CN110208862B - 一种基于混合高阶分数阶ATpV稀疏正则化的地震反演方法 - Google Patents

一种基于混合高阶分数阶ATpV稀疏正则化的地震反演方法 Download PDF

Info

Publication number
CN110208862B
CN110208862B CN201910601645.3A CN201910601645A CN110208862B CN 110208862 B CN110208862 B CN 110208862B CN 201910601645 A CN201910601645 A CN 201910601645A CN 110208862 B CN110208862 B CN 110208862B
Authority
CN
China
Prior art keywords
order
wave impedance
seismic
logarithm
inverted
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
Application number
CN201910601645.3A
Other languages
English (en)
Other versions
CN110208862A (zh
Inventor
吴昊
彭真明
何艳敏
廖龙
张天放
曹思颖
李美惠
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.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
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 University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN201910601645.3A priority Critical patent/CN110208862B/zh
Publication of CN110208862A publication Critical patent/CN110208862A/zh
Application granted granted Critical
Publication of CN110208862B publication Critical patent/CN110208862B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01VGEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/40Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging
    • G01V1/44Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging using generators and receivers in the same well
    • G01V1/48Processing data
    • G01V1/50Analysing data
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01VGEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00Details of seismic processing or analysis
    • G01V2210/60Analysis
    • G01V2210/66Subsurface modeling

Landscapes

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

Abstract

本发明公开了一种基于混合高阶分数阶ATpV稀疏正则化的地震反演方法,属于地球物理反演及油气储层预测领域,解决现有的采用一阶差分求全变分导致的问题。本发明对地震记录进行预处理后提取层位信息,提取层位信息后基于测井数据获取待反演参数的初始模型;基于待反演参数的初始模型和预处理后的地震记录计算初始波阻抗对数,再构建基于混合高阶分数阶ATpV稀疏正则化的正演模型;基于地震记录、地震子波,结合交替方向乘子方法和正演模型对初始波阻抗对数进行更新,得到更新后的波阻抗对数和用于更新下一个波阻抗对数的参数;判断更新前后的值是否满足条件,若是,更新下一个波阻抗对数,若否,获得待反演参数。本发明用于地震反演。

