CN111337972B - 用于地震数据重建的规则化域选取方法、系统 - Google Patents
用于地震数据重建的规则化域选取方法、系统 Download PDFInfo
- Publication number
- CN111337972B CN111337972B CN201811552955.2A CN201811552955A CN111337972B CN 111337972 B CN111337972 B CN 111337972B CN 201811552955 A CN201811552955 A CN 201811552955A CN 111337972 B CN111337972 B CN 111337972B
- Authority
- CN
- China
- Prior art keywords
- sampling
- data
- matrix
- gather
- distribution evaluation
- 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
- 238000010187 selection method Methods 0.000 title claims abstract description 22
- 238000005070 sampling Methods 0.000 claims description 189
- 238000009826 distribution Methods 0.000 claims description 121
- 238000011156 evaluation Methods 0.000 claims description 118
- 239000011159 matrix material Substances 0.000 claims description 107
- 239000000523 sample Substances 0.000 claims description 29
- 238000000605 extraction Methods 0.000 claims description 25
- 238000000034 method Methods 0.000 claims description 24
- 238000001228 spectrum Methods 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 10
- 239000000178 monomer Substances 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000007781 pre-processing Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 230000008520 organization Effects 0.000 description 4
- 230000006835 compression Effects 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 230000005012 migration Effects 0.000 description 3
- 238000013508 migration Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012546 transfer 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
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
本发明提供一种地震数据重建的规则化域选取方法、系统，通过对地震叠前道集数据进行道集抽取得到多种道集数据，然后计算各道集数据对应的分布评价因子，最后根据分布评价因子选择一种道集数据作为地震数据重建的规则化域，能够有效选择适宜的地震数据重建的规则化域，解决压缩感知规则化重建后的结果失真，甚至完全虚假或无法进行重建的问题。
Description
技术领域
本发明涉及石油勘探数据处理领域，尤其涉及一种用于地震数据重建的规则化域选取方法、系统、计算机设备以及计算机可读存储介质。
背景技术
地震数据采集是油气地震勘探工程中第一道工序，也是最为重要的工序，是实现精确地震解释的基础。
地震数据处理(比如基于波动方程的偏移)通常需要有完整规则化的地震采集数据。但是，实际地震数据采集过程中，难免会存在一些缺失道、缺失炮的问题，因此，需要对地震数据进行规则化重建，进而为后续的地震数据处理提供规则的地震数据，以提高实际生产的效果。
压缩感知技术能在数据未满足Nyquist(奈奎斯特)采样率条件下，利用数据自身的稀疏特性而高精度地重建信号，常被用来重建地震数据，以弥补数据采集中缺失的道和缺失的炮数据，从而改善地震资料的成像效果。
地震资料的数据结构和组织方式多种多样，例如：有按炮点进行数据组织的共炮道集、有按接收点进行数据组织的共接收点道集以及按cmp号进行数据组织的共cmp道集等。在进行地震数据压缩感知规则化重建的过程中，在不同的数据集上进行规则化重建直接影响到重建的效果。根据压缩感知理论，在满足压缩采样的前提下，若待重建的地震数据在某个地震数据域成泊松分布或抖动分布，则进行压缩感知规则化重建后的结果优于成均匀分布或一般随机分布的地震数据的压缩感知规则化重建后的结果；在不满足压缩采样的前提下，对均匀欠采样的数据进行压缩感知规则化重建将得到完全虚假的结果，另外，在极端情况下，若地震数据存在缺炮的情况，那么在共炮道集根本无法进行地震数据规则化重建。
但是，现有石油勘探数据处理中采用压缩感知规则化重建地震数据时不对规则化域进行选取，则容易导致压缩感知规则化重建后的结果失真，甚至完全虚假或无法进行重建。
发明内容
有鉴于此，本发明提供一种用于地震数据重建的规则化域选取方法、系统、计算机设备以及计算机可读存储介质，能够有效选择适宜的地震数据重建的规则化域，解决规则化重建后的结果失真，甚至完全虚假或无法进行重建的问题。
为解决上述技术问题，本发明采用如下技术方案：
第一方面，提供一种用于地震数据重建的规则化域选取方法，包括：
