CN112782753A - 压缩感知观测系统的生成方法及装置 - Google Patents

压缩感知观测系统的生成方法及装置 Download PDF

Info

Publication number
CN112782753A
CN112782753A CN201911080687.3A CN201911080687A CN112782753A CN 112782753 A CN112782753 A CN 112782753A CN 201911080687 A CN201911080687 A CN 201911080687A CN 112782753 A CN112782753 A CN 112782753A
Authority
CN
China
Prior art keywords
data
observation system
generating
single shot
proportion
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.)
Pending
Application number
CN201911080687.3A
Other languages
English (en)
Inventor
吕盼盼
门哲
宁宏晓
李伟波
雷云山
孟庆夫
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 CN201911080687.3A priority Critical patent/CN112782753A/zh
Publication of CN112782753A publication Critical patent/CN112782753A/zh
Pending legal-status Critical Current

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
    • G01V1/16—Receiving elements for seismic signals; Arrangements or adaptations of receiving elements
    • G01V1/20—Arrangements of receiving elements, e.g. geophone pattern
    • 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
    • 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
    • G01V1/37—Effecting static or dynamic corrections on records, e.g. correcting spread; Correlating seismic signals; Eliminating effects of unwanted energy specially adapted for seismic systems using continuous agitation of the ground, e.g. using pulse compression of frequency swept signals for enhancement of received signals
    • G01V1/375—Correlating received seismic signals with the emitted source signal

Landscapes

  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Remote Sensing (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

本发明提供了一种压缩感知观测系统的生成方法及装置，压缩感知观测系统的生成方法包括：根据抽取比例随机抽取目标工区中单炮数据的观测道数据；其中，所述抽取比例从初始抽取比例值逐步增加，直至所述抽取比例增加至预设值；在curvelet域对所述观测道数据进行数据重构，以生成重构数据；计算所述单炮数据与所述重构数据之间的误差值；根据多个误差值生成抽稀比例；根据所述抽稀比例、激发点以及接收点生成所述压缩感知观测系统。综上，本方法提供了一种操作简便、高精度且行之有效的压缩感知观测系统的生成方法。

