CN112213782A - 分相位地震数据的处理方法、装置和服务器 - Google Patents
分相位地震数据的处理方法、装置和服务器 Download PDFInfo
- Publication number
- CN112213782A CN112213782A CN202011051918.0A CN202011051918A CN112213782A CN 112213782 A CN112213782 A CN 112213782A CN 202011051918 A CN202011051918 A CN 202011051918A CN 112213782 A CN112213782 A CN 112213782A
- Authority
- CN
- China
- Prior art keywords
- phase
- data
- seismic data
- time
- frequency
- 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
Links
- 238000003672 processing method Methods 0.000 title abstract description 10
- 238000001228 spectrum Methods 0.000 claims abstract description 181
- 238000000034 method Methods 0.000 claims abstract description 86
- 238000012545 processing Methods 0.000 claims abstract description 77
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 66
- 230000009466 transformation Effects 0.000 claims abstract description 47
- 230000006870 function Effects 0.000 claims description 73
- 238000004422 calculation algorithm Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 12
- 230000003595 spectral effect Effects 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 35
- 238000004891 communication Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 230000008901 benefit Effects 0.000 description 5
- 239000012530 fluid Substances 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005191 phase separation Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000012795 verification 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
- G01V1/32—Transforming one recording into another or one representation into another
-
- 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
- G01V1/30—Analysis
- G01V1/306—Analysis for determining physical properties of the subsurface, e.g. impedance, porosity or attenuation profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
- G06V10/431—Frequency domain transformation; Autocorrelation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/40—Transforming data representation
- G01V2210/43—Spectral
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/40—Transforming data representation
- G01V2210/48—Other transforms
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/62—Physical property of subsurface
- G01V2210/624—Reservoir parameters
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Remote Sensing (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Geophysics (AREA)
- Pure & Applied Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Acoustics & Sound (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Algebra (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本说明书提供了分相位地震数据的处理方法、装置和服务器。其中，基于上述方法，通过先对所获取的目标区域的反射地震数据进行基于Gabor变换的稀疏约束反演谱分解处理，得到对应的时频振幅谱数据和时频相位谱数据；再在频率域上，根据预设的相位误差限值、所述时频振幅谱数据和所述时频相位谱数据，进行分相位重构，以得到分相位重构后的数据体；最后通过对所述分相位重构后的数据体进行基于Gabor变换的稀疏约束反演谱分解的逆处理，得到符合要求的分相位地震数据。从而可以得到较为准确，且拥有较高的地震解释价值的包含有特定相位分量信息的分相位地震数据，进而能够利用上述分相位地震数据更加精细地刻画出目标区域的储层特征。
Description
技术领域
本说明书属于地球物理勘探技术领域，尤其涉及一种分相位地震数据的处理方法、装置和服务器。
背景技术
在地震勘探中，技术人员往往会使用诸如短时傅里叶变换、小波变换或匹配追踪算法等现有方法来对地震数据进行频谱分解。
但是，基于上述方法进行频谱分解所得到的相位谱数据，由于受限于相关的算法机理，使得所得到的相位谱数据中所包含的信息的表达通常会比较复杂，难以用于具体的地震解释，进而影响数据的地震解释价值。
可见，现有方法具体实施时，往往存在无法高效地获得较为准确，且拥有较高的地震解释价值的分相位地震数据的技术问题。
针对上述技术问题，目前尚未提出有效的解决方案。
发明内容
