CN108196300A - 一种地震数据处理方法及装置 - Google Patents

一种地震数据处理方法及装置 Download PDF

Info

Publication number
CN108196300A
CN108196300A CN201711259621.1A CN201711259621A CN108196300A CN 108196300 A CN108196300 A CN 108196300A CN 201711259621 A CN201711259621 A CN 201711259621A CN 108196300 A CN108196300 A CN 108196300A
Authority
CN
China
Prior art keywords
data
channel data
seismic channel
seismic
wavelet
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.)
Granted
Application number
CN201711259621.1A
Other languages
English (en)
Other versions
CN108196300B (zh
Inventor
詹仕凡
李磊
陶春峰
万忠宏
崔京彬
徐晨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China National Petroleum Corp
BGP Inc
Original Assignee
China National Petroleum Corp
BGP Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China National Petroleum Corp, BGP Inc filed Critical China National Petroleum Corp
Priority to CN201711259621.1A priority Critical patent/CN108196300B/zh
Publication of CN108196300A publication Critical patent/CN108196300A/zh
Application granted granted Critical
Publication of CN108196300B publication Critical patent/CN108196300B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
    • G01V1/36—Effecting static or dynamic corrections on records, e.g. correcting spread; Correlating seismic signals; Eliminating effects of unwanted energy
    • G01V1/362—Effecting static or dynamic corrections; Stacking
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/50—Corrections or adjustments related to wave propagation
    • G01V2210/51—Migration

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Acoustics & Sound (AREA)
  • Environmental & Geological Engineering (AREA)
  • Geology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Geophysics (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本申请实施例公开了一种地震数据处理方法及装置。所述方法包括：对原始地震道数据中的振幅值进行统计处理，得到概率密度函数；确定符合概率密度函数的目标随机数集合；确定多个子波数据，将多个子波数据进行第一叠加，得到拟合地震道数据；确定残差地震道数据；当残差地震道数据中的振幅的绝对值的最大值大于或等于预设振幅阈值时，将残差地震道数据乘以指定特征参数得到的结果作为新的原始地震道数据，生成新的拟合地震道数据和新的残差地震道数据，直至新的残差地震道数据中振幅的绝对值的最大值小于预设振幅阈值，将新的拟合地震道数据以及在其之前生成的拟合地震道数据进行第二叠加，得到目标地震道数据。可以提高地震道数据的分辨率。

