CN113791447B - 一种反射结构导引的反射波层析反演方法 - Google Patents

Abstract

本发明提供了一种基于反射结构导引的反射波层析速度反演方法，能够适用于复杂的地震数据，能够有效的筛选特征反射波数据，并基于特征反射波数据进行层析速度反演，有效地更新背景速度模型。为解决在实际数据中，由于地震数据复杂，信噪比低，导致反射波的波动理论层析速度反演不收敛问题。本发明首先基于成像剖面提取特征反射结构，然后基于特征反射结构生成观测的特征反射波和模拟的特征反射波，基于特征反射波进行走时差异测量，可以稳健地提取走时差异，更新速度模型，从而为反射波层析速度反演实用化提供一种新方法。

Description

一种反射结构导引的反射波层析反演方法

技术领域

本发明属于地球物理勘探技术领域，特别涉及一种反射结构导引的反射波层析反演方法。

背景技术

在勘探地震中，可以利用地震波全波形反演恢复地下模型完整的波数谱。但是经典的全波形反演是强非线性反演问题，该方法受多种原因制约，易出现收敛到局部极值或者不收敛的情况。为了降低反演问题的非线性，提出了许多变种方法。目前检索到的技术主要有以下4种：

(1)修改目标泛函方法，该类方法通过修改常规的二范数对减方法，改完更稳健的方法实现。比如采用互相关目标泛函；采用归一化能量以及采用最优输运方法等方法进行反演。

(2)采用各种变换方法，在变换域测量地震信号的差异，比如在拉普拉斯域，或在拉普拉斯-傅里叶域；采用地震信号的走时/相位进行反演；采用希尔伯特变换，提取包络/相位进行反演。

(3)通过引入不同的正则化或者先验信息，提高收敛的稳定性，获得更符合地质逻辑的结果，比如采用吉洪诺夫正则化；L1正则化；TV正则化；以及各种模型的稀疏约束等等。

(4)分数据、分频带进行反演，比如采用从低频到高频的策略进行反演；分透射波和反射波数据进行反演等等；采用骨架函数进行反演；采用地震数据子集进行反演。

目前来说，主要利用炮集中的透射波成分，用来更新背景速度。然而透射波需要大偏移地震数据，速度更新的深度范围较浅。更有效的一种方法是利用反射波数据更新中深部背景速度信息。考虑利用反射波进行层析速度反演时，需要移除梯度中的高波数信息，并利用反偏移算子生成模拟的反射波数据。然后在实际的地震资料中，信噪比较低，包含较多的相干、不相干的噪音，导致在实际的应用过程中，反射波层析反演不收敛，无法应用。针对反射波层析反演的实用化，本方法采用基于反射结构导引的反射波层析方法，通过合理的选择特征数据，回避周期跳的问题，提高梯度的质量。

发明内容

本发明的目的是提供一种基于反射结构导引的反射波层析速度反演方法，该方法能够适用于复杂的地震数据，能够有效的筛选特征反射波数据，并基于特征反射波数据进行层析速度反演，有效地更新背景速度模型。为解决在实际数据中，由于地震数据复杂，信噪比低，导致反射波的波动理论层析速度反演不收敛问题。首先基于成像剖面提取特征反射结构，然后基于特征反射结构生成观测的特征反射波和模拟的特征反射波，基于特征反射波进行走时差异测量，可以稳健地提取走时差异，更新速度模型，从而为反射波层析速度反演实用化提供一种新方法。