Description

压缩感知观测系统的生成方法及装置
技术领域
本发明涉及地球物理勘探技术，具体涉及一种压缩感知观测系统的生成方法及装置。
背景技术
在地震数据采集过程中，由于地表障碍物、采集设备等限制，往往会出现一些不规则采集的地震数据，甚至其中有些地震数据的采样频率低于Nyquist采样定理的极限。传统处理中主要使用插值技术解决数据缺失等不规则采样问题，近年来，地球物理学家把压缩感知技术引入地震勘探领域。压缩感知技术可以利用较稀疏的观测道集重建出一组理想空间网格上的地震数据，使一个欠条件的方程组得到最优解。换言之，压缩感知理论认为在满足一定条件的情况下，即使采样频率低于Nyquist极限也可以恢复出满足一定精度要求的完整数据。另外，压缩感知技术的引入为地震采集设计提供了新的思路，在规则采样设计的基础上，如何在采集成本不变的情况下提高勘探精度或者增加勘探面积，如何在勘探面积不变的情况下降低采集成本，成为目前观测系统设计领域重点关注的问题。但稀疏观测系统保留多大比例的原始规则网格观测系统设计的炮检点，至今为止还未见相应方法。
发明内容
针对现有技术中的问题，本发明利用可以准确地确定压缩感知观测系统的抽稀比例，进而可以有效的稀疏网格观测系统。
为解决上述技术问题，本发明提供以下技术方案：
第一方面，本发明提供一种压缩感知观测系统的生成方法，包括：
根据抽取比例随机抽取目标工区中单炮数据的观测道数据；其中，所述抽取比例从初始抽取比例值逐步增加，直至所述抽取比例增加至预设值；
在curvelet域对所述观测道数据进行数据重构，以生成重构数据；
计算所述单炮数据与所述重构数据之间的误差值；
根据多个误差值生成抽稀比例，
根据所述抽稀比例、激发点以及接收点生成所述压缩感知观测系统。
一实施例中，压缩感知观测系统的生成方法还包括：
根据所述目标工区确定其高密度采集阈值；
当所述单炮数据的采集密度小于所述高密度采集阈值时，对所述单炮数据按照所述高密度采集阈值重新采集地震数据，以生成可供抽取的单炮数据。
一实施例中，压缩感知观测系统的生成方法还包括：对所述单炮数据进行预处理，所述预处理包括静校正以及异常振幅值校正。
一实施例中，所述根据抽取比例随机抽取目标工区中单炮数据的观测道数据包括：
按照所述抽取比例多次随机抽取目标工区中单炮数据的观测道数据，其中所述单炮数据为二维地震数据或三维地震数据。
第二方面，本发明提供一种压缩感知观测系统的生成装置，该装置包括：
观测道数据抽取单元，用于根据抽取比例随机抽取目标工区中单炮数据的观测道数据；其中，所述抽取比例从初始抽取比例值逐步增加，直至所述抽取比例增加至预设值；
数据重构单元，用于在curvelet域对所述观测道数据进行数据重构，以生成重构数据；
误差值计算单元，用于计算所述单炮数据与所述重构数据之间的误差值；
抽稀比例生成单元，用于根据多个误差值生成抽稀比例，
观测系统生成单元，用于根据所述抽稀比例、激发点以及接收点生成所述压缩感知观测系统。
一实施例中，压缩感知观测系统的生成装置还包括：
阈值确定单元，用于根据所述目标工区确定其高密度采集阈值；
重新采集单元，用于当所述单炮数据的采集密度小于所述高密度采集阈值时，对所述单炮数据按照所述高密度采集阈值重新采集地震数据，以生成可供抽取的单炮数据。
一实施例中，压缩感知观测系统的生成装置还包括：预处理单元，用于对所述单炮数据进行预处理，所述预处理包括静校正以及异常振幅值校正。
一实施例中，所述观测道数据抽取单元具体用于按照所述抽取比例多次随机抽取目标工区中单炮数据的观测道数据，其中所述单炮数据为二维地震数据或三维地震数据。
第三方面，本发明提供一种电子设备，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，处理器执行程序时实现压缩感知观测系统的生成方法的步骤。
第四方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现压缩感知观测系统的生成方法的步骤。
从上述描述可知，本发明提供的压缩感知观测系统的生成方法及装置，在curvelet域数据重构的基础上，对同一观测数据使用不同抽稀比例抽稀后进行数据重构，通过数据重构误差确定可稀疏观测系统的抽稀比例，并设置一定规则进行随机抽取以防止抽稀过度不均。利用本方法得到的压缩感知观测系统可以在规则采样设计的基础上，且在采集成本不变的情况下提高勘探精度或者增加勘探面积，或者在勘探面积不变的情况下降低采集成本，即使采样频率低于Nyquist极限也可以恢复出满足一定精度要求的完整数据。本方法定量计算可稀疏观测系统(压缩感知观测系统)中检波点与炮点的稀疏比例，直观地展示稀疏观测系统设计的方法。
综上，本方法提供了一种操作简便、高精度且行之有效的压缩感知观测系统的生成方法。
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为本发明实施例中的压缩感知观测系统的生成方法的流程示意图一；
图2为本发明实施例中的压缩感知观测系统的生成方法的流程示意图二；