Description

一种地震数据处理方法及装置
技术领域
本申请涉及地球物理勘探数据处理技术领域，特别涉及一种地震数据处理方法及装置。
背景技术
在地球物理勘探处理和解释过程中，叠前地震道集数据通常需经过叠加处理后形成叠后数据，然后交付给解释软件(或模块)使用。在实际生产实践中，叠前地震道集数据在叠加处理之前，不对叠前地震道集中的叠前地震道数据进行任何处理与分析。针对分辨率较低的叠前地震道集，经过叠加处理后，往往难以满足地震资料的高精度处理和储层精细刻画的要求，也不利于解释人员对目的层位的地震数据进行更加细致的解释。
发明内容
本申请实施例的目的是提供一种地震数据处理方法及装置，以提高地震道数据的分辨率。
为解决上述技术问题，本申请实施例提供一种地震数据处理方法及装置是这样实现的：
一种地震数据处理方法，提供有原始地震道数据；所述方法包括：
对所述原始地震道数据中的振幅值进行统计处理，得到概率密度函数；
基于所述原始地震道数据中的振幅值范围，生成初始随机数集合，从所述初始随机数集合中确定符合所述概率密度函数的目标随机数集合；
基于所述目标随机数集合，确定所述原始地震道数据对应的多个子波数据，并将所述多个子波数据进行第一叠加，将第一叠加的结果作为拟合地震道数据；
将所述原始地震道数据减去所述拟合地震道数据，得到残差地震道数据；
当所述残差地震道数据中的振幅的绝对值的最大值大于或等于预设振幅阈值时，将所述残差地震道数据乘以指定特征参数得到的结果作为新的原始地震道数据，并生成所述新的原始地震道数据对应的新的拟合地震道数据和新的残差地震道数据，直至所述新的残差地震道数据中振幅的绝对值的最大值小于所述预设振幅阈值，并将所述新的拟合地震道数据以及在所述新的拟合地震道数据之前生成的拟合地震道数据进行第二叠加，并将第二叠加的结果作为目标地震道数据；其中，所述指定特征参数与迭代次数相关联。
优选方案中，所述对所述原始地震道数据中的振幅值进行统计处理，得到概率密度函数，包括：
将所述原始地震道数据中数值为负数的振幅值替换为零，得到第一地震道数据；
当所述第一地震道数据中的指定采样点的振幅值大于预设振幅阈值时，将所述预设振幅阈值作为所述指定采样点的振幅值，得到第二地震道数据；
对所述第二地震道数据中的振幅值进行统计处理，得到所述概率密度函数。
优选方案中，所述基于所述原始地震道数据中的振幅值范围，生成初始随机数集合，包括：
采用线性同余法生成多个均匀分布的随机数；其中，所述多个均匀分布的随机数的值在所述原始地震道数据中的振幅值范围内；
将所述多个均匀分布的随机数构成的集合作为所述初始随机数集合。
优选方案中，所述初始随机数集合中随机数的数量的取值范围包括：5000～10000。
优选方案中，所述从所述初始随机数集合中确定符合所述概率密度函数的目标随机数集合，包括：
采用舍选法从所述初始随机数集合中确定符合所述概率密度函数的目标随机数集合。
优选方案中，所述基于所述目标随机数集合，确定所述原始地震道数据对应的多个子波数据，包括：
基于预设子波模型和所述目标随机数集合，确定目标似然函数模型；
采用期望最大化方法确定所述目标似然函数模型中的子波参数集合中子波参数的值；其中，所述子波参数集合包括多组子波参数，所述子波参数包括子波的振幅系数、中心时间、主频和相位；
根据所述预设子波模型和所述子波参数集合中子波参数的值，确定所述原始地震道数据对应的多个子波数据；其中，所述子波参数与所述子波数据一一对应，以使得一组子波参数对应一个子波数据。
优选方案中，采用下述公式表征所述预设子波模型：
其中，gγ(x)表示所述预设子波模型，α表示子波的振幅系数，u表示子波的中心时间，ζ表示子波的主频，表示子波的相位，x表示采样时间；
以及采用下述公式确定目标似然函数模型：
其中，L(Θ)表示目标似然函数，表示所述多个子波数据中第j个子波数据，xi表示所述目标随机数集合中第i个随机数；表示所述子波参数集合，αj表示第j个子波数据中的子波的振幅系数，uj表示第j个子波数据中的子波的中心时间，ζj表示第j个子波数据中的子波的主频，表示第j个子波数据中的子波的相位。
优选方案中，采用下述公式将所述多个子波数据进行第一叠加：
其中，f(x)表示所述拟合地震道数据，gγj(x)表示所述多个子波数据中第j个子波数据；x表示所述拟合地震道数据或所述子波数据中的采样时间。
优选方案中，采用下述公式将所述新的拟合地震道数据以及在所述新的拟合地震道数据之前生成的拟合地震道数据进行第二叠加：
其中，表示所述目标地震道数据，fk(x)表示在所述新的拟合地震道数据之前第k次迭代时生成的拟合地震道数据，N表示生成所述新的拟合地震道数据时的迭代次数，x表示地震道数据中的采样时间。
一种地震数据处理装置，所述装置提供原始地震道数据；所述装置包括：密度函数确定模块、随机数集合确定模块、拟合地震道数据确定模块、残差地震道数据确定模块和目标地震道数据确定模块；其中，
