CN112213775B - 一种高覆盖次数叠前地震数据的保真提频方法 - Google Patents
一种高覆盖次数叠前地震数据的保真提频方法 Download PDFInfo
- Publication number
- CN112213775B CN112213775B CN202010974716.7A CN202010974716A CN112213775B CN 112213775 B CN112213775 B CN 112213775B CN 202010974716 A CN202010974716 A CN 202010974716A CN 112213775 B CN112213775 B CN 112213775B
- Authority
- CN
- China
- Prior art keywords
- frequency
- domain
- gather
- stack
- data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 86
- 238000012545 processing Methods 0.000 claims abstract description 51
- 238000001914 filtration Methods 0.000 claims abstract description 38
- 238000004458 analytical method Methods 0.000 claims abstract description 28
- 230000001629 suppression Effects 0.000 claims abstract description 22
- 230000001427 coherent effect Effects 0.000 claims abstract description 21
- 229910052704 radon Inorganic materials 0.000 claims abstract description 21
- SYUHGPGVQRZVTB-UHFFFAOYSA-N radon atom Chemical compound [Rn] SYUHGPGVQRZVTB-UHFFFAOYSA-N 0.000 claims abstract description 21
- 238000011282 treatment Methods 0.000 claims abstract description 16
- 230000008030 elimination Effects 0.000 claims abstract description 8
- 238000003379 elimination reaction Methods 0.000 claims abstract description 8
- 230000009466 transformation Effects 0.000 claims description 19
- 230000002159 abnormal effect Effects 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 18
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000005516 engineering process Methods 0.000 claims description 14
- 238000005070 sampling Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 230000014509 gene expression Effects 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 2
- 230000007704 transition Effects 0.000 claims description 2
- 230000002547 anomalous effect Effects 0.000 claims 1
- 238000011156 evaluation Methods 0.000 description 13
- 230000000694 effects Effects 0.000 description 9
- 238000010183 spectrum analysis Methods 0.000 description 8
- 238000001228 spectrum Methods 0.000 description 7
- 238000003672 processing method Methods 0.000 description 5
- 230000006872 improvement Effects 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
-
- 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
- G01V1/36—Effecting static or dynamic corrections on records, e.g. correcting spread; Correlating seismic signals; Eliminating effects of unwanted energy
- G01V1/362—Effecting static or dynamic corrections; Stacking
-
- 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
- G01V1/364—Seismic filtering
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/20—Trace signal pre-filtering to select, remove or transform specific events or signal components, i.e. trace-in/trace-out
- G01V2210/24—Multi-trace filtering
- G01V2210/244—Radon transform
