CN113391346A - 一种基于同相轴斜率外推扩边的tau-p域层间多次波预测方法 - Google Patents
一种基于同相轴斜率外推扩边的tau-p域层间多次波预测方法 Download PDFInfo
- Publication number
- CN113391346A CN113391346A CN202110621067.7A CN202110621067A CN113391346A CN 113391346 A CN113391346 A CN 113391346A CN 202110621067 A CN202110621067 A CN 202110621067A CN 113391346 A CN113391346 A CN 113391346A
- Authority
- CN
- China
- Prior art keywords
- domain
- tau
- data
- time
- interbed
- 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
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000013213 extrapolation Methods 0.000 title claims abstract description 26
- 239000011229 interlayer Substances 0.000 title claims description 41
- 239000010410 layer Substances 0.000 claims description 52
- 230000008569 process Effects 0.000 claims description 9
- 238000009499 grossing Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 4
- 230000021615 conjugation Effects 0.000 claims description 3
- 238000005520 cutting process Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 3
- 241000838698 Togo Species 0.000 claims 1
- 238000000605 extraction Methods 0.000 abstract description 5
- 230000000694 effects Effects 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 8
- 230000001629 suppression Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 229910052704 radon Inorganic materials 0.000 description 1
- SYUHGPGVQRZVTB-UHFFFAOYSA-N radon atom Chemical compound [Rn] SYUHGPGVQRZVTB-UHFFFAOYSA-N 0.000 description 1
- 230000010076 replication Effects 0.000 description 1
- 238000000638 solvent extraction Methods 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
- G01V1/282—Application of seismic models, synthetic seismograms
-
- 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
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信号处理领域,更具体地,涉及一种基于同相轴斜率外推扩边的tau‑p域层间多次波预测方法,通过基于同相轴斜率外推扩边的计算,消除了tau‑p域数据虚假同相轴,明显提高了tau‑p域数据的精度,同时对于层间多次波生成层提取过程中采用二次包络阈值控制,保证提取的同相轴均为强反射同相轴,同时消除强反射附近弱反射同相轴影响,提高了预测层间多次波的精确度和可靠性。
Description
技术领域
本发明涉及地震勘探信号处理领域,更具体地,涉及一种基于同相轴斜率外推扩边的tau-p域层间多次波预测方法。
背景技术