本说明书提供了一种分相位地震数据的处理方法、装置和服务器，以得到较为准确，且拥有较高的地震解释价值的包含有特定相位分量信息的分相位地震数据，进而后续能够利用上述分相位地震数据更加精细地刻画目标区域的储层特征。
本说明书实施例提供了一种分相位地震数据的处理方法，包括：
获取目标区域的反射地震数据；
对所述反射地震数据进行基于Gabor变换的稀疏约束反演谱分解处理，得到对应的时频振幅谱数据和时频相位谱数据；
在频率域上，根据预设的相位误差限值、所述时频振幅谱数据和所述时频相位谱数据，进行分相位重构，以得到分相位重构后的数据体；
对所述分相位重构后的数据体进行基于Gabor变换的稀疏约束反演谱分解的逆处理，得到分相位地震数据；其中，所述分相位地震数据包含有不同相位分量的地震数据。
在一个实施例中，在得到分相位地震数据之后，所述方法还包括：
从所述分相位地震数据中，筛选出指定相位分量的地震数据；
根据所述指定相位分量的地震数据，确定出目标区域的储层特征。
在一个实施例中，在得到分相位地震数据之后，所述方法还包括：
对所述分相位地震数据进行全相位叠加处理，以重构地震记录。
在一个实施例中，对所述反射地震数据进行基于Gabor变换的稀疏约束反演谱分解处理，包括：
构建子波库；其中，所述子波库包括多个频率的Gabor变换基函数；
根据所述反射地震数据、所述子波库，构建基于Gabor变换的稀疏约束反演的目标函数；
求解所述目标函数，以得到对应的时频数据；
根据所述时频数据，确定出所述时频振幅谱数据和所述时频相位谱数据。
在一个实施例中，按照以下算式构建基于Gabor变换的稀疏约束反演的目标函数：
其中，J为目标函数的函数值，G为基于所述子波库所构建的褶积矩阵，m为时频数据；s为反射地震数据的矩阵形式；γ为正则化参数，
表示L2范数的平方；||·||1表示L1范数。
在一个实施例中，求解所述目标函数，包括：
获取所述反射地震数据中的噪声数据；
根据所述噪声数据，调整所述目标函数中的正则化参数，以得到调整后的目标函数；
通过迭代软阈值算法，求解所述调整后的目标函数。
在一个实施例中，根据所述噪声数据，调整所述目标函数中的正则化参数，包括：
在确定所述噪声数据大于第一预设阈值的情况下，增大所述正则化参数的数值；
在确定所述噪声数据小于第二预设阈值的情况下，减小所述正则化参数的数值。
在一个实施例中，在频率域上，根据预设的相位误差限值、所述时频振幅谱数据和所述时频相位谱数据，进行分相位重构，以得到分相位重构后的数据体，包括：
根据时频相位谱数据、预设的相位值，以及预设的相位误差限值，确定出符合要求的相位；
保留所述时频振幅谱数据中的符合要求的相位处的时频振幅数据，以得到分相位重构后的数据体。
本说明书实施例还提供了一种分相位地震数据的处理装置，包括：
获取模块，用于获取目标区域的反射地震数据；
第一处理模块，用于对所述反射地震数据进行基于Gabor变换的稀疏约束反演谱分解处理，得到对应的时频振幅谱数据和时频相位谱数据；
重构模块，用于在频率域上，根据预设的相位误差限值、所述时频振幅谱数据和所述时频相位谱数据，进行分相位重构，以得到分相位重构后的数据体；
第二处理模块，用于对所述分相位重构后的数据体进行基于Gabor变换的稀疏约束反演谱分解的逆处理，得到分相位地震数据；其中，所述分相位地震数据包含有不同相位分量的地震数据。
本说明书实施例还提供了一种服务器，包括处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现获取目标区域的反射地震数据；对所述反射地震数据进行基于Gabor变换的稀疏约束反演谱分解处理，得到对应的时频振幅谱数据和时频相位谱数据；在频率域上，根据预设的相位误差限值、所述时频振幅谱数据和所述时频相位谱数据，进行分相位重构，以得到分相位重构后的数据体；对所述分相位重构后的数据体进行基于Gabor变换的稀疏约束反演谱分解的逆处理，得到分相位地震数据；其中，所述分相位地震数据包含有不同相位分量的地震数据。
本说明书提供的一种分相位地震数据的处理方法、装置和服务器，通过引入基于Gabor变换的稀疏约束反演谱分解处理方式，先对所获取的目标区域的反射地震数据进行基于Gabor变换的稀疏约束反演谱分解处理，得到对应的时频振幅谱数据和时频相位谱数据；再在频率域上，根据预设的相位误差限值、所述时频振幅谱数据和所述时频相位谱数据，进行分相位重构，以得到分相位重构后的数据体；最后通过对所述分相位重构后的数据体进行基于Gabor变换的稀疏约束反演谱分解的逆处理，得到符合要求的分相位地震数据。从而可以处理得到较为准确，且拥有较高的地震解释价值的，包含有特定相位分量信息的分相位地震数据，进而后续能够利用上述分相位地震数据更加精细地刻画出目标区域的储层特征，解决现有方法中存在的无法高效地获得较为准确，且拥有较高的地震解释价值的分相位地震数据的技术问题。
附图说明
为了更清楚地说明本说明书实施例，下面将对实施例中所需要使用的附图作简单地介绍，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本说明书的一个实施例提供的分相位地震数据的处理方法的流程示意图；
图2是本说明书的一个实施例提供的服务器的结构组成示意图；
图3是本说明书的一个实施例提供的分相位地震数据的处理装置的结构组成示意图；
图4是在一个场景示例中，应用本说明书实施例提供的分相位地震数据的处理方法的一种实施例的示意图；
图5是在一个场景示例中，应用本说明书实施例提供的分相位地震数据的处理方法的一种实施例的示意图；
图6是在一个场景示例中，应用本说明书实施例提供的分相位地震数据的处理方法的一种实施例的示意图；
图7是在一个场景示例中，应用本说明书实施例提供的分相位地震数据的处理方法的一种实施例的示意图；
图8是在一个场景示例中，应用本说明书实施例提供的分相位地震数据的处理方法的一种实施例的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书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说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书保护的范围。
考虑到现有的频谱分解方法大多是使用例如短时傅里叶变换、小波变换或匹配追踪算法等方式对地震数据进行相应的频谱分解，来获取相关的相位谱数据。但是，基于上述方法进行频谱分解所得到的相位谱数据，由于受限所使用的算法机理，使得相位谱数据中所包含的信息的表达相对较为复杂，不同算法得到的结果往往还存在较大差异，准确度较差，难以用于具体的地震解释，进而影响数据的地震解释价值。导致基于现有方法，往往很少能够有效地获取并利用地震数据中的相位谱信息。导致基于现有方法往往存在无法高效地获得较为准确，且拥有较高的地震解释价值的分相位地震数据的技术问题。
针对产生上述问题的根本原因，本说明书考虑到首先，地震数据中地震反射振幅可以被看作为关于时间、频率与相位的函数。其次，振幅的明显异常可以被看作为储层含油气性的重要指示。基于地震数据在不同相位分量上表现的方式的不同，可以考虑通过对地震数据进行分相位处理，来获取效果较好的分相位地震数据。进一步，又考虑到Gabor变换(一种加窗傅立叶变换)和稀疏约束反演两种方式各自的优势、特点，提出可以综合两者的优势、特点，引入具有更高的时频域分辨率的基于Gabor变换的稀疏约束反演谱分解处理来对地震数据进行频谱分解。具体的，可以先对所获取的目标区域的反射地震数据进行基于Gabor变换的稀疏约束反演谱分解处理，得到对应的时频振幅谱数据和时频相位谱数据；再在频率域上，根据预设的相位误差限值、所述时频振幅谱数据和所述时频相位谱数据，进行分相位重构，以得到分相位重构后的数据体；最后通过对所述分相位重构后的数据体进行基于Gabor变换的稀疏约束反演谱分解的逆处理，得到符合要求的分相位地震数据。从而可以得到较为准确，且拥有较高的地震解释价值的包含有特定相位分量信息的分相位地震数据，进而能够利用上述分相位地震数据更加精细地刻画目标区域的储层特征，解决了现有方法中存在的无法高效地获得较为准确，且拥有较高的地震解释价值的分相位地震数据的技术问题。
