CN111624658A - 深度域成像模拟方法及系统 - Google Patents

深度域成像模拟方法及系统 Download PDF

Info

Publication number
CN111624658A
CN111624658A CN202010476294.0A CN202010476294A CN111624658A CN 111624658 A CN111624658 A CN 111624658A CN 202010476294 A CN202010476294 A CN 202010476294A CN 111624658 A CN111624658 A CN 111624658A
Authority
CN
China
Prior art keywords
point
model
imaging
disturbance
obtaining
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
CN202010476294.0A
Other languages
English (en)
Other versions
CN111624658B (zh
Inventor
张建磊
慕文韬
王成祥
岳玉波
钱忠平
张超阳
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 CN202010476294.0A priority Critical patent/CN111624658B/zh
Publication of CN111624658A publication Critical patent/CN111624658A/zh
Application granted granted Critical
Publication of CN111624658B publication Critical patent/CN111624658B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01V1/36—Effecting static or dynamic corrections on records, e.g. correcting spread; Correlating seismic signals; Eliminating effects of unwanted energy
    • 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
    • G01V1/282—Application of seismic models, synthetic seismograms
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

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

本发明提供一种深度域成像模拟方法及系统。该深度域成像模拟方法包括：将初始密度模型划分为窗口，在各个窗口中设置密度扰动点；根据密度扰动点影响下的初始密度模型确定扰动点密度模型；根据扰动点密度模型和初始密度模型得到点散射波场数据；对点散射波场数据进行偏移处理，得到点扩散函数；根据点扩散函数和反射率模型得到深度域模拟成像。本发明可以得到与实际偏移成像匹配且稳定连续的模拟成像。

