CN113391349A - 随机多维反射系数反演方法及系统 - Google Patents
随机多维反射系数反演方法及系统 Download PDFInfo
- Publication number
- CN113391349A CN113391349A CN202010166152.4A CN202010166152A CN113391349A CN 113391349 A CN113391349 A CN 113391349A CN 202010166152 A CN202010166152 A CN 202010166152A CN 113391349 A CN113391349 A CN 113391349A
- Authority
- CN
- China
- Prior art keywords
- initial
- particle
- information
- reflection coefficient
- updated
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 72
- 239000002245 particle Substances 0.000 claims abstract description 252
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 29
- 230000006870 function Effects 0.000 claims description 74
- 238000004364 calculation method Methods 0.000 claims description 41
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012216 screening Methods 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 8
- 230000001133 acceleration Effects 0.000 claims description 7
- 238000005315 distribution function Methods 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 16
- 238000012545 processing Methods 0.000 description 15
- 238000005457 optimization Methods 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 239000000872 buffer Substances 0.000 description 4
- 238000012897 Levenberg–Marquardt algorithm Methods 0.000 description 3
- 238000013016 damping Methods 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction 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
- G01V1/30—Analysis
- G01V1/301—Analysis for determining seismic cross-sections or geostructures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- G01V2210/64—Geostructures, e.g. in 3D data cubes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种随机多维反射系数反演方法及系统,所述方法包含:获得待输入的地震数据和预置反射参数,于所述地震数据中预设一初始地震子波;根据预置反射参数和所述初始地震子波建立粒子群体,并记录所述粒子群体随机产生的初始信息;通过最小二乘法反演所述粒子群体中各粒子的反射系数振幅值;根据反射系数振幅值计算各粒子对应的适应度函数,根据各粒子对应的适应度函数和所述初始信息计算获取所述粒子群体的更新信息;比较所述粒子群体的初始信息与更新信息获得误差值,将所述误差值与预设条件比较;当比较结果满足所述预定条件时,根据所述更新信息所对应的粒子群体计算获得反射系数反演和地层倾角信息。
Description
技术领域
本发明属于信号处理及地球物理勘探高分辨率处理、反演和解释技术领域,尤其涉及一种随机多维反射系数反演方法及系统。
背景技术
在地球物理勘探领域中,采集的地震资料是地震子波与反射系数褶积的结果,即地面激发的子波在经过地下传播和界面反射后被接收时的波形叠加。近年来,地震资料反射系数反演得到了广泛的研究和应用。由于受地震子波的带限特性等因素的影响,反射系数反演是一个非唯一性问题。在大多数反演应用中,正则化需要在众多可能的解中选择一个最优模型,并将先验信息集成到反演过程中。此外,为了给目标函数增加稀疏约束,一些反演方法假设反射系数服从一定的分布,如基于稀疏贝叶斯学习方法自适应检索非零脉冲,有助于利用反射系数的高斯分布先验信息或者利用反射系数的某范数来量化稀疏性。对于随机稀疏反射系数反演,可以看作是寻找位置的非线性问题和求解一系列非零脉冲振幅的线性问题的组合。
在油气勘探程度日益提高的情况下,利用更多资料信息实现对已开发或即将开发的油气资源的最大化利用是地球物理方法需要解决的关键问题。解决这一问题需要更准确模拟地下特征,更有针对性地选取方法,从而获得分辨率更高的宽频处理结果。
发明内容
本发明目的在于提供一种利用粒子群群体智能优化算法来进行多维组稀疏反射系数反演的流程和系统,以期达到提高非平稳资料分辨率的目的,同时扫描得到自适应倾角,为后续综合解释提供有效指示信息。
为达上述目的,本发明所提供的随机多维反射系数反演方法,所述方法包含:获得待输入的地震数据和预置反射参数,于所述地震数据中预设一初始地震子波;根据预置反射参数和所述初始地震子波建立粒子群体,并记录所述粒子群体随机产生的初始信息;通过最小二乘法反演所述粒子群体中各粒子的反射系数振幅值;根据各粒子的反射系数振幅值计算各粒子对应的适应度函数,根据各粒子对应的适应度函数和所述初始信息计算获取所述粒子群体的更新信息;比较所述粒子群体的初始信息与更新信息获得误差值,将所述误差值与预设条件比较;当比较结果满足所述预定条件时,根据所述更新信息所对应的粒子群体计算获得反射系数反演和地层倾角信息。
