CN114647006B

CN114647006B - 一种基于多重压缩感知的地震弱信号增强方法

Info

Publication number: CN114647006B
Application number: CN202210537298.4A
Authority: CN
Inventors: 赵国光; 张文涛; 曹振民; 孙锂; 张伟涛; 唐卫; 颜辉
Original assignee: Dida Huineng Beijing Technology Co ltd
Current assignee: Dida Huineng Beijing Technology Co ltd
Priority date: 2022-05-18
Filing date: 2022-05-18
Publication date: 2022-09-13
Anticipated expiration: 2042-05-18
Also published as: CN114647006A

Abstract

本发明涉及石油与天然气开采技术领域，具体涉及一种基于多重压缩感知的地震弱信号增强方法，通过首先设置不同的稀疏度参数对地震数据进行随机亚采样，对随机采样后的地震道进行稀疏小波变换，得到稀疏域系数向量，利用压实感知理论和地震弱信号的可感知性，在一定的能量范围内提取特征信号，通过反变换得到不同稀疏度下的地震数据，再对这些处理后的数据进行叠加，保证对弱信号的充分拾取，该方法可为信噪比低、地震反射能量不强地区的地下隐蔽地质体的识别提供技术支持。

Description

一种基于多重压缩感知的地震弱信号增强方法

技术领域

本发明涉及石油与天然气开采技术领域，尤其涉及一种基于多重压缩感知的地震弱信号增强方法。

背景技术

随着地震采集技术水平不断提高，勘探深度越来越深，地震数据中包含的地震信息愈加丰富。在深层和隐蔽油气藏勘探中，由于地震资料采集的条件限制和复杂地质条件等因素的影响，在原始的地震资料中会产生弱信号，即剖面中存在着较严重的随机噪声干扰有效信号，这会给地震资料的处理和解释带来困难。有必要对深层地震弱信号的增强方法进行研究，从而提升深层地震资料的质量，这也是勘探目标地震准确识别的基础性工作。

目前传统的方法有熵谱法、随机共振法、非线性叠加法等，但这些方法在放大弱信号的同时对随机噪音的压制尚不理想。

发明内容

有鉴于此，本发明的目的在于提出一种基于多重压缩感知的地震弱信号增强方法，以解决放大弱信号对随机噪音的压制不理想的问题。

基于上述目的，本发明提供了一种基于多重压缩感知的地震弱信号增强方法，包括以下步骤：

A、读取地震道，得到三维地震数据；

B、在设定范围内随机选取稀疏度，根据三维地震数据中的总道数和时间长度，构建稀疏矩阵；

C、对稀疏矩阵做小波变换，得到稀疏域系数矩阵；

D、对稀疏域系数矩阵按能量降序排列，设置能量门限值，提取符合门限值的前nn个序列；

E、对提取出的nn个序列进行稀疏反变换，得到感知后的地震数据；

F、重复步骤B-E，且步骤B中选取不同的稀疏度；

G、将所有得到的感知后的地震数据进行叠加，得到弱信号增强后的地震数据。

优选地，根据三维地震数据中的总道数和时间长度，构建稀疏矩阵包括：

构成S（i，j）（i=1，2…D，j=1，2，…M）的二维矩阵，其中M表示总道数，D表示时间长度，S表示地震道；

计算N=M*D*xsd，其中xsd表示选取的稀疏度，N表示该稀疏度控制下保留的原始地震数据点；

随机产生只有N个1、其余为0、长度分别为M、D（N<M*D）的二维随机矩阵C（i，j）（i=1，2…D，j=1，2，…M）；

对于地震道S，用C（i，j）与S（i，j）对应分量相乘，得到新的向量CS（i，j）（i=1，2…D，j=1，2，…M），其中CS表示稀疏矩阵。

优选地，稀疏度的设定范围为0.5-1.0。

优选地，能量门限值为60%。

本发明的有益效果：通过首先设置不同的稀疏度参数对地震数据进行随机采样，对随机采样后的地震道进行稀疏小波变换，得到稀疏域系数向量，利用压实感知理论和地震弱信号的可感知性，在一定的能量范围内提取特征信号，通过反变换得到不同稀疏度下的地震数据，再对这些处理后的数据进行叠加，保证对弱信号的充分拾取，该方法可为信噪比低、地震反射能量不强地区的地下隐蔽地质体的识别提供技术支持。

附图说明

为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本发明，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为本发明实施例的基于多重压缩感知的地震弱信号增强方法流程示意图；

