CN116299689A - 构建近地表速度模型的方法及装置 - Google Patents

构建近地表速度模型的方法及装置 Download PDF

Info

Publication number
CN116299689A
CN116299689A CN202111572999.3A CN202111572999A CN116299689A CN 116299689 A CN116299689 A CN 116299689A CN 202111572999 A CN202111572999 A CN 202111572999A CN 116299689 A CN116299689 A CN 116299689A
Authority
CN
China
Prior art keywords
model
data
stratum
dispersion curve
target
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
Application number
CN202111572999.3A
Other languages
English (en)
Inventor
张华�
李乐
金德刚
彭文
曹中林
张亨
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 National Petroleum Corp
BGP Inc
Original Assignee
China National Petroleum Corp
BGP Inc
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 National Petroleum Corp, BGP Inc filed Critical China National Petroleum Corp
Priority to CN202111572999.3A priority Critical patent/CN116299689A/zh
Publication of CN116299689A publication Critical patent/CN116299689A/zh
Pending legal-status Critical Current

Links

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
    • G01V1/30—Analysis
    • G01V1/303—Analysis for determining velocity profiles or travel times
    • 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
    • G01V1/282—Application of seismic models, synthetic seismograms
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/60—Analysis
    • G01V2210/62—Physical property of subsurface
    • G01V2210/622—Velocity, density or impedance
    • G01V2210/6222—Velocity; travel time

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

本发明公开了一种构建近地表速度模型的方法，属于地震勘探领域。所述方法包括：获取目标区域的地震炮三维面波数据中的线性面波数据，处理得到频散曲线数据，建立所述目标区域的可变层初始模型，将所述可变层初始模型设置为目标模型，计算预测频散曲线数据，基于频散曲线数据和所述预测频散曲线数据的差值以及目标模型中每个检波点处的每个地层的速度的修正值，优化目标模型，处理可变层优化模型，得到目标区域的三维可变层速度模型，建立目标区域的工区高程面模型，将三维可变层速度模型与工区高程面模型融合，得到目标区域的近地表速度模型。采用本申请，有助于解决通过纵波地震资料构建速度模型的近地表细节刻画精度不高的问题。