Description

深度域成像模拟方法及系统
技术领域
本发明涉及地震数据成像技术领域，具体地，涉及一种深度域成像模拟方法及系统。
背景技术
地震反演中模拟偏移成像的传统方法是在时间域进行一维卷积，这种方法基于水平层状假设和时间偏移数据的近似，没有考虑3D复杂介质对地震波传播的影响。在复杂介质中，由于偏移算法、地质模型和非规则采集的影响，使得整个波形传播过程不是完美可逆的，因此这种方法很难获得满意的反演结果。随着油气勘探向深层复杂地质结构延伸，常规地震偏移反演方法面临诸多挑战，例如，保幅成像、盐丘底部成像等。针对这些问题，新方法不断应运而生，如最小二乘偏移和全波形反演。
目前的最小二乘反演主要是在数据域来进行的，迭代的过程如下：将观测数据进行偏移得到反射率成像，再对反射率成像进行反偏移得到模拟数据，将模拟数据减去观测数据再对残差进行偏移用来更新反射率模型，这就构成了一次迭代。通常要经过15次左右的迭代才能得到一个可接受的解。因为每次迭代需要两次偏移(偏移和反偏移)，这在实际生产中会产生昂贵的费用。不同于直接在数据域用最小二乘迭代来求解，许多作者试图寻找一个标准的滤波器/加权函数对偏移成像进行处理来补偿不规则照明和采集的影响，例如：1、图像域最小二乘逆时偏移最早起源于哈勃望远镜的反褶积算子，可以在叠后偏移中引入反褶积算子，通过逼近地球物理勘探中的Hessian算子进行反演来提高空间分辨率，减少伪影；2、对Hessian矩阵的对角元素进行近似来计算照明补偿，该方法根据初始参考模型与偏移合成数据的比值来估计光照；3、逆Hessian函数可以用一组非平稳滤波器来近似，通过匹配真实数据的偏移成像和反偏移成像来近似；4、通过滤波和尺度偏移输出构造一个近似的声学线性反演系统等。虽然上述这些方法降低了计算成本，但在光照不足的情况下仍然存在不稳定的问题，并且很难设计一个合适的正则化方案。
发明内容
本发明实施例的主要目的在于提供一种度域成像模拟方法及系统，以得到与实际偏移成像匹配且稳定连续的模拟成像。
为了实现上述目的，本发明实施例提供一种深度域成像模拟方法，包括：
将初始密度模型划分为窗口，在各个窗口中设置密度扰动点；
根据密度扰动点影响下的初始密度模型确定扰动点密度模型；
根据扰动点密度模型和初始密度模型得到点散射波场数据；
对点散射波场数据进行偏移处理，得到点扩散函数；
根据点扩散函数和反射率模型得到深度域模拟成像。
本发明实施例还提供一种深度域成像模拟系统，包括：
密度扰动点设置单元，用于将初始密度模型划分为窗口，在各个窗口中设置密度扰动点；
扰动点密度模型单元，用于根据密度扰动点影响下的初始密度模型确定扰动点密度模型；
点散射波场数据单元，用于根据扰动点密度模型和初始密度模型得到点散射波场数据；
偏移单元，用于对点散射波场数据进行偏移处理，得到点扩散函数；
深度域模拟成像单元，用于根据点扩散函数和反射率模型得到深度域模拟成像。
本发明实施例还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所述的深度域成像模拟方法的步骤。
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所述的深度域成像模拟方法的步骤。
本发明实施例的深度域成像模拟方法及系统先将初始密度模型的各个窗口中设置密度扰动点，再根据密度扰动点影响下的初始密度模型确定扰动点密度模型，然后根据扰动点密度模型和初始密度模型确定点扩散函数并根据点扩散函数和反射率模型得到深度域模拟成像，可以得到与实际偏移成像匹配且稳定连续的模拟成像。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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发明的一些实施例，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。
图1是本发明实施例中深度域成像模拟方法的流程图；
图2是本发明实施例中速度模型的示意图；
图3是本发明实施例中扰动点密度模型及其局部放大示意图；
图4是本发明实施例中第一地震数据的单炮示意图；
图5是本发明实施例中第二地震数据的单炮示意图；
图6是本发明实施例中点散射波场数据的单炮示意图；
图7是本发明实施例中点扩散函数的示意图；
图8是实际偏移成像的示意图；
图9是本发明实施例中深度域模拟成像的示意图；
图10是本发明实施例中深度域成像模拟系统的结构框图；
图11是本发明实施例中计算机设备的结构框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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。
本领域技术人员知道，本发明的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此，本公开可以具体实现为以下形式，即：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式。
鉴于现有技术存在不稳定的问题，本发明实施例提供一种深度域成像模拟方法，以得到与实际偏移成像匹配且稳定连续的模拟成像。以下结合附图对本发明进行详细说明。
图1是本发明实施例中深度域成像模拟方法的流程图。如图1所示，深度域成像模拟方法包括：
