CN110244361B - 基于插值与去混叠同时处理的地震数据分离方法及系统 - Google Patents

基于插值与去混叠同时处理的地震数据分离方法及系统 Download PDF

Info

Publication number
CN110244361B
CN110244361B CN201910543575.0A CN201910543575A CN110244361B CN 110244361 B CN110244361 B CN 110244361B CN 201910543575 A CN201910543575 A CN 201910543575A CN 110244361 B CN110244361 B CN 110244361B
Authority
CN
China
Prior art keywords
seismic
data
aliasing
interpolation
source
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
CN201910543575.0A
Other languages
English (en)
Other versions
CN110244361A (zh
Inventor
王本锋
耿建华
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.)
Tongji University
Original Assignee
Tongji University
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 Tongji University filed Critical Tongji University
Priority to CN201910543575.0A priority Critical patent/CN110244361B/zh
Publication of CN110244361A publication Critical patent/CN110244361A/zh
Application granted granted Critical
Publication of CN110244361B publication Critical patent/CN110244361B/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
    • G01V1/28Processing seismic data, e.g. for interpretation or for event detection
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01VGEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/28Processing seismic data, e.g. for interpretation or for event detection
    • G01V1/36Effecting static or dynamic corrections on records, e.g. correcting spread; Correlating seismic signals; Eliminating effects of unwanted energy
    • G01V1/362Effecting static or dynamic corrections; Stacking
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01VGEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00Details of seismic processing or analysis
    • G01V2210/30Noise handling
    • G01V2210/32Noise reduction
    • G01V2210/322Trace stacking

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

本发明涉及一种基于插值与去混叠同时处理的地震数据分离方法及系统,该方法包括如下步骤:(1)基于观测地震数据提取伪分离地震数据;(2)基于Curvelet变换对伪分离地震数据进行插值与去混叠同时处理迭代更新直至迭代结束,输出主震源、副震源数据,完成地震数据分离。与现有技术相比,本发明避免了数据不规则性对去混叠精度的影响及混叠噪声对插值重建效果的影响,得到去混叠后的完整地震数据,有利于提高后续常规地震数据处理及偏移成像的精度。

