CN113589364B - 基于佐布里兹方程约束的地震数据规则化处理方法 - Google Patents

Abstract

本发明提供一种基于佐布里兹方程约束的地震数据规则化处理方法，包括：对输入的炮集记录进行道头扫描，确定正常炮点间距及炮点缺失位置；根据临近炮点炮检关系，创建缺失位置炮点炮检关系，并为新添加炮点创建数据存储位置；对数据进行道集抽取，抽取共中心点道集，对新增加的炮点创建空道数据；根据已有数据进行振幅高次函数拟合，获得高次函数权值系数；使用FK域凸集投影方法进行数据规则化处理，并进行收敛判断；所有共中心点道集规则化处理结束后，输出规则化处理结果。该基于佐布里兹方程约束的地震数据规则化处理方法保证经过规则化处理后的数据能够保留AVA特性，更好的满足了叠前反演需求。

Description

基于佐布里兹方程约束的地震数据规则化处理方法

技术领域

本发明涉及油气勘探地震资料处理技术领域，特别是涉及到一种基于佐布里兹方程约束的地震数据规则化处理方法。

背景技术

地震数据规则化处理在地震资料数据处理中占有重要地位。在进行数据采集时，由于地表障碍物等因素的影响，会造成采集的地震数据呈现非均匀分布特征。这种非均匀分布会对地震资料后期的处理造成不良影响。如在偏移过程中，如果数据非规则分布，则容易产生偏移噪声。非均匀分布也会对数据的覆盖次数产生影响，造成各位置覆盖次数不一致。为了解决这一问题，实际生产中提出了很多解决方法，这些数据规则化算法基本解决了数据振幅差异的问题。但是随着对叠前反演需求的增加，对数据规则化的要求也随之提高，之前的数据规则化方法由于没有考虑地震数据的 AVA特征，造成规则化处理后的数据不适合进行AVA分析。

在申请号：201910556917.2的中国专利申请中，涉及到一种基于稀疏范数优化算法的地震数据规则化方法，包括以下步骤：步骤一，采集地震数据，做数据预处理将原始数据转化为2D道集记录；步骤二，对地震数据抽共中心点道集，做动校正；步骤三，对该数据集做Radon变换，得到目标函数；步骤四，使用共轭梯度算法求解该优化问题，得到Radon变换的高分辨率稀疏解。步骤五，在空间域建立规则网格；步骤六，将Radon变换值反变换到规则网格上得到地震数据规则化的结果。该申请插值获得的数据道不具备炮点和检波点信息，仅能提高水平叠加质量。并且算法并未考虑叠前道集的振幅变化关系，从本质上来说更适合进行叠后插值处理，其插值数据无法进行叠前偏移和叠前反演。

在申请号：201710800505.X的中国专利申请中，涉及到一种地震数据规则化方法及装置，该方法包括：获取目标地震数据的高斯波包矩阵表达式，其中，所述高斯波包矩阵表达式中包括系数向量和高斯波包的离散算子，所述目标地震数据为满足地震波采样定理的数据；基于所述高斯波包矩阵表达式建立基于L1范数的目标稀疏分解模型；采用可微的凸函数对所述L1范数进行逼近处理，得到目标函数，其中，所述目标函数为关于所述系数向量的函数；通过投影梯度法求解所述目标函数，得到可行域内的系数向量；根据所述可行域内的系数向量和所述高斯波包矩阵表达式重构所述目标地震数据。该申请提供了一种数据插值的思想，但是并没有针对实际数据进行处理的思路与步骤，无法将该发明应用到实际数据插值处理中。发明采用的插值算法是一种模糊求解方法，无法准确恢复原有数据，更无法准确获得待插值数据。