基于上述思路，参阅图1所示，本说明书实施例提供了一种分相位地震数据的处理方法。其中，该方法具体实施时，可以包括以下内容。
S101：获取目标区域的反射地震数据。
在一个实施例中，上述目标区域具体可以理解为待进行地震勘探的区域。例如，待进行储层预测，或者待进行薄层识别的区域。上述反射地震数据也可以记为地震数据或者地震记录等。
S102：对所述反射地震数据进行基于Gabor变换的稀疏约束反演谱分解处理，得到对应的时频振幅谱数据和时频相位谱数据。
在一个实施例中，通过引入并利用基于Gabor变换的稀疏约束反演谱分解处理方式(也可以称为Gabor变换的稀疏约束反演谱分解方法，记为ISD-GT)来对反射地震数据进行具体的谱分解处理，可以综合利用Gabor变换和稀疏约束反演谱分解的优势、特点，分解得到效果相对较好的时频振幅谱数据(可以记为G(t，f))和时频相位谱数据(可以记为A(t，f))。
其中，上述Gabor变换具体可以理解为一种加窗傅立叶变换，使用相应的Gabor函数可以在频域的不同尺度、不同方向上提取相关的特征。
具体的，上述Gabor变换可以理解为一种特殊的短时傅里叶变换(STFT)，它具有STFT变换的所有性质。当短时傅里叶变换的时窗选用高斯窗时，此时的短时傅里叶变换就变成了上述Gabor变换。
在一个实施例中，上述对所述反射地震数据进行基于Gabor变换的稀疏约束反演谱分解处理，具体实施时，可以包括以下内容。
S1：构建子波库；其中，所述子波库包括多个频率的Gabor变换基函数；
S2：根据所述反射地震数据、所述子波库，构建基于Gabor变换的稀疏约束反演的目标函数；
S3：求解所述目标函数，以得到对应的时频数据；
S4：根据所述时频数据，确定出所述时频振幅谱数据和所述时频相位谱数据。
在一个实施例中，具体实施时，可以根据所述反射地震数据、多个频率的地震子波，按照以下算式构建基于Gabor变换的稀疏约束反演的目标函数：
其中，J具体可以为目标函数的函数值，G具体可以为基于所述子波库所构建的褶积矩阵，m具体可以为时频数据；s具体可以为反射地震数据的矩阵形式；γ具体可以为为正则化参数，
具体可以为L2范数的平方；||·||1具体可以为L1范数。
在一个实施例中，在具体确定对应的时频数据时，可以通过求解上述目标函数的函数值J的最优解，并将上述目标函数的函数值取最优解的情况下m的数据值作为所要确定的对应的时频数据。进而可以利用相应的求解公式，根据上述时频数据计算出对应的时频振幅谱数据和时频相位谱数据。
通过上述方式，可以利用Gabor变换的稀疏约束反演谱分解方法的优势，得到时频域分辨率相对较高、效果相对较好、较为准确的时频振幅谱数据和时频相位谱数据。
在一个实施例中，上述目标函数具体可以是根据Gabor变换的稀疏约束反演谱分解方法，构建得到的。
具体实施时，可以先确定出Gabor变换的时间域表达式可以表示为以下形式：
G(t，w)＝∫x(τ)H(τ-t)e-jwtdτ， (1)
其中，Gabor变换高斯窗的时间域表达式可以表示为以下形式：
其中，x(τ)具体可以表示为一种待分析处理的非平稳信号(例如，地震信号等)。
进一步，可以根据上述表达式(1)，得到Gabor逆变换变换的表达式为：
x(τ)＝∫∫G(t，w)H(τ-t)e-jwtdwdτ。 (3)
其中，上述表达式(3)可以相当于将每一个窗函数的频率信息做逆变换，组合在一起得到最终信号。
继而，可以基于地震褶积模型，可以将地震记录s(t)(或称反射地震数据)看作由地震子波(可以记为w(t))与反射系数(可以记为r(t))褶积得到的数据。因此，可以将地震记录表示为以下形式：
s(t)＝w(t)*r(t)。 (4)
又考虑到，实际的地震记录往往还会包含有一些噪声数据(或称噪音，可以记为n(t))，则表达式(4)可以表示为以下形式：
s(t)＝w(t)*r(t)+n(t)。 (5)
接着，可以将上述表达式(5)进行拓展，并将地震记录看作是不同频率的子波(即地震子波)与所对应的频率的伪反射系数进行褶积相加而得到的数据。因此，上述表达式(5)可以进一步表示为以下形式：
其中，w(t，fk)具体可以表示不同频率的子波(即多个频率的地震子波)，r(t，fk)具体可以表示为不同频率的伪反射系数。
再将上述表达式(6)改写成对应的矩阵形式，可以得到以下所示的地震记录的矩阵形式的表达式：
s＝Gm+n， (7)
其中，G具体可以表示为基于所述子波库所构建的褶积矩阵。具体的，该数据可以代表褶积矩阵库，也可以称为地震子波库，可以代表不同频率的高斯窗基函数。
m具体可以表示为待求解的时频数据。具体的，该数据可以代表伪反射系数，也就是待求解的信号时频谱。
具体实施时，可以利用最小二乘解法来求解上述线性方程，得到如下所示的算式：
其中，J′具体可以表示为上述线性方程的函数值。
具体实施时，可以通过求解上述算式(8)，得到一个较为平滑的解。
但是，在实际的求解过程中，由于受到噪声数据的影响，所以会存在较大的误差。为了能够得到一个收敛的解，以提高结果的分辨率，在本实施例中还可以结合利用稀疏约束反演的优势、特点，采用L1范数正则化算法，使所得到的解具有更好的稀疏性。相应的，可以建立得到以下所示的函数式作为基于Gabor变换的稀疏约束反演的目标函数：
其中，
可以代表L2范数的平方，γ可以代表正则化参数，||·||1可以代表L1范数。
需要说明的是，上述函数式(9)中的L2范数项主要是用于控制解与实际信号的匹配程度。L1范数项用于通过γ来控制L1范数在求解过程中的比重，从而可以控制解的稀疏度。例如，如果噪音过大，可以需选取较大的正则化参数。反之，则需选取较小的正则化参数。同时，可以采用迭代软阈值算法对上述目标函数进行具体求解。
在一个实施例中，基于目标函数的上述构建机理，为了能够更加高效、准确完成频谱分解，上述求解所述目标函数，具体实施时，可以包括以下内容：获取所述反射地震数据中的噪声数据；根据所述噪声数据，调整所述目标函数中的正则化参数，以得到调整后的目标函数；通过迭代软阈值算法，求解所述调整后的目标函数。
其中，上述迭代软阈值算法(Iterative Shrinkage Thresholding Algorithm，ISTA，又称迭代收缩阈值算法)具体可以理解为一种梯度类算法，多应用于压缩感知重构算法中。基于ISTA算法，在每一次迭代中会通过一个收缩/软阈值操作来更新x。
在本实施例中，通过采用迭代软阈值算法来求解目标函数，可以提高求解效率，更加快速、准确地确定出时频数据。
在一个实施例中，上述根据所述噪声数据，调整所述目标函数中的正则化参数，具体实施实施，可以包括以下内容：在确定所述噪声数据大于第一预设阈值的情况下，增大所述正则化参数的数值；在确定所述噪声数据小于第二预设阈值的情况下，减小所述正则化参数的数值。
其中，上述第一预设阈值和第二预设阈值的具体数值可以根据反射地震数据的噪声数据，以及精度要求，灵活设置。对此，本说明书不作限定。
在本实施例中，通过根据噪声数据有针对性地调整目标函数中的正则化参数，可以较好地控制目标函数解的稀疏度，从而可以得到分辨率较高的时频数据。
