CN106291676A - 一种基于匹配追踪算法的地震数据重构方法 - Google Patents
一种基于匹配追踪算法的地震数据重构方法 Download PDFInfo
- Publication number
- CN106291676A CN106291676A CN201510266839.4A CN201510266839A CN106291676A CN 106291676 A CN106291676 A CN 106291676A CN 201510266839 A CN201510266839 A CN 201510266839A CN 106291676 A CN106291676 A CN 106291676A
- Authority
- CN
- China
- Prior art keywords
- geological data
- data
- matching pursuit
- pursuit algorithm
- method based
- 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.)
- Pending
Links
Abstract
本发明提供了一种基于匹配追踪算法的地震数据重构方法,属于油气及煤层气地震勘探与开发领域。该方法包括:S1,输入共炮或共中心点地震数据;S2,对所述共炮或共中心点地震数据在时间域进行Fourier变换,得到频率域的地震数据D,设想要获得的理想数据为S;S3,进行炮-检域或者中心点-偏移距域的稀疏变换,得到矩阵A;S4,在约束A·X=D下用匹配追踪算法求解最优化问题,得到最优;S5,对所述最优做稀疏变换得到重构数据。
Description
技术领域
本发明属于油气及煤层气地震勘探与开发领域,具体涉及一种基于匹配追踪算法的地震数据重构方法。
背景技术
地震勘探是利用地下介质弹性和密度的差异,通过观测和分析大地对人工激发地震波的响应,推断地下岩层的性质和形态的地球物理勘探方法。在这个过程中,地震波场是一个时间和空间都连续的多维信号。而实际记录的是这些连续信号的离散采样结果。根据信号采样理论,当采样频率大于Nyquist频率时,原始的连续信号可以由采样后的离散记录重构。但是在实际地震资料采集过程中,由于技术、经济以及地表条件的限制,对连续地震信号的空间采样并不是完美的。例如,在空间上,密集布置激发点(炮点)和接收点(检波点)不仅在技术和逻辑上无法实现,而且经济上也不允许。又例如,为了避开河流、断崖、村镇等因素时,激发点(炮点)和接收点(检波点)的布置就会变得不是很规则。而且在实际施工过程中还会有哑炮等情况。这些情况造成采集到的地震资料不仅在空间上采样不均匀,而且还可能产生假频。这会对地震资料后续的多道处理带来问题,例如基于多道的噪音压制、偏移、反演等。以用于岩性和流体识别的AVA分析为例,在的AVA分析中,为了使AVA技术可以用于复杂构造,需要利用叠前偏移来产生用于AVA分析的道集。波动方程偏移算法要求波场的空间采样是均匀的,Kirchhoff偏移虽然没有此要求,但是如果输入波场在空间采样是不均匀的,那么Kirchhoff偏移后的结果就不能保证相对振幅信息不被破坏,那么它产生的道集也就无法用于AVA分析。对于这个问题,通常的做法是面元规则化,但是面元规则化也只能使振幅相对保持,而不能解决空间方位上地震数据稀疏的问题。更好地解决这一问题的方法是,对地震数据进行插值或者外推,也就是重构。重构地震数据可以使用延拓算子进行,但是该方法需要准确的速度模型,如果速度模型不准确,则会得到错误的结果。另外一种方法是用空间预测滤波算子,但是这种方法和其他空间差值算法一样运算量很大。还有一些利用Fourier变换、Radon变换、Curvelet变换、以及压缩感知技术的重构算法。所有这些方法都还处在方法研究阶段。
发明内容
本发明的目的在于解决上述现有技术中存在的难题,提供一种基于匹配追踪算法的地震数据重构方法,使得空间上采用不均匀的地震数据规则化,从而使得地震数据可以更好地满足后续地震资料处理和解释的需求。
本发明是通过以下技术方案实现的:
一种基于匹配追踪算法的地震数据重构方法,包括:
S1,输入共炮或共中心点地震数据;
S2,对所述共炮或共中心点地震数据在时间域进行Fourier变换,得到频率域的地震数据D,设想要获得的理想数据为S;
S3,进行炮-检域或者中心点-偏移距域的稀疏变换,得到矩阵A;
S4,在约束A·X=D下用匹配追踪算法求解最优化问题得到最优
S5,对所述最优做稀疏变换得到重构数据,
其中X是理想数据S的稀疏表达,w是加权函数。
在一个示例中,所述S3可以这样实现的:
用稀疏变换对观测矩阵进行作用,得到矩阵A。
在一个示例中,所述S4可以这样实现的:
