CN110082825B - 一种基于卷积稀疏编码的高斯束偏移方法 - Google Patents
一种基于卷积稀疏编码的高斯束偏移方法 Download PDFInfo
- Publication number
- CN110082825B CN110082825B CN201910443810.7A CN201910443810A CN110082825B CN 110082825 B CN110082825 B CN 110082825B CN 201910443810 A CN201910443810 A CN 201910443810A CN 110082825 B CN110082825 B CN 110082825B
- Authority
- CN
- China
- Prior art keywords
- gaussian beam
- seismic data
- gaussian
- basis function
- function
- 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
- 238000000034 method Methods 0.000 title claims abstract description 59
- 230000005012 migration Effects 0.000 title claims abstract description 32
- 238000013508 migration Methods 0.000 title claims abstract description 32
- 238000003384 imaging method Methods 0.000 claims abstract description 58
- 239000000523 sample Substances 0.000 claims abstract description 41
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 18
- 230000006870 function Effects 0.000 claims description 100
- 238000000926 separation method Methods 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 3
- 230000005428 wave function Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 11
- 230000008569 process Effects 0.000 abstract description 10
- 238000001514 detection method Methods 0.000 description 6
- 239000000126 substance Substances 0.000 description 6
- 239000000243 solution Substances 0.000 description 4
- 239000013598 vector Substances 0.000 description 3
- 238000003491 array Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010304 firing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 238000004613 tight binding model Methods 0.000 description 1
Images
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
- G01V1/30—Analysis
- G01V1/301—Analysis for determining seismic cross-sections or geostructures
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
本发明提供了一种基于卷积稀疏编码的高斯束偏移方法,涉及地震数据处理的技术领域,该方法包括:基于采集的原始地震数据构建高斯束形式的地震数据;根据高斯束形式的地震数据确定高斯束基函数;结合高斯束基函数和卷积稀疏编码模型对高斯束形式的地震数据进行稀疏分解,得到高斯束波形函数;根据高斯束波形函数得到检波点高斯束和与检波点高斯束对应的炮点高斯束;将检波点高斯束和炮点高斯束进行偏移成像,得到偏移成像结果,并根据偏移成像结果确定成像剖面。本发明利用卷积稀疏编码的方法对地震数据进行稀疏分解,减少向地下发射高斯束的数量,提高整个偏移过程的计算效率,同时能够减少偏移噪音,提高了成像剖面的信噪比。