为此我们发明了一种新的基于佐布里兹方程约束的地震数据规则化处理方法，解决了以上技术问题。

发明内容

本发明的目的是提供一种保证经过规则化处理后的数据能够保留AVA 特性，满足后期进行叠前反演需求的基于佐布里兹方程约束的地震数据规则化处理方法。

本发明的目的可通过如下技术措施来实现：基于佐布里兹方程约束的地震数据规则化处理方法，该基于佐布里兹方程约束的地震数据规则化处理方法包括：步骤1，对输入的炮集记录进行道头扫描，确定正常炮点间距及炮点缺失位置；步骤2，根据临近炮点炮检关系，创建缺失位置炮点炮检关系，并为新添加炮点创建数据存储位置；步骤3，对数据进行道集抽取，抽取共中心点道集，对新增加的炮点创建空道数据；步骤4，根据已有数据进行振幅高次函数拟合，获得高次函数权值系数；步骤5，使用 FK域凸集投影方法进行数据规则化处理，并进行收敛判断；步骤6，所有共中心点道集规则化处理结束后，输出规则化处理结果。

本发明的目的还可通过如下技术措施来实现：

在步骤1中，进行道头扫描，扫描获得炮点X,Y坐标，然后需要根据观测系统分布方位进行整体旋转，重置炮点X,Y坐标。

在步骤1中，确定炮点间距是根据观测系统实际分布情况，设置炮点最小间隔和炮点最大间隔，相邻炮点间隔小于最小间隔或者大于最大间隔，炮点距离不进行统计；将所有炮点遍历后，获得炮点的相对准确间隔。

在步骤2中，对缺失位置增加炮点，炮点对应的检波点采用临近炮点对应检波点，或根据观测系统模板重新设置炮检关系。

在步骤3中，对原有及新补数据进行道集抽取，抽取共中心点道集，并对共中心点数据集按照方位角和偏移距进行排序，构建出三维数据体，如果数据是二维的，则共中心点仅按照偏移距排序，构建的数据体为二维。

在步骤3中，抽取共中心点道集，并为新增加炮点创建空道；创建新炮点时，同时创建了数据道头和空道数据，并在炮表中标注当前新增加的炮点为特殊标志，用以后期数据规则化处理的时候使用。

在步骤4中，使用FK域凸集投影算法对共中心点道集数据进行规则化处理，处理采用阈值迭代算法进行处理；进行处理之前首先使用已有数据道振幅对数据振幅变化进行高次函数拟合，拟合公式如下：

a(t) b(t) c(t)是随时间变化的权系数，x_i为当前数据对应偏移距；

通过已知数据拟合，计算出各时间位置权值，待插值数据的振幅根据公式(1)进行预估，阈值迭代中，实际插值数据与期望振幅数据误差最小时，即如公式(2)所示情况下，输出对应的a(t) b(t) c(t)，并带入(1) 式获得实际输出值，

I_i(t)为规则化处理后某偏移距处插值振幅结果，Qmin(t)是Q最小值。

在步骤4中，在每个共中心点道集内，每个时间位置均首先进行振幅高次函数拟合，拟合使用公式(1)进行；具体高次项项数根据处理精度和实际数据分布情况而定。

在步骤5中，使用FK域凸集投影算法进行数据规则化处理，处理中采用阈值迭代方法判断收敛，采用高次函数进行振幅计算，每次迭代处理后通过公式(2)决定当前迭代是否合理。

在步骤5中，在数据规则化处理过程中，加入内部数据交叉验证算法，即使用已知数据对数据规则化参数进行内部验证，保证数据插值参数的可靠性。

在步骤6中，在共中心点域进行数据规则化处理后，将数据重新抽取到原始炮集记录，炮内道序按照其炮检关系排列，并将数据重新保存。

针对目前数据规则化处理方法未考虑地震数据AVA特征的问题，本发明中的基于佐布里兹方程约束的地震数据规则化处理方法，在数据规则化处理过程中加入佐布里兹方程对规则化处理结果进行约束，提出了基于佐布里兹方程约束的地震数据规则化处理方法。该方法以基于FK分析的凸集投影数据规则化方法作为基础，以佐布里兹方程进行迭代约束，保证经过规则化处理后的数据能够保留AVA特性，满足后期进行叠前反演需求。