S101：将初始密度模型划分为窗口，在各个窗口中设置密度扰动点。
具体实施时，可以根据样本的几何形状、介质速度和成像频率等因素将初始密度模型划分为等大小的窗口，在每个窗口中心点的位置设置密度扰动点，使得密度扰动点具有相同的散射势。每个密度扰动点的密度扰动为δρ＝ρ-ρ0，ρ为设置密度扰动点后的密度，ρ0为初始密度模型的密度。
S102：根据密度扰动点影响下的初始密度模型确定扰动点密度模型。
S103：根据扰动点密度模型和初始密度模型得到点散射波场数据。
一实施例中，S103包括：
1、根据预设的速度模型和扰动点密度模型得到第一地震数据，根据速度模型和所述初始密度模型得到第二地震数据。
具体实施时，得到第一地震数据包括：根据速度模型和扰动点密度模型进行有限差分正演，得到第一单散射波场数据；根据第一单散射波场数据得到第一地震数据。其中，第一地震数据包括各个密度扰动点产生的点散射波场数据。
得到第二地震数据包括：根据速度模型和初始密度模型进行有限差分正演，得到第二单散射波场数据；根据第二单散射波场数据得到第二地震数据。其中，第二地震数据不包括各个密度扰动点产生的点散射波场数据。
其中，速度模型可以采用seam速度模型。图2是本发明实施例中速度模型的示意图。图3是本发明实施例中扰动点密度模型及其局部放大示意图。图4是本发明实施例中第一地震数据的单炮示意图。图5是本发明实施例中第二地震数据的单炮示意图。图2-图3中的横坐标代表位置网格点，单位为个。纵坐标代表深度网格点，单位为个。图4-图5中的横坐标为检波点编号，单位为个。纵坐标为采集时间，单位为秒；图2中的速度模型包括1501×3501个网格点，本发明实施例中设置每个网格点的间距是10米，深度和位置坐标为网格点数量与间距的积。
2、根据第一地震数据和第二地震数据得到点散射波场数据。
具体实施时，将第一地震数据和第二地震数据相减即可得到点散射波场数据。图6是本发明实施例中点散射波场数据的单炮示意图。如图6所示，图6中的横坐标为检波点编号，单位为个。纵坐标为采集时间，单位为秒。
S104：对点散射波场数据进行偏移处理，得到点扩散函数。
点扩散函数是一个单位各向同性散射点的成像响应，速度扰动产生的散射势为各向同性散射势。然而，在有限差分正演中由速度插值产生的扰动会影响波场的相位特征，而密度扰动产生的散射势与相位无关。因此本发明在计算点扩散函数时采用密度扰动而不是速度扰动。虽然会在散射体之间(峰值与峰值或峰值与背景模型之间)产生一些噪声，但这些噪声属于二阶效应，偏移后呈现出非相干性，且相对较弱。本发明通过点扩散函数来捕捉成像中照明、带宽、及非规则采集等影响以避免花费大量资源设计一个合适的照明矩阵/加权函数，与最小二乘技术相比，本发明采用点扩散函数得到深度域模拟成像无需振幅偏移，也无需反复进行偏移和反偏移迭代，其结果会更可靠，计算效率亦可得到提高。
其中，可以通过高斯束偏移得到点扩散函数，在进行偏移处理时要确保偏移算子和实际偏移成像的偏移算子相同。图7是本发明实施例中点扩散函数的示意图。如图7所示，图7中的横坐标为位置网格点，单位为个。纵坐标为深度网格点，单位为个，横坐标和纵坐标的网格间距均为10米。
具体实施时，可以通过如下公式得到点扩散函数：
fpsf＝ATdsc＝ATBmsc；
其中，fpsf为点扩散函数，AT为偏移算子，dsc为点散射波场数据，B为单位散射点的正演算子，msc为单位散射点模型。偏移算子AT不一定是正演算子B的伴随矩阵，但是正演算子B需要尽可能的接近地震波的真实传播过程。单个散射点的响应是以该散射点为中心的以ATB为算子的体积分布。
S105：根据点扩散函数和反射率模型得到深度域模拟成像。
一实施例中，S105包括：对点扩散函数进行空间插值，得到经过空间插值的点扩散函数；根据经过空间插值的点扩散函数和反射率模型进行空间褶积，得到深度域模拟成像。
具体实施时，可以通过边插值边进行空间褶积的方法来避免对大量的点扩散函数的存储，通过如下公式得到深度域模拟成像：
Figure BDA0002515982890000051
其中，
Figure BDA0002515982890000052
位于空间坐标x的深度域模拟成像，fpsf(x,x')为位于空间坐标x的观测点x'的点扩散函数(经过空间插值的点扩散函数)，
Figure BDA0002515982890000053
为位于x的观测点x'的反射率，x是单位散射点的空间坐标向量。本发明可以通过更新反射率模型使深度域模拟成像与实际偏移成像的不同最小化，无需在每次迭代中进行两次偏移即可得到反射率模型的反演结果。
图8是实际偏移成像的示意图。图9是本发明实施例中深度域模拟成像的示意图。图8-图9中的横坐标为位置网格点，单位为个。纵坐标为深度网格点，单位为个，横坐标和纵坐标的网格间距均为10米。对比图8和图9可以看出，本发明实施例的深度域模拟成像的具有很高的连续性且与实际偏移成像在振幅和相位上匹配。
图1所示的深度域成像模拟方法的执行主体可以为计算机。由图1所示的流程可知，本发明实施例的深度域成像模拟方法先将初始密度模型的各个窗口中设置密度扰动点，再根据密度扰动点影响下的初始密度模型确定扰动点密度模型，然后根据扰动点密度模型和初始密度模型确定点扩散函数并根据点扩散函数和反射率模型得到深度域模拟成像，可以得到与实际偏移成像匹配且稳定连续的模拟成像。
具体实施时，可以通过如下方式得到单散射波场数据的表达式：