Description
技术领域
本发明涉及地震数据处理技术领域,尤其是涉及一种基于卷积稀疏编码的高斯束偏移方法。
背景技术
随着社会的发展和人们生活水平的提高,对油气资源的需求量越来越大。需要加快勘探复杂构造地区的油气资源,但在复杂构造地区采集的地震数据信噪比很低,为了能够得到清晰的地下构造成像,需要采集大量的地震数据。地震成像是地震勘探的重要组成部分,对于油气勘探具有重要意义。
目前,高斯束偏移方法被广泛应用于偏移成像中。在利用传统高斯束偏移方法把地震数据分解表示为高斯束形式的过程中,需要向地下所有方向发射高斯束,使得整个偏移成像过程计算量大、信噪比低。
发明内容
本发明的目的在于提供一种基于卷积稀疏编码的高斯束偏移方法,利用卷积稀疏编码的方法对地震数据进行稀疏分解,减少向地下发射高斯束的数量,提高整个偏移过程的计算效率,同时能够减少偏移噪音,提高了成像剖面的信噪比。
本发明提供的一种基于卷积稀疏编码的高斯束偏移方法,其中,包括:
基于采集的原始地震数据构建高斯束形式的地震数据;
根据所述高斯束形式的地震数据确定高斯束基函数;
结合所述高斯束基函数和卷积稀疏编码模型对所述高斯束形式的地震数据进行稀疏分解,得到高斯束波形函数;
根据所述高斯束波形函数得到检波点高斯束和与所述检波点高斯束对应的炮点高斯束,其中,所述检波点为检测到所述原始地震数据的位置,所述炮点为发射所述原始地震数据的位置;
将所述检波点高斯束和所述炮点高斯束进行偏移成像,得到偏移成像结果,并根据所述偏移成像结果确定成像剖面。
进一步的,所述根据所述高斯束形式的地震数据确定高斯束基函数的步骤,包括:
采集所述高斯束形式的地震数据和速度模型;
根据所述高斯束形式的地震数据的角频率和预设束间距公式确定高斯束的间距;
根据所述高斯束的间距和预设高斯束中心位置公式确定高斯束中心的位置;
基于所述速度模型中速度的平均值、所述高斯束形式的地震数据的角频率和预设半宽公式,确定高斯束的半宽;
根据所述高斯束中心的位置和所述高斯束的半宽生成时间-空间域的高斯束基函数。
进一步的,所述根据所述高斯束中心的位置和所述高斯束的半宽生成时间-空间域的高斯束基函数包括:
基于所述高斯束中心的位置和所述高斯束的半宽,根据预设基函数公式生成所述高斯束基函数,所述预设基函数公式为:
其中,x,t分别为空间、时间,m1=1,2,…,M1,m2=1,2,…,M2,M1为高斯束中心的个数,M2表示高斯束的倾角个数,i为虚数单位,i2=-1,ω为角频率,IFT[·]为傅里叶逆变换,为高斯束的倾角,V为速度模型中速度的平均值,为高斯束中心的位置,ωr为地震数据的角频率,w为高斯束的半宽。
进一步的,所述结合所述高斯束基函数和卷积稀疏编码模型对所述高斯束形式的地震数据进行稀疏分解,得到高斯束波形函数的步骤,包括:
利用预设稀疏约束条件,对所述高斯束形式的地震数据进行求解,得到卷积稀疏编码模型;
将所述高斯束基函数输入至所述卷积稀疏编码模型中;
结合辅助分离变量和交替方向乘子法将所述输入所述高斯束基函数的卷积稀疏编码模型分解为多个极小化子问题;
对各个所述极小化子问题进行求解,得到所述高斯束波形函数。
进一步的,所述卷积稀疏编码模型为:
其中,S为高斯束形式的地震数据,Dm为高斯束基函数,xm为高斯束波形函数,λ为稀疏正则化参数,||·||F为矩阵范数,||·||1为L1范数,*为卷积符号。
进一步的,所述根据所述高斯束波形函数得到检波点高斯束和与所述检波点高斯束对应的炮点高斯束的步骤,包括:
将所述高斯束波形函数中的非零值分解为多个子波;
将每个所述子波均与所述高斯束基函数进行卷积,得到检波点高斯束;
通过试射法确定与所述检波点高斯束相对应的炮点高斯束。
进一步的,所述将所述检波点高斯束和所述炮点高斯束进行偏移成像,得到偏移成像结果,并根据所述偏移成像结果确定成像剖面,包括:
将所有所述子波的偏移成像结果进行求和,得到一炮地震数据的偏移成像结果;
将所有炮的所述地震数据的偏移结果进行求和,得到成像剖面。
进一步的,所述高斯束形式的地震数据为:
S(x,t)=∑mBm(t)*ψm(x,t)
本发明还提供一种电子设备,包括存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,其中,所述处理器执行所述计算机程序时实现本发明所述的方法。
本发明提供了一种基于卷积稀疏编码的高斯束偏移方法,包括:基于采集的原始地震数据构建高斯束形式的地震数据;根据高斯束形式的地震数据确定高斯束基函数;结合高斯束基函数和卷积稀疏编码模型对高斯束形式的地震数据进行稀疏分解,得到高斯束波形函数;根据高斯束波形函数得到检波点高斯束和与检波点高斯束对应的炮点高斯束;将检波点高斯束和炮点高斯束进行偏移成像,得到偏移成像结果,并根据偏移成像结果确定成像剖面。本发明利用卷积稀疏编码的方法对地震数据进行稀疏分解,减少向地下发射高斯束的数量,提高整个偏移过程的计算效率,同时能够减少偏移噪音、提高了成像剖面的信噪比。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,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,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种基于卷积稀疏编码的高斯束偏移方法的流程图;
