CN113608259A - 一种基于iceemdan约束广义s变换的地震薄层检测方法 - Google Patents
一种基于iceemdan约束广义s变换的地震薄层检测方法 Download PDFInfo
- Publication number
- CN113608259A CN113608259A CN202110809071.6A CN202110809071A CN113608259A CN 113608259 A CN113608259 A CN 113608259A CN 202110809071 A CN202110809071 A CN 202110809071A CN 113608259 A CN113608259 A CN 113608259A
- Authority
- CN
- China
- Prior art keywords
- frequency
- generalized
- transformation
- iceemdan
- seismic data
- 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
- 230000009466 transformation Effects 0.000 title claims abstract description 27
- 238000001514 detection method Methods 0.000 title claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 19
- 230000009467 reduction Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 abstract description 19
- 239000002131 composite material Substances 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 239000003208 petroleum Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 235000017166 Bambusa arundinacea Nutrition 0.000 description 1
- 235000017491 Bambusa tulda Nutrition 0.000 description 1
- 241001330002 Bambuseae Species 0.000 description 1
- 208000035126 Facies Diseases 0.000 description 1
- 235000015334 Phyllostachys viridis Nutrition 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 239000011425 bamboo Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000010183 spectrum analysis 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. analysis, for interpretation, for correction
- 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. analysis, for interpretation, for correction
- G01V1/30—Analysis
- G01V1/306—Analysis for determining physical properties of the subsurface, e.g. impedance, porosity or attenuation profiles
-
- 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
Abstract
本发明属于地震勘探中薄层检测的技术领域,具体为一种ICEEMDAN约束的广义S变换检测方法,该方法的特点是通过ICEEMDAN对复合信号进行非递归、自适应分解,并对高频分量进行重构,据此方法得到的时频结构可以更好地适应薄层对应频率分布,减少时窗因素的限制,提高时频分析的精准度;再通过广义S变换对信号的重构信号(特定成份)进行时频分析,并对广义S变换的得到的频率值进行叠加并进行去均值化,可以直观的展示频率与地层之间的对应关系,其可操作性强。
Description
技术领域
本发明属于地震勘探技术领域,具体为一种基于ICEEMDAN约束广义S变换的地震薄层检测方法,本发明旨在提出一种陆相薄层的地震检测新方法。
背景技术