首先由A·X=D得到一个初始解然后采用匹配追踪算法,在约束A·X=D下求解最优化问题得到最优
在一个示例中,所述S5可以这样实现的:
由 获得重构数据
与现有技术相比,本发明的有益效果是:本发明利用不含假频的非均匀采样的地震数据进行插值,从而实现地震数据规则化或者重构,使得空间上采用不均匀的地震数据规则化,从而使得地震数据可以更好地满足后续地震资料处理和解释的需求。
附图说明
图1本发明方法的步骤框图。
具体实施方式
下面结合附图对本发明作进一步详细描述:
假设已测量的地震数据为D,我们想要获得理想数据为S。则测量数据与理想数据之间可以用如下关系表示:D=G·S,其中G为采样算子,是固定的,并且与信号S无关。那么的目标就是由D来估计一个有效信号这可以表示为一个约束反演问题:在D=G·S约束下,求min|S|l。对于这个反演问题,可以在Fourier域求得其最小二乘解。
如果信号S在某个域内是稀疏的,并且可以用稀疏基Ψ来表示,即有X=ΨS,则有这实际上是可以做到的,我们可以选择一些稀疏变换,例如Curvelet变换来实现。那么问题就变成了压缩感知问题:在D=A·X约束下,求解其中l=0或者l=2或l=1。对于此问题,目前主要是利用最小二乘法或者共轭梯度法来解。本发明采用l=1,并利用匹配追踪算法解决此问题。在求得稀疏信号X的一个最有估计以后,再利用得到重构数据。
本发明方法如图1所示,包括:
输入共炮或共中心点地震数据;
在时间域对共炮或共中心点地震数据进行Fourier变换,得到频率域的地震数据,仍然对应测量数据D;
进行炮-检或者中心点-偏移距域的Curvelet变换;这个步骤是用稀疏变换对观测矩阵进行作用,得到矩阵A,当稀疏变换是Curvelet变换时这实际上就是对观测矩阵G做Curvelet变换得到了A;
A与D已由前两步得到,首先由A·X=D可以得到一个初始解X是理想数据S的稀疏表达,但是这个初始解也许并不满足因此需要在约束A·X=D下求解最优化问题这可以用匹配追踪的方法来解,也可以用其他方法来解。本发明是在约束A·X=D下,用匹配追踪方法解最优化问题其中w表示可以在此处使用某种加权函数,也可以不用。
在上一步获得以后,可以对做稀疏变换,即由获得重构数据
在一个示例中,所述矩阵A可以这样得到:
用稀疏变换(Ψ是稀疏基,表示反变换及其系数)对观测矩阵(即采样算子G)进行作用,得到矩阵A,矩阵A是观测矩阵或采样算子的稀疏变换结果。采样算子通常是矩阵G,稀疏反变换及其系数也是矩阵,上述作用可以是通过这两个矩阵相乘得到矩阵A:
在一个示例中,所述可以这样得到:
首先由A·X=D得到一个初始解然后采用匹配追踪算法,在约束A·X=D下求解最优化问题得到最优
上述技术方案只是本发明的一种实施方式,对于本领域内的技术人员而言,在本发明公开了应用方法和原理的基础上,很容易做出各种类型的改进或变形,而不仅限于本发明上述具体实施方式所描述的方法,因此前面描述的方式只是优选的,而并不具有限制性的意义。
Claims (4)
1.一种基于匹配追踪算法的地震数据重构方法,其特征在于:所述方法包括:
S1,输入共炮或共中心点地震数据;
S2,对所述共炮或共中心点地震数据在时间域进行Fourier变换,得到频率域的地震数据D,设要获得的理想数据为S;
S3,进行炮-检域或者中心点-偏移距域的稀疏变换,得到矩阵A;
S4,在约束A·X=D下用匹配追踪算法求解最优化问题,得到最优;
S5,对所述最优做稀疏变换得到重构数据,
其中X是理想数据S的稀疏表达,w是加权函数。
2.根据权利要求1所述的基于匹配追踪算法的地震数据重构方法,其特征在于:所述S3是这样实现的:
用稀疏变换对观测矩阵进行作用,得到矩阵A。
3.根据权利要求2所述的基于匹配追踪算法的地震数据重构方法,其特征在于:所述S4是这样实现的:
首先由A·X=D得到一个初始解,然后采用匹配追踪算法,在约束A·X=D下求解最优化问题,得到最优。
4.根据权利要求3所述的基于匹配追踪算法的地震数据重构方法,其特征在于:所述S5是这样实现的:
由获得重构数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510266839.4A CN106291676A (zh) | 2015-05-22 | 2015-05-22 | 一种基于匹配追踪算法的地震数据重构方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510266839.4A CN106291676A (zh) | 2015-05-22 | 2015-05-22 | 一种基于匹配追踪算法的地震数据重构方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106291676A true CN106291676A (zh) | 2017-01-04 |