Description

构建近地表速度模型的方法及装置
技术领域
本发明涉及地震勘探领域，特别涉及一种构建近地表速度模型的方法及装置。
背景技术
西部油田已成为我国油气勘探的主战场，但是西部地区近地表结构复杂，主要存在高程起伏变化大、低降速带发育、噪声发育严重等问题，该地区为有效进行油气勘探带来极大的挑战，尤其是对于高精度的近地表速度模型构建提出来新的技术要求。
传统基于地震大炮数据的近地表建模方法主要采用纵波初至层析反演手段，但是该方法仅用于纵波地震资料，通过纵波地震资料构建速度模型的近地表细节刻画精度不高，对于地层厚度及层数的体现不精确。
发明内容
本申请实施例提供了一种构建近地表速度模型的方法及装置，能够解决通过纵波地震资料构建速度模型的近地表细节刻画精度不高的问题。所述技术方案如下：
一方面，提供了一种构建近地表速度模型的方法，所述方法包括：
获取目标区域的地震炮三维面波数据，其中，所述地震炮三维面波数据包括所述目标区域内的多个检波点的面波数据，多个检波点在水平面上的投影点呈矩阵式分布；
在所述多个检波点中的每个近偏移距检波点的面波数据中，分别获取呈线性分布的部分数据，得到每个近偏移距检波点的线性面波数据；
对每个近偏移距检波点的线性面波数据，分别进行高信噪比相位谱成像处理，得到每个近偏移距检波点的相位谱数据；
对每个近偏移距检波点的相位谱数据，分别进行批量自动拾取，得到每个近偏移距检波点的批量频散曲线数据；
基于所述每个近偏移距检波点的批量频散曲线数据和半波长曲线计算公式，建立所述目标区域的可变层初始模型，其中，所述可变层初始模型包括多个检波点处每个地层对应的厚度、面波频率和面波速度；
将所述可变层初始模型设置为目标模型，并设置循环参考量S的取值为1；
基于所述可变层初始模型计算第一预测频散曲线数据；
计算每个近偏移距检波点的批量频散曲线数据和所述第一预测频散曲线数据的差值，将其作为第一差值集合；
基于S的取值确定所述目标模型对应的合并地层模型，并基于所述目标模型中每个地层对应的历史处理次数确定所述目标模型对应的拆分地层模型，其中，所述地层对应的历史处理次数是在得到所述目标模型中所述地层对应的数据的过程中所经过的拆分处理和合并处理的次数；
基于所述拆分地层模型计算第一频散曲线数据，基于所述合并地层模型计算第二频散曲线数据；
计算所述第一频散曲线数据和每个近偏移距检波点的批量频散曲线数据的差值，将其作为第二差值集合；
计算所述第二频散曲线数据和每个近偏移距检波点的批量频散曲线数据的差值，将其作为第三差值集合；
比较所述第一差值集合中所有差值的第一平均值、所述第二差值集合中所有差值的第二平均值、与所述第三差值集合中所有差值的第三平均值，如果所述第一平均值小于所述第二平均值与所述第三平均值则将所述可变层初始模型确定为更新模型，如果所述第二平均值小于所述第一平均值与所述第三平均值，则将所述拆分地层模型确定为更新模型，如果所述第三平均值小于所述第一平均值与所述第二平均值，则将所述合并地层模型确定为更新模型；
基于所述更新模型计算第二预测频散曲线数据，计算每个近偏移距检波点的批量频散曲线数据和所述第二预测频散曲线数据的差值；
基于每个近偏移距检波点的批量频散曲线数据和预测频散曲线数据的差值，计算所述目标模型中每个检波点处的每个地层的速度的修正量，将修正量叠加至所述更新模型，得到二次更新模型；
如果不满足循环结束条件，则将所述二次更新模型，设置为目标模型，并将S的取值加1，转至执行基于S的取值确定所述目标模型对应的合并地层模型，并基于所述目标模型中每个地层对应的历史处理次数确定所述目标模型对应的拆分地层模型，如果满足循环结束条件，则将所述二次更新模型确定为可变层优化模型；
通过三维插值算法处理所述可变层优化模型，得到所述目标区域的三维可变层速度模型；
基于所述三维面波数据中的检波点位置信息和高程信息，建立所述目标区域的工区高程面模型；
将所述三维可变层速度模型与所述工区高程面模型融合，得到所述目标区域的近地表速度模型。
在一种可能的实现方式中，所述线性面波数据包括多个时间点对应的面波振幅，所述对每个近偏移距检波点的线性面波数据，分别进行高信噪比相位谱成像处理，得到每个近偏移距检波点的相位谱数据，包括：
基于每个近偏移距检波点的线性面波数据，确定每个近偏移距检波点的面波振幅与频率的关系函数、以及每个近偏移距检波点的速度；
基于公式
Figure BDA0003424409120000031
确定每个近偏移距检波点的初始相位谱数据，其中,F表示初始相位谱数据，φi表示第i个近偏移距检波点的线性面波数据的傅里叶变换，ω表示频率，ri表示第i个近偏移距检波点的偏移距，A(ω，ri)表示第i个近偏移距检波点的面波振幅与频率的关系函数，vi表示第i个近偏移距检波点的速度，N表示道数；
在所有近偏移距检波点的初始相位谱数据中，确定存在线性干扰的数据单元；
基于存在线性干扰的数据单元中的波速和频率，确定线性干扰速度；
在所述每个近偏移距检波点的初始相位谱数据中，滤除所述线性干扰速度对应的数据，得到每个近偏移距检波点的相位谱数据。
在一种可能的实现方式中，所述对每个近偏移距检波点的相位谱数据，分别进行批量自动拾取，得到每个近偏移距检波点的批量频散曲线数据，包括：
基于每个近偏移距检波点的位置，对所有近偏移距检波点进行分组，得到多个组；
对于每个组，在所述组包含的多个近偏移距检波点的相位谱数据中，抽取部分相位谱数据，通过最大能量法确定所述部分相位谱数据对应的频散曲线，作为所述组对应的种子曲线；
确定每个组对应的种子曲线的速度范围，对每个组对应的种子曲线的速度范围进行预设的扩大调整，得到每个组对应的扩大调整后的速度范围，确定所有组对应的扩大调整后的速度范围的并集，得到目标速度范围；
在每个近偏移距检波点的相位谱数据中，获取所述目标速度范围对应的相位谱数据，得到每个近偏移距检波点的批量频散曲线数据。
在一种可能的实现方式中，所述基于S的取值确定所述目标模型对应的合并地层模型，包括：
对所述目标模型中第S个地层和第S+1个地层进行合并得到合并地层模型。
在一种可能的实现方式中，所述基于所述目标模型中每个地层对应的历史处理次数确定所述目标模型对应的拆分地层模型，包括：
在所述目标模型的所有地层中，确定对应的历史处理次数最少的地层中位置最靠上的目标地层，对所述目标模型中的所述目标地层进行拆分得到拆分地层模型。
在一种可能的实现方式中，所述基于所述每个近偏移距检波点的批量频散曲线数据和预测频散曲线数据的差值计算修正量，包括：
求解
Figure BDA0003424409120000041
得到更新模型中每个检波点处的每个地层的速度的修正值。
其中：Φ表示为待求解变量，a表示预设的阻尼因子，W表示预设的加权矩阵，Δb表示每个近偏移距检波点的批量频散曲线数据和预测频散曲线数据的差值，Δx表示目标模型中每个检波点处的每个地层的速度的修正值，Δx为待求解变量，J表示雅克比矩阵，σ0表示预设的加权因子，x0表示预设的约束模型。
另一方面，提供了一种构建近地表速度模型的装置，所述装置包括：
第一获取模块，用于获取目标区域的地震炮三维面波数据，其中，所述地震炮三维面波数据包括所述目标区域内的多个检波点的面波数据，多个检波点在水平面上的投影点呈矩阵式分布；
第二获取模块，在所述多个检波点中的每个近偏移距检波点的面波数据中，分别获取呈线性分布的部分数据，得到每个近偏移距检波点的线性面波数据；
成像模块，对每个近偏移距检波点的线性面波数据，分别进行高信噪比相位谱成像处理，得到每个近偏移距检波点的相位谱数据；
自动拾取模块，对每个近偏移距检波点的相位谱数据，分别进行批量自动拾取，得到每个近偏移距检波点的批量频散曲线数据；
第一建立模块，用于基于所述每个近偏移距检波点的批量频散曲线数据和半波长曲线计算公式，建立所述目标区域的可变层初始模型，其中，所述可变层初始模型包括多个检波点处每个地层对应的厚度、面波频率和面波速度；
第一设置模块，用于将所述可变层初始模型设置为目标模型，并设置循环参考量S的取值为1；
第一计算模块，用于基于所述可变层初始模型计算第一预测频散曲线数据；
第二计算模块，用于基于计算每个近偏移距检波点的批量频散曲线数据和所述第一预测频散曲线数据的差值，将其作为第一差值集合
确定模块，用于基于S的取值确定所述目标模型对应的合并地层模型，并基于所述目标模型中每个地层对应的历史处理次数确定所述目标模型对应的拆分地层模型，其中，所述地层对应的历史处理次数是在得到所述目标模型中所述地层对应的数据的过程中所经过的拆分处理和合并处理的次数；
第三计算模块，用于基于所述拆分地层模型计算第一频散曲线数据，基于所述合并地层模型计算第二频散曲线数据；
第四计算模块，用于计算所述第一频散曲线数据和每个近偏移距检波点的批量频散曲线数据的差值，将其作为第二差值集合；