图2为本发明实施例的济阳坳陷某地区inline1855测线原始地震剖面。

图3为本发明实施例的第二道地震数据利用小波变换做出的振幅谱图；

图4为本发明实施例的稀疏度分别为0.55、0.6、0.65、0.7下的稀疏域系数分布，即小波变换后的振幅谱图；

图5为本发明实施例的稀疏度为0.55的压缩感知处理后的剖面图；

图6为本发明实施例的稀疏度为0.60的压缩感知处理后的剖面图；

图7为本发明实施例的稀疏度为0.65的压缩感知处理后的剖面图；

图8为本发明实施例的稀疏度为0.70的压缩感知处理后的剖面图；

图9为上述4个稀疏度压缩感知处理后的叠加剖面图；

图10为稀疏度0.5-1.0之间随机10次后的叠加地震剖面图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，对本发明进一步详细说明。

需要说明的是，除非另外定义，本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。

如图1所示，本说明书实施例提供一种基于多重压缩感知的地震弱信号增强方法，包括如下步骤：

A、读取地震道，得到三维地震数据seisdata，总道数为M，时间长度为D。构成S（i，j）（i=1，2…D，j=1，2，…M）的二维矩阵；

B、在设定范围内随机选取稀疏度xsd，根据三维地震数据中的总道数和时间长度，构建稀疏矩阵CS（i，j）（i=1，2…D，j=1，2，…M）；

C、对稀疏矩阵CS做小波变换，得到稀疏域系数矩阵F（i，j）（i=1，2，3…D，j=1，2，…M），这里的稀疏域系数矩阵即小波变换后的振幅谱；

D、对稀疏域系数矩阵按能量降序排列，设置能量门限值即能量范围参数，提取符合门限值的前nn个序列，如能量门限值设置为60%，只取总振幅能量60%的前nn个序列，其他取零，得到F1（i，j）（i=1，2，3…nn,j=1,2,...M）；

E、对提取出的nn个序列，即F1（i，j）进行稀疏反变换，得到感知后的地震数据；

F、重复步骤B-E，且步骤B中选取不同的稀疏度；

作为一种实施方式，根据三维地震数据中的总道数和时间长度，构建稀疏矩阵包括：

对于地震道S，用C（i，j）与S（i，j）对应分量相乘，得到新的向量CS（i，j）（i=1，2…D，j=1，2，…M），按照压缩感知理论，这里的CS即为稀疏矩阵。

作为一种实施方式，选取稀疏度的设定范围为0.5-1.0。

压缩感知（Compressed sensing），也被称为压缩采样（Compressive sampling）或稀疏采样（Sparse sampling），是一种寻找欠定线性系统的稀疏解的技术。压缩感知被应用于电子工程尤其是信号处理中，用于获取和重构稀疏或可压缩的信号。这个方法利用讯号稀疏的特性，相较于奈奎斯特理论，得以从较少的测量值还原出原来整个欲得知的讯号。

压缩感知理论的核心思想主要包括两点。第一个是信号的稀疏结构。传统的Shannon 信号表示方法只开发利用了最少的被采样信号的先验信息，即信号的带宽。但是，现实生活中很多广受关注的信号本身具有一些结构特点。相对于带宽信息的自由度，这些结构特点是由信号的更小的一部分自由度所决定。换句话说，在很少的信息损失情况下，这种信号可以用很少的数字编码表示。所以，在这种意义上，这种信号是稀疏信号（或者近似稀疏信号、可压缩信号）。另外一点是不相关特性。稀疏信号的有用信息的获取可以通过一个非自适应的采样方法将信号压缩成较小的样本数据来完成。理论证明压缩感知的采样方法只是一个简单的将信号与一组确定的波形进行相关的操作。这些波形要求是与信号所在的稀疏空间不相关的。

压缩感知方法抛弃了当前信号采样中的冗余信息。它直接从连续时间信号变换得到压缩样本，然后在数字信号处理中采用优化方法处理压缩样本。较传统的谱整形、谱白化等拓频技术相比，其能够充分提取有效信号，而传统的谱整形、谱白化等拓频技术往往在提高弱信号分辨率的同时放大了噪音。

本方法通过首先设置不同的稀疏度参数对地震数据进行随机采样，对随机采样后的地震道进行稀疏小波变换，得到稀疏域系数向量，利用压实感知理论和地震弱信号的可感知性，在一定的能量范围内提取特征信号，通过反变换得到不同稀疏度下的地震数据，再对这些处理后的数据进行叠加，保证对弱信号的充分拾取，该方法可为信噪比低、地震反射能量不强地区的地下隐蔽地质体的识别提供技术支持。