Family
ID=57633558
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510266839.4A Pending CN106291676A (zh) | 2015-05-22 | 2015-05-22 | 一种基于匹配追踪算法的地震数据重构方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106291676A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108169795A (zh) * | 2018-02-11 | 2018-06-15 | 中国石油化工股份有限公司 | 基于随机采样的数据规则化方法 |
CN109188535A (zh) * | 2018-09-18 | 2019-01-11 | 中国科学院地质与地球物理研究所 | 地球物理数据处理的方法和装置 |
CN111239816A (zh) * | 2020-01-21 | 2020-06-05 | 中国海洋石油集团有限公司 | 一种基于匹配追踪的超低信噪比高精度速度谱生成方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010093653A2 (en) * | 2009-02-13 | 2010-08-19 | Geco Technology B.V. | Reconstructing a seismic wavefield |
CN102043165A (zh) * | 2010-09-01 | 2011-05-04 | 中国石油天然气股份有限公司 | 基于基追踪算法的面波分离与压制方法 |
CN103280084A (zh) * | 2013-04-24 | 2013-09-04 | 中国农业大学 | 一种多参数实时监测的数据采集方法 |
CN103728660A (zh) * | 2012-10-12 | 2014-04-16 | 中国石油化工股份有限公司 | 基于地震数据的多道匹配追踪方法 |
CN104422954A (zh) * | 2013-08-20 | 2015-03-18 | 中国石油化工股份有限公司 | 一种地震数据规则化中稀疏采样方法 |
-
2015
- 2015-05-22 CN CN201510266839.4A patent/CN106291676A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010093653A2 (en) * | 2009-02-13 | 2010-08-19 | Geco Technology B.V. | Reconstructing a seismic wavefield |
CN102043165A (zh) * | 2010-09-01 | 2011-05-04 | 中国石油天然气股份有限公司 | 基于基追踪算法的面波分离与压制方法 |
CN103728660A (zh) * | 2012-10-12 | 2014-04-16 | 中国石油化工股份有限公司 | 基于地震数据的多道匹配追踪方法 |
CN103280084A (zh) * | 2013-04-24 | 2013-09-04 | 中国农业大学 | 一种多参数实时监测的数据采集方法 |
CN104422954A (zh) * | 2013-08-20 | 2015-03-18 | 中国石油化工股份有限公司 | 一种地震数据规则化中稀疏采样方法 |
Non-Patent Citations (4)
Title |
---|
曹静杰 等: "地震数据压缩重构的正则化与零范数稀疏最优化方法", 《地球物理学报》 * |
王丽莉: "基于压缩感知的二维非均匀采样信号重建算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
白兰淑 等: "基于压缩感知的curvelet域联合迭代地震数据重建", 《地球物理学报》 * |
韩立国 等: "基于压缩感知和稀疏反演的地震数据低频补偿", 《吉林大学学报(地球科学版)》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108169795A (zh) * | 2018-02-11 | 2018-06-15 | 中国石油化工股份有限公司 | 基于随机采样的数据规则化方法 |
CN109188535A (zh) * | 2018-09-18 | 2019-01-11 | 中国科学院地质与地球物理研究所 | 地球物理数据处理的方法和装置 |