第一方面，

本发明提供了一种反射结构导引的反射波层析反演方法，包括以下步骤：

S1输入观测的叠前地震数据；

进行偏移成像，生成成像道集；

对成像道集拉平校正，叠加生成聚焦的剖面，并提取特征结构；

S2:基于特征结果和成像道集提取特征成像道集，并基于特征成像道集反偏

移，获得观测的特征反射波数据；

S3:在迭代过程中，对观测的叠前地震数据进行偏移，生成成像剖面；

基于成像剖面提取特征结构，并进行反偏移，获得模拟的特征反射波数据；

S4：采用互相关方法计算特征反射波的走时差异，并构建对应的伴随源；

S5：计算特征反射波层析反演的梯度；

S6：对梯度进行后处理，并采用结构约束的正则化更新速度模型；

S7：循环S3-S6过程，更新速度模型，当达到终止条件转到过程8；

S8：循环S1-S7过程，更新输入的观测的特征反射波数据，基于更新的观测的特征反射波数据更新速度模型，直到满足终止条件。

在上述方法中，对本发明内容进一步限定：

首先输入叠前的观测地震数据，观测的地震数据可认为由以下的波动方程生成，

d_obs(x_s,x_g,t)＝R(u(x,t))

(18)

其中A是波场方程正演算子，f(t)为震源，u(x,t)为波场方程正演的地下波场， x＝{x,y,z}为地下的空间点坐标；v为地下空间点的速度场，R(·)为地表采样算子，x_s＝{s_x,s_y}为炮点坐标，x_g＝{g_x,g_y}，t是时间，d_obs为观测的叠前地震数据；

对观测的地震数据进行叠前深度偏移成像，生成成像道集。该过程可以表示为：

I(x,h)＝A^Td_obs (19)

其中，I(x,h)为生成的成像道集，h为扩展出的维度，若生成偏移距道集，则h

代表了地下的偏移距，若生成角度域共成像点道集，h代表了地下的反射张角的大小，A^T是伴随算子，表示偏移过程，以逆时偏移为例，成像过程可以表示为：

其中，u_f(x,t)为在初始速度模型中正演的地下波场快照。在生成的成像道集中，由于速度不准确，导致成像道集是不平的。我们对成像道集进行拉平校正，然后叠加生成成像剖面：

其中，I_cor(x,h)为拉平的成像道集；基本该叠加剖面，提取特征反射结构，该过程表示为：

S(x)＝f[I_cor(x)] (22)

其中，S(x)为特征反射结构，f[·]为结构提取过程；

基于提取的特征反射结构S(x)和成像道集I(x,h)，提取特征道集，该过程可以表示为：

S(x,h)＝f[I(x,h)|S(x)] (23)

基于该特征成像道集，在初始速度模型的基础上进行反偏移获得观测的特征

反射波数据

在步骤2中，输入步骤S1计算的观测的特征反射波，在每次迭代过程中，提取模拟的特征反射波，假设当初的迭代次数为k，当前迭代的速度模型为v_k，基于当前的速度模型进行偏移，获得的偏移结果为I_k(x)，提取对应的特征反射结构为S_k(x)；基于特征反射结构进行反偏移，由此产生的模拟的特征反射波为：

基于步骤S1和步骤S2提取的特征反射波数据，选择特征反射波中反射波进行反演，选取的反射波原则是由主到次，反射波具有稀疏性，优先选择大套的沉积层对应的反射波，然后依次加入到反演中；

在反射波走时层析中，需要测量特征反射波拾取之后的观测数据和模拟数据的走时差异。提取走时的差异可通过局部的互相关获取，采用互相关误差泛函，则有：

反射波的走时残差Δt为使得互相关函数在局部的范围内取得极大值的时移量τ，即：

其中，T₁,T₂为局部的时间范围。获得走时残差之后，对应单个震相的伴随震源 y(i,x_s,x_g,t)，表示为：

基于步骤S3计算的伴随源，计算特征反射波层析反演的梯度，梯度有两部分组成，一部分是震源端的背景波场与反传的伴随一次反射波场的互相关，一部分是震源端的一次反射波场与反传的伴随背景波场的互相关：

