一种地震数据反演方法及系统
阅读：1019发布：2020-12-24
专利汇可以提供一种地震数据反演方法及系统专利检索，专利查询，专利分析的服务。并且本 发明 公开一种 地震 数据反演方法及系统， 迭代 执行预定次数的交互反演，在每次迭代执行的交互反演中，交替地执行走时反演及 波形 反演，即交替地解一个走时反演问题和波形反演问题，且当前的反演如走时反演或波形反演，均以最近一次的反演即波形反演或走时反演反馈的模型为反演的输入模型。这种交替地进行两种反演且相互反馈的方法，相对于 现有技术 的联合反演而言，节省了内存并避免了非物理比例因子的选择。通过较好地同时拟合走时和波形数据，该方法为近地表提供了更可靠的地震速度模型也因此获得了更准确的长 波长 静校正量。，下面是一种地震数据反演方法及系统专利的具体信息内容。
1.一种地震数据反演方法，其特征在于，包括：
获取地震波的初至波走时观测数据及地震波波形观测数据，利用所述初至波走时观测数据建立初始速度模型，并对所述初始速度模型进行初始化；
执行地震波波形反演进程，所述地震波波形反演进程包括：利用第一输入模型进行波形正演，得到地震波波形理论数据，在初次执行波形反演时所述第一输入模型为所述初始化后的初始速度模型；将所述地震波波形理论数据与所述地震波波形观测数据进行比对，并依据比对结果对所述第一输入模型进行校准，得到第一校准速度模型；
执行初至波走时反演进程，所述初至波走时反演进程包括：利用第二输入模型进行走时正演，得到地震波的初至波走时理论数据，所述第二输入模型为所述第一校准速度模型；
将所述初至波走时理论数据与所述初至波走时观测数据进行比对，并依据比对结果对所述第一校准速度模型进行校准，得到第二校准速度模型；
判断交替执行波形反演与走时反演的交互反演次数是否达到预定次数；
若判断结果表示未达到，则迭代执行所述交互反演的过程，其中，在每次的交互反演中，走时反演以最新的波形反演后得到的第一校准速度模型为输入模型；波形反演以最新的走时反演后得到的第二校准速度模型为输入模型；
若判断结果表示达到，则输出当前反演所得的速度模型，作为最终反演结果。
2.根据权利要求1所述的方法，其特征在于，所述利用所述初至波走时观测数据建立初始速度模型，并对所述初始速度模型进行初始化，包括：
利用所述初至波走时观测数据，通过初至波走时层析成像的方法建立初始速度模型；
对所述初始速度模型进行模型的连续性初始化、模型的拟合程度初始化，并设定交互反演的最大迭代次数，作为所述预定次数。
3.根据权利要求1所述的方法，其特征在于，在所述执行地震波波形反演进程中进行波形理论数据与波形观测数据比对之前，所述方法还包括：
对所述地震波波形观测数据进行预处理，得到预处理后的波形观测数据；
对所述地震波波形理论数据和预处理后的地震波波形观测数据进行早到波截取，得到地震波波形理论数据和波形观测数据的早到波；
对所述地震波波形理论数据和波形观测数据的早到波进行尺度分解，得到尺度分解结果；所述尺度分解结果包括：地震波波形理论数据和波形观测数据的早到波分别对应于多个频率区间的子波段。
4.根据权利要求3所述的方法，其特征在于，所述对所述地震波波形观测数据进行预处理，包括：
对所述地震波波形观测数据进行去噪，滤波，确定地震波波形观测数据的频率区间，并给定早到波截取的时间窗口。
5.根据权利要求3所述的方法，其特征在于，所述交替执行波形反演与走时反演的交互反演，包括：
基于所述尺度分解结果，进行多尺度波形反演，且多尺度波形反演过程中包括的每一次波形反演与一次走时反演交替执行；
其中，所述多尺度波形反演包括：初始时将频率均值最小的子波段作为初始尺度，并在所述初始尺度上进行迭代式波形反演，之后的每个尺度的迭代反演将当前已参与反演的各个子波段与未参与反演的子波段中频率均值最小的子波段进行合并，并在合并波段对应的尺度上进行波形反演，直至迭代至在整个早到波频率区间进行波形反演后结束多尺度波形反演。
6.一种地震数据反演系统，其特征在于，包括：
模型构建及初始化单元，用于获取地震波的初至波走时观测数据及地震波波形观测数据，利用所述初至波走时观测数据建立初始速度模型，并对所述初始速度模型进行初始化；
波形反演单元，用于执行地震波波形反演进程，所述地震波波形反演进程包括：利用第一输入模型进行波形正演，得到地震波波形理论数据，在初次执行波形反演时所述第一输入模型为所述初始化后的初始速度模型；将所述地震波波形理论数据与所述地震波波形观测数据进行比对，并依据比对结果对所述第一输入模型进行校准，得到第一校准速度模型；
走时反演单元，用于执行初至波走时反演进程，所述初至波走时反演进程包括：利用第二输入模型进行走时正演，得到地震波的初至波走时理论数据，所述第二输入模型为所述第一校准速度模型；将所述初至波走时理论数据与所述初至波走时观测数据进行比对，并依据比对结果对所述第一校准速度模型进行校准，得到第二校准速度模型；
