CN113946778A - 欠采样混合震源数据处理方法及装置 - Google Patents
欠采样混合震源数据处理方法及装置 Download PDFInfo
- Publication number
- CN113946778A CN113946778A CN202110755095.8A CN202110755095A CN113946778A CN 113946778 A CN113946778 A CN 113946778A CN 202110755095 A CN202110755095 A CN 202110755095A CN 113946778 A CN113946778 A CN 113946778A
- Authority
- CN
- China
- Prior art keywords
- undersampled
- source data
- seismic source
- residual
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 13
- 238000000926 separation method Methods 0.000 claims abstract description 138
- 238000000034 method Methods 0.000 claims abstract description 58
- 238000012545 processing Methods 0.000 claims abstract description 50
- 238000005070 sampling Methods 0.000 claims abstract description 35
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004088 simulation Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 8
- 238000001914 filtration Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 229910052704 radon Inorganic materials 0.000 description 3
- SYUHGPGVQRZVTB-UHFFFAOYSA-N radon atom Chemical compound [Rn] SYUHGPGVQRZVTB-UHFFFAOYSA-N 0.000 description 3
- 238000010187 selection method Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000001427 coherent effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 238000007493 shaping process Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- TVZRAEYQIKYCPH-UHFFFAOYSA-N 3-(trimethylsilyl)propane-1-sulfonic acid Chemical compound C[Si](C)(C)CCCS(O)(=O)=O TVZRAEYQIKYCPH-UHFFFAOYSA-N 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001268 conjugating effect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012804 iterative process 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
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明提供了一种欠采样混合震源数据处理方法及装置,涉及地震数据处理的技术领域,包括:先获取原始欠采样混合震源数据,并根据原始欠采样混合震源数据和预设迭代模型中的初始值确定剩余欠采样混合震源数据;然后对剩余欠采样混合震源数据进行伪分离,得到剩余伪分离数据;再对剩余伪分离数据进行稀疏反演,得到剩余有效数据;最后当剩余有效数据和初始值的相加结果满足预设精度要求时,停止迭代,并将相加结果确定为欠采样混合震源数据处理结果。本发明通过对剩余欠采样混合震源数据进行伪分离,进而对剩余伪分离数据进行稀疏反演的方式,能够得到欠采样混合震源数据处理结果,提高了处理效率,适用于实际数据处理场景。
Description
技术领域
本发明涉及地震数据处理技术领域,尤其是涉及一种欠采样混合震源数据处理方法及装置。
背景技术
现有的混合震源数据分离方法主要分离为两类:滤波分离方法和稀疏反演分离方法。与滤波分离方法相比,稀疏反演分离方法具有更高的分离结果精度,因此其应用更为广泛。但是现有的稀疏反演分离方法直接对混合震源数据进行稀疏反演处理,针对欠采样混合震源数据反演方式不合理,且处理效率较低,因此不适用于实际数据处理场景。
发明内容
本发明的目的在于提供一种欠采样混合震源数据处理方法及装置,以缓解现有技术中存在的现有的稀疏反演分离方法处理效率较低,不适用于实际数据处理场景的技术问题。