其中p_s(x,t)和p(x,t)分别为背景模型中逆时传播的背景伴随场和一次反射伴随场,u₀(x,t)和u_s(x,t)分别为震源端的背景波场和一次反射波场。

在步骤S6中，基于步骤S5获得的梯度，施加结构有关的正则化，对梯度进行后处理，

背景速度模型更新采用梯度类的迭代算法表示为：

其中，α_k为迭代步长，P为预条件或正则化算子。

当采用的特征反射满足上述条件之后，重复1-7过程，重新更新输入的观测的特征反射波数据，继续反演，直到获得高精度的速度模型。

所述终止条件为满足迭代次数要求或误差下降要求。

第二方面，本发明还提供了一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面所述方法的步骤。

与现有技术的有益效果是

第一、通过成像道集域的偏移-反偏移筛选观测的特征反射波数据，提取特征成像道集，然后基于特征成像道集进行反偏移，可以获得期望的特征反射波数据，能够获得和原始的观测的地震记录一样的走时信息，因此可以用于后续的速度更新之中。

另外，通过偏移与反偏移，构建特征观测数据，还可以消除噪音与子波不一致性、观测系统不规则的影响。

第二、提取特征结构信息，筛选反射轴，选择伴随源的灵活性；在反演过程中，依次加入有效信息，实现稳定的速度更新。

第三、该方法没有周期跳跃问题，对初始模型的依赖程度较低。梯度质量高，能够适用复杂情况。

第四、在速度更新中加入了结构约束，可以使得反演的速度模型更具有地质意义，获得更可靠的结果。

第五、该方法具有非常广泛的应用价值。无论是海上的实际资料还是陆上的实际资料，都存在信噪比低，噪音强的，有效反射轴不容识别等问题，针对这些数据，均可采用本方法获得较好的反演结果，因此具有广泛的应用前景，可以为反射波层析速度反演实用化提供了新方法。

