间的偏移距数据、激发的强度等等。

步骤102：确定处理所述目标数据所需的多个待选速度模型。

具体的，以地震数据为例，本实施例中将所述目标数据根据其对应的激发位置点的信息及偏移距信息等进行分选，得到多个道集，如共偏移距道集、共炮点道集等；之后，确定速度扫描范围及速度扫描间隔，例如扫描范围要根据工区内地震波速度的分布范围选取，如工区内地震波速度大约为1500-4000m/s，选取的速度范围可以是1000-5000m/s(推荐采用扇形扫描的方式，即浅层扫描范围为1000-2000m/s，深层扫描范围为3000-5000m/s)，这个时候要尽量避开多次波速度，避免多次波成像，干扰到有效波的成像结果；而扫描间隔要根据计算效率和资料对速度模型的敏感程度来决定，在计算效率允许的情况下，扫描间隔可以为20m/s，同时若资料的偏移结果对速度较为敏感，应该减小扫描间隔，例如一些倾角较陡的地区，速度变化较快，减小扫描间隔有利于获取更加准确的速度点，反之，增大扫描间隔；最后，基于扫描范围及扫描间隔对所述目标数据中对应的速度模型进行扫描，得到多个待选速度模型。

步骤103：获取每个所述待选速度模型对应的共成像点道集。

其中，所述共成像点道集能够表征其速度模型是否为合适的速度模型，鉴于前文中采集目标数据过程中的偏移，这里的共成像点道集可以理解为其对应待选速度模型进行偏移后的共成像点道集。

步骤104：基于所述共成像点道集，获取每个所述待选速度模型对应的相干谱及偏移结果。

具体的，所述相干谱即为每个所述待选速度模型对应的共成像点道集中同相轴的高精度相干谱，而所述偏移结果即为用每个所述待选速度模型通过偏移算法进行偏移计算所得到的偏移结果。

步骤105：对每个所述偏移结果利用其对应的相干谱进行两次加权叠加，得到两个路径积分成像剖面。

具体的，本实施例中可以对每个所述待选速度模型的偏移结果利用其对应的相干谱分别通过两个加权函数进行加权叠加，完成两次加权叠加，得到两个路径积分成像剖面。

步骤106：分别计算每个所述待选速度模型对应的共成像点道集的相干值和路径积分成像剖面的相干值。

其中，所述相干值即为能够表征所述共成像点道集中的同相轴分布是否拉平的参数。

步骤107：基于所述相干值，确定所述待选速度模型中的目标速度模型，所述目标速度模型用以建立速度模型。

也就是说，在本实施例中找到合适的目标速度模型之后，基于这些目标速度模型来建立速度模型，这一速度模型即为本实施例所想要偏移速度模型。

由上述方案可知，本发明实施例一提供的一种基于双路径积分的速度模型的建立方法，在采集到目标数据如地震数据之后，首先扫描出待选速度模型进而获取到这些待选速度模型对应的偏移后的共成像点道集，之后基于这些点道集来获取每个待选速度模型对应的相干谱及偏移结果，进而通过加权叠加技术得到两个路径积分成像剖面，并由此分别计算得到共成像点道集与剖面的相干值，进而基于这些相干值确定待选速度模型中的目标速度模型，并由此来建立速度模型。本实施例将高精度多信号检测相干谱用于路径积分中的路径加权，平衡了高低速速度模型对叠加结果的影响，进而不仅提高了速度建模的质量，即提高了速度建模的准确率，还提高了计算效率。

参考图2，为本发明实施例二提供的一种基于双路径积分的速度模型的建立方法中所述步骤107的实现流程图，其中，所述步骤107可以通过以下步骤实现：

步骤171：确定所述相干值的阈值。

具体的，本实施例中基于这些相干值的分布情况来决定阈值或阈值范围。例如，当资料信噪比较低时，相干值的阈值可以稍低，在0.5左右，进而提高后续目标速度模型的提取质量。