多次波问题是海洋地震勘探中最突出的问题之一。多次波在地震勘探中会影响地震成像的真实性和可靠性,干扰地震资料的解释。如何有效地压制多次波是解决问题的关键。多次波的压制方法主要分为两大类,第一类是基于一次波与多次波时差差异进行滤波,比如说Radon域多次波压制技术,这类方法需要多次波与一次波具有明显的反射时间差异;第二类是基于多次波预测与自适应匹配相减的多次波压制技术,这一类方法对于多次波与一次波时差很小的情况非常有效,比如说浅水多次波及层间多次波。
相对于海底多次波来说,层间多次波产生路径更加复杂,因此基于波动方程的预测实现也更加困难,层间多次波预测最具代表性的方法就是逆散射级数法以及基于该方法不同简化方法,层间多次波预测难点主要体现在层间多次波生成层的提取及巨大的计算量,前者直接影响到预测层间多次波的准确性,而后者关系到相关技术能否实现生产化应用。
Jakubowicz提出了一种纯数据驱动型层间多次波消除方法,该方法是对自由表面多次波预测技术(SRME)的扩展,它将地表接收层间多次波射线路径分解为三个不同的一次波路径的组合,如图3所示,包括三个一次波分别为PS1_O1_R1、P S2_O2_R2、PS2_Om_R1,其中PS1_O1_R1称之为震源一次波场,PS2_O2_R2称之为检波器一次波场,PS2_Om_R2称之为层间一次波场,这三个地震记录均为不同点出接收到的地震数据,均可以从地震数据中提取,因此是完全数据驱动的。Jakubowicz方法预测层间多次波的表达式如下:
其中,k,i表示反射同相轴的序号,m表示同相轴产生的反射层,Mm表示与m相关的所有层间多次波,*表示共轭转置运算,k>m及i>m保证m反射层相关的层间多次波均产生其下覆地层。孙宇等[2](2018)在tau-p域实现Jakubowicz方法,利用tau-p域多次波较好的平面波周期性特征,可以大大提高计算效率,可以有效减少在时空域预测层间多次波时存在的假象,但是该方法要求地下介质呈水平层状或者近似水平层状假设。对于实际地下介质来说,很多情况可以较好地满足该假设,因此该方法具有很强的实际应用价值。
tau-p域层间多次波预测方法首先要将时间域地震数据变换到tau-p域,然后再应用Jakubowicz方法进行多次波预测。tau-p变换理论要求地震数据在空间上是无限的,而实际数据观测记录排列都是有限长的,因此会因为时间域地震数据边界截断在tau-p域产生虚假同相轴,这种边界效应对于近偏移距数据来说最为明显。因此,常规的做法是把最小偏移距的数据进行复制作为边界数据,然后对边界数据乘以一个汉宁窗函数,实现数据缓慢过渡,降低边界效应影响。但是由于地震数据同相轴具有不同的斜率,直接的复制方法破坏了同相轴的斜率特征,因此,这种方案虽然在一定程度上减弱了边界效应,但是还是存在明显的边界效应残余。
在公开号CN106932824A的中国发明中,公开了一种陆地地震勘探资料的降维自适应层间多次波压制方法,该方法在叠前CMP道集通过采用虚同相轴方法,实现陆地地震资料的层间多次波预测和压制;包括输入数据准备过程、构建参考道过程和压制多次波过程。但该方法采用的是二维或三维数据降维成一维数据,以提高计算效率,在计算层间多次波时难以避免存在虚假同相轴的问题,难以保证计算层间多次波的准确性。
发明内容
本发明为克服上述现有技术所述的层间多次波计算准确性不佳的状况,提供一种基于同相轴斜率外推扩边的tau-p域层间多次波预测方法。
为解决上述技术问题,本发明采用的技术方案是:一种基于同相轴斜率外推扩边的tau-p域层间多次波预测方法,其特征在于:包括以下步骤:
S1:对地震道集进行近道扩边,把地震道集变换到tau-p域;
S2:对tau-p域数据做Hilbert变换得到tau-p域地震数据的包络,用于提取强反射振幅反射层的时间位置;
S3:利用提取到的强反射振幅反射层的时间位置及tau-p域地震数据预测层间多次波。
在本技术方案中,通过基于同相轴斜率外推扩边的计算,消除了tau-p域数据虚假同相轴,明显提高了tau-p域数据的精度,同时对于层间多次波生成层提取过程中采用二次包络阈值控制,保证提取的同相轴均为强反射同相轴,同时消除强反射附近弱反射同相轴影响,提高了预测层间多次波的精确度和可靠性。
优选地,所述步骤S1中的扩边方法包括:选取Nw道近道数据作为近道扩边的原始数据,设置同相轴斜率扫描的范围[dipmin,dipmax],斜率扫描的间隔ddip,扫描时窗点数为Ntw,最大不同斜率同相轴个数Npick,最小平均相关系数Rmin。
优选地,所述步骤S1中的扩边方法还包括:设置itrm=int(Nw/2),int(·)表示取整数运算,以itrm道作为中心道取邻近道沿第k个斜率dipk=dipmin+k·ddip叠加,得到叠加道stkk,然后计算stkk与原始道之间的相关系数Rk。
优选地,拾取Npick_now个Rk>Rmin的峰值,保存对应的斜率dipk,如果Npick_now>Npick,则设置Npick_now=Npick,同时更新保存的dipk,计算第k个峰值斜率dipk外推道itr与stkk之间的时移量Δtk=(itr-itrm)·ddip,并对stkk进行时移得到外推数据datak,最后对其进行求和得到第itr道的外推数据
优选地,所述步骤S2把扩边后的地震道集变换到tau-p域,提取强反射振幅反射层的时间位置,具体步骤如下:
S21:假定单道地震数据时间样点数为Nt,设置最大层间多次生成层数N、最小层间多次生成层振幅值e,振幅阈值百分比ε(0<ε<=1),当前层间多次波产生层序号j=1;
S22:对tau-p域地震数据按道进行Hilbert变换并求取其包络env;
S23:对env进行平滑,平滑点数设置为子波样点数2倍;
S24:对生成层j循环搜索当前包络振幅最大值时间itj:如果itj点包络值大于e,执行步骤S25;否则结束搜索;
S25:将itj附近包络梯度为负值点[it1,it2]作为当前子波的范围,并将env对应点的值赋0,保存对应的时间itj,执行步骤S26;
S26:分别查找时间点[1,it1]及[it2,Nt]范围包络最大值点itstep6,如果itstep6振幅值小于e·ε,则令itj=itstep6,进入S25,否则令j=j+1,进入S24。
优选地,所述步骤3包括对对层间多次产生层j进行处理,包括以下步骤:开始从第1道开始循环处理,选择任意一个强振幅反射时间作为层间多次产生层j,并对数据进行切除得到两部分数据,itj附近一个子波长度的数据p并变换到频率域得到P,itj以下的数据m并变换到频率域得到M。
优选地,根据层间多次产生层j计算层间多次波模型Mj:计算与层间多次生成层j相关的层间多次波模型Mj=P*MM,其中*表示复数共轭,将Mj做反傅立叶变换得到一个界面时间域层间多次预测结果mj。
优选地,将当前道所有强振幅层间多次波生成层相关的层间多次波叠加ms=∑mj得到当前道层间多次波模型。
优选地,将预测层间多次波数据和输入数据分块求取其均方根振幅Arms。
优选地,对预测层间多次波数据进行振幅能量归一化校正得到最终的多次波预测结果。
与现有技术相比,有益效果是:本发明提出了基于同相轴斜率外推扩边的计算,消除了tau-p域数据虚假同相轴,明显提高了tau-p域数据的精度,同时对于层间多次波生成层提取过程中采用二次包络阈值控制,保证提取的同相轴均为强反射同相轴,同时消除强反射附近弱反射同相轴影响,提高了预测层间多次波的精确度和可靠性。
附图说明
图1是本发明的框架步骤流程图;
图2是基于同相轴斜率外推扩边的tau-p域层间多次预测详细流程图;
图3是Jakubowicz层间多次预测示意图;
图4是不同扩边方法扩边后的地震道集对比图;
图5是不同扩边方法扩边后的地震道集tau-p域对比图;
图6是不同扩边方法预测层间多次波对比图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;为了更好说明本实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。附图中描述位置关系仅用于示例性说明,不能理解为对本专利的限制。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件;在本发明的描述中,需要理解的是,若有术语“上”、“下”、“左”、“右”“长”“短”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此附图中描述位置关系的用语仅用于示例性说明,不能理解为对本专利的限制,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
下面通过具体实施例,并结合附图,对本发明的技术方案作进一步的具体描述:
实施例1
如图1至图3所示,一种基于同相轴斜率外推扩边的tau-p域层间多次波预测方法,包括以下步骤:
S1:对地震道集进行近道扩边,把地震道集变换到tau-p域;
S2:对tau-p域数据做Hilbert变换得到tau-p域地震数据的包络,用于提取强反射振幅反射层的时间位置;
S3:利用提取到的强反射振幅反射层的时间位置及tau-p域地震数据预测层间多次波。
在本实施例中,通过基于同相轴斜率外推扩边的计算,消除了tau-p域数据虚假同相轴,明显提高了tau-p域数据的精度,同时对于层间多次波生成层提取过程中采用二次包络阈值控制,保证提取的同相轴均为强反射同相轴,同时消除强反射附近弱反射同相轴影响,提高了预测层间多次波的精确度和可靠性。
其中,步骤S1中的扩边方法包括:选取Nw道近道数据作为近道扩边的原始数据,设置同相轴斜率扫描的范围[dipmin,dipmax],斜率扫描的间隔ddip,扫描时窗点数为Ntw,最大不同斜率同相轴个数Npick,最小平均相关系数Rmin。
另外,步骤S1中的扩边方法还包括:设置itrm=int(Nw/2),int(·)表示取整数运算,以itrm道作为中心道取邻近道沿第k个斜率dipk=dipmin+k·ddip叠加,得到叠加道stkk,然后计算stkk与原始道之间的相关系数。
其中,拾取Npick_now个Rk>Rmin的峰值,保存对应的斜率dipk,如果Npick_now>Npick,则设置Npick_now=Npick,同时更新保存的dipk,计算第k个峰值斜率dipk外推道itr与stkk之间的时移量Δtk=(itr-itrm)·ddip,并对stkk进行时移得到外推数据datak,最后对其进行求和得到第itr道的外推数据