在上述随机多维反射系数反演方法中,优选的,记录所述粒子群体随机产生的初始信息包含:根据所述粒子群体的初始位置和初始速度计算定位适应度函数值最小的粒子,并根据适应度函数值最小粒子的位置信息获得初始群体位置;根据所述初始群体位置筛选所述粒子群体中经历过所述初始群体位置的粒子获得一个或多个初始粒子位置;根据所述初始群体位置、所述初始粒子位置、所述初始位置和所述初始速度生成初始信息后,对所述初始群体位置和所述初始粒子位置初始化。
在上述随机多维反射系数反演方法中,优选的,根据各粒子对应的适应度函数和所述初始信息计算获取所述粒子群体的更新信息包含:根据各粒子对应的适应度函数分析定位适应度函数值最小的粒子,并根据适应度函数最小粒子的位置信息获得更新群体位置;根据所述更新群体位置筛选所述粒子群体中经历过所述更新群体位置的粒子获得一个或多个更新粒子位置;根据所述初始信息中的初始位置和初始速度与所述初始群体位置和所述初始粒子位置计算获得更新位置和更新速度;通过所述更新位置、所述更新速度、所述更新群体位置和所述更新粒子位置生成更新信息。
在上述随机多维反射系数反演方法中,优选的,根据所述初始信息中的初始位置和初始速度与所述初始群体位置和所述初始粒子位置计算获得更新位置和更新速度包含:通过以下公式计算获得更新位置和更新速度:
vi(t+1)=ωvi(t)+c1φ1[pi(t)-xi(t)]+c2φ2[pg(t)-xi(t)];
xi(t+1)=xi(t)+avi(t+1);
在上式中,ω为惯性系数;c1、c2为加速常数;φ1、φ2为两个独立的正态分布函数;a为约束因子,常数;vi(t+1)为更新后速度;vi(t)为初始速度;pg(t)为初始群体位置;pi(t)为初始个体粒子位置;xi(t)为初始位置;xi(t+1)为更新后位置。
在上述随机多维反射系数反演方法中,优选的,根据所述更新信息所对应的粒子群体计算获得反射系数反演包含:比较所述粒子群体的初始信息与更新信息获得误差值,将所述误差值与预设条件比较;当比较结果满足所述预定条件时,根据所述更新信息中更新群体位置获得目标道非零反射系数时间位置和斜率;根据所述目标道非零反射系数时间位置和斜率获得反射系数反演结果。
在上述随机多维反射系数反演方法中,优选的,根据所述更新信息所对应的粒子群体计算获得地层倾角信息包含:比较所述粒子群体的初始信息与更新信息获得误差值,将所述误差值与预设条件比较;当比较结果满足所述预定条件时,根据所述更新信息中更新群体位置获得目标道非零反射系数的斜率;根据所述斜率的反正切获得地层倾角信息。
在上述随机多维反射系数反演方法中,优选的,所述方法还包含:当比较结果不满足所述预定条件时,通过最小二乘法计算当前粒子群体中各粒子的反射系数振幅值;当迭代计算次数到达预设阈值时,根据最后一次迭代计算获得的粒子群体计算获得反射系数时间位置信息和地层倾角信息。
在上述随机多维反射系数反演方法中,优选的,通过以下公式计算获得各粒子对应的适应度函数:
在上式中,J为适应度函数;Δl代表相邻道和目标道之间的间隔道数,Δl=...-1,0,1,....;l为地震数据的道数;为目标道地震数据的反射系数序列中非零脉冲对应的时间位置;s(l+Δl)是目标道地震数据;为第l道地震数据的斜率;α(l)为第l道地震数据的反射系数序列中非零脉冲对应的幅值;K为非零脉冲的个数,N为地震道道数;A为N×K构成的矩阵。
本发明还提供一种随机多维反射系数反演系统,所述系统包含:数据获取模块、粒子群生成模块、计算模块和比较模块;所述数据获取模块用于获得待输入的地震数据和预置反射参数,于所述地震数据中预设一初始地震子波;所述粒子群生成模块用于根据预置反射参数和所述初始地震子波建立粒子群体;所述计算模块用于记录所述粒子群体随机产生的初始信息;以及,通过最小二乘法计算所述粒子群体中各粒子的反射系数振幅值;根据各粒子的反射系数振幅值计算各粒子对应的适应度函数,根据各粒子对应的适应度函数和所述初始信息计算获取所述粒子群体的更新信息;所述比较模块用于比较所述粒子群体的初始信息与更新信息获得误差值,将所述误差值与预设条件比较;当比较结果满足所述预定条件时,根据所述更新信息所对应的粒子群体计算获得反射系数时间位置信息和地层倾角信息。
在上述随机多维反射系数反演系统中,优选的,所述计算模块还包含初始信息计算单元,所述初始信息计算单元用于:根据所述粒子群体的初始位置和初始速度计算定位适应度函数值最小的粒子,并根据适应度函数值最小粒子的位置信息获得初始群体位置;根据所述初始群体位置筛选所述粒子群体中经历过所述初始群体位置的粒子获得一个或多个初始粒子位置;根据所述初始群体位置、所述初始粒子位置、所述初始位置和所述初始速度生成初始信息后,对所述初始群体位置和所述初始粒子位置初始化。
在上述随机多维反射系数反演系统中,优选的,所述计算模块还包含更新信息计算单元,所述更新信息计算单元用于:根据各粒子对应的适应度函数分析定位适应度函数值最小的粒子,并根据适应度函数值最小粒子的位置信息获得更新群体位置;根据所述更新群体位置筛选所述粒子群体中经历过所述更新群体位置的粒子获得一个或多个更新粒子位置;根据所述初始信息中的初始位置和初始速度与所述初始群体位置和所述初始粒子位置计算获得更新位置和更新速度;通过所述更新位置、所述更新速度、所述更新群体位置和所述更新粒子位置生成更新信息。
在上述随机多维反射系数反演系统中,优选的,所述更新信息计算单元还用于:通过以下公式计算获得更新位置和更新速度:
vi(t+1)=ωvi(t)+c1φ1[pi(t)-xi(t)]+c2φ2[pg(t)-xi(t)];
xi(t+1)=xi(t)+avi(t+1);
在上式中,ω为惯性系数;c1、c2为加速常数;φ1、φ2为两个独立的正态分布函数;a为约束因子,常数;vi(t+1)为更新后速度;vi(t)为初始速度;pg(t)为初始群体位置;pi(t)为初始个体粒子位置;xi(t)为初始位置;xi(t+1)为更新后位置。
