CN111722286B - 随机函数中值滤波技术方法 - Google Patents

Abstract

本发明公开了随机函数中值滤波技术方法，包括：对地震记录中要去除的线性干扰进行干扰波拉平；对拉平后的数据利用随机函数进行重新排序，并记录下排序前后地震道的相对关系；对排序后的地震记录进行中值滤波处理；对排序并进行中值滤波处理后的地震道进行反随机排序，恢复其原始的地震道顺序；对反随机排序后的数据进行反干扰波拉平，得到去除线性干扰后的地震记录。本发明方法可实现线性干扰的压制，可以提高分布式光纤传感技术在VSP采集中的应用，提高资料信噪比，满足高精度VSPCDP成像，为井旁精细构造解释提供参考依据。

Description

随机函数中值滤波技术方法

技术领域

本发明涉及油田开发技术领域，特别是涉及一种随机函数中值滤波技术方法。

背景技术

线性干扰是地震资料采集中普遍存在的一种规律干扰波，影响地震资料叠加成像，降低资料信噪比。它通常是由地表的干扰源发出干扰，由地震检波器信号接收而形成。另外，当地震波经过地表障碍物的时候，形成新的二次源，产生干扰，被地震检波器接收从而形成干扰波。

干扰波在不同的空间域会表现出不同的形式，但干扰波总能在其中的一个域以线性干扰的形式存在，方便预测及压制。线性干扰具有固定的视速度，能量衰减不大，其频率特征也较固定，因此常用的线性干扰去除方法有FK滤波、τ-р域滤波、中值滤波等。

随着光纤技术的发展，分布式光纤声波传感技术被应用到VSP资料采集中，大大提高了采集效率，降低采集成本。但是，利用分布式光纤传感技术进行VSP资料采集时，当井源距较小时，地震波能量传递到铠装光缆，沿着光缆传播，形成能量较强的线性干扰，我们称之为缆波，严重干扰资料信噪比。

并且由于缆波能量强，视速度与部分有效波视速度相当，常规的FK滤波、τ-р域滤波、以及种植滤波压制缆波效果不理想。主要表现在当FK滤波、τ-р域滤波采用的视速度跨度较小时，其缆波能量不能有效压制，当视速度跨度加大时，对有效信号的损伤较大。中值滤波存在类似的问题，其跨度较小时，对有效信号损伤较大，当跨度较大时，对缆波的压制效果不理想。

分布式光纤传感技术采集到的缆波干扰是线性干扰的一种。实现线性干扰的压制，可以提高分布式光纤传感技术在VSP采集中的应用，提高资料信噪比，满足高精度VSPCDP成像，为井旁精细构造解释提供参考依据。

发明内容

本发明的目的在于，针对现有技术的不足，提供随机函数中值滤波技术方法。

本发明采用的技术方案如下。

随机函数中值滤波技术方法，其特征在于，包括下列步骤：

步骤1：对地震记录中要去除的线性干扰进行干扰波拉平。

步骤2：对拉平后的数据利用随机函数进行重新排序，并记录下排序前后地震道的相对关系；

步骤3：对排序后的地震记录进行中值滤波处理；

步骤4：按照步骤2的对应关系，对排序并进行中值滤波处理后的地震道进行反随机排序，恢复其原始的地震道顺序；

步骤5：对反随机排序后的数据进行反干扰波拉平，得到去除线性干扰后的地震记录。

作为优选技术方案，步骤2中的随机函数采用的是线性余同法。

作为优选技术方案，随机函数采用的公式如下：

x_n＝(ax_n-1+b)mod m

r_n＝x_n/m

tr_n＝x_n modΔtr+tr₀；

其中当n＝1时的X₀被称为随机数种子，mod为求模运算符号，rn是(0，1)区间的随机数，tr_n是(tr₀，Δtr)区间的随机数；随机数种子是在计算时随机给出的，a，b，m决定随机数质量(即伪随机数序列X_n周期)的参数。

