基于Bregman迭代的复杂地震波场稀疏域插值方法

在地震勘探中,野外施工条件等因素使观测系统很难记录到完整的地震波场,因此,资料处理中的地震数据插值是一个重要的问题。尤其在复杂构造条件下,缺失的叠前地震数据给后续高精度处理带来严重的影响。压缩感知理论源于解决图像采集问题,主要包含信号的稀疏表征以及数学组合优化问题的求解,它为地震数据插值问题的求解提供了有效的解决方案。在应用压缩感知求解复杂地震波场的插值问题中,如何最佳化表征复杂地震波场以及快速准确的迭代算法是该理论应用的关键问题。Seislet变换是一个特殊针对地震波场表征的稀疏多尺度变换,该方法能有效地压缩地震波同相轴。同时,Bregman迭代算法在以稀疏表征为核心的压缩感知理论中,是一种有效的求解算法,通过选取适当的阈值参数,能够开发地震波动力学预测理论、图像处理变换方法和压缩感知反演算法相结合的地震数据插值方法。本文将地震数据插值问题纳入约束最优化问题,选取能够有效压缩复杂地震波场的OC-seislet稀疏变换,应用Bregman迭代方法求解压缩感知理论框架下的混合范数反问题,提出了Bregman迭代方法中固定阈值选取的H曲线方法,实现地震波场的快速、准确重建。理论模型和实际数据的处理结果验证了基于H曲线准则的Bregman迭代稀疏域插值方法可以有效地恢复复杂波场的缺失信息。     

基于Bregman迭代的复杂地震波场稀疏域插值方法(英文)

在地震勘探中,野外施工条件等因素使观测系统很难记录到完整的地震波场,因此,资料处理中的地震数据插值是一个重要的问题。尤其在复杂构造条件下,缺失的叠前地震数据给后续高精度处理带来严重的影响。压缩感知理论源于解决图像采集问题,主要包含信号的稀疏表征以及数学组合优化问题的求解,它为地震数据插值问题的求解提供了有效的解决方案。在应用压缩感知求解复杂地震波场的插值问题中,如何最佳化表征复杂地震波场以及快速准确的迭代算法是该理论应用的关键问题。Seislet变换是一个特殊针对地震波场表征的稀疏多尺度变换,该方法能有效地压缩地震波同相轴。同时,Bregman迭代算法在以稀疏表征为核心的压缩感知理论中,是一种有效的求解算法,通过选取适当的阈值参数,能够开发地震波动力学预测理论、图像处理变换方法和压缩感知反演算法相结合的地震数据插值方法。本文将地震数据插值问题纳入约束最优化问题,选取能够有效压缩复杂地震波场的OC-seislet稀疏变换,应用Bregman迭代方法求解压缩感知理论框架下的混合范数反问题,提出了Bregman迭代方法中固定阈值选取的H曲线方法,实现地震波场的快速、准确重建。理论模型和实际数据的处理结果验证了基于H曲线准则的Bregman迭代稀疏域插值方法可以有效地恢复复杂波场的缺失信息。     

地震随机噪声压缩感知迭代压制方法

复杂地表和复杂介质条件下,随机噪声往往严重影响着复杂地震信号的信噪比,同时深层地球物理目标探查中弱地震信号总是被随机噪声所掩盖,如何有效地压制随机噪声干扰、恢复有效地震信号仍然是高精度地震勘探中的关键问题.压缩感知理论突破了奈奎斯特采样定理的限制,利用有效地震信号的可压缩性和稀疏性,提供了从不可压缩随机噪声中进行有效信号分离的数据原理.本文系统分析压缩感知框架下地震随机噪声压制的稀疏优化反问题,提出了基于迭代软阈值算法的"采集-重建-修复"方案对该问题进行求解.在实现高度稀疏表征的基础上进行地震数据的压缩感知随机观测,通过迭代反演对有效地震信号进行重构,有效提高复杂地震数据的信噪比,同时,当求解稀疏优化问题时,如果出现正则化项引起重构信号衰减现象,可以匹配除偏对衰减的有效信号进行修复.通过与工业标准 f-x预测滤波方法进行比较,理论模型和实际数据处理的结果表明,压缩感知迭代噪声压制方法对复杂地震数据中的随机噪声有较好的压制效果,可以有效恢复出被较强非平稳随机噪声干扰的时空变同相轴信息.     