判断单元，用于判断交替执行波形反演与走时反演的交互反演次数是否达到预定次数；
迭代单元，用于若判断结果表示未达到，则迭代执行所述交互反演的过程，其中，在每次的交互反演中，走时反演以最新的波形反演后得到的第一校准速度模型为输入模型；波形反演以最新的走时反演后得到的第二校准速度模型为输入模型；
结果输出单元，用于若判断结果表示达到，则输出当前反演所得的速度模型，作为最终反演结果。
7.根据权利要求6所述的系统，其特征在于，所述模型构建及初始化单元，利用所述初至波走时观测数据建立初始速度模型，并对所述初始速度模型进行初始化，进一步包括：
利用所述初至波走时观测数据，通过初至波走时层析成像的方法建立初始速度模型；
对所述初始速度模型进行模型的连续性初始化、模型的拟合程度初始化，并设定交互反演的最大迭代次数，作为所述预定次数。
8.根据权利要求6所述的系统，其特征在于，还包括：
早到波截取及尺度分解单元，用于在所述执行地震波波形反演进程中进行波形理论数据与波形观测数据比对之前，对所述地震波波形观测数据进行预处理，得到预处理后的波形观测数据；对所述地震波波形理论数据和预处理后的地震波波形观测数据进行早到波截取，得到地震波波形理论数据和波形观测数据的早到波；以及对所述地震波波形理论数据和波形观测数据的早到波进行尺度分解，得到尺度分解结果；所述尺度分解结果包括：地震波波形理论数据和波形观测数据的早到波分别对应于多个频率区间的子波段。
9.根据权利要求8所述的系统，其特征在于，所述早到波截取及尺度分解单元，对所述地震波波形观测数据进行预处理，进一步包括：
对所述地震波波形观测数据进行去噪，滤波，确定地震波波形观测数据的频率区间，并给定早到波截取的时间窗口。
10.根据权利要求8所述的系统，其特征在于，所述迭代单元，进一步用于：
基于所述尺度分解结果，进行多尺度波形反演，且多尺度波形反演过程中包括的每一次波形反演与一次走时反演交替执行；
其中，所述多尺度波形反演包括：初始时将频率均值最小的子波段作为初始尺度，并在所述初始尺度上进行迭代式波形反演，之后的每个尺度的迭代反演将当前已参与反演的各个子波段与未参与反演的子波段中频率均值最小的子波段进行合并，并在合并波段对应的尺度上进行波形反演，直至迭代至在整个早到波频率区间进行波形反演后结束多尺度波形反演。
一种地震数据反演方法及系统
技术领域
背景技术
[0002] 在陆地及浅海的地震数据处理过程中，解决近地表静校正问题是至关重要的。
[0003] 目前，求取近地表速度结构的标准方法是初至波走时层析成像法，这得益于其较高的效率及简单的使用方式。然而，走时层析成像由于理论的限制，无法解决隐藏地层的问题；同时，其结果的分辨率也具有很强的局限性，通常无法得到详细的、高分辨率的结构信息。全波形反演正是为了解决上述问题应运而生，然而，全波形反演的目标函数中存在着大量的局部最小解，在数据域表现为周期跳跃现象。其中，周期跳跃是指从一个初始模型正演的波形与所观测到的波形相差半个周期以上。
[0004] 为了解决周期跳跃的问题，研究人员提出了很多方法，其中之一是联合反演法，该方法通过同时执行波形反演及走时层析成像实现，在该方法中，由于不同反演问题的非物理的比例因子对最终的反演结果有着决定性的影响，从而需选择不同反演问题的非物理的比例因子，然而，该比例因子的确定难度较高，为反演带来了挑战。
发明内容
[0005] 有鉴于此，本发明的目的在于提供一种地震数据反演方法及系统，旨在克服联合反演法存在的上述问题，更好地拟合走时和波形数据，为近地表提供更可靠的速度模型，以获得更准确的长波长静校正量。
[0006] 为此，本发明公开如下技术方案：
[0007] 一种地震数据反演方法，包括：
[0009] 执行地震波波形反演进程，所述地震波波形反演进程包括：利用第一输入模型进行波形正演，得到地震波波形理论数据，在初次执行波形反演时所述第一输入模型为所述初始化后的初始速度模型；将所述地震波波形理论数据与所述地震波波形观测数据进行比对，并依据比对结果对所述第一输入模型进行校准，得到第一校准速度模型；
[0010] 执行初至波走时反演进程，所述初至波走时反演进程包括：利用第二输入模型进行走时正演，得到地震波的初至波走时理论数据，所述第二输入模型为所述第一校准速度模型；将所述初至波走时理论数据与所述初至波走时观测数据进行比对，并依据比对结果对所述第一校准速度模型进行校准，得到第二校准速度模型；
[0011] 判断交替执行波形反演与走时反演的交互反演次数是否达到预定次数；
[0012] 若判断结果表示未达到，则迭代执行所述交互反演的过程，其中，在每次的交互反演中，走时反演以最新的波形反演后得到的第一校准速度模型为输入模型；波形反演以最新的走时反演后得到的第二校准速度模型为输入模型；