所述密度函数确定模块，用于对所述原始地震道数据中的振幅值进行统计处理，得到概率密度函数；
所述随机数集合确定模块，用于基于所述原始地震道数据中的振幅值范围，生成初始随机数集合，从所述初始随机数集合中确定符合所述概率密度函数的目标随机数集合；
所述拟合地震道数据确定模块，用于基于所述目标随机数集合，确定所述原始地震道数据对应的多个子波数据，并将所述多个子波数据进行第一叠加，将第一叠加的结果作为拟合地震道数据；
所述残差地震道数据确定模块，用于将所述原始地震道数据减去所述拟合地震道数据，得到残差地震道数据；
所述目标地震道数据确定模块，用于当所述残差地震道数据中的振幅的绝对值的最大值大于或等于预设振幅阈值时，将所述残差地震道数据乘以指定特征参数得到的结果作为新的原始地震道数据，并生成所述新的原始地震道数据对应的新的拟合地震道数据和新的残差地震道数据，直至所述新的残差地震道数据中振幅的绝对值的最大值小于所述预设振幅阈值，并将所述新的拟合地震道数据以及在所述新的拟合地震道数据之前生成的拟合地震道数据进行第二叠加，并将第二叠加的结果作为目标地震道数据；其中，所述指定特征参数与迭代次数相关联。
本申请实施例提供了一种地震数据处理方法及装置，可以对所述原始地震道数据中的振幅值进行统计处理，得到概率密度函数；可以基于所述原始地震道数据中的振幅值范围，生成初始随机数集合，可以从所述初始随机数集合中确定符合所述概率密度函数的目标随机数集合；可以基于所述目标随机数集合，确定所述原始地震道数据对应的多个子波数据，并将所述多个子波数据进行第一叠加，将第一叠加的结果作为拟合地震道数据；可以将所述原始地震道数据减去所述拟合地震道数据，得到残差地震道数据；当所述残差地震道数据中的振幅的绝对值的最大值大于或等于预设振幅阈值时，可以将所述残差地震道数据乘以指定特征参数得到的结果作为新的原始地震道数据，并生成所述新的原始地震道数据对应的新的拟合地震道数据和新的残差地震道数据，直至所述新的残差地震道数据中振幅的绝对值的最大值小于所述预设振幅阈值，并将所述新的拟合地震道数据以及在所述新的拟合地震道数据之前生成的拟合地震道数据进行第二叠加，并将第二叠加的结果作为目标地震道数据；其中，所述指定特征参数与迭代次数相关联。如此，可以提高地震道数据的分辨率。
附图说明
为了更清楚地说明本申请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申请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是本申请一种地震数据处理方法实施例的流程图；
图2是本申请地震数据处理装置实施例的组成结构图。
具体实施方式
本申请实施例提供一种地震数据处理方法及装置。
为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
本申请实施例提供了一种地震数据处理方法。所述地震数据处理方法提供有原始地震道数据。
在本申请实施例中，可以通过地震勘探和数据采集的方式，获取所述原始地震道数据。
在本申请实施例中，所述原始地震道数据可以是叠前地震道数据，还可以是叠后地震道数据。其中，所述叠后地震道数据表示对叠前地震道数据进行叠加处理后得到的地震道数据。
图1是本申请一种地震数据处理方法实施例的流程图。如图1所示，所述地震数据处理方法，包括以下步骤。
步骤S101：对所述原始地震道数据中的振幅值进行统计处理，得到概率密度函数。
在本实施方式中，对所述原始地震道数据中的振幅值进行统计处理，得到概率密度函数，具体可以包括，可以将所述原始地震道数据中数值为负数的振幅值替换为零，得到第一地震道数据。当所述第一地震道数据中的指定采样点的振幅值大于预设振幅阈值时，可以将所述预设振幅阈值作为所述指定采样点的振幅值，可以得到第二地震道数据。可以对所述第二地震道数据中的振幅值进行统计处理，得到所述概率密度函数。
步骤S102：基于所述原始地震道数据中的振幅值范围，生成初始随机数集合，从所述初始随机数集合中确定符合所述概率密度函数的目标随机数集合。
在本实施方式中，基于所述原始地震道数据中的振幅值范围，生成初始随机数集合，具体可以包括，可以采用线性同余法生成多个均匀分布的随机数；其中，所述多个均匀分布的随机数的值在所述原始地震道数据中的振幅值范围内。可以将所述多个均匀分布的随机数构成的集合作为所述初始随机数集合。
在本实施方式中，所述初始随机数集合中随机数的数量的取值范围可以包括：5000～10000。
在本实施方式中，从所述初始随机数集合中确定符合所述概率密度函数的目标随机数集合，具体可以包括，可以采用舍选法从所述初始随机数集合中确定符合所述概率密度函数的目标随机数集合。