基于超完备字典学习的缺失地震数据重构方法

地震勘探目标区域环境的复杂多变性导致采集的地震数据存在不完整或者不规则等问题,针对这一问题,本文在压缩感知相关理论的支撑下,提出了基于超完备字典学习的缺失地震数据重构方法.首先利用K-SVD字典学习技术对地震样本数据进行训练,建立超完备字典对地震数据进行稀疏表示,然后引入高斯随机采样矩阵作为测量矩阵对地震数据进行采样;在数据重构阶段采用分段正交匹配追踪算法实现缺失地震数据的重构.通过与传统的地震数据重构方法对比,本文算法的重构效果在峰值信噪比、信噪比等指标上均优于对比算法,证明了超完备字典学习方法能更好的根据地震数据特征进行稀疏表示,从而获得较好的重构效果.     

基于形态分量分析的含噪地震数据重建方法

随着当今勘探难度的增加,地震数据处理的精度也逐步提升,因此,对数据的完整度也提出了更高的要求.本文基于形态分量分析,采用离散余弦变换(DCT)字典和Shearlet字典的组合形式用于地震数据恢复重建,相比于其他稀疏变换具有更高的稀疏性、更强的稀疏表示能力.在MCA框架下,首先通过对地震数据中的局部奇异分量与平滑状分量分别采用DCT字典和Shearlet字典进行稀疏表示;而后,在重建的算法中加入指数阈值模型和指数阈值函数的块坐标松弛(BCR)算法来得到各个分量;最后,将不同字典得到的结果合并得到最终重建结果.通过合成数据实验和实际数据实验均表明,该方法能够有效地重建缺失地震数据,并且重建精度高于Curvelet字典与DCT字典组合、单一Shearlet字典、Shearlet字典与Curvelet字典组合.同时,通过对含噪数据以及不同信噪比的数据处理结果均验证了该方法具有较强的适应性.     

2D地震数据规则化中随机稀疏采样方案(英文)

地震数据规则化是地震信号处理中一个重要步骤,近年来受到广泛关注的压缩感知技术已经被应用到地震数据规则化中。压缩感知技术突破了传统的Shannon-Nyqiust采样定理的限制,可以用采集的少量地震数据重构完整数据。基于压缩感知技术的地震数据规则化质量主要受三个因素影响,除了受地震信号在不同变换域的稀疏表达和11范数重构算法的影响外,极大地取决于地震道随机稀疏采样方式。尽管已有学者开展了2D地震数据离散均匀分布随机采样方式研究,但设计新的稀疏采样方案仍然很有必要。在本文中,我们提出满足Bernoulli分布规律的Bernoulli随机稀疏采样方式和它的抖动形式。对2D数值模拟数据进行四种随机稀疏采样方案和两种变换(Fourier变换和Curvelet变换)实验,对获取的不完整数据应用11范数谱投影梯度算法(SPGL1)进行重构。考虑到不同随机种子点产生不同约束矩阵R会有不同的规则化质量,对每种方案和每个稀疏采样因子进行10次规则化实验,并计算出相应信噪比(SNR)的平均值和标准偏差。实验结果表明,我们提出的新方案好于或等于已有的离散均匀分布采样方案。     

基于稀疏约束的地震数据高效采集方法理论研究

随着地震勘探目标复杂化和精细化程度的提高以及"两宽一高"等采集技术的广泛应用,当前地震数据采集的时间越来越长、成本越来越高.针对此问题,本文基于压缩感知理论开展了地震数据高效采集方法的改进和探索研究.根据波动方程解的一般表示式,从波场传播的角度给出了地震数据具有稀疏性的数学物理依据及寻找适应地震数据稀疏变换的一般方案;在稀疏性先验信息的指导下,发展了具有"蓝色噪声"频谱特征的改进的分段采样方法,并基于最优化理论提出了地震数据重建方法.地震数据的稀疏性理论、稀疏约束下的高效采集方法以及地震数据的重建方法构成了相对完善的地震数据高效采集理论.把该理论用于指导地震数据采集,即利用稀疏约束的随机采样方法改变常规规则密集测网中炮点和检波点(或二者之一)的分布,设计了三种随机且均匀的高效采集测网,提出了利用相应测网获取的地震数据重建为常规规则密集测网地震数据的针对性方案,并使用重建精度、高效采集数据的直接成像和重建后再成像的结果对比证明了上述重建方案的有效性.基于Marmousi模型的高效采集试验检验了本文构建的基于稀疏约束的地震数据高效采集方法理论框架在提高当前地震数据采集效率、降低勘探成本上的优势以及方法的有效性和可行性.     