图2为图1中步骤S102的流程图;
图3为图1中步骤S103的流程图;
图4为图1中步骤S104的流程图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例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。
实施例一:
参照图1,本发明实施例提供一种基于卷积稀疏编码的高斯束偏移方法,可以包括以下步骤:
步骤S101,基于采集的原始地震数据构建高斯束形式的地震数据;
步骤S102,根据高斯束形式的地震数据确定高斯束基函数;
步骤S103,结合高斯束基函数和卷积稀疏编码模型对高斯束形式的地震数据进行稀疏分解,得到高斯束波形函数;
步骤S104,根据高斯束波形函数得到检波点高斯束和与检波点高斯束对应的炮点高斯束,其中,检波点为检测到原始地震数据的位置,炮点为发射原始地震数据的位置;
步骤S105,将检波点高斯束和炮点高斯束进行偏移成像,得到偏移成像结果,并根据偏移成像结果确定成像剖面。
在本发明实施例中,高斯束形式的地震数据为:
S(x,t)=∑mBm(t)*ψm(x,t)
在实际应用中,将采集的原始地震数据构建成高斯束形式,即为高斯束叠加的形式,有利于引出待求取的高斯束波形函数,稀疏编码利用一组基向量表示大量样本的基线组合。利用卷积稀疏编码模型对高斯束形式的地震数据进行稀疏分解,有利于减少高斯束波形函数的数量,进而减少向地下发射高斯束的数量,提高整个偏移过程的计算效率。
进一步的,参照图2,步骤S102可以包括:
步骤S201,采集高斯束形式的地震数据和速度模型;
在本发明实施例中,地震数据也称之为地震记录或记录波场,表现形式可以是二维数组。地震数据包括记录的地表的地震波场,而地表的地震波场u(x,z=0,t)是地震波场u(x,z,t)的一个切片。速度模型可以指层面速度模型,包括起始层、底部层以及顶部层。其中,速度模型中的速度可以分为平均速度、层速度、均方根速度、等效速度和叠加速度等类型。
步骤S202,根据高斯束形式的地震数据的角频率和预设束间距公式确定高斯束的间距;
在本发明实施例中,预设束间距公式可以如下所示:
其中,a为高斯束的间距,w为高斯束的半宽,ωr和ωh分别为地震数据的最低和最高角频率。
步骤S203,根据高斯束的间距和预设高斯束中心位置公式确定高斯束中心的位置;
在本发明实施例中,预设高斯束中心位置公式可以为:
步骤S204,基于速度模型中速度的平均值、高斯束形式的地震数据的角频率和预设半宽公式,确定高斯束的半宽;
在本发明实施例中,高斯束的半宽可以通过如下预设半宽公式获得:
其中,w为高斯束的半宽,Va为速度模型中速度的平均值,ωr为地震数据的最低角频率。
步骤S205,根据高斯束中心的位置和高斯束的半宽生成时间-空间域的高斯束基函数。
在本发明实施例中,可以先利用地震数据的角频率和预设束间距公式求取高斯束的间距,然后通过高斯束的间距和预设高斯束中心位置公式可以求取高斯束中心的位置,高斯束中心的位置也称之为中心射线的出射位置。结合高斯束的半宽,根据预设基函数公式生成高斯束基函数。基于此,可以根据确定的高斯束的半宽和高斯束中心的位置,求取时间-空间域的高斯束基函数其中,预设基函数公式为:
其中,x,t分别为空间、时间,m1=1,2,…,M1,m2=1,2,…,M2,M1为高斯束中心的个数,M2表示高斯束的倾角个数,i为虚数单位,i2=-1,ω为角频率,IFT[·]为傅里叶逆变换,为高斯束的倾角,V为速度模型中速度的平均值,为高斯束中心的位置,ωr为地震数据的角频率,w为高斯束的半宽。
具体的,高斯束形式的表现形式为高斯束波形函数和高斯束基函数的结合,先通过高斯束形式的数据确定高斯束基函数;再基于高斯束基函数,对高斯束形式的地震数据稀疏分解,为得到稀疏的高斯束波形函数提供了方便。
进一步的,参照图3,步骤S103可以包括以下步骤:
步骤S301,利用预设稀疏约束条件,对高斯束形式的地震数据进行求解,得到卷积稀疏编码模型;
其中,S为高斯束形式的地震数据,Dm为高斯束基函数,xm为高斯束波形函数,λ为稀疏正则化参数,||·||F为矩阵范数,||·||1为L1范数,*为卷积符号。且高斯束形式的地震数据高斯束基函数高斯束波形函数N、L分别为地震数据的时间采样个数、空间采样个数。
步骤S302,将高斯束基函数输入至卷积稀疏编码模型中;