步骤S103：基于所述目标随机数集合，确定所述原始地震道数据对应的多个子波数据，并将所述多个子波数据进行第一叠加，将第一叠加的结果作为拟合地震道数据。
在本实施方式中，基于所述目标随机数集合，确定所述原始地震道数据对应的多个子波数据，具体可以包括，可以基于预设子波模型和所述目标随机数集合，确定目标似然函数模型。可以采用期望最大化方法确定所述目标似然函数模型中的子波参数集合中子波参数的值；其中，所述子波参数集合包括多组子波参数，所述子波参数包括子波的振幅系数、中心时间、主频和相位。可以根据所述预设子波模型和所述子波参数集合中子波参数的值，确定所述原始地震道数据对应的多个子波数据；其中，所述子波参数与所述子波数据一一对应，以使得一组子波参数对应一个子波数据。
在本实施方式中，所述多个子波数据的数量可以根据实际勘探得到的地震数据的情况而定，通常所述多个子波数据的数量可以为10。
在本实施方式中，可以采用下述公式表征所述预设子波模型：
其中，gγ(x)表示所述预设子波模型，α表示子波的振幅系数，u表示子波的中心时间，ζ表示子波的主频，表示子波的相位，x表示采样时间；
还可以采用下述公式确定目标似然函数模型：
其中，L(Θ)表示目标似然函数，表示所述多个子波数据中第j个子波数据，xi表示所述目标随机数集合中第i个随机数；表示所述子波参数集合，αj表示第j个子波数据中的子波的振幅系数，uj表示第j个子波数据中的子波的中心时间，ζj表示第j个子波数据中的子波的主频，表示第j个子波数据中的子波的相位。
在本实施方式中，可以采用下述公式将所述多个子波数据进行第一叠加：
其中，f(x)表示所述拟合地震道数据，表示所述多个子波数据中第j个子波数据；x表示所述拟合地震道数据或所述子波数据中的采样时间。
步骤S104：将所述原始地震道数据减去所述拟合地震道数据，得到残差地震道数据。
在本实施方式中，可以将所述原始地震道数据减去所述拟合地震道数据，得到所述残差地震道数据。
步骤S105：当所述残差地震道数据中的振幅的绝对值的最大值大于或等于预设振幅阈值时，将所述残差地震道数据乘以指定参数得到的结果作为新的原始地震道数据，并生成所述新的原始地震道数据对应的新的拟合地震道数据和新的残差地震道数据，直至所述新的残差地震道数据中振幅的绝对值的最大值小于所述预设振幅阈值，并将所述新的拟合地震道数据以及在所述新的拟合地震道数据之前生成的拟合地震道数据进行第二叠加，并将第二叠加的结果作为目标地震道数据。其中，所述指定特征参数与迭代次数相关联。
在本实施方式中，当所述残差地震道数据中的振幅的绝对值的最大值大于或等于预设振幅阈值时，可以将所述残差地震道数据乘以指定特征参数得到的结果作为新的原始地震道数据，并按照步骤S101～步骤S104的方法生成所述新的原始地震道数据对应的新的拟合地震道数据和新的残差地震道数据，直至所述新的残差地震道数据中振幅的绝对值的最大值小于所述预设振幅阈值，并将所述新的拟合地震道数据以及在所述新的拟合地震道数据之前生成的拟合地震道数据进行第二叠加，并将第二叠加的结果作为目标地震道数据。其中，所述指定特征参数可以采用表达式(-1)k进行表征，k表示迭代次数。
在本实施方式中，可以采用下述公式将所述新的拟合地震道数据以及在所述新的拟合地震道数据之前生成的拟合地震道数据进行第二叠加：
其中，表示所述目标地震道数据，fk(x)表示在所述新的拟合地震道数据之前第k次迭代时生成的拟合地震道数据，N表示生成所述新的拟合地震道数据时的迭代次数，x表示地震道数据中的采样时间。
在一个实施方式中，所述地震数据处理方法还可以提供有原始地震道数据集合。所述原始地震道数据集合中包括多个原始地震道数据。可以采用步骤S101～步骤S105的方法分别对各个原始地震道数据进行处理，可以得到每一个原始地震道数据对应的目标地震道数据，可以将各个目标地震道数据构成的集合作为目标地震道集数据。
所述地震数据处理方法实施例，可以对所述原始地震道数据中的振幅值进行统计处理，得到概率密度函数；可以基于所述原始地震道数据中的振幅值范围，生成初始随机数集合，可以从所述初始随机数集合中确定符合所述概率密度函数的目标随机数集合；可以基于所述目标随机数集合，确定所述原始地震道数据对应的多个子波数据，并将所述多个子波数据进行第一叠加，将第一叠加的结果作为拟合地震道数据；可以将所述原始地震道数据减去所述拟合地震道数据，得到残差地震道数据；当所述残差地震道数据中的振幅的绝对值的最大值大于或等于预设振幅阈值时，可以将所述残差地震道数据乘以指定特征参数得到的结果作为新的原始地震道数据，并生成所述新的原始地震道数据对应的新的拟合地震道数据和新的残差地震道数据，直至所述新的残差地震道数据中振幅的绝对值的最大值小于所述预设振幅阈值，并将所述新的拟合地震道数据以及在所述新的拟合地震道数据之前生成的拟合地震道数据进行第二叠加，并将第二叠加的结果作为目标地震道数据；其中，所述指定特征参数与迭代次数相关联。如此，可以提高地震道数据的分辨率。