对地震叠前道集数据进行道集抽取得到多种道集数据；
计算各种道集数据对应的分布评价因子；
根据分布评价因子选择一种道集数据作为地震数据重建的规则化域。
进一步地，计算各种道集数据对应的分布评价因子，包括：
选取频率分别为1/N至N/N的N个一维试探采样信号，其中N为道集数据中单体记录的数据道数量；
根据选取的各一维试探采样信号与数据道数量N构建N组完整采样矩阵以及非完整采样矩阵；
根据每组完整采样矩阵以及非完整采样矩阵计算对应的分布评价值；
选择最小的分布评价值作为分布评价因子。
进一步地，根据选取的各一维试探采样信号与数据道数量N构建N组完整采样矩阵以及非完整采样矩阵，包括：
构建行数为T、列数为M的第一矩阵和第二矩阵；其中，M为小于N的2m中最大的一个，T＝N-M+1，m为整数；
将一维试探采样信号中的第i个样点至第M+i-1个样点作为第一矩阵的第i行的元素，得到完整采样矩阵；其中，1≤i≤T，每个一维试探信号包含N个样点且采样间隔为1/M秒；
将一维试探采样信号中的第K个样点设置为0得到非完整试探信号；其中，1≤K≤N，且单体记录中第K道为空道；
将非完整试探信号的第i个样点至第M+i-1个样点作为第二矩阵的第i行的元素，得到非完整采样矩阵。
进一步地，根据每组完整采样矩阵以及非完整采样矩阵计算对应的分布评价值，包括：
对完整采样矩阵以及非完整采样矩阵中每个行向量进行傅里叶变换得到对应的频率振幅谱；
在每个频率振幅谱中查找一维试探采样信号的频率对应的振幅值；
对振幅值进行平方运算得到多个标准值；
利用完整采样矩阵得到的多个标准值形成第一标准向量；
利用非完整采样矩阵得到的多个标准值形成第二标准向量；
根据第一标准向量和第二标准向量计算分布评价值。
进一步地，一维试探采样信号包括：一维正弦信号、一维余弦信号。
进一步地，多种道集数据包括：共炮道集、共接收点道集以及共cmp道集。
进一步地，根据分布评价因子选择一种道集数据作为地震数据重建的规则化域，包括：
选取分布评价因子最大的道集数据作为地震数据重建的规则化域。
进一步地，根据分布评价因子选择一种道集数据作为地震数据重建的规则化域，包括：
将多种道集数据的分布评价因子分别与第一预设阈值进行比较；
当存在分布评价因子大于或等于第一预设阈值的道集数据时，任选一个分布评价因子大于或等于第一预设阈值的道集数据作为地震数据重建的规则化域；
当所有道集数据的分布评价因子均小于第一预设阈值时，选取分布评价因子最大的道集数据作为地震数据重建的规则化域。
第二方面，提供一种用于地震数据重建的规则化域选取系统，包括：
道集抽取装置，对地震叠前道集数据进行道集抽取得到多种道集数据；
计算装置，计算各种道集数据对应的分布评价因子；
选择装置，根据分布评价因子选择一种道集数据作为地震数据重建的规则化域。
进一步地，计算装置包括：
选取模块，选取频率分别为1/N至N/N的N个一维试探采样信号，其中N为道集数据中单体记录的数据道数量；
矩阵构建模块，根据选取的各一维试探采样信号与数据道数量N构建N组完整采样矩阵以及非完整采样矩阵；
计算模块，根据每组完整采样矩阵以及非完整采样矩阵计算对应的分布评价值；
选择模块，选择最小的分布评价值作为分布评价因子。
进一步地，矩阵构建模块包括：
矩阵设立单元，构建行数为T、列数为M的第一矩阵和第二矩阵；其中，为小于N的2m中最大的一个，T＝N-M+1，m为整数；
第一元素设置单元，将一维试探采样信号中的第i个样点至第M+i-1个样点作为第一矩阵的第i行的元素，得到完整采样矩阵；其中，1≤i≤T，每个一维试探信号包含N个样点且采样间隔为1/M秒；
信号变换单元，将一维试探采样信号中的第K个样点设置为0得到非完整试探信号；其中，1≤K≤N，且单体记录中第K道为空道；
第二元素设置单元，将非完整试探信号的第i个样点至第M+i-1个样点作为第二矩阵的第i行的元素，得到非完整采样矩阵。
进一步地，计算模块包括：
傅里叶变换单元，对完整采样矩阵以及非完整采样矩阵中每个行向量进行傅里叶变换得到对应的频率振幅谱；
振幅值查找单元，在每个频率振幅谱中查找一维试探采样信号的频率对应的振幅值；
平方运算单元，对振幅值进行平方运算得到多个标准值；
第一标准向量构建单元，利用完整采样矩阵得到的多个标准值形成第一标准向量；
第二标准向量构建单元，利用非完整采样矩阵得到的多个标准值形成第二标准向量；
评价值计算单元，根据第一标准向量和第二标准向量计算分布评价值。
进一步地，一维试探采样信号包括：一维正弦信号、一维余弦信号。
进一步地，多种道集数据包括：共炮道集、共接收点道集以及共cmp道集。
进一步地，选择装置包括：
第一规则化域选择模块，选取分布评价因子最大的道集数据作为地震数据重建的规则化域。
进一步地，选择装置包括：
比较模块，将多种道集数据的分布评价因子分别与第一预设阈值进行比较；
第二规则化域选择模块，当存在分布评价因子大于或等于第一预设阈值的道集数据时，任选一个分布评价因子大于或等于第一预设阈值的道集数据作为地震数据重建的规则化域；当所有道集数据的分布评价因子均小于第一预设阈值时，选取分布评价因子最大的道集数据作为地震数据重建的规则化域。
第三方面，提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述用于地震数据重建的规则化域选取方法的步骤。
第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述用于地震数据重建的规则化域选取方法的步骤。
本发明提供的用于地震数据重建的规则化域选取方法、系统、计算机设备以及计算机可读存储介质，通过对地震叠前道集数据进行道集抽取得到多种道集数据，然后计算各道集数据对应的分布评价因子，最后根据分布评价因子选择一种道集数据作为地震数据重建的规则化域，能够有效选择适宜的地震数据重建的规则化域，解决压缩感知规则化重建后的结果失真，甚至完全虚假或无法进行重建的问题。
为让本发明的上述和其他目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附图式，作详细说明如下。
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，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
图1是地震数据重建的示意图；