近年来,时频分析在地震资料解释中扮演着重要的角色,不同时段的薄层所包含的各种频率表示不同深度的特征。傅里叶变换可以实现信号相互转换的可能在时间域与频率域上,使得时域信号特征在频域中有很好的体现,对地震数据起到有效的分析,可以为地震解释和薄层预测有很大的帮助。目前在时间域和频率域的转换方法很多,例如短时傅里叶(STFT)、小波变换、S变换、广义S变换、Wigner-Ville分布、希尔伯特-黄变换等(Yu D,Cheng J,Yu Y.Application of EMD method and Hilbert spectrum to the faultdiagnosis of roller bearings[J].Mechanical Systems and Signal Processing,2005,19(2):259-270.)。STFT中的时频分辨率不能相应的调节,窗函数选择决定着时间带宽积的大小(Kwok H K,Jones D L.Instantaneous frequency estimation using anadaptive short-time Fourier transform[C]//Asilomar Conference on Signals.IEEEComputer Society,2000.)。后面在实际应用中信号的频率随时间变化,为了获得更加精确的高频和完整的低频信息,提出了小波变换(Debnath L.Wavelet Transforms and TheirApplications[M].2002.)。与短时傅里叶变换相比,小波变换能较好地解决时间和频率分辨力的矛盾,但是小波变换在某种尺度上,不能同时提高时间和频率上的精度。Wigner-Ville分布具有很好的时频聚焦性,但存在交叉项,后面关于交叉项问题进行了很多改进,也都有各自的优缺点。希尔伯特-黄变换由于经验模态分解会产生端点效应、模态混叠效应,也存在一定的问题(Huang N E,Wu M,Long S R,et al.A confidence limitfor the empirical mode decomposition and Hilbert spectral analysis[J].Proceedings Mathematical Physical&Engineering Sciences,2003,459(2037):2317-2345.)。由于S变换分辨率可自适应调节,能够使高低频很好的体现,保持低频的分辨率且不存在交叉,但基本小波是固定的(Pinnegar C R,Mansinha L.The S-transform withwindows of arbitrary and varying shape[J].Geophysics,2003,68(1):381.)。这些时频方法都存在一定的局限性,这些方法对非平稳地震信号不能很好的处理。
基于时频分析的地层结构方面的研究已经证实是薄层检测的一种潜在方法,据《地震道时间域频率属性特征和地层层序划分》(夏竹,刘超颖,魏文博,等.地震道时间域频率属性特征和地层层序划分[J].石油地球物理勘探,2005(5):550-560.)研究表明,频域属性可以进行地层划分,但上述方法受限于时窗的限制,其应用难度较大。随后,基于地震道时频分析的地层结构解析原理和方法(夏竹,刘兰锋,任敦占,等.基于地震道时频分析的地层结构解析原理和方法[J].石油地球物理勘探,2007(1):57-65.)进一步按照地层分析的方法对时频结构进行分析,其实现步骤是采用三角正反向递归滤波器进行约束和目标调谐频率加强技术,实现每个扫描频窗的主频和实际调谐作用的有机结合。即当不断移动频窗时,在每个特定宽度的频窗内来搜寻一个与实际地层厚度相适应的、更合理的调谐频率和更强、更集中的调谐振幅能量团来识别地层信息。然而这种方法实际应用难度较大,主要原因是原有的方法是针对复合信号的时频结构进行分解、频率与时窗的大小密切相关。
发明内容
本发明的目的在于克服上述背景技术的不足,而提出一种基于改进的带有自适应白噪声的完全集合经验模态分解(Improved Complete Ensemble Empirical ModeDecomposition with Adaptive Noise,ICEEMDAN),分解后再使用广义S变换进行薄层识别。
为实现上述目的,本发明采用的技术方案是:
一种基于ICEEMDAN约束广义S变换的地震薄层检测方法,包括以下步骤:
S1:读入原始地震数据;
S2:将步骤S1中读入的原始地震数据进行ICEEMDAN分解,得到的各层信号分量,分别代表了原始信号中的各频率分量,并按照从高频到低频的顺序依次排列;
S3:将步骤S2中所得的结果,利用ICEEMDAN高频到低频依次排列和噪声存在于高频信号中的特性,依次对前几个含噪多的高频分量进行降噪,然后把降噪后的分量和剩余未降噪处理的分量进行重新构建地震数据,提高了重构数据的准确度;
S4:将步骤S3中重构的地震数据进行基于S变换高斯窗改造后的广义S变换,得到数据的时频图,通过对参数的调整得到数据的最优频率值,然后把广义S变换得到的频率值进行叠加并进行去均值化,利用最优频率值去预测薄层。
进一步的,在上述步骤S3中,ICEEMDAN分解与重构的具体过程如下:
(1)首先对原始地震数据进行ICEEMDAN分解,ICEEMDAN产生的第一阶分量为:
其中,IMF表示信号分量,M(·)为产生局部均值函数,j是加入的白噪声次数,x是原始信号,r是余项,X是原始信号加噪的新信号,J是迭代的次数,本文为100。
(2)计算第二阶IMF分量为:
其中,β1Aj(t)为噪声信号。
(3)接下来计算第m个IMF分量:
其中,m=2,3,…,N。
(4)重构数据的公式:
Y(t)=IMFm+IMFm-1+…+Si+…+S1 (4)
其中,Y(t)为重构地震数据,S1,S2,…,Si降噪后的几个高频信号分量,i是含降噪后高频的信号的个数。
进一步的,在上述步骤S3中,含噪多的高频分量一般在前三个IMF分量里,依次对前几个含噪多的高频分量进行降噪后,得到相应降噪后的几个信号S1,S2,…,Si,其中i是含降噪后高频的信号的个数。
进一步的,在上述步骤S4中,广义S变换的表达形式为:
式中λ>0,p>0,当λ=0,p=0时,为标准S变换,其中λ为调节因子,p为衰减因子,τ是时移参数,f是频率。
进一步的,在所述步骤S4中,本方法应同时满足以下两个条件:其一,ICEEMDAN约束下的广义S变换后地震数据与原始地震数据的频带宽度和主频一致;其二,ICEEMDAN约束下的广义S变换后地震数据与原始地震数据进行广义S变换后的能量更加集中。
与现有技术相比,本发明具有如下优点:
其一,本发明通过ICEEMDAN处理后,去除地震数据的噪声污染,重新构建地震数据,对地震数据的预处理进行了优化,可以得到更好的数据特性。
其二,本发明的检测方法还利用ICEEMDAN约束下广义S变换,通过λ,p的调整得到最优的频率值进行叠加并进行去均值化,得到时域的信息,来看薄层的信息。
附图说明
图1是本发明的实施流程示意图。
图2a是本实施例中原始数据的图。
图2b是本实施例中ICEEMDAN重建后的数据图。
图3a是本实施例中原始地震资料的局部时频特征图。
图3b是本实施例中ICEEMDAN重建后的局部时频特征图图4a是检验本实施例方法的时频图。
图4b是检验本实施例方法的地震正演记录39道和最优频率值。
图4c是检验本实施例方法的地震正演记录39道和不最优频率值。
图5a是检验本实施例方法的地震正演记录27道和最优频率值。
图5b是检验本实施例方法的地震正演记录27道和不最优频率值。
图6a是本实施例中过某井的实际地震分析和原始广义S变换图。
图6b是本实施例中过某井的实际地震分析和重构广义S变换图。
图7a是本实施例中过某井的实际地震分析和最优频率值。
图7b是本实施例中过某井的实际地震分析和不是最优频率值。
具体实施方式
下面结合实施例详细说明本发明的实施情况,但它们并不构成对本发明的限定,仅作举例而已。同时通过说明本发明的优点将变得更加清楚和容易理解。
如图1所示,本实施例的一种基于ICEEMDAN约束广义S变换的地震薄层检测方法,包括以下步骤:
S1:读入原始地震数据;
S2:将步骤S1中读入的原始地震数据进行ICEEMDAN分解,得到的各层信号分量,分别代表了原始信号中的各频率分量,并按照从高频到低频的顺序依次排列;
S3:将步骤S2中所得的结果,利用ICEEMDAN高频到低频依次排列和噪声存在于高频信号中的特性,依次对前几个含噪多的高频分量进行降噪,然后把降噪后的分量和剩余未降噪处理的分量进行重新构建地震数据,提高了重构数据的准确度;
S4:将步骤S3中重构的地震数据进行基于S变换高斯窗改造后的广义S变换,得到数据的时频图,通过对参数的调整得到数据的最优频率值,然后把广义S变换得到的频率值进行叠加并进行去均值化,利用最优频率值去预测薄层。
在上述步骤S3中,ICEEMDAN分解与重构的具体过程如下:
(1)首先对原始地震数据进行ICEEMDAN分解,ICEEMDAN产生的第一阶分量为:
其中,IMF表示信号分量,M(·)为产生局部均值函数,j是加入的白噪声次数,x是原始信号,r是余项,X是原始信号加噪的新信号,J是迭代的次数,本文为100。
(2)计算第二阶IMF分量为:
其中,β1Aj(t)为噪声信号。
(3)接下来计算第m个IMF分量:
其中,m=2,3,…,N。
(4)重构数据的公式:
Y(t)=IMFm+IMFm-1+…+Si+…+S1 (4)
其中,Y(t)为重构地震数据,S1,S2,…,Si降噪后的几个高频信号分量,i是含降噪后高频的信号的个数。
在上述步骤S3中,含噪多的高频分量一般在前三个IMF分量里,依次对前几个含噪多的高频分量进行降噪后,得到相应降噪后的几个信号S1,S2,…,Si,其中i是含降噪后高频的信号的个数。
在上述步骤S4中,广义S变换的表达形式为:
式中λ>0,p>0。当λ=0,p=0时,为标准S变换,其中λ为调节因子,p为衰减因子,τ是时移参数,f是频率。
该方法的特点是通过ICEEMDAN对复合信号进行非递归、自适应分解,并对高频分量进行重构,据此方法得到的时频结构可以更好地适应薄层对应频率分布,减少时窗因素的限制,提高时频分析的精准度;再通过广义S变换对信号的重构信号(特定成份)进行时频分析,并对广义S变换的得到的频率值进行叠加并进行去均值化,可以直观的展示频率与地层之间的对应关系,其可操作性强。