Description

基于插值与去混叠同时处理的地震数据分离方法及系统
技术领域
本发明涉及一种地震数据分离方法及系统,尤其是涉及一种基于插值与去混叠同时处理的地震数据分离方法及系统。
背景技术
随着高效地震数据采集的深入,稀疏采集、混叠采集扮演着重要的角色。而采集得到的混叠、不规则地震数据,对传统的数据处理、反演及偏移等方法带来巨大挑战,因此插值技术及去混叠技术成为高效采集地震数据处理的重要环节。插值方法一般可分为四类:基于波动方程的插值方法、基于预测滤波的插值方法、基于稀疏变换的插值方法及基于降秩的插值方法。随着压缩感知理论的完善,基于稀疏变换的插值重建方法扮演了越来越重要的角色。去混叠方法包括基于滤波的方法和基于反演的方法,滤波类方法利用信号相干性及混叠噪声随机性的特性,压制噪声、提取信号;反演类的方法利用信号的相干性、稀疏性等约束,进行混叠数据的有效分离。而地震数据的不规则性会影响去混叠的精度,混叠噪声的存在会影响插值重建的效果,因此需研究插值去混叠同时处理方法。针对不规则的混叠数据,基于滤波的方法可得到完整的去混叠数据,但算法参数设置相对困难。因此需要一种地震数据插值去混叠同时处理的方法得到完整的去混叠地震数据。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于插值与去混叠同时处理的地震数据分离方法及系统。
本发明的目的可以通过以下技术方案来实现:
一种基于插值与去混叠同时处理的地震数据分离方法,该方法包括如下步骤:
(1)基于观测地震数据提取伪分离地震数据;
(2)基于Curvelet变换对伪分离地震数据进行插值与去混叠同时处理迭代更新直至迭代结束,输出主震源、副震源数据,完成地震数据分离。
步骤(1)具体为:
(11)确定混叠算子Γ;
(12)获取伪分离地震数据:
Figure GDA0002370217260000021
其中,Ft
Figure GDA0002370217260000022
分别为时间方向的一维正、反傅里叶变换,ΓH为混叠算子Γ的共轭算子,d为观测地震数据。
所述的混叠算子Γ具体确定为:
Figure GDA0002370217260000023
其中,e为自然常数,i为虚数单位,ω为圆频率,tk为副震源中第k炮的时间延迟,k=1,...,M,M为副震源中炮的数量。
步骤(2)具体为:
(21)赋值n=1,
Figure GDA0002370217260000024
其中,
Figure GDA0002370217260000025
为主震源第n次迭代值,
Figure GDA0002370217260000026
为副震源第n次迭代值;
(22)确定去混叠项和插值项并更新主震源和副震源数据:
Figure GDA0002370217260000027
Figure GDA0002370217260000028
其中,
Figure GDA0002370217260000029
为去混叠项,
Figure GDA00023702172600000210
Figure GDA00023702172600000211
为插值项,
Figure GDA00023702172600000212
为主震源第n+1次迭代值,
Figure GDA00023702172600000213
为副震源第n+1次迭代值,C、CH为Curvelet正、反变换,Tλ为硬阈值函数,R为采样算子,且R满足可交换性,即RFt=FtR,RΓ=ΓR;
(23)判断n是否小于N,若是则赋值n=n+1并返回步骤(22),否则输出主震源和副震源数据,其中,N为最大迭代次数。
一种基于插值与去混叠同时处理的地震数据分离系统,该系统包括:
地震数据提取模块:该模块基于观测地震数据提取伪分离地震数据;
插值与去混叠分离模块:该模块对伪分离地震数据进行插值与去混叠并迭代更新,得到分离的主震源、副震源数据;
输出模块:该模块输出分离的主震源、副震源数据。
所述的地震数据提取模块获取的伪分离地震数据为
Figure GDA00023702172600000214
其中,Ft
Figure GDA00023702172600000215
分别为时间方向的一维正、反傅里叶变换,ΓH为混叠算子Γ的共轭算子,d为观测地震数据。
所述的混叠算子Γ具体确定为:
Figure GDA0002370217260000031
其中,e为自然常数,i为虚数单位,ω为圆频率,tk为副震源中第k炮的时间延迟,k=1,...,M,M为副震源中炮的数量。
所述的插值与去混叠分离模块执行以下步骤完成主震源、副震源数据分离:
(a)赋值n=1,
Figure GDA0002370217260000032
其中,
Figure GDA0002370217260000033
为主震源第n次迭代值,
Figure GDA0002370217260000034