在上述随机多维反射系数反演系统中,优选的,所述比较模块还包含反演获取单元,所述反演获取单元用于:比较所述粒子群体的初始信息与更新信息获得误差值,将所述误差值与预设条件比较;当比较结果满足所述预定条件时,根据所述更新信息中更新群体位置获得目标道非零反射系数时间位置和斜率;根据所述目标道非零反射系数时间位置和斜率所对应的反射剖面获得反射系数反演。
在上述随机多维反射系数反演系统中,优选的,所述比较模块还包含地层倾角获取单元,所述地层倾角获取单元用于:比较所述粒子群体的初始信息与更新信息获得误差值,将所述误差值与预设条件比较;当比较结果满足所述预定条件时,根据所述更新信息中更新群体时间位置获得目标道非零反射系数的斜率;根据所述斜率的反正切获得地层倾角信息。
在上述随机多维反射系数反演系统中,优选的,所述比较模块还包含迭代计算单元,所述迭代计算单元用于:当比较结果不满足所述预定条件时,通过最小二乘法计算当前粒子群体中各粒子的反射系数振幅值;当迭代计算次数到达预设阈值时,根据最后一次迭代计算获得的粒子群体计算获得反射系数反演和地层倾角信息。
本发明还提供一种计算机设备,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,所述处理器执行所述计算机程序时实现上述方法。
本发明还提供一种计算机可读存储介质,所述计算机可读存储介质存储有执行上述方法的计算机程序。
本发明通过粒子群体智能优化算法来进行多道组稀疏反射系数反演,同时自适应扫描得到倾角,进而实现地质倾角导向多维高分辨率处理;倾角和反射系数可以指示地层构造信息,同时为后续的精细解释提供了更多有效的指示信息;本发明基于反射系数的纵向轴稀疏性和横向幅值一致性假设,在多道反演中引入了自适应倾角的组稀疏约束,通过粒子群优化算法搜索构造倾角、界面位置,通过阻尼最小二乘求解反射系数,以交互迭代方式快速收敛到最优的多维反射系数结果;发明结果提高了地震资料的分辨率,同时也提供了构造的倾角信息,为地震构造解释提供了强有力的支撑。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,并不构成对本发明的限定。在附图中:
图1为本发明一实施例所提供的随机多维反射系数反演方法的流程示意图;
图2为本发明一实施例所提供的初始信息生成的流程示意图;
图3为本发明一实施例所提供的更新信息生成的流程示意图;
图4为本发明一实施例所提供的反射系数反演计算流程示意图;
图5为本发明一实施例所提供的地层倾角计算流程示意图;
图6A为本发明一实施例所提供的随机多维反射系数反演方法的应用流程示意图;
图6B为本发明一实施例所提供的随机多维反射系数反演系统的结构示意图;
图7A至图7D为本发明一实施例所提供的随机多维反射系数反演方法应用于相关统计性数值模型的演示示意图;
图8A至图8C分别为本发明一实施例所提供的楔形模型、对应反射系数剖面、合成地震记录的演示示意图;
图9A至图9D为本发明一实施例所提供的随机多维反射系数反演方法的测试示意图;
图10A至图10B为本发明一实施例所提供的随机多维反射系数反演方法的实际测试示意图;
图11为本发明一实施例所提供的电子设备的结构示意图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式,借此对本发明如何应用技术手段来解决技术问题,并达成技术效果的实现过程能充分理解并据以实施。需要说明的是,只要不构成冲突,本发明中的各个实施例及各实施例中的各个特征可以相互结合,所形成的技术方案均在本发明的保护范围之内。
另外,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
请参考图1所示,本发明所提供的随机多维反射系数反演方法,,所述方法包含:S101获得待输入的地震数据和预置反射参数,于所述地震数据中预设一初始地震子波;S102根据预置反射参数和所述初始地震子波建立粒子群体,并记录所述粒子群体随机产生的初始信息;S103通过最小二乘法计算所述粒子群体中各粒子的反射系数振幅值;S104根据各粒子的反射系数振幅值计算各粒子对应的适应度函数,根据各粒子对应的适应度函数值和所述初始信息计算获取所述粒子群体的更新信息;S105比较所述粒子群体的初始信息与更新信息获得误差值,将所述误差值与预设条件比较;S106当比较结果满足所述预定条件时,根据所述更新信息所对应的粒子群体计算获得反射系数时间位置信息和地层倾角信息。以此,本发明通过上述实施例基于反射系数的纵向轴稀疏性和横向幅值一致性假设,在多道反演中引入了自适应倾角的组稀疏约束,通过粒子群优化算法搜索构造倾角、界面时间位置,通过阻尼最小二乘求解反射系数,以交互迭代方式快速收敛到最优的多维反射系数结果。
请参考图2所示,在上述本发明一实施例中,上述步骤S102中记录所述粒子群体随机产生的初始信息还包含:S201根据所述粒子群体的初始位置和初始速度计算定位适应度函数值最小的粒子,并根据适应度函数值最小粒子的位置信息获得初始群体位置;S202根据所述初始群体位置筛选所述粒子群体中经历过所述初始群体位置的粒子获得一个或多个初始粒子位置;S203根据所述初始群体位置、所述初始粒子位置、所述初始位置和所述初始速度生成初始信息后,对所述初始群体位置和所述初始个体粒子位置初始化。
类似的,请参考图3所示,在本发明一实施例中,上述步骤S104根据各粒子对应的适应度函数和所述初始信息计算获取所述粒子群体的更新信息可包含:S301根据各粒子对应的适应度函数值分析定位适应度函数值最小的粒子,并根据适应度函数值最小粒子的位置信息获得更新群体位置;S302根据所述更新群体位置筛选所述粒子群体中经历过所述更新群体位置的粒子获得一个或多个更新粒子位置;S303根据所述初始信息中的初始位置和初始速度与所述初始群体位置和所述初始粒子位置计算获得更新位置和更新速度;S304通过所述更新位置、所述更新速度、所述更新群体位置和所述更新粒子位置生成更新信息。在上述实施例中,步骤S303根据所述初始信息中的初始位置和初始速度与所述初始群体位置和所述初始粒子位置计算获得更新位置和更新速度还包含:通过以下公式计算获得更新位置和更新速度:
vi(t+1)=ωvi(t)+c1φ1[pi(t)-xi(t)]+c2φ2[pg(t)-xi(t)];
xi(t+1)=xi(t)+avi(t+1);
在上式中,ω为惯性系数;c1、c2为加速常数;φ1、φ2为两个独立的正态分布函数;a为约束因子,常数;vi(t+1)为更新后速度;vi(t)为初始速度;pg(t)为初始群体位置;pi(t)为初始粒子位置;xi(t)为初始位置;xi(t+1)为更新后位置。