将图2a中的原始地震数据进行ICEEMDAN的分解重构,得到图2b中重建后的数据,利用时频分析方法进行对比,得到原始数据的时频图(图3a)和重建后的数据的时频图(图3b),将得到新的信号进行广义S变换。首先进行正演记录模型进行测试,把已知的薄层模型,对多个道做了模拟,利用模型的可知性做频率的最优值试验。对比分析最优值可以更明显的表明薄层情况。在相同的时间内频率的变化趋势和薄层的含有数据信息有关,通过选取最优值的频率来大致判别出该时间薄层的信息,可以大致对地下信息做一个预测判断。
将步骤S2基础上,对原始信号做ICEEMDAN重构的广义S变换把模型的只能把比较明显的特性信息分析出来,从本方法得到的时频图(图4a)中和本方法利用地震正演记录27、39道,分别得到不是最优频率值的图4c和图5b,最优频率值的图4b和图5a模型中可以大致看出,该模型有三层,根据层速度做出模型的波阻抗特性也很明显。
采用ICEEMDAN分解,解决了经验模态分解EMD分解过程中存在模态混叠问题,集合经验模态分解EEMD可以解决模态混叠问题,加入白噪声后分解会出现重构误差和迭代次数比较高的问题。
为了进一步证实本发明的适用性,在实际地震资料上,图6a为实际地震资料和原始数据的广义S变换,从时频分析上看到薄层的信息,但是有很多细节还没有显示出来,从过某井的实际地震分析和重构广义S变换图的图6b,并利用该道得到最优频率值图7a和不是最优频率值图7b,可以看出信息特征更多。
为了进一步说明与其他现有技术的差异,本发明独特之处在于可以直接对数据重构,去除模态混叠和噪声污染。在本文方法上利用最优频率值,通过时域的表现形式也能很好的反应薄层的信息。
本说明书未作详细描述的内容属于本领域专业技术人员公知的现有技术。
Claims (5)
1.一种基于ICEEMDAN约束广义S变换的地震薄层检测方法,包括以下步骤:
S1:读入原始地震数据;
S2:将步骤S1中读入的原始地震数据进行ICEEMDAN分解,得到的各层信号分量,分别代表了原始信号中的各频率分量,并按照从高频到低频的顺序依次排列;
S3:将步骤S2中所得的结果,利用ICEEMDAN高频到低频依次排列和噪声存在于高频信号中的特性,依次对前几个含噪多的高频分量进行降噪,然后把降噪后的分量和剩余未降噪处理的分量进行重新构建地震数据,提高了重构数据的准确度;
S4:将步骤S3中重构的地震数据进行基于S变换高斯窗改造后的广义S变换,得到数据的时频图,通过对参数的调整得到数据的最优频率值,然后把广义S变换得到的频率值进行叠加并进行去均值化,利用最优频率值去预测薄层。
2.根据权利要求1所述的一种基于ICEEMDAN约束广义S变换的地震薄层检测方法,其特征在于,在上述步骤S3中,ICEEMDAN分解与重构的具体过程如下:
(1)首先对原始地震数据进行ICEEMDAN分解,ICEEMDAN产生的第一阶分量为:
其中,IMF表示信号分量,M(·)为产生局部均值函数,j是加入的白噪声次数,x是原始信号,r是余项,X是原始信号加噪的新信号,J是迭代的次数,本文为100;
(2)计算第二阶IMF分量为:
其中,β1Aj(t)为噪声信号;
(3)接下来计算第m个IMF分量:
其中,m=2,3,…,N。
(4)重构数据的公式:
Y(t)=IMFm+IMFm-1+…+Si+…+S1 (4)
其中,Y(t)为重构地震数据,S1,S2,…,Si降噪后的几个高频信号分量,i是含降噪后高频的信号的个数。
3.根据权利要求1所述的一种基于ICEEMDAN约束广义S变换的地震薄层检测方法,其特征在于,在上述步骤S3中,含噪多的高频分量一般在前三个IMF分量里,依次对前几个含噪多的高频分量进行降噪后,得到相应降噪后的几个信号S1,S2,…,Si,其中i是含降噪后高频的信号的个数。
5.根据权利要求1所述的一种基于ICEEMDAN约束广义S变换的地震薄层检测方法,其特征在于,在所述步骤S4中,本方法应同时满足以下两个条件:其一,ICEEMDAN约束下的广义S变换后地震数据与原始地震数据的频带宽度和主频一致;其二,ICEEMDAN约束下的广义S变换后地震数据与原始地震数据进行广义S变换后的能量更加集中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110809071.6A CN113608259B (zh) | 2021-07-16 | 2021-07-16 | 一种基于iceemdan约束广义s变换的地震薄层检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110809071.6A CN113608259B (zh) | 2021-07-16 | 2021-07-16 | 一种基于iceemdan约束广义s变换的地震薄层检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113608259A true CN113608259A (zh) | 2021-11-05 |