图2是本发明用于地震数据重建的规则化域选取方法的流程图；
图3示出了图2中步骤S200的具体步骤；
图4示出了图3中步骤S202的具体步骤；
图5示出了图3中步骤S203的具体步骤；
图6是本发明用于地震数据重建的规则化域选取系统的结构图一；
图7是本发明用于地震数据重建的规则化域选取系统的结构图二；
图8示出了图7中矩阵构建模块201的具体结构；
图9示出了图7中计算模块202的具体结构；
图10为本发明实施例计算机设备的结构图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，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的实施例，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做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。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
在进行地震数据采集特别是山地地震数据采集的过程中，难免会存在一些缺失道、缺失炮的问题，而地震数据的处理(比如基于波动方程的偏移)通常需要有完整规则化的地震采集数据。因此，开展地震数据的规则化重建，能解决地震数据不规则问题，从而提高实际生产的效果。
压缩感知技术是用于信号重建规则化的技术，在数据未满足Nyquist采样率条件下，利用数据自身的稀疏特性高精度地重建信号。
图1是地震数据重建的示意图。如图1所示，重建前的地震数据缺失一道数据，导致地震数据不规则，不能适应地震数据处理的需要。通过压缩感知技术重建地震数据中的缺失道，弥补缺失的数据，得到完整规则化的地震数据，从而改善地震资料的成像效果。
但是，在进行地震资料压缩感知规则化重建的过程中，首先需要确定要在哪一个地震数据集(即规则化域)上进行处理，在不同的地震数据集上进行规则化重建处理直接影响到处理的效果，乃至有效性。因此，本发明实施例提供一种地震数据重建的规则化域选取方法，通过求取分布评价因子来确定在哪种规则化域下进行地震数据重建，避免在不满足压缩采样的前提下重建出无效、错误的地震数据，同时，还能提高重建精度，为后续叠加、偏移处理打下坚实的基础。
图2是本发明地震数据重建的规则化域选取方法的流程图。如图2所示，该地震数据重建的规则化域选取方法包括：
步骤S100：对地震叠前道集数据进行道集抽取得到多种道集数据。
具体地，道集数据包括：共炮道集数据、共接收点道集数据以及共cmp道集数据等。
其中，根据炮点编号对地震叠前道集数据进行道集抽取得到共炮道集数据，根据接收点编号对地震叠前道集数据进行道集抽取得到共接收点道集数据，根据cmp号地震叠前道集数据进行道集抽取得到共cmp道集等多种道集数据。
另外，每种道集数据均包含多个单体记录，单体记录是指道集数据的一个数据单位。比如共炮道集中含有多个单炮记录，某一单炮记录作为一个单体记录；共接收点道集中含有多个接收点记录，某一接收点记录作为一个单体记录；共cmp道集中含有多个cmp号对应数据，某一cmp号下的所有数据作为一个单体记录。
当然，共炮道集、共接收点道集以及共cmp道集仅是举例说明，实际应用中，因为地震资料的数据结构和组织方式多种多样，所以道集数据的种类包括但不限于此。
步骤S200：计算各种道集数据对应的分布评价因子。
其中，通过对地震数据集进行分布检测，分析道集抽取后的缺失道的分布情况，得到反映该分布情况的分布评价因子。
步骤S300：根据分布评价因子选择一种道集数据作为地震数据重建的规则化域。
在一个可选的实施例中，选取分布评价因子最大的道集数据作为地震数据重建的规则化域。
其中，分布评价因子的值越大，表明在该道集数据下进行规则化重建越可靠，所以，通过选取分布评价因子最大的道集数据作为地震数据重建的规则化域，能够有效提高规则化重建的可靠性。
在另一个可选的实施例中，可以将多种道集数据的分布评价因子分别与第一预设阈值进行比较；当存在分布评价因子大于等于第一预设阈值的道集数据时，任选一个分布评价因子大于等于第一预设阈值的道集数据作为地震数据重建的规则化域；当所有道集数据的分布评价因子均小于第一预设阈值时，选取分布评价因子最大的道集数据作为地震数据重建的规则化域。
其中，第一预设阈值可以为0.6、0.7、0.75、0.8、0.85、0.9、0.95，包括但不限于此。
当道集数据的分布评价因子大于第一预设阈值时，其规则化重建的效果较好，此时，选择任一个分布评价因子大于等于第一预设阈值的道集数据作为规则化域均可以实现可靠的地震数据重建。
本发明实施例提供的地震数据重建的规则化域选取方法，通过对震叠前道集数据进行道集抽取，得到多种道集数据，根据道集数据的分布评价因子选择适宜的道集数据作为地震数据重建的规则化域，使得重建插值更为合理，避免在不满足压缩采样的前提下重建出无效、错误的地震数据，同时，还能提高重建精度，解决压缩感知规则化重建后的结果失真，甚至完全虚假或无法进行重建的问题。
在一个可选的实施例中，该地震数据重建的规则化域选取方法还可以包括：数据预处理步骤，具体为：对实际采集的地震数据进行能量一直性补偿等预处理，得到地震叠前道集数据。
通过对实际采集的地震数据进行预处理，能够有效提高数据的精度，减少数据噪声，提高后续规则化域的选取精度。
图3示出了图2中步骤S200的具体步骤。如图3所示，该步骤S200具体包括：
步骤S201：选取频率分别为1/N至N/N的N个一维试探采样信号，其中N为道集数据中单体记录的数据道数量。
其中，该一维试探采样信号包括：一维正弦信号、一维余弦信号，但不限于此。单体记录是指道集数据的一个数据单位，比如共炮道集中含有多炮记录，某一单炮记录作为一个单体记录，共接收点道集中含有多个接收点记录，某一接收点记录作为一个单体记录，共cmp道集中含有多个cmp号下的数据，某一cmp号下的所有数据作为一个单体记录。而每个单体记录中又含有多个数据道，N为单体记录中含有的数据道的数量。
步骤S202：根据选取的各一维试探采样信号与所述数据道数量N构建N组完整采样矩阵以及非完整采样矩阵。
步骤S203：根据每组完整采样矩阵以及非完整采样矩阵计算对应的分布评价值。
步骤S203：选择最小的分布评价值作为分布评价因子。
