CN114002736B - 一种基于权重反褶积的地震勘探多频数据融合方法 - Google Patents

一种基于权重反褶积的地震勘探多频数据融合方法 Download PDF

Info

Publication number
CN114002736B
CN114002736B CN202111047574.0A CN202111047574A CN114002736B CN 114002736 B CN114002736 B CN 114002736B CN 202111047574 A CN202111047574 A CN 202111047574A CN 114002736 B CN114002736 B CN 114002736B
Authority
CN
China
Prior art keywords
frequency
data
deconvolution
seismic data
weight
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.)
Active
Application number
CN202111047574.0A
Other languages
English (en)
Other versions
CN114002736A (zh
Inventor
沈洪垒
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China University of Mining and Technology CUMT
Original Assignee
China University of Mining and Technology CUMT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China University of Mining and Technology CUMT filed Critical China University of Mining and Technology CUMT
Priority to CN202111047574.0A priority Critical patent/CN114002736B/zh
Publication of CN114002736A publication Critical patent/CN114002736A/zh
Application granted granted Critical
Publication of CN114002736B publication Critical patent/CN114002736B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01VGEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/28Processing seismic data, e.g. for interpretation or for event detection
    • G01V1/30Analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Acoustics & Sound (AREA)
  • Environmental & Geological Engineering (AREA)
  • Geology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Geophysics (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本发明公开了一种基于权重反褶积的地震勘探多频数据融合方法。首先构建了基于多个单频地震数据的目标函数,然后利用不同数据之间的信噪比差异,基于目标函数求解得到对应于单频地震数据的权重反褶积滤波算子,并将该算子应用到对应的单频地震数据中,最后进行叠加得到融合结果。这种方法建立了目标函数与单频地震数据之间的直接关联,同时利用不同数据的信噪比差异进行权重滤波处理从而避免因低信噪比数据的引入造成的后续反褶积过程中可能的噪音过度放大问题。