S103：在频率域上，根据预设的相位误差限值、所述时频振幅谱数据和所述时频相位谱数据，进行分相位重构，以得到分相位重构后的数据体。
在一个实施例中，上述预设的相位误差限值(也可以称为相位误差限，记为ε)可以根据具体的噪声数据和精度要求灵活设置。
具体实施时，可以先根据噪声数据和精度要求设置一个相位误差的初始值，再基于该相位误差的初始值进行多次的调试，得到效果相对较好的数值，作为上述预设的相位误差限值。
在一个实施例中，上述分组相位重构后的数据体可以是一种与频率、时间和相位相关的数据体。具体可以表示为：s′(t，f，θ)。其中，t可以表示时间，f可以表示频率，θ可以表示相位。
在本实施例中，通过在频率域上引入相位维度，对上述时频振幅谱数据和时频相位谱数据，进行相应的分相位重构，从而可以得到符合要求的分组相位重构后的数据体。
在一个实施例中，在频率域上，根据预设的相位误差限值、所述时频振幅谱数据和所述时频相位谱数据，进行分相位重构，以得到分相位重构后的数据体，具体实施时，可以包括以下内容：根据时频相位谱数据、预设的相位值，以及预设的相位误差限值，确定出符合要求的相位；保留所述时频振幅谱数据中的符合要求的相位处的时频振幅数据，以得到分相位重构后的数据体。
在一个实施例中，上述预设的相位值(可以记为Ar)可以理解为一种要重构的相位值，该相位值的取值范围为：[-180°180°]。
具体设置预设的相位值，可以根据预设的相位间隔，从上述取值范围中取出多个相位值作为上述预设的相位值。其中，上述预设的相位间隔可以为1度或者5度。具体实施时，可以根据精度要求灵活地设置上述预设的相位间隔的具体数值。
在一个实施例中，上述根据时频相位谱数据、预设的相位值，以及预设的相位误差限值，确定出符合要求的相位，具体实施时，可以包括：计算不同相位的时频相位谱数据与预设的相位值的差值的绝对值；比较差值的绝对值与预设的相位误差限值的数值大小，得到相应的比较结果。根据比较结果，将小于或等于上述的预设的相位误差限值的差值的绝对值所对应的相位值确定为所述符合要求的相位，即后续要保留的相位。
具体的，上述比较和保留过程可以表示为以下形式：|A(t，f)-Ar|≤ε。
在一个实施例中，上述保留所述时频振幅谱数据中的符合要求的相位处的时频振幅数据，以得到分相位重构后的数据体，具体实施时，可以包括：在时频振幅谱数据G(t，f)中保留符合要求的相位处的数据(即振幅信息)；同时，将除符合要求的相位之外其他相位处的数据(即振幅信息)设置为0，只保留下要重构的相位处的时频振幅信息，完成分相位重构，得到对应的分相位重构后的数据体。
在一个实施例中，在按照上述方式进行分相位重构过程中，关键在于相位维度的引入。由于在谱分解过程中只能得到时频振幅谱与相位谱。因此，具体实施时，首先，可以设定相位值(即预设的相位值)范围为：Ar＝[-180°180°]， (10)
其中，Ar具体可以表示为要重构的相位值。
在本实施例中，又考率到实际的地震记录中常会包含有各种噪声数据，导致时频域谱分解后的瞬时相位谱较为复杂，进而很难得到较为准确、有效的相位信息。因此，为了保证重构相位后地震数据的稳定性和准确度，还可以设定一定的相位误差限ε(即预设的相位误差限值)。进而可以利用以下的比较关系式进行重构：
|A(t，f)-Ar|≤ε， (11)
其中，A(t，f)表示利用ISD-GT方法所得到的时频(域)相位谱数据，Ar为设定的相位值。在根据上述比较关系式，确定时频相位谱数据值与设定的相位值的差值的绝对值小于或等于相位误差限时，可以保留该点处的时频振幅谱信息；反之，将该点处的时频振幅谱信息设置为0。最后，可以只保留设定重构相位值的振幅信息，而其他相位对应的时频振幅信息被设为零。上述处理过程可以表示为：
此处，G(t，f)为利用ISD-GT方法得到的时频振幅谱数据。相位误差限ε可以通过多次不断的尝试，最终选择合适的数值作为相位误差限。具体的，可以先给定若干个不同相位误差限，分别进行分相位处理，根据最后所得结果，选择出合适的数值作为相位误差限。
S104：对所述分相位重构后的数据体进行基于Gabor变换的稀疏约束反演谱分解的逆处理，得到分相位地震数据；其中，所述分相位地震数据包含有不同相位分量的地震数据。
在一个实施例中，上述分相位地震数据具体可以理解为一种只与时间、相位相关，只包含有特定相位分量的地震数据。具体可以表示为h′(t，θ)。
在一个实施例中，具体实施时，可以通过对分相位重构后的数据体进行基于Gabor变换的稀疏约束反演谱分解的逆处理，来得到上述分相位地震数据。
在一个实施例中，具体的，可以在频率范围内对分相位重构后的数据体s′(t，f，θ)进行ISD-GT变化的逆变换，即可得到分相位重构后的地震数据，即可以表示为：
其中，h′(t，θ)表示重构后只包括相位信息的地震数据(即分相位地震数据)，θ表示某一特定的相位值Ar(即预设的相位值)。
由于重构后的地震数据为包含不同相位分量的地震数据，这里把它称之为分相位道集。这里可以理解为每个相位处的地震数据。例如，h′(t，180°)表示180°相位处的地震数据。
此外，上述分相位道集的一个重要性质是将所有的相位道集进行叠加，进而可以无损恢复得到原始的地震数据(或地震记录)，即存在以下关系：
其中，h(t)具体可以是叠加后得到的地震记录，它是与原始的信号(即原始的地震记录)等价的。
本说明书实施例提供的分相位地震数据的处理方法，由于通过引入基于Gabor变换的稀疏约束反演谱分解处理方式，先对所获取的目标区域的反射地震数据进行基于Gabor变换的稀疏约束反演谱分解处理，得到对应的时频振幅谱数据和时频相位谱数据；再在频率域上，根据预设的相位误差限值、所述时频振幅谱数据和所述时频相位谱数据，进行分相位重构，以得到分相位重构后的数据体；最后通过对所述分相位重构后的数据体进行基于Gabor变换的稀疏约束反演谱分解的逆处理，得到符合要求的分相位地震数据。从而可以得到较为准确，且拥有较高的地震解释价值的包含有特定相位分量信息的分相位地震数据，进而能够利用上述分相位地震数据更加精细地刻画目标区域的储层特征，解决了现有方法中存在的无法高效地获得较为准确，且拥有较高的地震解释价值的分相位地震数据的技术问题。
在一个实施例中，在得到分相位地震数据之后，所述方法具体实施时，还可以包括以下内容：从所述分相位地震数据中，筛选出指定相位分量的地震数据；根据所述指定相位分量的地震数据，确定出目标区域的储层特征。
在本实施例中，具体实施时，可以根据具体需求，从上述分相位地震数据中筛选出所关注的指定相位(例如，0°，-90°，90°等)分量的地震数据，进而可以根据上述指定相位分量的地震数据精细地刻画出储层特征。
具体的，通过分相位地震数据，可以较为清晰地观察到储层顶底界面的明显的振幅异常，其中，上述振幅异常可作为储层检测标志。进一步，在上述指定相位(例如，0°，-90°，90°等)，上述振幅异常还会被放大。因此，可以更加精细地刻画出目标区域的储层特征。
进而可以利用上述储层特征，对目标区域进行例如储层特性预测等相关的地震勘探，以提高地震勘探的准确度。
在一个实施例中，在得到分相位地震数据之后，所述方法具体实施时，还可以包括以下内容：对所述分相位地震数据进行全相位叠加处理，以重构地震记录。
在本实施例中，可以利用上述重构得到的地震记录对目标区域进行地震解释，或者识别目标区域中的薄层等地质结构。
在本实施例中，还可以通过将上述重构得到的地震记录，与初始的目标区域的地震数据进行比较，来验证上述分相位地震数据的处理过程是一种无损的数据处理过程。
