| 高维地震数据Wiener中心滤波方法 |
| |
| 引用本文： | 张力起,张猛,王华忠,秦广胜.高维地震数据Wiener中心滤波方法[J].石油物探,2019(3):325-334. |
| |
| 作者姓名： | 张力起 张猛 王华忠 秦广胜 |
| |
| 作者单位： | 波现象与智能反演成像研究组(WPI)同济大学海洋与地球科学学院;中国石油化工股份有限公司胜利油田分公司物探研究院;中国石油化工股份有限公司中原油田分公司物探研究院 |
| |
| 基金项目： | 国家自然科学基金(41774126);国家科技重大专项(2016ZX05024-001,2016ZX05006-002)共同资助~~ |
| |
| 摘 要： | “两宽一高”地震勘探面向更为复杂的油藏描述,反演成像成了必要的技术手段,但数据中的噪声会严重影响地震波反演成像的质量,因此针对“两宽一高”地震数据研发有效且实用的去噪方法十分必要。在Bayes估计理论框架下,当信号满足线性(可预测性)假设且噪声满足高斯分布时,在均方误差或最小平方误差最小准则下估计最佳预测滤波器可进行有效滤波。同时随着地震数据维度的升高,高维信号的空间结构信息更丰富,因此在高维数据空间设计滤波器能够更有效地提高滤波器的信号预测能力,并且更好地压制噪声。首先将基于AR(自回归)模型的f-x域预测滤波器(前向预测滤波器和后向预测滤波器)修改为Wiener中心预测滤波器;然后在最小二乘意义下对高维地震数据进行多级Hankel矩阵排布构建法方程;再求解法方程得到Wiener中心预测滤波器,最后实现高维地震数据的Wiener中心预测滤波。为满足高维数据的局部线性假设,对复杂波场的地震数据,采用局部取窗的方式进行Wiener中心预测滤波去噪。合成理论数据和实际数据的测试结果说明该方法能够在地震数据中存在弱线性同相轴、振幅值缓慢变化以及信噪比相对较低的情况下较好地压制随机噪声,提高数据的信噪比,故该方法具有较强的实用性。
|
| 关 键 词： | BAYES估计 AR模型 Wiener中心滤波 HANKEL矩阵 随机噪声 高维地震数据 |
Centralized Wiener filtering for high-dimensional seismic data |
| |
| ZHANG Liqi,ZHANG Meng,WANG Huazhong,QIN Guangsheng.Centralized Wiener filtering for high-dimensional seismic data[J].Geophysical Prospecting For Petroleum,2019(3):325-334. |
| |
| Authors: | ZHANG Liqi ZHANG Meng WANG Huazhong QIN Guangsheng |
| |
| Affiliation: | (Wave Phenomena and Intelligent Inversion Imaging Group (WPI),School of Ocean and Earth Science,Tongji University,Shanghai 200092,China;Research Institute of Geophysics of Sinopec Shengli Oilfield,Dongying 257000,China;Research Institute of Geophysics of Sinopec Zhongyuan Oilfield,Puyang 457001,China) |
| |
| Abstract: | ZHANG Liqi;ZHANG Meng;WANG Huazhong;QIN Guangsheng(Wave Phenomena and Intelligent Inversion Imaging Group (WPI),School of Ocean and Earth Science,Tongji University,Shanghai 200092,China;Research Institute of Geophysics of Sinopec Shengli Oilfield,Dongying 257000,China;Research Institute of Geophysics of Sinopec Zhongyuan Oilfield,Puyang 457001,China) |
| |
| Keywords: | Bayes estimation AR model centralized Wiener filtering Hankel Matrix random noise high-dimensional seismic data |
| 本文献已被 CNKI 维普 等数据库收录！ |
|
