CN114428343A - 基于归一化互相关的Marchenko成像方法及系统 - Google Patents
基于归一化互相关的Marchenko成像方法及系统 Download PDFInfo
- Publication number
- CN114428343A CN114428343A CN202011081247.2A CN202011081247A CN114428343A CN 114428343 A CN114428343 A CN 114428343A CN 202011081247 A CN202011081247 A CN 202011081247A CN 114428343 A CN114428343 A CN 114428343A
- Authority
- CN
- China
- Prior art keywords
- function
- marchenko
- green
- correlation
- initial
- 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
- 238000003384 imaging method Methods 0.000 title claims abstract description 93
- 238000004613 tight binding model Methods 0.000 claims abstract description 107
- 238000000034 method Methods 0.000 claims abstract description 41
- 238000012545 processing Methods 0.000 claims abstract description 14
- 230000006870 function Effects 0.000 claims description 106
- 238000002360 preparation method Methods 0.000 claims description 12
- 238000010606 normalization Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 230000005428 wave function Effects 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 4
- 238000011144 upstream manufacturing Methods 0.000 claims description 3
- 230000005012 migration Effects 0.000 abstract description 12
- 238000013508 migration Methods 0.000 abstract description 12
- 230000008569 process Effects 0.000 abstract description 6
- 239000010410 layer Substances 0.000 description 20
- 239000011229 interlayer Substances 0.000 description 6
- 238000001514 detection method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 125000004432 carbon atom Chemical group C* 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000001550 time effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001131 transforming effect Effects 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. for interpretation or for event detection
- G01V1/36—Effecting static or dynamic corrections on records, e.g. correcting spread; Correlating seismic signals; Eliminating effects of unwanted energy
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/50—Corrections or adjustments related to wave propagation
- G01V2210/51—Migration
- G01V2210/512—Pre-stack
