【摘要】：傳統(tǒng)的反射系數(shù)反演基于褶積模型,理論上其要求輸入的地震數(shù)據(jù)是穩(wěn)態(tài)的(即未考慮地層品質(zhì)因子Q的衰減與頻散效應(yīng))。如果地震波在傳播過(guò)程中其Fourier頻譜(振幅譜和相位譜)不變化,稱這種地震波是穩(wěn)態(tài)的。相反,地震波在傳播過(guò)程中其頻譜發(fā)生變化(振幅衰減和相位頻散),稱這種地震波是非穩(wěn)態(tài)的。由非穩(wěn)態(tài)地震波組成的數(shù)據(jù)稱為非穩(wěn)態(tài)地震數(shù)據(jù)。由于地層的粘彈性,實(shí)際地震數(shù)據(jù)是非穩(wěn)態(tài)的。對(duì)非穩(wěn)態(tài)地震數(shù)據(jù)進(jìn)行傳統(tǒng)反射系數(shù)反演須先補(bǔ)償?shù)貙観濾波效應(yīng),通常選用反Q濾波。然而反Q濾波的振幅補(bǔ)償存在固有的數(shù)值不穩(wěn)定問(wèn)題,且這一問(wèn)題并沒(méi)有從本質(zhì)上解決。因此,本文提出一種從非穩(wěn)態(tài)地震數(shù)據(jù)直接反演反射系數(shù)的方法,稱其為:非穩(wěn)態(tài)稀疏反射系數(shù)反演(Nonstationary Sparse Reflectivity Inversion,NSRI)。NSRI的主要優(yōu)點(diǎn)有:通過(guò)將地層Q濾波算子集成到褶積模型中,其避免了反Q濾波振幅補(bǔ)償固有的數(shù)值不穩(wěn)定問(wèn)題。NSRI同時(shí)避免了時(shí)變反褶積類方法所面臨的時(shí)變子波估計(jì)問(wèn)題。NSRI不僅將傳統(tǒng)反射系數(shù)反演拓展至可處理非穩(wěn)態(tài)地震數(shù)據(jù),而且兼具傳統(tǒng)反射系數(shù)反演的功能。在建立NSRI反演方程組時(shí),本文只用了輸入地震數(shù)據(jù)信噪比高的部分譜,并采用壓縮感知領(lǐng)域基追蹤算法來(lái)優(yōu)化求解l_1-l_2約束目標(biāo)函數(shù),以得到稀疏反射系數(shù)解。合成數(shù)據(jù)實(shí)驗(yàn)表明:NSRI可從非穩(wěn)態(tài)數(shù)據(jù)中直接獲取反射系數(shù)解,而無(wú)需對(duì)輸入的非穩(wěn)態(tài)數(shù)據(jù)先做反Q濾波。在數(shù)據(jù)信噪比低時(shí),NSRI仍可獲得合理的反射系數(shù)解。當(dāng)輸入的Q值存在適度誤差時(shí),并不會(huì)造成NSRI結(jié)果的劇烈變化。當(dāng)輸入地震子波的主頻和相位存在適度誤差時(shí),NSRI仍可獲得合理的反演結(jié)果。接著本文采用物理模擬數(shù)據(jù)測(cè)試了NSRI。物理模型的制作比例為1:5000(即物理模型1毫米代表實(shí)際5米),速度比例約為1:1。物理模型由強(qiáng)吸收衰減介質(zhì)組成。對(duì)于物理模擬數(shù)據(jù),知道真實(shí)的反射系數(shù)解,但并不知道地震波在物理模型中的傳播機(jī)理以及物理模型介質(zhì)的Q衰減頻散機(jī)理,因此物理模擬數(shù)據(jù)對(duì)NSRI來(lái)說(shuō)是盲測(cè)試。物理模型介質(zhì)的Q值是在超聲頻率下測(cè)量衰減與頻散數(shù)據(jù),并用參考樣品法和譜比法計(jì)算所得。盡管原始數(shù)據(jù)中包含多次波、繞射波、邊界反射等干擾,為避免破壞原始數(shù)據(jù)的Q濾波效應(yīng),本文并沒(méi)對(duì)原始數(shù)據(jù)做預(yù)處理。NSRI對(duì)物理模擬數(shù)據(jù)分析證實(shí):所推導(dǎo)的非穩(wěn)態(tài)地震數(shù)據(jù)模擬公式是正確的;實(shí)驗(yàn)室測(cè)量的物理模型介質(zhì)的Q值是可信的。NSRI的功能和優(yōu)點(diǎn)得到證實(shí)。由NSRI反演反射系數(shù)同震源子波褶積重構(gòu)的Q補(bǔ)償結(jié)果要優(yōu)于增益控制反Q濾波結(jié)果。實(shí)際地震數(shù)據(jù)測(cè)試進(jìn)一步證實(shí)NSRI的功能和優(yōu)點(diǎn)。
[Abstract]:The traditional reflection coefficient inversion is based on convolution model, which requires the seismic data to be steady (that is, the attenuation and dispersion of formation quality factor Q) are not taken into account. If the Fourier spectrum (amplitude spectrum and phase spectrum) of a seismic wave does not change during its propagation, the seismic wave is said to be stable. On the contrary, the frequency spectrum of seismic wave changes (amplitude attenuation and phase dispersion) during its propagation, which is called unsteady. Data consisting of unsteady seismic waves are called unsteady seismic data. Due to the viscoelasticity of the formation, the actual seismic data are unstable. In the traditional reflection coefficient inversion of unsteady seismic data, the formation Q filter effect must be compensated first, and the inverse Q filter is usually used. However, the amplitude compensation of inverse Q filter has the inherent numerical instability problem, and this problem has not been solved in essence. Therefore, a direct inversion method of reflection coefficient from unsteady seismic data is presented in this paper, which is called unsteady sparse reflection coefficient inversion of (Nonstationary Sparse Reflectivity Inversion,. The main advantages of NSRI). NSRI are: by integrating the Q filter operator into the convolution model, It avoids the numerical instability problem inherent in amplitude compensation of inverse Q filter. NSRI also avoids the time-varying wavelet estimation problem faced by time-varying deconvolution method. NSRI not only extends the traditional reflection coefficient inversion to deal with unsteady seismic data, but also avoids the problem of time-varying wavelet estimation. It also has the function of traditional reflection coefficient inversion. In order to obtain the sparse reflection coefficient solution, only the partial spectrum with high SNR of the input seismic data is used to establish the NSRI inversion equations, and the compressed sensing domain basis tracking algorithm is used to optimize the solution of the l_1-l_2 constrained objective function. The experimental results show that NSRI can directly obtain the reflection coefficient solution from the unsteady data, without the need of inverse Q filter for the input unsteady data. When the signal to noise ratio is low, the NSRI can still obtain a reasonable reflection coefficient solution. When there is a moderate error in the input Q value, the NSRI result will not change dramatically. When there are moderate errors in the main frequency and phase of the input seismic wavelet, NSRI can still obtain reasonable inversion results. Then the physical simulation data is used to test the NSRI.. The physical model is made at a ratio of 1: 5000 (that is, the physical model is 1 millimeter for the actual 5 meters), and the speed ratio is about 1: 1. The physical model consists of a strong absorption attenuation medium. For the physical simulation data, the true reflection coefficient solution is known, but the propagation mechanism of seismic wave in the physical model and the Q attenuation dispersion mechanism of the physical model medium are not known, so the physical simulation data is blind to NSRI. The Q value of physical model medium is obtained by measuring attenuation and dispersion data at ultrasonic frequency and using reference sample method and spectral ratio method. Although the original data contains multiple waves, diffraction waves, boundary reflection and other disturbances, in order to avoid destroying the Q filtering effect of the original data, In this paper, the original data are not preprocessed. The analysis of physical simulation data by NSRI confirms that the derived formula of unsteady seismic data is correct; The Q value of the physical model medium measured in the laboratory is credible. The functions and advantages of NSRI are confirmed. The Q compensation result of the reconstruction of reflection coefficient and source wavelet convolution from NSRI inversion is better than that of gain control inverse Q filter. The actual seismic data test further confirmed the function and advantage of NSRI.
【學(xué)位授予單位】：中國(guó)石油大學(xué)(北京)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類號(hào)】：P631.44

