共查询到20条相似文献，搜索用时 578 毫秒
1.
信噪比是衡量地震数据质量的重要指标之一,在地震数据处理和解释中有着重要的作用.目前已有的地震数据信噪比估计方法往往得到的是整个数据的全局信噪比,这种方法只能说明地震数据总体质量的好坏,无法直观细致地刻画地震信号的局部质量.本文提出一种基于正则化条件的局部信噪比估计方法.该方法的基本原理是使用正则化共轭梯度法求解局部信噪比最优解,正则化算子的参数将控制地震信号各点数据局部信噪比的平滑性.其中应用一种基于"过滤波"的级联信号估计方法来计算有效信号,该方法利用有效信号和噪声的相关性特征计算局部信噪比中的有效信号.局部信噪比估计方法利用了信号中每个数据点及其邻域各点的局部信息,避免了使用单个数据点而可能出现的信噪比不合理值,而且局部处理能够减少全局噪声对信噪比估算的影响,该方法可以更准确地表征地震资料信噪分布特征.另外,局部信噪比对去噪方法的评估也具有重要意义.理论模型测试和实际资料处理结果表明,局部信噪比估计方法能够准确反映任一给定地震信号剖面的局部信噪比特征,为非平稳地震数据质量评估提供了直观的评判标准. 相似文献
2.
估计地震数据的信噪比对于地震数据的处理和解释具有重要作用.以往估计地震数据信噪比的方法都需要分离数据中的有效信号和噪声,然后再估计相应的信噪比.这些估计方法的精度严重依赖信号估计方法或噪声压制方法的有效性,往往存在偏差.本文提出一种估计地震数据局部信噪比的深度卷积神经网络模型,通过迭代训练优化参数,构建从含噪地震数据到其信噪比的特征映射.然后使用该神经网络完成信噪比的推理预测,不需要分离地震数据中的有效信号和噪声.模拟数据和实际资料的处理结果都表明,本文的方法可以准确而高效地估计局部地震数据的信噪比,为地震数据质量的定量评价提供依据. 相似文献
3.
在地震观测中,地震数据中普遍包含有噪声信号。由于噪声信号的干扰,地震分析的效率会受到不同程度的影响。传统的去噪方法通常需要噪声的先验知识,并且滤波时会造成部分有效信号丢失。针对这一问题,本文提出一种将自适应噪声完全集合经验模态分解（CEEMDAN）算法与Hurst指数相结合的地震数据去噪方法。首先通过CEEMDAN方法将信号分解为一系列本征模函数（IMF）,然后利用Hurst指数对滤波后的IMF分量进行识别,最后对地震数据IMF分量进行重构,从而实现数据去噪。与传统方法的去噪效果对比表明,本文方法可将低信噪比波形的去噪效果提高32%,将高信噪比波形的去噪效果提高6倍。同时对地磁数据的去噪结果表明,本文方法能够较完整地将地铁噪声从地磁信号波形中滤除。 相似文献
4.
针对地震数据随机噪声压制问题,本文提出一种基于非局部贝叶斯(Non-local Bayes algorithm)的滤波方法。NLBayes方法使用高斯模型代替NL-means方法中使用全部相似数据块的加权平均,减少对数据结构细节的平滑效应,从而改善去噪效果。在地震数据去噪处理中,根据噪声的方差自适应的计算数据块的大小和高斯模型中数据块的数量,经过两次迭代实现地震数据去噪。第二次迭代中使用第一次迭代去噪后的数据来计算高斯模型块的无偏差均值和协方差,以提高数据块的相似度,使得去噪效果更理想。通过对模型数据和实际数据测试表明,NL-Bayes方法能有效提高地震数据信噪比和满足数据保真性处理的要求。 相似文献
5.
6.
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. 相似文献
7.
8.