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/30—Noise handling
- G01V2210/32—Noise reduction
- G01V2210/322—Trace stacking
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/30—Noise handling
- G01V2210/32—Noise reduction
- G01V2210/324—Filtering
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
本发明涉及地震勘探技术领域,特别涉及一种高覆盖次数叠前地震数据的保真提频方法。该方法包括如下步骤:对待处理的地震数据叠前道集数据进行适用性判断,若满足条件,对叠前CRP道集进行剩余时差消除;对消除了剩余时差的叠前CRP道集进行基于预测误差的随机噪音压制处理;进行基于时频分析的稳定性反Q滤波处理;进行加权最小二乘拉东变换去噪处理;进行时变脉冲反褶积处理;进行去噪及相干叠加处理。本发明提供的高覆盖次数叠前地震数据的保真提频方法,能有效提高叠前CRP道集高频成分的信噪比。分辨率大幅提高的同时不损失横向分辨率,CRP道集综合品质提高,可满足叠前反演需求。
Description
技术领域
本发明涉及地震勘探技术领域,特别涉及一种高覆盖次数叠前地震数据的保真提频方法。
背景技术
地震处理成果分辨率越高,薄层识别能力、微小地质体刻画能力越强,但目前常用叠后提高分辨率的方法存在严重的统计效应,会降低横向地质体识别能力,破坏垂向原有振幅关系和波阻关系。而在叠前地震数据上进行的提高分辨率处理可有效避免以上问题,但叠前CRP道集信噪比通常较低,单纯采用一种或两种提频方法提高频率的同时会更严重的降低信噪比,单一提频技术会大幅放大叠前地震数据高频成分,所以必须采用多种技术组合提高叠前地震数据分辨率的同时保证信噪比仍处于叠加后可接受的范围。
目前,叠前数据提频技术很多,但普遍存在以下问题:分辨率提高信噪比就会降低,振幅补偿均衡后道集AVO特征就被改变,频带展宽后叠加剖面的视分辨率反而降低。
以上三个问题是任何一种叠前道集提频技术都无法回避的,究其原因是叠前CRP道集中高频成分初始信噪比非常低,无论采用什么提频手段都会大幅放大混入高频成分中随机噪音导致信噪比大幅下降。叠前CRP道集除了通过叠加生成叠后剖面外,还有重要的作用——用于地震叠前反演预测储层岩性及流体,它的理论基础是Zoeppritz方程组,Qstrander在1984年发现了含气砂岩振幅随offset增加变大、含水砂岩振幅随offset增加减小的现象,标志了AVO分析的开启,更多的分析手段从叠后走向叠前。Shuey在1985年提出了AVO分析的简化公式,将反射系数以远、中、近入射角来表示,直观反映了振幅与入射角关系。后期Connolly在1999年提出了弹性阻抗(EI)反演和数学表达式,进一步丰富AVO分析的内涵。但以上各种预测技术的应用基础是叠前道集要保持AVO特征,振幅补偿均衡后叠前道集的AVO特征通常会被改变,在叠前道集提频技术中要避免横向振幅能量均衡技术的使用才能保持叠前CRP道集原有的AVO特征。频带展宽后叠加剖面视分辨率降低,是由于原始叠加剖面优势频带能量突出,而频带展宽后低频成分的信噪比普遍较低,反而影响了叠加剖面的视分辨率,造成频带宽了但视觉识别薄层的能力反而下降了的问题。
发明内容
(一)要解决的技术问题
本发明提供了一种高覆盖次数叠前地震数据的保真提频方法,以克服现有技术中叠前CRP道集信噪比较低,振幅补偿均衡后道集AVO特征就被改变,频带展宽后叠加剖面的视分辨率反而降低等缺陷。
(二)技术方案
为解决上述问题,本发明提供一种高覆盖次数叠前地震数据的保真提频方法,包括如下步骤:
步骤S1、对待处理的地震数据叠前道集数据进行适用性判断,若满足条件,则进行步骤S2、若不满足条件,则终止操作;
步骤S2、对叠前CRP道集进行剩余时差消除;
步骤S3、对经过步骤S2处理后的消除了剩余时差的叠前CRP道集基于预测误差的随机噪音压制处理;
步骤S4、对经过步骤S3处理后的叠前CRP道集进行基于时频分析的稳定性反Q滤波处理;
步骤S5、对经过步骤S4处理后的叠前CRP道集进行加权最小二乘拉东变换去噪处理;
步骤S6、对经过步骤S5处理后的叠前CRP道集进行时变脉冲反褶积处理;
步骤S7、对经过步骤S6处理后的叠前CRP道集进行去噪及相干叠加处理。
优选地,步骤S1中对待处理的地震数据叠前道集数据进行适用性判断具体包括:
当待处理地震数据CMP道集覆盖次数满足大于等于200次,或CRP道集覆盖次数满足大于等于60次时,则执行步骤S2;
当CMP道集覆盖次数小于200次或CRP道集覆盖次数小于60次时,终止操作。
优选地,所述步骤S2中,对叠前CRP道集进行剩余时差消除具体包括:
当叠前CRP道集目的层同相轴在参考偏移距为3000m时的剩余时差大于等于20ms时,处理终止,重新进行速度分析;
当剩余时差小于20ms大于等于10ms时,利用基于空间连续性速度分析进行调整速度,消除剩余时差;
当剩余时差小于10ms时,利用空间加权中值滤波的方法消除剩余时差,空间加权中值滤波后CRP道集同相轴每个样点输出振幅为:
其中,VK为孔径内非异常振幅值,N为孔径内非异常振幅值个数,Weightk为空间权值;
经过上述处理后,道集剩余时差消除。
上述公式为基于Gabor变换的反Q滤波方程,τ为深度,j为虚数单位,ω为角频率,Q为地层品质因子,对于不同时间深度的波场,对地表地震记录进行Gabor变换,再结合振幅补偿算子及相位补偿算子在时频域进行反Q滤波,对所得的波场P(τ,ω)利用逆Gabor变换可得到经由反Q滤波处理的地震记录P(τ)。
优选地,步骤S5中进行加权最小二乘拉东变换去噪处理具体包括:
步骤S51、最小二乘拉东变换,包括:在频率域采用最小二乘的规则化方法,建立最小二乘离散抛物线拉冬正变换,其数学表达式为:
M=(LLH+λ2I)-1LD
步骤S52、tau-p域加权相干噪音压制,包括:最小二乘抛物线拉东变换的算子中引入非线性规则化对角矩阵W实现,多次波与一次波的时差差异对tau-p域相干噪音进行衰减:(LLH+WHW)M=LD
式中,非线性对角矩阵W的物理意义为曲率参数q的权向量,在tau-p域将有效反射预测出来,通过最小二乘法反演出多次波相干噪音在tau-p域水平射线参数非零区域的能量,通过数据驱动自动加权的方式压制掉非零区的能量,在tau-p域压制相干噪音;
