首页 / 专利库 / 自然灾害的预防与保护 / 地震道 / 一种共偏移距域SVD滤波分离地震绕射波的方法

一种共偏移距域SVD滤波分离地震绕射波的方法

阅读:297发布:2020-05-15

专利汇可以提供一种共偏移距域SVD滤波分离地震绕射波的方法专利检索,专利查询,专利分析的服务。并且一种共偏移距域SVD滤波分离 地震 绕射波的方法,步骤为:1)将单边放炮、多次 覆盖 滚动采集技术获得的地震数据按共偏移距道集选排,形成共偏移距道集地震记录;2)提取一个共偏移距地震记录剖面,读取到二维数组R1中;3)对数组R1进行SVD变换,获得奇异值矩阵Σ;4)绘制奇异值谱,通过奇异值谱分析确定SVD高通滤波因子下限σh;5)实施SVD高通滤波提取绕射波;6)按输入时的地震数据格式输出绕射波地震记录;7)重复2)至6),依次对整条测线的每一个共偏移距地震记录剖面进行SVD高通滤波分离绕射波处理;8)对绕射波按共炮点道集选排;9)对绕射波进行偏移成像处理,获得的绕射波成像剖面可有效提高地质异常体的预测 精度 。,下面是一种共偏移距域SVD滤波分离地震绕射波的方法专利的具体信息内容。

1.一种共偏移距域SVD滤波分离地震绕射波的方法,其特征在于,包括以下步骤:
第一步,将含有M炮,每炮m道,每道n个采样点,炮距为dy,道距为dx的单边放炮、多次覆盖滚动采集技术获得的地震数据按共偏移距道集选排,形成共偏移距道集地震记录,该共偏移距道集地震记录共包含m个共偏移距地震记录剖面,每个共偏移距地震记录剖面含有M个地震道
第二步,提取共偏移距道集地震记录中的一个共偏移距地震记录剖面,并读取到二维数组R1中;
第三步,对数组R1进行SVD变换,获得奇异值矩阵Σ;
SVD变换方程:S=UΣVT
其中:S为数组R1的矩阵表现形式;上标T表示矩阵转置;U由SST的特征值向量构成的矩阵;V由STS的特征值向量构成的矩阵;Σ由奇异值构成的矩阵;
奇异值矩阵:
其中:σ为奇异值;i=1,2,…,r,i为奇异值序号,奇异值σi由大到小排列在矩阵的主对角线上,即σ1≥σ2≥…≥σi≥…≥σr>0,非零奇异值的数目等于矩阵S的秩r,r=min{M,n};
第四步,以奇异值序号为横坐标,以奇异值的振幅值为纵坐标对奇异值系列{σ1,σ2,…,σi,…,σr}绘图,形成奇异值谱,然后对奇异值谱的特征进行分析,并确定SVD高通滤波因子下限σh;
第五步,实施SVD高通滤波提取绕射波,其原理是以σh为SVD高通滤波因子下限重构地震信号,获得数组R2;
SVD高通滤波重构地震信号方程:
其中:R2为SVD高通滤波后重构的地震信号;上角标T表示矩阵转置;i=h,h+1,h+2,…,r,i为奇异值序号;r为矩阵S的秩,r=min{M,n};h为SVD高通滤波因子下限的奇异值序号,T