在本发明实施例中,基于高斯束基函数,对地震数据进行稀疏分解,将卷积稀疏编码模型分解得到的系数用于偏移成像,为了使高斯束中心有一定间距,基于上述卷积稀疏编码模型的稀疏编码方法生成系数X(N,M),相比于原始的稀疏编码方法生成系数X′(N,L,M2),M<LM2,因此,本卷积稀疏编码模型可以减少发射高斯束的数目。
步骤S303,结合辅助分离变量和交替方向乘子法将输入高斯束基函数的卷积稀疏编码模型分解为多个极小化子问题;
在本发明实施例中,辅助分离变量可以指交替方向乘子法是一种解决可分解凸优化问题的方法,可以将原问题的目标函数等价的分解成若干个可求解的子问题,然后求解每一个子问题,最后协调所有子问题的解得到原问题的全局解。其他类似交替方法乘子法的方法若在分解卷积稀疏编码模型时产生同样效果,同样受本发明的保护。
具体的,对卷积系数模型求解的是极小化问题,为了对其求解,采用了交替方向乘子法,但是交替方向乘子法不能直接应用到卷积系数模型中,而是需要在卷积稀疏编码模型中引入辅助分离变量,使卷积稀疏编码模型具有可分离变量的形式。辅助分离变量为表示ym为含有N个实值元素的列向量。
引入辅助分离变量的卷积稀疏编码模型为:
对引入辅助分离变量的卷积稀疏编码模型采用交替方向乘子法,可以将卷积稀疏编码模型分为多个极小化子问题,例如,个数可以为三个,第一个极小化子问题{xm}(j+1)、第二个极小化子问题{ym}(j+1)以及第三个极小化子问题的公式分别为:
其中,S为高斯束形式的地震数据,Dm为高斯束基函数,xm为高斯束波形函数,ρ为罚参数。
具体的,罚参数ρ是一个递增的序列(ρ1,ρ2,…),在第j次迭代时ρ=ρj。
步骤S304,对各个极小化子问题进行求解,得到高斯束波形函数。
在本发明实施例中,分别对上述三个极小化子问题进行求解,第二个极小化子问题可以通过阈值法求解,第三个极小化子问题可以由第三个极小化子问题的公式直接计算。因此,三个极小化子问题的计算量集中在第一个极小化子问题上,第一个极小化问题在离散傅里叶域可以快速求解,求解第一个极小化问题的过程为:
在离散傅里叶域求解第一个极小化子问题的公式可以通过如下N个M×M的线性方程组求解:
上述线性方程组可以通过迭代法进行求解,也可根据其结构利用Sherman-Morrison公式快速求解。
在本发明实施例中,通过求解第一个极小化子问题,得到为xm在第j+1次迭代时的值,xm即为高斯束波形函数Bm(t);通过阈值法求解第二个极小化子问题得到通过第三个极小化子问题的公式直接计算得到最后根据和确定高斯束波形函数。
在本发明实施例中,卷积稀疏编码模型可以稀疏分解高斯束形式的地震数据,以得到高斯束波形函数,该步骤得到的高斯束波形函数具有稀疏性,稀疏性为只有很少的非零元素或只有很少的几个远大于零的元素。因此,高斯束波形函数在倾角方向和时间上都是稀疏的,可以根据该特性将高斯束波形函数中的非零值分为多个子波,同时提高了计算效率。相比于现有技术中直接求取高斯束形式的地震数据所得到的高斯束波形函数Bm(t),其不具有稀疏性,本发明实施例将Bm(t)进行稀疏,减少向地下各个方向发射高斯束的数量,提高偏移过程的计算效率,同时能够减少偏移噪音。
进一步的,参照图4,步骤S104可以包括以下步骤:
步骤S401,将高斯束波形函数中的非零值分解为多个子波;
在本发明实施例中,根据稀疏分解得到的高斯束波形函数Bm(t)在倾角方向和时间上都具有稀疏性的特性,可以把高斯束波形函数中的非零值分为多个子波,其中,高斯束波形函数中可以包含:子波的出射点位置倾角和时间tj信息。
步骤S402,将每个子波均与高斯束基函数进行卷积,得到检波点高斯束;
其中,检波点高斯束的中心射线Ωg的轨迹可以通过对射线追踪方程组求解获得,且可以获得沿检波点高斯束的中心射线的旅行时,其中,射线追踪方程组为:
其中,px和pz分别为检波点高斯束在水平和垂直方向的慢度,s为沿中心射线的弧长,T为沿检波点高斯束的中心射线的旅行时,V为介质模型的速度。
步骤S403,通过试射法确定与检波点高斯束相对应的炮点高斯束。
在本发明实施例中,检波点高斯束的中心射线Ωg与炮点发出的一簇射线相交,确定与检波点高斯束相对应的炮点高斯束的步骤为:先将炮点发出的射线记为Ωs,然后将检波点高斯束的中心射线Ωg和炮点发出的射线Ωs的交点记为Rsg,判断炮点和检波点到交点Rsg的旅行时之和是否等于tj,若炮点和检波点到交点Rsg的旅行时之和等于tj,则以炮点发出的射线Ωs为中心,构造炮点高斯束,且炮点高斯束的出射方向可以通过试射法得到。
在实际应用中,高斯束波形函数Bm(t)可以分为K个子波,每个子波对应一个检波点高斯束gk和一个炮点高斯束sk,k=1,2,…,K。然后将对应的检波点高斯束和炮点高斯束进行偏移成像。例如:检波点高斯束g1和炮点高斯束s1互相关成像,检波点高斯束g2和炮点高斯束s2互相关成像等。其中,互相关成像的公式为:
W(x;xs)=∫dtUD(x,t;xs)U(x,t)
其中,x为成像位置,且x=(x,z),xs为炮点位置,UD(x,t,xs)为炮点发出的正向传播的记录波场,U(x,t)为反向传播的记录波场。