本说明书实施例提供的分相位地震数据的处理方法，由于通过引入基于Gabor变换的稀疏约束反演谱分解处理方式，先对所获取的目标区域的反射地震数据进行基于Gabor变换的稀疏约束反演谱分解处理，得到对应的时频振幅谱数据和时频相位谱数据；再在频率域上，根据预设的相位误差限值、所述时频振幅谱数据和所述时频相位谱数据，进行分相位重构，以得到分相位重构后的数据体；最后通过对所述分相位重构后的数据体进行基于Gabor变换的稀疏约束反演谱分解的逆处理，得到具有较高分辨率，且包含有多个不同的相位分量的符合要求的分相位地震数据。从而可以得到较为准确，且拥有较高的地震解释价值的包含有特定相位分量信息的分相位地震数据，进而能够利用上述分相位地震数据更加精细地刻画目标区域的储层特征，以便更加准确地进行目标区域的地震勘探。
本说明书实施例还提供一种服务器，包括处理器以及用于存储处理器可执行指令的存储器，所述处理器具体实施时可以根据指令执行以下步骤：获取目标区域的反射地震数据；对所述反射地震数据进行基于Gabor变换的稀疏约束反演谱分解处理，得到对应的时频振幅谱数据和时频相位谱数据；在频率域上，根据预设的相位误差限值、所述时频振幅谱数据和所述时频相位谱数据，进行分相位重构，以得到分相位重构后的数据体；对所述分相位重构后的数据体进行基于Gabor变换的稀疏约束反演谱分解的逆处理，得到分相位地震数据；其中，所述分相位地震数据包含有不同相位分量的地震数据。
为了能够更加准确地完成上述指令，参阅图2所示，本说明书实施例还提供了另一种具体的服务器，其中，所述服务器包括网络通信端口201、处理器202以及存储器203，上述结构通过内部线缆相连，以便各个结构可以进行具体的数据交互。
其中，所述网络通信端口201，具体可以用于获取目标区域的反射地震数据。
所述处理器202，具体可以用于对所述反射地震数据进行基于Gabor变换的稀疏约束反演谱分解处理，得到对应的时频振幅谱数据和时频相位谱数据；在频率域上，根据预设的相位误差限值、所述时频振幅谱数据和所述时频相位谱数据，进行分相位重构，以得到分相位重构后的数据体；对所述分相位重构后的数据体进行基于Gabor变换的稀疏约束反演谱分解的逆处理，得到分相位地震数据；其中，所述分相位地震数据包含有不同相位分量的地震数据。
所述存储器203，具体可以用于存储相应的指令程序。
在本实施例中，所述网络通信端口201可以是与不同的通信协议进行绑定，从而可以发送或接收不同数据的虚拟端口。例如，所述网络通信端口可以是负责进行web数据通信的端口，也可以是负责进行FTP数据通信的端口，还可以是负责进行邮件数据通信的端口。此外，所述网络通信端口还可以是实体的通信接口或者通信芯片。例如，其可以为无线移动网络通信芯片，如GSM、CDMA等；其还可以为Wifi芯片；其还可以为蓝牙芯片。
在本实施例中，所述处理器202可以按任何适当的方式实现。例如，处理器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application SpecificIntegrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式等等。本说明书并不作限定。
在本实施例中，所述存储器203可以包括多个层次，在数字系统中，只要能保存二进制数据的都可以是存储器；在集成电路中，一个没有实物形式的具有存储功能的电路也叫存储器，如RAM、FIFO等；在系统中，具有实物形式的存储设备也叫存储器，如内存条、TF卡等。
本说明书实施例还提供了一种基于上述分相位地震数据的处理方法的计算机存储介质，所述计算机存储介质存储有计算机程序指令，在所述计算机程序指令被执行时实现：获取目标区域的反射地震数据；对所述反射地震数据进行基于Gabor变换的稀疏约束反演谱分解处理，得到对应的时频振幅谱数据和时频相位谱数据；在频率域上，根据预设的相位误差限值、所述时频振幅谱数据和所述时频相位谱数据，进行分相位重构，以得到分相位重构后的数据体；对所述分相位重构后的数据体进行基于Gabor变换的稀疏约束反演谱分解的逆处理，得到分相位地震数据；其中，所述分相位地震数据包含有不同相位分量的地震数据。
在本实施例中，上述存储介质包括但不限于随机存取存储器(Random AccessMemory,RAM)、只读存储器(Read-Only Memory,ROM)、缓存(Cache)、硬盘(Hard DiskDrive,HDD)或者存储卡(Memory Card)。所述存储器可以用于存储计算机程序指令。网络通信单元可以是依照通信协议规定的标准设置的，用于进行网络连接通信的接口。
在本实施例中，该计算机存储介质存储的程序指令具体实现的功能和效果，可以与其它实施方式对照解释，在此不再赘述。
参阅图3所示，在软件层面上，本说明书实施例还提供了一种分相位地震数据的处理装置，该装置具体可以包括以下的结构模块。
获取模块301，具体可以用于获取目标区域的反射地震数据；
第一处理模块302，具体可以用于对所述反射地震数据进行基于Gabor变换的稀疏约束反演谱分解处理，得到对应的时频振幅谱数据和时频相位谱数据；
重构模块303，具体可以用于在频率域上，根据预设的相位误差限值、所述时频振幅谱数据和所述时频相位谱数据，进行分相位重构，以得到分相位重构后的数据体；
第二处理模块304，具体可以用于对所述分相位重构后的数据体进行基于Gabor变换的稀疏约束反演谱分解的逆处理，得到分相位地震数据；其中，所述分相位地震数据包含有不同相位分量的地震数据。
在一个实施例中，所述装置具体还可以包括应用模块。具体实施时，在得到分相位地震数据之后，所述应用模块可以用于从所述分相位地震数据中，筛选出指定相位分量的地震数据；根据所述指定相位分量的地震数据，确定出目标区域的储层特征。
在一个实施例中，在得到分相位地震数据之后，所述应用模块还可以用于对所述分相位地震数据进行全相位叠加处理，以重构地震记录。
在一个实施例中，所述第一处理模块302具体实施时，可以构建子波库；其中，所述子波库包括多个频率的Gabor变换基函数；根据所述反射地震数据、所述子波库，构建基于Gabor变换的稀疏约束反演的目标函数；求解所述目标函数，以得到对应的时频数据；根据所述时频数据，确定出所述时频振幅谱数据和所述时频相位谱数据。
在一个实施例中，上述第一处理模块302具体实施时，可以按照以下算式构建基于Gabor变换的稀疏约束反演的目标函数：
其中，J为目标函数的函数值，G为基于所述子波库所构建的褶积矩阵，m为时频数据；s为反射地震数据的矩阵形式；γ为正则化参数，
表示L2范数的平方；||·||1表示L1范数。
在一个实施例中，上述第一处理模块302具体求解目标函数时，可以按照以下方式实现：获取所述反射地震数据中的噪声数据；根据所述噪声数据，调整所述目标函数中的正则化参数，以得到调整后的目标函数；通过迭代软阈值算法，求解所述调整后的目标函数。
在一个实施例中，上述第一处理模块302具体求解目标函数时，可以按照以下方式调整所述目标函数中的正则化参数：在确定所述噪声数据大于第一预设阈值的情况下，增大所述正则化参数的数值；在确定所述噪声数据小于第二预设阈值的情况下，减小所述正则化参数的数值。
在一个实施例中，上述重构模块303具体实施时，可以用于根据时频相位谱数据、预设的相位值，以及预设的相位误差限值，确定出符合要求的相位；保留所述时频振幅谱数据中的符合要求的相位处的时频振幅数据，以得到分相位重构后的数据体。
需要说明的是，上述实施例阐明的单元、装置或模块等，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本说明书时可以把各模块的功能在同一个或多个软件和/或硬件中实现，也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