附图说明

图1为基于反射结构导引的反射波层析速度反演流程图。

图2为真实速度模型。

图3a为依次提取的观测的特征反射波数据；

图3b为依次提取的模拟的特征反射波数据；

图3c为对应的伴随源。

图4a为速度更新量；

图4b为反演的速度结果。

图5为误差拟合曲线。

图6为纵向抽线对比图，

其中，虚点线为初始的速度，虚线为真实的速度，黑色实线为反演的结果。

图7为炮集对比结果；

其中，左侧炮集为观测的地震记录，中间为采用初始速度模拟的地震记录；右侧为采用反演的速度模拟的地震记录。

图8为不同迭代次数的炮集抽线对比结果；第一条线为正确的反射波位置，不同迭代次数的结果依次展示。

图9a为准确的速度模型。

图9b为反演的速度结果。

图10a为提取的特征成像道集。

图10b为观测的地震记录；

图10c为筛选的观测的特征反射波。

图11a为背景速度模型下的偏移成像。

图11b为校正后的偏移成像结果，

图11c为初始速度模型对应的特征结构，

图11d为基于成像剖面反偏移提取的模拟的特征反射波。

图12a为纵向抽线对比结果；虚点线为初始的速度，虚线为真实的速度，黑色实线为反演的结果。

图12b横向抽线对比结果。虚点线为初始的速度，虚线为真实的速度，黑色实线为反演的结果。

图13a为采用初始速度模型偏移成像结果，

图13b：采用准确速度模型偏移成像结果；

图13c：采用反演速度偏移成像结果。

图14a为采用初始速度偏移得到的偏移距道集结果；

图14b为采用反演的速度偏移得到的偏移距道集结果。

具体实施方式

下面结合实施例对本发明的具体实施方式进行描述，以便更好的理解本发明。更好地理解

实施例一

以四层层状模型说明本发明的反射波走时层析反演效果。真实速度模型如图 2所示。采用1800m/s常速作为初始速度。选择成像剖面中的四个轴作为特征反射结构，因此生成对应的观测的特征反射波也为4个反射轴。在迭代过程中，选择4个反射波同相轴同时参与反演。采用互相关方法测量走时差异，其中图3a 为依次提取的观测的特征反射波，图3b为依次提取的模拟的特征反射波，基于计算的走时差异获得伴随源如图3c所示。由于本次实验中是依次提取特征反射波，因此该方法不存在周期跳跃情况。迭代49次的速度更新量和反演结果如图 4a和4b所示。对应的收敛曲线如图5所示。速度反演结果的纵向抽线结果如图 6所示。可以看到，速度模型得到有效的更新，除了最深层的反射界面之下没有有效更新(没有反射轴)，其他的反射层都得到较好的更新。图7为某炮集对比结果情况。左侧炮集为观测的地震记录，中间为采用初始速度模拟的地震记录；右侧为采用反演的速度模拟的地震记录。对比炮集结果，可以看到，最后迭代次数时，反射波基本和真实的反射波位置一致。炮集的抽线结果如图8所示。同样可以看到，反演的结果产生的反射轴位置和真实的反射轴位置很接近。

实施例二

采用更加复杂的鲸型模型进一步说明特征反射波走时层析反演的效果。真实速度模型如图9a所示。采用2000m/s常速作为初始速度模型。选择3个反射波同相轴同时参与反演(不包括中间的盐丘部分)，图10a为提取的特征成像道集，经过成像道集域的反偏移，结果如图10c所示，图10b为观测的地震记录，对比图10b和10c,经过筛选之后，只保留了主要的特征反射波数据，并且特征反射波数据的走时和原始的观测的地震记录的走时是一致的，说明采用结构导引的成像道集域的反偏移能够较好地筛选数据。在迭代过程中，模拟的特征反射波数据如图11所示。其中图11a为背景速度下的偏移成像结果，由于背景速度不准确，导致偏移结果不聚焦，经过校正之后，聚焦的成像结果如图11b所示，对应的提取的特征结构如图11c所示，基于特征结构的成像域的反偏移结果如图11d所示。经过反演迭代之后，反演的速度结果如图9b所示。纵向和横向的抽线对比结果如图12所示。可以看到，经过基于特征构造导引的特征反射波层析反演之后，速度模型基本接近真实的速度模型。采用初始速度模型偏移成像结果如图13a，采用准确速度模型偏移成像结果如图13b,采用反演速度偏移成像结果如图13c所示。对比可以看出，初始的速度得到的偏移结果中，反射轴位置不正确，成像结果不聚焦，而采用反演速度得到的结果中，反射轴的位置得到校正，基本和采用准确速度模型获得的偏移结果一致。对应的成像道集结果如图14所示。采用初始速度偏移结果，由于偏移速度过低，导致成像道集向上弯曲，经过层析反演之后，成像道集得到拉平。说明了反演得到的偏移速度的准确性，证明了层析反演的有效性。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (9)

1.一种反射结构导引的反射波层析反演方法，其特征在于，包括以下步骤：

S1：输入观测的叠前地震数据；

进行偏移成像，生成成像道集；

对成像道集拉平校正，叠加生成聚焦的剖面，并提取特征结构；

S2：基于特征结构和成像道集提取特征成像道集，并基于特征结构的道集反偏移，获得观测的特征反射波数据；

S3：在迭代过程中，对观测的叠前地震数据进行偏移，生成成像剖面；

基于成像剖面提取特征结构，并进行反偏移，获得模拟的特征反射波数据；

S4：采用互相关方法计算特征反射波的走时差异，并构建对应的伴随源；

S5：计算特征反射波层析反演的梯度；

S6：对梯度进行后处理，并采用结构约束的正则化更新速度模型；

S7：循环S3-S6过程，更新速度模型，当达到终止条件转到过程S8；

S8：循环S1-S7过程，更新输入的观测的特征反射波数据，基于更新的观测的特征反射波数据更新速度模型，直到满足终止条件。

2.根据权利要求1所述的一种反射结构导引的反射波层析反演方法，其特征在于：在步骤S1中，首先输入叠前的观测地震数据，观测的地震数据由以下的波动方程生成，

其中A是波场方程正演算子，f(t)为震源，u(x,t)为波场方程正演的地下波场，x＝{x,y,z}为地下的空间点坐标；v为地下空间点的速度场，R(·)为地表采样算子，x_s＝{s_x,s_y}为炮点坐标，x_g＝{g_x,g_y}，t是时间，d_obs为观测的叠前地震数据；