图2是本申请地震数据处理装置实施例的组成结构图。所述地震数据处理装置提供原始地震道数据。如图2所示，所述地震数据处理装置可以包括：密度函数确定模块100、随机数集合确定模块200、拟合地震道数据确定模块300、残差地震道数据确定模块400和目标地震道数据确定模块500。
所述密度函数确定模块100，用于对所述原始地震道数据中的振幅值进行统计处理，得到概率密度函数。
所述随机数集合确定模块200，可以用于基于所述原始地震道数据中的振幅值范围，生成初始随机数集合，从所述初始随机数集合中确定符合所述概率密度函数的目标随机数集合。
所述拟合地震道数据确定模块300，可以用于基于所述目标随机数集合，确定所述原始地震道数据对应的多个子波数据，并将所述多个子波数据进行第一叠加，将第一叠加的结果作为拟合地震道数据。
所述残差地震道数据确定模块400，可以用于将所述原始地震道数据减去所述拟合地震道数据，得到残差地震道数据。
所述目标地震道数据确定模块500，可以用于当所述残差地震道数据中的振幅的绝对值的最大值大于或等于预设振幅阈值时，将所述残差地震道数据乘以指定特征参数得到的结果作为新的原始地震道数据，并生成所述新的原始地震道数据对应的新的拟合地震道数据和新的残差地震道数据，直至所述新的残差地震道数据中振幅的绝对值的最大值小于所述预设振幅阈值，并将所述新的拟合地震道数据以及在所述新的拟合地震道数据之前生成的拟合地震道数据进行第二叠加，并将第二叠加的结果作为目标地震道数据；其中，所述指定特征参数与迭代次数相关联。
所述地震数据处理装置实施例与所述地震数据方法实施例相对应，可以实现地震数据方法实施例的技术方案，并取得方法实施例的技术效果。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog2。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
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。
上述实施例阐明的装置、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，在实施本申请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。
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申请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，本申请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，在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。该计算机软件产品可以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，服务器，或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。该计算机软件产品可以存储在内存中，内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括短暂电脑可读媒体(transitory media)，如调制的数据信号和载波。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同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。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本申请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、置顶盒、可编程的消费电子设备、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。
本申请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、数据结构等等。也可以在分布式计算环境中实践本申请，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。
虽然通过实施例描绘了本申请，本领域普通技术人员知道，本申请有许多变形和变化而不脱离本申请的精神，希望所附的权利要求包括这些变形和变化而不脱离本申请的精神。