附图说明

图1为本发明的基于佐布里兹方程约束的地震数据规则化处理方法的一具体实施例的流程图；

图2为采用本发明的一实施例变观前后及规则化处理后观测系统示意图；

图3为本发明的一实施例中变观前后及规则化处理后典型面元数据对比图；

图4为本发明的一实施例中规则化处理数据和理想数据差值示意图；

图5为本发明的一实施例中变观前后及规则化处理后观测系统示意图；

图6为本发明的一实施例中变观前后及规则化处理后典型面元数据对比图；

图7为典型的AVO曲线的示意图。

具体实施方式

为使本发明的上述和其他目的、特征和优点能更明显易懂，下文特举出较佳实施例，并配合附图所示，作详细说明如下。

在地震数据采集中，由于工区实际情况影响，难以保证采集的数据是规则分布的。为了克服地震数据非规则对叠前反演的影响，采用佐布里兹方程作为约束条件，使用FK域的凸集投影算法进行数据规则化处理，提出了一种基于佐布里兹方程约束的地震数据规则化处理方法。

基于FK域的凸集投影数据规则化方法，通过逐次迭代修改阈值过滤掉小于阈值的FK域系数实现数据的规则化处理。在整个算法过程中，阈值的变化模型是一个关键问题，通常可以采用线性、指数型等变化规律设置每次迭代的阈值，算法直到完成所给定的迭代次数或通过前后规则化处理数据的变换来终止迭代。通常情况下，这种做法可以得到振幅分布相对均衡的规则化处理结果。但是，如果考虑到叠前反演需求，通过这种迭代算法处理的数据在振幅分布上可能抹杀了本应存在的振幅差异，造成进一步的叠前反演计算失败。为了克服这一问题，在进行迭代时，引入佐布里兹方程近似式对原有地震道和规则化处理后的地震道进行约束，从而保证规则化处理后的数据仍然满足叠前反演需求。引入佐布里兹方程描述较为复杂，但是在入射角不是很大的时候，可以通过高次函数进行拟合。图7为典型的AVO散点及拟合曲线，可以看出在入射角不是特别大的时候，通过高次函数基本可以拟合其变化规律。因此实际处理中采用高次函数来替代佐布里兹方程对振幅能量进行约束。

如图1所示，图1为本发明的基于佐布里兹方程约束的地震数据规则化处理方法的流程图。

1)根据观测系统进行数据扫描，判断正常的炮点间距，并获得缺失炮点位置；在一实施例中，进行道头扫描，扫描获得炮点X,Y坐标，然后需要根据观测系统分布方位进行整体旋转，重置炮点X,Y坐标。重置后的炮点X,Y坐标可以用来快速判别X，Y方向炮点是否过密，或者是否缺失。确定炮点间距是根据观测系统实际分布情况，设置炮点最小间隔和炮点最大间隔，相邻炮点间隔小于最小间隔或者大于最大间隔，炮点距离不进行统计。将所有炮点遍历后，就可以获得炮点的相对准确间隔。根据炮点分布距离，将获得的炮点距离换算成5米或者10米的整数倍。

2)对缺失炮点位置进行补炮，炮检关系直接复制该炮点最近炮点炮检关系，并为新补炮点创建空的数据集。

3)对原有及新补数据进行道集抽取，抽取共中心点道集，并对共中心点数据集按照方位角和偏移距进行排序，构建出三维数据体(如果数据是二维的，则共中心点仅按照偏移距排序，构建的数据体为二维)；在一实施例中，抽取共中心点道集，并为新增加炮点创建空道；创建新炮点时，同时创建了数据道头和空道数据，并在炮表中标注当前新增加的炮点为特殊标志，用以后期数据规则化处理的时候使用。