针对传统的地震数据属性降维优化方法所选取的地震数据属性特征贡献率低导致降维过程计算量大、CPU占用率高等问题,提出一种基于主成分分析的海量地震数据属性降维优化方法。首先根据地震样本特征建立地震数据特征矩阵,把矩阵中的特征进行聚类,运用降序法排列聚类结果,选取前几项数据作为地震数据属性特征选取结果,对其结果评估分类信息量;通过特征积分准则(FSC)修正分类信息量,获取海量地震数据属性特征节点;运用主成分分析方法对地震数据属性特征节点主成分添加标签,确定Fisher判别分析与PCA可变动选择不确定关系,建立半监督降维的全局最优化形式,运用特征值分解计算降维结果,克服海量地震数据属性降维过程中的过拟合问题,融合主成分分析算法与Fisher判别分析算法实现海量地震数据属性降维优化。实验结果证明,所提方法选取的属性特征精度及贡献率较高,降维过程中CPU占用率较低。 相似文献
9.
地震相干属性是地震解释中识别大中尺度构造和地层异常的关键技术，目前常规属性技术基于叠后三维数据进行.宽方位地震采集和解释技术的发展为提高地下构造的地震识别精度提供了新思路，但如何利用丰富的宽方位地震数据开展地震几何属性研究仍具有挑战.因此，本文充分利用地质不连续面造成的地震异常在不同观测方位上的差异，以及垂直断裂构造走向的部分方位叠加数据对识别断裂有更好的效果，发展了一种基于方位地震数据提取多方位相干属性的方法.首先，在不同方位地震数据的三维分析窗中对地震道插值，沿不同方向构造方位分析窗，其次，在计算方位相干时，对方位分析窗内不同位置的地震道使用反距离加权算法计算权重，最后通过主成分分析技术实现多方位信息融合，并将归一化后的结果定义为最终多方位相干.实际应用验证了所提方法的有效性和稳定性，与常规方法相比，本文所提方法包含了地质构造不同方位的特征，在所有方向上突出了地质边缘，同时提供了局部和整体的不连续性，并且有效地提高了相干图像的信噪比. 相似文献
10.
将基于倾角扫描的奇异值分解与经验模式分解法相结合应用到地震资料随机噪声压制中。首先利用经验模式分解法消除部分噪声,增强地震道有效信号的相关性,再利用奇异值分解对地震信号进行同相轴自动追踪,截取小时窗数据体,并进行同相轴拉平处理,经SVD计算小时窗数据中心点的值来代替计算样点的值,最终实现随机噪声的压制。理论模型试算和实际资料处理表明,本文提出的EMD-SVD方法简单易行,比单一的SVD方法去噪效果更显著有效地消除了地震资料中的随机噪声,提高了地震资料的信噪比,并改善了叠加剖面的质量。 相似文献
11.
利用紫坪铺水库2004～2007年记录的实际地震数据,通过比较多种滤波方法,发展出一种既能有效滤除地震数据中本底噪音、又对有效信号损伤较小的比值滤波方法。对去噪后的水库诱发地震和构造地震数据,利用小波变换方法,分别进行时频分析获得两类地震的时频谱,并提取可以反映地震发生前后能量分布和聚集情况的时频属性,最后根据各个属性的响应效果,组合得到新的属性。将时频谱与时频属性相结合,总结归纳紫坪铺水库诱发地震与构造地震波谱时频特征的差异性,为地震监测分析提供基础依据。 相似文献
12.
平面波分解方法是地震资料处理中的一项关键技术,它广泛地运用在平面波偏移、各类Beam偏移等成像方法中.平面波分解不仅可以提高偏移成像的效率,而且可以压制地震资料中的随机噪音,提高地震数据的信噪比.线性Radon变换（LRT）是一种常见的实现平面波分解的方法,但常规的LRT存在以下两个缺点：（1）分辨率受测不准原理限制;（2）变换结果存在很多噪音和空间假频.为了克服LRT的上述缺点,本文提出一种基于压缩感知的高分辨率平面波分解方法,并利用加权匹配追踪（WMP）技术实现了该方法.该方法将LRT视为一个参数估计问题,并将LRT结果的稀疏性作为约束条件,在压缩感知理论的指导下利用WMP方法得到高分辨率、高信噪比的平面波分解结果.另外,该方法还可以用于提取地震数据的线性信号、压制随机噪音、实现高维地震数据规则化等地震资料处理技术.数值实验结果证明：WMP方法可以有效地提取地震数据中的线性信号,提高LRT的分辨率和信噪比,从而改善平面波分解的质量. 相似文献
13.