请参考图4所示,在本发明一实施例中,根据所述更新信息所对应的粒子群体计算获得反射系数反演包含:S401比较所述粒子群体的初始信息与更新信息获得误差值,将所述误差值与预设条件比较;S402当比较结果满足所述预定条件时,根据所述更新信息中更新群体位置获得目标道非零反射系数时间位置和斜率;S403根据所述目标道非零反射系数时间位置和斜率获得反射系数反演结果。类似的,请参考图5所示,在本发明另一实施例中,根据所述更新信息所对应的粒子群体计算获得地层倾角信息包含:S501比较所述粒子群体的初始信息与更新信息获得误差值,将所述误差值与预设条件比较;S502当比较结果满足所述预定条件时,根据所述更新信息中更新群体位置获得目标道非零反射系数的斜率;S503根据所述斜率的反正切获得地层倾角信息。
为提高计算效率,在本发明一实施例中,上述方法还包含:当比较结果不满足所述预定条件时,通过最小二乘法计算当前粒子群体中各粒子的反射系数振幅值;当迭代计算次数到达预设阈值时,根据最后一次迭代计算获得的粒子群体计算获得反射系数反演和地层倾角信息。以此,通过多次迭代计算收敛结果,从而有效提高计算精度;其次,利用预先设置的迭代次数也能有效降低计算量,提高分析效率。
在上述实施例中,主要通过以下公式计算获得各粒子对应的适应度函数:
在上式中,J为适应度函数;Δl代表相邻道和目标道之间的间隔道数,Δl=...-1,0,1,....;l为地震数据的道数;为目标道地震数据的反射系数序列中非零脉冲对应的时间位置;s(l+Δl)是目标道地震数据;为第l道地震数据的斜率;α(l)为第l道地震数据的反射系数序列中非零脉冲对应的幅值;K为非零脉冲的个数,N为地震道道数;A为N×K构成的矩阵。
为便于理解,本发明所提供的上述随机多维反射系数反演方法,以下以整体原理对上述各实施例做结合说明,本领域相关技术人员当可知,该实例仅为便于理解本发明所提供的随机多维反射系数反演方法,并不对其做进一步限定。
基于褶积模型理论,地震数据可以表示为地震子波和反射系数的褶积。假设地震子波在某一时间和空间范围内是稳态的,第l道地震数据可以表示为
s(l)(t)=w(t)*r(l)(t)+n(l)(t),l=1,...,L,t=1,...,N; (1)
其中,s(l)是第l道地震数据;w代表地震子波;n(l)是第l道地震数据中的随机噪声;r(l)是第l道的反射系数序列,K表示第l道的反射系数序列中非零脉冲的个数,代表第l道的反射系数序列中非零脉冲对应的幅值,代表第l道的反射系数序列中非零脉冲对应的时间位置;δ(t)代表狄拉克函数,t代表时间。
因此,多道地震数据可以表示为:
其中,Δl代表相邻道和目标道之间的间隔道数。例如,如果反演过程中总共涉及到3道,那么Δl=-1,0,1,目标道的Δl=0。总道数NL等于Δl的个数,由于目标道通常在中间位置,因此总道数一般是个奇数。为了充分的利用相邻道的约束作用,为此假设反演窗内反射系数沿层界面振幅不变,即并且引入斜率斜率定义为p=Δt/Δl,其中Δt是相邻道和目标道的时间采样差。斜率的物理意义类同于地层的倾角,更加充分利用了构造信息的约束。然后,可以得到:
其中,floor(x)等于小于或等于x的最大整数。矩阵形式表示为
实际上,求解非零脉冲的时间位置和层反射系数斜率是一个高度非线性的优化问题,而求解一组已知非零脉冲时间位置情况下目标道的反射系数振幅则是一个线性优化问题。因此,本发明将非线性优化算法与最小二乘方法相结合,寻找最优的时间位置和相应的斜率,同时估计相应的最优振幅。本发明采用粒子群全局优化算法(PSO)对非零脉冲的时间位置和斜率进行定位,每次迭代时用最小二乘法估计目标道的振幅。
即
一般来说,地震数据是有噪声的,因此此处使用阻尼最小二乘法进一步稳定求解。因此,如果阻尼系数为λ,则式(9)可表示为:
其中,I表示单位矩阵。
因此,本发明对应的适应度函数或者说目标函数如下所示:
本发明设计的算法是一个迭代过程,每次PSO迭代都要搜索K个时间位置和斜率,更新矩阵A,求解式(10)。通过计算目标函数J来检验收敛性。当达到预期的目标函数值或用户定义的最大迭代次数时,PSO迭代将停止。基于自适应倾角扫描组稀疏的随机多维反射系数反演系统及装置整体流程表述如下:
假设群体中有n个粒子,每个粒子是D维空间中的一个个体,每个粒子的位置表示为xi=(x1,x2,...,xD)。每个粒子都在D维空间中运动,其速度表示为vi=(v1,v2,...,vD)。不同的粒子在空间中处于不同的位置,相对于适应度函数J有不同的适应度函数值。群体中好的位置即适应度函数值最小的粒子(初始群体位置或更新群体位置),用Pg表示;第i个粒子经历过的最好位置用Pi表示(初始粒子位置或更新粒子位置)。相关步骤请参考图6A所示,具体包含:
(1)设置K、NL、λ等反射参数,以及迭代的最大次数或者误差容限;
(2)随机产生初始的目标道非零反射系数的时间位置和对应的斜率,生成粒子群的初始位置xi和初始速度vi,将群体的最好位置Pg,每个粒子的最好位置Pi进行初始化;
(3)利用最小二乘法反演求出每个粒子对应的反射系数剖面;
(4)计算每个粒子的适应度函数J;
(5)更新群体的最好位置Pg以及每个粒子经历过的最好位置Pi;
(6)更新群体的速度vi和位置xi;
vi(t+1)=ωvi(t)+c1φ1[pi(t)-xi(t)]+c2φ2[pg(t)-xi(t)] (12)
xi(t+1)=xi(t)+avi(t+1) (13)
其中,ω表示惯性系数,c1、c2为加速常数,通常在0~2之间。φ1、φ2为两个独立的正态分布函数,其均值为0,方差为1。常数a是约束因子;
(7)判断是否满足终止条件,满足则结束,不满足则返回(3);
(8)最终搜索到的粒子最好位置Pg就是目标道非零反射系数时间位置和斜率,其对应的反射剖面就是我们所求的反射系数反演,同时由斜率反正切即可获得地层的倾角信息。
在上述实例中,每次PSO迭代都要不断更新粒子个体最优时间位置和全局最优时间位置,用斜率来约束粒子运动范围,进而更新矩阵A,用阻尼最小二乘法求解反射系数的幅值。通过计算目标函数J来检验收敛性。当达到预期的目标函数值或最大迭代次数时,PSO迭代将停止。