为副震源第n次迭代值;
(b)确定去混叠项和插值项并更新主震源和副震源数据:
Figure GDA0002370217260000035
Figure GDA0002370217260000036
其中,
Figure GDA0002370217260000037
为去混叠项,
Figure GDA0002370217260000038
Figure GDA0002370217260000039
为插值项,
Figure GDA00023702172600000310
为主震源第n+1次迭代值,
Figure GDA00023702172600000311
为副震源第n+1次迭代值,C、CH为Curvelet正、反变换,Tλ为硬阈值函数,R为采样算子,且R满足可交换性,即RFt=FtR,RΓ=ΓR;
(c)判断n是否小于N,若是则赋值n=n+1并返回步骤(b),否则输出主震源和副震源数据,其中,N为最大迭代次数。
与现有技术相比,本发明具有如下优点:本发明基于Curvelet变换研发了地震数据插值去混叠同时处理方法,其避免了数据不规则性对去混叠精度的影响及混叠噪声对插值重建效果的影响,得到去混叠后的完整地震数据,有利于提高后续常规地震数据处理及偏移成像的精度。
附图说明
图1为本发明基于插值与去混叠同时处理的地震数据分离方法的流程框图;
图2为本发明基于插值与去混叠同时处理的地震数据分离系统的结构框图;
图3为实施例中未混叠的地震数据,其中,3(a)为主震源数据,3(b)为副震源数据;
图4为实施例中含缺失的混叠地震数据;
图5为实施例中采用本发明方法分离得到的主震源、副震源地震数据及估计残差,其中,5(a)为主震源地震数据,5(b)为主震源地震数据估计残差,5(c)为副震源地震数据,5(d)为副震源地震数据估计残差;
图6为实施例中采用传统去混叠方法估计得到的主震源、副震源地震数据及估计残差,其中,6(a)为主震源地震数据,6(b)为主震源地震数据估计残差,6(c)为副震源地震数据,6(d)为副震源地震数据估计残差。
图中,1为地震数据提取模块,2为插值与去混叠分离模块,3为输出模块。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。注意,以下的实施方式的说明只是实质上的例示,本发明并不意在对其适用物或其用途进行限定,且本发明并不限定于以下的实施方式。
实施例
在共检波点道集中,时间域含炮缺失的混叠地震数据可以表征为:
Figure GDA0002370217260000041
其中,
Figure GDA0002370217260000042
为混叠算子,d,d1,d2为时间域混叠数据和未混叠的主震源、副震源数据,Ft,
Figure GDA0002370217260000043
为时间方向的一维正反傅里叶变换。R为采样算子,满足可交换性,即RFt=FtR,RΓ=ΓR。
基于公式(1),可估计伪分离地震数据:
Figure GDA0002370217260000044
其中,ΓH为混叠算子的共轭算子,基于压缩感知理论,完整的未混叠地震数据可以由稀疏变换进行稀疏表达,利用迭代阈值收缩方法进行插值去混叠同时处理,估计完整的未混叠地震数据:
Figure GDA0002370217260000045
Figure GDA0002370217260000046
其中C,CH为Curvelet正、反变换,Tλ为硬阈值函数,
Figure GDA0002370217260000047
为第n次的迭代更新解。迭代结束后,便可以得到时间空间域去混叠后的完整地震数据,可提高后续传统地震数据处理方法的精度。
综上,如图1所示,一种基于插值与去混叠同时处理的地震数据分离方法,该方法包括如下步骤:
(1)基于观测地震数据提取伪分离地震数据;
(2)基于Curvelet变换对伪分离地震数据进行插值与去混叠同时处理迭代更新直至迭代结束,输出主震源、副震源数据,完成地震数据分离。
步骤(1)具体为:
(11)确定混叠算子Γ;
(12)获取伪分离地震数据:
Figure GDA0002370217260000051
其中,Ft
Figure GDA0002370217260000052
分别为时间方向的一维正、反傅里叶变换,ΓH为混叠算子Γ的共轭算子,d为观测地震数据。
混叠算子Γ具体确定为:
Figure GDA0002370217260000053
其中,e为自然常数,i为虚数单位,ω为圆频率,tk为副震源中第k炮的时间延迟,k=1,...,M,M为副震源中炮的数量。
步骤(2)具体为:
(21)赋值n=1,
Figure GDA0002370217260000054
其中,
Figure GDA0002370217260000055
为主震源第n次迭代值,
Figure GDA0002370217260000056