有限差分正演是一个多重散射算子，在一阶波恩近似的情况下，通过两次正演数据的差来模拟单个散射点的波场。无源时的压强(波场)p满足以下方程：
Figure BDA0002515982890000061
σ(x)＝σ0(x)+σ'(x)；
k(x)＝k0(x)+k'(x)；
p(x,t)＝p0(x,t)+p'(x,t)；
其中，σ0(x)为位于空间坐标x的初始比容，σ'(x)为位于空间坐标x的比容扰动量，k0(x)为位于空间坐标x的初始压缩率，k'(x)为位于空间坐标x的压缩率扰动量，p0(x,t)为t时刻位于空间坐标x的初始介质的入射波场，p'(x,t)为t时刻位于空间坐标x的单散射波场。根据上述公式可以得到：
Figure BDA0002515982890000062
令
Figure BDA0002515982890000063
为t时刻位于s的震源在散射点x的格林函数(震源到散射点的格林函数)，
Figure BDA0002515982890000064
为t时刻散射点x到检波点r的格林函数(散射点到检波器的格林函数)可以得到如下单散射波场的积分表达式：
Figure BDA0002515982890000065
其中，D是包括σ'(x)和k'(x)的体积，*t为时间卷积。为了得到单散射波场的最奇异项，考虑格林函数及其梯度的最奇异部分，可以得到：
Figure BDA0002515982890000066
其中，
Figure BDA0002515982890000067
为位于s的震源在散射点x的相位方程，
Figure BDA0002515982890000068
为散射点x在检波点r的相位方程，
Figure BDA0002515982890000069
为位于s的震源在散射点x的振幅，
Figure BDA00025159828900000610
为散射点x在检波点r的振幅。
Figure BDA00025159828900000611
和
Figure BDA00025159828900000612
在初始速度为
Figure BDA00025159828900000613
时满足如下方程：
Figure BDA00025159828900000614
Figure BDA0002515982890000071
Figure BDA0002515982890000072
和
Figure BDA0002515982890000073
满足如下方程：
Figure BDA0002515982890000074
Figure BDA0002515982890000075
其中，c0(x)为位于空间坐标x的初始速度。速度模型为全部空间坐标x的初始速度。
由上式可以得到内积
Figure BDA0002515982890000076
其中，θ＝θ(x,s,t)，θ(x,s,t)为t时刻x处连接s和r之间的夹角。
Figure BDA0002515982890000077
可以写成如下形式：
Figure BDA0002515982890000078
将其带入单散射波场的表达式最终可以得到：
Figure BDA0002515982890000079
由上式可以看出，单散射波场和f(x,θ)有线性关系，f(x,θ)是积分中唯一依赖扰动参数的方程，因此将f(x,θ)称为散射势。
当f(x,θ)为扰动点密度模型时，
Figure BDA00025159828900000710
p'(x,t)为第一单散射波场数据与第二单散射波场数据的差值，即仅由密度扰动产生的单散射波场数据。
本发明实施例的具体流程如下：
1、将初始密度模型划分为窗口，在各个窗口中设置密度扰动点。
2、根据密度扰动点影响下的初始密度模型确定扰动点密度模型。
3、根据速度模型和扰动点密度模型进行有限差分正演，得到第一单散射波场数据；根据第一单散射波场数据得到第一地震数据。
4、根据速度模型和初始密度模型进行有限差分正演，得到第二单散射波场数据；根据第二单散射波场数据得到第二地震数据。
5、根据第一地震数据和第二地震数据得到点散射波场数据。
6、对点散射波场数据进行偏移处理，得到点扩散函数。
7、根据点扩散函数和反射率模型得到深度域模拟成像。
综上，本发明实施例的深度域成像模拟方法先将初始密度模型的各个窗口中设置密度扰动点，再根据密度扰动点影响下的初始密度模型确定扰动点密度模型，然后根据扰动点密度模型和初始密度模型确定点扩散函数并根据点扩散函数和反射率模型得到深度域模拟成像，可以得到与实际偏移成像匹配且稳定连续的模拟成像。
基于同一发明构思，本发明实施例还提供了一种深度域成像模拟系统，由于该系统解决问题的原理与深度域成像模拟方法相似，因此该系统的实施可以参见方法的实施，重复之处不再赘述。
图10是本发明实施例中深度域成像模拟系统的结构框图。如图10所示，深度域成像模拟系统包括：
密度扰动点设置单元，用于将初始密度模型划分为窗口，在各个窗口中设置密度扰动点；
扰动点密度模型单元，用于根据密度扰动点影响下的初始密度模型确定扰动点密度模型；
点散射波场数据单元，用于根据扰动点密度模型和初始密度模型得到点散射波场数据；
偏移单元，用于对点散射波场数据进行偏移处理，得到点扩散函数；
深度域模拟成像单元，用于根据点扩散函数和反射率模型得到深度域模拟成像。
在其中一种实施例中，点散射波场数据单元具体用于：
根据预设的速度模型和扰动点密度模型得到第一地震数据，根据速度模型和初始密度模型得到第二地震数据；