对观测的地震数据进行叠前深度偏移成像，生成成像道集，该过程可以表示为：

I(x,h)＝A^Td_obs (2)

其中，I(x,h)为生成的成像道集，h为扩展出的维度，若生成偏移距道集，则h代表了地下的偏移距，

若生成角度域共成像点道集，h代表了地下的反射张角的大小，A^T是伴随算子，表示偏移过程，以逆时偏移为例，成像过程为：

其中，u_f(x,t)为在初始速度模型中正演的地下波场快照，在生成的成像道集中，由于速度不准确，导致成像道集是不平的，对成像道集进行拉平校正，然后叠加生成成像剖面：

其中，I_cor(x,h)为拉平的成像道集；基于该叠加剖面，提取特征反射结构，该过程表示为：

S(x)＝f[I_cor(x)] (5)

其中，S(x)为特征反射结构，f[·]为结构提取过程；

基于提取的特征反射结构S(x)和成像道集I(x,h)，提取特征道集，该过程可以表示为：

S(x,h)＝f[I(x,h)|S(x)] (6)

基于该特征成像道集，在初始速度模型的基础上进行反偏移获得观测的特征反射波数据

3.根据权利要求1所述的一种反射结构导引的反射波层析反演方法，其特征在于：在步骤2中，输入步骤S1计算的观测的特征反射波，在每次迭代过程中，提取模拟的特征反射波，假设当初的迭代次数为k，当前迭代的速度模型为v_k，基于当前的速度模型进行偏移，获得的偏移结果为I_k(x)，提取对应的特征反射结构为S_k(x)；基于特征反射结构进行反偏移，由此产生的模拟的特征反射波为：

4.根据权利要求1所述的一种反射结构导引的反射波层析反演方法，其特征在于：基于步骤S1和步骤S2提取的特征反射波数据，选择特征反射波中反射波进行反演，选取的反射波原则是由主到次，反射波具有稀疏性，优先选择大套的沉积层对应的反射波，然后依次加入到反演中；

在反射波走时层析中，需要测量特征反射波拾取之后的观测数据和模拟数据的走时差异；提取走时的差异可通过局部的互相关获取，采用互相关误差泛函，则有：

反射波的走时残差Δt为使得互相关函数在局部的范围内取得极大值的时移量τ，即：

其中，T₁,T₂为局部的时间范围，获得走时残差之后，对应单个震相的伴随震源y(i,x_s,x_g,t)，表示为：

5.根据权利要求1所述的一种反射结构导引的反射波层析反演方法，其特征在于：基于步骤S3计算的伴随源，计算特征反射波层析反演的梯度，梯度有两部分组成，一部分是震源端的背景波场与反传的伴随一次反射波场的互相关，一部分是震源端的一次反射波场与反传的伴随背景波场的互相关：

其中p_s(x,t)和p(x,t)分别为背景模型中逆时传播的背景伴随场和一次反射伴随场,u₀(x,t)和u_s(x,t)分别为震源端的背景波场和一次反射波场。

6.根据权利要求1所述的一种反射结构导引的反射波层析反演方法，其特征在于：

在步骤S6中，基于步骤S5获得的梯度，施加结构有关的正则化，对梯度进行后处理，

背景速度模型更新采用梯度类的迭代算法表示为：

其中，α_k为迭代步长，P为预条件或正则化算子。

7.根据权利要求6所述的一种反射结构导引的反射波层析反演方法，其特征在于：当采用的特征反射满足上述条件之后，重复S1-S7过程，重新更新输入的观测的特征反射波数据，继续反演，直到获得高精度的速度模型。

8.根据权利要求1所述的一种反射结构导引的反射波层析反演方法，其特征在于：所述终止条件为满足迭代次数要求或误差下降要求。

9.一种计算机存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-8任一所述方法的步骤。

Images