为副震源第n次迭代值;
(22)确定去混叠项和插值项并更新主震源和副震源数据:
Figure GDA0002370217260000057
Figure GDA0002370217260000058
其中,
Figure GDA0002370217260000059
为去混叠项,
Figure GDA00023702172600000510
Figure GDA00023702172600000511
为插值项,
Figure GDA00023702172600000512
为主震源第n+1次迭代值,
Figure GDA00023702172600000513
为副震源第n+1次迭代值,C、CH为Curvelet正、反变换,Tλ为硬阈值函数,R为采样算子,且R满足可交换性,即RFt=FtR,RΓ=ΓR;
(23)判断n是否小于N,若是则赋值n=n+1并返回步骤(22),否则输出主震源和副震源数据,其中,N为最大迭代次数。
如图2所示,一种基于插值与去混叠同时处理的地震数据分离系统,该系统包括:
地震数据提取模块1:该模块基于观测地震数据提取伪分离地震数据;
插值与去混叠分离模块2:该模块对伪分离地震数据进行插值与去混叠并迭代更新,得到分离的主震源、副震源数据;
输出模块3:该模块输出分离的主震源、副震源数据。
地震数据提取模块1获取的伪分离地震数据为
Figure GDA00023702172600000514
其中,Ft
Figure GDA00023702172600000515
分别为时间方向的一维正、反傅里叶变换,ΓH为混叠算子Γ的共轭算子,d为观测地震数据。
混叠算子Γ具体确定为:
Figure GDA00023702172600000516
其中,e为自然常数,i为虚数单位,ω为圆频率,tk为副震源中第k炮的时间延迟,k=1,...,M,M为副震源中炮的数量。
插值与去混叠分离模块2执行以下步骤完成主震源、副震源数据分离:
(a)赋值n=1,
Figure GDA0002370217260000061
其中,
Figure GDA0002370217260000062
为主震源第n次迭代值,
Figure GDA0002370217260000063
为副震源第n次迭代值;
(b)确定去混叠项和插值项并更新主震源和副震源数据:
Figure GDA0002370217260000064
Figure GDA0002370217260000065
其中,
Figure GDA0002370217260000066
为去混叠项,
Figure GDA0002370217260000067
Figure GDA0002370217260000068
为插值项,
Figure GDA0002370217260000069
为主震源第n+1次迭代值,
Figure GDA00023702172600000610
为副震源第n+1次迭代值,C、CH为Curvelet正、反变换,Tλ为硬阈值函数,R为采样算子,且R满足可交换性,即RFt=FtR,RΓ=ΓR;
(c)判断n是否小于N,若是则赋值n=n+1并返回步骤(b),否则输出主震源和副震源数据,其中,N为最大迭代次数。
为了验证本发明插值去混叠同时处理方法的有效性,将本发明应用于含炮缺失的混叠模拟数据处理中。图3(a)、3(b)为完整的未混叠主震源和副震源数据,作为插值去混叠效果评价的标准数据。图4为含缺失的混叠地震数据,其中时间延迟为[-0.25,0.25]秒,40%数据缺失,可以看出主震源表现出一定的相关性,副震源表现出随机性,且存在一定的数据缺失。利用本发明方法进行地震数据分离,得到完整的主震源、副震源估计值与估计残差如图5所示,图5(a)为主震源地震数据,图5(b)为主震源地震数据估计残差,图5(c)为副震源地震数据,图5(d)为副震源地震数据估计残差,可以看出,主震源、副震源的估计结果与未混叠数据(图3)具有较高的一致性,且残差较小,估计的信噪比分别为14.65dB和14.42dB。为了突出本专利插值去混叠同时处理方法的优势,利用传统的阈值收缩去混叠方法,得到主震源、副震源的估计值如图6(a)、6(c)所示,可见缺失位置处信号没有有效地重构。为了公平地评价其去混叠的效果,仅显示观测位置处主震源、副震源的估计误差,如图6(b)、6(d)所示,可见有若干信号能量的泄漏,估计的信噪比为8.98dB和8.91dB。图6阐释了数据的不规则性对去混叠的效果的影响,也侧面说明了研发本专利的必要性。图5的插值去混叠效果验证了本专利的有效性,去除混叠噪声的同时,缺失数据得到了有效地重构,可提高后续传统地震数据处理及偏移成像的精度,具有较大的应用潜力。
上述实施方式仅为例举,不表示对本发明范围的限定。这些实施方式还能以其它各种方式来实施,且能在不脱离本发明技术思想的范围内作各种省略、置换、变更。