第一方面,本发明提供的一种欠采样混合震源数据处理方法,其中,包括:获取原始欠采样混合震源数据,并根据所述原始欠采样混合震源数据和预设迭代模型中的初始值确定剩余欠采样混合震源数据;对所述剩余欠采样混合震源数据进行伪分离,得到剩余伪分离数据;对所述剩余伪分离数据进行稀疏反演,得到剩余有效数据;当所述剩余有效数据和所述初始值的相加结果满足预设精度要求时,停止迭代,并将所述相加结果确定为欠采样混合震源数据处理结果。
进一步的,对所述剩余伪分离数据进行稀疏反演,得到剩余有效数据,包括:建立目标正则化反演模型;利用迭代求解方式对建立好的所述目标正则化反演模型进行求解,得到剩余有效数据。
进一步的,方法还包括:根据所述剩余伪分离数据,对所述目标正则化反演模型中的正则参数进行自适应赋值。
进一步的,方法还包括:判断所述相加结果是否满足所述预设精度要求;若否,则将所述相加结果作为所述预设迭代模型下一次迭代的初始值进行迭代计算,得到下一次迭代结果。
进一步的,根据所述原始欠采样混合震源数据和预设迭代模型中的初始值确定剩余欠采样混合震源数据,包括:利用预设的采样算子对所述预设迭代模型中的初始值进行采样,得到采样值;根据预设的混合震源算子和所述采样值进行计算,得到模拟欠采样混合震源数据;根据所述原始欠采样混合震源数据和所述模拟欠采样混合震源数据,确定所述剩余欠采样混合震源数据。
进一步的,根据所述原始欠采样混合震源数据和所述模拟欠采样混合震源数据,确定所述剩余欠采样混合震源数据,包括:将所述原始欠采样混合震源数据和所述模拟欠采样混合震源数据做差,得到差值;将所述差值确定为所述剩余欠采样混合震源数据。
进一步的,对所述剩余欠采样混合震源数据进行伪分离,得到剩余伪分离数据,包括:根据所述预设的混合震源算子对所述剩余欠采样混合震源数据进行伪分离,得到所述剩余伪分离数据。
第二方面,本发明提供的一种欠采样混合震源数据处理装置,其中,包括:获取确定单元,用于获取原始欠采样混合震源数据,并根据所述原始欠采样混合震源数据和预设迭代模型中的初始值确定剩余欠采样混合震源数据;伪分离单元,用于对所述剩余欠采样混合震源数据进行伪分离,得到剩余伪分离数据;稀疏反演单元,用于对所述剩余伪分离数据进行稀疏反演,得到剩余有效数据;确定单元,用于当所述剩余有效数据和所述初始值的相加结果满足预设精度要求时,停止迭代,并将所述相加结果确定为欠采样混合震源数据处理结果。
第三方面,本发明还提供一种电子设备,包括存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,其中,所述处理器执行所述计算机程序时实现的所述的欠采样混合震源数据处理方法的步骤。
第四方面,本发明还提供一种具有处理器可执行的非易失的程序代码的计算机可读介质,其中,所述程序代码使所述处理器执行所述的欠采样混合震源数据处理方法。
本发明提供的一种欠采样混合震源数据处理方法及装置,包括:先获取原始欠采样混合震源数据,并根据原始欠采样混合震源数据和预设迭代模型中的初始值确定剩余欠采样混合震源数据;然后对剩余欠采样混合震源数据进行伪分离,得到剩余伪分离数据;再对剩余伪分离数据进行稀疏反演,得到剩余有效数据;最后当剩余有效数据和初始值的相加结果满足预设精度要求时,停止迭代,并将相加结果确定为欠采样混合震源数据处理结果。本发明将剩余欠采样混合震源数据确定为待处理对象,通过对剩余欠采样混合震源数据进行伪分离,进而对剩余伪分离数据进行稀疏反演的方式,能够得到欠采样混合震源数据处理结果,该欠采样混合震源数据处理结果是同时分离和重建的结合体,与现有技术分别对原始欠采样混合震源数据进行分离、重建的操作方式相比,本发明在满足精度要求的情况下提高了处理效率,适用于实际数据处理场景。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种欠采样混合震源数据处理方法的流程图;
图2为本发明实施例提供的另一种欠采样混合震源数据处理方法的流程图;
图3(a)、图3(b)和图3(c)分别为简单层状模型模拟数据在缺失10%时的第20个混合震源数据,经过50次迭代以后第20个单震源的同时分离和重建结果和经过50次迭代以后第45个单震源的同时分离和重建结果;
图4(a)、图4(b)和图4(c)分别为简单层状模型模拟数据在缺失20%时的第20个混合震源数据,经过50次迭代以后第20个单震源的同时分离和重建结果和经过50次迭代以后第45个单震源的同时分离和重建结果;
图5(a)、图5(b)和图5(c)分别为简单层状模型模拟数据在缺失30%时的第20个混合震源数据,经过50次迭代以后第20个单震源的同时分离和重建结果和经过50次迭代以后第45个单震源的同时分离和重建结果;
图6(a)、图6(b)和图6(c)分别为实际模拟混合震源数据在缺失10%时的第25个混合震源数据,经过100次迭代以后第25个单震源的同时分离和重建结果和经过100次迭代以后第75个单震源的同时分离和重建结果;
图7(a)、图7(b)和图7(c)分别为实际模拟混合震源数据在缺失20%时的第25个混合震源数据,经过100次迭代以后第25个单震源的同时分离和重建结果和经过100次迭代以后第75个单震源的同时分离和重建结果;
图8(a)、图8(b)和图8(c)分别为实际模拟混合震源数据在缺失30%时的第25个混合震源数据,经过100次迭代以后第25个单震源的同时分离和重建结果和经过100次迭代以后第75个单震源的同时分离和重建结果;
图9为本发明实施例提供的一种欠采样混合震源数据处理装置的结构示意图。
图标:
11-获取确定单元;12-伪分离单元;13-稀疏反演单元;14-确定单元。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在现有技术中,混合震源地震采集技术能够极大提高地震勘探采集效率,节约地震勘探成本,但是混合震源地震数据中存在大量的混叠噪声,影响其偏移成像结果的精度,需要将其分离成单震源数据,再进行后续偏移成像处理。消除混合震源中每一个单震源的延时,即可将混合震源数据分离成常规单震源数据的形式,但是地震记录中有效信号之外其它相干震源的干扰依然存在,这个过程即我们常说的伪分离,有效信号之外其它相干震源的干扰称为混叠噪声。根据混叠噪声在非共炮点道集(共检波点道集、共偏移距道集、共中心点道集)呈非相干分布这一特点,混合震源数据分离可以转化成一个类似随机噪声去除问题。现有的混合震源数据分离方法主要分为两类:滤波类分离方法和稀疏反演分离方法。
其中,稀疏反演方法相对于滤波分离方法具有更高的分离结果精度。该方法假设地震数据是稀疏的,通过在稀疏域建立反演模型,给定约束条件,将问题转化为最优化问题,通过阈值法、凸集投影法等方法求解。稀疏反演方法的应用比较成熟,例如:Bagaini等学者提出了基于求解线性反问题的波场分离方法,该线性问题为不适定问题,需要增加正则化约束条件求解;Moore等、Akerberg等和Moore等均使用稀疏反演方法在Radon域求解该反问题,实现了混合震源波场分离;Ayeni等将倾角信息作为约束条件在Radon域分离混合震源数据;Lin、Herrmann和Herrmann等以曲波域和离散小波域作为稀疏域,并且将压缩感知(Compressive Sensing,CS)理论和混合震源采集相结合,实现了混合震源数据分离;Bagaini等利用稀疏反演方法和f-x反褶积去噪方法分离DSS(Dithered Slip-Sweep)数据;Chen等使用迭代整形正则化的方法在Seislet域分离混合震源数据;Chen等提出了基于Seislet变换的迭代阈值分离方法,该方法将反向算子的值定义为恒等算子,赋予框架一个新的物理意义,并在稀疏域中使用整形算子,为模型提供一个基于一致性的约束;Zhou等在Seislet域提出了基于鲁棒斜率估计混合震源数据分离方法;朱丽华等采用L1范数的阈值噪声压制算法估计出混叠数据的噪声进而分离出有效信号;曹俊海等提出了基于焦点变换的同时分离和重建方法,该方法将欠采样混合震源数据同时分离和重建问题转化为一个最优化问题,在双焦点变换域采用SPGL1方法求解该优化问题;魏亚杰等采用稀疏反演的方法在Radon域实现了三维混合震源数据分离;宋家文等在三维共检波点道集上采用FKK域L0范数约束,迭代分离有效信号和噪声。
但是在实际野外采集过程中,混合震源数据往往不规则且不满足采样定理,会产生采集脚印和空间假频,同样会影响地震数据处理和解释的精度。目前大多数算法只能单独解决混合震源数据分离问题,在处理欠采样或者不规则采样的混合震源数据时,首先需要重建缺失道数据,再进行混合震源数据分离,欠采样混合震源数据中的混叠噪声不可避免会对数据重建产生负面影响,进而影响分离结果的精度。
基于此,本发明的目的在于提供一种欠采样混合震源数据处理方法及装置,可以将剩余欠采样混合震源数据确定为待处理对象,进而在满足精度要求的情况下提高处理效率,适用于实际数据处理场景。
为便于对本实施例进行理解,首先对本发明实施例所公开的一种欠采样混合震源数据处理方法进行详细描述。
实施例1:
根据本发明实施例,提供了一种欠采样混合震源数据处理方法的实施例,需要说明的是,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。
图1为本发明实施例提供的一种欠采样混合震源数据处理方法的流程图,如图1所示,该方法包括如下步骤S101~步骤S104,其中:
步骤S101,获取原始欠采样混合震源数据,并根据原始欠采样混合震源数据和预设迭代模型中的初始值确定剩余欠采样混合震源数据。
上述原始欠采样混合震源数据还可以称为实际欠采样混合震源数据、实际数据、观测欠采样混合震源数据或观测数据,记为dbl。上述初始值可以设为d1=0。剩余欠采样混合震源数据可以记为dbl_sy。该预设迭代模型在初始状态下,除了对初始值进行赋值之外,还可以对迭代次数N进行自定义设置,例如N=50。需要注意的是,该预设迭代模型是本发明实施例的关键技术点,该预设迭代模型在每次迭代的过程中均可以实现下述步骤S102中的伪分离操作以及步骤S103的稀疏反演操作。
步骤S102,对剩余欠采样混合震源数据进行伪分离,得到剩余伪分离数据。
在本发明实施例中,伪分离可以理解为伪解混操作。需要注意的是,伪分离的对象是剩余欠采样混合震源数据,而不是原始欠采样混合震源数据。
步骤S103,对剩余伪分离数据进行稀疏反演,得到剩余有效数据。
本发明实施例中的稀疏反演所用到的公式是本发明实施例中的重要技术点,在下述步骤S401~步骤S402中进行了详细描述,在此不做赘述。
步骤S104,当剩余有效数据和初始值的相加结果满足预设精度要求时,停止迭代,并将相加结果确定为欠采样混合震源数据处理结果。
上述预设精度要求可以指剩余有效数据与本次迭代的相加结果的比值要小于或等于某个预设阈值,例如0.6。无论是剩余有效数据、初始值,还是欠采样混合震源数据处理结果,其本质均为矩阵形式。但是为了便于理解预设精度要求的含义,本发明实施例将本次迭代的剩余有效数据简单看作成一个数值3,初始值看作是数值0,相加结果为3,3/3=1,因此本次迭代对应的比值1大于预设阈值0.6,因此还需要继续迭代,下一次迭代的初始值为3,剩余有效数据为1,相加结果为4,1/4=0.25,由于第二次迭代对应的比值0.25小于0.6,因此可以停止迭代,并且将相加结果4作为欠采样混合震源数据处理结果输出。