具体地，分别利用频率为1/N至N/N的N个一维试探采样信号构建N组完整采样矩阵以及非完整采样矩阵，然后针对每组完整采样矩阵以及非完整采样矩阵计算一分布评价值，共得到N个分布评价值，选取N个分布评价值中的最小值，作为分布评价因子。
图4示出了图3中步骤S202的具体步骤。如图4所示，该步骤S202具体包括：
步骤S202a：构建行数为T、列数为M的第一矩阵和第二矩阵；其中，M为小于N的2m中最大的一个，T＝N-M+1，m为整数。
即：M＝2m s.tM＜N≤2M。
步骤S202b：将一维试探采样信号中的第i个样点至第M+i-1个样点作为第一矩阵的第i行的元素，得到完整采样矩阵；其中，1≤i≤T，每个一维试探信号包含N个样点且采样间隔为1/M秒。
具体地，将该一维试探采样信号中的第1个样点至第M个样点的样点值作为第一矩阵的第1行的元素，将该一维试探采样信号中的第2个样点至第M+1个样点的样点值作为第一矩阵的第2行的元素，依此类推，该一维试探采样信号中的第T个样点至第M+T-1个样点(即第N个样点)的样点值作为第一矩阵的第T行的元素，由此得到完整采样矩阵。
步骤S202c：将一维试探采样信号中的第K个样点设置为0得到非完整试探信号；其中，1≤K≤N，且单体记录中第K道为空道。
步骤S202d：将非完整试探信号的第i个样点至第M+i-1个样点作为第二矩阵的第i行的元素，得到非完整采样矩阵，即：
dij∈D
dij·δk∈D0
即：1≤i≤T,1≤j≤M，1≤k≤N
其中，空道代表缺失道，该道中没有数据，D表示完整采样矩阵，D0表示非完整采样矩阵，i表示行号，j表示列号，d表示矩阵中的元素。
图5示出了图3中步骤S203的具体步骤。如图5所示，该步骤S203具体包括：
步骤S203a：对完整采样矩阵以及非完整采样矩阵中每个行向量进行傅里叶变换得到对应的频率振幅谱。
即对矩阵中每一行的数据进行傅里叶变换，得到对应行的频率振幅谱。其中，完整采样矩阵对应T个频率振幅谱，非完整采样矩阵也对应T个频率振幅谱。
步骤S203b：在每个频率振幅谱中查找一维试探采样信号的频率对应的振幅值。
即：针对完整采样矩阵以及非完整采样矩阵中每一行数据，在其对应的频率振幅谱中查找一维试探采样信号的频率对应的振幅值，则得到2T个振幅值，完整采样矩阵对应T个，非完整采样矩阵对应T个。
步骤S203c：对振幅值进行平方运算得到多个标准值。
即：求取每个振幅值的平方值，得到2T个标准值。
步骤S203d：利用完整采样矩阵得到的T个标准值形成第一标准向量E。
步骤S203e：利用非完整采样矩阵得到的T个标准值形成第二标准向量E0。
步骤S203f：根据第一标准向量E和第二标准向量E0计算分布评价值e。
其中，根据第一标准向量E和第二标准向量E0计算分布评价值e时采用如下公式：
其中，i表示行号。
综上所述，本发明实施例提供的地震数据重建的规则化域选取方法，通过对地震叠前道集数据进行道集抽取得到多种道集数据，然后计算各种道集数据对应的分布评价因子，最后根据分布评价因子选择一种道集数据作为地震数据重建的规则化域，能够有效选择适宜的地震数据重建的规则化域，解决压缩感知规则化重建后的结果失真，甚至完全虚假或无法进行重建的问题。
基于同一发明构思，本申请实施例还提供了一种地震数据重建的规则化域选取系统，可以用于实现上述实施例所描述的方法，如下面的实施例所述。由于地震数据重建的规则化域选取系统解决问题的原理与上述方法相似，因此地震数据重建的规则化域选取系统的实施可以参见上述方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图6是本发明地震数据重建的规则化域选取系统的结构图一。如图6所示，该地震数据重建的规则化域选取系统1包括：道集抽取装置100、计算装置200以及选择装置300。
道集抽取装置100用于对地震叠前道集数据进行道集抽取得到多种道集数据。
具体地，道集数据包括：共炮道集数据、共接收点道集数据以及共cmp道集数据等。
其中，根据炮点编号对地震叠前道集数据进行道集抽取得到共炮道集数据，根据接收点编号对地震叠前道集数据进行道集抽取得到共接收点道集数据，根据cmp号地震叠前道集数据进行道集抽取得到共cmp道集等多种道集数据。
另外，每种道集数据均包含多个单体记录，单体记录是指道集数据的一个数据单位。比如共炮道集中含有多个单炮记录，某一单炮记录作为一个单体记录；共接收点道集中含有多个接收点记录，某一接收点记录作为一个单体记录；共cmp道集中含有多个cmp号对应数据，某一cmp号下的所有数据作为一个单体记录。
当然，共炮道集、共接收点道集以及共cmp道集仅是举例说明，实际应用中，因为地震资料的数据结构和组织方式多种多样，所以道集数据的种类包括但不限于此。
计算装置200用于计算各种道集数据对应的分布评价因子。
其中，通过对地震数据集进行分布检测，分析道集抽取后的缺失道的分布情况，得到反映该分布情况的分布评价因子。
选择装置300用于根据分布评价因子选择一种道集数据作为地震数据重建的规则化域。
在一个可选的实施例中，选择装置300可以包括：第一规则化域选择模块(图中未示出)。
该第一规则化域选择模块选取分布评价因子最大的道集数据作为地震数据重建的规则化域。
其中，分布评价因子的值越大，表明在该道集数据下进行规则化重建越可靠，所以，通过选取分布评价因子最大的道集数据作为地震数据重建的规则化域，能够有效提高规则化重建的可靠性。
在另一可选的实施例中，选择装置300可以包括：比较模块(图中未示出)以及第二规则化域选择模块(图中未示出)。
比较模块将多种道集数据的分布评价因子分别与第一预设阈值进行比较。
第二规则化域选择模块当存在分布评价因子大于等于第一预设阈值的道集数据时，任选一个分布评价因子大于等于第一预设阈值的道集数据作为地震数据重建的规则化域；当所有道集数据的分布评价因子均小于第一预设阈值时，选取分布评价因子最大的道集数据作为地震数据重建的规则化域。
其中，第一预设阈值可以为0.6、0.7、0.75、0.8、0.85、0.9、0.95，包括但不限于此。
当道集数据的分布评价因子大于第一预设阈值时，其规则化重建的效果较好，此时，选择任一个分布评价因子大于等于第一预设阈值的道集数据作为规则化域均可以实现可靠的地震数据重建。
本发明实施例提供的地震数据重建的规则化域选取系统，通过对震叠前道集数据进行道集抽取，得到多种道集数据，根据道集数据的分布评价因子选择适宜的道集数据作为地震数据重建的规则化域，使得重建插值更为合理，避免在不满足压缩采样的前提下重建出无效、错误的地震数据，同时，还能提高重建精度，解决压缩感知规则化重建后的结果失真，甚至完全虚假或无法进行重建的问题。