另外,步骤S2把扩边后的地震道集变换到tau-p域,提取强反射振幅反射层的时间位置,具体步骤如下:
S21:假定单道地震数据时间样点数为Nt,设置最大层间多次生成层数N、最小层间多次生成层振幅值e,振幅阈值百分比ε(0<ε<=1),当前层间多次波产生层序号j=1;
S22:对tau-p域地震数据按道进行Hilbert变换并求取其包络env;
S23:对env进行平滑,平滑点数设置为子波样点数2倍;
S24:对生成层j循环搜索当前包络振幅最大值时间itj:如果itj点包络值大于e,执行步骤S25;否则结束搜索;
S25:将itj附近包络梯度为负值点[it1,it2]作为当前子波的范围,并将env对应点的值赋0,保存对应的时间itj,执行步骤S26;
S26:分别查找时间点[1,it1]及[it2,Nt]范围包络最大值点itstep6,如果itstep6振幅值小于e·ε,则令itj=itstep6,进入S25,否则令j=j+1,执行步骤S24。
其中,步骤3包括对层间多次产生层j进行处理,包括以下步骤:开始从第1道开始循环处理,选择任意一个强振幅反射时间作为层间多次产生层j,并对数据进行切除得到两部分数据,itj附近一个子波长度的数据p并变换到频率域得到P,itj以下的数据m并变换到频率域得到M。
另外,根据层间多次产生层j计算层间多次波模型Mj:计算与层间多次生成层j相关的层间多次波模型Mj=P*MM,其中*表示复数共轭,将Mj做反傅立叶变换得到一个界面时间域层间多次预测结果mj。
其中,将当前道所有强振幅层间多次波生成层相关的层间多次波叠加ms=∑mj得到当前道层间多次波模型。
另外,将预测层间多次波数据和输入数据分块求取其均方根振幅Arms。
其中,对预测层间多次波数据进行振幅能量归一化校正得到最终的多次波预测结果。
图4展示了不同数据扩边方式对应时间域地震数据的差异性,其中为了方便显示,不扩边的数据在边界处数据充零,实际计算过程中并未使用充零扩边数据,注意复制第一道扩边后的数据边界处已经应用了一个汉宁窗函数,可以看到从边界到有效数据,数据振幅是渐变增强过渡变化趋势,由于这个过渡汉宁窗函数仅仅应用于扩边的部分数据,因此对于左图无法看到这个振幅过渡变化趋势。对比图4中图和右图可以看到,复制近道第一道扩边与本发明扩边后数据存在明显的差异,复制扩边方法同相轴倾角存在明显的突变,而本发明同相轴斜率外推扩边后,边界处的同相轴按照其斜率自然延伸到边界部分,同相轴延续比较自然。
图5展示了不同数据扩边方式对应tau-p域地震数据的差异性,从图5左图中可以看到,没有扩边的数据经过tau-p变换后,由于端点效应,tau-p域数据存在大量水平同相轴,这种水平同相轴不符合双曲线/近似双曲线同相轴的椭圆特征,是一种数据边界效应带来的数据假象,需要加以消除。图5中图,采用复制近道第一道扩边方法扩边后的tau-p域数据,这种水平同相轴假象得到一定程度压制,尤其是第一个强反射轴对应的黑色箭头所标记的位置,压制效果尤为显著,但是在中深层这种边界效应造成的水平假同相轴现象甚至变得更加严重。这种扩边后的tau-p域数据差异主要是因为不合理的扩边方法引起的,第一个强反射同相轴近道同相轴斜率近似为0,因此直接复制近道第一道扩边的方法应用比较合理,扩边后应用窗函数以后可以对边界效应进行较好地压制;但是对于中深层,由于同相轴斜率较大,直接复制近道第一道扩边后的数据与原来的数据同相轴斜率存在较大差异,这种扩边方法扩边后的数据反而会使边界效应变得更加明显。图5右图,采用本发明基于同相轴斜率外推扩边后的tau-p域数据,边界效应产生的假的水平同相轴,得到了很好的消除。
图6展示了不同数据扩边方式对应tau-p域层间多次预测结果的差异性,从图中可以看到,不同扩边方式预测层间多次波差异主要体现在多次波能量及同相轴数目,这种差异由主要集中在近中偏移距,这是因为tau-p域同相轴假象主要为水平同相轴。其中复制近道第一道作为边界和不扩边方法预测多次波差异主要为振幅能量差异,这是因为这两种方法都存在边界效应,只是边界效应的强弱有别;而本发明扩边方法与前两者的差异比较明显,不仅仅振幅能量存在差异,而且近道同相轴数目也存在明显的差异。可以看到,同相轴能量整体变弱,同时,同相轴数目变少(从上到下第一、二个箭头处),且同相轴的时差和反射特征具有明显变化(从上到下第三、四、五个箭头处)。同相轴能量差异主要是因为,本发明试验数据多次波比较复杂,而且同相轴周期性较好,因此虚假同相轴预测的层间多次可能与真实同相轴预测层间多次波时差较小,本发明减少了tau-p域同相轴数目,因此预测层间多次波能量减弱,只有一些地方因为tau-p域同相轴减少表现出预测层间多次波同相轴减少,同相轴的时差和反射特征变化明显。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (10)
1.一种基于同相轴斜率外推扩边的tau-p域层间多次波预测方法,包括以下步骤:
S1:对地震道集进行近道扩边,把地震道集变换到tau-p域;
S2:对tau-p域数据做Hilbert变换得到tau-p域地震数据的包络,用于提取强反射振幅反射层的时间位置;
S3:利用提取到的强反射振幅反射层的时间位置及tau-p域地震数据预测层间多次波。
2.根据权利要求1所述的基于同相轴斜率外推扩边的tau-p域层间多次波预测方法,其特征在于:所述步骤S1中的扩边方法包括:选取Nw道近道数据作为近道扩边的原始数据,设置同相轴斜率扫描的范围[dipmin,dipmax],斜率扫描的间隔ddip,扫描时窗点数为Ntw,最大不同斜率同相轴个数Npick,最小平均相关系数Rmin。
3.根据权利要求2所述的基于同相轴斜率外推扩边的tau-p域层间多次波预测方法,其特征在于:所述步骤S1中的扩边方法还包括:设置itrm=int(Nw/2),int(·)表示取整数运算,以itrm道作为中心道取邻近道沿第k个斜率dipk=dipmin+k·ddip叠加,得到叠加道stkk,然后计算stkk与原始道之间的相关系数Rk。
5.根据权利要求4所述的基于同相轴斜率外推扩边的tau-p域层间多次波预测方法,其特征在于:所述步骤S2把扩边后的地震道集变换到tau-p域,提取强反射振幅反射层的时间位置,具体步骤如下:
S21:假定单道地震数据时间样点数为Nt,设置最大层间多次生成层数N、最小层间多次生成层振幅值e,振幅阈值百分比ε(0<ε<=1),当前层间多次波产生层序号j=1;
S22:对tau-p域地震数据按道进行Hilbert变换并求取其包络env;
S23:对env进行平滑,平滑点数设置为子波样点数2倍;
S24:对生成层j循环搜索当前包络振幅最大值时间itj:如果itj点包络值大于e,执行步骤S25;否则结束搜索;
S25:将itj附近包络梯度为负值点[it1,it2]作为当前子波的范围,并将env对应点的值赋0,保存对应的时间itj,执行步骤S26;
S26:分别查找时间点[1,it1]及[it2,Nt]范围包络最大值点itstep6,如果itstep6振幅值小于e·ε,则令itj=itstep6,进入S25,否则令j=j+1,进入S24。
6.根据权利要求5所述的基于同相轴斜率外推扩边的tau-p域层间多次波预测方法,其特征在于:所述步骤3包括对层间多次产生层j进行处理,包括以下步骤:开始从第1道开始循环处理,选择任意一个强振幅反射时间作为层间多次产生层j,并对数据进行切除得到两部分数据,itj附近一个子波长度的数据p并变换到频率域得到P,itj以下的数据m并变换到频率域得到M。
7.根据权利要求6所述的基于同相轴斜率外推扩边的tau-p域层间多次波预测方法,其特征在于:根据层间多次产生层j计算层间多次波模型Mj:计算与层间多次生成层j相关的层间多次波模型Mj=P*MM,其中*表示复数共轭,将Mj做反傅立叶变换得到一个界面时间域层间多次预测结果mj。
8.根据权利要求7所述的基于同相轴斜率外推扩边的tau-p域层间多次波预测方法,其特征在于:将当前道所有强振幅层间多次波生成层相关的层间多次波叠加ms=∑mj得到当前道层间多次波模型。
9.根据权利要求8所述的基于同相轴斜率外推扩边的tau-p域层间多次波预测方法,将预测层间多次波数据和输入数据分块求取其均方根振幅Arms。
10.根据权利要求9所述的基于同相轴斜率外推扩边的tau-p域层间多次波预测方法,其特征在于:将预测层间多次波数据和输入数据分块求取其均方根振幅Arms,对预测层间多次波数据进行振幅能量归一化校正得到最终的多次波预测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110621067.7A CN113391346B (zh) | 2021-06-03 | 2021-06-03 | 一种基于同相轴斜率外推扩边的tau-p域层间多次波预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110621067.7A CN113391346B (zh) | 2021-06-03 | 2021-06-03 | 一种基于同相轴斜率外推扩边的tau-p域层间多次波预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113391346A true CN113391346A (zh) | 2021-09-14 |
CN113391346B CN113391346B (zh) | 2022-11-22 |
Family
ID=77618231