请参考图6B所示,本发明还提供一种随机多维反射系数反演系统,所述系统包含:数据获取模块、粒子群生成模块、计算模块和比较模块;所述数据获取模块用于获得待输入的地震数据和预置反射参数,于所述地震数据中预设一初始地震子波;所述粒子群生成模块用于根据预置反射参数和所述初始地震子波建立粒子群体;所述计算模块用于记录所述粒子群体随机产生的初始信息;以及,通过最小二乘法计算所述粒子群体中各粒子的反射系数振幅值;根据各粒子的反射系数振幅值计算各粒子对应的适应度函数,根据各粒子对应的适应度函数值和所述初始信息计算获取所述粒子群体的更新信息;所述比较模块用于比较所述粒子群体的初始信息与更新信息获得误差值,将所述误差值与预设条件比较;当比较结果满足所述预定条件时,根据所述更新信息所对应的粒子群体计算获得反射系数时间位置信息和地层倾角信息。
在上述随机多维反射系数反演系统中,所述计算模块还可包含初始信息计算单元,所述初始信息计算单元用于:根据所述粒子群体的初始位置和初始速度计算定位适应度函数值最小的粒子,并根据适应度函数值最小粒子的位置信息获得初始群体位置;根据所述初始群体位置筛选所述粒子群体中经历过所述初始群体位置的粒子获得一个或多个初始粒子位置;根据所述初始群体位置、所述初始粒子位置、所述初始位置和所述初始速度生成初始信息后,对所述初始群体位置和所述初始粒子位置初始化。进一步的,所述计算模块还可包含更新信息计算单元,所述更新信息计算单元用于:根据各粒子对应的适应度函数分析定位适应度函数值最小的粒子,并根据适应度函数值最小粒子的位置信息获得更新群体位置;根据所述更新群体位置筛选所述粒子群体中经历过所述更新群体位置的粒子获得一个或多个更新粒子位置;根据所述初始信息中的初始位置和初始速度与所述初始群体位置和所述初始粒子位置计算获得更新位置和更新速度;通过所述更新位置、所述更新速度、所述更新群体位置和所述更新粒子位置生成更新信息。其中,所述更新信息计算单元还用于:通过以下公式计算获得更新位置和更新速度:
vi(t+1)=ωvi(t)+c1φ1[pi(t)-xi(t)]+c2φ2[pg(t)-xi(t)];
xi(t+1)=xi(t)+avi(t+1);
在上式中,ω为惯性系数;c1、c2为加速常数;φ1、φ2为两个独立的正态分布函数;a为约束因子,常数;vi(t+1)为更新后速度;vi(t)为初始速度;pg(t)为初始群体位置;pi(t)为初始粒子位置;xi(t)为初始位置;xi(t+1)为更新后位置。
在本发明一实施例中,所述比较模块还可包含反演获取单元,所述反演获取单元用于:比较所述粒子群体的初始信息与更新信息获得误差值,将所述误差值与预设条件比较;当比较结果满足所述预定条件时,根据所述更新信息中更新群体位置获得目标道非零反射系数时间位置和斜率;根据所述目标道非零反射系数时间位置和斜率所对应的反射剖面获得反射系数反演结果。在另一实施例中,所述比较模块还包含地层倾角获取单元,所述地层倾角获取单元用于:比较所述粒子群体的初始信息与更新信息获得误差值,将所述误差值与预设条件比较;当比较结果满足所述预定条件时,根据所述更新信息中更新群体位置获得目标道非零反射系数的斜率;根据所述斜率的反正切获得地层倾角信息。进一步的,所述比较模块还包含迭代计算单元,所述迭代计算单元用于:当比较结果不满足所述预定条件时,通过最小二乘法计算当前粒子群体中各粒子的反射系数振幅值;当迭代计算次数到达预设阈值时,根据最后一次迭代计算获得的粒子群体计算获得反射系数反演和地层倾角信息。
请参考图7A至图7D所示,将本发明所提供的随机多维反射系数反演方法及系统应用于相关统计性数值模型进行计算发现;当数据含有20%的随机噪声时,对于脉冲间隔为13ms图7A和7ms图7B的模型,50次试验单道反演的全局最优解和真解的位置对比;当数据含有20%的随机噪声时,对于脉冲间隔为13ms图7C和7ms图7D的模型,50次试验多道反演的全局最优解和真解的位置对比。其中虚线的交点表示真解的位置,颜色深浅代表全局最优解在某一位置的次数,如色标所示。单道反演对应的全局最优解在含噪声时有可能与真解产生误差,尤其是在地层较薄时。而组稀疏约束的多道反演即使在含噪声或者地层厚度较薄时,仍能够使反演的全局最优解与真解保持一致。再请参考图8A至图8C所示,分别为楔形模型的演示、对应反射系数剖面的演示和合成地震记录的演示示意图。
请参考图9A至图9D所示,数据含有10%的随机噪声时,当K=2时,单道反演图9A和多道反演图9B的结果;当K=4时,单道反演图9C和多道反演图9D的结果。由图对比可知,当反射系数个数无法精确估计时,如果选择的K越大,数据被过度拟合,反演结果的精度会受到一定影响;相对于单道反演来说,多道反演具有更好的抗噪性和参数选择鲁棒性。最后,请参考图10A及图10B所示,以实际数据测试结果为例,图10A为实际地震数据,图10B为反射系数反演结果,两者比对进一步证明了本发明提出的方法在实际数据中的有效性。
本发明还提供一种计算机设备,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,所述处理器执行所述计算机程序时实现上述方法。
本发明还提供一种计算机可读存储介质,所述计算机可读存储介质存储有执行上述方法的计算机程序。
本发明通过粒子群群体智能优化算法来进行多道组稀疏反射系数反演,同时自适应扫描得到倾角,进而实现地质倾角导向多维高分辨率处理。倾角和反射系数可以指示地层构造信息,同时为后续的精细解释提供了更多有效的指示信息。本发明基于反射系数的纵向轴稀疏性和横向幅值一致性假设,在多道反演中引入了自适应倾角的组稀疏约束,通过粒子群优化算法搜索构造倾角、界面位置,通过阻尼最小二乘求解反射系数,以交互迭代方式快速收敛到最优的多维反射系数结果。发明结果提高了地震资料的分辨率,同时也提供了构造的倾角信息,为地震构造解释提供了强有力的支撑。
如图11所示,该600还可以包括:通信模块110、输入单元120、音频处理单元130、显示器160、电源170。值得注意的是,600也并不是必须要包括图11中所示的所有部件;此外,600还可以包括图11中没有示出的部件,可以参考现有技术。
如图11所示,中央处理器100有时也称为控制器或操作控件,可以包括微处理器或其他处理器装置和/或逻辑装置,该中央处理器100接收输入并控制600的各个部件的操作。
其中,存储器140,例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息,此外还可存储执行有关信息的程序。并且中央处理器100可执行该存储器140存储的该程序,以实现信息存储或处理等。