Description

一种基于混合高阶分数阶ATpV稀疏正则化的地震反演方法
技术领域
一种基于混合高阶分数阶ATpV稀疏正则化的地震反演方法,用于地震反演,属于地球物理反演及油气储层预测领域。
背景技术
地震反演是油气储层预测的重要手段,它是根据检测到的地震记录与待反演物理量的数学关系建立正演模型,并采用最优化方法对正演模型进行求解的最优估计的过程。基于稀疏正则化的地震反演技术是地震反演的重要方法。它将稀疏正则化约束引入正演模型中,利用稀疏的信息,成功地提高了反演结果的分辨率和鲁棒性。
基于ATpV稀疏正则化的地震反演方法是基于稀疏正则化的地震反演技术的重要方法,该方法采用ATpV稀疏正则项作为约束项构建正演模型,通过交替方向乘子算法对正演模型构成的最优化问题进行迭代更新,最终得到待反演参数。Sidky提出了ATpV并在CT成像上论证了其理论的合理性。Li将ATpV作为稀疏正则项用于地震反演,并证明了ATpV在地震反演中的可行性,但现有技术中的ATpV只考虑一阶的全变分,且采用一阶差分求全变分,导致了反演结果阶梯效应严重,从而降低了分辨率和鲁棒性差。
发明内容
针对上述研究的问题,本发明的目的在于提供一种基于混合高阶分数阶ATpV稀疏正则化的地震反演方法,解决现有技术中采用一阶差分求全变分,导致了反演结果阶梯效应严重,从而降低了分辨率和鲁棒性差的问题。
为了达到上述目的,本发明采用如下技术方案:
一种基于混合高阶分数阶ATpV稀疏正则化的地震反演方法,包括如下步骤:
步骤1:获取地震数据,地震数据包括地震记录S、地震子波w和测井数据,对地震记录S进行预处理后提取层位信息,提取层位信息后基于测井数据获取待反演参数的初始模型;
步骤2:基于待反演参数的初始模型和预处理后的地震记录S0计算初始波阻抗对数L0,再基于初始波阻抗对数L0计算分数阶差分矩阵构建基于混合高阶分数阶ATpV稀疏正则化的正演模型;
步骤3:基于预处理后的地震记录S0、地震子波w,结合交替方向乘子方法和正演模型对L0进行更新,得到更新后的波阻抗对数Li+1和用于更新下一个波阻抗对数的参数;
步骤4:判断更新前后的值是否满足||Li+1-Li||2/||Li||2>tol,若是,i=i+1,再转到步骤3进行下一个波阻抗对数的更新,若否,则根据待反演参数与波阻抗对数的关系获得待反演参数。
进一步,所述步骤1包括如下步骤:
步骤1.1:获取地震数据,地震数据包括地震记录S、地震子波w和测井数据;
步骤1.2:对地震记录S进行预处理,得到预处理后的地震记录S0,预处理的方式为静校正、动矫正或叠加中的一种或多种;
步骤1.3:对预处理后的地震记录S0提取层位信息,将所提取的层位信息S0对测井数据进行插值滤波得到待反演参数的初始模型。
进一步,所述步骤2包括如下步骤:
步骤2.1:基于待反演参数的初始模型和待反演参数与波阻抗对数的递推关系得到初始波阻抗对数L0,其中,待反演参数与波阻抗对数的递推关系为:
L=f(X) (1)
式中,X表示待反演参数,L表示波阻抗对数;
基于公式(1)得到L0=f(X0),其中,X0表示初始待反演参数,用初始模型AI0代替,f=In;
步骤2.2:给定分数阶差分系数k和分数阶差分系数a,计算分数阶差分变量ψa(k),基于所有分数阶差分变量ψa(k)计算横纵向分数阶差分
Figure BDA0002118008910000021
Figure BDA0002118008910000022
即分数阶差分矩阵,其中,x指横向一阶差分,y指纵向一阶差分,计算分数阶差分变量ψa(k)的公式为:
ψa(k)=(-1)kΓ(a+1)/[Γ(k+1)Γ(a-k+1)] (2)
Figure BDA0002118008910000023
其中,t为积分自变量;
步骤2.3:基于预处理后的地震记录S0、初始波阻抗对数L0、横纵向分数阶差分、给定的一阶差分正则化因子λ1及对偶项正则化因子η1、混合高阶正则化因子λ2及对偶项正则化因子η2、保真项权重系数μ、Lp范数的p值和差分矩阵d[-1 1]T,构建基于混合高阶分数阶ATpV稀疏正则化的正演模型,构建公式为:
Figure BDA0002118008910000031
其中,*表示卷积运算,|| ||p表示Lp范数,L表示波阻抗对数。