CN113608259B CN113608259B (zh) | 2024-03-26 |
Family
ID=78337771
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110809071.6A Active CN113608259B (zh) | 2021-07-16 | 2021-07-16 | 一种基于iceemdan约束广义s变换的地震薄层检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113608259B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114415241A (zh) * | 2022-01-19 | 2022-04-29 | 重庆科技学院 | 基于测井曲线广义s变换的致密砂岩储层流体识别方法 |
CN114564996A (zh) * | 2022-03-03 | 2022-05-31 | 南京航空航天大学 | 航空发动机喘振先兆在线检测方法及装置 |
CN117473289A (zh) * | 2023-05-10 | 2024-01-30 | 华北电力大学(保定) | 基于储备池计算的小样本变压器局部放电模式识别方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107607994A (zh) * | 2017-11-07 | 2018-01-19 | 中国海洋石油总公司 | 一种基于高斯平滑的时频域反褶积方法 |
CN108345033A (zh) * | 2018-01-26 | 2018-07-31 | 中国石油大学(华东) | 一种微地震信号时频域初至检测方法 |
CN108983286A (zh) * | 2018-07-23 | 2018-12-11 | 中国石油大学(华东) | 一种联合ceemd与广义s变换的地震数据去噪方法 |
CN111142156A (zh) * | 2020-01-06 | 2020-05-12 | 中国石油化工股份有限公司 | 基于相控的地震强屏蔽时频信息提取及剥离方法 |
CN111830559A (zh) * | 2019-04-19 | 2020-10-27 | 中国石油天然气股份有限公司 | 一种地震资料拓频处理的方法及装置 |
-
2021
- 2021-07-16 CN CN202110809071.6A patent/CN113608259B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107607994A (zh) * | 2017-11-07 | 2018-01-19 | 中国海洋石油总公司 | 一种基于高斯平滑的时频域反褶积方法 |
CN108345033A (zh) * | 2018-01-26 | 2018-07-31 | 中国石油大学(华东) | 一种微地震信号时频域初至检测方法 |
CN108983286A (zh) * | 2018-07-23 | 2018-12-11 | 中国石油大学(华东) | 一种联合ceemd与广义s变换的地震数据去噪方法 |
CN111830559A (zh) * | 2019-04-19 | 2020-10-27 | 中国石油天然气股份有限公司 | 一种地震资料拓频处理的方法及装置 |
CN111142156A (zh) * | 2020-01-06 | 2020-05-12 | 中国石油化工股份有限公司 | 基于相控的地震强屏蔽时频信息提取及剥离方法 |
Non-Patent Citations (2)
Title |
---|
吴仕虎;肖富森;卢柃岐;冉崎;张福宏;杨广广;: "改进的EMD时频分析地震资料高分辨率处理方法及其应用研究", 物探化探计算技术, no. 04, pages 431 - 439 * |
庞锐;刘百红;孙成龙;: "时频分析技术在地震勘探中的应用综述", 岩性油气藏, no. 03, pages 92 - 96 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114415241A (zh) * | 2022-01-19 | 2022-04-29 | 重庆科技学院 | 基于测井曲线广义s变换的致密砂岩储层流体识别方法 |
CN114564996A (zh) * | 2022-03-03 | 2022-05-31 | 南京航空航天大学 | 航空发动机喘振先兆在线检测方法及装置 |
CN117473289A (zh) * | 2023-05-10 | 2024-01-30 | 华北电力大学(保定) | 基于储备池计算的小样本变压器局部放电模式识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113608259B (zh) | 2024-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113608259B (zh) | 一种基于iceemdan约束广义s变换的地震薄层检测方法 | |