本发明实施例将剩余欠采样混合震源数据确定为待处理对象,通过对剩余欠采样混合震源数据进行伪分离,进而对剩余伪分离数据进行稀疏反演的方式,能够得到欠采样混合震源数据处理结果,该欠采样混合震源数据处理结果是同时分离和重建的结合体,也就是说,本发明实施例通过一个流程即可实现分离和重建两种操作,与现有技术分别对原始欠采样混合震源数据进行分离、重建的操作方式相比,本发明在满足精度要求的情况下提高了处理效率,适用于实际数据处理场景。
为了便于提高处理效率,本发明实施例不是将原始欠采样混合震源数据作为待伪分离对象,而是重新确定了新的待伪分离对象,即剩余欠采样混合震源数据。在一个可选的实施例中,步骤S101中根据原始欠采样混合震源数据和预设迭代模型中的初始值确定剩余欠采样混合震源数据的步骤,包括步骤S201~步骤S203,其中:
步骤S201,利用预设的采样算子对预设迭代模型中的初始值进行采样,得到采样值;
步骤S202,根据预设的混合震源算子和采样值进行计算,得到模拟欠采样混合震源数据;
步骤S203,根据原始欠采样混合震源数据和模拟欠采样混合震源数据,确定剩余欠采样混合震源数据。
本发明实施例将上述预设的采样算子记为M,将预设的混合震源算子记为Γbl。根据步骤S201~步骤S203可知,利用预设的采样算子M对预设迭代模型中的初始值d1进行采样,得到采样值Md1;根据预设的混合震源算子Γbl和采样值Md1进行计算,得到模拟欠采样混合震源数据Γbl(Md1);根据原始欠采样混合震源数据dbl和模拟欠采样混合震源数据Γbl(Md1),确定剩余欠采样混合震源数据dbl_sy。
在一个可选的实施例中,步骤S203,根据原始欠采样混合震源数据和模拟欠采样混合震源数据,确定剩余欠采样混合震源数据,包括步骤S301~步骤S302,其中:步骤S301,将原始欠采样混合震源数据和模拟欠采样混合震源数据做差,得到差值;步骤S302,将差值确定为剩余欠采样混合震源数据。
在第一次迭代过程中,上述差值为dbl-Γbl(Md1),也就是说,剩余欠采样混合震源数据dbl_sy=dbl-Γbl(Md1)。因此在第k次迭代过程中,上述差值为dbl-Γbl(Mdk),即剩余欠采样混合震源数据dbl_sy=dbl-Γbl(Mdk)。
具体的,剩余欠采样混合震源数据除了可以写成dbl_sy=dbl-Γbl(Mdk)的形式,还可以写成剩余有效数据的线性组合形式,即:
dbl_sy=Γbl(Mdsy) (1)
其中,dbl_sy为剩余欠采样混合震源数据,Γbl为预设的混合震源算子,M为采样算子,dsy为剩余有效数据。在实际计算中,由于Γbl是一个欠定矩阵,因此是不存在的,故无法直接求出,但是可以通过公式(2)构造的伪逆:
假设剩余伪分离数据中的剩余混叠噪声用o表示,剩余伪分离数据<dsy>还可以写成公式(4)的形式,即:
<dsy>=Mdsy+o (4)
其中,M为预设的采样算子,该采样算子采用矩阵形式,本发明实施例中的M用于反映欠采样混合震源数据的缺失程度,例如:缺失10%、20%、30%。
在一个可选的实施例中,步骤S103,对剩余伪分离数据进行稀疏反演,得到剩余有效数据,包括步骤S401~步骤S402,其中:
步骤S401,建立目标正则化反演模型;
步骤S402,利用迭代求解方式对建立好的目标正则化反演模型进行求解,得到剩余有效数据。
上述目标正则化反演模型是指基于L1范数正则化反演模型,该模型根据有效信号(即剩余有效数据)和噪声的稀疏性、分布特征,针对随机噪声的特点建立,其对应的公式为公式(5),区别于现有公式,即:
其中,Ψ为曲波变换算子,其目的是将x由曲波域变换成数值域;<d>为原始伪分离数据;λ为正则参数,且λ>0,用于平衡拟合误差||M(Ψx)-<d>||2和||x||1的稀疏性;J为目标值,在J取最小值时,求取得到x。
为了区分不同迭代次数中的稀疏反演,可以令d1=y1=x1=0,yk=xk-xk-1(k≥2),xk为公式(5)第k次迭代的解,那么dk-dk-1=Ψxk-Ψxk-1=Ψyk,dk=dk-1+Ψyk。上述目标正则化反演模型在第k次迭代的公式可以变换成公式(6)的描述形式,即:
本发明实施例可以采用软阈值求解公式(6),公式(6)的解为第k次迭代的解,即为:
上述公式(6)~公式(8)可以理解为迭代求解框架,根据该迭代求解框架逐渐从剩余欠采样混合震源数据中分离剩余有效数据,并且与初始值进行叠加。与现有的稀疏反演方式相比,本发明实施例中的稀疏反演方式更加贴合实际。
在一个可选的实施例中,在求解的过程中,方法还包括:根据剩余伪分离数据,对目标正则化反演模型中的正则参数进行自适应赋值。
上述目标正则化反演模型中的正则参数为λ,当该正则参数具体到第k次迭代次数中时,其可以用λk表示。
正则参数λk在进行数值选择时,可以遵循以下两个原则:(1)每次迭代过程中正则参数λk的待选择数值要大于剩余混叠噪声(剩余混叠噪声是两个随机噪声的做差结果)的能量,以保证剩余有效数据中不含混叠噪声(即去掉所有的噪声),由于保证有效信号的全部保留,因此可以通过迭代的方式将损失的有效数据叠加到欠采样混合震源数据处理结果中。(2)为了保证计算效率,正则参数的选择不宜过大。分别研究剩余伪分离数据、混叠噪声变换到曲波域的系数关系,可以总结出迭代过程中正则参数λk取值为剩余伪分离数据曲波域系数最大振幅值的A倍,即:
其中,A为常数,且0<A<1,abs表示求取曲波域系数的振幅值。
由于在不同的迭代次数中,正则参数可以根据剩余伪分离数据进行自适应赋值,因此其可以保证稀疏反演求取的剩余有效数据具有真实性。
在一个可选的实施例中,方法还包括:
步骤S105,判断相加结果是否满足预设精度要求;
步骤S106,若否,则将相加结果作为预设迭代模型下一次迭代的初始值进行迭代计算,得到下一次迭代结果。