步骤172：确定所述待选速度模型中，其对应相干值大于所述阈值且其对应的路径积分成像剖面的振幅非零的选定速度模型。

例如，成像剖面的振幅(即值)非零，以避免后续提取速度模型时出现问题，例如，下式分母为零，无法进行计算的问题。

步骤173：在所述选定速度模型中，提取出偏移速度模型。

具体的，可以利用来提取偏移速度模型α₀。

步骤174：基于所述待选速度模型中其相干值小于所述阈值的速度模型，对所述偏移速度模型进行插值填充及平滑处理，以得到目标速度模型。

其中，上述提取到的偏移速度模型是提取的有效偏移速度，但是提取的结果较为粗糙的速度，而且在低相关值的地方没有提取到有效数值，因此需要进一步对其进行插值平滑处理。

具体的，可以首先采用插值算法(如线性插值、样条插值等)将相干值小于所述阈值，即未提取到的速度模型进行插值填充，再对已经填充完毕的速度模型采用平滑算法(如滑动平均、高速平滑等)进行平滑处理，进而得到目标速度模型，即进行速度模型建立所需的偏移速度，最终基于这些偏移速度模型获取最终偏移速度模型。

由此，本实施例在速度提取时采用共成像点道集和成像剖面的相干阈值综合约束选取速度，进而降低了噪声对速度建模的影响，进一步提高了速度建模的准确率。

参考图3，为本发明实施例三提供的一种基于双路径积分的速度模型的建立方法中所述步骤104的实现流程图，其中，所述步骤104可以包括以下步骤：

步骤141：将每个所述待选速度模型各自对应的共成像点道集分别进行叠加处理，得到每个所述待选速度模型对应的偏移结果；

其中，这里的每个所述待选速度模型各自对应的共成像点道集可以为：用所述待选速度模型对所述目标数据采用偏移算法进行偏移计算得到，因此，所述偏移结果是经过偏移算法的计算所得到。

步骤142：利用计算每个所述待选速度模型对应的共成像点道集在v_k时t₀时刻的相干值P_t。

其中，是协方差矩阵的最大特征值，u₁是对应的最大特征向量。

步骤143：利用 $P(t_0,v_k)=S_c(t_0,v_k)\×\frac{P_t(t_0,v_k)}{max{\[P_t(t_0,v_k)\]}_{k=1}^{N_v}}$ 获取每个所述待选速度模型对应道集的相干谱。

其中，S_c(t₀,v_k)为预设的常规相干谱，P_t(t₀,v_k)为待选速度模型在v_k时t₀时刻的相干值P_t的归一化数据，为相干值P_t中的最大值。

需要说明的是，本实施例中，将与常规相干谱S_c(t₀,v_k)相乘，可以提高稳定性和计算精度。

参考图4，为本发明实施例四提供的一种基于双路径积分的速度模型的建立方法中所述步骤105的实现流程图，其中，所述步骤105可以通过以下步骤实现：

步骤151：将每个所述待选速度模型的相干谱带入加权函数 $w(\stackrel{\→}{x},\mathrm{\α})=\exp \[-s(\stackrel{\→}{x},\mathrm{\α})/{\mathrm{\σ}}^2\]$ 和 $\tilde{w}(\stackrel{\→}{x},\mathrm{\α})=\mathrm{\α}\exp \[-s(\stackrel{\→}{x},\mathrm{\α})/{\mathrm{\σ}}^2\].$

其中，表示在点处速度为α时的权重，为该处的相干谱，当所述共成像点道集拉平时相干值(即上述P_t(t₀,v_k)趋向于极大值，则趋向于局部最大值，σ为空间采样间隔和时间采样间隔的比值；

步骤152：基于 $w(\stackrel{\→}{x},\mathrm{\α})=\exp \[-s(\stackrel{\→}{x},\mathrm{\α})/{\mathrm{\σ}}^2\]$ 和 $\tilde{w}(\stackrel{\→}{x},\mathrm{\α})=\mathrm{\α}\exp \[-s(\stackrel{\→}{x},\mathrm{\α})/{\mathrm{\σ}}^2\],$ 利用 $P_w\left(\stackrel{\→}{x}\right)=\∫d\mathrm{\α}w(\stackrel{\→}{x},\mathrm{\α})\∫d\mathrm{\ξ}\∫dtU(t,\stackrel{\→}{\mathrm{\ξ}})\mathrm{\δ}(t-t_d(\stackrel{\→}{\mathrm{\ξ}},\stackrel{\→}{x};\mathrm{\α}\left)\right)$ 和 ${\tilde{P}}_w\left(\stackrel{\→}{x}\right)=\∫\mathrm{\α}d\mathrm{\α}w(\stackrel{\→}{x},\mathrm{\α})\∫d\mathrm{\ξ}\∫dtU(t,\stackrel{\→}{\mathrm{\ξ}})\mathrm{\δ}(t-t_d(\stackrel{\→}{\mathrm{\ξ}},\stackrel{\→}{x};\mathrm{\α}\left)\right),$ 对每个所述待选速度模型的偏移结果进行加权叠加，得到两个路径积分成像剖面。