[0013] 若判断结果表示达到，则输出当前反演所得的速度模型，作为最终反演结果。
[0014] 上述方法，优选的，所述利用所述初至波走时观测数据建立初始速度模型，并对所述初始速度模型进行初始化，包括：
[0015] 利用所述初至波走时观测数据，通过初至波走时层析成像的方法建立初始速度模型；
[0016] 对所述初始速度模型进行模型的连续性初始化、模型的拟合程度初始化，并设定交互反演的最大迭代次数，作为所述预定次数。
[0017] 上述方法，优选的，在所述执行地震波波形反演进程中进行波形理论数据与波形观测数据比对之前，所述方法还包括：
[0018] 对所述地震波波形观测数据进行预处理，得到预处理后的波形观测数据；
[0019] 对所述地震波波形理论数据和预处理后的地震波波形观测数据进行早到波截取，得到地震波波形理论数据和波形观测数据的早到波；
[0020] 对所述地震波波形理论数据和波形观测数据的早到波进行尺度分解，得到尺度分解结果；所述尺度分解结果包括：地震波波形理论数据和波形观测数据的早到波分别对应于多个频率区间的子波段。
[0021] 上述方法，优选的，所述对所述地震波波形观测数据进行预处理，包括：
[0022] 对所述地震波波形观测数据进行去噪，滤波，确定地震波波形观测数据的频率区间，并给定早到波截取的时间窗口。
[0023] 上述方法，优选的，所述交替执行波形反演与走时反演的交互反演，包括：
[0024] 基于所述尺度分解结果，进行多尺度波形反演，且多尺度波形反演过程中包括的每一次波形反演与一次走时反演交替执行；
[0025] 其中，所述多尺度波形反演包括：初始时将频率均值最小的子波段作为初始尺度，并在所述初始尺度上进行迭代式波形反演，之后的每个尺度的迭代反演将当前已参与反演的各个子波段与未参与反演的子波段中频率均值最小的子波段进行合并，并在合并波段对应的尺度上进行波形反演，直至迭代至在整个早到波频率区间进行波形反演后结束多尺度波形反演。
[0026] 一种地震数据反演系统，包括：
[0027] 模型构建及初始化单元，用于获取地震波的初至波走时观测数据及地震波波形观测数据，利用所述初至波走时观测数据建立初始速度模型，并对所述初始速度模型进行初始化；
[0028] 波形反演单元，用于执行地震波波形反演进程，所述地震波波形反演进程包括：利用第一输入模型进行波形正演，得到地震波波形理论数据，在初次执行波形反演时所述第一输入模型为所述初始化后的初始速度模型；将所述地震波波形理论数据与所述地震波波形观测数据进行比对，并依据比对结果对所述第一输入模型进行校准，得到第一校准速度模型；
[0029] 走时反演单元，用于执行初至波走时反演进程，所述初至波走时反演进程包括：利用第二输入模型进行走时正演，得到地震波的初至波走时理论数据，所述第二输入模型为所述第一校准速度模型；将所述初至波走时理论数据与所述初至波走时观测数据进行比对，并依据比对结果对所述第一校准速度模型进行校准，得到第二校准速度模型；
[0030] 判断单元，用于判断交替执行波形反演与走时反演的交互反演次数是否达到预定次数；
[0031] 迭代单元，用于若判断结果表示未达到，则迭代执行所述交互反演的过程，其中，在每次的交互反演中，走时反演以最新的波形反演后得到的第一校准速度模型为输入模型；波形反演以最新的走时反演后得到的第二校准速度模型为输入模型；
[0032] 结果输出单元，用于若判断结果表示达到，则输出当前反演所得的速度模型，作为最终反演结果。
[0033] 上述系统，优选的，所述模型构建及初始化单元，利用所述初至波走时观测数据建立初始速度模型，并对所述初始速度模型进行初始化，进一步包括：
[0034] 利用所述初至波走时观测数据，通过初至波走时层析成像的方法建立初始速度模型；对所述初始速度模型进行模型的连续性初始化、模型的拟合程度初始化，并设定交互反演的最大迭代次数，作为所述预定次数。
[0035] 上述系统，优选的，还包括：
[0036] 早到波截取及尺度分解单元，用于在所述执行地震波波形反演进程中进行波形理论数据与波形观测数据比对之前，对所述地震波波形观测数据进行预处理，得到预处理后的波形观测数据；对所述地震波波形理论数据和预处理后的地震波波形观测数据进行早到波截取，得到地震波波形理论数据和波形观测数据的早到波；以及对所述地震波波形理论数据和波形观测数据的早到波进行尺度分解，得到尺度分解结果；所述尺度分解结果包括：地震波波形理论数据和波形观测数据的早到波分别对应于多个频率区间的子波段。
[0037] 上述系统，优选的，所述早到波截取及尺度分解单元，对所述地震波波形观测数据进行预处理，进一步包括：
[0038] 对所述地震波波形观测数据进行去噪，滤波，确定地震波波形观测数据的频率区间，并给定早到波截取的时间窗口。
[0039] 上述系统，优选的，所述迭代单元，进一步用于：