叠前地震反演充分利用地震记录振幅随偏移距变化的信息,在储层预测中发挥着重要作用.由于地震观测数据的带限性和其中所含有的噪声,地震反演是一个典型的不适定问题.目前,提出的各种正则化方法通过对反演参数施加约束,使反演结果具备期望的特征.然而,传统的反演方法忽略了地下构造的空间连续性,当地震数据信噪比较低时,单道反演方法无法得到稳定、准确的反演结果.本文提出了一种基于自适应块排列正则化的多道叠前地震反演方法,利用叠后地震资料高信噪比的特点,提取了一个块排列矩阵来记录地下构造信息.该方法通过将地震剖面分解为地震记录块,利用地震数据的局部相似性来记录相邻采样点的位置.在此基础上,构造了多道块排列正则项,建立了多道叠前地震反演的目标函数.在多道块排列正则项中,可以自适应调整权重系数,在增强空间连续性的同时保护边缘.利用L-BFGS算法可以有效地求解多道叠前反演目标函数.合成数据和实际数据测试均表明,当观测记录信噪比较低时,该方法的反演结果优于传统的基于单道模型约束的反演结果. 相似文献
14.
15.
针对陆上三分量地震资料去噪处理中面临的面波噪声能量强、有效信号能量弱、转换波与面波主频叠置、非矢量保真处理等问题,本文基于多分量数据中有效信号与强面波噪声在极化属性、振幅能量、视速度三方面的特征差异,提出了一种时频域压制多分量数据强面波的去噪方法,并设计了相应的矢量滤波器。该方法利用小波变换将地震信号变换到时频域,并基于时频域瞬时极化率公式计算出各点极化率参数,然后根据面波视速度划分出有效信号区和面波噪声区,并据此对有效信号进行能量均值统计,最后联合极化率、能量、频率特征对噪声识别和分频、分区压制。理论模型和实际资料处理验证了本文方法的正确性和有效性,为解决低信噪比陆上多分量资料面波压制提供了又一种有效手段。 相似文献
16.
自适应非局部均值地震随机噪声压制(英文) 总被引：2，自引：1，他引：1
非局部均值滤波是一种基于图像信息冗余的去噪方法,其认为图像自身的有效结构具有一定的重复性,而随机噪声则不具备这一特点,通过利用图像本身的自相似性来达到压制随机噪声的目的,是一种全局的去噪方法。本文把这一思想引入地震数据随机噪声压制中,针对传统非局部均值滤波计算量过大的问题,文章采用分块非局部均值的方式来减少计算量;针对滤波参数选取会影响非局部均值滤波效果的问题,提出一种简单的自适应滤波参数地震数据分块非局部均值算法。模型和实际数据处理结果表明:相对于传统的去噪算法(如f-x反褶积),该方法在压制随机噪声的同时对有效信号保护地更好,具有更高的保真度,更有利于后续的处理和解释工作。 相似文献
17.
《应用地球物理》2015,(3)
地震属性技术广泛应用于油气勘探与开发,但因地震波在地球介质中传播的复杂性、地震数据采集观测系统的局限性以及噪音干扰等原因,地震属性用于地震资料解释仍然具有很大的不确定性,而地震属性的抗噪性直接影响着地震解释的可信度。灰色理论用于处理时间序列信号具有弱化随机性、增加规律性的能力。消除趋势波动法能有效地消除数据中的各种不确定性未知趋势本文将灰色理论和消除趋势波动法相结合,提出了基于灰色消除趋势波动法计算分形标度指数地震属性的新方法。论文以Weierstrass函数产生的非线性时间序列以及实际地震资料增加随机噪音为例,讨论了灰色-消除趋势波动法计算分形标度指数的抗噪能力,研究表明新方法计算的分形标度指数具有良好的抗噪能力。将该方法应用于四川东北部地区三维地震叠后偏移数据,与传统的消除趋势波动法提取的分形标度指数地震属性进行对比,结果表明新方法计算的分形标度指数地震属性与钻井等资料结合分析,能够更好地区分沉积相带的差异,揭示生物礁的发育带。 相似文献
18.