Claims (4)

1.一种基于插值与去混叠同时处理的地震数据分离方法,其特征在于,该方法包括如下步骤:
(1)基于观测地震数据提取伪分离地震数据;
(2)基于Curvelet变换对伪分离地震数据进行插值与去混叠同时处理迭代更新直至迭代结束,输出主震源、副震源数据,完成地震数据分离;
步骤(1)具体为:
(11)确定混叠算子Γ;
(12)获取伪分离地震数据:Ft HΓHFtd,其中,Ft、Ft H分别为时间方向的一维正、反傅里叶变换,ΓH为混叠算子Γ的共轭算子,d为观测地震数据;
步骤(2)具体为:
(21)赋值n=1,
Figure FDA0002370217250000011
其中,
Figure FDA0002370217250000012
为主震源第n次迭代值,
Figure FDA0002370217250000013
为副震源第n次迭代值;
(22)确定去混叠项和插值项并更新主震源和副震源数据:
Figure FDA0002370217250000014
Figure FDA0002370217250000015
其中,
Figure FDA0002370217250000016
Figure FDA0002370217250000017
为去混叠项,
Figure FDA0002370217250000018
Figure FDA0002370217250000019
为插值项,
Figure FDA00023702172500000110
为主震源第n+1次迭代值,
Figure FDA00023702172500000111
为副震源第n+1次迭代值,C、CH为Curvelet正、反变换,Tλ为硬阈值函数,R为采样算子,且R满足可交换性,即RFt=FtR,RΓ=ΓR;
(23)判断n是否小于N,若是则赋值n=n+1并返回步骤(22),否则输出主震源和副震源数据,其中,N为最大迭代次数。
2.根据权利要求1所述的一种基于插值与去混叠同时处理的地震数据分离方法,其特征在于,所述的混叠算子Γ具体确定为:
Figure FDA00023702172500000112
其中,e为自然常数,i为虚数单位,ω为圆频率,tk为副震源中第k炮的时间延迟,k=1,...,M,M为副震源中炮的数量。
3.一种基于插值与去混叠同时处理的地震数据分离系统,该系统包括:
地震数据提取模块:该模块基于观测地震数据提取伪分离地震数据;
插值与去混叠分离模块:该模块对伪分离地震数据进行插值与去混叠并迭代更新,得到分离的主震源、副震源数据;
输出模块:该模块输出分离的主震源、副震源数据;
所述的地震数据提取模块获取的伪分离地震数据为Ft HΓHFtd,其中,Ft、Ft H分别为时间方向的一维正、反傅里叶变换,ΓH为混叠算子Γ的共轭算子,d为观测地震数据;
所述的插值与去混叠分离模块执行以下步骤完成主震源、副震源数据分离:
(a)赋值n=1,
Figure FDA0002370217250000021
其中,
Figure FDA0002370217250000022
为主震源第n次迭代值,
Figure FDA0002370217250000023
为副震源第n次迭代值;
(b)确定去混叠项和插值项并更新主震源和副震源数据:
Figure FDA0002370217250000024
Figure FDA0002370217250000025
其中,
Figure FDA0002370217250000026
Figure FDA0002370217250000027
为去混叠项,
Figure FDA0002370217250000028
Figure FDA0002370217250000029
为插值项,
Figure FDA00023702172500000210
为主震源第n+1次迭代值,
Figure FDA00023702172500000211
为副震源第n+1次迭代值,C、CH为Curvelet正、反变换,Tλ为硬阈值函数,R为采样算子,且R满足可交换性,即RFt=FtR,RΓ=ΓR;
(c)判断n是否小于N,若是则赋值n=n+1并返回步骤(b),否则输出主震源和副震源数据,其中,N为最大迭代次数。
4.根据权利要求3所述的一种基于插值与去混叠同时处理的地震数据分离系统,其特征在于,所述的混叠算子Γ具体确定为:
Figure FDA00023702172500000212
其中,e为自然常数,i为虚数单位,ω为圆频率,tk为副震源中第k炮的时间延迟,k=1,...,M,M为副震源中炮的数量。
CN201910543575.0A 2019-06-21 2019-06-21 基于插值与去混叠同时处理的地震数据分离方法及系统 Active CN110244361B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910543575.0A CN110244361B (zh) 2019-06-21 2019-06-21 基于插值与去混叠同时处理的地震数据分离方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910543575.0A CN110244361B (zh) 2019-06-21 2019-06-21 基于插值与去混叠同时处理的地震数据分离方法及系统

Publications (2)

Publication Number Publication Date
CN110244361A CN110244361A (zh) 2019-09-17
CN110244361B true CN110244361B (zh) 2020-07-07

Family

ID=67888747

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910543575.0A Active CN110244361B (zh) 2019-06-21 2019-06-21 基于插值与去混叠同时处理的地震数据分离方法及系统

Country Status (1)

Country Link
CN (1) CN110244361B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113946778A (zh) * 2021-07-02 2022-01-18 河北地质大学 欠采样混合震源数据处理方法及装置
CN114114395B (zh) * 2021-11-09 2022-10-25 同济大学 基于插值算子的非规则网格混叠地震数据分离方法及系统
CN114296134B (zh) * 2021-12-24 2023-03-31 西安交通大学 一种深度卷积网络地震资料解混方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103069303A (zh) * 2010-08-06 2013-04-24 Bp北美公司 用于将同时发生的独立震源分离的方法
CN104062683A (zh) * 2014-03-21 2014-09-24 中国石油化工股份有限公司 一种基于曲波变换和全变差的联合衰减随机噪声处理方法
CN104536044A (zh) * 2015-01-16 2015-04-22 中国石油大学(北京) 一种地震数据的插值去噪方法以及系统
CN105527649A (zh) * 2015-11-30 2016-04-27 中国科学院地质与地球物理研究所 一种多域多次分离的高效采集多震源混合数据分离方法
CN107966728A (zh) * 2016-10-19 2018-04-27 中国石油化工股份有限公司 炸药震源多震源系统的地震采集方法及装置
CN108549106A (zh) * 2018-03-09 2018-09-18 中国石油天然气集团有限公司 混叠噪声压制方法及装置
CN109471171A (zh) * 2018-09-21 2019-03-15 中国石油天然气集团有限公司 一种混叠地震数据分离的方法、装置及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10739484B2 (en) * 2017-03-10 2020-08-11 Exxonmobil Upstream Research Company Curvelet 4D: 4D denoise in curvelet domain