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)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供了一种基于归一化互相关的Marchenko成像方法及系统,属于地震资料叠前深度偏移成像领域。该方法以初始格林函数和校正后的地震数据作为输入,以迭代反演的方法对Marchenko方程进行数值求解得到上行格林函数和下行格林函数,并对所得到的上行格林函数和初始格林函数进行归一化互相关处理得到Marchenko成像结果。本发明既能够实现一次反射波准确偏移归位,又能够对层间多次波进行有效处理,大大提高了成像质量。
Description
技术领域
本发明属于地震资料叠前深度偏移成像领域,具体涉及一种基于归一化互 相关的Marchenko成像方法及系统。
背景技术
地震偏移成像是呈现地下介质物性参数(反射率,振幅信息等)空间展布 的重要技术手段。常规偏移成像方法以单散射假设为前提,利用一次反射波进 行成像,无法直接对多次波进行处理,多次波在成像剖面通常表现为虚假构造 或噪音干扰,此类成像方法在成像前需要对地震道集进行多次波压制,然后进 行偏移成像处理。
中国专利公开文献CN110210565A公开了归一化互相关图像模板匹配实现方 法,其包括:在第n层金字塔进行图像模板匹配:分别构建模板图像和待搜索 图像的第n层金字塔图像;按照预设角度在待搜索图像的第n层金字塔上遍历 搜索,得到NCC大于预设阈值的所有候选匹配并过滤筛选出局部同一匹配中NCC 最大的候选匹配并排序;在第i层金字塔进行图像模板匹配:分别构建模板图 像和待搜索图像的第i层金字塔图像;按照预设角度在待搜索图像的第i层金 字塔图像上遍历搜索,得到新候选匹配;判断i是否为0并根据判断结果重复 在第i层金字塔进行图像模板匹配的步骤或将按照NCC值排序且NCC大于设定阈值的候选匹配作为目标位置;中国专利公开文献CN107102355A公开了一种低 频重构并行Marchenko成像方法,把基于频率优势的被动源低频信息重构主动 源低频信息技术应用到了Marchenko成像中,能够最大限度地防止被动源低频 噪声对重构出的宽频带地震数据的影响,恢复得到了宽频带地震数据,又完整 地保留了主动源数据的高频部分,这比人为地控制与调整低频信号在宽频带地 震数据中的权重更符合现实,重构后的宽频带地震数据分炮并行迭代求解聚焦 函数、完全格林函数、上传格林函数、下传格林函数;中国专利公开文献 CN109490425A公开了一种基于格林函数重构技术的无源材料低频反射系数测量方法,其包括:1)利用时反技术获得多维马尔琴科方程中的反射波时反项;2) 重构水听器到试样表面的散射波格林函数;3)数值时反实现散射波聚焦;4)反 射系数测量值的计算。
Marchenko成像方法是一种数据驱动的偏移成像方法,其以反演理论框架为 基础,并可使用全散射级数信息进行成像处理,这意味Marchenko成像方法既 可实现一次反射波偏移归位,又可有效处理层间多次波。
Marchenko成像方法主要包括两部分:Marchenko格林函数重构和成像条件 应用。Marchenko格林函数重构可构建出格林函数,将上行格林函数及初始格林 函数作为输入,并应用一定的成像条件可得到成像结果,常用的Marchenko成 像条件为基于多维反褶积的成像条件,此类成像条件需要进行多维反演,内存 消耗大,计算量大。
随着勘探技术的发展,业界对成像质量的重视化程度越来越高,面向层间 多次波处理需求,亟需解决Marchenko多维反褶积成像条件计算量大,内存消 耗高的问题。
发明内容
本发明的目的在于解决上述现有技术中存在的难题,提供一种基于归一化 互相关的Marchenko成像方法及系统,既能够实现一次反射波准确偏移归位, 又能够对层间多次波进行有效处理,提高成像质量。
本发明是通过以下技术方案实现的:
本发明的第一个方面,提供了一种基于归一化互相关的Marchenko成像方 法,所述方法以初始格林函数和校正后的地震数据作为输入,以迭代反演的方 法对Marchenko方程进行数值求解得到上行格林函数和下行格林函数,并对所 得到的上行格林函数和初始格林函数进行归一化互相关处理得到Marchenko成 像结果。
本发明的进一步改进在于,所述方法包括:
步骤一:获取初始聚焦函数;
步骤二:多次迭代获得Marchenko聚焦函数;
步骤三:根据所述Marchenko聚焦函数获得上行格林函数和下行格林函数;
步骤四:进行归一化互相关得到Marchenko成像结果。
本发明的进一步改进在于,所述步骤一的操作包括:
利用下式计算获得初始聚焦函数:
Gd(x′0,xi,-t)为初始格林函数的逆时变换。
本发明的进一步改进在于,所述步骤二的操作包括:
其中,R(x0,x'0,t)为校正后的地震数据,是在x′0点处激发x0处接收得到的地表反射响应;
θ为窗函数,表达式如下:
xi为地下聚焦点空间位置;
x0为地表震源点的空间位置。
本发明的进一步改进在于,所述步骤三的操作包括:
利用下式计算获得上行格林函数和下行格林函数:
上式中,G-(xi,x0,t)和G+(xi,x0,t)分别表示地表x0点处激发并在地下xi接收得 到的上行格林函数和下行格林函数,f1 -(x0,xi,t)和f1 +(x0,xi,t)分别表示在地下xi处 聚焦的上行聚焦函数和下行聚焦函数,其值分别采用和的 值。
本发明的进一步改进在于,所述步骤四的操作包括:
利用下式对初始格林函数和上行格林函数进行归一化互相关得到 Marchenko成像结果:
本发明的进一步改进在于,在所述步骤一之前还包括:数据准备步骤;
所述数据准备步骤的操作包括:
对地震数据进行校正获得校正后的地震数据;