根据第一地震数据和第二地震数据得到点散射波场数据。
在其中一种实施例中，深度域模拟成像单元具体用于：
对点扩散函数进行空间插值，得到经过空间插值的点扩散函数；
根据经过空间插值的点扩散函数和反射率模型进行空间褶积，得到深度域模拟成像。
综上，本发明实施例的深度域成像模拟系统先将初始密度模型的各个窗口中设置密度扰动点，再根据密度扰动点影响下的初始密度模型确定扰动点密度模型，然后根据扰动点密度模型和初始密度模型确定点扩散函数并根据点扩散函数和反射率模型得到深度域模拟成像，可以得到与实际偏移成像匹配且稳定连续的模拟成像。
本发明实施例还提供能够实现上述实施例中的深度域成像模拟方法中全部步骤的一种计算机设备的具体实施方式。图11是本发明实施例中计算机设备的结构框图，参见图11，所述计算机设备具体包括如下内容：
处理器(processor)1101和存储器(memory)1102。
所述处理器1101用于调用所述存储器1102中的计算机程序，所述处理器执行所述计算机程序时实现上述实施例中的深度域成像模拟方法中的全部步骤，例如，所述处理器执行所述计算机程序时实现下述步骤：
将初始密度模型划分为窗口，在各个窗口中设置密度扰动点；
根据密度扰动点影响下的初始密度模型确定扰动点密度模型；
根据扰动点密度模型和初始密度模型得到点散射波场数据；
对点散射波场数据进行偏移处理，得到点扩散函数；
根据点扩散函数和反射率模型得到深度域模拟成像。
综上，本发明实施例的计算机设备先将初始密度模型的各个窗口中设置密度扰动点，再根据密度扰动点影响下的初始密度模型确定扰动点密度模型，然后根据扰动点密度模型和初始密度模型确定点扩散函数并根据点扩散函数和反射率模型得到深度域模拟成像，可以得到与实际偏移成像匹配且稳定连续的模拟成像。
本发明实施例还提供能够实现上述实施例中的深度域成像模拟方法中全部步骤的一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中的深度域成像模拟方法的全部步骤，例如，所述处理器执行所述计算机程序时实现下述步骤：
将初始密度模型划分为窗口，在各个窗口中设置密度扰动点；
根据密度扰动点影响下的初始密度模型确定扰动点密度模型；
根据扰动点密度模型和初始密度模型得到点散射波场数据；
对点散射波场数据进行偏移处理，得到点扩散函数；
根据点扩散函数和反射率模型得到深度域模拟成像。
综上，本发明实施例的计算机可读存储介质先将初始密度模型的各个窗口中设置密度扰动点，再根据密度扰动点影响下的初始密度模型确定扰动点密度模型，然后根据扰动点密度模型和初始密度模型确定点扩散函数并根据点扩散函数和反射率模型得到深度域模拟成像，可以得到与实际偏移成像匹配且稳定连续的模拟成像。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
本领域技术人员还可以了解到本发明实施例列出的各种说明性逻辑块(illustrative logical block)，单元，和步骤可以通过电子硬件、电脑软件，或两者的结合进行实现。为清楚展示硬件和软件的可替换性(interchangeability)，上述的各种说明性部件(illustrative components)，单元和步骤已经通用地描述了它们的功能。这样的功能是通过硬件还是软件来实现取决于特定的应用和整个系统的设计要求。本领域技术人员可以对于每种特定的应用，可以使用各种方法实现所述的功能，但这种实现不应被理解为超出本发明实施例保护的范围。
本发明实施例中所描述的各种说明性的逻辑块，或单元，或装置都可以通过通用处理器，数字信号处理器，专用集成电路(ASIC)，现场可编程门阵列或其它可编程逻辑装置，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。
本发明实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件模块、或者这两者的结合。软件模块可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中，ASIC可以设置于用户终端中。可选地，处理器和存储媒介也可以设置于用户终端中的不同的部件中。
在一个或多个示例性的设计中，本发明实施例所描述的上述功能可以在硬件、软件、固件或这三者的任意组合来实现。如果在软件中实现，这些功能可以存储与电脑可读的媒介上，或以一个或多个指令或代码形式传输于电脑可读的媒介上。电脑可读媒介包括电脑存储媒介和便于使得让电脑程序从一个地方转移到其它地方的通信媒介。存储媒介可以是任何通用或特殊电脑可以接入访问的可用媒体。例如，这样的电脑可读媒体可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁性存储装置，或其它任何可以用于承载或存储以指令或数据结构和其它可被通用或特殊电脑、或通用或特殊处理器读取形式的程序代码的媒介。此外，任何连接都可以被适当地定义为电脑可读媒介，例如，如果软件是从一个网站站点、服务器或其它远程资源通过一个同轴电缆、光纤电缆、双绞线、数字用户线(DSL)或以例如红外、无线和微波等无线方式传输的也被包含在所定义的电脑可读媒介中。所述的碟片(disk)和磁盘(disc)包括压缩磁盘、镭射盘、光盘、DVD、软盘和蓝光光盘，磁盘通常以磁性复制数据，而碟片通常以激光进行光学复制数据。上述的组合也可以包含在电脑可读媒介中。