进一步,所述步骤3包括如下步骤:
步骤3.1:将初始波阻抗对数L0作为混合高阶分数阶ATpV地震反演的初始模型L1,并引入横纵一阶差分项
Figure BDA0002118008910000032
及其对偶项
Figure BDA0002118008910000033
混合高阶差分项
Figure BDA0002118008910000034
及其对偶项
Figure BDA0002118008910000035
步骤3.2:分别对预处理后的地震记录S0、地震子波w、初始波阻抗对数L0、横分数阶差分
Figure BDA0002118008910000036
和纵分数阶差分
Figure BDA0002118008910000037
做离散傅里叶变换得到对应的结果分别为
Figure BDA0002118008910000038
Figure BDA0002118008910000039
步骤3.3:分别对横差分项
Figure BDA00021180089100000310
纵差分项
Figure BDA00021180089100000311
混合高阶差分项
Figure BDA00021180089100000312
混合高阶差分项
Figure BDA00021180089100000313
、混合高阶差分项
Figure BDA00021180089100000314
横差分项的对偶项
Figure BDA00021180089100000315
纵差分项的对偶项
Figure BDA00021180089100000316
混合高阶差分项
Figure BDA00021180089100000317
的对偶项
Figure BDA00021180089100000318
混合高阶差分项
Figure BDA00021180089100000319
约对偶项
Figure BDA00021180089100000320
和混合高阶差分项
Figure BDA00021180089100000321
的对偶项
Figure BDA00021180089100000322
进行离散傅里叶变换得到对应的结果分别为
Figure BDA00021180089100000323
Figure BDA00021180089100000324
步骤3.4:根据步骤3.2和步骤3.3得到的结果,通过正演模型用交替方向乘子算法以梯度为零取极值的原则得到计算公式更新波阻抗对数Li+1,计算公式为:
Figure BDA00021180089100000325
其中,
Figure BDA00021180089100000326
表示二维离散反傅里叶变换,ο表示矩阵点乘,C是数学常用,表示共轭,
Figure BDA00021180089100000327
表示差分矩阵d=[-1 1]T的傅里叶变换;
步骤3.5:通过正演模型用交替方向乘子算法和软阈值收缩算法得到更新公式更新差分项
Figure BDA0002118008910000041
更新后的结果用于更新下一个波阻抗对数,更新公式为:
Figure BDA0002118008910000042
步骤3.6:通过正演模型用交替方向乘子算法以梯度为零取极值原则得到更新公式更新对偶项
Figure BDA0002118008910000043
更新后的结果用于更新下一个波阻抗对数,更新公式为:
Figure BDA0002118008910000044
进一步,所述步骤4中根据待反演参数与波阻抗对数的关系求取待反演参数的公式为:
AIr=exp(Li+1) (8)。
本发明同现有技术相比,其有益效果表现在:
一、本发明在ATpV稀疏正则化的基础上加入了混合高阶ATpV,高阶的引入有效的减弱了现有ATpV稀疏正则化导致的阶梯效应,达到了提高反演结果分辨率以及鲁棒性的效果。通过分数阶差分运算来替换ATpV的一阶差分运算进一步减弱了ATpV导致的阶梯效应,提高了反演结果分辨率以及鲁棒性的效果。
附图说明
图1为本发明的方法流程框图;
图2为本发明中含噪声的地震剖面;
图3为本发明中多道波阻抗的初始模型示意图;
图4为本发明中多道波阻抗的反演结果示意图;
图5为本发明中单道井旁道波阻抗的更新结果及对比示意图;