输入单元120向中央处理器100提供输入。该输入单元120例如为按键或触摸输入装置。电源170用于向600提供电力。显示器160用于进行图像和文字等显示对象的显示。该显示器例如可为LCD显示器,但并不限于此。
该存储器140可以是固态存储器,例如,只读存储器(ROM)、随机存取存储器(RAM)、SIM卡等。还可以是这样的存储器,其即使在断电时也保存信息,可被选择性地擦除且设有更多数据,该存储器的示例有时被称为EPROM等。存储器140还可以是某种其它类型的装置。存储器140包括缓冲存储器141(有时被称为缓冲器)。存储器140可以包括应用/功能存储部142,该应用/功能存储部142用于存储应用程序和功能程序或用于通过中央处理器100执行600的操作的流程。
存储器140还可以包括数据存储部143,该数据存储部143用于存储数据,例如联系人、数字数据、图片、声音和/或任何其他由使用的数据。存储器140的驱动程序存储部144可以包括的用于通信功能和/或用于执行的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。
通信模块110即为经由天线111发送和接收信号的发送机/接收机110。通信模块(发送机/接收机)110耦合到中央处理器100,以提供输入信号和接收输出信号,这可以和常规移动通信终端的情况相同。
基于不同的通信技术,在同一中,可以设置有多个通信模块110,如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)110还经由音频处理器130耦合到扬声器131和麦克风132,以经由扬声器131提供音频输出,并接收来自麦克风132的音频输入,从而实现通常的电信功能。音频处理器130可以包括任何合适的缓冲器、解码器、放大器等。另外,音频处理器130还耦合到中央处理器100,从而使得可以通过麦克风132能够在本机上录音,且使得可以通过扬声器131来播放本机上存储的声音。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明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,本发明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。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (17)
1.一种随机多维反射系数反演方法,其特征在于,所述方法包含:
获得待输入的地震数据和预置反射参数,于所述地震数据中预设一初始地震子波;
根据预置反射参数和所述初始地震子波建立粒子群体,并记录所述粒子群体随机产生的初始信息;
通过最小二乘法反演所述粒子群体中各粒子的反射系数振幅值;
根据各粒子的反射系数振幅值计算各粒子对应的适应度函数,根据各粒子对应的适应度函数和所述初始信息计算获取所述粒子群体的更新信息;
比较所述粒子群体的初始信息与更新信息获得误差值,将所述误差值与预设条件比较;
当比较结果满足所述预定条件时,根据所述更新信息所对应的粒子群体计算获得反射系数反演和地层倾角信息。
2.根据权利要求1所述的随机多维反射系数反演方法,其特征在于,记录所述粒子群体随机产生的初始信息包含:
根据所述粒子群体的初始位置和初始速度计算定位适应度函数值最小的粒子,并根据适应度函数值最小粒子的位置信息获得初始群体位置;
根据所述初始群体位置筛选所述粒子群体中经历过所述初始群体位置的粒子获得一个或多个初始粒子位置;
根据所述初始群体位置、所述初始个体粒子位置、所述初始位置和所述初始速度生成初始信息后,对所述初始群体位置和所述个体初始粒子位置初始化。
3.根据权利要求1所述的随机多维反射系数反演方法,其特征在于,根据各粒子对应的适应度函数和所述初始信息计算获取所述粒子群体的更新信息包含:
根据各粒子对应的适应度函数分析定位适应度函数值最小的粒子,并根据适应度函数值最小粒子的位置信息获得更新群体位置;
根据所述更新群体位置筛选所述粒子群体中经历过所述更新群体位置的粒子获得一个或多个更新粒子位置;
根据所述初始信息中的初始位置和初始速度与所述初始群体位置和所述初始粒子位置计算获得更新位置和更新速度;
通过所述更新位置、所述更新速度、所述更新群体位置和所述更新粒子位置生成更新信息。
4.根据权利要求1所述的随机多维反射系数反演方法,其特征在于,根据所述初始信息中的初始位置和初始速度与所述初始群体位置和所述初始粒子位置计算获得更新位置和更新速度包含:
通过以下公式计算获得更新位置和更新速度:
vi(t+1)=ωvi(t)+c1φ1[pi(t)-xi(t)]+c2φ2[pg(t)-xi(t)];
xi(t+1)=xi(t)+avi(t+1);
在上式中,ω为惯性系数;c1、c2为加速常数;φ1、φ2为两个独立的正态分布函数;a为约束因子,常数;vi(t+1)为更新后速度;vi(t)为初始速度;pg(t)为初始群体位置;pi(t)为初始个体粒子位置;xi(t)为初始位置;xi(t+1)为更新后位置。
5.根据权利要求1所述的随机多维反射系数反演方法,其特征在于,根据所述更新信息所对应的粒子群体计算获得反射系数反演包含:
比较所述粒子群体的初始信息与更新信息获得误差值,将所述误差值与预设条件比较;
当比较结果满足所述预定条件时,根据所述更新信息中更新群体位置获得目标道非零反射系数时间位置和斜率;
根据所述目标道非零反射系数时间位置和斜率获得反射系数反演结果。
6.根据权利要求1所述的随机多维反射系数反演方法,其特征在于,根据所述更新信息所对应的粒子群体计算获得地层倾角信息包含:
比较所述粒子群体的初始信息与更新信息获得误差值,将所述误差值与预设条件比较;
当比较结果满足所述预定条件时,根据所述更新信息中更新群体位置获得目标道非零反射系数的斜率;
根据所述斜率的反正切获得地层倾角信息。
7.根据权利要求1所述的随机多维反射系数反演方法,其特征在于,所述方法还包含:
通过最小二乘法计算当前粒子群体中各粒子的反射系数振幅值;
当迭代计算次数到达预设阈值时,根据最后一次迭代计算获得的粒子群体计算获得反射系数反演和地层倾角信息。
9.一种随机多维反射系数反演系统,其特征在于,所述系统包含:数据获取模块、粒子群生成模块、计算模块和比较模块;
所述数据获取模块用于获得待输入的地震数据和预置反射参数,于所述地震数据中预设一初始地震子波;
所述粒子群生成模块用于根据预置反射参数和所述初始地震子波建立粒子群体;