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103069303A (zh) * 2010-08-06 2013-04-24 Bp北美公司 用于将同时发生的独立震源分离的方法
CN104062683A (zh) * 2014-03-21 2014-09-24 中国石油化工股份有限公司 一种基于曲波变换和全变差的联合衰减随机噪声处理方法
CN104536044A (zh) * 2015-01-16 2015-04-22 中国石油大学(北京) 一种地震数据的插值去噪方法以及系统
CN105527649A (zh) * 2015-11-30 2016-04-27 中国科学院地质与地球物理研究所 一种多域多次分离的高效采集多震源混合数据分离方法
CN107966728A (zh) * 2016-10-19 2018-04-27 中国石油化工股份有限公司 炸药震源多震源系统的地震采集方法及装置
CN108549106A (zh) * 2018-03-09 2018-09-18 中国石油天然气集团有限公司 混叠噪声压制方法及装置
CN109471171A (zh) * 2018-09-21 2019-03-15 中国石油天然气集团有限公司 一种混叠地震数据分离的方法、装置及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
"Dreamlet-based interpolation using POCS method";Wang BF;《Journal of Applied Geophysics》;20141231;第109卷(第10期);第256-265页 *
"基于3DCurvelet变换的频率域高效地震数据插值方法研究";王本锋 等;《石油物探》;20120131;第57卷(第1期);第65-71段 *
"基于F-K域和Curvelet-中值滤波联合去噪的混采数据分离方法";李宇 等;《世界地质》;20170630;第36卷(第2期);第609-615页 *

Also Published As

Publication number Publication date
CN110244361A (zh) 2019-09-17

Similar Documents

Publication Publication Date Title
CN110244361B (zh) 基于插值与去混叠同时处理的地震数据分离方法及系统
Sun et al. Cross-correlation analysis and time delay estimation of a homologous micro-seismic signal based on the Hilbert–Huang transform
CN110244360B (zh) 基于有效频率波数域去混叠的地震数据分离方法及系统
CN105277985A (zh) 一种基于图像处理的ovt域地震数据规则化方法
CN109143331B (zh) 地震子波提取方法
Zhou et al. Sparse dictionary learning for seismic noise attenuation using a fast orthogonal matching pursuit algorithm
Zhang et al. 3D simultaneous seismic data reconstruction and noise suppression based on the curvelet transform
CN110646841B (zh) 时变稀疏反褶积方法及系统
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
CN115840879A (zh) 一种增材制造构件超声检测回波信号处理方法及系统
Liu et al. Coherent noise suppression via a self-supervised blind-trace deep learning scheme
Shao et al. Simultaneous denoising of multicomponent microseismic data by joint sparse representation with dictionary learning
Yang et al. A seismic interpolation and denoising method with curvelet transform matching filter
Cao et al. REDUNDANCY, FAST CURVELET TRANSFORM
CN110850473B (zh) 一种基于稀疏变换学习的地震波阻抗反演方法
CN108195932A (zh) 一种飞行器管路损伤超声导波定量评估方法
Lei et al. GPR detection localization of underground structures based on deep learning and reverse time migration
CN110837119B (zh) 一种增强反q值补偿稳定性的地震资料处理方法及系统
CN111694052B (zh) 盲反演方法及装置
CN109085649B (zh) 一种基于小波变换优化的地震资料去噪方法
CN112526604B (zh) 基于目的层谱分析的自适应低频补偿方法及系统
Feng Robust ground roll noise suppression based on dictionary learning and bandpass filtering
CN104422961A (zh) 一种地震随机噪声衰减方法
Xue et al. An adaptive-rank singular spectrum analysis for simultaneous-source data separation
CN113009560B (zh) 一种地震数据重建方法、装置、设备及存储介质

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