且1≤h≤r;σi为矩阵S的第i个奇异值;ui为矩阵U的第i个特征向量;vi为矩阵V的第i个特征向量;
第六步,按输入时的地震数据格式输出数组R2,便完成了一个共偏移距地震记录剖面的SVD高通滤波分离绕射波处理;
第七步,重复第二至第六步,依次对整条测线的每一个共偏移距地震记录剖面进行SVD高通滤波分离绕射波处理,获得整条测线的共偏移距道集的绕射波地震记录;
第八步,对分离出来的绕射波按共炮点道集选排,获得共炮点道集的绕射波地震记录;
第九步,对分离出来的绕射波进行偏移成像处理,获得绕射波成像剖面。
2.根据权利要求1所述的一种炮域SVD滤波分离地震绕射波的方法,其特征在于,包括以下步骤:
第一步,将含有150炮,每炮48道,每道1000个采样点,炮距为4m,道距为2m的单边放炮、多次覆盖滚动采集技术获得的地震数据按共偏移距道集选排,形成共偏移距道集地震记录,该共偏移距道集地震记录共包含48个共偏移距地震记录剖面,每个共偏移距地震记录剖面含有150个地震道;
第二步,提取共偏移距道集地震记录中的一个共偏移距地震记录剖面,并读取到二维数组R1中;
第三步,对数组R1进行SVD变换,获得奇异值矩阵Σ;
SVD变换方程:S=UΣVT
其中:S为数组R1的矩阵表现形式;上角标T表示矩阵转置;U由SST的特征值向量构成的矩阵;V由STS的特征值向量构成的矩阵;Σ由奇异值构成的矩阵;
奇异值矩阵:
其中:σ为奇异值;i=1,2,…,150,i为奇异值序号,奇异值σi由大到小排列在矩阵的主对角线上,即σ1≥σ2≥…≥σi≥…≥σ150>0;
第四步:以奇异值序号为横坐标,以奇异值的振幅值为纵坐标对奇异值系列{σ1,σ2,…,σi,…,σ150}绘图,形成奇异值谱,然后对奇异值谱的特征进行分析,并确定SVD高通滤波因子下限σ10=68.2;
第五步:实施SVD高通滤波提取绕射波,其原理是以σh=68.2为SVD高通滤波因子下限重构地震信号,获得数组R2;
SVD高通滤波重构地震信号方程:
其中:R2为SVD高通滤波后重构的地震信号;上角标T表示矩阵转置;i=10,11,…,150,i为奇异值序号;σi为矩阵S的第i个奇异值;ui为矩阵U的第i个特征向量;vi为矩阵VT的第i个特征向量;
第六步,按输入时的地震数据格式输出数组R2,便完成了一个共偏移距地震记录剖面的SVD高通滤波分离绕射波处理;
第七步,重复第二至第六步,依次对整条测线的每一个共偏移距地震记录剖面进行SVD高通滤波分离绕射波处理,获得整条测线的共偏移距道集的绕射波地震记录;
第八步,对分离出来的绕射波按共炮点道集选排,获得共炮点道集的绕射波地震记录;
第九步,对分离出来的绕射波进行偏移成像处理,获得绕射波成像剖面。