以背景速度v0作为输入,求解程函方程得到走时场t,提取出初始时间td, 计算获得初始格林函数。
以背景速度v0作为输入,求解程函方程得到走时场t,提取出初始时间td, 计算获得初始格林函数。
本发明的第二个方面,提供了一种基于归一化互相关的Marchenko成像系 统,所述系统包括:
数据准备单元,用于准备所需的数据;
初始聚焦函数获取单元,与所述数据准备单元连接,用于获取初始聚焦函 数;
迭代单元,分别与所述数据准备单元、初始聚焦函数获取单元连接,用于 多次迭代获得Marchenko聚焦函数;
格林函数获取单元,与所述迭代单元连接,用于根据所述Marchenko聚焦 函数获得上行格林函数和下行格林函数;
归一化单元,与所述格林函数获取单元连接,用于进行归一化互相关得到Marchenko成像结果。
本发明的第三个方面,提供了一种基于归一化互相关的Marchenko成像装 置,所述装置包括:存储器、处理器、以及存储在所述存储器上的计算机程序, 所述计算机程序被所述处理器运行时执行如下步骤:
步骤一:获取初始聚焦函数;
步骤二:多次迭代获得Marchenko聚焦函数;
步骤三:根据所述Marchenko聚焦函数获得上行格林函数和下行格林函数;
步骤四:进行归一化互相关得到Marchenko成像结果。
本发明的第四个方面,提供了一种计算机可读存储介质,所述计算机可读 存储介质存储有计算机可执行的至少一个程序,所述至少一个程序被所述计算 机执行时使所述计算机执行所述基于归一化互相关的Marchenko成像方法中的 步骤。
与现有技术相比,本发明的有益效果是:本发明方法以初始格林函数和校 正后的地震数据作为输入,以迭代反演的方法对Marchenko方程进行数值求解 得到上行格林函数和下行格林函数,并对所得到的上行格林函数和初始格林函 数进行归一化互相关处理得到成像结果,既能够实现一次反射波准确偏移归位, 又能够对层间多次波进行有效处理,大大提高了成像质量。
附图说明
图1本发明方法的步骤框图;
图2平层模型;
图3-1平层模型初始格林函数;
图3-2平层模型上行格林函数;
图3-3平层模型下行格林函数;
图4-1平层模型逆时偏移成像结果;
图4-2 Marchenko成像结果;
图5凹陷模型;
图6-1凹陷模型初始格林函数;
图6-2凹陷模型上行格林函数;
图6-3凹陷模型下行格林函数;
图7-1局部凹陷模型逆时偏移成像结果;
图7-2 Marchenko成像结果;
图8本发明系统的结构示意图。
具体实施方式
下面结合附图对本发明作进一步详细描述:
面向层间多次波处理需求并针对Marchenko多维反褶积成像条件计算量大, 内存消耗高的问题,本发明提出了一种基于归一化互相关成像条件的Marchenko 成像方法,其以初始格林函数和校正后的不包含表面多次波的地震记录作为输 入,以迭代反演的方法对Marchenko方程进行数值求解得到上行格林函数和下 行格林函数,并对所得到的上行格林函数和初始格林函数进行归一化互相关处 理得到成像结果,此方法既能够实现一次反射波准确偏移归位,又能够对层间 多次波进行有效处理,此方法对推动高精度偏移成像的发展具有重要意义。
在Marchenko成像中,聚焦函数和格林函数是两个相互独立的波场函数, 二者之间的相互关系可表达为
上式中,G-(xi,x0,t)和G+(xi,x0,t)分别表示地表x0点处激发并在地下xi接收得 到的上行格林函数和下行格林函数,f1 -(x0,xi,t)和f1 +(x0,xi,t)分别表示在地下xi处 聚焦的下行聚焦函数和上行聚焦函数,R(x0,x'0,t)表示在x'0点处激发x0处接收得到 的地表反射响应。*为褶积符号,t为时间,-t为逆时作用。
在时间-空间域中,聚焦函数和格林函数的分布范围不同,可引入时间方向 对称的窗函数θ对二者进行剥离,并根据信号的因果特性对公式(1)进行求解, 具体可表达为
D0表示地表,积分为地表面积分。x0为炮点空间位置,x′0为检波点空间位置, xi为聚焦点空间位置。
上式中,td为从聚焦点到地表震源点直达波走时。窗函数θ同时间t、地下 聚焦点空间位置xi及地表震源点的空间位置x0相关,窗函数θ的作用主要是确保 迭代计算的过程中,仅与聚焦函数相关的波场信息参与运算。经多次迭代后, 逐渐收敛,聚焦波场更新量平方小于10-3,一般迭代12次左右,聚焦函数对散 射尾波的表达更为准确。具体的,在进行Marchenko成像前,以背景速度v0作 为输入,求解程函方程得到走时场t,提取出直达波时间td,然后构建得到初始 格林函数,构建初始格林函数采用现有方法实现,在此不再赘述。
将聚焦函数最终迭代的结果带入公式(1)中,可分别得到上行格林函数 G-(xi,x0,t)及下行格林函数G+(xi,x0,t);上行格林函数和下行格林函数可准确呈现 出层间多次波信息。
同常规方法相比,Marchenko格林函数重构方法所得的上行格林函数和下行 格林函数更为准确。将上行格林函数同初始格林函数进行归一化化相关可得成 像结果,此成像结果能够保证一次反射波在准确偏移归位的同时,压制层间多 次波诱导的虚假构造。
并利用公式(6)得到目标区内多个点位处的Gd(x′0xi,-t)是对初始的格林函数进行逆时变换得到的。x'0表示震源点位置,x0为检波点位置, Marchenko迭代算法中震源点和检波点位置重合,在求取空间积分时聚焦函数 及尾波函数中用x'0表示,不进行积分时,则用x0表示。