图6为本发明与常规ATpV方法正则化反演方法的结果对比图;
图7为本发明与常规ATpV方法正则化反演方法的均方误差和峰值信噪比。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明,即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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的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。
需要说明的是,术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
为了解决现有技术中采用一阶差分求全变分,导致了反演结果阶梯效应严重,从而降低了分辨率和鲁棒性差的问题,提供了如下技术方案:
一种基于混合高阶分数阶ATpV稀疏正则化的地震反演方法,包括如下步骤:
步骤1:获取地震数据,地震数据包括地震记录S、地震子波w和测井数据,对地震记录S进行预处理后提取层位信息,提取层位信息后基于测井数据获取待反演参数的初始模型;
步骤2:基于待反演参数的初始模型和预处理后的地震记录S0计算初始波阻抗对数L0,再基于初始波阻抗对数L0计算分数阶差分矩阵构建基于混合高阶分数阶ATpV稀疏正则化的正演模型;
步骤3:基于预处理后的地震记录S0、地震子波w,结合交替方向乘子方法和正演模型对L0进行更新,得到更新后的波阻抗对数Li+1和用于更新下一个波阻抗对数的参数;
步骤4:判断更新前后的值是否满足||Li+1-Li||2/||Li||2>tol,若是,i=i+1,再转到步骤3进行下一个波阻抗对数的更新,若否,则根据待反演参数与波阻抗对数的关系获得待反演参数。
其中,ATpV是Anisotropic Total p-variation的简写,中文含义为基于Lp-范数的各向异性全变分。
实施例1
通过检波器获取地震数据,地震数据包括地震记录S、地震子波w和测井数据;
对地震记录S进行预处理,得到预处理后的地震记录S0,预处理的方式为静校正、动矫正或叠加中的一种或多种等,具体怎样选择处理方式是根据地震记录S的情况,具体怎样组合是本领域人员经常用到的,再此不作详细阐述;
对预处理后的地震记录S0提取层位信息,将所提取的层位信息S0对测井数据进行插值滤波得到待反演参数的初始模型AI0
基于待反演参数的初始模型和待反演参数与波阻抗对数的递推关系得到初始波阻抗对数L0,其中,待反演参数与波阻抗对数的递推关系为:
L=f(X) (1)
式中,X表示待反演参数,L表示波阻抗对数;
基于公式(1)得到L0=f(X0),其中,X0表示初始待反演参数,用初始模型AI0代替,f=In;
给定分数阶差分系数k和分数阶差分系数a,计算分数阶差分变量ψa(k),基于所有分数阶差分变量ψa(k)计算横纵向分数阶差分
Figure BDA0002118008910000061
,即分数阶差分矩阵,其中,x指横向一阶差分,y指纵向一阶差分,计算分数阶差分变量ψa(k)的公式为:
ψa(k)=(-1)kΓ(a+1)/[Γ(k+1)Γ(a-k+1)] (2)
Figure BDA0002118008910000062
其中,t为积分自变量;
基于处理后的地震记录S0、初始波阻抗对数L0、横纵向分数阶差分、给定的一阶差分正则化因子λ1及对偶项正则化因子η1、混合高阶正则化因子λ2及对偶项正则化因子η2、保真项权重系数μ、Lp范数的p值和差分矩阵d=[-1 1]T,构建基于混合高阶分数阶ATpV稀疏正则化的正演模型,构建公式为:
Figure BDA0002118008910000071
其中,*表示卷积运算,|| ||p表示Lp范数,L表示波阻抗对数。
将初始波阻抗对数L0作为混合高阶分数阶ATpV地震反演的初始模型L1,并引入横纵一阶差分项
Figure BDA0002118008910000072
及其对偶项
Figure BDA0002118008910000073
混合高阶差分项
Figure BDA0002118008910000074
及其对偶项