[0040] 基于所述尺度分解结果，进行多尺度波形反演，且多尺度波形反演过程中包括的每一次波形反演与一次走时反演交替执行；
[0041] 其中，所述多尺度波形反演包括：初始时将频率均值最小的子波段作为初始尺度，并在所述初始尺度上进行迭代式波形反演，之后的每个尺度的迭代反演将当前已参与反演的各个子波段与未参与反演的子波段中频率均值最小的子波段进行合并，并在合并波段对应的尺度上进行波形反演，直至迭代至在整个早到波频率区间进行波形反演后结束多尺度波形反演。
[0042] 由以上方案可知，本发明提供的地震数据反演方法及系统，迭代执行预定次数的交互反演，在每次迭代执行的交互反演中，交替地执行走时反演及波形反演，即交替地解一个走时反演问题和波形反演问题，且当前的反演如走时反演或波形反演，均以最近一次的反演即波形反演或走时反演反馈的模型为反演输入模型。这种交替地进行两种反演且相互反馈的方法，相对于现有技术的联合反演而言，节省了内存并避免了非物理比例因子的选择。通过较好地同时拟合走时和波形数据，该方法为近地表提供了更可靠的地震速度模型也因此获得了更准确的长波长静校正量。附图说明
[0043] 为了更清楚地说明本发明实施例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的实施例，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，还可以根据提供的附图获得其他的附图。
[0044] 图1是本发明实施例一提供的一种地震数据反演方法的流程示意图；
[0045] 图2(a)是本发明实施例三提供的人工合成的真实速度模型；
[0046] 图2(b)是本发明实施例三提供的实例一中通过初至波走时层析成像方法建立的初始模型示意图；
[0047] 图2(c)是本发明实施例三提供的实例一中多尺度波形单独反演所得到的结果示意图；
[0048] 图2(d)是本发明实施例三提供的实例一中初至波走时与多尺度波形交互反演所得到的结果示意图；
[0049] 图3(a)是本发明实施例三提供的多尺度波形单独反演的质量监控结果示意图；
[0050] 图3(b)是本发明实施例三提供的初至波走时与多尺度波形交互反演的质量监控结果示意图；
[0051] 图4(a)和图4(c)是本发明实施例三提供的实例一中多尺度波形单独反演的波形及走时残差示意图；
[0052] 图4(b)和图4(d)是本发明实施例三提供的实例一中初至波走时与多尺度波形交互反演的波形及走时残差示意图；
[0053] 图5(a)是本发明实施例三提供的实例二中通过初至波走时层析成像方法建立的初始模型示意图；
[0054] 图5(b)是本发明实施例三提供的实例二中多尺度波形单独反演所得到的结果示意图；
[0055] 图5(c)是本发明实施例三提供的实例二中初至波走时与多尺度波形交互反演所得到的结果示意图；
[0056] 图6是本发明实施例三提供的为检验反演结果所展示的三个不同位置的炮集的质量监控示意图；
[0057] 图7(a)和图7(c)是本发明实施例三提供的实例二中多尺度波形单独反演的波形及走时残差示意图；
[0058] 图7(b)和图7(d)是本发明实施例三提供的实例二中初至波走时与多尺度波形交互反演的波形及走时残差示意图
[0059] 图8-图9是本发明实施例四提供的地震数据反演系统的结构示意图。
具体实施方式
[0060] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0061] 本发明实施例一提供一种地震数据反演方法，该方法为一种交互式反演的方法，即迭代执行预定次数的交互反演，在每次迭代执行的交互反演过程中，交替地执行走时反演及波形反演，以克服现有技术的联合反演方法存在的问题，更好地拟合走时和波形数据。接下来将对本发明方法进行详细阐述。
[0062] 参考图1示出的本实施例一种地震数据反演方法的流程示意图，该方法可以包括：
[0063] 步骤101、获取地震波的初至波走时观测数据及地震波波形观测数据，利用所述初至波走时观测数据建立初始速度模型，并对所述初始速度模型进行初始化。
[0064] 其中，地震波的初至波走时观测数据及地震波波形观测数据，可以分别是人工拾取的地震的初至波走时观测数据及记录到的波形观测数据。
[0065] 在拾取初至波走时观测数据后，可利用该数据通过初至波走时层析成像的方法来建立初始速度模型，并对建立的初始速度模型进行反演初始化，例如，对所述初始速度模型进行模型的连续性初始化、模型的拟合程度初始化，并设定交互反演的最大迭代次数等等。
[0066] 本实施例中，初至波走时层析成像采用波前射线追踪和非线性反演的方法。