浅层三维地震勘探技术的水利工程应用

三维地震勘探技术一直被成功地应用于石油、煤炭等中深层勘探领域,对于深度小于100 m的浅层三维地震勘探,由于受到多种条件的限制,相关的研究和应用成果还很少.为了研究浅层三维地震勘探技术的应用特点,以南水北调某工程为研究对象,深入研究并开发出了服务于工程的浅层三维勘探采集、分析、处理、成果展示系统.包括设计符合现场地震地质条件的三维地震观测系统、针对浅层三维地震资料的特点对数据进行处理和解释、建立现场三维地震地质数据体.研究结果表明:浅层三维地震资料总体信噪比较高,获取的现场高精度三维数据体准确揭示了覆盖层的深度信息.     

2D地震数据规则化中随机稀疏采样方案

地震数据规则化是地震信号处理中一个重要步骤,近年来受到广泛关注的压缩感知技术已经被应用到地震数据规则化中。压缩感知技术突破了传统的Shannon-Nyqiust采样定理的限制,可以用采集的少量地震数据重构完整数据。基于压缩感知技术的地震数据规则化质量主要受三个因素影响,除了受地震信号在不同变换域的稀疏表达和11范数重构算法的影响外,极大地取决于地震道随机稀疏采样方式。尽管已有学者开展了2D地震数据离散均匀分布随机采样方式研究,但设计新的稀疏采样方案仍然很有必要。在本文中,我们提出满足Bernoulli分布规律的Bernoulli随机稀疏采样方式和它的抖动形式。对2D数值模拟数据进行四种随机稀疏采样方案和两种变换（Fourier变换和Curvelet变换）实验,对获取的不完整数据应用11范数谱投影梯度算法（SPGL1）进行重构。考虑到不同随机种子点产生不同约束矩阵R会有不同的规则化质量,对每种方案和每个稀疏采样因子进行10次规则化实验,并计算出相应信噪比（SNR）的平均值和标准偏差。实验结果表明,我们提出的新方案好于或等于已有的离散均匀分布采样方案。     

基于Bregman迭代的不同阈值模型地震数据重构方法分析

传统的地震数据采样必须严格遵循Nyquist采样定理,而野外实际数据的采集可能由于施工条件或者地表障碍物的限制,不一定能记录到完整的地震波场,所以地震资料处理中的数据重建是非常重要的问题.压缩感知理论最先来自信号处理领域,它所包括的问题类型有信号的稀疏表征和数学组合优化,它给地震数据重建这类问题指明了思考方向.而其中如何选择最优的迭代算法是数据重建中的关键问题.本文将地震数据插值问题归纳到约束最优化问题,选择能有效稀疏表征地震波场的傅里叶变换,对于压缩感知理论框架下的混合范数反问题,再用Bregman迭代方法去求解,在地震数据的重建过程中,传统的阈值参数收敛慢,为了降低迭代次数并且提高地震数据恢复的精度,总结出改进型指数衰减规律的阈值参数,选择用硬阈值算子来重建恢复地震数据．通过对理论模型和实际地震资料的处理结果表明该方法可以快速、有效的恢复地震波场的缺失数据．     

压缩感知技术在地震数据重建中的应用

地震资料室内处理过程要求野外采集的地震资料越多越好, 而地震数据远距离快速传输又要求野外地震数据量越少越好． 为解决这一矛盾, 将基于曲波变换与压缩感知的数据重建技术引入到地震资料处理中, 对实际的野外不完整数据进行压缩重建． 结果表明, 曲波变换相对于傅里叶变换在数据压缩采样方法中占有一定的优势． 但是, 在对实际资料进行处理时, 首先要对资料中的面波进行处理, 同时还要在一定曲波基元尺寸的情况下, 考虑缺失道数量的影响． 最终, 得到的重建数据图像纹理清晰、 连接自然, 从而验证了该方法的实用性和有效性．      