第五计算模块，用于计算所述第二频散曲线数据和每个近偏移距检波点的批量频散曲线数据的差值，将其作为第三差值集合；
比较模块，用于比较所述第一差值集合中所有差值的第一平均值、所述第二差值集合中所有差值的第二平均值与所述第三差值集合中所有差值的第三平均值，如果所述第一平均值小于所述第二平均值与所述第三平均值则将所述可变层初始模型确定为更新模型，如果所述第二平均值小于所述第一平均值与所述第三平均值，则将所述拆分地层模型确定为更新模型，如果所述第三平均值小于所述第一平均值与所述第二平均值，则将所述合并地层模型确定为更新模型；
第六计算模块，用于基于所述更新模型计算第二预测频散曲线数据，计算每个近偏移距检波点的批量频散曲线数据和所述第二预测频散曲线数据的差值；
第七计算模块，用于基于每个近偏移距检波点的批量频散曲线数据和第二预测频散曲线数据的差值，计算所述目标模型中每个检波点处的每个地层的速度的修正量，将修正量叠加至所述更新模型，得到二次更新模型；
更新模块，用于如果不满足循环结束条件，则将所述二次更新模型，设置为目标模型，并将S的取值加1，转至执行基于S的取值确定所述目标模型对应的合并地层模型，并基于所述目标模型中每个地层对应的历史处理次数确定所述目标模型对应的拆分地层模型，如果满足循环结束条件，则将所述二次更新模型确定为可变层优化模型；
差值处理模块，用于通过三维插值算法处理所述可变层优化模型，得到所述目标区域的三维可变层速度模型；
第二建立模块，用于基于所述三维面波数据中的检波点位置信息和高程信息，建立所述目标区域的工区高程面模型；
融合模块，用于将所述三维可变层速度模型与所述工区高程面模型融合，得到所述目标区域的近地表速度模型。
本发明提出一种构建近地表速度模型的方法及装置。利用面波的传播规律建立近地表速度模型，在构建近地表速度模型的过程中更新地层厚度及层数，建立更精确的近地表速度模型，更好地表现地表变化的细节特征，解决了现有技术中构建速度模型的近地表细节刻画精度不高的问题。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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的一些实施例，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是本发明实施例提供的一种实施环境示意图；
图2是本发明实施例提供的一种构建近地表速度模型方法的流程图；
图3是本发明实施例提供的一种确定可变层优化模型的流程图；
图4是本发明实施例提供的一种构建近地表速度模型装置的结构图；
图5是本发明实施例提供的一种计算机设备的结构图。
图例说明
1、检波点；2、检波线；3、炮点。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。为了便于对本发明实施例的理解，下面首先介绍本发明实施例涉及的应用场景、以及所涉及到名词的概念。
炮点，在地震野外工作中进行激发地震波的地点。
检波点，每个检波器为一个检波点。
检波线，多个检波器通过检波线连接。
偏移距，炮点与检波点之间的距离。
近偏移距检波点，距离炮点距离最近的检波点。如果存在多个炮点，则对应的存在多个近偏移距检波点。
面波，地震波中一种特殊类型的波，只存在于界面附近，振幅随着离开界面深度的增加而按指数减弱。
初至波，地震波波前首先到达某个观测点,此点介质的质点开始发生振动的时刻，并记录下来的波。
初至速度，初至波的波速。
道数，检波线的数量。
每道数据，一个检波点所检测到的所有数据。
本申请的实施环境可以为：野外勘测人员在需要勘测的地面上布置检波器，通过检波线将检波器连接。如图1所示，多个检波器在水平面上的投影点呈矩阵式分布，每条检波线竖直排列，连接不同的检波点。同时，布置多组炮点，每组炮点呈直线排列。按照一定时间间隔激发多组地震炮，通过检波器接收地震炮引发的地震波。
本申请实施例提供的一种构建近地表速度模型的方法，该方法的执行主体可以为服务器。该服务器可以是某应用程序的后台服务器，该服务器可以是一个单独的服务器也可以是一个服务器组，如果是单独的服务器，该服务器可以负责下述方案中的所有处理，如果是服务器组，服务器组中的不同服务器分别可以负责下述方案中的不同处理，具体的处理分配情况可以由技术人员根据实际需求任意设置，此处不再赘述。
服务器可以包括处理器和存储器等部件，处理器与存储器连接。
处理器可以为是中央处理器(central processing unit，CPU)或系统级芯片(system on chip，SoC)等。处理器可以用于确定每个近偏移距检波点的线性面波数据，可以用于确定批量频散曲线数据，可以用于建立目标区域的可变层初始模型，可以用于训练可变层初始模型等。
存储器可以包括各种易失性存储器或非易失性存储器，如固态硬盘(solid statedisk，SSD)、动态随机存取存储器(dynamic random access memory，DRAM)内存等。存储器可以用于存储构建近地表速度模型的训练过程中需要预存的数据、产生的中间数据和产生的结果数据等，如面波频率、面波速度和预测面波速度等。
本申请实施例提供一种构建近地表速度模型方法。图1本申请实施例提供的一种构建近地表速度模型方法的流程图，包括如下步骤：
101、获取地震炮三维面波数据。
在地表设置多个检波器，多个检波器在水平面上的投影点呈矩阵式分布，每个检波器为一个检波点。通过多条检波线将不同检波器连接，其中每条检波线竖直排列。按照一定时间间隔激发多组地震炮，将检波器所检测到的多组地震炮的三维面波数据传输至终端，得到地震炮三维面波数据。
102、在多个检波点中的每个近偏移距检波点的面波数据中，分别获取呈线性分布的部分数据，得到每个检波点的线性面波数据。
删除地震炮三维面波数据中初至波到达多个检波点以前的所有时间值所对应的三维面波数据，得到切除后的地震炮三维面波数据。基于三维面波数据中的时间值和偏移距数据计算初至波的初至速度，基于初至速度计算每个检波点对应的校正时间段。任一检波线上每个检波点对应的校正时间段是由该检波线上近偏移距检波点接收到初至波的时间到该检波线上其他的每个检波点接收到初至波的时间之间的时间段。将切除后的地震炮三维面波数据的校正时间段所对应的三维面波数据删除，得到每个检波点的线性面波数据。
如表1所示，线性面波数据可以包括不同时间值所对应的面波振幅、偏移距值、道号、炮号等数据。
Figure BDA0003424409120000091
表1
在一种可能的实施方式中，基于三维面波数据中的时间值和偏移距数据计算初至波的初至速度的方法包括：
抽取部分地震炮的三维面波数据，分别在不同地震炮的三维面波数据中获取同一条检波线上两个检波点接收到初至波时所对应的时间值和两个检波点的偏移距数据，将两个检波点的偏移距数据的差值除以两个检波点接收到初至波时所对应的时间值的差值，得到该检波线所接收到的初至波的初至速度。对抽取的不同地震炮的初至速度求平均值，得到地震炮三维面波数据中的初至波的初至速度。
在一种可能的实施方式中，基于初至速度计算每道数据的校正时间段，将切除后的地震炮三维面波数据的校正时间段所对应的三维面波数据删除，得到每个检波点的线性面波数据的方法包括：
获取地震炮三维面波数据中每道数据的偏移距数据，偏移距数据除以初至波的初至速度，得到每道数据的校正时间段。将删除时间数据的地震炮三维面波数据中每道数据的校正时间段所对应的三维面波数据删除，得到每个检波点的线性面波数据。
103、对每个近偏移距检波点的线性面波数据，分别进行高信噪比相位谱成像处理，得到每个近偏移距检波点的相位谱数据。
基于公式
Figure BDA0003424409120000101
确定每个近偏移距检波点的初始相位谱数据，公式中：F表示初始相位谱数据，φi表示第i个近偏移距检波点的线性面波数据的傅里叶变换，ω表示频率，ri表示第i个近偏移距检波点的偏移距，A(ω，ri)表示第i个近偏移距检波点的面波振幅与频率的关系函数，vi表示第i个近偏移距检波点的速度，N表示道数。在所有近偏移距检波点的初始相位谱数据中，确定存在线性干扰的数据单元。基于存在线性干扰的数据单元中的波速和频率，确定线性干扰速度。在每个近偏移距检波点的初始相位谱数据中，滤除线性干扰速度对应的数据，得到每个近偏移距检波点的相位谱数据。
如表2所示，相位谱数据包括速度、频率等数据。
Figure BDA0003424409120000111
表2
在一种可能的实施方式中，基于公式
Figure BDA0003424409120000112
确定每个近偏移距检波点的初始相位谱数据的方法包括：
将每个近偏移距检波点的线性面波数据中的道号以及时间数据输入公式
Figure BDA0003424409120000113