Description

一种基于权重反褶积的地震勘探多频数据融合方法
技术领域
本发明属于地震勘探领域,具体涉及一种基于权重反褶积的地震勘探多频数据融合方法。
背景技术
基于波形反射成像的地下结构探测技术是勘探领域的重要技术,常见的有反射地震(弹性波)、探地雷达(电磁波)等方法,以反射地震法所为例,其记录的是从人工震源到地下反射界面,再回到检波器的双程旅行时间。反射地震法原理简单,通过在地面、海面或海底激发震源产生地震波,地震波在向下传播的过程中,一部分能量将被沉积地层或岩体边界、断裂面等反射回来,这些被反射的能量可以用检波器接收到,然后通过一系列处理方法,实现地球内部结构高分辨率成像。
震源子波的频带宽度是决定地震资料分辨率的关键因素。理想的震源子波应当如尖脉冲一样,包含丰富的低频和高频成分。通常而言,高频成分能够压缩子波主瓣,从而更好识别薄层;而低频成分则能够有效压制旁瓣,增强子波的分辨能力。但实际地震采集所采用的震源往往只能激发得到带宽比较有限的单频子波,进而影响到单频地震数据的分辨率。
为了改善这一现状,研究人员提出采用多个频率带宽不同的单频震源进行采集的方法实现多个频率区间数据的获取,通过后期融合实现多频数据不同频率区间的优势组合,从而拓宽地震资料频带带宽。在数据融合的基础之上,可以进一步利用反褶积提高分辨率。常规的数据融合多在时间域或者频率域通过直接叠加或者振幅峰值对齐后再叠加的方式完成。尽管频带得到拓宽,但是不同数据之间尤其是在频率交叠区间的信噪比差异并没有得到针对性的处理,在融合过程中易引入低信噪比数据而增加后续反褶积处理的不稳定性。
发明内容
为了解决上述问题,本发明提出了基于权重反褶积的地震勘探多频数据融合方法。本发明首先构建了基于多个单频地震数据的目标函数,然后利用不同数据之间的信噪比差异,基于目标函数求解得到对应于单频地震数据的权重反褶积滤波算子,并将该算子应用到对应的单频地震数据中,最后进行叠加得到融合结果。这种方法建立了目标函数与单频地震数据之间的直接关联,同时利用不同数据的信噪比差异进行权重滤波处理从而避免因低信噪比数据的引入造成的后续反褶积过程中可能的噪音过度放大问题。
本发明的技术方案如下:
本发明提供了一种基于权重反褶积的地震勘探多频数据融合方法,其包括如下步骤:
1)构建基于多个单频地震数据的目标函数;
2)利用不同数据之间的信噪比差异,基于目标函数求解得到对应于单频地震数据的权重反褶积滤波算子;
3)将权重反褶积滤波算子应用到对应的单频地震数据中,进行叠加得到融合结果。
进一步的,所述的步骤1)中,基于多个单频地震数据的目标函数,表达式为:
Figure BDA0003250217110000021
其中,dexp(t)表示目标函数,di(t)和xi(t)表示第i个单频地震数据及其对应的反褶积滤波算子。
更进一步的,所述的步骤2)具体包括:
2.1)利用单频地震数据的频谱特征构建期望输出,其表达式如下所示:
Figure BDA0003250217110000022
其中,Dx和Dy为单频地震数据dx和dy的频率表达,两者分别对应输入数据中主频最低fpx和最高fpy的情况;Ax为dx在频率fpx处的振幅,而Ay为dy在频率fpy处的振幅,Aref为平滑频谱的常数振幅值;
2.2)将式(1)变换到频率域,得到:
Figure BDA0003250217110000031
其中Dexp、Di和Xi分别为dexp、di和xi的频率域表达;
2.3)依据信噪比关系,定义第i个单频地震数据的反褶积算子的权重算子满足如下关系:
Figure BDA0003250217110000032
2.4)联合式(2)-(4),得到对应于第i个单频地震数据的权重反褶积算子:
Figure BDA0003250217110000033
其中λ为人为加入的白噪成分,用于增加数值计算的稳定性。
在所述的步骤2.3)中,若每组数据中所记录到的噪音水平变化小于阈值,则将单频地震数据在某一频率的振幅关系看作信噪比关系;
若每组数据中所记录到的噪音水平差异超过设定阈值,则对所有数据进行去噪处理,使所有数据的噪音水平接近,即噪音水平变化小于阈值。
本发明可以针对性处理不同数据之间在频率交叠区间的信噪比差异,本发明建立了目标函数与单频地震数据之间的直接关联,同时利用不同数据的信噪比差异进行权重滤波处理从而避免因低信噪比数据的引入造成的后续反褶积过程中可能的噪音过度放大问题。本发明方法可适用于包括反射地震法、探地雷达法等方法在内的基于波形反射成像的地下结构探测技术中。
附图说明
图1为直接叠加反褶积和权重反褶积融合两种方法对不同信噪比数据的权重赋值差异。
图2为基于Ormsby子波的权重反褶积多频数据融合结果。(a)低频Ormsby子波(50-100Hz)权重反褶积前后对比;(b)中频Ormsby子波(140-180Hz)权重反褶积前后对比;(c)高频Ormsby子波(200-250Hz)权重反褶积前后对比;(d)图(a)中子波振幅谱对比;(e)图(b)中子波振幅谱对比;(f)图(c)中子波振幅谱对比;(g)权重反褶积融合与目标函数结果对比;(h)图(g)中子波振幅谱对比;(i)图(g)中子波差异。
图3为楔状模型参数示意图。
图4为基于单频子波的楔状模型模拟结果,从左到右分别对应图2中低频(a)、中频(b)和高频(c)子波。
图5为对比了基于图4中三组单频地震数据的直接叠加反褶积、权重反褶积融合和期望目标结果,其中直接叠加反褶积(a)、权重反褶积数据融合(b)、不含噪音干扰的期望输出(c)。
图6展示了将权重反褶积融合方法应用到探地雷达数据的效果,其中(a)为单频GPR数据(100MHz激发、100MHz接收);(b)为基于权重反褶积的多频融合数据(50、100、200MHz分别激发,100MHz接收)。
具体实施方式
下面结合具体实施方式对本发明做进一步阐述和说明。本发明中各个实施方式的技术特征在没有相互冲突的前提下,均可进行相应组合。
本实施例基于权重反褶积的地震勘探多频数据融合方法实现过程可由下式表达:
Figure BDA0003250217110000041
其中,dexp(t)表示目标函数,di(t)和xi(t)表示第i个单频地震数据及其对应的反褶积滤波算子。
为了与实际数据更加匹配,期望输出利用单频地震数据的频谱特征构建而成,在低频和高频端继承了单频地震数据的特征,中间频率区间由平滑频谱构成,其表达式如下所示:
Figure BDA0003250217110000051
其中,Dx和Dy为单频地震数据dx和dy的频率表达,两者分别对应输入数据中主频最低fpx和最高fpy的情况。Ax为dx在频率fpx处的振幅,而Ay为dy在频率fpy处的振幅。Aref为平滑频谱的常数振幅值。
将方程1变换到频率域,可以直接利用公式2中期望输出在频率域的表达形式,实现对单频地震数据在不同频率处的权重处理,得到:
Figure BDA0003250217110000052
其中Dexp、Di和Xi分别为dexp、di和xi的频率域表达。
假设各组单频地震数据采集时间间隔有限,则每组数据中所记录到的噪音水平变化不大,可以将单频地震数据在某一频率的振幅关系近似看作信噪比关系。如果采集间隔较长或者噪音水平差异较为显著时,则需要首先对所有数据进行去噪处理(一般可采用带通滤波、中值滤波等方法),保证所有数据的噪音水平接近。在此基础之上,我们依据信噪比关系所定义的第i个单频地震数据的反褶积算子的权重算子满足如下关系:
Figure BDA0003250217110000053
联合方程2-4,可以推导出对应于第i个单频地震数据的权重反褶积算子:
Figure BDA0003250217110000061
其中λ为人为加入的白噪成分,主要用于增加数值计算的稳定性。
图1对比了直接叠加反褶积和权重反褶积融合两种方法对不同信噪比数据的权重赋值差异。可以看出,权重反褶积融合方法通过提高高信噪比数据的权重增加在后续融合过程中的贡献,从而压低低信噪比数据的比重,避免噪音的过多引入。
图2以Ormsby子波为例展示了权重反褶积融合过程。图2a-2c分别为三个单频子波在进行权重反褶积前后的波形独臂。可以看出权重反褶积处理对某一单频地震数据波形进行了小幅调整,对应频谱方面一方面对靠近最低和最高频率部分进行了整体调整,另一方面在频率重叠区间,根据振幅关系进行了权重调整(图2d-2f)。融合之后的结果与期望输出非常接近,两者之间误差极小(图2g-2i)。
为了进一步验证该方法的有效性,开展了楔状模型数值模拟验证。图3为所采用的楔状模型,共分为三层,中间层厚度逐渐减薄。
图4为利用图2中三种单频子波得到的合成记录。在模拟过程中加入了同等水平的白噪干扰。通过对比可以发现,随着地层厚度的减薄,单频子波的分辨效果逐渐下降,在厚度减薄的右侧部分尤其明显,低频子波模拟结果对该区域边界定义模糊,且有一定程度畸变;而中、高频子波模拟结果受旁瓣震荡影响,最右侧薄层部分相互干扰,难以进行有效区分。
图5对比了基于图4中三组单频地震数据的直接叠加反褶积、权重反褶积融合和期望目标结果。通过与单频地震数据对比,两种数据融合方法都很好地改善了薄层的分辨效果,对右侧薄层结构也有较为准确、清晰的刻画。此外,得益于融合过程中噪音的叠加相消,误差水平明显下降。尤其是基于权重反褶积的数据融合方法噪音水平要更低,与期望输出结果更加接近,从而验证了该方法在噪音水平控制方面的优势。在该例中计算了模拟结果与不含噪音结果之间的均方误差Error,具体计算公式如下:
Figure BDA0003250217110000062
其中,ntrc、nsam分别表示道数和每道的样点数,xnoise、xtrue则分别表示受噪音干扰和不含噪音的结果。
图6展示了将权重反褶积融合方法应用到探地雷达数据的效果。上图为100MHz激发、100MHz接收的单频结果,下图为50、100、200MHz独立激发,100MHz接收的多频数据融合之后的结果。通过对比可以看出,多频融合结果可以有效改善探测目标(图中虚线上方的水位线反射同相轴)的分辨率,同时可以压制噪音,提高信噪比(深部效果尤其显著)。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明的保护范围应以所附权利要求为准。