基于jittered采样的浅层三维地震数据处理及应用

目前,浅层三维地震勘探在国内外尚处于起步阶段,其勘探深度在100 m以内,勘探目标速度低,地震资料主频较高,根据采样定理,允许的最大道间距较中深层地震勘探要小得多,因此浅层三维地震勘探的观测系统设计和数据处理方法还有许多亟待解决的问题,本文将信号处理领域的压缩感知理论应用到浅层三维地震的观测系统设计和数据处理方法中,研究具有重要的实际意义.理论研究表明:随机采样数据比有规律的欠采样数据能更好的进行波场重建,随机欠采样数据可以将相干混叠转化为不相干噪声,从而将地震数据解释问题转变成了数据去噪问题,同时采用jittered随机采样方式可以避免完全随机采样的数据存在的数据点空间位置过于集中或过于稀疏的情况.本文采用模型分析和实际数据研究的方法,结果显示:在野外进行浅层三维地震数据采集时,如采用jittered随机欠采样方式进行检波器的布置,可以实现以较少的检波器布置较大范围的观测系统,从而大大提高了野外数据采集工作的效率,同时,这种随机的布线可以较灵活地适应野外的工作环境,在采用规则布线时,尽量希望测区足够平坦、开阔,无大尺度障碍物,而随机的布线可以适应有障碍物的地形地貌,在遇到障碍物或不能跨越的地形时,可适当增大道间距,在开阔位置减小道间距进行数据补偿.得到的结论是:这种浅层三维地震道间距无法满足奈奎斯特采样条件的情况,通过检波点的随机分布所采集的地震数据可以有效降低地震资料的混叠效应.     

基于压缩感知的多跳地震数据采集技术与方法

随着油气地震勘探目标的复杂程度日益提高,地震数据采集系统的道容量也需要得到进一步的提升.本文根据压缩感知、稀疏表示等理论,提出了一种多跳恒传输量的数据采集框架,以减少每条测线上地震数据的传输量,进而提升采集系统的道容量.为了能够明显地提高带道能力,设计了基于有序并行原子更新的字典学习算法,该算法能够在计算量较小的前提下有效的得到相应数据的稀疏变换矩阵.基于压缩感知的多跳地震数据采集方法已能够在吉林大学研制的无缆自定位地震仪中实现.本文最后使用一组仿真数据和一组实测数据进行测试,其结果表明,数据采集信噪比控制在14 dB以上(引入噪声约18%)时,最多可以将系统的道容量提高3倍以上.     

地震数据Bregman整形迭代插值方法

人工地震方法由于受到野外观测系统和经济因素等的限制,采集的数据在空间方向总是不规则分布.但是,许多地震数据处理技术的应用（如：多次波衰减,偏移和时移地震）都基于空间规则分布条件下的地震数据体.因此,数据插值技术是地震数据处理流程中关键环节之一.失败的插值方法往往会引入虚假信息,给后续处理环节带来严重的影响.迭代插值方法是目前广泛应用的地震数据重建思路,但是常规的迭代插值方法往往很难保证插值精度,并且迭代收敛速度较慢,尤其存在随机噪声的情况下,插值地震道与原始地震道之间存在较大的信噪比差异.因此开发快速的、有效的迭代数据插值方法具有重要的工业价值.本文将地震数据插值归纳为数学基追踪问题,在压缩感知理论框架下,提出新的非线性Bregman整形迭代算法来求解约束最小化问题,同时在迭代过程中提出两种匹配的迭代控制准则,通过有效的稀疏变换对缺失数据进行重建.通过理论模型和实际数据测试本文方法,并且与常规迭代插值算法进行比较,结果表明Bregman整形迭代插值方法能够更加有效地恢复含有随机噪声的缺失地震信息.     

基于压缩感知的小波阈值和CEEMD联合去噪方法

中深层地质条件复杂,地震资料品质差,主要表现为:地震资料信噪比低、有效信号弱.如何在去噪的同时有效保留弱有效信号,获取高信噪比的地震数据成为地震数据处理的关键问题.传统小波阈值与互补集合经验模态分解(CEEMD)联合去噪方法相比单一方法可以获取更高品质的地震数据.基于压缩感知理论的去噪方法利用地震数据在变换域中的稀疏特性,通过设定稀疏基矩阵和测量矩阵,可以将地震数据去噪问题转化成求解最优化问题,通过最优解重构原始信号,实现对地震资料的去噪处理.该方法能够在有效衰减随机噪声的同时最大限度的保留有效信号.本文基于压缩感知理论开展小波阈值去噪方法研究,并在此基础上结合CEEMD方法对含噪较多的固有模态分量进行有针对性的随机噪声压制.通过对含噪数据开展不同方法的去噪结果对比可见,本文方法可以在保证高信噪比的基础上更为有效的保留弱有效信号,数值试算验证了该方法对弱有效信号地震数据去噪具有显著优势.     