由上可见，本说明书实施例提供的分相位地震数据的处理装置，可以得到较为准确，且拥有较高的地震解释价值的包含有特定相位分量信息的分相位地震数据，进而能够利用上述分相位地震数据更加精细地刻画目标区域的储层特征。
在一个具体的场景示例中，参阅图4所示，可以应用本说明书实施例提供的分相位地震数据的处理来得到相关的分相位地震数据。
在本场景示例中，参阅图4所示，首先给出了一种基于Gabor变换的稀疏约束反演谱分解方法(ISD-GT)，可以利用该方法处理反射地震数据，得到高分辨率的时频振幅谱(即时频振幅谱数据)与相位谱(即时频相位谱数据)。
其次，通过设定一定的相位值(即预设的相位值)与相位误差限(即预设的相位误差限值)，通过相位谱的值与设定相位做差来引入相位维度，进而可以将时频振幅谱与相位谱联合，得到一个新的三维数据体s′(t，f，θ)(即分相位重构后的数据体)，该三维数据体包含相位与频率信息的地震数据。
最后，再基于ISD-GT逆变换方法将频率处信息进行重构，从而得到包含不同相位分量的地震数据h′(t，θ)，或者称分相位重构信号，即只包含特定相位信息的分相位地震道集(即分相位地震数据)。并且经过证实，分相位数据经叠加即可恢复原始地震数据，进而有利于对薄层储层的地震解释工作。
而传统的时频分析技术往往则是将地震信号转换为时间与频率域的二维数据时频谱，并可以得到与时间、频率有关的时频相位谱。其中，上述地震数据的时频相位谱中虽然包含很多有用信息，但这些信息往往难以被解释清楚，并且采用不同的谱分解方法得到的相位信息差异很大。导致利用传统的谱分解方法得到的相位谱较为复杂，进一步增加了地震数据解释的难度。目前，关于分相位数据分析的研究开展的较少，并且由于其谱分解方法分辨率与分相位重构原理的限制，所得到的分相位重构道集也会受到一定的影响。因此，为了解决上述问题，才提出了上述这种高分辨率的地震数据分相位重构方法。即，通过采用一种基于Gabor变换的稀疏约束反演谱分解方法，对地震数据的时频谱与相位谱联合进行分相位重构，得到了较高分辨率的包含不同相位分量的分相位地震道集剖面，可用于储层特性预测、薄层地质体识别等方面的研究与实际应用。
在本场景示例，为了检验本说明书实施例提供的分相位地震数据的处理方法的实际应用效果，还可以分别利用数值模拟信号与地震物理模拟数据对该方法进行相应测试。具体过程可以参与以下内容。
参阅图5所示。在图5中，(a)、(b)为两个合成的地震信号，以及利用ISD-GT方法得到的时频域振幅谱图(c)、(d)和相位谱图(e)、(f)。
图5中的(a)为利用不同主频与不同相位的Ricker子波合成的模拟信号，图5中的(b)为利用Ricker子波合成的更加接近真实情况的复杂地震信号。进行利用ISD-GT方法分别得到对应的时频域振幅谱与相位谱，具体可以参阅图5中的(c)、(d)、(e)、(f)。从而可以准确地估计频率信息与相位属性，为储层预测与流体识别提供更可靠的信息。此外，通过上述ISD-GT方法，可以得到较高分辨率的时频域振幅谱与相位谱，因此该方法更加适用于实际地震数据的分析。
在本场景示例中，为了验证该方法的可靠性，还可以分别对两个数值模拟信号进行相位分解，并利用ISD-GT逆变换方法在频率域进行重构，得到相位道集。
参阅图6和图7。其中，在图6中，(a)为1D地震信号(即图5中的(a)所示的数据)经过相位重构处理后得到的分相位道集，(b)为原始地震道与叠加后重构的信号，通过对时间-相位域的相位求和来重建信号，(c)为相位分量(0°，-90°，90°)重构的三个信号。
在图7中，(a)为复杂地震信号(图5中的(b)所示的数据)利用相位分解得到的分相位道集，(b)为原始地震道与叠加后重构的信号，(c)为相位分量(0°与90°)重构的两个信号。
对比参阅图6中的(a)与图7中的(a)可知，上述相位道集可明显地指示地震数据振幅随时间与相位的变化。并通过每个相位分量进行累加可以无损地恢复得到原始的1D信号，可以对比参阅图6中的(b)与图7中的(b)所示内容。
最后还通过地震物理模拟数据，进一步验证所提供的上述方法的适用性。其中设计的地震物理模型为页岩与含流体多孔砂岩层交替叠置的薄互层油藏模型。
参阅图8，在图8中，所展示的是利用地震物理模型实验数据进行分相位地震数据计算的实际应用。在图8中，(a)为单个地震信号及其所有相位相加得到的重构信号，(b)为相应的不同相位分量的地震信号。对图8中的(c)中的原始地震数据进行相位分解，从而获得含有0°(对应图8中的(d))、-90°(对应图8中的(e))和90°(对应图8中的(f))相位的分相位地震数据。
图8中的(a)为提取出的单道地震数据进行相位分解后的重构信号。当所有相位分量叠加后，可以准确地恢复出原始地震信号。图8中的(b)为3个相位分量的信号(0°，-90°，90°)。图8中的(c)为原始地震数据。图8中的(b)、(c)、(d)表示经过分相位处理后得到的包含特定相位地震数据(0°，-90°，90°)。在上述分相位地震道集上，可以十分清晰地观察到储层顶底界面的明显振幅异常，该异常可作为储层检测标志。并且在0°与90°两个相位分量上，该振幅异常被放大。因而，利用包含特定相位的分相位地震数据对储层特性的放大效应，进而可以更加高效、准确地进行储层特性变化预测。
在本场景示例中，应用了本说明书实施例提出的基于Gabor变换的稀疏约束反演谱分解方法的分相位地震数据重构方法及原理，以及利用分相位重构后的地震数据进行储层预测与薄层识别的方法与思路。
通过上述场景示例，可以验证由于考虑到实际谱分解解释方面的局限性，为了从时频域谱分解所得到的相位谱所包含的信息得到充分利用，本说明书实施例所提供的一种新的分相位地震数据重构方法，利用该方法可以得到不同相位分量的信号，并且通过所有相位分量叠加可以无损恢复原始信号。进一步，上述分相位数据重构方法更加有利于薄层与储层含流体特性识别。若地下岩性与储层流体特性对应的地震反射响应差异不明显，则无法利用实际反射地震数据进行储层特性预测与薄层识别；通过分相位重构方法进行地震数据相位分解，所得的振幅异常在特定的相位分量处可以被明显的观察到，从而更有利于薄层与储层特性的识别。
通过上述场景示例，验证了基于本说明书实施例提供的分相位地震数据的处理方法，确实可以得到较为准确，且拥有较高的地震解释价值的包含有特定相位分量信息的分相位地震数据，进而能够利用上述分相位地震数据更加精细地刻画目标区域的储层特征，以进行储层特性的预测。
虽然本说明书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手段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，甚至为分布式数据处理环境)。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、产品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、产品或者设备所固有的要素。在没有更多限制的情况下，并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构、类等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