Gómez et al. | A simple method inspired by empirical mode decomposition for denoising seismic data | |
CN102681014B (zh) | 基于多项式拟合的规则线性干扰压制方法 | |
Liu et al. | A review of variational mode decomposition in seismic data analysis | |
Sun et al. | A noise attenuation method for weak seismic signals based on compressed sensing and CEEMD | |
CN111399057B (zh) | 一种基于非凸稀疏约束的地震资料噪声压制方法 | |
CN104730576A (zh) | 基于Curvelet变换的地震信号去噪方法 | |
CN113777650A (zh) | 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 | |
Chen | Nonstationary local time-frequency transform | |
Aeron et al. | Broadband dispersion extraction using simultaneous sparse penalization | |
Wang et al. | An unsupervised learning approach to deblend seismic data from denser shot coverage surveys | |
Du et al. | Study on Optical Fiber Gas-Holdup Meter Signal Denoising Using Improved Threshold Wavelet Transform | |
Yang et al. | A seismic interpolation and denoising method with curvelet transform matching filter | |
CN114779332B (zh) | 地震数据沉积背景去除方法、装置及电子设备 | |
Yang et al. | Deep learning with fully convolutional and dense connection framework for ground roll attenuation | |
Marapulets et al. | Time-frequency analysis of geoacoustic data using adaptive matching pursuit | |
Xu et al. | Enhancing the resolution of time–frequency spectrum using directional multichannel matching pursuit | |
Zheng et al. | Application of residual learning to microseismic random noise attenuation | |
Shao et al. | Noise suppression of distributed acoustic sensing vertical seismic profile data based on time–frequency analysis | |
Cui et al. | Seismic noise attenuation via convolution neural network with learningnoise prior | |
Wu et al. | Iterative deblending based on the modified singular spectrum analysis | |
Saengduean et al. | Multi-source wavefield reconstruction combining interferometry and compressive sensing: application to a linear receiver array | |
CN114415234A (zh) | 基于主动源面波频散和h/v确定浅地表横波速度的方法 | |
Chen et al. | Nonstationary spectral inversion of seismic data | |
CN110568489A (zh) | 一种块状介质的宽频反演方法 |
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 |