在一个可选的实施例中，该地震数据重建的规则化域选取系统还可以包括：数据预处理装置(图中未示出)。
具体地，该数据预处理装置用于对实际采集的地震数据进行能量一直性补偿等预处理，得到地震叠前道集数据。
通过对实际采集的地震数据进行预处理，能够有效提高数据的精度，减少数据噪声，提高后续规则化域的选取精度。
图7是本发明地震数据重建的规则化域选取系统的结构图二。如图7所示，该地震数据重建的规则化域选取系统1的计算装置200包括：选取模块200a、矩阵构建模块201、计算模块202以及选择模块203。
选取模块200a选取频率分别为1/N至N/N的N个一维试探采样信号，其中N为所述道集数据中单体记录的数据道数量。
其中，该一维试探采样信号包括：一维正弦信号、一维余弦信号，但不限于此。单体记录是指道集数据的一个数据单位，比如共炮道集中含有多炮记录，某一单炮记录作为一个单体记录，共接收点道集中含有多个接收点记录，某一接收点记录作为一个单体记录，共cmp道集中含有多个cmp号下的数据，某一cmp号下的所有数据作为一个单体记录。而每个单体记录中又含有多个数据道，N为单体记录中含有的数据道的数量。
矩阵构建模块201根据选取的各一维试探采样信号与该道集数据中单体记录的数据道数量N构建N组完整采样矩阵以及非完整采样矩阵。
计算模块202根据每组完整采样矩阵以及非完整采样矩阵计算对应的分布评价值。
选择模块203选择最小的分布评价值作为分布评价因子。
具体地，分别利用频率为1/N至N/N的N个一维试探采样信号构建N组完整采样矩阵以及非完整采样矩阵，然后针对每组完整采样矩阵以及非完整采样矩阵计算一分布评价值，共得到N个分布评价值，选取N个分布评价值中的最小值，作为分布评价因子。
图8示出了图7中矩阵构建模块201的具体结构。如图8所示，该矩阵构建模块201包括：矩阵设立单元201a、第一元素设置单元201b、信号变换单元201c以及第二元素设置单元201d。
矩阵设立单元201a构建行数为T、列数为M的第一矩阵和第二矩阵；其中，M为小于N的2m中最大的一个，T＝N-M+1，m为整数。
即：M＝2m s.tM＜N≤2M。
第一元素设置单元201b将该一维试探采样信号中的第i个样点至第M+i-1个样点作为第一矩阵的第i行的元素，得到完整采样矩阵；其中，1≤i≤T，每个一维试探信号包含N个样点且采样间隔为1/M秒。
具体地，将该一维试探采样信号中的第1个样点至第M个样点的样点值作为第一矩阵的第1行的元素，将该一维试探采样信号中的第2个样点至第M+1个样点的样点值作为第一矩阵的第2行的元素，依此类推，该一维试探采样信号中的第T个样点至第M+T-1个样点(即第N个样点)的样点值作为第一矩阵的第T行的元素，由此得到完整采样矩阵。
信号变换单元201c将该一维试探采样信号中的第K个样点设置为0得到非完整试探信号；其中，1≤K≤N，且该单体记录中第K道为空道；
第二元素设置单元201c将该非完整试探信号的第i个样点至第M+i-1个样点作为第二矩阵的第i行的元素，得到非完整采样矩阵，即：
dij∈D
dij·δk∈D0
即：1≤i≤T,1≤j≤M，1≤k≤N
其中，空道代表缺失道，该道中没有数据，D表示完整采样矩阵，D0表示非完整采样矩阵，i表示行号，j表示列号，d表示矩阵中的元素。
图9示出了图7中计算模块202的具体结构。如图9所示，该计算模块202包括：傅里叶变换单元202a、振幅值查找单元202b、平方运算单元202c、第一标准向量构建单元202d、第二标准向量构建单元202e以及评价值计算单元202f。
傅里叶变换单元202a对该完整采样矩阵以及该非完整采样矩阵中每个行向量进行傅里叶变换得到对应的频率振幅谱。
即对矩阵中每一行的数据进行傅里叶变换，得到对应行的频率振幅谱。其中，完整采样矩阵对应T个频率振幅谱，非完整采样矩阵也对应T个频率振幅谱。
振幅值查找单元202b在每个频率振幅谱中查找该一维试探采样信号的频率对应的振幅值。
即：针对完整采样矩阵以及非完整采样矩阵中每一行数据，在其对应的频率振幅谱中查找一维试探采样信号的频率对应的振幅值，则得到2T个振幅值，完整采样矩阵对应T个，非完整采样矩阵对应T个。
平方运算单元202c对该振幅值进行平方运算得到多个标准值。
即：求取每个振幅值的平方值，得到2T个标准值。
第一标准向量构建单元202d利用该完整采样矩阵得到的多个标准值形成第一标准向量E；
第二标准向量构建单元202e利用该非完整采样矩阵得到的多个标准值形成第二标准向量E0；
评价值计算单元202f根据该第一标准向量E和第二标准向量E0计算分布评价值e。
其中，根据第一标准向量E和第二标准向量E0计算分布评价值e时采用如下公式：
其中，i表示行号。
综上所述，本发明实施例提供的地震数据重建的规则化域选取系统，通过对地震叠前道集数据进行道集抽取得到多种道集数据，然后计算各道集数据对应的分布评价因子，最后根据分布评价因子选择一种道集数据作为地震数据重建的规则化域，能够有效选择适宜的地震数据重建的规则化域，解决压缩感知规则化重建后的结果失真，甚至完全虚假或无法进行重建的问题。
图10为本发明实施例计算机设备的结构图。如图10所示，该计算机设备具体可以包括存储器7m、处理器6m、通信接口8m、数据总线9m及存储在存储器7m上并可在处理器6m上运行的计算机程序，处理器6m执行计算机程序时实现上述任一实施例所描述地震数据重建的规则化域选取方法的步骤。
本发明实施例提供的计算机设备，通过对地震叠前道集数据进行道集抽取得到多种道集数据，然后计算各道集数据对应的分布评价因子，最后根据分布评价因子选择一种道集数据作为地震数据重建的规则化域，能够有效选择适宜的地震数据重建的规则化域，解决压缩感知规则化重建后的结果失真，甚至完全虚假或无法进行重建的问题。
另一方面，本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述地震数据重建的规则化域选取方法的步骤。
综上所述，本发明实施例提供的计算机可读存储介质，通过对地震叠前道集数据进行道集抽取得到多种道集数据，然后计算各道集数据对应的分布评价因子，最后根据分布评价因子选择一种道集数据作为地震数据重建的规则化域，能够有效选择适宜的地震数据重建的规则化域，解决压缩感知规则化重建后的结果失真，甚至完全虚假或无法进行重建的问题。