[0067] 步骤102、执行地震波波形反演进程，所述地震波波形反演进程包括：利用第一输入模型进行波形正演，得到地震波波形理论数据，在初次执行波形反演时所述第一输入模型为所述初始化后的初始速度模型；将所述地震波波形理论数据与所述地震波波形观测数据进行比对，并依据比对结果对所述第一输入模型进行校准，得到第一校准速度模型。
[0068] 在获得地震波的初至波走时观测数据及波形观测数据，并利用初至波走时观测数据建立初始速度模型的基础上，可以开始执行波形反演与走时反演的交互反演过程。
[0069] 本步骤中，首先执行所述交互反演中的波形反演进程。在波形反演进程中，首先需利用波形反演的第一输入模型进行波形正演，得到地震波波形理论数据，其中，在初次执行波形反演进程时所述第一输入模型为所述初始化后的初始速度模型；在通过正演得到地震波波形理论数据后，可以利用该地震波波形理论数据以及地震波波形观测数据，进行波形反演。也就是说，在本申请中，所述波形反演进程宏观而言包括正演以及正演基础上的波形反演。
[0070] 接下来，本实施例对波形反演的实现过程进行更为详述的阐述。
[0071] 其中，在进行波形反演之前，本实施例首先对地震波波形观测数据进行预处理，具体地，比如对所述地震波波形观测数据进行去噪，滤波，确定地震波波形观测数据的频率区间等。
[0072] 在此基础上，给定早到波的时间截取窗口，分别从波形理论数据(基于波形正演得到)及预处理后的波形观测数据对应的地震波形中截取早到波，得到波形理论数据的早到波以及波形观测数据的早到波，并对两种早到波数据进行比对，依据比对结果对波形反演的第一输入模型进行校准，从而得到第一校准速度模型，以此完成了一次波形反演。
[0073] 步骤103、执行初至波走时反演进程，所述初至波走时反演进程包括：利用第二输入模型进行走时正演，得到地震波的初至波走时理论数据，所述第二输入模型为所述第一校准速度模型；将所述初至波走时理论数据与所述初至波走时观测数据进行比对，并依据比对结果对所述第一校准速度模型进行校准，得到第二校准速度模型。
[0074] 在完成一次波形反演后，将波形反演的结果作为接下来与该波形反演所交替执行的走时反演的初始模型及结构约束，从而将波形反演后校准所得的所述第一校准速度模型作为接下来的走时反演所采用的输入模型。
[0075] 本步骤的走时反演进程宏观而言同样包括正演以及正演基础上的走时反演，即具体地，在该反演进程中，首先，利用最近的波形反演后输出的模型结果即所述第一校准速度模型进行走时正演，得到地震波的初至波走时理论数据，然后，将所述初至波走时理论数据与所述初至波走时观测数据进行比对，并依据比对结果对所述第一校准速度模型进行校准，得到第二校准速度模型。
[0076] 在上一步骤102的波形反演基础上，通过继续执行本步骤103的走时反演，即完成了一次波形与走时的交互反演过程。本实施例通过在每次交替执行的波形反演及走时反演时对模型进行校准，可逐步提升模型对波形及走时的拟合程度。
[0077] 步骤104、判断交替执行波形反演与走时反演的交互反演次数是否达到预定次数。
[0078] 其中，该预定次数，即为在对上文的初始速度模型进行反演初始化时所设定的最大迭代次数。
[0079] 每交替执行完毕一次波形与走时的交互反演过程后，均统计当前的交互反演次数，并判断当前的交互反演次数是否达到模型初始化时所设定的最大迭代次数，从而得到达到与否的判断结果。
[0080] 步骤105、若判断结果表示未达到，则迭代执行所述交互反演的过程，其中，在每次的交互反演中，走时反演以最新的波形反演后得到的第一校准速度模型为输入模型；波形反演以最新的走时反演后得到的第二校准速度模型为输入模型。
[0081] 若判断结果表示未达到，则继续迭代执行波形与走时的交互反演过程，其中，在每次的交互反演中，交替执行波形反演与走时反演，且在交互反演时，以最新的走时反演的结果为波形反演的初始模型及结构约束，以最新的波形反演的结果为走时反演的初始模型及结构约束。
[0082] 步骤106、若判断结果表示达到，则输出当前反演所得的速度模型，作为最终反演结果。
[0083] 若判断结果表示当前的交互反演次数达到所设定的最大迭代次数，则可结束波形与走时的交互反演，并输出当前反演所得的速度模型，作为交互反演的最终反演结果。
[0084] 这里，需要说明的是，实际应用中，在执行波形与走时的交互反演过程中，不必局限于本实施例所提供的波形反演与走时反演的先后执行次序，本实施例对两者的先后执行次序不予限定，只要是通过交替执行所述两种反演形成波形与走时的交互反演即属于本发明的保护范围，且最终输出的交互反演结果依据迭代结束时所对应的走时或波形反演类型，相对应地可以是走时反演的输出结果或波形反演的输出结果。