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 郭念民;孟亞玲;楊文博;李海山;;時(shí)移地震數(shù)據(jù)重復(fù)性度量及一致性分析方法[J];物探化探計(jì)算技術(shù);2012年02期

2 陳浩歌;楊聚福;;地震數(shù)據(jù)質(zhì)量控制程序的設(shè)計(jì)與實(shí)現(xiàn)[J];中國(guó)管理信息化;2013年02期

3 牟其鐸;;地震數(shù)據(jù)管理概述[J];國(guó)際地震動(dòng)態(tài);1983年10期

4 蔣春花,馮錄剛,孫彥雪,李永慶;地震數(shù)據(jù)管理與共享工作的回顧及其系統(tǒng)研制的策略[J];地震地磁觀測(cè)與研究;1999年01期

5 周克昌,代光輝,岳鑫雨;網(wǎng)絡(luò)分布式地震數(shù)據(jù)庫(kù)萬(wàn)維網(wǎng)站的地震數(shù)據(jù)服務(wù)[J];地震地磁觀測(cè)與研究;2000年06期

6 宋天齊;;地震數(shù)據(jù)質(zhì)疑[J];工程抗震與加固改造;2006年02期

7 鐘勇;;提取地震數(shù)據(jù)最大李指數(shù)的快速方法[J];內(nèi)蒙古石油化工;2007年07期

8 陳浩歌;楊聚福;;地震數(shù)據(jù)質(zhì)量控制技術(shù)研究[J];石油工業(yè)計(jì)算機(jī)應(yīng)用;2007年02期