本申请实施例所提供的方法实施例可以在移动终端、计算机终端、服务器或者类似的运算装置中执行。
虽然本申请提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的装置或客户端产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。
本说明书中的各个实施例采用递进的方式描述，各个实施例之间相同或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。本申请的全部或者部分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、移动通信终端、多处理器系统、基于微处理器的系统、可编程的电子设备、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。
所述服务器与所述APP之间可以使用任何合适的网络协议进行通信，包括在本申请提交日尚未开发出的网络协议。所述网络协议例如可以包括TCP/IP协议、UDP/IP协议、HTTP协议、HTTPS协议等。当然，所述网络协议例如还可以包括在上述协议之上使用的RPC协议(Remote Procedure Call Protocol，远程过程调用协议)、REST协议(RepresentationalState Transfer，表述性状态转移协议)等。
显然，本领域的技术人员应该明白，上述的本申请的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本申请不限制于任何特定的硬件和软件结合。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (10)
1.一种用于地震数据重建的规则化域选取方法，其特征在于，包括：
对地震叠前道集数据进行道集抽取得到多种道集数据；
计算各种道集数据对应的分布评价因子；
根据分布评价因子选择一种道集数据作为地震数据重建的规则化域；
其中，所述计算各种道集数据对应的分布评价因子，包括：
选取频率分别为1/N至N/N的N个一维试探采样信号，其中N为所述道集数据中单体记录的数据道数量；
根据选取的各一维试探采样信号与所述数据道数量N构建N组完整采样矩阵以及非完整采样矩阵；其中，所述一维试探采样信号包括：一维正弦信号、一维余弦信号；
根据每组所述完整采样矩阵以及非完整采样矩阵计算对应的分布评价值；
选择最小的分布评价值作为分布评价因子；
其中，所述根据选取的各一维试探采样信号与所述数据道数量N构建N组完整采样矩阵以及非完整采样矩阵，包括：
构建行数为T、列数为M的第一矩阵和第二矩阵；其中，M为小于N的2m中最大的一个，T＝N-M+1，m为整数；
将所述一维试探采样信号中的第i个样点至第M+i-1个样点作为第一矩阵的第i行的元素，得到完整采样矩阵；其中，1≤i≤T，每个所述一维试探采样信号包含N个样点且采样间隔为1/M秒；
将所述一维试探采样信号中的第K个样点设置为0得到非完整试探信号；其中，1≤K≤N，且所述单体记录中第K道为空道；
将所述非完整试探信号的第i个样点至第M+i-1个样点作为第二矩阵的第i行的元素，得到非完整采样矩阵；
其中，所述根据每组所述完整采样矩阵以及非完整采样矩阵计算对应的分布评价值，包括：
对所述完整采样矩阵以及所述非完整采样矩阵中每个行向量进行傅里叶变换得到对应的频率振幅谱；
在每个频率振幅谱中查找所述一维试探采样信号的频率对应的振幅值；
对所述振幅值进行平方运算得到多个标准值；
利用所述完整采样矩阵得到的多个标准值形成第一标准向量；
利用所述非完整采样矩阵得到的多个标准值形成第二标准向量；
根据所述第一标准向量和第二标准向量计算分布评价值。
2.根据权利要求1所述的用于地震数据重建的规则化域选取方法，其特征在于，所述多种道集数据包括：共炮道集、共接收点道集以及共cmp道集。
3.根据权利要求1所述用于地震数据重建的规则化域选取方法，其特征在于，所述根据分布评价因子选择一种道集数据作为地震数据重建的规则化域，包括：
选取分布评价因子最大的道集数据作为地震数据重建的规则化域。
4.根据权利要求1所述用于地震数据重建的规则化域选取方法，其特征在于，所述根据分布评价因子选择一种道集数据作为地震数据重建的规则化域，包括：
将多种道集数据的分布评价因子分别与第一预设阈值进行比较；
当存在分布评价因子大于或等于第一预设阈值的道集数据时，任选一个分布评价因子大于或等于第一预设阈值的道集数据作为地震数据重建的规则化域；
当所有道集数据的分布评价因子均小于第一预设阈值时，选取分布评价因子最大的道集数据作为地震数据重建的规则化域。
5.一种用于地震数据重建的规则化域选取系统，其特征在于，包括：
道集抽取装置，对地震叠前道集数据进行道集抽取得到多种道集数据；
计算装置，计算各种道集数据对应的分布评价因子；
选择装置，根据分布评价因子选择一种道集数据作为地震数据重建的规则化域；
其中，所述计算装置包括：
选取模块，选取频率分别为1/N至N/N的N个一维试探采样信号，其中N为所述道集数据中单体记录的数据道数量；
矩阵构建模块，根据选取的各一维试探采样信号与所述数据道数量N构建N组完整采样矩阵以及非完整采样矩阵；其中，所述一维试探采样信号包括：一维正弦信号、一维余弦信号；
计算模块，根据每组所述完整采样矩阵以及非完整采样矩阵计算对应的分布评价值；
选择模块，选择最小的分布评价值作为分布评价因子；
其中，所述矩阵构建模块包括：
矩阵设立单元，构建行数为T、列数为M的第一矩阵和第二矩阵；其中，为小于N的2m中最大的一个，T＝N-M+1，m为整数；
第一元素设置单元，将所述一维试探采样信号中的第i个样点至第M+i-1个样点作为第一矩阵的第i行的元素，得到完整采样矩阵；其中，1≤i≤T，每个所述一维试探采样信号包含N个样点且采样间隔为1/M秒；
信号变换单元，将所述一维试探采样信号中的第K个样点设置为0得到非完整试探信号；其中，1≤K≤N，且所述单体记录中第K道为空道；
第二元素设置单元，将所述非完整试探信号的第i个样点至第M+i-1个样点作为第二矩阵的第i行的元素，得到非完整采样矩阵；
其中，所述计算模块包括：
傅里叶变换单元，对所述完整采样矩阵以及所述非完整采样矩阵中每个行向量进行傅里叶变换得到对应的频率振幅谱；