步骤S53、Stau-p域残余噪音压制:在步骤S52的基础上,利用相同的方法对优势频带以外的全频数据重新进行加权最小二乘拉东变换噪音压制。
步骤S54、将经上述步骤处理后的tau-p域数据通过复共轭转置矩阵控制重构回时空域,完成全部处理。
优选地,步骤S6中进行变脉冲反褶积处理具体包括:
利用下式脉冲反褶积的基本方程计算得到反褶积算子a(t),
冲反褶积的基本方程计算得到反褶积算子a(t),
式中,rxx(m)为地震反射系数,a(t)为脉冲反褶积算子;利用a'(t)与地震记录x(t)褶积得到S(t)=a'(t)*x(t),S(t)为脉冲反褶积输出的地震道,在处理过程中要对输入地震记录进行分窗口计算脉冲反褶积算子a(t),每2个分析计算时窗要有一定长度的重叠过渡区,窗口重叠区长度要大于等于4个地震子波长度;在频率域进行的脉冲反褶积要将输入地震记录的全部频率成分参与时变脉冲反褶积计算;反褶积预测步长等于输入数据的采样间隔。
(三)有益效果
本发明提供的高覆盖次数叠前地震数据的保真提频方法,能有效提高叠前CRP道集高频成分的信噪比。通过该方法处理后的地震数据,叠加后中浅层可展宽频带相干叠加后中浅层可展宽频带20Hz以上,深层可展宽频带10Hz以上,分辨率大幅提高的同时不损失横向分辨率,CRP道集综合品质提高,可满足叠前反演需求。
附图说明
图1为本发明实施例高覆盖次数叠前地震数据的保真提频方法流程图。
具体实施方式
下面结合附图及实施例对本发明进行详细说明如下。
如图1所示,本发明实施例提供一种高覆盖次数叠前地震数据的保真提频方法,包括:
步骤S1、方法适用性分析:通过分析应用目标资料的采集观测系统类型,结合偏移处理时偏移距分组方案,确定目的层CMP道集的最大覆盖次数,及CRP道集的最大覆盖次数,该发明适用性较强,对数据要求较低,但对CMP道集覆盖次数大于等于200次,CRP道集覆盖次数大于等于60次的数据效果更佳(高覆盖次数可以保证叠后数据信噪比)。
步骤S2、对CRP道集进行剩余时差消除:可采用基于振幅幅值能量的方法,或基于剩余速度的方法消除剩余时差,将CRP道集同相轴拉平。基于能量的道集拉平的处理方法众多,核心要求就是尽可能消除剩余时差,有利于后续处理技术的应用取得预期内效果。
先对叠前CRP道集存在的剩余时差进行分类,例如在3000m偏移距处,如果该点同相轴标志振幅时间与该同相轴自激自收时间大于20ms,则判定该叠前CRP道集存在大剩余时差,应该重新进行速度分析,重新形成偏移速度后重新偏移处理;如果剩余时差大于10ms小于20ms,视为该叠前CRP道集存在中度剩余时差,可利用基于空间连续性速度分析(SCVA)等技术调整速度,消除剩余时差;如果剩余时差小于10ms,视为该叠前CRP道集存在微小剩余时差,可通过基于先验参数中值滤波或加权中值滤波等方法消除剩余时差。
在中值滤波处理前,先给定叠前CRP道集的空间中值滤波道数x和异常值剔除系数y,x为空间道数是整数,y为异常振幅值在数列两头所占比例,为一个百分数。
中值滤波输出振幅Aoutput=(Amp1+Amp2+…+Ampn)/n (1)
式(1)中Amp1,Amp2,…,Ampn为总数x道数据经过先验参数y剔除异常值(包括异常大值和异常小值)后剩下的振幅值,而非x道数据全部振幅值。
以x=5的一组输入数据为例,某位置为a3的地震道振幅为78,选取前后各2道的数据作为输入数据,5道数据振幅为a1=90,a2=110,a3=78,a4=258,a5=121,先验异常值剔除参数y=40%,第一步先对5个数据按大小进行排序,结果为b1=78,b2=90,b3=110,b4=121,b5=258,异常振幅剔除先验参数为40%,即为把20%异常大值和20%异常小值去除,去除后结果为c1=90,c2=110,c3=121,利用式(1)计算后得到该道中值滤波后振幅为Aoutput=(90+110+121)/3=107。
而针对三维数据的加权中值滤波可以更好地压制剩余时差,叠前CRP道集可以直接将CRP道集二维预测方法,推到在三维空间不仅统计一个CRP道集同相轴的连续性,还兼顾判断空间上这个同相轴在相邻几个或十几个CRP道集的对应同相轴是否仍具有相同的空间连续性,利用空间3D加权中值滤波的方式压制剩余时差。
主测线加权中值滤波面元数为:
联络测线加权中值滤波面元数为:
式(2)和式(3)中,INT表示对括号里计算结果取整,x,y分别为主测线、联络测线上参与计算范围,单位是m,Δx和Δy为主测线、联络测线方向上面元,单位是m。
主测线方向椭圆半径为:
Rinline=[INT(No._cells_inline/2)+0.5]Δx (4)
联络测线椭圆半径为:
Rcrossline=[INT(No._cells_crossline/2)+0.5]Δy (5)
权值为:
式(6)中,x,y为任一点到计算点在主测线/联络测线方向上的绝对距离,单位为m,Rinline和Rcrossline为计算点在主测线/联络测线方向的椭圆半径,单位为m,Decay为衰减系数,大小决定加权中值滤波的权值。
每个加权中值滤波计算点输出振幅为:
式(7)VK为孔径内非异常振幅值,N为孔径内非异常振幅值个数,Weight为计算加权值。
经过以上处理后,叠前CRP道集剩余时差基本消除。
步骤S3、CRP道集随机噪音压制:在消除剩余时差基础上的CRP道集上,可采用二维或三维空间预测误差滤波技术,三维随机噪音压制技术效果更佳,如果缺少随机噪音压制这一步骤,后续的处理技术将大幅展宽频带,高频随机噪音能量会以指数级被放大,则造成整个叠前保真提频方法失败。
式(8)中,D(x,y,ω)为三维时间域地震数据d(x,y,t)的傅里叶正变换,ω为频率;
在f-x域任一频谱成分ωi,式(8)所给出数据D(x,y,ωi)只是空间位置函数,将其记为f(x,y)设计一个矩形框(即二维预测算子),设在该窗口内存在n组不同速度同相轴Ri(t),各同相轴在x,y两个方向上的时差为Δtx(i)和Δty(i),其中i=1,2,…,n,则特定频率成分的二维地震数据f(x,y)可以表示为二维Z变换的形式:
式(9)中F(Z1,Z2)为信号f(x,y)的Z变换结果,R(f)为同相轴R(t)的频谱域表示形式,将式(9)右端展开,得到:
E(Z1,Z2)=F(Z1,Z2)P(Z1,Z2) (10)
式(10)中,E(Z1,Z2)为预测误差的Z变换结果,P(Z1,Z2)为预测误差滤波器,F(Z1,Z2)为输入信号,式(10)将信号F(Z1,Z2)应用为预测误差滤波器,进行滤波得到E(Z1,Z2)结果。