图3为本发明实施例中的压缩感知观测系统的生成方法的流程示意图三；
图4为本发明的实施例中步骤100的流程示意图；
图5为本发明的具体实施方式中压缩感知观测系统的生成方法的流程示意图；
图6为本发明的具体实施方式中原始地震数据示意图；
图7为本发明的具体实施方式中预处理之后的分析数据示意图；
图8为本发明的具体实施方式中各种观测系统示意图；
图9为本发明的具体实施方式中观测道信噪比曲线示意图；
图10为本发明的实施例中的压缩感知观测系统的生成装置的结构示意图一；
图11为本发明的实施例中的压缩感知观测系统的生成装置的结构示意图二；
图12为本发明的实施例中的压缩感知观测系统的生成装置的结构示意图三；
图13为本发明的实施例中的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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、完整的描述，显然，所描述的实施例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作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。
本发明的实施例提供一种压缩感知观测系统的生成方法的具体实施方式，参见图1，该方法具体包括如下内容：
步骤100：根据抽取比例随机抽取目标工区中单炮数据的观测道数据；其中，所述抽取比例从初始抽取比例值逐步增加，直至所述抽取比例增加至预设值。
步骤200：在curvelet域对所述观测道数据进行数据重构，以生成重构数据。
在应用地球物理中，技术人员在不断地探索如何去对地震数据进行高效、准确的稀疏表示，并将稀疏表示理论应用于地震信号处理。曲波变换(Curvelet transform)便是继小波变换、脊波变换等之后发展起来的一种能够对高维信号提供近乎最优稀疏表示的数学变换方法。它不仅具有多分辨率特性，时频局部性、多方向性和各向异性，而且克服了小波变换表示边缘、轮廓等高维奇异时存在的局限性。
步骤300：计算所述单炮数据与所述重构数据之间的误差值。
具体地依照下式计算步骤300中的误差值。
Figure BDA0002263852280000041
式中，Dr为重构数据，Do为单炮数据(抽稀前原始单炮数据)，Eij为误差值。
步骤400：根据多个误差值生成抽稀比例。
可以理解的是，将步骤400中的多个误差值投射在二维直角坐标系中，可以生成一误差值曲线，根据此误差值曲线的延展趋势可确定抽稀比例。
步骤500：根据所述抽稀比例、激发点以及接收点生成所述压缩感知观测系统。
压缩感知(Compressed sensing)，也被称为压缩采样(Compressive sampling)，稀疏采样(Sparse sampling)，压缩传感。其作为一个新的采样理论，通过开发信号的稀疏特性，在远小于Nyquist采样率的条件下，用随机采样获取信号的离散样本，然后通过非线性重建算法完美的重建信号。
压缩感知理论的核心思想主要包括两点。第一个是信号的稀疏结构。传统的Shannon信号表示方法只开发利用了最少的被采样信号的先验信息，即信号的带宽。但是，现实生活中很多广受关注的信号本身具有一些结构特点。相对于带宽信息的自由度，这些结构特点是由信号的更小的一部分自由度所决定。换句话说，在很少的信息损失情况下，这种信号可以用很少的数字编码表示。所以在这种意义上，这种信号是稀疏信号(或者近似稀疏信号、可压缩信号)。另外一点是不相关特性。稀疏信号的有用信息的获取可以通过一个非自适应的采样方法将信号压缩成较小的样本数据来完成。理论证明压缩感知的采样方法只是一个简单的将信号与一组确定的波形进行相关的操作。这些波形要求是与信号所在的稀疏空间不相关的。
压缩感知方法抛弃了当前信号采样中的冗余信息。它直接从连续时间信号变换得到压缩样本，然后在数字信号处理中采用优化方法处理压缩样本。恢复信号所需的优化算法常常是一个已知信号稀疏的欠定线性逆问题。
根据互换原理，稀疏比例的确定方法也适用于炮点稀疏比例的确定，故步骤500可以得到检波器以及炮点的稀疏比例，从而可以生成压缩感知观测系统。
从上述描述可知，本发明提供的压缩感知观测系统的生成方法，在curvelet域数据重构的基础上，对同一观测数据使用不同抽稀比例抽稀后进行数据重构，通过数据重构误差确定可稀疏观测系统的抽稀比例，并设置一定规则进行随机抽取以防止抽稀过度不均。利用本方法得到的压缩感知观测系统可以在规则采样设计的基础上，且在采集成本不变的情况下提高勘探精度或者增加勘探面积，或者在勘探面积不变的情况下降低采集成本，即使采样频率低于Nyquist极限也可以恢复出满足一定精度要求的完整数据。本方法定量计算可稀疏观测系统(压缩感知观测系统)中检波点与炮点的稀疏比例，直观地展示稀疏观测系统设计的方法。
综上，本方法提供了一种操作简便、高精度且行之有效的压缩感知观测系统的生成方法。