[0085] 由以上方案可知，本实施例的地震数据反演方法，迭代执行预定次数的交互反演，在每次迭代执行的交互反演中，交替地执行走时反演及波形反演，即交替地解一个走时反演问题和波形反演问题，且当前的反演如走时反演或波形反演，均以最近一次的反演即波形反演或走时反演反馈的模型为反演输入模型。这种交替地进行两种反演且相互反馈的方法，相对于现有技术的联合反演而言，节省了内存并避免了非物理比例因子的选择。通过较好地同时拟合走时和波形数据，该方法为近地表提供了更可靠的地震速度模型也因此获得了更准确的长波长静校正量。
[0086] 本发明实施例二，以多尺度波形反演方式对波形反演进行详细阐述，进而在多尺度波形反演情况下，对波形反演与走时反演的交互反演过程进行详细阐述。
[0087] 由于本实施例具体以多尺度波形反演方式实现波形反演，从而，在开始执行波形反演与走时反演的交互反演之前，本实施例首先对地震波波形理论数据和波形观测数据进行尺度分解处理，以实现为后续的多尺度波形反演提供依据。
[0088] 对地震波波形理论数据和波形观测数据的尺度分解可通过以下处理过程实现：
[0089] 首先对所述地震波波形观测数据进行预处理，比如，对所述地震波波形观测数据进行去噪，滤波，确定地震波波形观测数据的频率区间等等，从而得到预处理后的波形观测数据；之后，根据给定的早到波时间截取窗口，对所述地震波波形理论数据和预处理后的地震波波形观测数据进行早到波截取，得到地震波波形理论数据和波形观测数据的早到波；在此基础上对所述地震波波形理论数据和波形观测数据的早到波进行尺度分解，得到尺度分解结果，以实现为后续的多尺度波形反演提供依据。其中，所述尺度分解结果包括：地震波波形理论数据和波形观测数据的早到波分别对应于多个频率区间的子波段，两种数据的早到波的各个子波段分别一一对应。
[0090] 例如，假设所截取的波形理论数据和波形观测数据的早到波的频率区间为5-60HZ，则可以将该波形理论数据和波形观测数据的早到波尺度分解为5-10HZ、8-12HZ、11-
15HZ，……56-60HZ等多个子波段(频率区间)。
15HZ，……56-60HZ等多个子波段(频率区间)。
[0091] 在对地震波波形理论数据和波形观测数据进行尺度分解后，可基于尺度分解结果，进行多尺度波形反演，且多尺度波形反演过程中包括的每一次波形反演均与一次走时反演交替执行。
[0092] 所述多尺度波形反演包括：初始时将频率均值最小的子波段作为初始尺度，并在该初始尺度上进行迭代式波形反演，之后的每个尺度的迭代反演将当前已参与反演的各个子波段与未参与反演的子波段中频率均值最小的子波段进行合并，并在合并波段对应的尺度上进行波形反演，直至迭代至在整个早到波频率区间进行波形反演后结束多尺度波形反演。
[0093] 仍以频率区间为5-60HZ的波形观测数据的早到波为例，在对波形观测数据的早到波进行尺度分解，得到波形观测数据对应的5-10HZ、8-12HZ、11-15HZ……56-60HZ等多个子波段后，首先将5-10HZ作为初始尺度在该初始尺度上进行迭代式的波形反演，其中，每次的波形反演均与一次走时反演交替执行，直至在该尺度上的迭代反演次数达到预设的单尺度最大迭代次数时，则迭代过程进入下一尺度，对于所述初始尺度5-10HZ而言，其下一尺度为5-10Hz与8-12HZ的合并波段所对应的尺度即5-12Hz，在该尺度上同样执行单尺度最大迭代次数的交互反演，并再次进入该尺度的下一尺度进行反演，其中，每个尺度的迭代反演均将当前已参与反演的各个子波段与未参与反演的子波段中频率均值最小的子波段进行合并，并将合并波段作为当前尺度进行反演，直至迭代至在整个早到波频率区间(如5-60HZ)进行波形反演后结束多尺度波形反演。其中，所述单尺度最大迭代次数是指在每一个单独尺度(如所述5-10HZ，5-12Hz，…，5-60Hz等)上需执行的交互反演的最大次数，该次数可预先设定。
[0094] 从而，本实施例中，针对多尺度波形反演而言，在每一次交互反演中所进行的波形反演是指：首先在当前尺度上利用波形反演的第一输入模型(即最近一次的走时反演后得到的第二校准速度模型)进行波形正演并将正演得到的地震波波形理论数据进行尺度分解，得到该尺度上的地震波波形理论数据，然后，再将该尺度上的地震波波形理论数据与该尺度上的地震波波形观测数据进行比对，并依据比对结果对所述第一输入模型进行校准，得到第一校准速度模型。
[0095] 为了更好的解决周期跳跃问题，多尺度波形反演具体可采用基于小波变换的多尺度反演方法。
[0096] 本实施例提供的多尺度波形反演方法可有效改善波形与走时的交替反演的反演效果，使得通过反演最终得出的速度模型能够具有更高的准确度。
[0097] 本实施例三提供本发明方法的两个具体应用实例。
[0098] 实例(一)人工合成测试：
[0099] 参考图2(a)，图2(a)为人工合成的真实速度模型，其中，图中模型顶部的点分别表示炮点和检波点，该模型的水平距离和深度分别为5000米和600米，网格为10米方格。观测系统中共包括80炮和160个检波器，炮间距和检波器间距分别为60米和30米。初至波走时数据和波形数据分别通过射线追踪和有限差分的方法获得。