基于压缩感知理论的地震数据降噪方法

针对地震数据在采集处理过程中存在的随机噪声,本文从压缩感知的角度,给出了一种地震数据降噪方法.其基本思路是:首先对含有随机噪声地震数据通过离散余弦变换进行稀疏表示,然后选取随机高斯矩阵为测量矩阵,并计算出传感矩阵,在地震数据重构阶段,采用正交匹配追踪算法对地震数据进行重构;通过实验方法对比,本文方法的降噪效果在峰值信噪比、信噪比、均方误差指标上均优于对比方法,证明了本文方法对地震数据中的随机非平稳噪声有较好的压制效果,提高了地震数据的信噪比.     

基于Shearlet变换和广义全变分正则化的地震数据重建

压缩感知技术通常利用地震信号在某一变换域内的稀疏性质,将随机缺失的地震数据重建问题转化为L1正则化问题.本文首先通过Shearlet变换获得地震信号的稀疏性质,再将广义全变分(TGV)约束引入L1正则化模型,构建了基于Shearlet变换的双正则化模型用于重建地下介质的图像.与传统L1正则化方法相比,基于Shearlet变换的双正则化方法不仅考虑了信号的稀疏性,同时兼顾了地下介质结构的复杂性,可以较好的重建地下结构体的图像.最后采用交替方向乘子法(ADMM)求解所建模型,每个子问题均可得到显式解.数值实验对比了基于小波变换、Shearlet变换的L1正则化方法和TGV正则化方法,结果表明基于Shearlet变换的双正则化方法对于随机采样50%数据的情况具有较好的重建结果,同时对于有限范围的连续缺失数据的重建亦具有一定的有效性.     

基于Shearlet变换和广义全变分正则化的地震数据重建

压缩感知技术通常利用地震信号在某一变换域内的稀疏性质,将随机缺失的地震数据重建问题转化为L1正则化问题.本文首先通过Shearlet变换获得地震信号的稀疏性质,再将广义全变分（TGV）约束引入L1正则化模型,构建了基于Shearlet变换的双正则化模型用于重建地下介质的图像.与传统L1正则化方法相比,基于Shearlet变换的双正则化方法不仅考虑了信号的稀疏性,同时兼顾了地下介质结构的复杂性,可以较好的重建地下结构体的图像.最后采用交替方向乘子法（ADMM）求解所建模型,每个子问题均可得到显式解.数值实验对比了基于小波变换、Shearlet变换的L1正则化方法和TGV正则化方法,结果表明基于Shearlet变换的双正则化方法对于随机采样50%数据的情况具有较好的重建结果,同时对于有限范围的连续缺失数据的重建亦具有一定的有效性.     

基于jitter采样和曲波变换的三维地震数据重建

传统的地震勘探数据采样必须遵循奈奎斯特采样定理,而野外数据采样可能由于地震道缺失或者勘探成本限制,不一定满足采样定理要求,因此存在数据重建问题.本文基于压缩感知理论,利用随机欠采样方法将传统规则欠采样所带来的互相干假频转化成较低幅度的不相干噪声,从而将数据重建问题转为更简单的去噪问题.在数据重建过程中引入凸集投影算法(POCS),提出采用e^-√x(0≤x≤1)衰减规律的阈值参数,构建基于曲波变换三维地震数据重建技术.同时针对随机采样的不足,引入jitter采样方式,在保持随机采样优点的同时控制采样间隔.数值试验表明,基于曲波变换的重建效果优于傅里叶变换,jitter欠采样的重建效果优于随机欠采样,最后将该技术应用于实际地震勘探资料,获得较好的应用效果.     

基于正交秩-1矩阵追踪的天然地震数据重建研究:以加州San Jacinto断层密集地震台阵为例

由于受地理环境和采集成本等因素的影响,采集到的天然地震数据往往呈现不规则和不完整分布,将直接影响到后续的天然地震数据处理效果,因此需要对缺失数据进行重建.本文将一种基于降秩补全理论的正交秩-1矩阵追踪算法(Orthogonal Rank-One Matrix Pursuit,OR1MP)应用于加州San Jacinto断层带的天然地震数据重建.首先将空间数据的每个频率切片进行Hankel预变换,获取具有低秩结构特征的预变换矩阵,缺失地震道和随机噪声会增加数据预变换矩阵的秩,然后运用OR1MP算法进行降秩处理,最后做反Hankel变换,得到频域上的重建数据.OR1MP算法对2D和3D的加州San Jacinto断层带的天然地震数据实验结果表明,OR1MP算法能够有效地增加地震体的峰值信噪比,能较好地实现对天然地震信号的重建.