一实施例中，参见图2，压缩感知观测系统的生成方法，还包括：
步骤600：根据所述目标工区确定其高密度采集阈值。
步骤700：当所述单炮数据的采集密度小于所述高密度采集阈值时，对所述单炮数据按照所述高密度采集阈值重新采集地震数据，以生成可供抽取的单炮数据。
可以理解的是，在步骤600至步骤700中，选择目标工区以往典型单炮数据或者附近工区典型单炮数据，分析原始采集观测系统，如果是高密度采集(针对不同的地质情况，高密度采集的标准不同，一般认为覆盖密度达到两千万为高密度采集，在三维地震采集中，覆盖密度为单位平方公里的覆盖次数，即1平方公里除以面元乘以覆盖次数的数值；在二维地震采集中为1公里除以道距的一半，再乘以覆盖次数的数值)，则直接进行分析；如果采集密度相对较低，则根据以往资料处理剖面在工区内典型构造区选取试验点或试验线，设计高密度接收道(道距一般为理论设计规则观测系统道距的一半)，进行重新采集，以得到可供抽取的单炮数据。
一实施例中，参见图3，压缩感知观测系统的生成方法，还包括：
步骤800：对所述单炮数据进行预处理，所述预处理包括静校正以及异常振幅值校正。
一实施例中，参见图4，步骤100包括：
步骤101：按照所述抽取比例多次随机抽取目标工区中单炮数据的观测道数据，其中所述单炮数据为二维地震数据或三维地震数据。
为确保结果的可靠性，需要以抽取比例多次随机抽取目标工区中单炮数据的观测道数据，然后对每次抽取的观测到数据在curvelet域中做数据重构，以生成多个重构数据；并计算多个重构数据与单炮数据之间的误差值，并将得到的多个误差值的平均值作为该抽取比例的误差值。例如，以5％开始抽取目标工区中单跑数据的观测道数据D1，在curvelet域观测道数据D1进行数据重构，以生成重构数据D2；计算单炮数据与重构数据D2之间的误差值W1；重复以上步骤10次(即进行10次随机抽取)，即可得10个误差值：W1、W2…W10，计算这10个误差值的平均值W，作为抽取比例为5％时的误差值。需要注意的是，这一步骤是区别于步骤100的。
从上述描述可知，本发明提供的压缩感知观测系统的生成方法，在curvelet域数据重构的基础上，对同一观测数据使用不同抽稀比例抽稀后进行数据重构，通过数据重构误差确定可稀疏观测系统的抽稀比例，并设置一定规则进行随机抽取以防止抽稀过度不均。利用本方法得到的压缩感知观测系统可以在规则采样设计的基础上，且在采集成本不变的情况下提高勘探精度或者增加勘探面积，或者在勘探面积不变的情况下降低采集成本，即使采样频率低于Nyquist极限也可以恢复出满足一定精度要求的完整数据。本方法定量计算可稀疏观测系统(压缩感知观测系统)中检波点与炮点的稀疏比例，直观地展示稀疏观测系统设计的方法。
综上，本方法提供了一种操作简便、高精度且行之有效的压缩感知观测系统的生成方法。
为进一步地说明本方案，本发明以某工区以往的典型单炮数据为例，提供压缩感知观测系统的生成方法的具体应用实例，该具体应用实例具体包括如下内容，参见图5。
S0：选取典型构造区的单炮数据，得到原始地震数据。
参见图6，分析原始采集观测系统，采用4000-5-10-5-4000的观测系统，符合高密度采集的要求。
S1：对原始地震数据进行预处理。
对原始地震数据依次做静校正、异常振幅处理等预处理工作，得到分析数据Do参见图7。
S2：根据抽取比例随机抽取目标工区中单炮数据的观测道数据。
在步骤S2中，抽取比例从初始抽取比例值逐步增加，直至所述抽取比例增加至预设值；具体地，在分析数据Do上随机抽取5％的观测道数据，把抽取道的道序号放入数组R中。为了保证抽取的数据相对均匀，设定针对该数据的经验数值为40(由抽取比例确定)，检索道序号数组R中的相邻道的道号，
R6-R5＝56＞40
则修改第6个道对应的道序号为
Figure BDA0002263852280000071
本实例在图8中示意了随机选择的道序号和调整缺口后的道序号，从上至下分别表示常规网格观测系统，抽稀后观测系统，调整缺口后观测系统。
S3：在curvelet域对抽稀道数据做数据重构。
在curvelet域对抽稀道数据做数据重构，得到重构数据Dr，计算重构单炮Dr相对抽稀前原始单炮Do的重构误差Eij为：
Figure BDA0002263852280000081
为确保统计结果的可靠性，重复步骤S2和步骤S3，得到5种道抽取方式的重构误差Eij＝[-0.1275,0.0192,-0.0079,0.0013,-0.0211]，计算5个重构误差的平均值定义为该抽稀比例(5％)的重构误差Ei，其中
Figure BDA0002263852280000082
依次增加观测道的抽取比例，重复步骤4)至步骤6)，直至抽取地震道的比例大于90％，记录每个抽取比例重构数据的重构误差Ei，得到数组E。
S4：根据多个误差值生成抽稀比例。
具体地，拟合重构误差数组E中离散点得到重构误差曲线(观测道信噪比曲线，图9)，根据曲线的趋势确定常规观测系统的抽稀比例约为70％。
S5：根据所述抽稀比例、激发点以及接收点生成所述压缩感知观测系统。