Claims (10)

1.一种地震数据处理方法，其特征在于，提供有原始地震道数据；所述方法包括：
对所述原始地震道数据中的振幅值进行统计处理，得到概率密度函数；
基于所述原始地震道数据中的振幅值范围，生成初始随机数集合，从所述初始随机数集合中确定符合所述概率密度函数的目标随机数集合；
基于所述目标随机数集合，确定所述原始地震道数据对应的多个子波数据，并将所述多个子波数据进行第一叠加，将第一叠加的结果作为拟合地震道数据；
将所述原始地震道数据减去所述拟合地震道数据，得到残差地震道数据；
当所述残差地震道数据中的振幅的绝对值的最大值大于或等于预设振幅阈值时，将所述残差地震道数据乘以指定特征参数得到的结果作为新的原始地震道数据，并生成所述新的原始地震道数据对应的新的拟合地震道数据和新的残差地震道数据，直至所述新的残差地震道数据中振幅的绝对值的最大值小于所述预设振幅阈值，并将所述新的拟合地震道数据以及在所述新的拟合地震道数据之前生成的拟合地震道数据进行第二叠加，并将第二叠加的结果作为目标地震道数据；其中，所述指定特征参数与迭代次数相关联。
2.根据权利要求1所述的一种地震数据处理方法，其特征在于，所述对所述原始地震道数据中的振幅值进行统计处理，得到概率密度函数，包括：
将所述原始地震道数据中数值为负数的振幅值替换为零，得到第一地震道数据；
当所述第一地震道数据中的指定采样点的振幅值大于预设振幅阈值时，将所述预设振幅阈值作为所述指定采样点的振幅值，得到第二地震道数据；
对所述第二地震道数据中的振幅值进行统计处理，得到所述概率密度函数。
3.根据权利要求1所述的一种地震数据处理方法，其特征在于，所述基于所述原始地震道数据中的振幅值范围，生成初始随机数集合，包括：
采用线性同余法生成多个均匀分布的随机数；其中，所述多个均匀分布的随机数的值在所述原始地震道数据中的振幅值范围内；
将所述多个均匀分布的随机数构成的集合作为所述初始随机数集合。
4.根据权利要求3所述的一种地震数据处理方法，其特征在于，所述初始随机数集合中随机数的数量的取值范围包括：5000～10000。
5.根据权利要求1所述的一种地震数据处理方法，其特征在于，所述从所述初始随机数集合中确定符合所述概率密度函数的目标随机数集合，包括：
采用舍选法从所述初始随机数集合中确定符合所述概率密度函数的目标随机数集合。
6.根据权利要求1所述的一种地震数据处理方法，其特征在于，所述基于所述目标随机数集合，确定所述原始地震道数据对应的多个子波数据，包括：
基于预设子波模型和所述目标随机数集合，确定目标似然函数模型；
采用期望最大化方法确定所述目标似然函数模型中的子波参数集合中子波参数的值；其中，所述子波参数集合包括多组子波参数，所述子波参数包括子波的振幅系数、中心时间、主频和相位；
根据所述预设子波模型和所述子波参数集合中子波参数的值，确定所述原始地震道数据对应的多个子波数据；其中，所述子波参数与所述子波数据一一对应，以使得一组子波参数对应一个子波数据。
7.根据权利要求6所述的一种地震数据处理方法，其特征在于，采用下述公式表征所述预设子波模型：
其中，gγ(x)表示所述预设子波模型，α表示子波的振幅系数，u表示子波的中心时间，ζ表示子波的主频，表示子波的相位，x表示采样时间；
以及采用下述公式确定目标似然函数模型：
其中，L(Θ)表示目标似然函数，表示所述多个子波数据中第j个子波数据，xi表示所述目标随机数集合中第i个随机数；表示所述子波参数集合，αj表示第j个子波数据中的子波的振幅系数，uj表示第j个子波数据中的子波的中心时间，ζj表示第j个子波数据中的子波的主频，表示第j个子波数据中的子波的相位。
8.根据权利要求1所述的一种地震数据处理方法，其特征在于，采用下述公式将所述多个子波数据进行第一叠加：
其中，f(x)表示所述拟合地震道数据，表示所述多个子波数据中第j个子波数据；x表示所述拟合地震道数据或所述子波数据中的采样时间。
9.根据权利要求1所述的一种地震数据处理方法，其特征在于，采用下述公式将所述新的拟合地震道数据以及在所述新的拟合地震道数据之前生成的拟合地震道数据进行第二叠加：
其中，表示所述目标地震道数据，fk(x)表示在所述新的拟合地震道数据之前第k次迭代时生成的拟合地震道数据，N表示生成所述新的拟合地震道数据时的迭代次数，x表示地震道数据中的采样时间。
10.一种地震数据处理装置，其特征在于，所述装置提供原始地震道数据；所述装置包括：密度函数确定模块、随机数集合确定模块、拟合地震道数据确定模块、残差地震道数据确定模块和目标地震道数据确定模块；其中，
所述密度函数确定模块，用于对所述原始地震道数据中的振幅值进行统计处理，得到概率密度函数；
所述随机数集合确定模块，用于基于所述原始地震道数据中的振幅值范围，生成初始随机数集合，从所述初始随机数集合中确定符合所述概率密度函数的目标随机数集合；
所述拟合地震道数据确定模块，用于基于所述目标随机数集合，确定所述原始地震道数据对应的多个子波数据，并将所述多个子波数据进行第一叠加，将第一叠加的结果作为拟合地震道数据；
所述残差地震道数据确定模块，用于将所述原始地震道数据减去所述拟合地震道数据，得到残差地震道数据；
所述目标地震道数据确定模块，用于当所述残差地震道数据中的振幅的绝对值的最大值大于或等于预设振幅阈值时，将所述残差地震道数据乘以指定特征参数得到的结果作为新的原始地震道数据，并生成所述新的原始地震道数据对应的新的拟合地震道数据和新的残差地震道数据，直至所述新的残差地震道数据中振幅的绝对值的最大值小于所述预设振幅阈值，并将所述新的拟合地震道数据以及在所述新的拟合地震道数据之前生成的拟合地震道数据进行第二叠加，并将第二叠加的结果作为目标地震道数据；其中，所述指定特征参数与迭代次数相关联。
CN201711259621.1A 2017-12-04 2017-12-04 一种地震数据处理方法及装置 Active CN108196300B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711259621.1A CN108196300B (zh) 2017-12-04 2017-12-04 一种地震数据处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711259621.1A CN108196300B (zh) 2017-12-04 2017-12-04 一种地震数据处理方法及装置