振幅值查找单元，在每个频率振幅谱中查找所述一维试探采样信号的频率对应的振幅值；
平方运算单元，对所述振幅值进行平方运算得到多个标准值；
第一标准向量构建单元，利用所述完整采样矩阵得到的多个标准值形成第一标准向量；
第二标准向量构建单元，利用所述非完整采样矩阵得到的多个标准值形成第二标准向量；
评价值计算单元，根据所述第一标准向量和第二标准向量计算分布评价值。
6.根据权利要求5所述的用于地震数据重建的规则化域选取系统，其特征在于，所述多种道集数据包括：共炮道集、共接收点道集以及共cmp道集。
7.根据权利要求5所述用于地震数据重建的规则化域选取系统，其特征在于，所述选择装置包括：
第一规则化域选择模块，选取分布评价因子最大的道集数据作为地震数据重建的规则化域。
8.根据权利要求5所述用于地震数据重建的规则化域选取系统，其特征在于，所述选择装置包括：
比较模块，将多种道集数据的分布评价因子分别与第一预设阈值进行比较；
第二规则化域选择模块，当存在分布评价因子大于或等于第一预设阈值的道集数据时，任选一个分布评价因子大于或等于第一预设阈值的道集数据作为地震数据重建的规则化域；当所有道集数据的分布评价因子均小于第一预设阈值时，选取分布评价因子最大的道集数据作为地震数据重建的规则化域。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至4任一项所述用于地震数据重建的规则化域选取方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至4任一项所述用于地震数据重建的规则化域选取方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811552955.2A CN111337972B (zh) | 2018-12-19 | 2018-12-19 | 用于地震数据重建的规则化域选取方法、系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811552955.2A CN111337972B (zh) | 2018-12-19 | 2018-12-19 | 用于地震数据重建的规则化域选取方法、系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111337972A CN111337972A (zh) | 2020-06-26 |
| CN111337972B true CN111337972B (zh) | 2022-08-30 |
Family
ID=71183237
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811552955.2A Active CN111337972B (zh) | 2018-12-19 | 2018-12-19 | 用于地震数据重建的规则化域选取方法、系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111337972B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112859169A (zh) * | 2021-03-08 | 2021-05-28 | 中国石油天然气集团有限公司 | 一种高维叠前地震数据滤波方法及装置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104267432A (zh) * | 2014-10-16 | 2015-01-07 | 中国石油集团川庆钻探工程有限公司地球物理勘探公司 | 一种基于规则化的转换波共转换点道集高精度抽取方法 |
| CN104360393A (zh) * | 2014-10-20 | 2015-02-18 | 李闯 | 一种地震数据重建方法 |
| CN106199701A (zh) * | 2016-07-15 | 2016-12-07 | 中国石油天然气集团公司 | 不规则地震数据的重建方法及装置 |
| CN106371138A (zh) * | 2016-08-17 | 2017-02-01 | 中国石油天然气集团公司 | 地震数据重建方法和装置 |
| CN106646612A (zh) * | 2016-12-20 | 2017-05-10 | 中国地质大学（北京） | 基于矩阵降秩的地震数据重建方法 |
| CN106970419A (zh) * | 2017-04-10 | 2017-07-21 | 东华理工大学 | 一种基于线性Bregman算法的非均匀曲波三维地震数据重建方法 |
| CN107015274A (zh) * | 2017-04-12 | 2017-08-04 | 中国石油大学(华东) | 一种缺失地震勘探数据恢复重构方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080225642A1 (en) * | 2007-03-16 | 2008-09-18 | Ian Moore | Interpolation of Irregular Data |
| WO2010014118A1 (en) * | 2008-08-01 | 2010-02-04 | Ikelle Luc T | Statistical decoding and imaging of multishot and single-shot seismic data |
| SG11201405980RA (en) * | 2012-05-11 | 2014-11-27 | Exxonmobil Upstream Res Co | Redatuming seismic data with correct internal multiples |
| CN103105623B (zh) * | 2012-12-13 | 2013-08-21 | 东北石油大学 | 一种地震勘探中的数据波形处理方法 |
| US10871586B2 (en) * | 2017-05-17 | 2020-12-22 | Cgg Services Sas | Device and method for multi-shot wavefield reconstruction |