Figure BDA0002118008910000075
分别对预处理后的地震记录S0、地震子波w、初始波阻抗对数L0、横分数阶差分
Figure BDA0002118008910000076
和纵分数阶差分
Figure BDA0002118008910000077
做离散傅里叶变换得到对应的结果分别为
Figure BDA0002118008910000078
Figure BDA0002118008910000079
分别对横差分项
Figure BDA00021180089100000710
纵差分项
Figure BDA00021180089100000711
混合高阶差分项
Figure BDA00021180089100000712
混合高阶差分项
Figure BDA00021180089100000713
和混合高阶差分项
Figure BDA00021180089100000714
横差分项的对偶项
Figure BDA00021180089100000715
纵差分项的对偶项
Figure BDA00021180089100000716
混合高阶差分项
Figure BDA00021180089100000717
对偶项
Figure BDA00021180089100000718
混合高阶差分项
Figure BDA00021180089100000719
的对偶项
Figure BDA00021180089100000720
和混合高阶差分项
Figure BDA00021180089100000721
对偶项
Figure BDA00021180089100000722
进行离散傅里叶变换得到对应的结果分别为
Figure BDA00021180089100000723
Figure BDA00021180089100000724
通过正演模型用交替方向乘子算法以梯度为零取极值的原则得到计算公式更新波阻抗对数Li+1,计算公式为:
Figure BDA00021180089100000725
其中,
Figure BDA00021180089100000726
表示二维离散反傅里叶变换,ο表示矩阵点乘,C是数学常用,表示共轭,
Figure BDA00021180089100000727
表示差分矩阵d=[-1 1]T的傅里叶变换;
通过正演模型用交替方向乘子算法和软阈值收缩算法得到更新公式更新差分项
Figure BDA0002118008910000081
Figure BDA0002118008910000082
更新后的结果用于更新下一个波阻抗对数,更新公式为:
Figure BDA0002118008910000083
通过正演模型用交替方向乘子算法以梯度为零取极值原则得到更新公式更新对偶项
Figure BDA0002118008910000084
更新后的结果用于更新下一个波阻抗对数,更新公式为:
Figure BDA0002118008910000085
判断||Li+1-Li||2/||Li||2>tol,若是,则更新下一个波阻抗对数,若否,则根据待反演参数与波阻抗对数的关系求取待反演参数,求取待反演参数的公式为:
AIr=exp(Li+1) (8)。
如图2-4所示,反演后的多道波阻抗的结果相较于波阻抗初始模型能够更好地服从地震记录的趋势,反应了该方法的正确性,如图5所示Initial model表示初始波阻抗(即指初始模型),Inversion result表示更新后的波阻抗结果(即指AIr),Well Al表示真实的波阻抗,反演结果比初始模型更接近真实数据,进一步反应了该方法的正确性;本发明在ATpV稀疏项上引入混合高阶ATpV,并用分数阶差分运算替换了一阶差分运算构建了地震的正演模型,并结合交替方向乘子方法提出了基于混合高阶分数阶ATpV的反演方法。对初始模型采用上述中的反演方法进行反演更新,通过反复迭代,输出最优反演结果。本发明,解决了现有基于ATpV稀疏正则化的地震反演方法中采用ATpV造成的边界效应问题,提高反演结果的分辨率和鲁棒性。
以上仅是本发明众多具体应用范围中的代表性实施例,对本发明的保护范围不构成任何限制。凡采用变换或是等效替换而形成的技术方案,均落在本发明权利保护范围之内。