得到速度和频率数据，即每个近偏移距检波点的初始相位谱数据。
在一种可能的实施方式中，在所有近偏移距检波点的初始相位谱数据中，确定存在线性干扰的数据单元的方法包括：
将近偏移距检波点的初始相位谱数据在交互软件中显示，通过经验丰富的本领域技术人员观察相位谱数据在交互软件中的显示结果，确定存在线性干扰的数据单元。
在一种可能的实施方式中，基于存在线性干扰的数据单元中的波速和频率，确定线性干扰速度的方法包括：
基于存在线性干扰的数据单元中任意两组波速和频率数据，通过线性公式计算线性干扰速度，确定初始相位谱数据中的线性干扰速度。
在一种可能的实施方式中，基于存在线性干扰的数据单元中的波速和频率，确定线性干扰速度的方法包括：
将近偏移距检波点的初始相位谱数据在交互软件中显示，在线性干扰所在位置任选两点，计算两点之间连线的斜率值，将斜率值作为初始相位谱数据中的线性干扰速度。
在一种可能的实施方式中，在每个近偏移距检波点的初始相位谱数据中，滤除线性干扰速度对应的数据，得到每个近偏移距检波点的相位谱数据的方法包括：
随机抽取所有近偏移距检波点的初始相位谱数据中的部分初始相位谱数据，计算部分初始相位谱数据中的线性干扰速度，获得部分初始相位谱数据中的线性干扰的速度范围。基于部分初始相位谱数据中的线性干扰的速度范围，识别所有近偏移距检波点的初始相位谱数据中存在线性干扰的数据单元，滤除部分初始相位谱数据中的线性干扰的速度范围的对应数据，得到每个近偏移距检波点的相位谱数据。
104、对每个近偏移距检波点的相位谱数据，分别进行批量自动拾取，得到每个近偏移距检波点的批量频散曲线数据。
基于每个近偏移距检波点的位置，对所有近偏移距检波点进行分组，得到多个组。对于每个组，在组包含的多个近偏移距检波点的相位谱数据中，抽取部分相位谱数据，通过最大能量法确定部分相位谱数据对应的频散曲线，作为组对应的种子曲线。确定每个组对应的种子曲线的速度范围，对每个组对应的种子曲线的速度范围进行预设的扩大调整，得到每个组对应的扩大调整后的速度范围，确定所有组对应的扩大调整后的速度范围的并集，得到目标速度范围。在每个近偏移距检波点的相位谱数据中，获取目标速度范围对应的相位谱数据，得到每个近偏移距检波点的批量频散曲线数据。
如表3所示，批量频散曲线数据包括速度、频率等数据。
Figure BDA0003424409120000121
表3
在一种可能的实施方式中，基于每个近偏移距检波点的位置，对所有近偏移距检波点进行分组，得到多个组的方法包括：
获取每个近偏移距检波点的检波线号、检波点号，根据每个近偏移距检波点的炮线号、炮点号、检波线号、检波点号对所有近偏移距检波点进行分组。将同一炮点的数据组成炮集数据，得到多个炮集数据。基于检波线号、检波点号数据对多个炮集数据分为不同坐标区域的炮集数据，得到多个组。
在一种可能的实施方式中，抽取部分相位谱的方法包括：
在多个组包含的多个近偏移距检波点的相位谱数据中，按照炮号间隔抽取部分相位谱数据，如：每隔100炮抽取一组相位谱数据，每隔200炮抽取一组相位谱数据，每隔300炮抽取一组相位谱数据。
在一种可能的实施方式中，通过最大能量法确定部分相位谱数据对应的频散曲线的方法包括：
对于每组部分相位谱数据，在相位谱数据中的频率值所对应的速度值中提取对应的能量最大值的速度值，将对应的能量最大值的速度值与相位谱数据中的频率值对应，组成部分相位谱数据对应的频散曲线。
在一种可能的实施方式中，确定每个组对应的种子曲线的速度范围，对每个组对应的种子曲线的速度范围进行预设的扩大调整，得到每个组对应的扩大调整后的速度范围，确定所有组对应的扩大调整后的速度范围的并集，得到目标速度范围的方法包括：
在每个组对应的种子曲线中，获取每一条种子曲线的速度范围。在每一条种子曲线的速度范围的最大值上增加调整速度值，在每一条种子曲线的速度范围的最小值上减小调整速度值，得到经过扩大调整的种子曲线的速度范围。对于所有组对应的扩大调整后的速度范围的并集，得到目标速度范围。其中，调整速度值的大小为本领域技术人员设置的值。
在一种可能的实施方式中，可以手动修改频散曲线，提高频散曲线拾取的准确度。在拾取种子曲线的过程中，可以通过交互软件显示频散曲线，由本领域技术人员基于经验手动修改频散曲线，选择保留频散曲线中数值准确的点，删除频散曲线中数值不准确的点，以提高频散曲线拾取的准确度。本领域技术人员手动修改频散曲线的标准可以为：频散曲线数据与相位谱数据相吻合。
105、基于每个近偏移距检波点的批量频散曲线数据和半波长曲线计算公式，建立目标区域的可变层初始模型。
其中，可变层初始模型包括多个检波点处每个地层对应的厚度、面波频率和面波速度。
将每个近偏移距检波点的批量频散曲线数据输入半波长曲线计算公式，设置地层数量以及每个地层的厚度，建立可变层初始模型。
106、基于可变层初始模型确定可变层优化模型。
图3为本申请步骤106确定可变层优化模型的流程图。确定可变层优化模型的流程为：
106a、将可变层初始模型设置为目标模型，并设置循环参考量S的取值为1。
将步骤105中得到的可变层初始模型作为目标模型，并设置循环参考量S的取值为1，通过步骤107-步骤111对目标模型进行优化。
106b、基于可变层初始模型计算预测频散曲线数据。
将步骤104中得到的批量频散曲线数据中的面波频率输入可变层初始模型，计算预测面波速度，得到预测频散曲线数据。其中，不同面波频率对应不同预测面波速度。
106c、计算每个近偏移距检波点的批量频散曲线数据和预测频散曲线数据的差值，将其作为第一差值集合。
其中，第一差值集合包括每个近偏移距检波点对应的差值。
基于每个近偏移距检波点的批量频散曲线数据中面波频率所对应的面波速度与根据目标模型计算的预测频散曲线数据中面波频率所对应的预测面波速度，计算同一面波频率对应的面波速度与预测面波速度的差值。
106d、基于S的取值确定目标模型对应的合并地层模型，并基于目标模型中每个地层对应的历史处理次数确定所述目标模型对应的拆分地层模型，其中，地层对应的历史处理次数是在得到目标模型中地层对应的数据的过程中所经过的拆分处理和合并处理的次数；
对目标模型中第S个地层和第S+1个地层进行合并得到合并地层模型。在目标模型的所有地层中，确定对应的历史处理次数最少的地层中位置最靠上的目标地层，对目标模型中的目标地层进行拆分得到拆分地层模型。
在一种可能的实现方式中，地层对应的历史处理次数是在得到目标模型中地层对应的数据的过程中所经过的拆分处理和合并处理的次数，包括：
可变层初始模型包括A、B、C、D、E层，将可变层初始模型设置为目标模型。
在S＝1时，目标模型中的A、B、C、D、E层对应的拆分处理和合并处理的次数均为0，故每层对应的历史处理次数也均为0。目标模型中的A层为第1个地层，目标模型中的B层为第2个地层，目标模型中的C层为第3个地层，目标模型中的D层为第4个地层，目标模型中的E层为第5个地层。
在拆分地层模型时，确定对应的历史处理次数最少的地层中位置最靠上的地层A为目标地层，对目标地层进行拆分。将地层A拆分为地层A1和地层A2，将A1、A2、B、C、D、E作为第一拆分地层模型。在第一拆分地层模型中，地层A1和地层A2对应的历史处理次数为1次，地层B、地层C、地层D、地层E对应的历史处理次数为0次。在合并地层模型时，对目标模型中的第1个地层和第2个地层进行合并得到合并地层模型，即对地层A、地层B进行合并，将地层A、地层B合并为地层S1，将S1、C、D、E作为第一合并地层模型。在第一合并地层模型中，地层S1对应的历史处理次数为1次，地层C、地层D、地层E对应的历史处理次数为0次。
在S＝2时，若将第一拆分地层模型A1、A2、B、C、D、E作为目标模型，目标模型A1、A2、B、C、D、E层中的地层A1、地层A2对应的拆分处理次数为1，B、C、D、E层的拆分处理和合并处理的次数均为0。目标模型中，地层A1和地层A2对应的历史处理次数为1次，地层B、地层C、地层D、地层E对应的历史处理次数为0次。目标模型中的A1层为第1个地层，目标模型中的A2层为第2个地层，目标模型中的B层为第3个地层，目标模型中的C层为第4个地层，目标模型中的D层为第5个地层，目标模型中的E层为第6个地层。
在拆分地层模型时，确定对应的历史处理次数最少的地层中位置最靠上的地层B为目标地层，对目标地层进行拆分。将地层B拆分为地层B1和地层B2，将A1、A2、B1、B2、C、D、E作为第二拆分地层模型。在第二拆分地层模型中，地层A1、地层A2、地层B1和地层B2对应的历史处理次数为1次，地层C、地层D、地层E对应的历史处理次数为0次。在合并地层模型时，对目标模型中的第2个地层和第3个地层进行合并得到合并地层模型，即对地层A2、B1进行合并，将地层A2、地层B1合并为地层S2，将A1、S2、B2、C、D、E作为第二合并地层模型。在第二合并地层模型中，地层A1、地层B2对应的历史处理次数为1次，地层S2对应的历史处理次数为2次，地层C、地层D、地层E对应的历史处理次数为0次。