通过以上的实施例的描述可知，本领域的技术人员可以清楚地了解到本说明书可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本说明书的技术方案本质上可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，移动终端，服务器，或者网络设备等)执行本说明书各个实施例或者实施例的某些部分所述的方法。
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。本说明书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、多处理器系统、基于微处理器的系统、置顶盒、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。
虽然通过实施例描绘了本说明书，本领域普通技术人员知道，本说明书有许多变形和变化而不脱离本说明书的精神，希望所附的权利要求包括这些变形和变化而不脱离本说明书的精神。
Claims (10)
1.一种分相位地震数据的处理方法，其特征在于，包括：
获取目标区域的反射地震数据；
对所述反射地震数据进行基于Gabor变换的稀疏约束反演谱分解处理，得到对应的时频振幅谱数据和时频相位谱数据；
在频率域上，根据预设的相位误差限值、所述时频振幅谱数据和所述时频相位谱数据，进行分相位重构，以得到分相位重构后的数据体；
对所述分相位重构后的数据体进行基于Gabor变换的稀疏约束反演谱分解的逆处理，得到分相位地震数据；其中，所述分相位地震数据包含有不同相位分量的地震数据。
2.根据权利要求1所述的方法，其特征在于，在得到分相位地震数据之后，所述方法还包括：
从所述分相位地震数据中，筛选出指定相位分量的地震数据；
根据所述指定相位分量的地震数据，确定出目标区域的储层特征。
3.根据权利要求1所述的方法，其特征在于，在得到分相位地震数据之后，所述方法还包括：
对所述分相位地震数据进行全相位叠加处理，以重构地震记录。
4.根据权利要求1所述的方法，其特征在于，对所述反射地震数据进行基于Gabor变换的稀疏约束反演谱分解处理，包括：
构建子波库；其中，所述子波库包括多个频率的Gabor变换基函数；
根据所述反射地震数据、所述子波库，构建基于Gabor变换的稀疏约束反演的目标函数；
求解所述目标函数，以得到对应的时频数据；
根据所述时频数据，确定出所述时频振幅谱数据和所述时频相位谱数据。
5.根据权利要求4所述的方法，其特征在于，按照以下算式构建基于Gabor变换的稀疏约束反演的目标函数：
其中，J为目标函数的函数值，G为基于所述子波库所构建的褶积矩阵，m为时频数据，s为反射地震数据的矩阵形式，γ为正则化参数，
表示L2范数的平方，||·||1表示L1范数。
6.根据权利要求5所述的方法，其特征在于，求解所述目标函数，包括：
获取噪声数据；
根据所述噪声数据，调整所述目标函数中的正则化参数，以得到调整后的目标函数；
通过迭代软阈值算法，求解所述调整后的目标函数。
7.根据权利要求6所述的方法，其特征在于，根据所述噪声数据，调整所述目标函数中的正则化参数，包括：
在确定所述噪声数据大于第一预设阈值的情况下，增大所述正则化参数的数值；
在确定所述噪声数据小于第二预设阈值的情况下，减小所述正则化参数的数值。
8.根据权利要求1所述的方法，其特征在于，在频率域上，根据预设的相位误差限值、所述时频振幅谱数据和所述时频相位谱数据，进行分相位重构，以得到分相位重构后的数据体，包括：
根据时频相位谱数据、预设的相位值，以及预设的相位误差限值，确定出符合要求的相位；
保留所述时频振幅谱数据中的符合要求的相位处的时频振幅数据，以得到分相位重构后的数据体。
9.一种分相位地震数据的处理装置，其特征在于，包括：
获取模块，用于获取目标区域的反射地震数据；
第一处理模块，用于对所述反射地震数据进行基于Gabor变换的稀疏约束反演谱分解处理，得到对应的时频振幅谱数据和时频相位谱数据；
重构模块，用于在频率域上，根据预设的相位误差限值、所述时频振幅谱数据和所述时频相位谱数据，进行分相位重构，以得到分相位重构后的数据体；
第二处理模块，用于对所述分相位重构后的数据体进行基于Gabor变换的稀疏约束反演谱分解的逆处理，得到分相位地震数据；其中，所述分相位地震数据包含有不同相位分量的地震数据。
10.一种服务器，其特征在于，包括处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现权利要求1至8中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011051918.0A CN112213782B (zh) | 2020-09-29 | 2020-09-29 | 分相位地震数据的处理方法、装置和服务器 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011051918.0A CN112213782B (zh) | 2020-09-29 | 2020-09-29 | 分相位地震数据的处理方法、装置和服务器 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112213782A true CN112213782A (zh) | 2021-01-12 |
| CN112213782B CN112213782B (zh) | 2022-03-04 |
Family
ID=74051573
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011051918.0A Active CN112213782B (zh) | 2020-09-29 | 2020-09-29 | 分相位地震数据的处理方法、装置和服务器 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112213782B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113777650A (zh) * | 2021-08-12 | 2021-12-10 | 西安交通大学 | 一种基于混合范数和小波变换的稀疏时频谱分解方法、装置、设备及存储介质 |
| CN114035225A (zh) * | 2021-10-19 | 2022-02-11 | 成都信息工程大学 | 一种地震资料高分辨率处理bpfe方法及装置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1858773A (zh) * | 2005-04-30 | 2006-11-08 | 中国科学院计算技术研究所 | 一种基于Gabor相位模式的图像识别方法 |
| EP1922567B1 (en) * | 2005-07-28 | 2010-08-25 | ExxonMobil Upstream Research Company | Method for wavelet denoising of controlled source electromagnetic survey data |
| CN107831535A (zh) * | 2017-08-02 | 2018-03-23 | 中国石油化工股份有限公司 | 时变相位分解与重构方法 |
| CN109375265A (zh) * | 2018-08-22 | 2019-02-22 | 中国地质大学（武汉） | 一种基于变相位雷克子波匹配追踪的理想地震谱分解方法 |
| CN110794458A (zh) * | 2019-10-30 | 2020-02-14 | 中国石油大学(北京) | 基于时频分析的含气性检测方法、装置及存储介质 |