如下提供一种基于多重压缩感知的地震弱信号增强方法的具体案例：

如图2所示，读取的三维地震数据为济阳坳陷某地区inline1855测线的原始地震剖面，图中，黑框内为地震弱反射区，地震反射特征不明显，可以看出在剖面中部500ms附近强反射上下存在明显的空白反射带，由于反射能量弱，造成对上伏的地层超覆圈闭和下伏的不整合圈闭识别难度大；

b、在设定范围内随机选取稀疏度xsd，通过实际测试，稀疏度取值应在0.5-0.99范围之间，太小出现数据不完整，处理后出现噪音太大的现象；

c、随机产生只有N个1、其余为0、长度分别为M、D（N<M*D）的二维随机矩阵C（i，j）（i=1，2…D，j=1，2，…M），即构成矩阵Φ；

d、对于地震道S，用C（i，j）与S（i，j）对应分量相乘，得到新的向量CS（i，j）（i=1，2…D，j=1，2，…M）；

e、对稀疏矩阵CS做小波变换，得到稀疏域系数矩阵F（i，j）（i=1，2，3…D，j=1，2，…M），这里的稀疏域系数矩阵即小波变换后的振幅谱；

f、对稀疏域系数矩阵按能量降序排列，设置能量门限值即能量范围参数，提取符合门限值的前nn个序列，其他取零，得到F1（i，j）（i=1，2，3…nn,j=1,2,...M）, 通过实际应用，能量范围的取值应在0.6-0.7左右，太小，有效信号提取不全，太大，会取出一部分噪音;

g、对提取出的nn个序列，即F1（i，j）进行稀疏反变换，得到感知后的地震数据；

h、返回步骤b，改变xsd，根据需要重复多次；

i、将所有得到的感知后的地震数据进行叠加，得到弱信号增强后的地震数据。

为检测方法的可行性，取出原始地震第二道数据，图3为其小波变换后得到的振幅谱，在振幅谱高频段振幅弱，有效信号和噪音难以区分，图3分别为稀疏度取0.55、0.6、0.65、0.7下的稀疏域系数分布，即振幅谱，图中横坐标为频率（HZ），纵坐标为振幅能量，地震主频在38HZ，频宽在10-100HZ左右，可以看出对32、38HZ两个能量集中段，10-50HZ范围内，不同稀疏域系数矩阵（振幅谱）均能感知，但对于高频段（大于50HZ），感知的能量有差异，通过多次的取值，可以充分感知高频段的弱的有效信号。

图5到图8分别为稀疏度0.55、0.6、0.65、0.7压缩感知处理后的地震剖面，可以看出，50HZ一下，各种稀疏度下感知的能量分布基本一致，但在50HZ以上的高频段，感知的弱信号存在差异，但普遍弱信号得到了增强，图9为上述4个不同稀疏度下处理后地震数据的叠加，较原始信号，其在潜山顶面上下的弱信号得到了明显的增强。

实际运行过程中，稀疏度在0.5-1.0之间随机取值10次，得到最终的处理后剖面（图10）。可以看出较原始剖面，地层结构更为清晰，可为勘探部署提供充分的依据。

所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本发明的范围（包括权利要求）被限于这些例子；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明它们没有在细节中提供。

本发明旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本发明的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims

1.一种基于多重压缩感知的地震弱信号增强方法，其特征在于，包括以下步骤：

A、读取地震道，得到三维地震数据；

C、对稀疏矩阵做小波变换，得到稀疏域系数矩阵；

F、重复步骤B-E，且步骤B中选取不同的稀疏度；

G、将所有得到的感知后的地震数据进行叠加，得到弱信号增强后的地震数据；

所述根据三维地震数据中的总道数和时间长度，构建稀疏矩阵包括：

构成S（i，j）的二维矩阵，其中i=1，2…D，j=1，2，…M，M表示总道数，D表示时间长度，S表示地震道；

首先计算N=M*D*xsd，其中xsd表示选取的稀疏度，M*D表示记录的所有地震数据点，N表示该稀疏度控制下保留的原始地震数据点；

随机产生只有N个1、其余为0、长度分别为M、D的二维随机矩阵C（i，j），其中N<M*D；

对于地震道S，用C（i，j）与S（i，j）对应分量相乘，得到新的向量CS（i，j），其中CS表示稀疏矩阵；

选取稀疏度的设定范围为0.5-1.0。

2.根据权利要求1所述的基于多重压缩感知的地震弱信号增强方法，其特征在于，所述能量门限值为60%。