在S＝2时，若将第一合并地层模型S1、C、D、E作为目标模型，目标模型S1、C、D、E层中的S1、C、D、E层对应的拆分处理次数为0，地层S1对应的合并处理的次数为1。在目标模型中，地层S1对应的历史处理次数为1次，地层C、地层D、地层E对应的历史处理次数为0次。目标模型中的S1层为第1个地层，目标模型中的C层为第2个地层，目标模型中的D层为第3个地层，目标模型中的E层为第4个地层。
在拆分地层模型时，确定对应的历史处理次数最少的地层中位置最靠上的地层C为目标地层，对目标地层进行拆分。将地层C拆分为地层C1和地层C2，将S1、C1、C2、D、E作为第三拆分地层模型。在第三拆分地层模型中，地层S1、地层C1和地层C2对应的历史处理次数为1次，地层D和地层E对应的历史处理次数为0次。在合并地层模型时，对目标模型中的第2个地层和第3个地层进行合并得到合并地层模型，即对地层C、D进行合并，将地层C、地层D合并为地层S2，将S1、S2、D、E作为第三合并地层模型。在第三合并地层模型中，地层S1和地层S2对应的历史处理次数为1次，地层D、地层E对应的历史处理次数为0次。
在一种可能的实现方式中，对目标模型中的目标地层进行拆分得到拆分地层模型，包括：
将目标模型中第N个地层对应的数据拆分为两个地层对应的数据，其中，两个地层包括第一地层和第二地层，在拆分得到的地层对应的数据中，第一地层对应的厚度等于第二地层对应的厚度等于第N个地层对应的厚度值的一半，第一地层对应的面波频率等于第二地层对应的面波频率等于第N个地层对应的面波频率。基于第一地层对应的厚度和面波频率，计算第一地层对应的预测面波速度，基于第二地层对应的厚度和面波频率，计算第二地层对应的预测面波速度所述第二地层对应的预测面波速度。
基于公式
Figure BDA0003424409120000171
计算所述第一地层对应的预测面波速度和所述第二地层对应的预测面波速度，其中：所述地层为标识为i的地层，v(i)表示地层i的预测面波速度，h(i)表示地层i的厚度，k表示地层递增系数值，k为固定数值，取值范围为0<k<1，depth表示地层i的深度值，layer表示地层的层数，f(i)表示地层i的面波频率。
在一种可能的实现方式中，对目标模型中第S个地层和第S+1个地层进行合并得到合并地层模型，包括：
将目标模型中第S个地层中和第S+1个地层对应的数据合并为一个地层对应的数据，其中，在合并得到的地层对应的数据中，地层对应的厚度等于第S个地层和第S+1个地层对应的厚度的平均值，地层对应的面波速度等于第S个地层和第S+1个地层对应的面波速度的平均值。
106e、基于拆分地层模型计算第一频散曲线数据，基于合并地层模型计算第二频散曲线数据。
对拆分地层模型进行正演，得到第一频散曲线数据。对合并地层模型进行正演，得到第二频散曲线数据。
106f、计算第一频散曲线数据和每个近偏移距检波点的批量频散曲线数据的差值，将其作为第二差值集合。
其中，第二差值集合包括每个近偏移距检波点对应的差值。
基于每个近偏移距检波点的批量频散曲线数据中面波频率所对应的面波速度与根据目标模型计算的预测频散曲线数据中面波频率所对应的预测面波速度，计算同一面波频率对应的面波速度与预测面波速度的差值。
106g、计算第三频散曲线数据和每个近偏移距检波点的批量频散曲线数据的差值，将其作为第三差值集合。
其中，第三差值集合包括每个近偏移距检波点对应的差值。
基于每个近偏移距检波点的批量频散曲线数据中面波频率所对应的面波速度与根据目标模型计算的预测频散曲线数据中面波频率所对应的预测面波速度，计算同一面波频率对应的面波速度与预测面波速度的差值。
106h、比较所述第一差值集合中所有差值的第一平均值与所述第二差值集合中所有差值的第二平均值与所述第三差值集合中所有差值的第三平均值，如果所述第一平均值小于所述第二平均值与所述第三平均值则将所述可变层初始模型确定为更新模型，如果所述第二平均值小于所述第一平均值与所述第三平均值，则将所述拆分地层模型确定为更新模型，如果所述第三平均值小于所述第一平均值与所述第二平均值，则将所述合并地层模型确定为更新模型；
计算第一差值集合中每个近偏移距检波点对应的差值的平均值，将其作为第一平均值。计算第二差值集合中每个近偏移距检波点对应的差值的平均值，将其作为第二平均值。计算第三差值集合中每个近偏移距检波点对应的差值的平均值，将其作为第三平均值。比较第一差值集合中所有差值的第一平均值与第二差值集合中所有差值的第二平均值与第三差值集合中所有差值的第三平均值，如果第一平均值小于第二平均值与第三平均值则将所述可变层初始模型确定为更新模型，如果第二平均值小于第一平均值与第三平均值，则将拆分地层模型确定为更新模型，如果第三平均值小于第一平均值与第二平均值，则将合并地层模型确定为更新模型。
106i、基于所述更新模型计算预测频散曲线数据，计算每个近偏移距检波点的批量频散曲线数据和所述预测频散曲线数据的差值；
将步骤104中得到的批量频散曲线数据中的面波频率输入更新模型，计算预测面波速度，得到预测频散曲线数据。其中，不同面波频率对应不同预测面波速度。
基于每个近偏移距检波点的批量频散曲线数据中面波频率所对应的面波速度与根据目标模型计算的预测频散曲线数据中面波频率所对应的预测面波速度，计算同一面波频率对应的面波速度与预测面波速度的差值。其中，该差值是一个差值集合，包括每个近偏移距检波点对应的差值。
106j、基于每个近偏移距检波点的批量频散曲线数据和预测频散曲线数据的差值，计算所述目标模型中每个检波点处的每个地层的速度的修正量，将修正量叠加至所述更新模型，得到二次更新模型。
求解
Figure BDA0003424409120000191
得到更新模型中每个检波点处的每个地层的速度的修正值。
其中：Φ为待求解变量，a表示预设的阻尼因子，W表示预设的加权矩阵，Δb表示每个近偏移距检波点的批量频散曲线数据和预测频散曲线数据的差值，Δx表示目标模型中每个检波点处的每个地层的速度的修正值，Δx为待求解变量，J表示基于目标模型中每个检波点处的每个地层的速度的修正值的雅克比矩阵，σ0表示预设的加权因子，x0表示预设的约束模型。
106k、如果不满足循环结束条件，则将二次更新模型，设置为目标模型，并将S的取值加1，转至执行基于S的取值确定所述目标模型对应的合并地层模型，并基于所述目标模型中每个地层对应的历史处理次数确定所述目标模型对应的拆分地层模型，如果满足循环结束条件，则将所述目标模型确定为可变层优化模型。
107、通过三维插值算法处理可变层优化模型，得到目标区域的三维可变层速度模型。
将可变层优化模型中的数据插入三维插值函数，计算所有地层及层厚所对应的速度值，得到三维可变层速度模型。
108、基于三维面波数据中的检波点位置信息和高程信息，建立目标区域的工区高程面模型。
将三维面波数据中的检波点位置信息和高程信息进行差值计算，得到目标区域的工区高程面模型。其中，差值计算的方法可以为整体内插、分块内插和逐点内插等方法。
109、将三维可变层速度模型与工区高程面模型融合，得到目标区域的近地表速度模型。
本申请实施例提供了一种构建近地表速度模型的方法，可以解决相关技术中构建速度模型的近地表细节刻画精度不高的问题。本申请实施例采用面波的传播规律建立近地表速度模型，在构建近地表速度模型的过程中更新地层厚度及层数，建立更精确的近地表速度模型，更好地表现地表变化的细节特征。
基于相同的技术构思，本申请实施例还提供了一种构建近地表速度模型的装置，该装置可以应用于上述实施例提到的控制器中，如图4所示，该装置包括：
第一获取模块401，用于获取目标区域的地震炮三维面波数据，其中，所述地震炮三维面波数据包括所述目标区域内的多个检波点的面波数据，多个检波点在水平面上的投影点呈矩阵式分布；
第二获取模块402，在所述多个检波点中的每个近偏移距检波点的面波数据中，分别获取呈线性分布的部分数据，得到每个近偏移距检波点的线性面波数据；
成像模块403，对每个近偏移距检波点的线性面波数据，分别进行高信噪比相位谱成像处理，得到每个近偏移距检波点的相位谱数据；
自动拾取模块404，对每个近偏移距检波点的相位谱数据，分别进行批量自动拾取，得到每个近偏移距检波点的批量频散曲线数据；
第一建立模块405，用于基于所述每个近偏移距检波点的批量频散曲线数据和半波长曲线计算公式，建立所述目标区域的可变层初始模型，其中，所述可变层初始模型包括多个检波点处每个地层对应的厚度、面波频率和面波速度；
第一设置模块406，用于将所述可变层初始模型设置为目标模型；
第一计算模块407，用于基于所述目标模型计算预测频散曲线数据；