根据互换原理，稀疏比例的确定方法也适用于炮点稀疏比例的确定，从而可以得到检波器以及炮点的稀疏比例，进而可以生成压缩感知观测系统。
从上述描述可知，本发明提供的压缩感知观测系统的生成方法，在curvelet域数据重构的基础上，对同一观测数据使用不同抽稀比例抽稀后进行数据重构，通过数据重构误差确定可稀疏观测系统的抽稀比例，并设置一定规则进行随机抽取以防止抽稀过度不均。利用本方法得到的压缩感知观测系统可以在规则采样设计的基础上，且在采集成本不变的情况下提高勘探精度或者增加勘探面积，或者在勘探面积不变的情况下降低采集成本，即使采样频率低于Nyquist极限也可以恢复出满足一定精度要求的完整数据。本方法定量计算可稀疏观测系统(压缩感知观测系统)中检波点与炮点的稀疏比例，直观地展示稀疏观测系统设计的方法。
综上，本方法提供了一种操作简便、高精度且行之有效的压缩感知观测系统的生成方法。
基于同一发明构思，本申请实施例还提供了压缩感知观测系统的生成装置，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。由于压缩感知观测系统的生成装置解决问题的原理与压缩感知观测系统的生成方法相似，因此压缩感知观测系统的生成装置的实施可以参见压缩感知观测系统的生成方法实施，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系统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。
本发明的实施例提供一种能够实现压缩感知观测系统的生成方法的压缩感知观测系统的生成装置的具体实施方式，参见图10，压缩感知观测系统的生成装置具体包括如下内容：
观测道数据抽取单元10，用于根据抽取比例随机抽取目标工区中单炮数据的观测道数据；其中，所述抽取比例从初始抽取比例值逐步增加，直至所述抽取比例增加至预设值；
数据重构单元20，用于在curvelet域对所述观测道数据进行数据重构，以生成重构数据；
误差值计算单元30，用于计算所述单炮数据与所述重构数据之间的误差值；
抽稀比例生成单元40，用于根据多个误差值生成抽稀比例，
观测系统生成单元50，用于根据所述抽稀比例、激发点以及接收点生成所述压缩感知观测系统。
一实施例中，参见图11，压缩感知观测系统的生成装置还包括：
阈值确定单元60，用于根据所述目标工区确定其高密度采集阈值；
重新采集单元70，用于当所述单炮数据的采集密度小于所述高密度采集阈值时，对所述单炮数据按照所述高密度采集阈值重新采集地震数据，以生成可供抽取的单炮数据。
一实施例中，参见图12，压缩感知观测系统的生成装置还包括：预处理单元80，用于对所述单炮数据进行预处理，所述预处理包括静校正以及异常振幅值校正。
一实施例中，所述观测道数据抽取单元具体用于按照所述抽取比例多次随机抽取目标工区中单炮数据的观测道数据，其中所述单炮数据为二维地震数据或三维地震数据。
从上述描述可知，本发明提供的压缩感知观测系统的生成装置，在curvelet域数据重构的基础上，对同一观测数据使用不同抽稀比例抽稀后进行数据重构，通过数据重构误差确定可稀疏观测系统的抽稀比例，并设置一定规则进行随机抽取以防止抽稀过度不均。利用本方法得到的压缩感知观测系统可以在规则采样设计的基础上，且在采集成本不变的情况下提高勘探精度或者增加勘探面积，或者在勘探面积不变的情况下降低采集成本，即使采样频率低于Nyquist极限也可以恢复出满足一定精度要求的完整数据。本方法定量计算可稀疏观测系统(压缩感知观测系统)中检波点与炮点的稀疏比例，直观地展示稀疏观测系统设计的方法。
综上，本方法提供了一种操作简便、高精度且行之有效的压缩感知观测系统的生成方法。
本申请的实施例还提供能够实现上述实施例中的压缩感知观测系统的生成方法中全部步骤的一种电子设备的具体实施方式，参见图13，电子设备具体包括如下内容：
处理器(processor)1501、存储器(memory)1502、通信接口(CommunicationsInterface)1503和总线1504；
其中，处理器1501、存储器1502、通信接口1503通过总线1504完成相互间的通信；通信接口1503用于实现服务器端设备、测量设备以及相关设备之间的信息传输。
处理器1501用于调用存储器1502中的计算机程序，处理器执行计算机程序时实现上述实施例中的压缩感知观测系统的生成方法中的全部步骤，例如，处理器执行计算机程序时实现下述步骤：
步骤100：根据抽取比例随机抽取目标工区中单炮数据的观测道数据；其中，所述抽取比例从初始抽取比例值逐步增加，直至所述抽取比例增加至预设值。
步骤200：在curvelet域对所述观测道数据进行数据重构，以生成重构数据。
步骤300：计算所述单炮数据与所述重构数据之间的误差值。
步骤400：根据多个误差值生成抽稀比例。
步骤500：根据所述抽稀比例、激发点以及接收点生成所述压缩感知观测系统。