其中，和分别是两次成像结果，t为成像点走时通过速度扫描获得，为输入的位置处采集到的目标数据，为该处最优的绕射波走时的积分路径。

需要说明的是，这里的目标数据可以为上文中所提到的地震数据。

参考图5，为本发明实施例五提供的一种基于双路径积分的速度模型的建立方法的实现流程图，其中，所述步骤103可以通过以下步骤实现：

步骤131：利用每个所述待选速度模型进行叠前偏移成像，抽取共成像点道集。

例如，本实施例中可以采用克西霍夫成像方法用每个所述待选速度模型对所述目标数据进行叠前偏移成像，进而抽取出共成像点道集。

参考图6，为本发明实施例六提供的一种基于双路径积分的速度模型的建立系统的结构示意图，其中，所述系统可以适用于各种速度模型的建立，例如对地震偏移成像中的速度模型的建立，等等。

在本实施例中，所述系统可以包括以下结构：

数据采集单元601，用于采集目标数据。

其中，所述目标数据是指需要进行速度模型建立时所采集到的数据，以地震数据为例，所述目标数据包括有：采集数据过程中进行激发(如放炮)的位置数据、采集地震波的位置数据、两个位置之间的偏移距数据、激发的强度等等。

待选确定单元602，用于确定处理所述目标数据所需的多个待选速度模型。

具体的，以地震数据为例，本实施例中将所述目标数据根据其对应的激发位置点的信息及偏移距信息等进行分选，得到多个道集，如共偏移距道集、共炮点道集等；之后，确定速度扫描范围及速度扫描间隔，例如扫描范围要根据工区内地震波速度的分布范围选取，如工区内地震波速度大约为1500-4000m/s，选取的速度范围可以是1000-5000m/s(推荐采用扇形扫描的方式，即浅层扫描范围为1000-2000m/s，深层扫描范围为3000-5000m/s)，这个时候要尽量避开多次波速度，避免多次波成像，干扰到有效波的成像结果；而扫描间隔要根据计算效率和资料对速度模型的敏感程度来决定，在计算效率允许的情况下，扫描间隔可以为20m/s，同时若资料的偏移结果对速度较为敏感，应该减小扫描间隔，例如一些倾角较陡的地区，速度变化较快，减小扫描间隔有利于获取更加准确的速度点，反之，增大扫描间隔；最后，基于扫描范围及扫描间隔对所述目标数据中对应的速度模型进行扫描，得到多个待选速度模型。

道集获取单元603，用于获取每个所述待选速度模型对应的共成像点道集。

其中，所述共成像点道集能够表征其速度模型是否为合适的速度模型，鉴于前文中采集目标数据过程中的偏移，这里的共成像点道集可以理解为其对应待选速度模型进行偏移后的共成像点道集。

道集处理单元604，用于基于所述共成像点道集，获取每个所述待选速度模型对应的相干谱及偏移结果。

具体的，所述相干谱即为每个所述待选速度模型对应的共成像点道集中同相轴的高精度相干谱，而所述偏移结果即为每个所述待选速度模型通过偏移算法进行偏移计算所得到的偏移结果。