第二计算模块408，用于计算每个近偏移距检波点的批量频散曲线数据和所述预测频散曲线数据的差值；
更新模块409，用于对于所述目标模型中每个检波点处的每个地层，基于所述检波点处所述地层对应的厚度和面波频率，计算预测面波速度，确定所述预测面波速度与所述检波点处所述地层对应的面波速度的差值，如果所述差值大于差值阈值，则将所述检波点处所述地层对应的数据拆分为两个地层对应的数据，其中，两个地层包括第一地层和第二地层，在所述两个地层对应的数据中，所述检波点处所述第一地层对应的厚度等于所述第二地层对应的厚度且等于所述地层对应的厚度的一半，所述检波点处所述第一地层对应的面波频率等于所述第二地层对应的面波频率且等于所述地层对应的面波频率，所述检波点处所述第一地层对应的面波速度等于所述第二地层对应的面波速度且等于所述地层对应的面波速度；以对所述目标模型进行调整更新，得到调整更新后的目标模型；
第二设置模块410，用于如果不满足循环结束条件，则将调整更新后的目标模型，设置为目标模型，转至执行所述基于所述目标模型计算预测频散曲线数据的处理，如果满足循环结束条件，则将所述目标模型确定为可变层优化模型；
差值处理模块411，用于通过三维插值算法处理所述可变层优化模型，得到所述目标区域的三维可变层速度模型；
第二建立模块412，用于基于所述三维面波数据中的检波点位置信息和高程信息，建立所述目标区域的工区高程面模型；
融合模块413，用于将所述三维可变层速度模型与所述工区高程面模型融合，得到所述目标区域的近地表速度模型。
在一种可能的实现方式中，所述成像模块用于：
基于公式
Figure BDA0003424409120000211
确定每个近偏移距检波点的初始相位谱数据，其中，F表示初始相位谱数据，φi表示第个近偏移距检波点的线性面波数据的傅里叶变换，ω表示频率，ri表示第i个近偏移距检波点的偏移距，A(ω，ri)表示第i个近偏移距检波点的面波振幅与频率的关系函数，vi表示第i个近偏移距检波点的速度，N表示道数；
在所有近偏移距检波点的初始相位谱数据中，确定存在线性干扰的数据单元；
基于存在线性干扰的数据单元中的波速和频率，确定线性干扰速度；
在所述每个近偏移距检波点的初始相位谱数据中，滤除所述线性干扰速度对应的数据，得到每个近偏移距检波点的相位谱数据。
在一种可能的实现方式中，所述自动拾取模块用于：
基于每个近偏移距检波点的位置，对所有近偏移距检波点进行分组，得到多个组；
对于每个组，在所述组包含的多个近偏移距检波点的相位谱数据中，抽取部分相位谱数据，通过最大能量法确定所述部分相位谱数据对应的频散曲线，作为所述组对应的种子曲线；
确定每个组对应的种子曲线的速度范围，对每个组对应的种子曲线的速度范围进行预设的扩大调整，得到每个组对应的扩大调整后的速度范围，确定所有组对应的扩大调整后的速度范围的并集，得到目标速度范围；
在每个近偏移距检波点的相位谱数据中，获取所述目标速度范围对应的相位谱数据，得到每个近偏移距检波点的批量频散曲线数据。
在一种可能的实现方式中，所述更新模块用于：
基于公式
Figure BDA0003424409120000221
计算所述检波点处所述地层对应的预测面波速度，其中：所述地层为标识为i的地层，v(i)表示地层i的预测面波速度，h(i)表示地层i的厚度，k表示地层递增系数值，k为固定数值，取值范围为0<k<1，depth表示地层i的深度值，layer表示地层的层数，f(i)表示地层i的面波频率。
本发明实施例中，利用面波的传播规律建立近地表速度模型，在构建近地表速度模型的过程中更新地层厚度及层数，建立更精确的近地表速度模型，更好地表现地表变化的细节特征，提高了构建速度模型的近地表细节刻画精度。
图5是本发明实施例提供的一种计算机设备的结构框图，该计算机设备可以是上述实施例中的控制器。该计算机设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，CPU)501和一个或一个以上的存储器502，其中，所述存储器502中存储有至少一条指令，所述至少一条指令由所述处理器501加载并执行以实现上述各个方法实施例提供的方法。当然，该服务器还可以具有有线或无线网络接口、键盘以及输入输出接口等部件，以便进行输入输出，该服务器还可以包括其他用于实现设备功能的部件，在此不做赘述。
在示例性实施例中，还提供了一种计算机可读存储介质，例如包括指令的存储器，上述指令可由终端中的处理器执行以完成上述实施例中构建近地表速度模型的方法。该计算机可读存储介质可以是非暂态的。例如，所述计算机可读存储介质可以是ROM(Read-OnlyMemory，只读存储器)、RAM(Random Access Memory，随机存取存储器)、CD-ROM、磁带、软盘和光数据存储设备等。
上述所有可选技术方案，可以采用任意结合形成本公开的可选实施例，在此不再一一赘述。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现，当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令，在设备上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个计算机或服务器通过有线(例如同轴光缆、光纤、数字用户线)或无线(例如红外、无线、微波等)方式向另一个计算机或服务器进行传输。所述计算机可读存储介质可以是设备能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(如软盘、硬盘和磁带等)，也可以是光介质(如数字视盘(digital video disk，DVD)等)，或者半导体介质(如固态硬盘等)。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本发明的说明性实施例，并不用以限制本发明的保护范围，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种构建近地表速度模型的方法，其特征在于，所述方法包括：
获取目标区域的地震炮三维面波数据，其中，所述地震炮三维面波数据包括所述目标区域内的多个检波点的面波数据，多个检波点在水平面上的投影点呈矩阵式分布；
在所述多个检波点中的每个近偏移距检波点的面波数据中，分别获取呈线性分布的部分数据，得到每个近偏移距检波点的线性面波数据；
对每个近偏移距检波点的线性面波数据，分别进行高信噪比相位谱成像处理，得到每个近偏移距检波点的相位谱数据；
对每个近偏移距检波点的相位谱数据，分别进行批量自动拾取，得到每个近偏移距检波点的批量频散曲线数据；
基于所述每个近偏移距检波点的批量频散曲线数据和半波长曲线计算公式，建立所述目标区域的可变层初始模型，其中，所述可变层初始模型包括多个检波点处每个地层对应的厚度、面波频率和面波速度；
将所述可变层初始模型设置为目标模型，并设置循环参考量S的取值为1；
基于所述可变层初始模型计算第一预测频散曲线数据；
计算每个近偏移距检波点的批量频散曲线数据和所述第一预测频散曲线数据的差值，将其作为第一差值集合；
基于S的取值确定所述目标模型对应的合并地层模型，并基于所述目标模型中每个地层对应的历史处理次数确定所述目标模型对应的拆分地层模型，其中，所述地层对应的历史处理次数是在得到所述目标模型中所述地层对应的数据的过程中所经过的拆分处理和合并处理的次数；
基于所述拆分地层模型计算第一频散曲线数据，基于所述合并地层模型计算第二频散曲线数据；
计算所述第一频散曲线数据和每个近偏移距检波点的批量频散曲线数据的差值，将其作为第二差值集合；
计算所述第二频散曲线数据和每个近偏移距检波点的批量频散曲线数据的差值，将其作为第三差值集合；
比较所述第一差值集合中所有差值的第一平均值、所述第二差值集合中所有差值的第二平均值、与所述第三差值集合中所有差值的第三平均值，如果所述第一平均值小于所述第二平均值与所述第三平均值则将所述可变层初始模型确定为更新模型，如果所述第二平均值小于所述第一平均值与所述第三平均值，则将所述拆分地层模型确定为更新模型，如果所述第三平均值小于所述第一平均值与所述第二平均值，则将所述合并地层模型确定为更新模型；
基于所述更新模型计算第二预测频散曲线数据，计算每个近偏移距检波点的批量频散曲线数据和所述第二预测频散曲线数据的差值；
基于每个近偏移距检波点的批量频散曲线数据和第二预测频散曲线数据的差值，计算所述目标模型中每个检波点处的每个地层的速度的修正量，将修正量叠加至所述更新模型，得到二次更新模型；
如果不满足循环结束条件，则将所述二次更新模型，设置为目标模型，并将S的取值加1，转至执行基于S的取值确定所述目标模型对应的合并地层模型，并基于所述目标模型中每个地层对应的历史处理次数确定所述目标模型对应的拆分地层模型，如果满足循环结束条件，则将所述二次更新模型确定为可变层优化模型；