作为优选技术方案，在选取参数时，a＝4p+1，b＝2q+1，其中p，q为正整数。

作为优选技术方案，m的取值范围不小于目标随机数最大值。

作为优选技术方案，a，m互质。

作为优选技术方案，步骤3中，所述中值滤波采用的方法是：

假设有一数据序列X_i，(i＝1，2，…，m)；如果中值滤波的时窗长度为n，则对数据序列的第j点的中值滤波过程是：

取以第j点为中心的n个样点值作为输入；

对这n个样按数值大小进行顺序重排；

取重排后n个数据中心位置的样值作为该点的滤波输出。

作为优选技术方案，中值滤波采用的公式如下：

是以第j点为中心的n个样点值的数据序列；其中，X的下标是按顺序输入的，X值的大小是随机的；

是对上述n个样点值按数值大小进行顺序重排后的数据序列；

X_j+1是重排后n个数据中心位置的样值。

作为优选技术方案，时窗长度n为奇数。

本发明利用中值滤波可以使阶梯函数通过，但不移动阶梯函数的位置的优点，研究随机函数中值滤波的压制线性干扰方法，获得压制干扰后的高信噪比资料。提出的随机函数中值滤波技术方法，具有运行高效稳定，处理灵活方便的特点。可实现线性干扰的压制，可以提高分布式光纤传感技术在VSP采集中的应用，提高资料信噪比，满足高精度VSPCDP成像，为井旁精细构造解释提供参考依据，对分布式光纤传感系统在VSP中的发展和推广也具有积极作用。

附图说明

图1为本发明的正演模拟线性干扰示意图；

图2为本发明的随机化后地震道示意图；

图3为本发明的随机函数中值滤波分离出的波场的水平干扰；

图4为本发明的随机函数中值滤波分离后剩余的上行波场。

图5为本发明的随机函数中值滤波反随机后分离出的最终波场的水平干扰反随机处理后的记录(检波器沉放深度为浅层)。

图6为本发明的随机函数中值滤波反随机后分离出的最终波场的上行波场反随机后的记录(检波器沉放深度中层)。

具体实施方式

下面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的一部分实施例，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。另外地，不应当将本发明的保护范围仅仅限制至下述具体步骤或具体参数。本发明不局限于模型数据，可针对实际资料进行处理，具有广泛的适应性。

实施例1。随机函数中值滤波技术方法包括以下步骤：

1)对要去除的线性干扰进行干扰波拉平。通常，采用时移法对线性干扰进行线性时移，得到拉平的干扰波。

2)对拉平后的数据利用随机函数进行重新排序，并记录下排序前后的相对关系；

3)对随机排序后的地震记录进行中值滤波处理；

4)对随机排序并进行中值滤波处理后的地震道进行反随机排序，恢复其原始的地震道顺序。

5)反随机排序后的数据进行反干扰波拉平，得到去除线性干扰后的地震记录。

6)在本发明所提供的随机函数中值滤波技术方法中，其随机函数中值滤波技术采用算法如下：

(1)随机函数

随机函数采用的是线性余同法。

x_n＝(ax_n-1+b)mod m

r_n＝x_n/m

tr_n＝x_n modΔtr+tr₀

其中x₀被称为随机数种子，M是模，r_n是(0,1)区间的随机数。其中种子数是在计算时随机给出的，a，b，m决定随机数质量(伪随机数序列的周期)。在选取参数时一般需要满足以下几点：

a＝4p+1,b＝2q+1，其中p，q为正整数。

m值适当的取一个大值，因为m影响伪随机数序列周期长短。

a，b值越大，产生的伪随机数越均匀。

a，m如果互质，产生的的随机数更加均匀。

(2)中值滤波

中值滤波采用传统的中值滤波技术：

假设有一数据序列Xi，(i＝1,2,…,m)。如果中值滤波的时窗长度为n，则对第j点的中值滤波过程是：

取以第j点为中心的n个样点值Xi作为输入(X下标是按顺序输入的，X值的大小是随机的)；

对这n个样按数值大小进行顺序重排(X值的大小是按顺序排列的，X下标是随机的)；

取重排后n个数据中心位置的样值作为该点的滤波输出(一般取n为奇数，这时输出即为中心位置的样值)。

结合附图描述本实施例的步骤如下。

1)正演模拟一个地震记录，其中水平层状反射同相轴为水平干扰，倾斜地层为有效反射波(参考附图1)。水平层状反射同相轴为水平干扰，可以省去干扰波拉平这一过程。

2)对拉平后的数据利用随机函数进行重新排序(参考附图2)，并记录下排序前后的相对关系，输出随机数序列。经随机化处理后，水平干扰依然为水平同相轴，但上行波场不在是一条倾斜的同相轴，变成随机装分布在水平干扰波周围，不能连续追踪。

3)对随机排序后的地震记录进行中值滤波处理，得到分离出的水平干扰波(参考附图3)和随机后的上行波场(参考附图4)。其中图3为分离出的水平干扰，可以看出水平干扰弯曲分离，没有其它波场残余。图4为剩余的上行波场，上行波场为随机分布，不能连续追踪。

4)对随机函数中值滤波处理后的数据进行反随机处理，获得反随机处理后的地震道(参考附图5、附图6)。从图上可以看出，图5为水平干扰反随机处理后的记录，干扰波分离干净，图6为上行波场反随机后的记录，从图上可以看出，上行波场信噪比高，可连续追踪，分离效果较好。

5)对反随机处理后的数据可以进一步进行干扰波反拉平处理。这里正演的干扰波为水平，第一步处理时没有进行干扰波拉平处理，所以这里也省略了干扰波反拉平处理。

在本发明所提供的随机函数中值滤波技术方法中，其随机函数中值滤波技术采用算法如下：

(1)随机函数

随机函数采用的是线性余同法。

x_n＝(ax_n-1+b)mod m

r_n＝x_n/m

tr_n＝x_n modΔtr+tr₀

其中x₀被称为随机数种子，M是模，r_n是(0,1)区间的随机数。其中种子数是在计算时随机给出的，a，b，m决定随机数质量(伪随机数序列的周期)。在选取参数时一般需要满足以下几点：

a＝4p+1,b＝2q+1，其中p，q为正整数。

m值适当的取一个大值，因为m影响伪随机数序列周期长短。

a，b值越大，产生的伪随机数越均匀。

a，m如果互质，产生的的随机数更加均匀。

(2)中值滤波

中值滤波采用传统的中值滤波技术：

假设有一数据序列Xi，(i＝1,2,…,m)。如果中值滤波的时窗长度为n，则对第j点的中值滤波过程是：

取以第j点为中心的n个样点值Xi作为输入(X下标是按顺序输入的，X值的大小是随机的)；

对这n个样按数值大小进行顺序重排(X值的大小是按顺序排列的，X下标是随机的)；

取重排后n个数据中心位置的样值作为该点的滤波输出(一般取n为奇数，这时输出即为中心位置的样值)。

公式为：

以上所列举的实施方式仅供理解本发明之用，并非是对本发明所描述的技术方案的限定，有关领域的普通技术人员，在权利要求所述技术方案的基础上，还可以作出多种变化或变形，所有等同的变化或变形都应涵盖在本发明的权利要求保护范围之内。本发明未详述之处，均为本技术领域技术人员的公知技术。

Claims (9)

1.随机函数中值滤波技术方法，其特征在于，包括下列步骤：

步骤1：对地震记录中要去除的线性干扰进行干扰波拉平；

步骤2：对拉平后的数据利用随机函数进行重新排序，并记录下排序前后地震道的相对关系；

步骤3：对排序后的地震记录进行中值滤波处理；

步骤4：按照步骤2的对应关系，对排序并进行中值滤波处理后的地震道进行反随机排序，恢复其原始的地震道顺序；

步骤5：对反随机排序后的数据进行反干扰波拉平，得到去除线性干扰后的地震记录。

2.如权利要求1所述的随机函数中值滤波技术方法，其特征在于：步骤2中的随机函数采用的是线性余同法。

3.如权利要求1所述的随机函数中值滤波技术方法，其特征在于，随机函数采用的公式如下：

x_n＝(ax_n-1+b)mod m

r_n＝x_n/m

t_rn＝x_nmodΔtr+tr₀；

其中当n＝1时的x₀被称为随机数种子，mod为求模运算符号，r_n是(0，1)区间的随机数，tr_n是(tr₀，Δtr)区间的随机数；随机数种子是在计算时随机给出的，a，b，m决定随机数质量的参数，随机数质量即伪随机数序列X_n周期。

4.如权利要求3所述的随机函数中值滤波技术方法，其特征在于，在选取参数时，a＝4p+1，b＝2q+1，其中p，q为正整数。

5.如权利要求3所述的随机函数中值滤波技术方法，其特征在于：m的取值范围不小于目标随机数最大值。

6.如权利要求3所述的随机函数中值滤波技术方法，其特征在于：a，m互质。

7.如权利要求1所述的随机函数中值滤波技术方法，其特征在于，步骤3中，所述中值滤波采用的方法是：

假设有一数据序列Xi，下标i为自然数(1，2，…，)；如果中值滤波的时窗长度为n，则对数据序列的第j点的中值滤波过程是：

取以第j点为中心的n个样点值作为输入；

对这n个样按数值大小进行顺序重排；

取重排后n个数据中心位置的样值作为该点的滤波输出。

8.如权利要求1所述的随机函数中值滤波技术方法，其特征在于，中值滤波采用的公式如下：

是以第j点为中心的n个样点值的数据序列；其中，X的下标是按顺序输入的，X值的大小是随机的；

是对上述n个样点值按数值大小进行顺序重排后的数据序列；

X_j+1是重排后n个数据中心位置的样值。

9.如权利要求8所述的随机函数中值滤波技术方法，其特征在于：时窗长度n为奇数。

Images