具体的,可以通过对格林函数进行近似计算得到正向传播的记录波场UD(x,t,xs),近似计算公式为:
在本发明实施例中,通过将卷积稀疏编码模型分解为多个高斯束波形函数,保证了高斯束波形函数在时间和方向上都是稀疏的,因此在反向传播记录波场时,只在含有高斯束波形函数的方向上发送检测点高斯束,且检测点高斯束只和对应的炮点高斯束进行互相关偏移成像,偏移成像将地震数据运动学特征过渡到地震波动力学特征,可以提高地震空间分辨率和保真度。
进一步的,步骤105可以包括:
将所有子波的偏移成像结果进行求和,得到一炮地震数据的偏移结果;
将所有炮的地震数据的偏移结果进行求和,得到成像剖面。
在本发明实施例中,得到一炮地震数据的偏移结果,进而得到成像剖面,提高了成像剖面的信噪比。
本发明提供的一种基于卷积稀疏编码的高斯束偏移方法,包括:基于采集的原始地震数据构建高斯束形式的地震数据;根据高斯束形式的地震数据确定高斯束基函数;结合高斯束基函数和卷积稀疏编码模型对高斯束形式的地震数据进行稀疏分解,得到高斯束波形函数;根据高斯束波形函数得到检波点高斯束和与检波点高斯束对应的炮点高斯束;将检波点高斯束和炮点高斯束进行偏移成像,得到偏移成像结果,并根据偏移成像结果确定成像剖面。本发明利用卷积稀疏编码的方法对地震数据进行稀疏分解,减少向地下发射高斯束的数量,提高整个偏移过程的计算效率,同时能够减少偏移噪音、提高了成像剖面的信噪比。
在本发明的又一实施例中,还提供一种电子设备,包括存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述方法实施例所述方法的步骤。
Claims (7)
1.一种基于卷积稀疏编码的高斯束偏移方法,其特征在于,包括:
基于采集的原始地震数据构建高斯束形式的地震数据;
根据所述高斯束形式的地震数据确定高斯束基函数;
结合所述高斯束基函数和卷积稀疏编码模型对所述高斯束形式的地震数据进行稀疏分解,得到高斯束波形函数;
根据所述高斯束波形函数得到检波点高斯束和与所述检波点高斯束对应的炮点高斯束,其中,所述检波点为检测到所述原始地震数据的位置,所述炮点为发射所述原始地震数据的位置;
将所述检波点高斯束和所述炮点高斯束进行偏移成像,得到偏移成像结果,并根据所述偏移成像结果确定成像剖面;
所述结合所述高斯束基函数和卷积稀疏编码模型对所述高斯束形式的地震数据进行稀疏分解,得到高斯束波形函数的步骤,包括:
利用预设稀疏约束条件,对所述高斯束形式的地震数据进行求解,得到卷积稀疏编码模型;
将所述高斯束基函数输入至所述卷积稀疏编码模型中;
结合辅助分离变量和交替方向乘子法将所述输入所述高斯束基函数的卷积稀疏编码模型分解为多个极小化子问题;
对各个所述极小化子问题进行求解,得到所述高斯束波形函数;
所述卷积稀疏编码模型为:
其中,S为高斯束形式的地震数据,Dm为高斯束基函数,xm为高斯束波形函数,λ为稀疏正则化参数,||·||F为矩阵范数,||·||1为L1范数,*为卷积符号。
2.根据权利要求1所述的方法,其特征在于,所述根据所述高斯束形式的地震数据确定高斯束基函数的步骤,包括:
采集所述高斯束形式的地震数据和速度模型;
根据所述高斯束形式的地震数据的角频率和预设束间距公式确定高斯束的间距;
根据所述高斯束的间距和预设高斯束中心位置公式确定高斯束中心的位置;
基于所述速度模型中速度的平均值、所述高斯束形式的地震数据的角频率和预设半宽公式,确定高斯束的半宽;
根据所述高斯束中心的位置和所述高斯束的半宽生成时间-空间域的高斯束基函数。
4.根据权利要求1所述的方法,其特征在于,所述根据所述高斯束波形函数得到检波点高斯束和与所述检波点高斯束对应的炮点高斯束的步骤,包括:
将所述高斯束波形函数中的非零值分解为多个子波;
将每个所述子波均与所述高斯束基函数进行卷积,得到检波点高斯束;
通过试射法确定与所述检波点高斯束相对应的炮点高斯束。
5.根据权利要求4所述的方法,其特征在于,所述将所述检波点高斯束和所述炮点高斯束进行偏移成像,得到偏移成像结果,并根据所述偏移成像结果确定成像剖面,包括:
将所有所述子波的偏移成像结果进行求和,得到一炮地震数据的偏移成像结果;
将所有炮的所述地震数据的偏移结果进行求和,得到成像剖面。
7.一种电子设备,包括存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,其特征在于,处理器执行计算机程序时实现如权利要求1至6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910443810.7A CN110082825B (zh) | 2019-05-24 | 2019-05-24 | 一种基于卷积稀疏编码的高斯束偏移方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910443810.7A CN110082825B (zh) | 2019-05-24 | 2019-05-24 | 一种基于卷积稀疏编码的高斯束偏移方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110082825A CN110082825A (zh) | 2019-08-02 |