| CN111158051A (zh) * | 2020-01-07 | 2020-05-15 | 自然资源部第一海洋研究所 | 一种基于稀疏正则化的联合约束随机噪声压制方法 |
| CN111239808A (zh) * | 2018-11-28 | 2020-06-05 | 中国石油天然气股份有限公司 | 一种地震反演谱分解方法、装置、电子设备及存储介质 |
-
2020
- 2020-09-29 CN CN202011051918.0A patent/CN112213782B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1858773A (zh) * | 2005-04-30 | 2006-11-08 | 中国科学院计算技术研究所 | 一种基于Gabor相位模式的图像识别方法 |
| EP1922567B1 (en) * | 2005-07-28 | 2010-08-25 | ExxonMobil Upstream Research Company | Method for wavelet denoising of controlled source electromagnetic survey data |
| CN107831535A (zh) * | 2017-08-02 | 2018-03-23 | 中国石油化工股份有限公司 | 时变相位分解与重构方法 |
| CN109375265A (zh) * | 2018-08-22 | 2019-02-22 | 中国地质大学（武汉） | 一种基于变相位雷克子波匹配追踪的理想地震谱分解方法 |
| CN111239808A (zh) * | 2018-11-28 | 2020-06-05 | 中国石油天然气股份有限公司 | 一种地震反演谱分解方法、装置、电子设备及存储介质 |
| CN110794458A (zh) * | 2019-10-30 | 2020-02-14 | 中国石油大学(北京) | 基于时频分析的含气性检测方法、装置及存储介质 |
| CN111158051A (zh) * | 2020-01-07 | 2020-05-15 | 自然资源部第一海洋研究所 | 一种基于稀疏正则化的联合约束随机噪声压制方法 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113777650A (zh) * | 2021-08-12 | 2021-12-10 | 西安交通大学 | 一种基于混合范数和小波变换的稀疏时频谱分解方法、装置、设备及存储介质 |
| CN113777650B (zh) * | 2021-08-12 | 2022-10-25 | 西安交通大学 | 一种基于混合范数和小波变换的稀疏时频谱分解方法、装置、设备及存储介质 |
| CN114035225A (zh) * | 2021-10-19 | 2022-02-11 | 成都信息工程大学 | 一种地震资料高分辨率处理bpfe方法及装置 |
| CN114035225B (zh) * | 2021-10-19 | 2023-08-15 | 成都信息工程大学 | 一种地震资料高分辨率处理bpfe方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112213782B (zh) | 2022-03-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lu et al. | Seismic spectral decomposition using deconvolutive short-time Fourier transform spectrogram | |
| Neelamani et al. | Coherent and random noise attenuation using the curvelet transform | |
| CN108387933B (zh) | 一种确定地层品质因子的方法、装置及系统 | |
| US20150120199A1 (en) | Multiple Domain Processing For Combining Reservoir Models and Seismic Data | |
| CN111123354B (zh) | 基于频变反射振幅衰减预测致密气层的方法及设备 | |
| AU2019340410B2 (en) | Reservoir characterization utilizing inversion of resampled seismic data | |
| CN112213782B (zh) | 分相位地震数据的处理方法、装置和服务器 | |
| CN108020863A (zh) | 一种基于地震奇偶函数的碳酸盐岩薄储层孔隙度预测方法 | |
| CN107179550B (zh) | 一种数据驱动的地震信号零相位反褶积方法 | |
| CN111239808B (zh) | 一种地震反演谱分解方法、装置、电子设备及存储介质 | |
| CN108897036B (zh) | 一种地震数据处理方法及装置 | |
| AU2018272313A1 (en) | System and method for predicting fault seal from seismic data | |
| CN111751877A (zh) | 一种地震数据多重积分相干裂缝预测方法与装置 | |
| Lin et al. | Time-frequency mixed domain multi-trace simultaneous inversion method | |
| CN108693558B (zh) | 地震数据处理方法和装置 | |
| CN114779332B (zh) | 地震数据沉积背景去除方法、装置及电子设备 | |
| Liu et al. | Automatic estimation of traveltime parameters in VTI media using similarity-weighted clustering | |
| CN113805225A (zh) | 一种相位约束的高分辨率地震反演方法及计算机设备 | |
| Peng et al. | A nonparametric method for automatic denoising of microseismic data | |
| CN113970786B (zh) | 暗河厚度预测方法、系统、存储介质及电子设备 | |
| CN114442157A (zh) | 地震反射系数的确定方法和装置 | |
| CN112558147B (zh) | 一种井中微地震数据的偏振分析方法及系统 | |
| CN117849875B (zh) | 一种地震信号分析方法、系统、装置及存储介质 | |
| CN116299701B (zh) | 断溶体储层识别方法、装置及电子设备 | |
| Wang | Heterogeneous Seismic Waves Pattern Recognition in Oil Exploration with Spectrum Imaging |
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 |