所述计算模块用于记录所述粒子群体随机产生的初始信息;以及,通过最小二乘法计算所述粒子群体中各粒子的反射系数的振幅值;根据各粒子的反射系数振幅值计算各粒子对应的适应度函数,根据各粒子对应的适应度函数值和所述初始信息计算获取所述粒子群体的更新信息;
所述比较模块用于比较所述粒子群体的初始信息与更新信息获得误差值,将所述误差值与预设条件比较;当比较结果满足所述预定条件时,根据所述更新信息所对应的粒子群体计算获得反射系数反演和地层倾角信息。
10.根据权利要求9所述的随机多维反射系数反演系统,其特征在于,所述计算模块还包含初始信息计算单元,所述初始信息计算单元用于:
根据所述粒子群体的初始位置和初始速度计算定位适应度函数值最小的粒子,并根据适应度函数值最小粒子的位置信息获得初始群体位置;
根据所述初始群体位置筛选所述粒子群体中经历过所述初始群体位置的粒子获得一个或多个初始粒子位置;
根据所述初始群体位置、所述初始个体粒子位置、所述初始位置和所述初始速度生成初始信息后,对所述初始群体位置和所述初始个体粒子位置初始化。
11.根据权利要求9所述的随机多维反射系数反演系统,其特征在于,所述计算模块还包含更新信息计算单元,所述更新信息计算单元用于:
根据各粒子对应的适应度函数分析定位适应度函数值最小的粒子,并根据适应度函数值最小粒子的位置信息获得更新群体位置;
根据所述更新群体位置筛选所述粒子群体中经历过所述更新群体位置的粒子获得一个或多个更新粒子位置;
根据所述初始信息中的初始位置和初始速度与所述初始群体位置和所述初始粒子位置计算获得更新位置和更新速度;
通过所述更新位置、所述更新速度、所述更新群体位置和所述更新粒子位置生成更新信息。
12.根据权利要求9所述的随机多维反射系数反演系统,其特征在于,所述更新信息计算单元还用于:
通过以下公式计算获得更新位置和更新速度:
vi(t+1)=ωvi(t)+c1φ1[pi(t)-xi(t)]+c2φ2[pg(t)-xi(t)];
xi(t+1)=xi(t)+avi(t+1);
在上式中,ω为惯性系数;c1、c2为加速常数;φ1、φ2为两个独立的正态分布函数;a为约束因子,常数;vi(t+1)为更新后速度;vi(t)为初始速度;pg(t)为初始群体位置;pi(t)为初始个体粒子位置;xi(t)为初始位置;xi(t+1)为更新后位置。
13.根据权利要求9所述的随机多维反射系数反演系统,其特征在于,所述比较模块还包含反演获取单元,所述反演获取单元用于:
比较所述粒子群体的初始信息与更新信息获得误差值,将所述误差值与预设条件比较;
当比较结果满足所述预定条件时,根据所述更新信息中更新群体位置获得目标道非零反射系数时间位置和斜率;
根据所述目标道非零反射系数时间位置和斜率获得反射系数反演结果。
14.根据权利要求9所述的随机多维反射系数反演系统,其特征在于,所述比较模块还包含地层倾角获取单元,所述地层倾角获取单元用于:
比较所述粒子群体的初始信息与更新信息获得误差值,将所述误差值与预设条件比较;
当比较结果满足所述预定条件时,根据所述更新信息中更新群体位置获得目标道非零反射系数的斜率;
根据所述斜率的反正切获得地层倾角信息。
15.根据权利要求9所述的随机多维反射系数反演系统,其特征在于,所述比较模块还包含迭代计算单元,所述迭代计算单元用于:
通过最小二乘法计算当前粒子群体中各粒子的反射系数振幅值;
当迭代计算次数到达预设阈值时,根据最后一次迭代计算获得的粒子群体计算获得反射系数反演和地层倾角信息。
16.一种计算机设备,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计算机程序时实现权利要求1至8任一项所述方法。
17.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有执行权利要求1至8任一项所述方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010166152.4A CN113391349A (zh) | 2020-03-11 | 2020-03-11 | 随机多维反射系数反演方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010166152.4A CN113391349A (zh) | 2020-03-11 | 2020-03-11 | 随机多维反射系数反演方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113391349A true CN113391349A (zh) | 2021-09-14 |
Family
ID=77615400
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010166152.4A Pending CN113391349A (zh) | 2020-03-11 | 2020-03-11 | 随机多维反射系数反演方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113391349A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104570101A (zh) * | 2013-10-09 | 2015-04-29 | 中国石油化工股份有限公司 | 一种基于粒子群算法的avo三参数反演方法 |
US20160361041A1 (en) * | 2015-06-15 | 2016-12-15 | The Research Foundation For The State University Of New York | System and method for infrasonic cardiac monitoring |
CN109143346A (zh) * | 2017-06-19 | 2019-01-04 | 中国石油化工股份有限公司 | 叠前混合非线性反演方法及计算机可读存储介质 |
US20190235116A1 (en) * | 2016-10-13 | 2019-08-01 | Downunder Geosolutions Pty Ltd. | Method for the attenuation of multiple reflections in shallow water settings |