Claims (2)

1.一种基于权重反褶积的地震勘探多频数据融合方法,其特征在于,包括如下步骤:
1)构建基于多个单频地震数据的目标函数;
步骤1)中,基于多个单频地震数据的目标函数,表达式为:
Figure QLYQS_1
其中,dexp(t)表示目标函数,di(t)和xi(t)表示第i个单频地震数据及其对应的反褶积滤波算子;
2)利用不同数据之间的信噪比差异,基于目标函数求解得到对应于单频地震数据的权重反褶积滤波算子;
步骤2)具体包括:
2.1)利用单频地震数据的频谱特征构建期望输出,其表达式如下所示:
Figure QLYQS_2
其中,Dx和Dy为单频地震数据dx和dy的频率表达,两者分别对应输入数据中主频最低fpx和最高fpy的情况;Ax为dx在频率fpx处的振幅,而Ay为dy在频率fpy处的振幅,Aref为平滑频谱的常数振幅值;
2.2)将式(1)变换到频率域,得到:
Figure QLYQS_3
其中,f表示频率;Dexp、Di和Xi分别为dexp、di和xi的频率域表达;
2.3)依据信噪比关系,定义第i个单频地震数据的反褶积算子的权重算子满足如下关系:
Figure QLYQS_4
2.4)联合式(2)-(4),得到对应于第i个单频地震数据的权重反褶积算子:
Figure QLYQS_5
其中λ为人为加入的白噪成分,用于增加数值计算的稳定性;
3)将权重反褶积滤波算子应用到对应的单频地震数据中,进行叠加得到融合结果。
2.根据权利要求1所述的基于权重反褶积的地震勘探多频数据融合方法,其特征在于,步骤2.3)中,若每组数据中所记录到的噪音水平变化小于阈值,则将单频地震数据在某一频率的振幅关系看作信噪比关系;
若每组数据中所记录到的噪音水平差异超过设定阈值,则对所有数据进行去噪处理,使所有数据的噪音水平接近,即噪音水平变化小于阈值。
CN202111047574.0A 2021-09-07 2021-09-07 一种基于权重反褶积的地震勘探多频数据融合方法 Active CN114002736B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111047574.0A CN114002736B (zh) 2021-09-07 2021-09-07 一种基于权重反褶积的地震勘探多频数据融合方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111047574.0A CN114002736B (zh) 2021-09-07 2021-09-07 一种基于权重反褶积的地震勘探多频数据融合方法