预测误差滤波器P(Z1,Z2)实际上是未知的,假设三维地震数据经过矩形预测算子预测后,输出的预测误差最小,构建目标函数令其对预测算子的偏导为0,得到矩阵方程:RH·P=R (11)
式(11)中,RH为f-x域地震数据多道自相关Hermite矩阵,R为f-x域地震数据多道自相关列阵,P为预测算子各分量列阵。式(11)处理后的数据在进行反傅里叶变换得到t-x域随机噪音压制后的叠前CRP道集。
步骤S4、道集蓝化处理:该步骤采用以反Q滤波为主的处理手段,目的是将优势频带向高频端拓展。注意这个步骤一定不要采用反褶积类的拓频手段,并非将频带同时向高、低频两端展宽。蓝化处理过程中,参考覆盖次数适当控制向高频段展宽程度,以时变反Q滤波处理技术为例,如果资料频谱降频关系自然、且有较高的覆盖次数,可以在目的层适当减小Q值范围。经过这个步骤处理后的道集数据,高频端有效反射能量提高,高频反射能量级别与高频端随机噪音(或背景噪音)的差别减小,经过步骤3后CRP道集中的残余随机噪音再次被放大,有利于接下来的步骤中继续压制噪音、提高高频有效反射的信噪比。
平面波在粘弹介质中传播时,其单程波解析解为:
P(z+Δz,ω)=P(z,ω)exp[-jk(ω)Δz] (12)
式(12)中:z为深度,j为虚数单位,ω为角频率,其中地层Q的效应可以通过引入复数波k(ω)表示为:
式(13)中:Qr和υr分别为参考频率的品质因子和相速度,ωh为调谐参数,r=1/πQ,因此,反Q滤波处理结果可以表示为:
当Q值随旅行时间连续变化时,地表波场能够延拓到时间深度τ,延拓波场为:
进一步变形式(15)得到,
式(17)中σ2为稳定因子,它与实际数据的增益限制Gmin(db)关系为:
σ2=exp[-(0.23Gmin+1.63)] (19)
为了提高反Q滤波的运算效率,利用Gabor变换在时频域进行反Q滤波,则式(15)变为:
式(20)为基于Gabor变换的反Q滤波方程,对于不同时间深度的波场,对地表地震记录进行Gabor变换,再结合振幅补偿算子及相位补偿算子在时频域进行反Q滤波,对所得的波场P(τ,ω)利用逆Gabor变换可得到经由反Q滤波处理的地震记录P(τ)。
步骤S5、tau-p域道集垂向能量均衡处理:该步骤及以下2个步骤都是在tau-p域进行的,首先将叠前道集通过拉东变换从x-t域(时间-空间域)转换到tau-p域(拉冬域、截距-梯度域),在tau-p域对叠前道集进行垂向能量均衡,可采用大时窗AGC增益等方法,目的是为了方便接下来的步骤里预测有效反射,压制多次波及高频随机干扰和低频偏移划弧,在tau-p域垂向能量均衡后的道集更利于按照横坐标p(x)为0(水平射线参数p(x)为零在tau-p域代表时空域速度无限大的同相轴信号,即反射波同相轴)附近的原则预测信号,并压制非零区域的其他相干噪音和残余噪音。
步骤S6、tau-p域相干噪音压制:在tau-p域将有效反射预测出来,并通过最小二乘法反演出多次波等在tau-p域水平射线参数非零区域的能量,通过数据驱动自动加权的方式压制掉非零区的能量,通过QC可以看到,将这个步骤处理后的tau-p域信号整体重构回时空域,重构后的道集信噪比提高,多次波及短周期倾斜的线性噪音都被有效压制,步骤4拓展出的高频反射能量得到保留。
步骤S7、tau-p域残余噪音压制:偏移过程中由于覆盖次数或异常振幅存在会导致出现偏移划弧的现象,在CRP道集上就比较明显,这些低频超低频的时空域的弧在tau-p域非常容易压制掉。在步骤6的基础上,将tau-p域压制过相干噪音的结果再次采用最小二乘法反演出低频残余噪音,这个步骤需要注意的是最小二乘反演过程处理频带范围低频要足够低,可以从1Hz或2Hz作为处理起始频率,尽可能不错过低频偏移划弧能量。经过步骤5/6/7后的信号,重构回x-t域后道集中经过蓝化处理的高频信号依然在,低频端噪音和高频端随机噪音和多次波都得到压制,经过步骤2-7后的道集高频能量信噪比提升明显。
步骤S8、tau-p域信号重构时空域道集:经过步骤5-8后的tau-p域信号,先将步骤5振幅均衡反处理,即用步骤5相同的参数去除振幅均衡,恢复叠前道集本来的振幅和相对关系。再通过复共轭转置矩阵进行稳定性控制进行时空域重构。因为tau-p变换并非完全可逆运算,只有当偏移距无限大的时候才有可能减少tau-p域-时空域数据重构时带来的假象,但显然偏移距无限大是无法实现的条件,所以tau-p域-时空域信号重构时假象不可避免。采用上述方法重构数据稳定性较高,效率较快,基本可以消除tau-p变换算法带来的假象,重构后的CRP道集高频信号丰富,噪音明显减少,多次波等影响成像和叠前反演的干扰消除。
步骤S4-S8的理论基础是离散抛物线拉东变换,在频率域进行的离散抛物线拉东变换的正反变换算子为非正交的,并不是真正的互逆算子,需要通过广义逆求解。常规抛物线拉东变换采用最小二乘的规则化方法,建立了最小二乘离散抛物线拉冬正变换,其数学表达式为:
M=(LLH+λ2I)-1LD (22)
式(22)中:D为f-x域数据,M为f-q域数据;
最小二乘抛物线拉东变换中(LLH)-1可以看做是反褶积算子,能一定程度上提高拉冬域数据的分辨率。利用多次波与一次波的时差差异对多次波进行衰减的方法依赖于地震数据在拉冬域的分辨率和聚焦性,数学上是在最小二乘抛物线拉东变换的算子中引入非线性规则化对角矩阵W实现,即:
(LLH+WHW)M=LD (23)
式(23)中非线性对角矩阵W的物理意义为曲率参数q的权向量,可提高拉冬域数据聚焦性。由于离散Radon变换中具有Toeplitz结构,最小二乘约束反演Radon变换是一种频域空间稀疏约束算法,在反演迭代过程中,根据前一次迭代的结果,通过贝叶斯原理将加权矩阵与前一次迭代的结果联系起来,得到新的加权矩阵;然后求解这个加权矩阵方程,得到频率域的稀疏解。重构后的CRP道集高频信号丰富,噪音明显减少,多次波等影响成像和叠前反演的干扰消除。
步骤S9、CRP道集高频信噪比评估:该步骤可通过对道集求FK谱分析,或分析道集FFT变换后的频谱,并结合道集实际情况进行定性为主的评估即可。如果高频端信噪比较高,则进行步骤10的处理向高低频同时展宽频带,如果评估认为CRP道集高频潜力尚未完全挖掘,可重复步骤4-步骤9的蓝化处理级噪音压制等处理。