4)使用FK域凸集投影算法对共中心点道集数据进行规则化处理，处理采用阈值迭代算法进行处理。进行处理之前首先使用已有数据道振幅对数据振幅变化进行高次函数拟合，拟合公式如下：

a(t) b(t) c(t)是随时间变化的权系数，x_i为当前数据对应偏移距。

通过已知数据拟合，计算出各时间位置权值，待插值数据的振幅根据公式(1)进行预估，阈值迭代中，实际插值数据与期望振幅数据误差最小时，输出规则化处理数据结果。

I_i(t)为规则化处理后某偏移距处插值振幅结果。

在一实施例中，在每个共中心点道集内，每个时间位置均首先进行振幅高次函数拟合，拟合使用公式(1)进行。具体高次项项数根据处理精度和实际数据分布情况而定，通常采用4阶计算效率和效果相对可靠。阶数越高，计算效果越好，但是计算效率越低。

5)在数据规则化处理过程中，加入内部数据交叉验证算法，即使用已知数据对数据规则化参数进行内部验证，保证数据插值参数的可靠性。在一实施例中，使用FK域凸集投影算法进行数据规则化处理，处理中采用阈值迭代方法判断收敛，常规的凸集投影方法是通过迭达次数或者前后两次数据处理变化幅度来决定是否收敛，而本发明中采用步骤5)中的高次函数进行振幅计算，每次迭代处理后通过公式(2)决定当前迭代是否合理。

6)在共中心点域进行数据规则化处理后，将数据重新抽取到原始炮集记录，炮内道序按照其炮检关系排列，并将数据重新保存。

通过以上具体步骤的处理，实现了基于佐布里兹方程约束的地震数据规则化处理方法。本发明通过输入经过动校正处理后的数据进行规则化处理，可以取得更好的处理效果。该方法需要先构建规则数据体，并为新构建数据体创建道头和数据存储空间。

在应用本发明的一具体实施例中，该发明的详细技术操作简图如图1 所示。该发明主要技术关键点为以下四个：(1)炮点坐标自动扫描；(2) 缺失炮数据道头重建；(3)基于已知数据的佐布里兹方程近似表达式(高次函数)拟合；(4)基于FK域凸集投影算法的数据规则化处理算法。

为了验证基于佐布里兹方程约束的地震数据规则化处理方法处理效果，下面分别以A，B两个不同资料为例，对算法处理效果进行分析。下面先对A资料处理效果分析。

该实验数据A为三维数据，图2展示了变观前后观测系统炮点和检波点分布图，图中大点为炮点，小点为检波点。图2(a)为规则观测系统炮点和检波点分布图，图2(b)为变观后的炮点和检波点分布图。从图2(a)和图 2(b)的对比中可以看出，相对规则观测系统，变观后的炮点密度明显降低，分布不均匀。图2(c)为经过规则化处理后观测系统炮点和检波点分布图。图3(a)为根据规则观测系统正演模拟获得的理想面元数据。图3(b)为变观后观测系统抽取的同一面元数据，数据中相对图3(a)缺失的数据使用空道代替。在本专利使用的算法中，进行数据规则化处理，首先需要构建规则观测系统，然后根据观测系统抽取面元数据，面元数据中新增加的炮点对应数据道，也需要使用空道来替代，这和图3(b)展示的数据类似。对图3(b)所示数据进行本专利算法数据规则化处理，得到了如图3(c)所示结果。图4展示了规则化处理后的数据与理想规则数据做差后的差值，从图中可以看出规则化处理后的数据与理想数据不存在相关性较强的误差，数据误差为随机分布噪音，其对数据振幅整体影响较小，这种噪音对叠前数据反演影响不大。

为了进一步说明专利方法应用效果，使用另一个数据B进行分析。该实验数据B为二维地震数据，其原始规则观测系统如图5(a)所示，变观观测系统如图5(b)所示，规则化处理后的观测系统如图5(c)所示。该测试数据与图2 所示观测系统对应数据特点不同，A数据为规则观测系统下，炮点缺失后造成的数据不规则化。而B数据为存在炮点偏移，即有的地区炮点偏密，有点地区炮点过于稀疏，最终造成数据中不仅存在数据缺失的问题，还存在数据非规则分布现象严重。这里的非规则分布有别与图3(b) 中的数据非规则缺失，图3(b)中的数据非均匀缺失，是基于道分布的缺失，而B数据中的缺失道位置分布更具有随机性。