加权叠加单元605，用于对每个所述偏移结果利用其对应的相干谱进行两次加权叠加，得到两个路径积分成像剖面。

具体的，本实施例中可以对每个所述待选速度模型的偏移结果利用其对应的相干谱分别通过两个加权函数进行加权叠加，完成两次加权叠加，得到两个路径积分成像剖面。

相干值计算单元606，用于分别计算每个所述待选速度模型对应的共成像点道集的相干值和两个路径积分成像剖面的相干值。

其中，所述相干值即为能够表征所述共成像点道集中的同相轴分布是否拉平的参数。

目标确定单元607，用于基于所述相干值，确定所述待选速度模型中的目标速度模型，所述目标速度模型用以建立速度模型。

也就是说，在本实施例中找到合适的目标速度模型之后，基于这些目标速度模型来建立速度模型，这一速度模型即为本实施例所想要偏移速度模型。

由上述方案可知，本发明实施例一提供的一种基于双路径积分的速度模型的建立方法，在采集到目标数据如地震数据之后，首先扫描出待选速度模型进而获取到这些待选速度模型对应的偏移后的共成像点道集，之后基于这些点道集来获取每个待选速度模型对应的相干谱及偏移结果，进而通过加权叠加技术得到两个路径积分成像剖面，并由此分别计算得到共成像点道集与剖面的相干值，进而基于这些相干值确定待选速度模型中的目标速度模型，并由此来建立速度模型。本实施例将高精度多信号检测相干谱用于路径积分中的路径加权，平衡了高低速速度模型对叠加结果的影响，进而不仅提高了速度建模的质量，即提高了速度建模的准确率，还提高了计算效率。

参考图7，为本发明实施例七提供的一种基于双路径积分的速度模型的建立系统中所述目标确定单元607的结构示意图，其中，所述目标确定单元607可以包括以下结构：

阈值确定子单元671，用于确定所述相干值的阈值。

具体的，本实施例中基于这些相干值的分布情况来决定阈值或阈值范围。例如，当资料信噪比较低时，相干值的阈值可以稍低，在0.5左右，进而提高后续目标速度模型的提取质量。

选定确定子单元672，用于确定所述待选速度模型中，其对应相干值大于所述阈值且其对应的路径积分成像剖面的振幅非零的选定速度模型。

例如，成像剖面的振幅(即值)非零，以避免后续提取速度模型时出现问题，例如，下式分母为零，无法进行计算的问题。

偏移速度提取子单元673，用于在所述选定速度模型中，提取出偏移速度模型。

具体的，可以利用来提取偏移速度模型α₀。

偏移速度处理子单元674，用于基于所述待选速度模型中其相干值小于所述阈值的速度模型，对所述偏移速度模型进行插值填充及平滑处理，以得到目标速度模型。

其中，上述提取到的偏移速度模型是提取的有效偏移速度，但是提取的结果较为粗糙的速度，而且在低相关值的地方没有提取到有效数值，因此需要进一步对其进行插值平滑处理。

具体的，可以首先采用插值算法(如线性插值、样条插值等)将相干值小于所述阈值，即未提取到的速度模型进行插值填充，再对已经填充完毕的速度模型采用平滑算法(如滑动平均、高速平滑等)进行平滑处理，进而得到目标速度模型，即进行速度模型建立所需的偏移速度，最终基于这些偏移速度模型获取最终偏移速度模型。

由此，本实施例在速度提取时采用共成像点道集和成像剖面的相干阈值综合约束选取速度，进而降低了噪声对速度建模的影响，进一步提高了速度建模的准确率。

参考图8，为本发明实施例八提供的一种基于双路径积分的速度模型的建立系统中所述道集处理单元604的结构示意图，其中，所述道集处理单元604可以包括以下结构：

道集处理计算子单元641，用于将每个所述待选速度模型各自对应的共成像点道集分别进行叠加处理，得到每个所述待选速度模型对应的偏移结果。

其中，这里的每个所述待选速度模型各自对应的共成像点道集可以为：用所述待选速度模型对所述目标数据采用偏移算法进行偏移计算得到，因此，所述偏移结果是经过偏移算法的计算所得到。

待选相干值计算子单元642，用于利用计算每个所述待选速度模型对应的共成像点道集在v_k时t₀时刻的相干值P_t。

其中，是协方差矩阵的最大特征值，u₁是对应的最大特征向量。

相干谱获取子单元643，用于利用 $P(t_0,v_k)=S_c(t_0,v_k)\×\frac{P_t(t_0,v_k)}{max{\[P_t(t_0,v_k)\]}_{k=1}^{N_v}}$ 获取每个所述待选速度模型对应道集的相干谱。