步骤S10、时变脉冲反褶积处理:该步骤的核心是脉冲反褶积处理,反褶积是展宽频带最有效的手段,本发明中反褶积处理最大的特点有3个:(1)最大程度展宽频带,不设定处理上限;(2)全部频率成分,包括信号和噪音都参与运算,最大程度挖掘资料潜力;(3)无需大量反褶积参数实验,直接采用采样率为预测步长,最大程度保证结果的子波一致性。为了保证浅中深层CRP道集的频带都最大程度展宽,该发明在这个步骤还使用了分时窗时变控制的做法,不同时窗内求取反褶积因子,对当前时窗进行单独应用,保证了无论浅中深层都最大程度展宽频带。注意,在分时窗进行反褶积一字求取和应用时,要充分考虑上下时窗的重叠长度,每两个视窗的叠覆区长度大于等于4个子波长度,以确保垂向不出现重大畸变。反褶积是地震数据处理中最常用的技术,也是最容易实现的技术,其技术原理在此不做赘述。
步骤S11、相干叠加处理:对叠前道集按照相干系数进行叠加,对给定的高频端成分提高相干系数,尽可能保留经过以上流程拓展出的高频成分,达到通过相干叠加后展宽频带,提高真分辨率和增强薄层识别能力的目的。
步骤S12、结果评价步骤:将经过以上步骤处理的叠前CRP道集进行对比和频谱分析,检验成果道集和原始CRP道集频带宽度,高频能量的信噪比是否有明显提升。将原始CRP道集和经过本发明处理方法处理后的CRP道集采用相同方法参数叠加,对比评价剖面的分辨率,频谱分析结果,给出对道集改善程度和成果剖面改善程度的客观评价。
下面详细描述一下高覆盖次数叠前地震数据的保真提频方法的具体使用方法:
采用初始地震数据叠前CRP道集,对其进行处理步骤S1方法适用性分析:通过分析应用目标资料的采集观测系统类型,结合偏移处理时偏移距分组方案,确定目的层CMP道集的最大覆盖次数,及CRP道集的最大覆盖次数,该发明适用性较强,对数据要求较低,但对CMP道集覆盖次数大于200次,CRP道集覆盖次数大于60次的数据效果更佳(高覆盖次数可以保证叠后数据信噪比)。
之后对叠前CRP道集进行处理步骤S2和S3,即CRP道集进行剩余时差消除与随机噪音压制处理:采用基于振幅幅值能量的方法,或基于剩余速度的方法消除剩余时差,将CRP道集同相轴拉平。基于能量的道集拉平的处理方法众多,核心要求就是尽可能消除剩余时差,有利于后续处理技术的应用取得预期内效果。步骤S3CRP道集随机噪音压制:在消除剩余时差基础上的CRP道集上,可采用处理方法可参考二维或三维空间预测误差滤波技术。该步骤的核心目的是在同相轴拉平的道集上压制随机噪音,提高叠前道集信噪比,为后续蓝化处理提供基础,如果缺少随机噪音压制这一步骤,后续的处理技术将大幅展宽频带,高频随机噪音能量会以指数级被放大,则造成整个叠前保真提频方法失败。
经过以上两个处理可以得到叠前CRP道集信噪比提升非常明显,为后续处理步骤奠定基础。
经过步骤S4道集蓝化处理的结果:该步骤采用以反Q滤波为主的处理手段,目的是将优势频带向高频端拓展。注意这个步骤一定不要采用反褶积类的拓频手段,并非将频带同时向高、低频两端展宽。蓝化处理过程中,参考覆盖次数适当控制向高频段展宽程度,以时变反Q滤波处理技术为例,如果资料频谱降频关系自然、且有较高的覆盖次数,可以在目的层适当减小Q值范围。经过这个步骤处理后的道集数据,高频端有效反射能量提高,高频反射能量级别与高频端随机噪音(或背景噪音)的差别减小,经过步骤S3后CRP道集中的残余随机噪音再次被放大,有利于接下来的步骤中继续压制噪音、提高高频有效反射的信噪比。
经过步骤4基于时频分析的时变反Q滤波处理的道集,为了压制层间多次波、偏移划弧等噪音,要进行以下4个步骤的去噪(步骤S5-S8:步骤S5、tau-p域道集垂向能量均衡处理:该步骤及以下2个步骤都是在tau-p域进行的,首先将叠前道集通过拉东变换从x-t域(时间-空间域)转换到tau-p域(拉冬域、截距-梯度域),在tau-p域对叠前道集进行垂向能量均衡,可采用大时窗AGC增益等方法,目的是为了方便接下来的步骤里预测有效反射,压制多次波及高频随机干扰和低频偏移划弧,在tau-p域垂向能量均衡后的道集更利于按照横坐标p(x)为0(水平射线参数p(x)为零在tau-p域代表时空域速度无限大的同相轴信号,即反射波同相轴)附近的原则预测信号,并压制非零区域的其他相干噪音和残余噪音。
步骤S6、tau-p域相干噪音压制:在tau-p域将有效反射预测出来,并通过最小二乘法反演出多次波等在tau-p域水平射线参数非零区域的能量,通过数据驱动自动加权的方式压制掉非零区的能量,通过QC可以看到,将这个步骤处理后的tau-p域信号整体重构回时空域,重构后的道集信噪比提高,多次波及短周期倾斜的线性噪音都被有效压制,步骤4拓展出的高频反射能量得到保留。
步骤S7、tau-p域残余噪音压制:偏移过程中由于覆盖次数或异常振幅存在会导致出现偏移划弧的现象,在CRP道集上就比较明显,这些低频超低频的时空域的弧在tau-p域非常容易压制掉。在步骤6的基础上,将tau-p域压制过相干噪音的结果再次采用最小二乘法反演出低频残余噪音,这个步骤需要注意的是最小二乘反演过程处理频带范围低频要足够低,可以从1Hz或2Hz作为处理起始频率,尽可能不错过低频偏移划弧能量。经过步骤5/6/7后的信号,重构回x-t域后道集中经过蓝化处理的高频信号依然在,低频端噪音和高频端随机噪音和多次波都得到压制,经过步骤2-7后的道集高频能量信噪比提升明显。
步骤S8、tau-p域信号重构时空域道集:过步骤5-7后的tau-p域信号,先将步骤5振幅均衡反处理,即用步骤5相同的参数去除振幅均衡,恢复叠前道集本来的振幅和相对关系。再通过复共轭转置矩阵进行稳定性控制进行时空域重构。因为tau-p变换并非完全可逆运算,只有当偏移距无限大的时候才有可能减少tau-p域-时空域数据重构时带来的假象,但显然偏移距无限大是无法实现的条件,所以tau-p域-时空域信号重构时假象不可避免。采用上述方法重构数据稳定性较高,效率较快,基本可以消除tau-p变换算法带来的假象,重构后的CRP道集高频信号丰富,噪音明显减少,多次波等影响成像和叠前反演的干扰消除。
经过处理步骤S5-S8后的叠前CRP道集的中层间多次波得到压制,低频超低频噪音也得到有效压制。
步骤S9、CRP道集高频信噪比评估:该步骤可通过对道集求FK谱分析,或分析道集FFT变换后的频谱,并结合道集实际情况进行定性为主的评估即可。如果高频端信噪比较高,则进行步骤S10的处理向高低频同时展宽频带,如果评估认为CRP道集高频潜力尚未完全挖掘,可重复步骤4-步骤S9的蓝化处理级噪音压制等处理,
步骤S10、时变脉冲反褶积处理:该步骤的核心是脉冲反褶积处理,反褶积是展宽频带最有效的手段,本发明中反褶积处理最大的特点有3个:(1)最大程度展宽频带,不设定处理上限;(2)全部频率成分,包括信号和噪音都参与运算,最大程度挖掘资料潜力;(3)无需大量反褶积参数实验,直接采用采样率为预测步长,最大程度保证结果的子波一致性。为了保证浅中深层CRP道集的频带都最大程度展宽,该发明在这个步骤还使用了分时窗时变控制的做法,不同时窗内求取反褶积因子,对当前时窗进行单独应用,保证了无论浅中深层都最大程度展宽频带。注意,在分时窗进行反褶积一字求取和应用时,要充分考虑上下时窗的重叠长度,每两个视窗的叠覆区长度大于等于4个子波长度,以确保垂向不出现重大畸变。