随机噪声的影响在地震勘探中是不可避免的,常规的随机噪声压制方法在处理中往往会破坏具有时空变化特征的非平稳有效地震信号,影响地震数据的准确成像.当前油气勘探的目标已经转变为“两宽一高”,随着数据量的增大,对去噪方法的处理效率也提出了更高的要求.因此,开发高效的非平稳地震数据随机噪声压制方法具有重要意义.预测滤波技术广泛用于地震随机噪声的衰减,本文基于流式处理框架提出一种新的f-x域流式预测滤波方法,通过在频率域建立预测自回归方程,运用直接复数矩阵逆运算代替迭代算法求解非平稳滤波器系数,实现时空变地震同相轴预测,提高自适应预测滤波的计算效率.通过与工业标准的FXDECON方法和f-x域正则化非平稳自回归(RNA)方法进行对比,理论模型和实际数据的测试结果表明,提出的f-x域流式预测滤波方法能更好地平衡时空变有效信号保护、随机噪声压制和高效计算三者之间的关系,获得合理的处理效果. 相似文献
19.
井下微震监测获得的地震记录往往包含大量的噪声,记录信噪比很低.有效地震信号的识别与提取是进行后续地震定位等工作之前需要优先解决的问题.经过研究发现,井下水压裂微地震信号具有稀疏分布的特征,而井下环境噪声则具有更多的Gaussian分布特征.为此,本文提出将图像处理领域适宜于稀疏分布信号降噪处理的稀疏码收缩方法应用于井下微震监测数据处理.为解决需要利用与待处理数据中有效信号成分具有相似分布特征的无噪信号序列估算正交基以及计算效率等问题,将原方法与小波变换理论相结合.即通过优选小波基函数作为正交基进行小波变换将信号分解为不同级的小波系数,利用稀疏码收缩方法中对稀疏编码施加的非线性收缩方式作为阈值准则对小波系数进行改造.通过多方面的数值实验证明了该方法在处理地震子波及井下微地震信号方面准确可靠.含噪记录经过处理后有效地震信号的到时、波形、时频谱特征等均能得到良好的识别和恢复.并且该方法具有很强的抗噪能力,当信噪比低至-20~-30db时,仍然能够发挥作用.在处理大量实际井下微震监测数据的过程中,面对多种复杂情况,本方法展现出了计算效率高、计算结果可靠、应用简单等优势,证明了其本身具有实际应用价值,值得进一步的研究和推广. 相似文献
20.
《地球物理学进展》2015,(6)
针对多分量地震数据具有信噪比低、波场比较复杂等特点,同时为了解决有效波和面波在低频带具有相关性且频带有重叠的部分.本文基于希尔伯特—黄变换(Hilbert—Huang transform,HHT)提出一种多分量地震数据去噪方法.HHT的核心部分是固有模态分解(Empirical mode composition method,EMD),它将地震信号自适应分解为各个尺度的固有模态函数(Intrinsic mode function,IMF);然后根据有效波和噪声分布在不同的分辨尺度范围内进行数据重构;对于一些尺度分布比较宽的,进行更加严格的EMD分解,以及通过瞬时参数阈值大小进行处理以达到更好的去噪效果.本文所做的工作主要针对多波资料中面波的处理,利用面波跟有效波的频率尺度和瞬时属性差异,从仿真数据、模型和实际地震数据进行面波的压制实验,取得了比较满意的压制效果,提高了地震资料的分辨率.也表明了该方法在多分量地震去噪处理中的可行性. 相似文献