其中，S_c(t₀,v_k)为预设的常规相干谱，P_t(t₀,v_k)为待选速度模型在v_k时t₀时刻的相干值P_t的归一化数据，为相干值P_t中的最大值。

需要说明的是，本实施例中，将与常规相干谱S_c(t₀,v_k)相乘，可以提高稳定性和计算精度。

参考图9，为本发明实施例九提供的一种基于双路径积分的速度模型的建立系统中所述加权叠加单元605的结构示意图，其中，所述加权叠加单元605包括：

加权带入子单元651，用于将每个所述待选速度模型的相干谱带入加权函数 $w(\stackrel{\→}{x},\mathrm{\α})=\exp \[-s(\stackrel{\→}{x},\mathrm{\α})/{\mathrm{\σ}}^2\]$ 和 $\tilde{w}(\stackrel{\→}{x},\mathrm{\α})=\mathrm{\α}\exp \[-s(\stackrel{\→}{x},\mathrm{\α})/{\mathrm{\σ}}^2\].$

其中，表示在点处速度为α时的权重，为该处的相干谱，当所述共成像点道集拉平时相干值(即上述P_t(t₀,v_k)趋向于极大值，则趋向于局部最大值，σ为空间采样间隔和时间采样间隔的比值；

偏移叠加子单元652，用于基于 $w(\stackrel{\→}{x},\mathrm{\α})=\exp \[-s(\stackrel{\→}{x},\mathrm{\α})/{\mathrm{\σ}}^2\]$ 和 $\tilde{w}(\stackrel{\→}{x},\mathrm{\α})=\mathrm{\α}\exp \[-s(\stackrel{\→}{x},\mathrm{\α})/{\mathrm{\σ}}^2\],$ 利用 $P_w\left(\stackrel{\→}{x}\right)=\∫d\mathrm{\α}w(\stackrel{\→}{x},\mathrm{\α})\∫d\mathrm{\ξ}\∫dtU(t,\stackrel{\→}{\mathrm{\ξ}})\mathrm{\δ}(t-t_d(\stackrel{\→}{\mathrm{\ξ}},\stackrel{\→}{x};\mathrm{\α}\left)\right)$ 和 ${\tilde{P}}_w\left(\stackrel{\→}{x}\right)=\∫\mathrm{\α}d\mathrm{\α}w(\stackrel{\→}{x},\mathrm{\α})\∫d\mathrm{\ξ}\∫dtU(t,\stackrel{\→}{\mathrm{\ξ}})\mathrm{\δ}(t-t_d(\stackrel{\→}{\mathrm{\ξ}},\stackrel{\→}{x};\mathrm{\α}\left)\right),$ 对每个所述待选速度模型的偏移结果进行加权叠加，得到两个路径积分成像剖面。

其中，和分别是两次成像结果，t为成像点走时通过速度扫描获得，为输入的位置处采集到的目标数据，为该处最优的绕射波走时的积分路径。

需要说明的是，这里的目标数据可以为上文中所提到的地震数据。

参考图10，为本发明实施例十提供的一种基于双路径积分的速度模型的建立系统的结构示意图，其中，所述道集获取单元603可以通过以下结构实现：

道集抽取子单元631，用于利用每个所述待选速度模型进行叠前偏移成像，抽取共成像点道集。

例如，本实施例中可以采用克西霍夫成像方法用每个所述待选速度模型对所述目标数据进行叠前偏移成像，进而抽取出共成像点道集。

本实施例方法所述的功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算设备可读取存储介质中。基于这样的理解，本申请实施例对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一台计算设备(可以是个人计算机，服务器，移动计算设备或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种基于双路径积分的速度模型的建立方法，其特征在于，所述方法包括：