从上述描述可知，本申请实施例中的电子设备，在curvelet域数据重构的基础上，对同一观测数据使用不同抽稀比例抽稀后进行数据重构，通过数据重构误差确定可稀疏观测系统的抽稀比例，并设置一定规则进行随机抽取以防止抽稀过度不均。利用本方法得到的压缩感知观测系统可以在规则采样设计的基础上，且在采集成本不变的情况下提高勘探精度或者增加勘探面积，或者在勘探面积不变的情况下降低采集成本，即使采样频率低于Nyquist极限也可以恢复出满足一定精度要求的完整数据。本方法定量计算可稀疏观测系统(压缩感知观测系统)中检波点与炮点的稀疏比例，直观地展示稀疏观测系统设计的方法。
综上，本方法提供了一种操作简便、高精度且行之有效的压缩感知观测系统的生成方法。
本申请的实施例还提供能够实现上述实施例中的压缩感知观测系统的生成方法中全部步骤的一种计算机可读存储介质，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压缩感知观测系统的生成方法的全部步骤，例如，处理器执行计算机程序时实现下述步骤：
步骤100：根据抽取比例随机抽取目标工区中单炮数据的观测道数据；其中，所述抽取比例从初始抽取比例值逐步增加，直至所述抽取比例增加至预设值。
步骤200：在curvelet域对所述观测道数据进行数据重构，以生成重构数据。
步骤300：计算所述单炮数据与所述重构数据之间的误差值。
步骤400：根据多个误差值生成抽稀比例。
步骤500：根据所述抽稀比例、激发点以及接收点生成所述压缩感知观测系统。
从上述描述可知，本申请实施例中的计算机可读存储介质，在curvelet域数据重构的基础上，对同一观测数据使用不同抽稀比例抽稀后进行数据重构，通过数据重构误差确定可稀疏观测系统的抽稀比例，并设置一定规则进行随机抽取以防止抽稀过度不均。利用本方法得到的压缩感知观测系统可以在规则采样设计的基础上，且在采集成本不变的情况下提高勘探精度或者增加勘探面积，或者在勘探面积不变的情况下降低采集成本，即使采样频率低于Nyquist极限也可以恢复出满足一定精度要求的完整数据。本方法定量计算可稀疏观测系统(压缩感知观测系统)中检波点与炮点的稀疏比例，直观地展示稀疏观测系统设计的方法。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同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。尤其，对于硬件+程序类实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
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)。
虽然本说明书实施例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。在实际中的装置或终端产品执行时，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。
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，在实施本说明书实施例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。
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。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书实施例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，本说明书实施例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。
本说明书实施例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、数据结构等等。也可以在分布式计算环境中实践本说明书实施例，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。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同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。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书实施例的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
以上所述仅为本说明书实施例的实施例而已，并不用于限制本说明书实施例。对于本领域技术人员来说，本说明书实施例可以有各种更改和变化。凡在本说明书实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书实施例的权利要求范围之内。