说明书全文

一种共偏移距域SVD滤波分离地震绕射波的方法

技术领域

[0001] 本发明属于地震数据处理技术领域,特别涉及一种共偏移距域SVD滤波分离地震绕射波的方法。

背景技术

[0002] 断层、溶洞、透镜体等地质异常体与围岩之间存在明显的弹性差异,从而引起地震响应特征发生变化,常常以绕射波的形式表现。在传统反射地震资料处理中通常是把绕射波“当成”反射波的一部分内容进行处理,其目的是将绕射波收敛到产生绕射波的位置上,实现地震波偏移成像。这样的处理虽然在一定程度上能够改善反射波的成像质量,然而这一处理过程中其实已经人为地丢掉了绕射波携带的大部分丰富而有用的地质信息,因为绕射波是地质异常体的地震响应信息载体,偏移成像后,由于反射波与绕射波叠加在一起,在降低地震资料分辨率的同时,绕射波携带的运动学信息和动学信息均已丢失,而且无法恢复,此时想直接利用绕射波检测小尺度不均匀地质体已不可能。因此,干净、完整地提取绕射波是实现绕射波信息有效利用的前提条件和基础保障。

发明内容

[0003] 为了克服上述现有技术的不足,本发明的目的在于提出一种地震绕射波分离的方法,该方法不但能有效分离出地震绕射波,而且获得的绕射波可单独进行偏移成像处理,达到提高地质异常体预测精度的目的。
[0004] 为了实现上述目的,本发明采用的技术和方案是:一种共偏移距域SVD滤波分离地震绕射波的方法,其特征在于,包括如下步骤:
[0005] 第一步,将含有M炮,每炮m道,每道n个采样点,炮距为dy,道距为dx的单边放炮、多次覆盖滚动采集技术获得的地震数据按共偏移距道集选排,形成共偏移距道集地震记录,该共偏移距道集地震记录共包含m个共偏移距地震记录剖面,每个共偏移距地震记录剖面含有M个地震道
[0006] 第二步,提取共偏移距道集地震记录中的一个共偏移距地震记录剖面,并读取到二维数组R1中;
[0007] 第三步,对数组R1进行SVD变换,获得奇异值矩阵Σ;
[0008] SVD变换方程:S=UΣVT
[0009] 其中:S为数组R1的矩阵表现形式;上标T表示矩阵转置;U由SST的特征值向量构T成的矩阵;V由SS的特征值向量构成的矩阵;Σ由奇异值构成的矩阵;
[0010] 奇异值矩阵:
[0011] 其中:σ为奇异值;i=1,2,…,r,i为奇异值序号,奇异值σi由大到小排列在矩阵的主对角线上,即σ1≥σ2≥…≥σi≥…≥σr>0,非零奇异值的数目等于矩阵S的秩r,r=min{M,n};
[0012] 第四步,以奇异值序号为横坐标,以奇异值的振幅值为纵坐标对奇异值系列{σ1,σ2,…,σi,…,σr}绘图,形成奇异值谱,然后对奇异值谱的特征进行分析,并确定SVD高通滤波因子下限σh;
[0013] 第五步,实施SVD高通滤波提取绕射波,其原理是以σh为SVD高通滤波因子下限重构地震信号,获得数组R2;
[0014] SVD高通滤波重构地震信号方程:
[0015] 其中:R2为SVD高通滤波后重构的地震信号;上角标T表示矩阵转置;i=h,h+1,h+2,…,r,i为奇异值序号;r为矩阵S的秩,r=min{M,n};h为SVD高通滤波因子下限的奇异值序号,且1≤h≤r;σi为矩阵S的第i个奇异值;ui为矩阵U的第i个特征向量;vi为矩阵VT的第i个特征向量;
[0016] 第六步,按输入时的地震数据格式输出数组R2,便完成了一个共偏移距地震记录剖面的SVD高通滤波分离绕射波处理;
[0017] 第七步,重复第二至第六步,依次对整条测线的每一个共偏移距地震记录剖面进行SVD高通滤波分离绕射波处理,获得整条测线的共偏移距道集的绕射波地震记录;
[0018] 第八步,对分离出来的绕射波按共炮点道集选排,获得共炮点道集的绕射波地震记录;
[0019] 第九步,对分离出来的绕射波进行偏移成像处理,获得绕射波成像剖面。
[0020] 本发明的有益效果是:
[0021] 本发明的方法基于共偏移距剖面类似于平叠加剖面,反射波在共偏移距剖面上主要表现为横向连续分布的同相轴,而断层、岩溶、透镜体等地质异常体的地震响应则表现为具有双曲线分布规律的绕射波,这两类地震波场存在明显的横向相干性差异特征,实施SVD高通滤波压制横向相干性较好的反射波同相轴的同时,就可提取横向相干性较差的绕射波。通过该方法提取的绕射波可单独进行偏移成像处理,其成像结果能有效提高地质异常体的预测精度。附图说明
[0022] 图1为单边放炮、多次覆盖滚动采集地震数据的示意图。
[0023] 图2为本发明地震测线的原始共炮点道集地震记录图(前10炮);