采集目标数据；

确定处理所述目标数据所需的多个待选速度模型；

获取每个所述待选速度模型对应的共成像点道集；

基于所述共成像点道集，获取每个所述待选速度模型对应的相干谱及偏移结果；

对每个所述偏移结果利用其对应的相干谱进行两次加权叠加，得到两个路径积分成像剖面；

分别计算每个所述待选速度模型对应的共成像点道集的相干值和路径积分成像剖面的相干值；

基于所述相干值，确定所述待选速度模型中的目标速度模型，所述目标速度模型用以建立速度模型。

2.根据权利要求1所述的方法，其特征在于，所述基于所述相干值，确定所述待选速度模型中的目标速度模型，包括：

确定所述相干值的阈值；

确定所述待选速度模型中，其对应相干值大于所述阈值且其对应的路径积分成像剖面的振幅非零的选定速度模型；

在所述选定速度模型中，提取出偏移速度模型；

基于所述待选速度模型中其相干值小于所述阈值的速度模型，对所述偏移速度模型进行插值填充及平滑处理，以得到目标速度模型。

3.根据权利要求1或2所述的方法，其特征在于，基于所述共成像点道集，获取每个所述待选速度模型对应的相干谱及偏移结果，包括：

将每个所述待选速度模型各自对应的共成像点道集分别进行叠加处理，得到每个所述待选速度模型对应的偏移结果；

利用计算每个所述待选速度模型对应的共成像点道集在v_k时t₀时刻的相干值P_t；其中，是协方差矩阵的最大特征值，u₁是对应的最大特征向量；

利用获取每个所述待选速度模型对应道集的相干谱；其中，S_c(t₀,v_k)为预设的常规相干谱，P_t(t₀,v_k)为待选速度模型对应的道集在v_k时t₀时刻的相干值P_t的归一化数据，为相干值P_t中的最大值。

4.根据权利要求1或2所述的方法，其特征在于，对每个所述偏移结果利用其对应的相干谱进行两次加权叠加，得到两个路径积分成像剖面，包括：

将每个所述待选速度模型的相干谱带入加权函数和其中，表示在点处速度为α时的权重，为该处的相干谱，当所述共成像点道集拉平时相干值趋向于极大值，则趋向于局部最大值，σ为空间采样间隔和时间采样间隔的比值；

基于 $w(\stackrel{\→}{x},\mathrm{\α})=\exp \[-s(\stackrel{\→}{x},\mathrm{\α})/{\mathrm{\σ}}^2\]$ 和 $\tilde{w}(\stackrel{\→}{x},\mathrm{\α})=\mathrm{\α}\exp \[-s(\stackrel{\→}{x},\mathrm{\α})/{\mathrm{\σ}}^2\],$ 利用

$P_w\left(\stackrel{\→}{x}\right)=\∫d\mathrm{\α}w(\stackrel{\→}{x},\mathrm{\α})\∫d\mathrm{\ξ}\∫dtU(t,\stackrel{\→}{\mathrm{\ξ}})\mathrm{\δ}(t-t_d(\stackrel{\→}{\mathrm{\ξ}},\stackrel{\→}{x};\mathrm{\α}\left)\right)$ 和 ${\tilde{P}}_w\left(\stackrel{\→}{x}\right)=\∫\mathrm{\α}d\mathrm{\α}w(\stackrel{\→}{x},\mathrm{\α})\∫d\mathrm{\ξ}\∫dtU(t,\stackrel{\→}{\mathrm{\ξ}})\mathrm{\δ}(t-t_d(\stackrel{\→}{\mathrm{\ξ}},\stackrel{\→}{x};\mathrm{\α}\left)\right),$ 对每个所述待选速度模型的偏移结果进行加权叠加，得到两个路径积分成像剖面；其中，和分别是两次成像结果，t为成像点走时通过速度扫描获得，为输入的位置处采集到的目标数据，为该处最优的绕射波走时的积分路径。