Claims (10)

1.一种深度域成像模拟方法，其特征在于，包括：
将初始密度模型划分为窗口，在各个窗口中设置密度扰动点；
根据所述密度扰动点影响下的初始密度模型确定扰动点密度模型；
根据所述扰动点密度模型和所述初始密度模型得到点散射波场数据；
对所述点散射波场数据进行偏移处理，得到点扩散函数；
根据所述点扩散函数和反射率模型得到深度域模拟成像。
2.根据权利要求1所述的深度域成像模拟方法，其特征在于，根据所述扰动点密度模型和所述初始密度模型得到点散射波场数据包括：
根据预设的速度模型和所述扰动点密度模型得到第一地震数据，根据所述速度模型和所述初始密度模型得到第二地震数据；
根据所述第一地震数据和所述第二地震数据得到点散射波场数据。
3.根据权利要求1所述的深度域成像模拟方法，其特征在于，根据所述点扩散函数和反射率模型得到深度域模拟成像包括：
对所述点扩散函数进行空间插值，得到经过空间插值的点扩散函数；
根据所述经过空间插值的点扩散函数和所述反射率模型进行空间褶积，得到深度域模拟成像。
4.根据权利要求2所述的深度域成像模拟方法，其特征在于，根据预设的速度模型和所述扰动点密度模型得到第一地震数据包括：
根据所述速度模型和所述扰动点密度模型得到第一单散射波场数据；
根据所述第一单散射波场数据得到第一地震数据。
5.根据权利要求2所述的深度域成像模拟方法，其特征在于，根据所述速度模型和所述初始密度模型得到第二地震数据包括：
根据所述速度模型和所述初始密度模型得到第二单散射波场数据；
根据第二单散射波场数据得到第二地震数据。
6.一种深度域成像模拟系统，其特征在于，包括：
密度扰动点设置单元，用于将初始密度模型划分为窗口，在各个窗口中设置密度扰动点；
扰动点密度模型单元，用于根据所述密度扰动点影响下的初始密度模型确定扰动点密度模型；
点散射波场数据单元，用于根据所述扰动点密度模型和所述初始密度模型得到点散射波场数据；
偏移单元，用于对所述点散射波场数据进行偏移处理，得到点扩散函数；
深度域模拟成像单元，用于根据所述点扩散函数和反射率模型得到深度域模拟成像。
7.根据权利要求6所述的深度域成像模拟系统，其特征在于，所述点散射波场数据单元具体用于：
根据预设的速度模型和所述扰动点密度模型得到第一地震数据，根据所述速度模型和所述初始密度模型得到第二地震数据；
根据所述第一地震数据和所述第二地震数据得到点散射波场数据。
8.根据权利要求6所述的深度域成像模拟系统，其特征在于，所述深度域模拟成像单元具体用于：
对所述点扩散函数进行空间插值，得到经过空间插值的点扩散函数；
根据所述经过空间插值的点扩散函数和所述反射率模型进行空间褶积，得到深度域模拟成像。
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5任一项所述的深度域成像模拟方法的步骤。
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5任一项所述的深度域成像模拟方法的步骤。
CN202010476294.0A 2020-05-29 2020-05-29 深度域成像模拟方法及系统 Active CN111624658B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010476294.0A CN111624658B (zh) 2020-05-29 2020-05-29 深度域成像模拟方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010476294.0A CN111624658B (zh) 2020-05-29 2020-05-29 深度域成像模拟方法及系统