步骤S11、相干叠加处理:对叠前道集按照相干系数进行叠加,对给定的高频端成分提高相干系数,尽可能保留经过以上流程拓展出的高频成分,达到通过相干叠加后展宽频带,提高真分辨率和增强薄层识别能力的目的。
步骤S12、结果评价步骤:将经过以上步骤处理的叠前CRP道集进行对比和频谱分析,检验成果道集和原始CRP道集频带宽度,高频能量的信噪比是否有明显提升。将原始CRP道集和经过本发明处理方法处理后的CRP道集采用相同方法参数叠加,对比评价剖面的分辨率,频谱分析结果,给出对道集改善程度和成果剖面改善程度的客观评价。
更进一步地,发明人还针对本发明中某一些要素发生变化时,对最后结果可能发生的影响做了研究,这些结论都应得到专利保护,认识和结论如下:a.在进行本专利方法提频前必须进行技术适用性评价,如果叠前CMP覆盖次数大于等于200次,或CRP道集覆盖次数高于等于60次,则比较适用于该方法;如果最大覆盖次数较低的老资料,叠前CRP道集有较高的信噪比,该发明所述方法同样适用。
b.叠前CRP道集蓝化处理采用时变反Q滤波前,必须进行分时窗频谱分析,该步骤用到的Time-Q值参数需要反复测试,原则是反Q滤波后展宽高频成分的频带,但不能出现反Q滤波后目的层出现“双峰”状频谱,如出现上述情况说明该时窗内的Q值过小,应适当放大该分析应用时窗内Q值。在叠前反Q滤波前分时窗进行频谱分析,在反Q滤波后对结果进行分时窗评价这种做法应予以保护。
c.当采用最小二乘反演的方法在tau-p域反演出叠前道集中存在的多次波干扰,记录道长5s的数据最小二乘反演迭代次数不应小于30次。
d.以记录道长5s的数据为例,进行时变脉冲反褶积前需进行初至波强能量切除这项处理,分析时窗和应用时窗数量及相邻时窗重叠时间必须严格一致,时窗大小为分析子波波长4倍以上,如分析子波长度为120ms,单个分析时窗需大于500ms,为了满足子波传播过程中波形畸变频率降低带来的影响,分析时窗个数不应低于记录道长的五分之一,即5s道长的叠前CRP数据,分析应用时窗应大于5个。
以上实施方式仅用于说明本发明,而并非对本发明的限制,有关技术领域的普通技术人员,在不脱离本发明的精神和范围的情况下,还可以做出各种变化和变型,因此所有等同的技术方案也属于本发明的范畴,本发明的专利保护范围应由权利要求限定。
Claims (5)
1.一种高覆盖地震资料叠前保真提频方法,其特征在于,包括如下步骤:
步骤S1、对待处理的地震数据叠前道集数据进行适用性判断,若满足条件,则进行步骤S2、若不满足条件,则终止操作,具体包括:当待处理地震数据CMP道集覆盖次数满足大于等于200次,或CRP道集覆盖次数满足大于等于60次时,则执行步骤S2;
当CMP道集覆盖次数小于200次或CRP道集覆盖次数小于60次时,终止操作;
步骤S2、对叠前CRP道集进行剩余时差消除;
步骤S3、对经过步骤S2处理后的消除了剩余时差的叠前CRP道集进行基于预测误差的随机噪音压制处理;
步骤S4、对经过步骤S3处理后的叠前CRP道集进行基于时频分析的稳定性反Q滤波处理;
步骤S5、对经过步骤S4处理后的叠前CRP道集进行加权最小二乘拉东变换去噪处理;
步骤S6、对经过步骤S5处理后的叠前CRP道集进行时变脉冲反褶积处理;
步骤S7、对经过步骤S6处理后的叠前CRP道集进行去噪及相干叠加处理。
2.如权利要求1所述的高覆盖地震资料叠前保真提频方法,其特征在于,
所述步骤S2中,对叠前CRP道集进行剩余时差消除具体包括:
当叠前CRP道集目的层同相轴在参考偏移距为3000m时的剩余时差大于等于20ms时,处理终止,重新进行速度分析;
当剩余时差小于20ms大于等于10ms时,利用基于空间连续性速度分析技术进行调整速度,消除剩余时差;
当剩余时差小于10ms时,利用空间加权中值滤波的方法消除剩余时差,空间加权中值滤波后CRP道集同相轴每个样点输出振幅为:
其中,Aoutput是输出振幅值,i是孔径内非异常振幅值的道数值,Vi是孔径内第i个非异常振幅值,N是孔径内非异常振幅值的最大个数,Weighti是孔径内第i个非异常振幅的权系数值;
经过上述处理后,CRP道集剩余时差消除。
4.如权利要求1所述的高覆盖地震资料叠前保真提频方法,其特征在于,步骤S5中进行加权最小二乘拉东变换去噪处理具体包括:
步骤S51、最小二乘拉东变换,包括:在频率域采用最小二乘的规则化方法,建立最小二乘离散抛物线拉冬正变换,其数学表达式为:
M=(LLH+λ2I)-1LD
步骤S52、tau-p域加权相干噪音压制,包括:最小二乘抛物线拉东变换的算子中引入非线性规则化对角矩阵W实现,多次波与一次波的时差差异对tau-p域相干噪音进行衰减:(LLH+WHW)M=LD
式中,非线性对角矩阵W的物理意义为曲率参数q的权向量,在tau-p域将有效反射预测出来,通过最小二乘法反演出多次波相干噪音在tau-p域水平射线参数非零区域的能量,通过数据驱动自动加权的方式压制掉非零区的能量,在tau-p域压制相干噪音;
步骤S53、tau-p域残余噪音压制:在步骤S52的基础上,利用相同的方法对优势频带以外的全频数据重新进行加权最小二乘拉东变换噪音压制;
步骤S54、将经上述步骤处理后的tau-p域数据通过复共轭转置矩阵控制重构回时空域,完成全部处理。
5.如权利要求1所述的高覆盖地震资料叠前保真提频方法,其特征在于,步骤S6中进行变脉冲反褶积处理具体包括:
利用下式脉冲反褶积的基本方程计算得到反褶积算子a(t),
式中,rxx(m)为地震反射系数,a(t)为脉冲反褶积算子;利用a'(t)与地震记录x(t)褶积得到S(t)=a'(t)*x(t),S(t)为脉冲反褶积输出的地震道,在处理过程中要对输入地震记录进行分窗口计算脉冲反褶积算子a(t),每2个分析计算时窗要有一定长度的重叠过渡区,窗口重叠区长度要大于等于4个地震子波长度;在频率域进行的脉冲反褶积要将输入地震记录的全部频率成分参与时变脉冲反褶积计算;反褶积预测步长等于输入数据的采样间隔。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010974716.7A CN112213775B (zh) | 2020-09-16 | 2020-09-16 | 一种高覆盖次数叠前地震数据的保真提频方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010974716.7A CN112213775B (zh) | 2020-09-16 | 2020-09-16 | 一种高覆盖次数叠前地震数据的保真提频方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112213775A CN112213775A (zh) | 2021-01-12 |