[0100] 参考图2(b)，图2(b)为后续反演所用的初始模型，该模型通过初至波走时层析成像方法建立。地震波形数据通过小波变换分解为8个尺度，最大尺度为8，最小尺度为1，令尺度0为原始数据。在该合成测试中，共进行3个不同尺度的反演：起始尺度设定为5，而后进行尺度4的反演，最后是原始数据尺度0的反演。
[0101] 此处，需要说明四个问题：其一，分解的尺度要合适，合适意味着两个相邻尺度的波形的差异不能过大也不能过小，如果过大，会增加反演过程中周期跳跃的风险；如果过小，会降低反演的效率；其二，反演不必从波形分解所得到的最大尺度进行，因为初始模型已经包含了部分结构信息，另外，实际数据由于低频数据的缺失一般也不允许反演从最大尺度开始；需要强调的是，在该人工合成测试中，为了模拟实际问题，并没有使用最合适的分解策略；其三，如上所述，反演从尺度4直接过渡到尺度0是因为尺度4已经非常接近原始数据，直接过渡到尺度0是为了提高效率；其四，初至波走时层析成像需要进行4次迭代以有效地校正由于波形反演所造成的走时差异，而且这个迭代次数不宜过大以防止走时层析成像在整个反演过程中成为主导。4次迭代为一个较为合适的推荐数值。
[0102] 参考图2(c)和图(d)，其中，图2(c)为多尺度波形单独反演所得到的结果，图2(d)为初至波走时与多尺度波形交互反演所得到的结果。很明显地，通过对比真实模型，可知，本发明的交互反演给出了更好的结果，相反，很多的人造假象出现在单独反演的最终结果上。图3(a)-图3(b)示出了人工合成测试的质量监控，其中，黑色部分表示模拟的真实波形，灰色部分表示反演最终结果所对应的波形；灰色的点为模拟的真实走时数据，黑色的点为反演最终结果所对应的走时，具体地，图3(a)为多尺度波形单独反演的质量监控，图3(b)为初至波走时与多尺度波形交互反演的质量监控，箭头所指为出现明显周期跳跃现象的地方；交互反演的走时及波形拟合明显优于单独反演，同时，在单独反演的结果中发现了很多明显的周期跳跃现象。
[0103] 图4(a)-图4(d)是该合成测试反演过程中的标准化后的波形残差及走时残差，其中，图4(a)和图4(c)为多尺度波形单独反演的波形及走时残差，图4(b)和图4(d)为初至波走时与多尺度波形交互反演的波形及走时残差；残差曲线的表现与质量监控一致，单独反演方法虽然能使波形残差下降，却无法保证走时的拟合，这也从另一方面说明单独反演发生了周期跳跃，陷入了局部极小解。
[0104] 实例(二)实际数据测试：
[0105] 该实例采用来自某地区的一个二维陆地数据。这个地区的地质结构非常复杂，因此通过地震方法对该地区进行成像的难度很高。该地区的地形变化剧烈，沿测线从南到北的方向高程变化在3500米到2000米之间。测线共包括211炮和1411个检波器，炮间距及检波器间距分别为200米和20米。参考图5(a)，图5(a)是通过初至波走时层析成像为后续反演建立的初始模型。该测试中，经过预处理的原始波形被分成10个尺度，用于反演尺度分别为6，5，4和0。图5(b)示出了单独反演的结果，图5(c)示出了基于本发明方法的交互反演的最终结果。
[0106] 图6是为检验反演结果所展示的三个不同位置的炮集的质量监控。其中。黑色波形为模拟的真实波形，灰色为反演最终结果所对应的波形；灰色的点为模拟的真实走时数据，黑色的点为反演最终结果所对应的走时；这里展示了三炮位于不同位置的数据，其水平位置分别为7000米，15000米和23000米。第一行为多尺度波形单独反演的质量监控，第二行为初至波走时与多尺度波形交互反演的质量监控，箭头所指为出现明显周期跳跃现象的地方；很明显地，交互反演使走时和波形同时得到了更好的拟合。
[0107] 图7(a)-图7(d)所示的残差曲线也支持了这一结论，图7(a)-图7(d)是该实际数据测试反演过程中的标准化后的波形残差及走时残差，其中，图7(a)和图7(c)为多尺度波形单独反演的波形及走时残差，图7(b)和图7(d)为初至波走时与多尺度波形交互反演的波形及走时残差；这说明，本发明的交互反演能够给出更可信的速度模型。
[0108] 本发明实施例四提供一种地震数据反演系统，旨在克服现有技术的联合反演法存在的问题，更好地拟合走时和波形数据，参考图8示出的本实施例的一种地震数据反演系统的结构示意图，该系统包括：