图1中校正后的地震数据就是指满足Marchenko格林函数重构需求的地震 数据,采用现有的多种方法对地震数据进行校正,例如对地震数据应用SRME等 压制表面多次波,利用反褶积方法压缩子波,若地震数据缺失近道数据,则需 要进行近道地震数据重建等,这些均是现有方法,在此不再赘述。将目标区内 的初始聚焦函数及校正后的地震数据进行Marchenko格林函数重构并将重构的 上行格林函数同初始格林函数进行归一化互相关处理得到成像结果。
如图1所示,本发明方法的实施例如下:
【实施例一】
具体实现步骤为:
步骤一:以初始的格林函数作为输入并利用公式(6)进行逆时变换得到初 始聚焦函数:
步骤二:将初始聚焦函数及校正后的地震数据R(x0,x'0,t)作为输入进行时间 方向褶积运算并求取空间方向积分得到初始上行聚焦函数第k-1次 迭代所得上行聚焦函数进行逆时变换并同校正后的地震数据 R(x0,x'0,t)进行时间方向褶积运算并求取空间方向积分得到第k次迭代所得的逆 时Marchenko尾波函数将第k次迭代所得Marchenko尾波函数 同初始聚焦函数进行求和运算得到第k次迭代所得的下行聚焦函数 将Marchenko尾波函数同校正后的地震数据R(x0,x'0,t)进行 时间方向褶积运算并求取空间方向积分并与初始上行聚焦函数求和得到第k次 迭代所得上行聚焦函数
Marchenko聚焦函数的具体公式如下:
步骤三:将多次迭代后的Marchenko聚焦函数带入公式(1),得到上行格 林函数和下行格林函数:
步骤四:利用公式8对初始格林函数和上行格林函数进行归一化互相关得 到Marchenko成像结果:
针对地下每一个聚焦点(其空间位置表示为xi)重复步骤一到步骤三,得到 每一个聚焦点位置处的上行格林函数G-(xi,x0,t),将其同初始格林函数Gd(xi,x0,t) (Gd(xi,x0,t)、Gd(xi、x0,-t)、Gd(x′0,xi,-t)都是初始格林函数)进行如步骤四所示的 归一化互相关处理得到成像结果。步骤一到步骤四均是针对地下每一个聚焦点 进行处理,即对每个聚焦点计算完成后,将初始格林函数和上行格林函数进行 归一化互相关得到这个聚焦点的成像值,多个聚焦点均计算完毕后,得到整个 成像剖面。
本发明还提供了一种基于归一化互相关的Marchenko成像系统,所述系统 的实施例如下:
【实施例二】
如图8所示,所述系统包括:
数据准备单元10,用于准备所需的数据;
初始聚焦函数获取单元20,与所述数据准备单元10连接,用于获取初始聚 焦函数;
迭代单元30,分别与所述数据准备单元10、初始聚焦函数获取单元20连 接,用于多次迭代获得Marchenko聚焦函数;
格林函数获取单元40,与所述迭代单元30连接,用于根据所述Marchenko 聚焦函数获得上行格林函数和下行格林函数;
归一化单50元,与所述格林函数获取单元40连接,用于进行归一化互相 关得到Marchenko成像结果。
本发明还提供了一种基于归一化互相关的Marchenko成像装置,所述装置 的实施例如下:
【实施例三】
所述装置包括:存储器、处理器、以及存储在所述存储器上的计算机程序, 所述计算机程序被所述处理器运行时执行如下步骤:
步骤一:获取初始聚焦函数;
步骤二:多次迭代获得Marchenko聚焦函数;
步骤三:根据所述Marchenko聚焦函数获得上行格林函数和下行格林函数;
步骤四:进行归一化互相关得到Marchenko成像结果。
本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质存储 有计算机可执行的至少一个程序,所述至少一个程序被所述计算机执行时使所 述计算机执行所述基于归一化互相关的Marchenko成像方法中的步骤。
以层状介质及凹陷介质进行数值实验,可验证本发明能够通过Marchenko 格林函数重构得到准确的格林函数,其既包含一次反射波信息又包含层间多次 波信息,同时,借助本发明所提出的适用于Marchenko成像的归一化互相关成 像条件能够在一次反射波准确偏移归位的同时有效压制层间多次波诱导的虚假 构造,大幅提升偏移成像质量。
【实施例四】
图2为层状介质模型,模型总共分为4层,第一层的速度为1580m/s,第二 层的速度为4023m/s,第三层的速度为2000m/s,第四层的速度为2500m/s,第 二层为强反射层,模型网格大小为801ⅹ431,水平方向和垂直方向采样间隔为 5m,利用有限差分方法得到多炮地震记录(即图1中的地震数据,利用有限差 分方法得到地震数据是现有技术,在此不再赘述,并通过求解程函方程得到初 始格林函数(如图3-1所示),将多炮地震记录及初始格林函数作为输入进行 Marchenko格林函数重构得到如图3-2及图3-3所示的上行格林函数和下行格林 函数,可见,上行格林函数和下行格林函数中均能够清晰表达出层间多次波信息,以整个模型作为目标区进行Marchenko格林函数重构得到多个聚焦点处的 上行格林函数和下行格林函数,将上行格林函数同初始格林函数进行归一化相 关可得如图4-2所示的Marchenko成像结果,同图4-1所示的逆时偏移成像结 果进行对比可得出,Marchenko成像结果对于三个层界面的表达能力同逆时偏移 相当,同时基于归一化互相关成像条件的Marchenko成像方法能够有效压制介 于第二个层界面和第三个层界面之间以及第三个层界面以下的层间多次波虚假 构造。
【实施例五】