Publications (2)

Publication Number Publication Date
CN108196300A true CN108196300A (zh) 2018-06-22
CN108196300B CN108196300B (zh) 2019-06-11

Family

ID=62573574

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711259621.1A Active CN108196300B (zh) 2017-12-04 2017-12-04 一种地震数据处理方法及装置

Country Status (1)

Country Link
CN (1) CN108196300B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110647723A (zh) * 2019-08-14 2020-01-03 中国科学院计算机网络信息中心 基于原位可视化的粒子数据处理方法、装置和系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080232193A1 (en) * 2007-03-20 2008-09-25 Geocyber Solutions, Inc. Methods for Noise Removal and/or Attenuation from Seismic Data by Wavelet Selection
US20090292475A1 (en) * 2007-05-25 2009-11-26 Aftab Alam Time-Space Varying Spectra for Seismic Processing
CN102116868A (zh) * 2009-12-31 2011-07-06 中国石油化工股份有限公司 一种地震波分解方法
CN102768365A (zh) * 2011-05-03 2012-11-07 戴永寿 基于高阶统计量和arma模型的高分辨率地震子波提取方法
CN102879818A (zh) * 2012-08-30 2013-01-16 中国石油集团川庆钻探工程有限公司地球物理勘探公司 一种改进的地震道数据的分解和重构方法
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
CN104570107A (zh) * 2013-10-29 2015-04-29 中国石油化工股份有限公司 一种基于改进匹配追踪算法的时频分析方法
CN105277973A (zh) * 2014-05-26 2016-01-27 中国石油化工股份有限公司 一种基于匹配追踪的子波分解优化方法
CN105301640A (zh) * 2015-10-27 2016-02-03 中国石油天然气集团公司 地震数据叠加方法和装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080232193A1 (en) * 2007-03-20 2008-09-25 Geocyber Solutions, Inc. Methods for Noise Removal and/or Attenuation from Seismic Data by Wavelet Selection
US20090292475A1 (en) * 2007-05-25 2009-11-26 Aftab Alam Time-Space Varying Spectra for Seismic Processing
CN102116868A (zh) * 2009-12-31 2011-07-06 中国石油化工股份有限公司 一种地震波分解方法
CN102768365A (zh) * 2011-05-03 2012-11-07 戴永寿 基于高阶统计量和arma模型的高分辨率地震子波提取方法
CN102879818A (zh) * 2012-08-30 2013-01-16 中国石油集团川庆钻探工程有限公司地球物理勘探公司 一种改进的地震道数据的分解和重构方法
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
CN104570107A (zh) * 2013-10-29 2015-04-29 中国石油化工股份有限公司 一种基于改进匹配追踪算法的时频分析方法
CN105277973A (zh) * 2014-05-26 2016-01-27 中国石油化工股份有限公司 一种基于匹配追踪的子波分解优化方法
CN105301640A (zh) * 2015-10-27 2016-02-03 中国石油天然气集团公司 地震数据叠加方法和装置