一方面在相加结果不满足预设精度要求时,继续迭代,继续判断下一次迭代结果是否满足预设精度要求;另一方面,在迭代次数达到最大迭代次数时停止迭代。该预设精度要求能够保证欠采样混合震源数据处理结果的有效性。
与现有技术的方式相比,本发明实施例具有以下至少一种优点:(1)计算效率高;(2)更适合实际数据处理。
实施例2:
图2为本发明实施例提供的另一种欠采样混合震源数据处理方法的流程图。如图2所示,另一种欠采样混合震源数据处理方法包括以下步骤:
步骤1,给定初始同时分离和重建结果;初始同时分离和重建结果(即实施例1中的初始值)d1=0;
步骤2,将初始同时分离和重建结果、混合震源算子以及采样算子进行结合,合成模拟欠采样混合震源数据;
步骤3,将采集到的欠采样混合震源数据与模拟欠采样混合震源数据做差,得到剩余欠采样混合震源数据;上述欠采样混合震源数据是指上述观测欠采样混合震源数据;
步骤4,将剩余欠采样混合震源数据与混合震源算子进行结合,得到剩余伪分离数据;
步骤5,利用稀疏反演方法对剩余伪分离数据进行稀疏反演,得到剩余有效信号;剩余有效信号可以指实施例1中的剩余有效数据;该稀疏反演方法建立基于L1范数正则化反演模型,在曲波域基于迭代求解方式并结合正则参数自适应选取方法对模型进行求解,得到剩余有效信号;
步骤6,将剩余有效信号和初始同时分离和重建结果求和,得到同时分离和重建结果;同时分离和重建结果可以指实施例1中的欠采样混合震源数据处理结果d2;
步骤7,判断结果是否满足精度要求;该结果是指步骤6中的同时分离和重建结果d2;若否,则执行下述步骤8;若是,则执行下述步骤9;
步骤8,迭代次数加1,并将步骤7中的同时分离和重建结果d2赋值给初始同时分离和重建结果d1,重复执行步骤2~步骤7,直至输出满足精度要求的结果;
步骤9,输出同时分离和重建结果d2。
本申请给出了以下两个实例对上述另一种欠采样混合震源数据处理方法进行了有效性的验证,其中,实例1采用的是简单层状模型模拟数据,实例2采用的是某海域的实际单震源数据,具体分析如下:
实例1:
本实例采用简单层状模型模拟数据(含有50个震源、101个检波器)对本发明实施例进行验证,首先合成欠采样混合震源数据。混合震源组合方式为:第1个震源和第26个震源组成第1个混合震源,第2个震源和第27个震源组成第二个混合震源,以此类推,第25个震源和第50个震源组成第25个混合震源。检波器个数为101,采样总时长为2s,采样率为0.004s,混合震源缺失道数据所占百分比分别为10%、20%、30%。分离和重建过程中采用正则化反演模型以及正则参数自适应选取方法,令A=0.5。
在模型求解完成之后,最终得到的结果分别如图3(a)~图5(c)所示:图3(a)~图3(c)为缺失10%的欠采样混合震源数据同时分离和重建结果;其中,图3(a)、图3(b)和图3(c)分别为简单层状模型模拟数据在缺失10%时的第20个混合震源数据,经过50次迭代以后第20个单震源的同时分离和重建结果和经过50次迭代以后第45个单震源的同时分离和重建结果,同时分离和重建结果信噪比为23.4dB;图4(a)~图4(c)为缺失20%的欠采样混合震源数据同时分离和重建结果;其中,图4(a)、图4(b)和图4(c)分别为简单层状模型模拟数据在缺失20%时的第20个混合震源数据,经过50次迭代以后第20个单震源的同时分离和重建结果和经过50次迭代以后第45个单震源的同时分离和重建结果,同时分离和重建结果信噪比为23.1dB;图5(a)~图5(c)为缺失30%的欠采样混合震源数据同时分离和重建结果;其中,图5(a)、图5(b)和图5(c)分别为简单层状模型模拟数据在缺失30%时的第20个混合震源数据,经过50次迭代以后第20个单震源的同时分离和重建结果和经过50次迭代以后第45个单震源的同时分离和重建结果,同时分离和重建结果信噪比为22.3dB。简单层状模型模拟数据同时分离和重建结果对比,如下表1所示:
表1简单层状模型模拟数据同时分离和重建结果对比
数据缺失百分比 | 迭代次数 | 耗时(s) | 同时分离和重建结果信噪比(dB) |
10% | 50 | 536 | 23.4 |
20% | 50 | 566 | 23.1 |
30% | 50 | 528 | 22.3 |
通过上述表1,可以看出在数据缺失30%的情况下,本发明实施例中的方法仍然能够有效的分离和重建出高精度的单震源数据。表1中的同时分离和重建结果信噪比SNR,其计算公式如下:
其中,D为原始的单震源数据,dk为输出的同时分离和重建结果。
实例2
本实例采用某海域的实际单震源数据(含有100个震源、100个检波器)对本发明实施例进行验证,首先合成欠采样混合震源数据。混合震源组合方式为:第1个震源和第51个震源组成第1个混合震源,第2个震源和第52个震源组成第二个混合震源,以此类推,第50个震源和第100个震源组成第50个混合震源。检波器个数为100,采样总时长为4s,采样率为0.004s,道间距和炮间距均为25米。混合震源缺失道数据所占百分比分别为10%、20%、30%。分离和重建过程中采用正则化反演模型以及正则参数自适应选取方法,令A=0.5。
在模型求解完成之后,最终得到的结果分别如图6(a)~图8(c)所示:图6(a)~图6(c)为缺失10%的欠采样混合震源数据同时分离和重建结果;其中,图6(a)、图6(b)和图6(c)分别为实际模拟混合震源数据在缺失10%时的第25个混合震源数据,经过100次迭代以后第25个单震源的同时分离和重建结果和经过100次迭代以后第75个单震源的同时分离和重建结果,同时分离和重建结果信噪比为20.2dB;图7(a)~图7(c)为缺失20%的欠采样混合震源数据同时分离和重建结果;其中,图7(a)、图7(b)和图7(c)分别为实际模拟混合震源数据在缺失20%时的第25个混合震源数据,经过100次迭代以后第25个单震源的同时分离和重建结果和经过100次迭代以后第75个单震源的同时分离和重建结果,同时分离和重建结果信噪比为18.2dB;图8(a)~图8(c)为缺失30%的欠采样混合震源数据同时分离和重建结果;其中,图8(a)、图8(b)和图8(c)分别为实际模拟混合震源数据在缺失30%时的第25个混合震源数据,经过100次迭代以后第25个单震源的同时分离和重建结果和经过100次迭代以后第75个单震源的同时分离和重建结果,同时分离和重建结果信噪比为17.3dB。实际模拟混合震源数据同时分离和重建结果对比,如下表2所示:
表2实际模拟混合震源数据同时分离和重建结果对比
数据缺失百分比 | 迭代次数 | 耗时(s) | 同时分离和重建结果信噪比(dB) |
10% | 100 | 11762 | 20.2 |
20% | 100 | 11628 | 18.2 |
30% | 100 | 11774 | 17.3 |
通过上述表2,可以看到在实际数据模拟中,迭代数和耗时相对增加,随着缺失数据的逐渐增加同时分离和重建结果信噪比逐渐降低,数据缺失达到30%的情况下,本发明实施例中的方法仍然能够有效的分离和重建出高精度的单震源数据。
实施例3:
本发明实施例提供了一种欠采样混合震源数据处理装置,该欠采样混合震源数据处理装置主要用于执行实施例1上述内容所提供的欠采样混合震源数据处理方法,以下对本发明实施例提供的欠采样混合震源数据处理装置做具体介绍。
图9为本发明实施例提供的一种欠采样混合震源数据处理装置的结构示意图。如图9所示,该欠采样混合震源数据处理装置,主要包括:获取确定单元11,伪分离单元12,稀疏反演单元13和确定单元14,其中:
获取确定单元11,用于获取原始欠采样混合震源数据,并根据原始欠采样混合震源数据和预设迭代模型中的初始值确定剩余欠采样混合震源数据;
伪分离单元12,用于对剩余欠采样混合震源数据进行伪分离,得到剩余伪分离数据;
稀疏反演单元13,用于对剩余伪分离数据进行稀疏反演,得到剩余有效数据;
确定单元14,用于当剩余有效数据和初始值的相加结果满足预设精度要求时,停止迭代,并将相加结果确定为欠采样混合震源数据处理结果。
本发明实施例利用该装置中的各个单元,将剩余欠采样混合震源数据确定为待处理对象,通过对剩余欠采样混合震源数据进行伪分离,进而对剩余伪分离数据进行稀疏反演的方式,能够得到欠采样混合震源数据处理结果,该欠采样混合震源数据处理结果是分离和重建的结合体,也就是说,本发明实施例通过一个流程即可实现分离和重建两种操作,与现有技术分别对原始欠采样混合震源数据进行分离、重建的操作方式相比,本发明在满足精度要求的情况下提高了处理效率,适用于实际数据处理场景。
可选地,稀疏反演单元13包括建立模块和求解模块,其中:
建立模块,用于建立目标正则化反演模型;
求解模块,用于利用迭代求解方式对建立好的目标正则化反演模型进行求解,得到剩余有效数据。
可选地,装置还包括:赋值模块,用于根据剩余伪分离数据,对目标正则化反演模型中的正则参数进行自适应赋值。
可选地,装置还包括:判断单元和迭代计算单元,其中:
判断单元,用于判断相加结果是否满足精度要求;
迭代计算单元,用于若否,则将相加结果作为预设迭代模型下一次迭代的初始值进行迭代计算,得到下一次迭代结果。
可选地,获取确定单元11包括:采样模块、计算模块和确定模块,其中:
采样模块,用于利用预设的采样算子对预设迭代模型中的初始值进行采样,得到采样值;
计算模块,用于根据预设的混合震源算子和采样值进行计算,得到模拟欠采样混合震源数据;
确定模块,用于根据原始欠采样混合震源数据和模拟欠采样混合震源数据,确定剩余欠采样混合震源数据。
可选地,确定模块包括:做差子模块和确定子模块,其中:
做差子模块,用于将原始欠采样混合震源数据和模拟欠采样混合震源数据做差,得到差值;
确定子模块,用于将差值确定为剩余欠采样混合震源数据。
可选地,伪分离单元12,还用于根据预设的混合震源算子对剩余欠采样混合震源数据进行伪分离,得到剩余伪分离数据。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在一个可选的实施例中,本实施例还提供一种电子设备,包括存储器、处理器,存储器中存储有可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述方法实施例所述方法的步骤。
在一个可选的实施例中,本实施例还提供了一种具有处理器可执行的非易失的程序代码的计算机可读介质,其中,所述程序代码使所述处理器执行上述方法实施例所述方法。
需要注意的是,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本实施例所提供的几个实施例中,应该理解到,所揭露的方法和装置,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种欠采样混合震源数据处理方法,其特征在于,包括:
获取原始欠采样混合震源数据,并根据所述原始欠采样混合震源数据和预设迭代模型中的初始值确定剩余欠采样混合震源数据;
对所述剩余欠采样混合震源数据进行伪分离,得到剩余伪分离数据;
对所述剩余伪分离数据进行稀疏反演,得到剩余有效数据;
当所述剩余有效数据和所述初始值的相加结果满足预设精度要求时,停止迭代,并将所述相加结果确定为欠采样混合震源数据处理结果。
2.根据权利要求1所述的方法,其特征在于,对所述剩余伪分离数据进行稀疏反演,得到剩余有效数据,包括:
建立目标正则化反演模型;
利用迭代求解方式对建立好的所述目标正则化反演模型进行求解,得到剩余有效数据。