为进一步说明本发明方法对于层间多次波的有效处理能力,本发明采用如 图5所示的凹陷模型进行对比说明。模型网格大小为800ⅹ400,水平方向和垂 直方向的网格间距均为5m,地表检波点和震源点的个数均为400,本发明仅选 取图5中虚线方框标识的位置分别进行逆时偏移及基于归一化互相关成像条件 的Marchenko成像方法进行数据资料处理,图6-1到图6-3分别为凹陷模型初 始格林函数,上行格林函数及下行格林函数。图7-1及7-2分别为逆时偏移成 像结果及基于归一化互相关成像条件的Marchenko成像结果,经对比可得,基 于归一化互相关成像条件的Marchenko成像方法能够有效处理复杂构造情况下 的层间多次波问题,证明了本发明对于复杂模型的处理能力。
最后应说明的是,上述技术方案只是本发明的一种实施方式,对于本领域 内的技术人员而言,在本发明公开了应用方法和原理的基础上,很容易做出各 种类型的改进或变形,而不仅限于本发明上述具体实施方式所描述的方法,因 此前面描述的方式只是优选的,而并不具有限制性的意义。
Claims (10)
1.一种基于归一化互相关的Marchenko成像方法,其特征在于:所述方法以初始格林函数和校正后的地震数据作为输入,以迭代反演的方法对Marchenko方程进行数值求解得到上行格林函数和下行格林函数,并对所得到的上行格林函数和初始格林函数进行归一化互相关处理得到Marchenko成像结果。
2.根据权利要求1所述的基于归一化互相关的Marchenko成像方法,其特征在于:所述方法包括:
步骤一:获取初始聚焦函数;
步骤二:多次迭代获得Marchenko聚焦函数;
步骤三:根据所述Marchenko聚焦函数获得上行格林函数和下行格林函数;
步骤四:进行归一化互相关得到Marchenko成像结果。
4.根据权利要求3所述的基于归一化互相关的Marchenko成像方法,其特征在于:所述步骤二的操作包括:
其中,R(x0,x'0,t)为校正后的地震数据,是在x′0点处激发x0处接收得到的地表反射响应;
θ为窗函数,表达式如下:
xi为地下聚焦点空间位置;
x0为地表震源点的空间位置。
7.根据权利要求2所述的基于归一化互相关的Marchenko成像方法,其特征在于:
在所述步骤一之前还包括:数据准备步骤;
所述数据准备步骤的操作包括:
对地震数据进行校正获得校正后的地震数据;
以背景速度v0作为输入,求解程函方程得到走时场t,提取出初始时间td,计算获得初始格林函数。
8.一种基于归一化互相关的Marchenko成像系统,其特征在于:所述系统包括:
数据准备单元,用于准备所需的数据;
初始聚焦函数获取单元,与所述数据准备单元连接,用于获取初始聚焦函数;
迭代单元,分别与所述数据准备单元、初始聚焦函数获取单元连接,用于多次迭代获得Marchenko聚焦函数;
格林函数获取单元,与所述迭代单元连接,用于根据所述Marchenko聚焦函数获得上行格林函数和下行格林函数;
归一化单元,与所述格林函数获取单元连接,用于进行归一化互相关得到Marchenko成像结果。
9.一种基于归一化互相关的Marchenko成像装置,其特征在于:所述装置包括:存储器、处理器、以及存储在所述存储器上的计算机程序,所述计算机程序被所述处理器运行时执行如下步骤:
步骤一:获取初始聚焦函数;
步骤二:多次迭代获得Marchenko聚焦函数;
步骤三:根据所述Marchenko聚焦函数获得上行格林函数和下行格林函数;
步骤四:进行归一化互相关得到Marchenko成像结果。
10.一种计算机可读存储介质,其特征在于:所述计算机可读存储介质存储有计算机可执行的至少一个程序,所述至少一个程序被所述计算机执行时使所述计算机执行所述基于归一化互相关的Marchenko成像方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011081247.2A CN114428343A (zh) | 2020-10-10 | 2020-10-10 | 基于归一化互相关的Marchenko成像方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011081247.2A CN114428343A (zh) | 2020-10-10 | 2020-10-10 | 基于归一化互相关的Marchenko成像方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114428343A true CN114428343A (zh) | 2022-05-03 |
Family
ID=81309554
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011081247.2A Pending CN114428343A (zh) | 2020-10-10 | 2020-10-10 | 基于归一化互相关的Marchenko成像方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114428343A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118033746A (zh) * | 2024-04-07 | 2024-05-14 | 吉林大学 | 一种面向目标的海洋拖缆地震数据Marchenko成像方法 |