Claims (4)

1.一种基于混合高阶分数阶ATpV稀疏正则化的地震反演方法,其特征在于,包括如下步骤:
步骤1:获取地震数据,地震数据包括地震记录S、地震子波w和测井数据,对地震记录S进行预处理后提取层位信息,提取层位信息后基于测井数据获取待反演参数的初始模型;
步骤2:基于待反演参数的初始模型和预处理后的地震记录S0计算初始波阻抗对数L0,再基于初始波阻抗对数L0计算分数阶差分矩阵构建基于混合高阶分数阶ATpV稀疏正则化的正演模型;步骤2包括:
步骤2.1:基于待反演参数的初始模型和待反演参数与波阻抗对数的递推关系得到初始波阻抗对数L0,其中,待反演参数与波阻抗对数的递推关系为:
L=f(X) (1)
式中,X表示待反演参数,L表示波阻抗对数;
基于公式(1)得到L0=f(X0),其中,X0表示初始待反演参数,用初始模型AI0代替,f=ln;
步骤2.2:给定分数阶差分系数k和分数阶差分系数a,计算分数阶差分变量ψa(k),基于所有分数阶差分变量ψa(k)计算横纵向分数阶差分
Figure FDA0002818376430000011
Figure FDA0002818376430000012
即分数阶差分矩阵,其中,x指横向一阶差分,y指纵向一阶差分,计算分数阶差分变量ψa(k)的公式为:
ψa(k)=(-1)kΓ(a+1)/[Γ(k+1)Γ(a-k+1)] (2)
Figure FDA0002818376430000013
其中,t为积分自变量;
步骤2.3:基于预处理后的地震记录S0、初始波阻抗对数L0、横纵向分数阶差分、给定的一阶差分正则化因子λ1、混合高阶正则化因子λ2、保真项权重系数μ、Lp范数的p值和差分矩阵d=[-1 1]T,构建基于混合高阶分数阶ATpV稀疏正则化的正演模型,构建公式为:
Figure FDA0002818376430000021
其中,*表示卷积运算,|| ||p表示Lp范数,L表示波阻抗对数;
步骤3:基于预处理后的地震记录S0、地震子波w,结合交替方向乘子方法和正演模型对L0进行更新,得到更新后的波阻抗对数Li+1和用于更新下一个波阻抗对数的参数;
步骤4:判断更新前后的值是否满足||Li+1-Li||2/||Li||2>tol,若是,i=i+1,再转到步骤3进行下一个波阻抗对数的更新,若否,则根据待反演参数与波阻抗对数的关系获得待反演参数。
2.根据权利要求1所述的一种基于混合高阶分数阶ATpV稀疏正则化的地震反演方法,其特征在于,所述步骤1包括如下步骤:
步骤1.1:获取地震数据,地震数据包括地震记录S、地震子波w和测井数据;
步骤1.2:对地震记录S进行预处理,得到预处理后的地震记录S0,预处理的方式为静校正、动矫正或叠加中的一种或多种;
步骤1.3:对预处理后的地震记录S0提取层位信息,将所提取的层位信息对测井数据进行插值滤波得到待反演参数的初始模型。
3.根据权利要求1-2任意一项所述的一种基于混合高阶分数阶ATpV稀疏正则化的地震反演方法,其特征在于,所述步骤3包括如下步骤:
步骤3.1:将初始波阻抗对数L0作为混合高阶分数阶ATpV地震反演的初始模型L1,并引入横纵一阶差分项
Figure FDA0002818376430000022
及其对偶项
Figure FDA0002818376430000023
混合高阶差分项
Figure FDA0002818376430000024
及其对偶项
Figure FDA0002818376430000025
步骤3.2:分别对预处理后的地震记录S0、地震子波w、初始波阻抗对数L0、横向分数阶差分
Figure FDA0002818376430000026
和纵向分数阶差分
Figure FDA0002818376430000027
做离散傅里叶变换得到对应的结果分别为
Figure FDA0002818376430000028
Figure FDA0002818376430000029
步骤3.3:分别对横差分项
Figure FDA00028183764300000210
纵差分项
Figure FDA00028183764300000211
混合高阶差分项
Figure FDA00028183764300000212
混合高阶差分项
Figure FDA00028183764300000213
混合高阶差分项
Figure FDA00028183764300000214
横差分项的对偶项
Figure FDA00028183764300000215
纵差分项的对偶项
Figure FDA00028183764300000216
混合高阶差分项
Figure FDA00028183764300000217
的对偶项
Figure FDA00028183764300000218
混合高阶差分项
Figure FDA00028183764300000219
的对偶项
Figure FDA00028183764300000220
和混合高阶差分项
Figure FDA00028183764300000221
的对偶项
Figure FDA00028183764300000222
进行离散傅里叶变换得到对应的结果分别为
Figure FDA0002818376430000031
Figure FDA0002818376430000032
步骤3.4:根据步骤3.2和步骤3.3得到的结果,通过正演模型用交替方向乘子方法以梯度为零取极值的原则得到计算公式更新波阻抗对数Li+1,计算公式为:
Figure FDA0002818376430000033
其中,
Figure FDA0002818376430000034
表示二维离散反傅里叶变换,
Figure FDA0002818376430000035
表示矩阵点乘,C是数学常用,表示共轭,
Figure FDA0002818376430000036
表示差分矩阵d=[-1 1]T的傅里叶变换,η1表示一阶差分对偶项正则化因子,η2表示混合高阶对偶项正则化因子;
步骤3.5:通过正演模型用交替方向乘子方法和软阈值收缩算法得到更新公式更新差分项
Figure FDA0002818376430000037
更新后的结果用于更新下一个波阻抗对数,更新公式为:
Figure FDA0002818376430000038
步骤3.6:通过正演模型用交替方向乘子方法以梯度为零取极值原则得到更新公式更新对偶项
Figure FDA0002818376430000041
更新后的结果用于更新下一个波阻抗对数,更新公式为:
Figure FDA0002818376430000042
4.根据权利要求1-2任意一项所述的一种基于混合高阶分数阶ATpV稀疏正则化的地震反演方法,其特征在于,所述步骤4中根据待反演参数与波阻抗对数的关系求取待反演参数的公式为:
AIr=exp(Li+1)。
CN201910601645.3A 2019-07-04 2019-07-04 一种基于混合高阶分数阶ATpV稀疏正则化的地震反演方法 Active CN110208862B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910601645.3A CN110208862B (zh) 2019-07-04 2019-07-04 一种基于混合高阶分数阶ATpV稀疏正则化的地震反演方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910601645.3A CN110208862B (zh) 2019-07-04 2019-07-04 一种基于混合高阶分数阶ATpV稀疏正则化的地震反演方法