Claims (10)

1.一种压缩感知观测系统的生成方法，其特征在于，包括：
根据抽取比例随机抽取目标工区中单炮数据的观测道数据；其中，所述抽取比例从初始抽取比例值逐步增加，直至所述抽取比例增加至预设值；
在curvelet域对所述观测道数据进行数据重构，以生成重构数据；
计算所述单炮数据与所述重构数据之间的误差值；
根据多个误差值生成抽稀比例；
根据所述抽稀比例、激发点以及接收点生成所述压缩感知观测系统。
2.根据权利要求1所述的压缩感知观测系统的生成方法，其特征在于，还包括：
根据所述目标工区确定其高密度采集阈值；
当所述单炮数据的采集密度小于所述高密度采集阈值时，对所述单炮数据按照所述高密度采集阈值重新采集地震数据，以生成可供抽取的单炮数据。
3.根据权利要求1至2任一项所述的压缩感知观测系统的生成方法，其特征在于，还包括：对所述单炮数据进行预处理，所述预处理包括静校正以及异常振幅值校正。
4.根据权利要求1所述的压缩感知观测系统的生成方法，其特征在于，所述根据抽取比例随机抽取目标工区中单炮数据的观测道数据包括：
按照所述抽取比例多次随机抽取目标工区中单炮数据的观测道数据，其中所述单炮数据为二维地震数据或三维地震数据。
5.一种压缩感知观测系统的生成装置，其特征在于，包括：
观测道数据抽取单元，用于根据抽取比例随机抽取目标工区中单炮数据的观测道数据；其中，所述抽取比例从初始抽取比例值逐步增加，直至所述抽取比例增加至预设值；
数据重构单元，用于在curvelet域对所述观测道数据进行数据重构，以生成重构数据；
误差值计算单元，用于计算所述单炮数据与所述重构数据之间的误差值；
抽稀比例生成单元，用于根据多个误差值生成抽稀比例；
观测系统生成单元，用于根据所述抽稀比例、激发点以及接收点生成所述压缩感知观测系统。
6.根据权利要求5所述的压缩感知观测系统的生成装置，其特征在于，还包括：
阈值确定单元，用于根据所述目标工区确定其高密度采集阈值；
重新采集单元，用于当所述单炮数据的采集密度小于所述高密度采集阈值时，对所述单炮数据按照所述高密度采集阈值重新采集地震数据，以生成可供抽取的单炮数据。
7.根据权利要求5至6任一项所述的压缩感知观测系统的生成装置，其特征在于，还包括：预处理单元，用于对所述单炮数据进行预处理，所述预处理包括静校正以及异常振幅值校正。
8.根据权利要求5所述的压缩感知观测系统的生成装置，其特征在于，所述观测道数据抽取单元具体用于按照所述抽取比例多次随机抽取目标工区中单炮数据的观测道数据，其中所述单炮数据为二维地震数据或三维地震数据。
9.一种电子设备，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程序时实现权利要求1至4任一项所述压缩感知观测系统的生成方法的步骤。
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，该计算机程序被处理器执行时实现权利要求1至4任一项所述压缩感知观测系统的生成方法的步骤。
CN201911080687.3A 2019-11-07 2019-11-07 压缩感知观测系统的生成方法及装置 Pending CN112782753A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911080687.3A CN112782753A (zh) 2019-11-07 2019-11-07 压缩感知观测系统的生成方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911080687.3A CN112782753A (zh) 2019-11-07 2019-11-07 压缩感知观测系统的生成方法及装置