3.根据权利要求2所述的方法,其特征在于,方法还包括:
根据所述剩余伪分离数据,对所述目标正则化反演模型中的正则参数进行自适应赋值。
4.根据权利要求1所述的方法,其特征在于,方法还包括:
判断所述相加结果是否满足所述预设精度要求;
若否,则将所述相加结果作为所述预设迭代模型下一次迭代的初始值进行迭代计算,得到下一次迭代结果。
5.根据权利要求1所述的方法,其特征在于,根据所述原始欠采样混合震源数据和预设迭代模型中的初始值确定剩余欠采样混合震源数据,包括:
利用预设的采样算子对所述预设迭代模型中的初始值进行采样,得到采样值;
根据预设的混合震源算子和所述采样值进行计算,得到模拟欠采样混合震源数据;
根据所述原始欠采样混合震源数据和所述模拟欠采样混合震源数据,确定所述剩余欠采样混合震源数据。
6.根据权利要求5所述的方法,其特征在于,根据所述原始欠采样混合震源数据和所述模拟欠采样混合震源数据,确定所述剩余欠采样混合震源数据,包括:
将所述原始欠采样混合震源数据和所述模拟欠采样混合震源数据做差,得到差值;
将所述差值确定为所述剩余欠采样混合震源数据。
7.根据权利要求5所述的方法,其特征在于,对所述剩余欠采样混合震源数据进行伪分离,得到剩余伪分离数据,包括:
根据所述预设的混合震源算子对所述剩余欠采样混合震源数据进行伪分离,得到所述剩余伪分离数据。
8.一种欠采样混合震源数据处理装置,其特征在于,包括:
获取确定单元,用于获取原始欠采样混合震源数据,并根据所述原始欠采样混合震源数据和预设迭代模型中的初始值确定剩余欠采样混合震源数据;
伪分离单元,用于对所述剩余欠采样混合震源数据进行伪分离,得到剩余伪分离数据;
稀疏反演单元,用于对所述剩余伪分离数据进行稀疏反演,得到剩余有效数据;
确定单元,用于当所述剩余有效数据和所述初始值的相加结果满足预设精度要求时,停止迭代,并将所述相加结果确定为欠采样混合震源数据处理结果。
9.一种电子设备,包括存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,其特征在于,处理器执行计算机程序时实现如权利要求1至7任一项所述的方法。
10.一种具有处理器可执行的非易失的程序代码的计算机可读介质,其特征在于,所述程序代码使所述处理器执行如权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110755095.8A CN113946778A (zh) | 2021-07-02 | 2021-07-02 | 欠采样混合震源数据处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110755095.8A CN113946778A (zh) | 2021-07-02 | 2021-07-02 | 欠采样混合震源数据处理方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113946778A true CN113946778A (zh) | 2022-01-18 |
Family
ID=79327345
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110755095.8A Pending CN113946778A (zh) | 2021-07-02 | 2021-07-02 | 欠采样混合震源数据处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113946778A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115267899A (zh) * | 2022-08-15 | 2022-11-01 | 河北地质大学 | 基于边界保持的DnCNN混合震源地震数据分离方法和系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016075550A1 (en) * | 2014-11-14 | 2016-05-19 | Cgg Services Sa | Device and method for weighted sparse inversion for seismic processing |
CN109765611A (zh) * | 2019-03-11 | 2019-05-17 | 河北地质大学 | 地震数据插值方法及装置 |
CN110244361A (zh) * | 2019-06-21 | 2019-09-17 | 同济大学 | 基于插值与去混叠同时处理的地震数据分离方法及系统 |
-
2021
- 2021-07-02 CN CN202110755095.8A patent/CN113946778A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016075550A1 (en) * | 2014-11-14 | 2016-05-19 | Cgg Services Sa | Device and method for weighted sparse inversion for seismic processing |
CN109765611A (zh) * | 2019-03-11 | 2019-05-17 | 河北地质大学 | 地震数据插值方法及装置 |
CN110244361A (zh) * | 2019-06-21 | 2019-09-17 | 同济大学 | 基于插值与去混叠同时处理的地震数据分离方法及系统 |
Non-Patent Citations (3)