-
2018
- 2018-12-19 CN CN201811552955.2A patent/CN111337972B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104267432A (zh) * | 2014-10-16 | 2015-01-07 | 中国石油集团川庆钻探工程有限公司地球物理勘探公司 | 一种基于规则化的转换波共转换点道集高精度抽取方法 |
| CN104360393A (zh) * | 2014-10-20 | 2015-02-18 | 李闯 | 一种地震数据重建方法 |
| CN106199701A (zh) * | 2016-07-15 | 2016-12-07 | 中国石油天然气集团公司 | 不规则地震数据的重建方法及装置 |
| CN106371138A (zh) * | 2016-08-17 | 2017-02-01 | 中国石油天然气集团公司 | 地震数据重建方法和装置 |
| CN106646612A (zh) * | 2016-12-20 | 2017-05-10 | 中国地质大学（北京） | 基于矩阵降秩的地震数据重建方法 |
| CN106970419A (zh) * | 2017-04-10 | 2017-07-21 | 东华理工大学 | 一种基于线性Bregman算法的非均匀曲波三维地震数据重建方法 |
| CN107015274A (zh) * | 2017-04-12 | 2017-08-04 | 中国石油大学(华东) | 一种缺失地震勘探数据恢复重构方法 |
Non-Patent Citations (4)
| Title |
|---|
| Hybrid rank-sparsity constraint model for simultaneous reconstruction and denoising of 3D seismic data;Dong Zhang，等;《GEOPHYSICS》;20171031;第351-367页 * |
| 不规则地震道数据规则化重建方法研究;高建军，等;《地球物理学进展》;20110630;第983-991页 * |
| 基于各向异性Radon变换的叠前地震数据重建;王升超，等;《石油物探》;20161130;第808-815页 * |
| 基于非均匀曲波变换的高精度地震数据重建;张华，等;《地球物理学报》;20171130;第4480-4490页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111337972A (zh) | 2020-06-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104506378B (zh) | 一种预测数据流量的装置及方法 | |
| DK2745404T3 (en) | INTELLIGENT DATA COLLECTION AND DATA CONSTRUCTION | |
| JP7020494B2 (ja) | Ｓａｒ画像解析システム、画像処理装置、画像処理方法および画像処理プログラム | |
| CN113238227B (zh) | 一种结合深度学习的改进最小二乘相位解缠方法及系统 | |
| CN109582919A (zh) | 一种基于均匀线性阵列的空时参数估计方法 | |
| CN111337972B (zh) | 用于地震数据重建的规则化域选取方法、系统 | |
| CN112415574B (zh) | 一种地震数据的非规则优化采集方法、装置、设备及介质 | |
| Ji et al. | A method of data recovery based on compressive sensing in wireless structural health monitoring | |
| CN109213965A (zh) | 一种系统容量预测方法、计算机可读存储介质及终端设备 | |
| CN113311438A (zh) | 一种海洋声场中波导不变量参数估计方法、系统及应用 | |
| CN111123361B (zh) | 垂直地震剖面地震数据规则化重建方法及装置、存储介质 | |
| CN105931184B (zh) | 基于联合优化的sar图像超分辨率方法 | |
| CN112213782A (zh) | 分相位地震数据的处理方法、装置和服务器 | |
| CN113447918A (zh) | 感知信号处理方法及相关装置 | |
| CN111337973B (zh) | 地震数据重建方法、系统 | |
| CN112782758B (zh) | 稀疏采样观测系统的状态确定方法和装置 | |
| Ride et al. | A distributed architecture for storing and processing multi channel multi-sensor athlete performance data | |
| CN112083490B (zh) | 地震数据噪声衰减方法及装置 | |
| CN105974466B (zh) | 一种地震数据的逆时偏移处理方法及装置 | |
| US20230030573A1 (en) | Ergodic geophysical data acquisition design | |
| CN117706255B (zh) | 一种同轴电缆测试方法、装置以及系统 | |
| Fernandes et al. | Digital signature to help network management using principal component analysis and K-means clustering | |
| CN114442157A (zh) | 地震反射系数的确定方法和装置 | |
| US10854331B2 (en) | Processing a query using transformed raw data | |
| CN112230285B (zh) | 地震数据激发延迟时间的校正方法及校正装置 |
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 |