Publications (2)

Publication Number Publication Date
CN114002736A CN114002736A (zh) 2022-02-01
CN114002736B true CN114002736B (zh) 2023-07-07

Family

ID=79921230

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111047574.0A Active CN114002736B (zh) 2021-09-07 2021-09-07 一种基于权重反褶积的地震勘探多频数据融合方法

Country Status (1)

Country Link
CN (1) CN114002736B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112213773A (zh) * 2019-07-12 2021-01-12 中国石油化工股份有限公司 一种地震分辨率提高方法及电子设备

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5157605A (en) * 1987-04-27 1992-10-20 Schlumberger Technology Corporation Induction logging method and apparatus including means for combining on-phase and quadrature components of signals received at varying frequencies and including use of multiple receiver means associated with a single transmitter
CN100383557C (zh) * 2004-06-25 2008-04-23 大庆油田有限责任公司 一种提高地震分辨率的方法
CN100501449C (zh) * 2008-05-26 2009-06-17 刘文霞 一种地震数据拆分处理方法
CN103217713B (zh) * 2012-01-19 2015-08-05 中国石油化工股份有限公司 油气勘探地震速度分析数据优化方法
CN103713317B (zh) * 2012-09-29 2016-09-14 北京诺克斯达石油科技有限公司 基于对时变子波进行分频段处理的反褶积方法
CN106461803B (zh) * 2014-03-20 2019-01-18 施蓝姆伯格技术公司 从时间分布式引爆气枪阵列数据重建脉冲震源地震数据
CN104216014B (zh) * 2014-09-25 2016-09-28 中国石油天然气股份有限公司 一种地震信号分频处理方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112213773A (zh) * 2019-07-12 2021-01-12 中国石油化工股份有限公司 一种地震分辨率提高方法及电子设备

Also Published As

Publication number Publication date
CN114002736A (zh) 2022-02-01

Similar Documents

Publication Publication Date Title
CN106597532B (zh) 一种结合井资料与层位资料的叠前地震数据频带拓展方法
US20150168573A1 (en) Geologic quality factor inversion method
CN102062872A (zh) 可控震源多因子扫描方法
CN109633752B (zh) 基于三维快速Radon变换的海上拖缆资料自适应鬼波压制方法
CN105572723B (zh) 基于自相关子波的可控震源扫描信号的设计方法
CN116520419B (zh) 一种热流体裂缝通道识别方法
CN106873036A (zh) 一种基于井震结合的去噪方法
CN113887398A (zh) 一种基于变分模态分解和奇异谱分析的gpr信号去噪方法
CN111427088A (zh) 用于识别薄互储层的地震数据低频补偿方法
CN109270574B (zh) 一种基于多种震源采集数据的联合反褶积方法
CN108957551B (zh) 基于重构地面力信号的可控震源谐波压制方法
CN114002736B (zh) 一种基于权重反褶积的地震勘探多频数据融合方法
CN110737022B (zh) 一种可控震源激发地震资料黑三角区噪音的压制方法
CN105093312A (zh) 基于频率域多阶微分的地震相对波阻抗预测方法和装置
CN112198547A (zh) 深层或超深层地震资料处理方法及装置
CN115840249A (zh) 基于随机道矢量中值滤波及高分辨率Radon变换的黑三角噪音压制方法
CN112213775B (zh) 一种高覆盖次数叠前地震数据的保真提频方法
Han et al. Seismic signal detection algorithm based on gs transform filtering and emd denoising
CN114137606A (zh) 一种稳健的谱模拟反褶积方法
CN114371505A (zh) 一种基于地震分频技术的多子波反演方法及系统
CN110568491B (zh) 一种品质因子q的估算方法
CN114428348A (zh) 一种提高地震资料分辨率的方法及系统
RU2627549C1 (ru) Способ вибрационной сейсморазведки
Zhao et al. Land broadband seismic exploration based on adaptive vibroseis
Trojanowski et al. A multichannel convolution filter for correlated noise: Microseismic data application

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