[0109] 模型构建及初始化单元801，用于获取地震波的初至波走时观测数据及地震波波形观测数据，利用所述初至波走时观测数据建立初始速度模型，并对所述初始速度模型进行初始化；波形反演单元802，用于执行地震波波形反演进程，所述地震波波形反演进程包括：利用第一输入模型进行波形正演，得到地震波波形理论数据，在初次执行波形反演时所述第一输入模型为所述初始化后的初始速度模型；将所述地震波波形理论数据与所述地震波波形观测数据进行比对，并依据比对结果对所述第一输入模型进行校准，得到第一校准速度模型；走时反演单元803，用于执行初至波走时反演进程，所述初至波走时反演进程包括：利用第二输入模型进行走时正演，得到地震波的初至波走时理论数据，所述第二输入模型为所述第一校准速度模型；将所述初至波走时理论数据与所述初至波走时观测数据进行比对，并依据比对结果对所述第一校准速度模型进行校准，得到第二校准速度模型；判断单元804，用于判断交替执行波形反演与走时反演的交互反演次数是否达到预定次数；迭代单元805，用于若判断结果表示未达到，则迭代执行所述交互反演的过程，其中，在每次的交互反演中，走时反演以最新的波形反演后得到的第一校准速度模型为输入模型；波形反演以最新的走时反演后得到的第二校准速度模型为输入模型；结果输出单元806，用于若判断结果表示达到，则输出当前反演所得的速度模型，作为最终反演结果。
[0110] 在发明实施例的一实施方式中，所述模型构建及初始化单元利用所述初至波走时观测数据建立初始速度模型，并对所述初始速度模型进行初始化，进一步包括：利用所述初至波走时观测数据，通过初至波走时层析成像的方法建立初始速度模型；对所述初始速度模型进行模型的连续性初始化、模型的拟合程度初始化，并设定交互反演的最大迭代次数，作为所述预定次数。
[0111] 在发明实施例的一实施方式中，参考图9，所述系统还包括：早到波截取及尺度分解单元807，用于对所述地震波波形观测数据进行预处理，得到预处理后的波形观测数据；对所述地震波波形理论数据和预处理后的地震波波形观测数据进行早到波截取，得到地震波波形理论数据和波形观测数据的早到波；以及对所述地震波波形理论数据和波形观测数据的早到波进行尺度分解，得到尺度分解结果；所述尺度分解结果包括：地震波波形理论数据和波形观测数据的早到波分别对应于多个频率区间的子波段，以及对应于各个子波段的早到波数据。
[0112] 在发明实施例的一实施方式中，所述早到波截取及尺度分解单元，对所述地震波波形观测数据进行预处理，进一步包括：对所述地震波波形观测数据进行去噪，滤波，确定地震波波形观测数据的频率区间，并给定早到波的时间截取窗口。
[0113] 在发明实施例的一实施方式中，所述迭代单元，进一步用于：
[0114] 基于所述尺度分解结果，进行多尺度波形反演，且多尺度波形反演过程中包括的每一次波形反演与一次走时反演交替执行；其中，所述多尺度波形反演包括：初始时将频率均值最小的子波段作为初始尺度，并在所述初始尺度上进行迭代式波形反演，之后的每个尺度的迭代反演将当前已参与反演的各个子波段与未参与反演的子波段中频率均值最小的子波段进行合并，并在合并波段对应的尺度上进行波形反演，直至迭代至在整个早到波频率区间进行波形反演后结束多尺度波形反演。
[0115] 此处，需要说明的是，本实施例涉及的地震数据反演系统的描述，与上文方法的描述是类似的，且同方法的有益效果描述，对于本发明的地震数据反演系统在本实施例中未披露的技术细节，请参照本发明方法实施例的说明，本实施对此不再作赘述。
[0118] 通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。
[0119] 最后，还需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0120] 以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种双基连续波合成孔径雷达遥感成像方法 | 2021-07-05 | 0 |
| 一种隧道掘进机施工条件下的瞬变电磁隧道超前预报方法 | 2020-09-13 | 1 |
| 一种基于短时校正FFT的感应电机断条故障检测方法 | 2020-07-26 | 4 |
| 一种基于实际地震资料的交错网格波动方程正演的方法 | 2020-11-29 | 2 |
| 基于无人机多视点摄影的浅水河流水深测绘方法及系统 | 2020-05-25 | 4 |
| 一种能够同时进行五维地震数据重建和噪声压制的方法 | 2020-09-29 | 1 |
| 用于终点检测的序列特征跟踪 | 2021-03-04 | 0 |
| 一种北方草原火灾风险等级快速评估方法 | 2021-07-08 | 0 |
| Sticky bit generating circuit and multiplier | 2022-10-14 | 4 |
| SIMULTANEOUS RELAXATION TIME INVERSION | 2022-03-13 | 4 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