CN110082825B true CN110082825B (zh) | 2020-02-11 |
Family
ID=67421810
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910443810.7A Active CN110082825B (zh) | 2019-05-24 | 2019-05-24 | 一种基于卷积稀疏编码的高斯束偏移方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110082825B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114002742B (zh) * | 2021-08-18 | 2024-02-23 | 南方海洋科学与工程广东省实验室(广州) | 一种欧拉高斯束偏移成像方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106056554A (zh) * | 2016-06-01 | 2016-10-26 | 南昌大学 | 一种梯度域卷积稀疏编码的磁共振快速成像方法 |
US9684951B2 (en) * | 2014-03-31 | 2017-06-20 | Los Alamos National Security, Llc | Efficient convolutional sparse coding |
CN106918838A (zh) * | 2017-03-06 | 2017-07-04 | 中国科学院地质与地球物理研究所 | 起伏地表条件下高斯束偏移成像方法及装置 |
CN107144881A (zh) * | 2017-05-25 | 2017-09-08 | 中国科学院地质与地球物理研究所 | 地震数据的处理方法和装置 |
CN107356971A (zh) * | 2017-09-06 | 2017-11-17 | 中国科学院地质与地球物理研究所 | 地震数据规则化方法及装置 |
-
2019
- 2019-05-24 CN CN201910443810.7A patent/CN110082825B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9684951B2 (en) * | 2014-03-31 | 2017-06-20 | Los Alamos National Security, Llc | Efficient convolutional sparse coding |
CN106056554A (zh) * | 2016-06-01 | 2016-10-26 | 南昌大学 | 一种梯度域卷积稀疏编码的磁共振快速成像方法 |
CN106918838A (zh) * | 2017-03-06 | 2017-07-04 | 中国科学院地质与地球物理研究所 | 起伏地表条件下高斯束偏移成像方法及装置 |
CN107144881A (zh) * | 2017-05-25 | 2017-09-08 | 中国科学院地质与地球物理研究所 | 地震数据的处理方法和装置 |
CN107144881B (zh) * | 2017-05-25 | 2018-10-19 | 中国科学院地质与地球物理研究所 | 地震数据的处理方法和装置 |
CN107356971A (zh) * | 2017-09-06 | 2017-11-17 | 中国科学院地质与地球物理研究所 | 地震数据规则化方法及装置 |
Non-Patent Citations (2)
Title |
---|
地震数据的稀疏高斯束分解方法;刘鹏;《地球物理学报》;20131130;第56卷(第11期);全文 * |
基于匹配追踪稀疏分解的高斯束成像方法;杨继东;《地球物理学进展》;20161231;第31卷(第3期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110082825A (zh) | 2019-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106772583B (zh) | 一种地震绕射波分离方法和装置 | |
US6687659B1 (en) | Method and apparatus for absorbing boundary conditions in numerical finite-difference acoustic applications | |