-
2020
- 2020-03-11 CN CN202010166152.4A patent/CN113391349A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104570101A (zh) * | 2013-10-09 | 2015-04-29 | 中国石油化工股份有限公司 | 一种基于粒子群算法的avo三参数反演方法 |
US20160361041A1 (en) * | 2015-06-15 | 2016-12-15 | The Research Foundation For The State University Of New York | System and method for infrasonic cardiac monitoring |
US20190235116A1 (en) * | 2016-10-13 | 2019-08-01 | Downunder Geosolutions Pty Ltd. | Method for the attenuation of multiple reflections in shallow water settings |
CN109143346A (zh) * | 2017-06-19 | 2019-01-04 | 中国石油化工股份有限公司 | 叠前混合非线性反演方法及计算机可读存储介质 |
Non-Patent Citations (2)
Title |
---|
YONGZHEN JI ET AL.,: ""Multi-trace stochastic sparse-spike inversion for reflectivity"", 《JOURNAL OF APPLIED GEOPHYSICS》, vol. 161, pages 84 - 91 * |
YUAN SANYI ET AL.,: ""Swarm intelligence optimization and its application in geophysical data inversion"", 《APPLIED GEOPHYSICS》, vol. 16, no. 02, pages 166 - 174 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3171203B1 (en) | Adaptive ensemble-based method and device for highly-nonlinear problems | |
CN105842732B (zh) | 多道稀疏反射系数的反演方法及系统 | |
EP2780846A1 (en) | System and method of using spatially independent subsets of data to determine the uncertainty of soft-data debiasing of property distributions for spatially correlated reservoir data | |
CN111208486B (zh) | 全波形激光雷达波形分解方法 | |
CN113676266B (zh) | 一种基于量子生成对抗网络的信道建模方法 | |
Shen et al. | Distributed Markov chain Monte Carlo method on big-data platform for large-scale geosteering inversion using directional electromagnetic well logging measurements | |
CN114167500B (zh) | 基于卷积神经网络的邻炮干扰分离方法及装置 | |
CN111398928B (zh) | 基于重采样算法的合成极窄脉冲雷达检测门限计算方法 | |
CN113391349A (zh) | 随机多维反射系数反演方法及系统 | |
Daly | An embedded model estimator for non-stationary random functions using multiple secondary variables | |
CN113722893B (zh) | 地震记录反演方法、装置、设备及存储介质 | |
CN112578458B (zh) | 叠前弹性阻抗随机反演方法、装置、存储介质及处理器 | |
CN112147679B (zh) | 在模糊逻辑框架下基于弹性参数的岩性预测方法和装置 | |
CN114185090B (zh) | 岩相和弹性参数同步反演方法、装置、电子设备及介质 | |
US20240045094A1 (en) | A method of and apparatus for determining a multiple well seismic-to-well tie | |
CN113608263B (zh) | 一种叠前反演的可行性评价方法、装置、设备和存储介质 | |
WO2024051834A1 (zh) | 全波形反演方法、设备及存储介质 | |
CN111487679B (zh) | 横波速度预测方法、装置和设备 | |
CN108363102A (zh) | 一种生成正演地震记录随机噪声的方法及系统 | |
CN112394396A (zh) | 一种地震随机反演方法、设备及系统 | |
CN118112640A (zh) | 一种基于地震相引导的高精度连续反射剥离方法 | |
CN114428291A (zh) | 多道的反射系数脉冲确定方法、存储介质及电子设备 | |
CN118295016A (zh) | 一种多元参数耦合数据-知识双驱动地震反演方法 | |
WO2022254247A1 (en) | Laplace-fourier 1.5d forward modeling using an adaptive sampling technique | |
CN117763961A (zh) | 自监督贝叶斯深度学习网络的地震资料解混方法及系统 |
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 |