CN112213775B true CN112213775B (zh) | 2023-01-24 |
Family
ID=74050044
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010974716.7A Active CN112213775B (zh) | 2020-09-16 | 2020-09-16 | 一种高覆盖次数叠前地震数据的保真提频方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112213775B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114185095B (zh) * | 2021-12-02 | 2023-05-16 | 中国石油大学(北京) | 一种三维平面波域地震数据多次波压制的方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4964102A (en) * | 1988-04-19 | 1990-10-16 | Amoco Corporation | Method for enhancing and evaluating seismic data |
CN105093291A (zh) * | 2014-05-14 | 2015-11-25 | 中国石油天然气股份有限公司 | 一种恢复油气储层地震反射特征的方法 |
CN106371140A (zh) * | 2016-08-17 | 2017-02-01 | 中国石油化工股份有限公司 | 一种提高中深层地震资料分辨率的方法 |
CN106597532A (zh) * | 2016-11-14 | 2017-04-26 | 中国石油化工股份有限公司 | 一种结合井资料与层位资料的叠前地震数据频带拓展方法 |
US10191168B2 (en) * | 2016-01-12 | 2019-01-29 | Cgg Services Sas | AVA compliant pre-stack frequency spectrum enhancement of seismic data |
CN109307887A (zh) * | 2017-07-28 | 2019-02-05 | 中国石油化工股份有限公司 | 地震弱反射体识别方法及系统 |
CN110471113A (zh) * | 2019-08-01 | 2019-11-19 | 中国石油大学(北京) | 基于非稳态地震资料的反演动校正方法、装置及存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040122596A1 (en) * | 2002-12-19 | 2004-06-24 | Core Laboratories, Inc. | Method for high frequency restoration of seismic data |
US7397728B2 (en) * | 2005-08-26 | 2008-07-08 | Westerngeco L.L.C. | Method for processing a record of seismic traces |
EP3394643B1 (en) * | 2015-12-22 | 2022-02-16 | Shell Internationale Research Maatschappij B.V. | Method and system for separating blended seismic data |
US11340366B2 (en) * | 2018-10-17 | 2022-05-24 | Exxonmobil Upstream Research Company | Accurate velocity model estimation and imaging in the presence of localized attenuation (Q) anomalies |
-
2020
- 2020-09-16 CN CN202010974716.7A patent/CN112213775B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4964102A (en) * | 1988-04-19 | 1990-10-16 | Amoco Corporation | Method for enhancing and evaluating seismic data |
CN105093291A (zh) * | 2014-05-14 | 2015-11-25 | 中国石油天然气股份有限公司 | 一种恢复油气储层地震反射特征的方法 |
US10191168B2 (en) * | 2016-01-12 | 2019-01-29 | Cgg Services Sas | AVA compliant pre-stack frequency spectrum enhancement of seismic data |
CN106371140A (zh) * | 2016-08-17 | 2017-02-01 | 中国石油化工股份有限公司 | 一种提高中深层地震资料分辨率的方法 |
CN106597532A (zh) * | 2016-11-14 | 2017-04-26 | 中国石油化工股份有限公司 | 一种结合井资料与层位资料的叠前地震数据频带拓展方法 |
CN109307887A (zh) * | 2017-07-28 | 2019-02-05 | 中国石油化工股份有限公司 | 地震弱反射体识别方法及系统 |
CN110471113A (zh) * | 2019-08-01 | 2019-11-19 | 中国石油大学(北京) | 基于非稳态地震资料的反演动校正方法、装置及存储介质 |
Non-Patent Citations (6)
Title |
---|