通过三维插值算法处理所述可变层优化模型，得到所述目标区域的三维可变层速度模型；
基于所述三维面波数据中的检波点位置信息和高程信息，建立所述目标区域的工区高程面模型；
将所述三维可变层速度模型与所述工区高程面模型融合，得到所述目标区域的近地表速度模型。
2.根据权利要求1所述的构建近地表速度模型的方法，其特征在于，所述线性面波数据包括多个时间点对应的面波振幅，所述对每个近偏移距检波点的线性面波数据，分别进行高信噪比相位谱成像处理，得到每个近偏移距检波点的相位谱数据，包括：
基于每个近偏移距检波点的线性面波数据，确定每个近偏移距检波点的面波振幅与频率的关系函数、以及每个近偏移距检波点的速度；
基于公式
Figure FDA0003424409110000031
确定每个近偏移距检波点的初始相位谱数据，其中，F表示初始相位谱数据，φi表示第i个近偏移距检波点的线性面波数据的傅里叶变换，ω表示频率，ri表示第i个近偏移距检波点的偏移距，A(ω，ri)表示第i个近偏移距检波点的面波振幅与频率的关系函数，vi表示第i个近偏移距检波点的速度，N表示道数；
在所有近偏移距检波点的初始相位谱数据中，确定存在线性干扰的数据单元；
基于存在线性干扰的数据单元中的波速和频率，确定线性干扰速度；
在所述每个近偏移距检波点的初始相位谱数据中，滤除所述线性干扰速度对应的数据，得到每个近偏移距检波点的相位谱数据。
3.根据权利要求1所述的构建近地表速度模型的方法，其特征在于，所述对每个近偏移距检波点的相位谱数据，分别进行批量自动拾取，得到每个近偏移距检波点的批量频散曲线数据，包括：
基于每个近偏移距检波点的位置，对所有近偏移距检波点进行分组，得到多个组；
对于每个组，在所述组包含的多个近偏移距检波点的相位谱数据中，抽取部分相位谱数据，通过最大能量法确定所述部分相位谱数据对应的频散曲线，作为所述组对应的种子曲线；
确定每个组对应的种子曲线的速度范围，对每个组对应的种子曲线的速度范围进行预设的扩大调整，得到每个组对应的扩大调整后的速度范围，确定所有组对应的扩大调整后的速度范围的并集，得到目标速度范围；
在每个近偏移距检波点的相位谱数据中，获取所述目标速度范围对应的相位谱数据，得到每个近偏移距检波点的批量频散曲线数据。
4.根据权利要求1所述的构建近地表速度模型的方法，其特征在于，所述基于S的取值确定所述目标模型对应的合并地层模型，包括：
对所述目标模型中第S个地层和第S+1个地层进行合并得到合并地层模型。
5.根据权利要求1所述的构建近地表速度模型的方法，其特征在于，所述基于所述目标模型中每个地层对应的历史处理次数确定所述目标模型对应的拆分地层模型，包括：
在所述目标模型的所有地层中，确定对应的历史处理次数最少的地层中位置最靠上的目标地层，对所述目标模型中的所述目标地层进行拆分得到拆分地层模型。
6.根据权利要求1所述的构建近地表速度模型的方法，其特征在于，所述基于所述每个近偏移距检波点的批量频散曲线数据和预测频散曲线数据的差值计算修正量，包括：
求解
Figure FDA0003424409110000041
得到更新模型中每个检波点处的每个地层的速度的修正值；
其中：Φ为待求解变量，a表示预设的阻尼因子，W表示预设的加权矩阵，Δb表示每个近偏移距检波点的批量频散曲线数据和预测频散曲线数据的差值，Δx表示目标模型中每个检波点处的每个地层的速度的修正值，Δx为待求解变量，J表示目标模型中每个检波点处的每个地层的速度的修正值对应的雅克比矩阵，σ0表示预设的加权因子，x0表示预设的约束模型。
7.一种构建近地表速度模型的装置，其特征在于，包括：
第一获取模块，用于获取目标区域的地震炮三维面波数据，其中，所述地震炮三维面波数据包括所述目标区域内的多个检波点的面波数据，多个检波点在水平面上的投影点呈矩阵式分布；
第二获取模块，在所述多个检波点中的每个近偏移距检波点的面波数据中，分别获取呈线性分布的部分数据，得到每个近偏移距检波点的线性面波数据；
成像模块，对每个近偏移距检波点的线性面波数据，分别进行高信噪比相位谱成像处理，得到每个近偏移距检波点的相位谱数据；
自动拾取模块，对每个近偏移距检波点的相位谱数据，分别进行批量自动拾取，得到每个近偏移距检波点的批量频散曲线数据；
第一建立模块，用于基于所述每个近偏移距检波点的批量频散曲线数据和半波长曲线计算公式，建立所述目标区域的可变层初始模型，其中，所述可变层初始模型包括多个检波点处每个地层对应的厚度、面波频率和面波速度；
第一设置模块，用于将所述可变层初始模型设置为目标模型，并设置循环参考量S的取值为1；
第一计算模块，用于基于所述可变层初始模型计算第一预测频散曲线数据；
第二计算模块，用于基于计算每个近偏移距检波点的批量频散曲线数据和所述第一预测频散曲线数据的差值，将其作为第一差值集合
确定模块，用于基于S的取值确定所述目标模型对应的合并地层模型，并基于所述目标模型中每个地层对应的历史处理次数确定所述目标模型对应的拆分地层模型，其中，所述地层对应的历史处理次数是在得到所述目标模型中所述地层对应的数据的过程中所经过的拆分处理和合并处理的次数；
第三计算模块，用于基于所述拆分地层模型计算第一频散曲线数据，基于所述合并地层模型计算第二频散曲线数据；
第四计算模块，用于计算所述第一频散曲线数据和每个近偏移距检波点的批量频散曲线数据的差值，将其作为第二差值集合；
第五计算模块，用于计算所述第二频散曲线数据和每个近偏移距检波点的批量频散曲线数据的差值，将其作为第三差值集合；
比较模块，用于比较所述第一差值集合中所有差值的第一平均值、所述第二差值集合中所有差值的第二平均值与所述第三差值集合中所有差值的第三平均值，如果所述第一平均值小于所述第二平均值与所述第三平均值则将所述可变层初始模型确定为更新模型，如果所述第二平均值小于所述第一平均值与所述第三平均值，则将所述拆分地层模型确定为更新模型，如果所述第三平均值小于所述第一平均值与所述第二平均值，则将所述合并地层模型确定为更新模型；
第六计算模块，用于基于所述更新模型计算第二预测频散曲线数据，计算每个近偏移距检波点的批量频散曲线数据和所述第二预测频散曲线数据的差值；
第七计算模块，用于基于每个近偏移距检波点的批量频散曲线数据和第二预测频散曲线数据的差值，计算所述目标模型中每个检波点处的每个地层的速度的修正量，将修正量叠加至所述更新模型，得到二次更新模型；
更新模块，用于如果不满足循环结束条件，则将所述二次更新模型，设置为目标模型，并将S的取值加1，转至执行基于S的取值确定所述目标模型对应的合并地层模型，并基于所述目标模型中每个地层对应的历史处理次数确定所述目标模型对应的拆分地层模型，如果满足循环结束条件，则将所述二次更新模型确定为可变层优化模型；
差值处理模块，用于通过三维插值算法处理所述可变层优化模型，得到所述目标区域的三维可变层速度模型；
第二建立模块，用于基于所述三维面波数据中的检波点位置信息和高程信息，建立所述目标区域的工区高程面模型；
融合模块，用于将所述三维可变层速度模型与所述工区高程面模型融合，得到所述目标区域的近地表速度模型。
8.一种计算机设备，其特征在于，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述至少一条指令由所述处理器加载并执行以实现如权利要求1至权利要求6任一项所述的构建近地表速度模型的方法所执行的操作。
9.一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中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现如权利要求1至权利要求6任一项所述的构建近地表速度模型的方法所执行的操作。
10.一种计算机程序产品，其特征在于，所述计算机程序产品中包括至少一条指令，所述至少一条指令由处理器加载并执行以实现如权利要求1至权利要求6任一项所述的构建近地表速度模型的方法所执行的操作。
CN202111572999.3A 2021-12-21 2021-12-21 构建近地表速度模型的方法及装置 Pending CN116299689A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111572999.3A CN116299689A (zh) 2021-12-21 2021-12-21 构建近地表速度模型的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111572999.3A CN116299689A (zh) 2021-12-21 2021-12-21 构建近地表速度模型的方法及装置