Publications (2)

Publication Number Publication Date
CN111624658A true CN111624658A (zh) 2020-09-04
CN111624658B CN111624658B (zh) 2023-06-30

Family

ID=72271175

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010476294.0A Active CN111624658B (zh) 2020-05-29 2020-05-29 深度域成像模拟方法及系统

Country Status (1)

Country Link
CN (1) CN111624658B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112485826A (zh) * 2020-11-12 2021-03-12 中国地质大学（武汉） 绝对波阻抗反演成像方法、装置、设备及存储介质
CN113466932A (zh) * 2021-06-11 2021-10-01 中国海洋大学 地震资料成像域最小二乘逆时偏移成像方法
CN113466934A (zh) * 2021-06-17 2021-10-01 中国地质大学（武汉） 基于点扩散函数的Hessian矩阵的计算与存储方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013144847A1 (en) * 2012-03-27 2013-10-03 Westerngeco Llc Interferometry-based data redatuming and/or depth imaging
CN106875436A (zh) * 2016-12-14 2017-06-20 北京信息科技大学 一种基于特征点密度由聚焦堆栈估计深度的方法和装置
WO2017105954A1 (en) * 2015-12-18 2017-06-22 Exxonmobil Upstream Research Company A method to design geophysical surveys using full wavefield inversion point-spread function analysis
US20170192118A1 (en) * 2016-01-05 2017-07-06 Schlumerger Technology Corporation Amplitude Inversion on Partitioned Depth Image Gathers Using Point Spread Functions
CN108845355A (zh) * 2018-09-26 2018-11-20 中国矿业大学(北京) 地震偏移成像方法及装置
CN110161563A (zh) * 2019-06-12 2019-08-23 中国石油大学(华东) 一种深度域地震流体分析方法、装置、系统及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013144847A1 (en) * 2012-03-27 2013-10-03 Westerngeco Llc Interferometry-based data redatuming and/or depth imaging
WO2017105954A1 (en) * 2015-12-18 2017-06-22 Exxonmobil Upstream Research Company A method to design geophysical surveys using full wavefield inversion point-spread function analysis
US20170192118A1 (en) * 2016-01-05 2017-07-06 Schlumerger Technology Corporation Amplitude Inversion on Partitioned Depth Image Gathers Using Point Spread Functions
CN106875436A (zh) * 2016-12-14 2017-06-20 北京信息科技大学 一种基于特征点密度由聚焦堆栈估计深度的方法和装置
CN108845355A (zh) * 2018-09-26 2018-11-20 中国矿业大学(北京) 地震偏移成像方法及装置
CN110161563A (zh) * 2019-06-12 2019-08-23 中国石油大学(华东) 一种深度域地震流体分析方法、装置、系统及存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
ROBIN P. FLETCHER 等: "Least-squares migration — Data domain versus image domain using point spread functions", 《THE LEADING EDGE 》 *
段伟国 等: "三维深度域模拟成像研究", 《中国地球科学联合学术年会 2019》 *
沈鸿雁 等: "基于点散射地震 －地质模型的地震散射波成像", 《桂林理工大学学报》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112485826A (zh) * 2020-11-12 2021-03-12 中国地质大学（武汉） 绝对波阻抗反演成像方法、装置、设备及存储介质
CN112485826B (zh) * 2020-11-12 2022-04-26 中国地质大学（武汉） 绝对波阻抗反演成像方法、装置、设备及存储介质
CN113466932A (zh) * 2021-06-11 2021-10-01 中国海洋大学 地震资料成像域最小二乘逆时偏移成像方法
CN113466934A (zh) * 2021-06-17 2021-10-01 中国地质大学（武汉） 基于点扩散函数的Hessian矩阵的计算与存储方法