[0024] 图3为本发明地震测线的共偏移距道集地震记录图(前4个共偏移距地震记录剖面)。
[0025] 图4为本发明地震测线的第1个共偏移距地震记录剖面图(偏移距=4m)。
[0026] 图5为本发明地震测线的第1个共偏移距地震记录剖面的奇异值谱分析图。
[0027] 图6(a)为SVD高通滤波提取第1个共偏移距地震记录剖面的绕射波地震记录图。
[0028] 图6(b)为提取绕射波后的第1个共偏移距地震记录剖面图。
[0029] 图7(a)为本发明地震测线中提取的绕射波地震记录图(前4个共偏移距地震记录剖面)。
[0030] 图7(b)为本发明地震测线分离绕射波后的地震记录图(前4个共偏移距地震记录剖面)。
[0031] 图8为本发明地震测线提取的绕射波共炮点道集地震记录图(前10炮)。
[0032] 图9(a)为本发明地震测线的全波场偏移成像剖面图。
[0033] 图9(b)为本发明地震测线提取的绕射波偏移成像剖面图。
[0034] 具体实施方法
[0035] 下面结合附图和实施例对本发明进一步详细说明。
[0036] 参见图1、2、3、4、5、6(a)、6(b)、7(a)、7(b)、8、9(a)、9(b),一种共偏移距域SVD滤波分离地震绕射波的方法,包括如下步骤:
[0037] 第一步,将含有M炮,每炮m道,每道n个采样点,炮距为dy,道距为dx的单边放炮、多次覆盖滚动采集技术获得的地震数据按共偏移距道集选排,形成共偏移距道集地震记录,该共偏移距道集地震记录共包含m个共偏移距地震记录剖面,每个共偏移距地震记录剖面含有M个地震道,参见图1、图2和图3;
[0038] 第二步,提取共偏移距道集地震记录中的一个共偏移距地震记录剖面,并读取到二维数组R1中,参见图4;
[0039] 第三步,对数组R1进行SVD变换,获得奇异值矩阵Σ,参见图5;
[0040] SVD变换方程:S=UΣVT
[0041] 其中:S为数组R1的矩阵表现形式;上角标T表示矩阵转置;U由SST的特征值向量构成的矩阵;V由STS的特征值向量构成的矩阵;Σ由奇异值构成的矩阵;
[0042] 奇异值矩阵:
[0043] 其中:σ为奇异值;i=1,2,…,r,i为奇异值序号。奇异值σi由大到小排列在矩阵的主对角线上,即σ1≥σ2≥…≥σi≥…≥σr>0,非零奇异值的数目等于矩阵S的秩r,r=min{M,n};
[0044] 第四步:以奇异值序号为横坐标,以奇异值的振幅值为纵坐标对奇异值系列{σ1,σ2,…,σi,…,σr}绘图,形成奇异值谱,然后对奇异值谱的特征进行分析,并确定SVD高通滤波因子下限σh,参见图5;
[0045] 第五步:实施SVD高通滤波提取绕射波,其原理是以σh为SVD高通滤波因子下限重构地震信号,获得数组R2,参见图5和图6(a)、6(b);
[0046] SVD高通滤波重构地震信号方程:
[0047] 其中:R2为SVD高通滤波后重构的地震信号;上角标T表示矩阵转置;i=h,h+1,h+2,…,r,i为奇异值序号;r为矩阵S的秩,r=min{M,n};h为SVD高通滤波因子下限的奇异值序号,且1≤h≤r;σi为矩阵S的第i个奇异值;ui为矩阵U的第i个特征向量;vi为矩阵VT的第i个特征向量;
[0048] 第六步,按输入时的地震数据格式输出数组R2,便完成了一个共偏移距地震记录剖面的SVD高通滤波分离绕射波处理,参见图6(a)、6(b);
[0049] 第七步,重复第二至第六步,依次对整条测线的每一个共偏移距地震记录剖面进行SVD高通滤波分离绕射波处理,获得整条测线的共偏移距道集的绕射波地震记录,参见图7(a)、7(b);
[0050] 第八步,对分离出来的绕射波按共炮点道集选排,获得共炮点道集的绕射波地震记录,参见图8;
[0051] 第九步,对分离出来的绕射波进行偏移成像处理,获得绕射波成像剖面,参见图9(a)、9(b)。实施例
[0052] 将一套含有150炮,每炮48道,每道1000个采样点,采样率为0.5ms,炮距为4m,道距为2m的单边放炮、多次覆盖滚动采集技术获得的地震数据为例说明实施步骤:
[0053] 第一步,将含有150炮,每炮48道,每道1000个采样点,炮距为4m,道距为2m的单边放炮、多次覆盖滚动采集技术获得的地震数据按共偏移距道集选排,形成共偏移距道集地震记录,该共偏移距道集地震记录共包含48个共偏移距地震记录剖面,每个共偏移距地震记录剖面含有150个地震道,参见图1、图2和图3;
[0054] 第二步,提取共偏移距道集地震记录中的一个共偏移距地震记录剖面,并读取到二维数组R1中,参见图4;