Title |
---|
YAJIE WEI等: "Adaptive iterative deblending of simultaneous-source seismic data based on sparse inversion", ACTA GEOPHYSICA, vol. 69, 19 March 2021 (2021-03-19), pages 497 * |
张显娜 等: "三维多震源混合采集数据波场分离方法研究", 科学技术与工程, vol. 17, no. 5, 28 February 2017 (2017-02-28), pages 147 - 151 * |
魏亚杰 等: "基于稀疏约束反演的三维混采数据分离", 地球物理学报, vol. 62, no. 10, 31 October 2019 (2019-10-31), pages 4000 - 4009 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115267899A (zh) * | 2022-08-15 | 2022-11-01 | 河北地质大学 | 基于边界保持的DnCNN混合震源地震数据分离方法和系统 |
CN115267899B (zh) * | 2022-08-15 | 2024-01-12 | 河北地质大学 | 基于边界保持的DnCNN混合震源地震数据分离方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104536044B (zh) | 一种地震数据的插值去噪方法以及系统 | |
Abma et al. | 3D interpolation of irregular data with a POCS algorithm | |
Li et al. | Refraction corrected transmission ultrasound computed tomography for application in breast imaging | |
CN110174702B (zh) | 一种海上地震数据低频弱信号恢复的方法和系统 | |
CN105607122B (zh) | 一种基于全变分地震数据分解模型的地震纹理提取与增强方法 | |
Innocent Oboué et al. | Robust damped rank-reduction method for simultaneous denoising and reconstruction of 5D seismic data | |
CN107179550B (zh) | 一种数据驱动的地震信号零相位反褶积方法 | |
Li et al. | Wavelet-based higher order correlative stacking for seismic data denoising in the curvelet domain | |
Zhang et al. | 3D simultaneous seismic data reconstruction and noise suppression based on the curvelet transform | |
WO2011103297A2 (en) | Estimating internal multiples in seismic data | |
RU2570827C2 (ru) | Гибридный способ для полноволновой инверсии с использованием способа одновременных и последовательных источников | |
NO20150821A1 (en) | Efficient Wavefield Extrapolation in Anisotropic Media | |
CN108828658A (zh) | 一种海底地震数据重构方法 | |
CN113946778A (zh) | 欠采样混合震源数据处理方法及装置 | |
CN117574062A (zh) | 基于vmd-dnn模型的小回线瞬变电磁信号去噪方法 | |
CN117115452B (zh) | 可控的医学超声图像去噪方法、系统及计算机存储介质 | |
CN113655522A (zh) | 频率域地震弱信号的增强方法 | |
CN111368680B (zh) | 基于波原子变换的深度学习抗假频地震数据规则化方法 | |
US20150142831A1 (en) | Computerized method and a computer program rpoduct for determining a resulting data set representative of a geological region of interest | |
CN111914609B (zh) | 井震联合叠前地质统计学弹性参数反演方法及装置 | |
CN106338769A (zh) | 地震数据去噪方法及系统 | |
CN112578439B (zh) | 一种基于空间约束的地震反演方法 | |
CN110764135A (zh) | 不规则地震数据全频带重建方法 | |
CN115267898B (zh) | 天然地震数据重建方法、装置和电子设备 | |
CN116482749A (zh) | 基于残差网络的叠前地震资料强散射噪声压制方法及系统 |
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 |