CN111239816A (zh) * | 2020-01-21 | 2020-06-05 | 中国海洋石油集团有限公司 | 一种基于匹配追踪的超低信噪比高精度速度谱生成方法 |
CN111239816B (zh) * | 2020-01-21 | 2021-06-25 | 中国海洋石油集团有限公司 | 一种基于匹配追踪的超低信噪比高精度速度谱生成方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dai et al. | Deep learning for extracting dispersion curves | |
CN108037531B (zh) | 一种基于广义全变分正则化的地震反演方法及系统 | |
CN106405651B (zh) | 一种基于测井匹配的全波形反演初始速度模型构建方法 | |
CN110609320B (zh) | 一种基于多尺度特征融合的叠前地震反射模式识别方法 | |
CN111596366B (zh) | 一种基于地震信号优化处理的波阻抗反演方法 | |
CN109669212B (zh) | 地震数据处理方法、地层品质因子估算方法与装置 | |
CN105549076B (zh) | 一种基于交替方向法和全变分理论的地震数据处理方法 | |
CN107015274A (zh) | 一种缺失地震勘探数据恢复重构方法 | |
WO2011053327A1 (en) | Seismic imaging systems and methods employing a 3d reverse time migration with tilted transverse isotropy | |
US9952341B2 (en) | Systems and methods for aligning a monitor seismic survey with a baseline seismic survey | |
CN104749631A (zh) | 一种基于稀疏反演的偏移速度分析方法及装置 | |
Chen et al. | Integration of principal-component-analysis and streamline information for the history matching of channelized reservoirs | |
CN103869362A (zh) | 体曲率获取方法和设备 | |
CN113077386A (zh) | 基于字典学习和稀疏表征的地震资料高分辨率处理方法 | |
CN104730576A (zh) | 基于Curvelet变换的地震信号去噪方法 | |
Huot et al. | Detection and characterization of microseismic events from fiber‐optic DAS data using deep learning | |
CN106291676A (zh) | 一种基于匹配追踪算法的地震数据重构方法 | |
CN106291675A (zh) | 一种基于基追踪技术的地震数据重构方法 | |
CN105319594B (zh) | 一种基于最小二乘参数反演的傅里叶域地震数据重构方法 | |
Bazulin et al. | Determination of the elastic parameters of a VTI medium from sonic logging data using deep learning | |
Romero et al. | Seeing through the CO2 plume: Joint inversion-segmentation of the Sleipner 4D seismic data set | |
Gao et al. | Deep learning vertical resolution enhancement considering features of seismic data | |
CN113253350B (zh) | 一种基于联合字典的孔隙度反演方法 | |
CN116068644A (zh) | 一种利用生成对抗网络提升地震数据分辨率和降噪的方法 | |
Wu et al. | An Unsupervised Inversion Method for Seismic Brittleness Parameters Driven by the Physical Equation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170104 |