Publications (2)

Publication Number Publication Date
CN110208862A CN110208862A (zh) 2019-09-06
CN110208862B true CN110208862B (zh) 2021-01-29

Family

ID=67796295

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910601645.3A Active CN110208862B (zh) 2019-07-04 2019-07-04 一种基于混合高阶分数阶ATpV稀疏正则化的地震反演方法

Country Status (1)

Country Link
CN (1) CN110208862B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110850473B (zh) * 2019-11-19 2021-06-15 怀化学院 一种基于稀疏变换学习的地震波阻抗反演方法
CN110865409B (zh) * 2019-12-02 2021-08-31 怀化学院 一种基于波阻抗低秩正则化的地震波阻抗反演方法
CN111754428B (zh) * 2020-06-11 2021-02-09 淮阴工学院 基于各向异性梯度模型的图像增强方法及系统
CN112630835B (zh) * 2020-12-03 2023-10-17 重庆三峡学院 一种高分辨率的叠后地震波阻抗反演的方法
CN112859165B (zh) * 2021-01-13 2022-04-15 自然资源部第一海洋研究所 一种混合驱动正则化的叠前地震反演方法
CN115494547B (zh) * 2022-10-21 2023-04-28 成都理工大学 基于对数全变分稀疏约束的地震波阻抗反演方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108037531A (zh) * 2017-11-24 2018-05-15 电子科技大学 一种基于广义全变分正则化的地震反演方法及系统
CN108710851A (zh) * 2018-05-21 2018-10-26 闽南师范大学 地震信号随机噪声衰减方法、终端设备及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8952333B2 (en) * 2009-11-02 2015-02-10 Virginia Tech Intellectual Properties, Inc. Methods for improved single photon emission computed tomography using exact and stable region of interest reconstructions

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108037531A (zh) * 2017-11-24 2018-05-15 电子科技大学 一种基于广义全变分正则化的地震反演方法及系统
CN108710851A (zh) * 2018-05-21 2018-10-26 闽南师范大学 地震信号随机噪声衰减方法、终端设备及存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Data-driven multichannel seismic impedance inversion with anisotropic total variation regularization;Dehua Wang et al.;《J. Inverse Ill-Posed Probl.》;20181231;第26卷(第2期);第229-241页 *
Seismic inversion based on L1-norm misfit function and total variation regularization;Fanchang Zhang et al.;《Journal of Applied Geophysics》;20140808;第111-118页 *
混合高阶全变差正则化的运动模糊图像盲复原;张素琦等;《计算机应用研究》;20160831;第33卷(第8期);第2530-2533页 *

Also Published As

Publication number Publication date
CN110208862A (zh) 2019-09-06

Similar Documents

Publication Publication Date Title
CN110208862B (zh) 一种基于混合高阶分数阶ATpV稀疏正则化的地震反演方法
CN106772583B (zh) 一种地震绕射波分离方法和装置
CN107894612B (zh) 一种q吸收衰减补偿的声波阻抗反演方法及系统
CN111368247B (zh) 基于快速正交字典的稀疏表征正则化叠前avo反演方法
CN103954992B (zh) 一种反褶积方法及装置
CN110542923A (zh) 一种快速高精度叠后地震阻抗反演方法
CN111596366A (zh) 一种基于地震信号优化处理的波阻抗反演方法
CN112445649B (zh) 地震缺失数据恢复方法、计算机存储介质和计算机系统
CN116520419B (zh) 一种热流体裂缝通道识别方法
CN114418886A (zh) 一种基于深度卷积自编码器的鲁棒性去噪方法
CN110244353B (zh) 一种基于稀疏范数优化算法的地震数据规则化方法
CN116088048A (zh) 包含不确定性分析的各向异性介质多参数全波形反演方法
CN107942374A (zh) 绕射波场提取方法和装置
CN104749625A (zh) 一种基于正则化技术的地震数据倾角估计方法及装置
CN116068644B (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
CN111273346B (zh) 去除沉积背景的方法、装置、计算机设备及可读存储介质
CN109856673B (zh) 一种基于优势频率迭代加权的高分辨Radon变换数据分离技术
CN114994757B (zh) 基于非凸反正切函数ζ稀疏约束的地震波阻抗反演方法
CN113791447B (zh) 一种反射结构导引的反射波层析反演方法
CN112578439B (zh) 一种基于空间约束的地震反演方法
CN114942473A (zh) 基于注意力门神经网络的叠前地震速度反演方法
CN110780604B (zh) 一种基于空时平滑性和时间相关性的空时信号恢复方法
CN114509814A (zh) 一种叠前地震资料随机噪音压制方法及系统
CN114460633B (zh) 基于加权框架变换-低维流形模型的地震去噪与插值方法
Zand et al. Least-squares reverse time migration with shifted total variation regularization

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