-
2020
- 2020-10-10 CN CN202011081247.2A patent/CN114428343A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118033746A (zh) * | 2024-04-07 | 2024-05-14 | 吉林大学 | 一种面向目标的海洋拖缆地震数据Marchenko成像方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kaur et al. | Seismic ground‐roll noise attenuation using deep learning | |
AU2006276744B2 (en) | Method for tomographic inversion by matrix transformation | |
US10935680B2 (en) | Generating geophysical images using directional oriented wavefield imaging | |
US10788597B2 (en) | Generating a reflectivity model of subsurface structures | |
US8706462B2 (en) | System and method for providing a physical property model | |
EA032186B1 (ru) | Сейсмическая адаптивная фокусировка | |
CN105353405B (zh) | 一种全波形反演方法和系统 | |
US20220350042A1 (en) | Method and system for super resolution least-squares reverse time migration | |
CN111766628A (zh) | 一种预条件的时间域弹性介质多参数全波形反演方法 | |
US11099290B2 (en) | Attenuating surface waves in common shot gathers of seismic data collected by a set of geophones | |
Alessandrini et al. | Inverse problem for the Helmholtz equation with Cauchy data: reconstruction with conditional well-posedness driven iterative regularization | |
WO2022187685A1 (en) | Method and system for faster seismic imaging using machine learning | |
CN114428343A (zh) | 基于归一化互相关的Marchenko成像方法及系统 | |
US12013508B2 (en) | Method and system for determining seismic processing parameters using machine learning | |
KR101318994B1 (ko) | 복수의 가중치를 이용한 지하매질 구조 추정 방법 및 장치 | |
CN114740528A (zh) | 一种超微分拉普拉斯块约束的叠前多波联合反演方法 | |
CN116068644A (zh) | 一种利用生成对抗网络提升地震数据分辨率和降噪的方法 | |
CN114137606A (zh) | 一种稳健的谱模拟反褶积方法 | |
CN113687417A (zh) | 一种三维叠前地震数据层间多次波预测和压制方法 | |
US11867856B2 (en) | Method and system for reflection-based travel time inversion using segment dynamic image warping | |
CN113985480B (zh) | 一种基于角度校正的avo反演方法及装置 | |
CN111239805A (zh) | 基于反射率法的块约束时移地震差异反演方法及系统 | |
US20230184975A1 (en) | Method and system for determining seismic velocities using global path tracing | |
CN113219534B (zh) | 一种叠前深度偏移速度质控方法、装置、介质及电子设备 | |
US20220171083A1 (en) | Systems and methods to correct seismic data for undesired effects caused by near surface velocity variations by correcting for long-wavelength statics |
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 |