Also Published As

Publication number Publication date
CN111624658B (zh) 2023-06-30

Similar Documents

Publication Publication Date Title
CN111624658B (zh) 深度域成像模拟方法及系统
RU2573174C2 (ru) Снижение артефактов при итерационной инверсии геофизических данных
CN111596366B (zh) 一种基于地震信号优化处理的波阻抗反演方法
US10877175B2 (en) Seismic acquisition geometry full-waveform inversion
CA2972033C (en) Multistage full wavefield inversion process that generates a multiple free data set
EA032186B1 (ru) Сейсмическая адаптивная фокусировка
CN107798156B (zh) 一种频率域2.5维粘弹性波数值模拟方法及装置
CN110187382B (zh) 一种回折波和反射波波动方程旅行时反演方法
EA037479B1 (ru) Освещенность ныряющей волны с применением сейсмограмм миграции
RU2570827C2 (ru) Гибридный способ для полноволновой инверсии с использованием способа одновременных и последовательных источников
WO2016176235A1 (en) Time lapse seismic data processing
CN104730572B (zh) 一种基于l0半范数的绕射波成像方法及装置
US11143769B2 (en) Seismic modeling system providing seismic survey data spatial domain exemplar inpainting and related methods
CN118151247A (zh) 基于自监督框架下的地震成像道集去噪方法和装置
AU739128B2 (en) A method of seismic processing, and in particular a 3D seismic prospection method implementing seismic data migration
CN114740528A (zh) 一种超微分拉普拉斯块约束的叠前多波联合反演方法
Lecomte Hybrid modeling with ray tracing and finite difference
Duan et al. Iterative Reweighted Least-Squares Gaussian Beam Migration and Velocity Inversion in the Image Domain Based on Point Spread Functions
CN116882214B (zh) 基于dfl粘弹性方程的瑞雷波数值模拟方法及系统
Liu et al. Enhancing the resolution of three‐dimensional migration images based on space‐variant point spread function deconvolution
CN118818605A (zh) 基于克罗内克乘积的改进型最小二乘逆时偏移方法
Farias et al. Multiparameter vector‐acoustic least‐squares reverse time migration
CN118655625A (zh) 一种基于自适应程函方程求解的逆时偏移成像方法
Wang et al. Bayesian reverse time migration with quantified uncertainty
CN118534532A (zh) 地震勘探弹性发射波形反演建模方法、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