本发明针对目前数据规则化处理方法未考虑地震数据AVA特征的问题，在数据规则化处理过程中以基于FK分析的凸集投影数据规则化方法作为基础，加入佐布里兹方程对规则化处理结果进行约束，保证经过规则化处理后的数据能够保留AVA特性，更好的满足了叠前反演需求。

Claims (5)

1.基于佐布里兹方程约束的地震数据规则化处理方法，其特征在于，该基于佐布里兹方程约束的地震数据规则化处理方法包括：

步骤1，对输入的炮集记录进行道头扫描，确定正常炮点间距及炮点缺失位置；

步骤2，根据临近炮点炮检关系，创建缺失位置炮点炮检关系，并为新添加炮点创建数据存储位置；

步骤3，对数据进行道集抽取，抽取共中心点道集，对新增加的炮点创建空道数据；

步骤4，根据已有数据进行振幅高次函数拟合，获得高次函数权值系数；

步骤5，使用FK域凸集投影方法进行数据规则化处理，并进行收敛判断；

步骤6，所有共中心点道集规则化处理结束后，输出规则化处理结果；

在步骤3中，对原有及新补数据进行道集抽取，抽取共中心点道集，并对共中心点数据集按照方位角和偏移距进行排序，构建出三维数据体，如果数据是二维的，则共中心点仅按照偏移距排序，构建的数据体为二维；

抽取共中心点道集，并为新增加炮点创建空道；创建新炮点时，同时创建了数据道头和空道数据，并在炮表中标注当前新增加的炮点为特殊标志，用以后期数据规则化处理的时候使用；

在入射角不是特别大的时候，通过高次函数基本可以拟合振幅变化规律，采用高次函数来替代佐布里兹方程对振幅能量进行约束；

在步骤5中，使用FK域凸集投影算法对共中心点道集数据进行规则化处理，处理采用阈值迭代算法进行处理；进行处理之前首先使用已有数据道振幅对数据振幅变化进行高次函数拟合，拟合公式如下：

a(t)、b(t)、c(t)是随时间变化的权系数，x_i为当前数据对应偏移距；

通过已知数据拟合，计算出各时间位置权值，待插值数据的振幅根据公式(1)进行预估，阈值迭代中，实际插值数据与期望振幅数据误差最小时，即如公式(2)所示情况下，输出对应的a(t)、b(t)、c(t)，并带入(1)式获得实际输出值，

I_i(t)为规则化处理后某偏移距处插值振幅结果，Q_min(t)是指Q取得的最小值；

在步骤4中，在每个共中心点道集内，每个时间位置均首先进行振幅高次函数拟合，拟合使用公式(1)进行；具体高次项项数根据处理精度和实际数据分布情况而定。

2.根据权利要求1所述的基于佐布里兹方程约束的地震数据规则化处理方法，其特征在于，在步骤1中，进行道头扫描，扫描获得炮点X,Y坐标，然后需要根据观测系统分布方位进行整体旋转，重置炮点X,Y坐标。

3.根据权利要求1所述的基于佐布里兹方程约束的地震数据规则化处理方法，其特征在于，在步骤2中，对缺失位置增加炮点，炮点对应的检波点，采用临近炮点对应炮检关系，或根据观测系统模板重新设置炮检关系。

4.根据权利要求1所述的基于佐布里兹方程约束的地震数据规则化处理方法，其特征在于，在步骤5中，在数据规则化处理过程中，加入内部数据交叉验证算法，即使用已知数据对数据规则化参数进行内部验证，保证数据插值参数的可靠性。

5.根据权利要求1所述的基于佐布里兹方程约束的地震数据规则化处理方法，其特征在于，在步骤6中，在共中心点域进行数据规则化处理后，将数据重新抽取到原始炮集记录，炮内道序按照其炮检关系排列，并将数据重新保存。

Images