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
LI LEI ET AL.: "An improved method of automatically identifying micro tectonics in watersheds", 《SEG DENVER 2014 ANNUAL MEETING》 *
宋炜等: "快速匹配追踪三参数时频特征滤波", 《石油地球物理勘探》 *
李曙光等: "基于频率域小波的地震信号多子波分解及重构", 《基于频率域小波的地震信号多子波分解和重构》 *
詹仕凡等: "基于OVT域处理叠前五维道集解释方法  ", 《中国地球科学联合学术年会2016》 *
谢兴隆等: "子波分解重构与EEMD在火山机构地震精细刻画中的应用研究", 《物探化探计算技术》 *
邱娜: "地震子波分解与重构技术研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110647723A (zh) * 2019-08-14 2020-01-03 中国科学院计算机网络信息中心 基于原位可视化的粒子数据处理方法、装置和系统
CN110647723B (zh) * 2019-08-14 2023-12-26 中国科学院计算机网络信息中心 基于原位可视化的粒子数据处理方法、装置和系统

Also Published As

Publication number Publication date
CN108196300B (zh) 2019-06-11

Similar Documents

Publication Publication Date Title
CN107563297B (zh) 一种波形匹配方法及装置
CN106054251B (zh) 一种初至波拾取方法及装置
CN107942382A (zh) 一种去除沉积背景的方法及装置
CN107193045B (zh) 一种地震数据处理方法及装置
CN106772589B (zh) 一种叠前地震反演方法及装置
CN107367762A (zh) 一种确定储层参数的方法及装置
CN107765298A (zh) 一种确定近地表速度模型的方法及装置
CN111239808A (zh) 一种地震反演谱分解方法、装置、电子设备及存储介质
CN106842304A (zh) 一种叠前深度偏移方法及装置
CN108181644B (zh) 一种采样方法及装置
CN108196300B (zh) 一种地震数据处理方法及装置
CN106845786A (zh) 注入井和生产井间储层连通性评价方法和装置
CN106353816B (zh) 一种地震采集脚印噪音压制方法及系统
CN109612900B (zh) 一种储层岩石渗透率预测方法、装置及存储介质
CN110618463B (zh) 一种核磁共振数据反演方法、装置、存储介质及设备
CN107329170B (zh) 一种地震波形匹配方法及装置
CN107561588B (zh) 一种地震数据噪声压制方法及装置
Ma et al. Robust principal component analysis using facial reduction
CN108107470B (zh) 一种地震数据处理方法及装置
CN108035708A (zh) 一种去除地层界面反射波的方法及装置
CN107939371B (zh) 一种确定井网加密可行性的方法及装置
CN111596358B (zh) 一种多次波的压制方法、设备以及系统
CN107180161B (zh) 一种地层对比结果整合方法及装置
CN108303734B (zh) 一种地震数据处理方法及装置
CN107942398B (zh) 一种确定多相流体流速的方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant