点击数: 更新日期: 2021-09-10
期刊名称:石油地球物理勘探(2021,EI收录中文核心期刊)
原文链接:10.13810/j.cnki.issn.1000-7210.2021.04.007
作者列表:
薛亚茹 中国石油大学(北京)信息科学与工程学院 信息与通信工程
郭蒙军 中国石油大学(北京)信息科学与工程学院 信息与通信工程 研19
冯璐瑜 中国石油大学(北京)信息科学与工程学院 控制科学与工程 博20
马继涛 中国石油大学(北京)地球物理学院
陈小宏 中国石油大学(北京)地球物理学院
基于 Bayes反演理论的迭代加权方法改善了Radon变换的分辨率,但其收敛速度较慢;由于Radon变换空间的强相关性,迭代软阈值方法(ISTA)应用于Radon变换反演时的收敛速度也较慢,且分辨率较低。本文将迭代加权最小二乘法嵌入ISTA 中,形成了加权ISTA算法。引入高分辨Radon变换中加权矩阵的思想,利用Radon参数的先验信息约束反演误差函数,合成记录和实际地震资料处理结果表明,该方法提高了Radon变换分辨率,在多次波分离、噪声压制中效果显著。
Radon变换的分辨率是其进行地震数据处理的关键因素。基于 Bayes 反演理论的迭代加权方法改善了 Radon 变换的分辨率,但其收敛速度较慢;由于 Radon 变换空间的强相关性,迭代软阈值方法(ISTA)应用于 Radon 变换反演时的收敛速度也较慢,且分辨率较低。为此,将迭代加权最小二乘法嵌入ISTA中,形成了加权 ISTA 算法。该方法引入高分辨 Radon 变换中加权矩阵的思想,利用 Radon 参数的先验信息约束反演误差函数,克服了ISTA 收敛速度慢、分辨率低的缺点。合成记录和实际地震资料处理结果表明,该方法提高了 Radon 变换分辨率,在多次波分离、噪声压制中效果显著。
1、 迭代软阈值方法求解Radon变换:
Radon变换可写为矩阵形式:
由于矩阵L通常不是方阵,无法求逆,其LS解分辨率低,基于L1范数的稀疏正则化是现今常用的高分辨率反演方法。构造高分辨率反演目标函数为:
迭代软阈值算法(ISTA)是上述优化问题常用求解方法之一,该算法求解过程不涉及矩阵求逆,计算效率高,每次迭代过程中经矩阵乘法后通过软阈值函数逐渐逼近所求变量,其迭代式为:
2、 迭代加权软阈值算法
迭代加权最小二乘法(IRLS)是高分辨Radon变换的另一种常用方法,构造目标函数如下:
将上式最小化,可得迭代加权最小二乘法如下:
为克服ISTA中Radon共轭算子分辨率低的问题,引入IRLS的Radon变换中权重矩阵思想,将IRLS的加权反演矩阵引入ISTA中,得到迭代加权软阈值算法(R-ISTA)公式:
与传统的ISTA公式相比,本文引入与加权矩阵相关的反演矩阵:
与传统ISTA方法相比,本文所提R-ISTA方法通过引入权重矩阵使Radon域能量聚焦,当上一次迭代得到的Radon域数据M部分能量较低时,则相应的权重矩阵较大。类似地,当前一次迭代得到的M数据部分能量较高时,其对应的权重矩阵较小;随后经矩阵求逆运算,使得数据M中能量强的部分继续加强,能量弱的部分进一步减弱,以此达到高分辨率Radon变换的目的。
为比较ISTA、IRLS及R-ISTA三种方法实现Radon变换的分辨率及压制多次波的效果,本文将三种方法分别处理模拟数据以及实际数据。
模拟数据处理结果如下:
观察、对比可见:ISTA反演得到的Radon域数据能量较分散,分辨率较低,无法分离剩余时差差异较小的两同相轴;主频约束IRLS虽可将其分离,但还是存在能量扩散现象;而主频约束R-ISTA反演得到的Radon参数能量集中,分辨率高。
进一步分析反演所得结果(图 3),可知一次波与多次波已分离,去除其中一次波,经Radon反变换可得到时域多次波数据,从原始地震数据减去多次波数据,即可达到去除多次波的效果。可得一次波如下:
实际数据处理结果如下:
实际数据共13炮,图8b为对原始数据按炮点距离排序后的实际数据。经动校正后,一次波同相轴基本被校平,曲率较小,而多次波仍有剩余时差,曲率较大,故可根据曲率的不同分离一次波与多次波。从图8b可见多次波主要存在于图像中部(红色椭圆)区域。
观察图8d~图8f中三种方法反演的 Radon域数据,可见主频约束R-ISTA求取的Radon域数据比另两种方法更稀疏,去除多次波后可保留更多一次波信息;从图9d~图9f中箭头所指部分可见,与原始数据相比,经三种方法处理后,ISTA对多次波的压制效果欠佳,另两种方法的压制多次波效果较理想,且主频约束R-ISTA比主频约束IRLS的一次波同相轴更清晰。
薛亚茹,博士,副教授,博导。目前主要研究方向是数字信号处理、机器学习,尤其关注现代信号处理技术再地震资料处理中的应用,发表论文多篇。现为美国勘探地球物理家学会(SEG)和欧洲地球物理家与工程师学会(EAGE)会员。