Deep Formation Phase Stabilization Q Migration of WBH seismic data on Songliao;YiBao et al.;《SEG 2018 Workshop: SEG Seismic Imaging Workshop》;20181231;第19-22页 * |
Phase Stabilization Prestack time Q migration of BWH seismic data in northern Songliao Basin;Yi Bao et al.;《2019 SEG International Exposition and 89th Annual Meeting》;20191231;第4425-4429页 * |
基于高频补偿方法提高地震资料;丁进杰等;《地球物理学进展》;20131231;第28卷(第6期);第3214-3221页 * |
大庆油田" 两宽一高" 地震资料稳相 Q 偏移;包燚等;《大庆石油地质与开发》;20200229;第39卷(第1期);第114-121页 * |
深反射地震剖面数据处理的主要技术方法;徐泰然等;《地球物理学进展》;20171231;第32卷(第2期);第762-774页 * |
薄互层地震成像中高分辨率处理方法;刘志伟等;《地球物理学报》;20130430;第56卷(第4期);第1350-1359页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112213775A (zh) | 2021-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3193193B1 (en) | Ava-compliant enhancement of pre-stack frequency spectrum of seismic data | |
US5173879A (en) | Surface-consistent minimum-phase deconvolution | |
US4884247A (en) | Method of processing geophysical data to compensate for earth filter attenuation | |
US20150168573A1 (en) | Geologic quality factor inversion method | |
US11880011B2 (en) | Surface wave prediction and removal from seismic data | |
WO2004059342A1 (en) | A method for high frequency restoration of seimic data | |
EA001212B1 (ru) | Способ сейсмического мониторинга нефтегазовых месторождений с использованием разновременных съемок | |
CN102043165A (zh) | 基于基追踪算法的面波分离与压制方法 | |
CN102288994A (zh) | Radon谱约束下高维地震数据规则化方法 | |
Liu et al. | Seismic quality factor estimation using frequency-dependent linear fitting | |
CN112305612B (zh) | 高分辨率复谱分解时频空间域振幅随偏移距变化校正方法 | |
CN104635264B (zh) | 叠前地震数据的处理方法及设备 | |
CN112213775B (zh) | 一种高覆盖次数叠前地震数据的保真提频方法 | |
Li et al. | A generalized seismic attenuation compensation operator optimized by 2-D mathematical morphology filtering | |
Bai et al. | A U-Net based deep learning approach for seismic random noise suppression | |
CN104820244A (zh) | 一种提高石油勘探资料处理信噪比的方法 | |
CN110749923A (zh) | 一种基于范数方程提高分辨率的反褶积方法 | |
CN114137606A (zh) | 一种稳健的谱模拟反褶积方法 | |
Fa'al Rastegar et al. | Effective parameters in ground roll attenuation using FO CRS stacking | |
CN114371505A (zh) | 一种基于地震分频技术的多子波反演方法及系统 | |
Bellezza et al. | Multidimensional deconvolution and processing of seismic-interferometry Arctic data | |
CN113625341A (zh) | 一种基于复赛谱分析的品质因子估计方法、装置及系统 | |
Bakulin et al. | Bootstrapping invisible signals: Prestack land data enhancement using nonlinear beamforming with local waveform corrections | |
Mazzotti et al. | Impact of processing on the amplitude versus offset response of a marine seismic data set1 | |
Bao et al. | A new technique to support future energy exploration of continental sedimentary basin: BWH full-frequency fidelity and amplitude preserving processing technology |
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 |