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110621067.7A Active CN113391346B (zh) | 2021-06-03 | 2021-06-03 | 一种基于同相轴斜率外推扩边的tau-p域层间多次波预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113391346B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114185095A (zh) * | 2021-12-02 | 2022-03-15 | 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 (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2000041005A1 (en) * | 1999-01-08 | 2000-07-13 | Exxonmobil Upstream Research Company | Method for identifying and removing multiples from seismic reflection data |
CN106932824A (zh) * | 2017-03-24 | 2017-07-07 | 北京大学 | 陆地地震勘探资料的降维自适应层间多次波压制方法 |
CN111308554A (zh) * | 2020-03-10 | 2020-06-19 | 清华大学 | 一种基于多次波生成层自适应提取的层间多次波预测方法 |
-
2021
- 2021-06-03 CN CN202110621067.7A patent/CN113391346B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2000041005A1 (en) * | 1999-01-08 | 2000-07-13 | Exxonmobil Upstream Research Company | Method for identifying and removing multiples from seismic reflection data |
CN106932824A (zh) * | 2017-03-24 | 2017-07-07 | 北京大学 | 陆地地震勘探资料的降维自适应层间多次波压制方法 |
CN111308554A (zh) * | 2020-03-10 | 2020-06-19 | 清华大学 | 一种基于多次波生成层自适应提取的层间多次波预测方法 |
Non-Patent Citations (5)
Title |
---|
JARROD DUNNE,ET AL.: "A Review of the τ - p Transform, its Implementation and its Applications in Seismic Processing", 《EXPLORATION GEOPHYSICS》, vol. 26, no. 1, 31 March 1995 (1995-03-31) * |
张连群等: "白云凹陷陆架—陆坡区多次波压制技术", 《石油地球物理勘探》, vol. 53, no. 2, 30 April 2018 (2018-04-30) * |
王红丽等: "数据重构提高τ-p变换的精度", 《CT理论与应用研究》, vol. 27, no. 4, 31 August 2018 (2018-08-31) * |
谭军: "自由界面多次波的预测与衰减", 《中国优秀博硕士学位论文全文数据库(博士)基础科学辑》, no. 7, 15 July 2012 (2012-07-15) * |
郑旭刚: "τ-p域反褶积压制多次波方法研究", 《中国优秀博硕士学位论文全文数据库(硕士)基础科学辑》, no. 3, 15 March 2010 (2010-03-15) * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114185095A (zh) * | 2021-12-02 | 2022-03-15 | 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 |
Also Published As
Publication number | Publication date |
---|---|
CN113391346B (zh) | 2022-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yu et al. | Attenuation of noise and simultaneous source interference using wavelet denoising | |
Verschuur et al. | Removal of internal multiples with the common-focus-point (CFP) approach: Part 2—Application strategies and data examples | |
US20210018639A1 (en) | Robust full waveform inversion of seismic data method and device | |