Publications (1)

Publication Number Publication Date
CN112782753A true CN112782753A (zh) 2021-05-11

Family

ID=75747782

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911080687.3A Pending CN112782753A (zh) 2019-11-07 2019-11-07 压缩感知观测系统的生成方法及装置

Country Status (1)

Country Link
CN (1) CN112782753A (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104345340A (zh) * 2013-07-29 2015-02-11 中国石油化工股份有限公司 一种地震数据规则化中抖动稀疏采样方法
CN104422954A (zh) * 2013-08-20 2015-03-18 中国石油化工股份有限公司 一种地震数据规则化中稀疏采样方法
US20150124560A1 (en) * 2013-11-01 2015-05-07 Conocophillips Company Compressive sensing
CN106291678A (zh) * 2015-05-27 2017-01-04 中国石油化工股份有限公司 一种地震数据采集方法及系统
US20170235003A1 (en) * 2016-02-12 2017-08-17 Cgg Services Sas Seismic data acquisition for compressive sensing reconstruction
CN107942377A (zh) * 2018-01-05 2018-04-20 吉林大学 一种地震数据压缩与重构方法
CN108061917A (zh) * 2016-11-07 2018-05-22 中国石油化工股份有限公司 一种一维地震信号压缩采集方法
CN110320555A (zh) * 2019-06-28 2019-10-11 中国石油大学(华东) 一种地震数据重建方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104345340A (zh) * 2013-07-29 2015-02-11 中国石油化工股份有限公司 一种地震数据规则化中抖动稀疏采样方法
CN104422954A (zh) * 2013-08-20 2015-03-18 中国石油化工股份有限公司 一种地震数据规则化中稀疏采样方法
US20150124560A1 (en) * 2013-11-01 2015-05-07 Conocophillips Company Compressive sensing
CN106291678A (zh) * 2015-05-27 2017-01-04 中国石油化工股份有限公司 一种地震数据采集方法及系统
US20170235003A1 (en) * 2016-02-12 2017-08-17 Cgg Services Sas Seismic data acquisition for compressive sensing reconstruction
CN108061917A (zh) * 2016-11-07 2018-05-22 中国石油化工股份有限公司 一种一维地震信号压缩采集方法
CN107942377A (zh) * 2018-01-05 2018-04-20 吉林大学 一种地震数据压缩与重构方法
CN110320555A (zh) * 2019-06-28 2019-10-11 中国石油大学(华东) 一种地震数据重建方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
侯文龙 等: "基于改进Curvelet变换的地震数据重建方法", 煤炭学报, vol. 43, no. 09, 30 September 2018 (2018-09-30), pages 2570 - 2578 *
刘成明 等: "Shearlet域稀疏约束地震数据重建", 吉林大学学报（地球科学版）, vol. 46, no. 06, 30 November 2016 (2016-11-30), pages 1855 - 1864 *
吕公河 等: "基于压缩感知的地震数据采集实践", 石油物探, vol. 57, no. 06, pages 831 - 841 *
周松 等: "基于压缩感知的非规则地震勘探观测系统设计与数据重建", 石油物探, vol. 56, no. 05, pages 617 - 625 *
常凯 等: "基于样条插值与曲波变换压缩感知的井下微地震监测数据重建", 物探化探计算技术, vol. 38, no. 06, 30 November 2016 (2016-11-30), pages 788 - 795 *
林君 等: "基于压缩感知的多跳地震数据采集技术与方法", 《地球物理学报》, vol. 60, no. 11, pages 4194 - 4203 *
门哲 等: "基于压缩感知的随机采样与稀疏性约束采样重构效果对比", 中国石油学会2019年物探技术研讨会论文集 *

Similar Documents

Publication Publication Date Title
Hennenfent et al. Simply denoise: Wavefield reconstruction via jittered undersampling
CA2947678C (en) Compressive sensing
Herrmann Randomized sampling and sparsity: Getting more information from fewer samples
CN109471171B (zh) 一种混叠地震数据分离的方法、装置及系统
Haney et al. Causal instrument corrections for short‐period and broadband seismometers
EP2223167A1 (en) Multipoint geostatistics method using branch runlength compression and local grid transformation
CN109858613B (zh) 一种深度神经网络的压缩方法、系统及终端设备
CN106842321B (zh) 地震数据重建方法和装置
US20220155475A1 (en) Irregular optimized acquisition method, device, apparatus and medium for seismic data
Zhang et al. Unsupervised dictionary learning for signal‐to‐noise ratio enhancement of array data
Almadani et al. Dictionary learning with convolutional structure for seismic data denoising and interpolation
US11397273B2 (en) Full waveform inversion in the midpoint-offset domain
Shao et al. Seismic denoising via truncated nuclear norm minimization
CN113109866A (zh) 一种基于压缩感知的多域稀疏地震数据重构方法及系统
Jicheng et al. Interpolating seismic data via the POCS method based on shearlet transform
Wang et al. Denoising with weak signal preservation by group-sparsity transform learning
Zhang et al. Nonconvex log-sum function-based majorization–minimization framework for seismic data reconstruction
Liu et al. Seismic data reconstruction via complex shearlet transform and block coordinate relaxation
CN103745445A (zh) 高斯与脉冲混合噪声去除方法及其装置
CN112782753A (zh) 压缩感知观测系统的生成方法及装置
CN114245117B (zh) 多采样率复用重建网络方法、装置、设备及存储介质
CN115685318A (zh) 一种基于动态匹配的抗假频地震数据插值方法、电子设备及存储介质
CN113743193B (zh) 一种叠前地震资料线性干扰压制方法及系统
CN109471173B (zh) 一种剩余静校正方法及装置
CN114114421A (zh) 基于深度学习的导向自学习地震数据去噪方法及装置

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