5.根据权利要求1或2所述的方法，其特征在于，所述获取每个所述待选速度模型对应的共成像点道集，包括：

利用每个所述待选速度模型进行叠前偏移成像，抽取共成像点道集。

6.一种基于双路径积分的速度模型的建立系统，其特征在于，所述系统包括：

数据采集单元，用于采集目标数据；

待选确定单元，用于确定处理所述目标数据所需的多个待选速度模型；

道集获取单元，用于获取每个所述待选速度模型对应的共成像点道集；

道集处理单元，用于基于所述共成像点道集，获取每个所述待选速度模型对应的相干谱及偏移结果；

加权叠加单元，用于对每个所述偏移结果利用其对应的相干谱进行两次加权叠加，得到两个路径积分成像剖面；

相干值计算单元，用于分别计算每个所述待选速度模型对应的共成像点道集的相干值和路径积分成像剖面的相干值；

目标确定单元，用于基于所述相干值，确定所述待选速度模型中的目标速度模型，所述目标速度模型用以建立速度模型。

7.根据权利要求6所述的系统，其特征在于，所述目标确定单元包括：

阈值确定子单元，用于确定所述相干值的阈值；

选定确定子单元，用于确定所述待选速度模型中，其对应相干值大于所述阈值且其对应的路径积分成像剖面的振幅非零的选定速度模型；

偏移速度提取子单元，用于在所述选定速度模型中，提取出偏移速度模型；

偏移速度处理子单元，用于基于所述待选速度模型中其相干值小于所述阈值的速度模型，对所述偏移速度模型进行插值填充及平滑处理，以得到目标速度模型。

8.根据权利要求6或7所述的系统，其特征在于，所述道集处理单元包括：

道集处理子单元，用于将每个所述待选速度模型各自对应的共成像点道集分别进行叠加处理，得到每个所述待选速度模型对应的偏移结果；

待选相干值计算子单元，用于利用计算每个所述待选速度模型对应的共成像点道集在v_k时t₀时刻的相干值P_t；其中，是协方差矩阵的最大特征值，u₁是对应的最大特征向量；

相干谱获取子单元，用于利用获取每个所述待选速度模型对应道集的相干谱；其中，S_c(t₀,v_k)为预设的常规相干谱，P_t(t₀,v_k)为待选速度模型对应的道集在v_k时t₀时刻的相干值P_t的归一化数据，为相干值P_t中的最大值。

9.根据权利要求6或7所述的系统，其特征在于，所述加权叠加单元包括：

加权带入子单元，用于将每个所述待选速度模型的相干谱带入加权函数 $w(\stackrel{\→}{x},\mathrm{\α})=\exp \[-s(\stackrel{\→}{x},\mathrm{\α})/{\mathrm{\σ}}^2\]$ 和 $\tilde{w}(\stackrel{\→}{x},\mathrm{\α})=\mathrm{\α}\exp \[-s(\stackrel{\→}{x},\mathrm{\α})/{\mathrm{\σ}}^2\],$ 其中，表示在点处速度为α时的权重，为该处的相干谱，当所述共成像点道集拉平时相干值趋向于极大值，则趋向于局部最大值，σ为空间采样间隔和时间采样间隔的比值；

偏移叠加子单元，用于基于和 $\tilde{w}(\stackrel{\→}{x},\mathrm{\α})=\mathrm{\α}\exp \[-s(\stackrel{\→}{x},\mathrm{\α})/{\mathrm{\σ}}^2\],$ 利用 $P_w\left(\stackrel{\→}{x}\right)=\∫d\mathrm{\α}w(\stackrel{\→}{x},\mathrm{\α})\∫d\mathrm{\ξ}\∫dtU(t,\stackrel{\→}{\mathrm{\ξ}})\mathrm{\δ}(t-t_d(\stackrel{\→}{\mathrm{\ξ}},\stackrel{\→}{x};\mathrm{\α}\left)\right)$ 和 ${\tilde{P}}_w\left(\stackrel{\→}{x}\right)=\∫\mathrm{\α}d\mathrm{\α}w(\stackrel{\→}{x},\mathrm{\α})\∫d\mathrm{\ξ}\∫dtU(t,\stackrel{\→}{\mathrm{\ξ}})\mathrm{\δ}(t-t_d(\stackrel{\→}{\mathrm{\ξ}},\stackrel{\→}{x};\mathrm{\α}\left)\right),$ 对每个所述待选速度模型的偏移结果进行加权叠加，得到两个路径积分成像剖面；其中，和分别是两次成像结果，t为成像点走时通过速度扫描获得，为输入的位置处采集到的目标数据，为该处最优的绕射波走时的积分路径。

10.根据权利要求6或7所述的系统，其特征在于，所述道集获取单元包括：

道集抽取子单元，用于利用每个所述待选速度模型进行叠前偏移成像，抽取共成像点道集。