US7881501B2 (en) | Local dominant wave-vector analysis of seismic data | |
EP2781936B1 (en) | System and method for interpolating seismic data | |
CN1186647C (zh) | 处理和探测地震信号的方法及装置 | |
US9213120B2 (en) | Seismic data processing method for surface related multiple attenuation | |
EP3586169B1 (en) | Generating geophysical images using directional oriented wavefield imaging | |
US8326544B2 (en) | Diplet-based seismic processing | |
US20130121110A1 (en) | Device and method for de-blending simultaneous shooting data with apex shifted radon transform | |
US10215869B2 (en) | System and method of estimating anisotropy properties of geological formations using a self-adjoint pseudoacoustic wave propagator | |
BRPI1005340A2 (pt) | mÉtodo para remoÇço de efeito fantasma de fonte de largura de banda total de dados de streamer sÍsmico marinho | |
CN110402400B (zh) | 3d tau-p相干滤波 | |
US20180180755A1 (en) | Method for angle-domain common image gather | |
US10795039B2 (en) | Generating pseudo pressure wavefields utilizing a warping attribute | |
EP2834676B1 (en) | Converting a first acquired data subset to a second acquired data subset | |
US11474267B2 (en) | Computer-implemented method and system employing compress-sensing model for migrating seismic-over-land cross-spreads | |
CN111736224B (zh) | 一种压制叠前地震资料线性干扰方法、存储介质及设备 | |
US11467307B2 (en) | Methods and data processing apparatus for deblending seismic data | |
AU2014374337A1 (en) | System and method for seismic imaging of a complex subsurface | |
CN110082825B (zh) | 一种基于卷积稀疏编码的高斯束偏移方法 | |
US6324478B1 (en) | Second-and higher-order traveltimes for seismic imaging | |
Chemingui et al. | Seismic data reconstruction by inversion to common offset | |
US7369944B2 (en) | Method of processing seismic data for AVO or AVOA characterization | |
US6625543B1 (en) | Output based azimuth moveout re-gridding of seismic data | |
US12000971B2 (en) | Method and system for seismic processing using virtual trace bins based on offset attributes and azimuthal attributes |
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 |