US20110153218A1 (en) | Diplet-based seismic processing | |
Parolai et al. | The importance of converted waves in comparing H/V and RSM site response estimates | |
CN106842298A (zh) | 一种基于匹配追踪的不整合强反射自适应分离方法 | |
US11573342B2 (en) | Systems and methods to enhance 3-D prestack seismic data based on non-linear beamforming in the cross-spread domain | |
Wang et al. | Separation and imaging of seismic diffractions using a localized rank-reduction method with adaptively selected ranks | |
Si et al. | Attenuation of random noise using denoising convolutional neural networks | |
Li et al. | Extended stable factor method for the inverse Q-filter | |
CN104849757A (zh) | 消除地震信号中随机噪声系统及方法 | |
Yang et al. | Comparison between Born and Kirchhoff operators for least-squares reverse time migration and the constraint of the propagation of the background wavefield | |
CN113391346B (zh) | 一种基于同相轴斜率外推扩边的tau-p域层间多次波预测方法 | |
Wang et al. | Seismic multiple suppression based on a deep neural network method for marine data | |
Li et al. | Least-squares reverse time migration with sparse regularization in the 2D wavelet domain | |
He et al. | Improving the least-squares image by using angle information to avoid cycle skipping | |
Wang et al. | Bayesian wavefield separation by transform-domain sparsity promotion | |
Alsalmi et al. | Mask filtering to the Wigner-Ville distribution | |
CN109239772B (zh) | 一种特征波域的浅水多次波模型指向性预测方法 | |
Wang et al. | An explicit stabilization scheme for Q-compensated reverse time migration | |
Yang et al. | Polarity-reversal correction for vector-based elastic reverse time migration | |
Sun et al. | Multiple attenuation using λ-f domain high-order and high-resolution Radon transform based on SL0 norm | |
Xue et al. | Reverse-time migration using multidirectional wavefield decomposition method | |
Wang et al. | Robust singular value decomposition filtering for low signal-to-noise ratio seismic data | |
Li et al. | Angle domain common image gathers from reverse time migration by combining the Poynting vector with directional decomposition |
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 |