Publications (1)

Publication Number Publication Date
CN116299689A true CN116299689A (zh) 2023-06-23

Family

ID=86819043

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111572999.3A Pending CN116299689A (zh) 2021-12-21 2021-12-21 构建近地表速度模型的方法及装置

Country Status (1)

Country Link
CN (1) CN116299689A (zh)

Similar Documents

Publication Publication Date Title
CN104090301B (zh) 一种求取三维高频静校正量的方法
CN110031898B (zh) 数据优化方法及积分法叠前深度偏移方法
CN107065013A (zh) 一种地震尺度下的层速度确定方法及装置
LU505850B1 (en) Fast seismic wave travel time calculation method for tunnel detection
CN109255426B (zh) 一种权重动态调整的地质断层参数粒子群优化搜索算法
CN111665556A (zh) 地层声波传播速度模型构建方法
CN116299689A (zh) 构建近地表速度模型的方法及装置
CN112379436A (zh) 混合震源激发地震资料静校正量计算方法及装置
CN109188513B (zh) 生成深度域数据体的方法、装置及存储介质
CN107656314B (zh) 道集记录处理方法、装置及计算机存储介质
CN108646288B (zh) 近地表模型的建立方法和装置
CN110824559B (zh) 共坐标点道集的生成方法及装置、计算机可读存储介质
CN109655888B (zh) 地震数据处理中光滑浮动基准面的定量选择方法及系统
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
CN112649859A (zh) 一种地震波速度自适应无网格场节点建立方法及系统
CN111665549A (zh) 地层声波衰减因子反演方法
CN113093279B (zh) 转换波静校正方法及装置
CN111665550A (zh) 地下介质密度信息反演方法
KR102091723B1 (ko) 수직 탄성파 탐사 데이터의 전파형 역산방법
CN111999767B (zh) 起伏地表的偏移成像方法及装置
CN114910966B (zh) 分方位旅行时层析反演方法及装置
CN104880732B (zh) 一种十字子集的构建方法及装置
CN112241022B (zh) 基于射线密度生成层析反演模型速度界面的方法和装置
CN114396257B (zh) 基于地震数据的三维地层压力预测方法及装置
CN116203624A (zh) 建立近地表速度模型的方法和装置

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