[0055] 第三步,对数组R1进行SVD变换,获得奇异值矩阵Σ,参见图5;
[0056] SVD变换方程:S=UΣVT
[0057] 其中:S为数组R1的矩阵表现形式;上角标T表示矩阵转置;U由SST的特征值向量构成的矩阵;V由STS的特征值向量构成的矩阵;Σ由奇异值构成的矩阵;
[0058] 奇异值矩阵:
[0059] 其中:σ为奇异值;i=1,2,…,150,i为奇异值序号。奇异值σi由大到小排列在矩阵的主对角线上,即σ1≥σ2≥…≥σi≥…≥σ150>0;
[0060] 第四步:以奇异值序号为横坐标,以奇异值的振幅值为纵坐标对奇异值系列{σ1,σ2,…,σi,…,σ150}绘图,形成奇异值谱,然后对奇异值谱的特征进行分析,并确定SVD高通滤波因子下限σ10=68.2,参见图5;
[0061] 第五步:实施SVD高通滤波提取绕射波,其原理是以σh=68.2为SVD高通滤波因子下限重构地震信号,获得数组R2,参见图5和图6(a)、6(b);
[0062] SVD高通滤波重构地震信号方程:
[0063] 其中:R2为SVD高通滤波后重构的地震信号;上角标T表示矩阵转置;i=10,11,…,150,i为奇异值序号;σi为矩阵S的第i个奇异值;ui为矩阵U的第i个特征向量;vi为矩阵VT的第i个特征向量;
[0064] 第六步,按输入时的地震数据格式输出数组R2,便完成了一个共偏移距地震记录剖面的SVD高通滤波分离绕射波处理,参见图6(a)、6(b);
[0065] 第七步,重复第二至第六步,依次对整条测线的每一个共偏移距地震记录剖面进行SVD高通滤波分离绕射波处理,获得整条测线的共偏移距道集的绕射波地震记录,参见图7(a)、7(b);
[0066] 第八步,对分离出来的绕射波按共炮点道集选排,获得共炮点道集的绕射波地震记录,参见图8;
[0067] 第九步,对分离出来的绕射波进行偏移成像处理,获得绕射波成像剖面,参见图9(a)、9(b)。
[0068] 实例效果说明:
[0069] 图1为单边放炮、多次覆盖滚动采集地震数据的示意图,为了清晰表示出同一条二维地震测线的多次覆盖滚动采集数据,图1中将不同炮点情况下的炮点-检波点之间的关系进行了拆分表示。
[0070] 图2为整条测线的前10炮原始共炮点道集地震记录图,其中横坐标为道号,纵坐标为采样时间(单位:ms),该地震数据中在100~400ms之间存在多组与地质异常体有关的绕射波。
[0071] 图3为前4个共偏移距道集地震记录剖面图,其中横坐标为道号,纵坐标为采样时间(单位:ms),反射波同相轴连续性较好,在断层、透镜体等地质异常体处发育有绕射波。
[0072] 图4为第1个共偏移距地震记录剖面图,其中横坐标为道号,纵坐标为采样时间(单位:ms)。
[0073] 图5为第1个共偏移距地震记录剖面的奇异值谱分析,从奇异值谱可看出,第1个奇异值σ1=780.6,第9个奇异值σ12=96.4,奇异值的振幅在i=10处出现明显的拐点,第10个奇异值(σ13)及之后的奇异值振幅值均小于68.2,说明横向相干性较好的反射波能量集中在前9个奇异值上,而横向相干性较差的绕射波能量则集中在第10及之后的奇异值上。
[0074] 图6(a)~(b)为第1个共偏移距地震记录剖面的SVD高通滤波提取绕射波,其中图6(a)为提取的绕射波地震记录剖面图,图6(b)为分离绕射波后的地震记录剖面图,绕射波分离较彻底。
[0075] 图7(a)~(b)为本发明地震测线的绕射波分离处理结果,其中图7(a)为提取的绕射波地震记录图(展示了前4个共偏移距地震记录剖面),图7(b)为分离绕射波后的地震记录图(展示了前4个共偏移距地震记录剖面)。与原始地震记录相比较,绕射波分离较彻底。
[0076] 图8为提取的绕射波共炮点道集记录图(展示了前10炮)。
[0077] 图9(a)~(b)为本发明地震波成像结果,其中图9(a)为全波场偏移成像剖面图,图9(b)为绕射波偏移成像剖面图。与反射波成像结果相比较,绕射波明确反映出地质异常体的存在,具体包括4个断层(F0、F1、F2、F3)和2个透镜体(T1和T2),说明绕射波成像可有效识别和追踪地质异常体的存在。
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。

申请试用

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。

申请试用

QQ群二维码
意见反馈