9 蘇欣;杜鑫;;一種通過(guò)計(jì)算機(jī)編程讀取地震數(shù)據(jù)的方法[J];承德石油高等�？茖W(xué)校學(xué)報(bào);2010年04期

10 蘇欣;杜鑫;;一種通過(guò)計(jì)算機(jī)編程快速讀取地震數(shù)據(jù)的方法[J];承德石油高等專科學(xué)校學(xué)報(bào);2011年02期

相關(guān)會(huì)議論文 前10條

1 曹思遠(yuǎn);路交通;;壓縮感知理論重構(gòu)地震數(shù)據(jù)研究[A];中國(guó)地球物理學(xué)會(huì)第二十七屆年會(huì)論文集[C];2011年

2 王彥春;段云卿;;地震數(shù)據(jù)聚類分析的模擬退火算法[A];1996年中國(guó)地球物理學(xué)會(huì)第十二屆學(xué)術(shù)年會(huì)論文集[C];1996年

3 石瑛;王峗;蘆俊;尹軍杰;邢璽;;煤系地層三維三分量地震數(shù)據(jù)解釋方法研究[A];中國(guó)地球物理學(xué)會(huì)第22屆年會(huì)論文集[C];2006年

4 張亞紅;王德利;劉偉明;;基于聚焦變換的地震數(shù)據(jù)去噪和插值的方法研究[A];中國(guó)地球物理·2009[C];2009年

5 張學(xué)工;;面向解釋的地震數(shù)據(jù)橫向處理[A];1997年中國(guó)地球物理學(xué)會(huì)第十三屆學(xué)術(shù)年會(huì)論文集[C];1997年

6 薛春玲;;地震數(shù)據(jù)的歸一化處理[A];中國(guó)地球物理學(xué)會(huì)第二十三屆年會(huì)論文集[C];2007年

7 劉振;張軍華;徐輝;于海鋮;;基于曲波變換的地震數(shù)據(jù)插值方法研究[A];中國(guó)地球物理2010——中國(guó)地球物理學(xué)會(huì)第二十六屆年會(huì)、中國(guó)地震學(xué)會(huì)第十三次學(xué)術(shù)大會(huì)論文集[C];2010年

8 劉鵬;王彥飛;楊明名;楊長(zhǎng)春;B.B.Sholpanbaev;Zh.O.Oralbekova;;地震數(shù)據(jù)的稀疏高斯束分解方法[A];中國(guó)科學(xué)院地質(zhì)與地球物理研究所2013年度（第13屆）學(xué)術(shù)論文匯編——蘭州油氣中心及離退休等部門(mén)[C];2014年

9 高建軍;陳小宏;李景葉;;不規(guī)則地震數(shù)據(jù)的抗假頻重建研究[A];中國(guó)地球物理·2009[C];2009年

10 馬堅(jiān)偉;唐剛;湯文;;基本曲波變換和壓縮感知的不完備地震數(shù)據(jù)恢復(fù)[A];中國(guó)地球物理學(xué)會(huì)第二十七屆年會(huì)論文集[C];2011年

相關(guān)重要報(bào)紙文章 前4條

1 ;曙光中標(biāo)威海地震數(shù)據(jù)信息網(wǎng)絡(luò)平臺(tái)項(xiàng)目[N];人民郵電;2006年

2 周宏;東方公司地震數(shù)據(jù)系統(tǒng)榜上有名[N];地質(zhì)勘查導(dǎo)報(bào);2008年

3 王勝;地震數(shù)據(jù)高頻恢復(fù)的新方法[N];中國(guó)礦業(yè)報(bào);2005年

4 單超;4.2萬(wàn)億次曙光超級(jí)計(jì)算機(jī)助力石油信息化[N];中國(guó)石化報(bào);2004年

相關(guān)博士學(xué)位論文 前10條

1 柴新濤;非穩(wěn)態(tài)地震數(shù)據(jù)反射系數(shù)反演方法研究與應(yīng)用[D];中國(guó)石油大學(xué)(北京);2016年

2 鄒夢(mèng);基于張量理論的高維地震資料處理方法研究及應(yīng)用[D];成都理工大學(xué);2016年

3 劉海燕;地震數(shù)據(jù)梯度一致性與不同數(shù)學(xué)算法結(jié)合的斷層檢測(cè)技術(shù)[D];吉林大學(xué);2016年

4 張雪冰;基于貪婪算法的地震數(shù)據(jù)稀疏時(shí)頻分解方法研究[D];吉林大學(xué);2016年

5 劉一;基于自適應(yīng)濾波技術(shù)的地震數(shù)據(jù)有效信息恢復(fù)研究[D];吉林大學(xué);2017年

6 王漢闖;地震數(shù)據(jù)高效采集方法理論研究[D];浙江大學(xué);2015年

7 馬靈;海上地震數(shù)據(jù)多纜采集與記錄系統(tǒng)設(shè)計(jì)研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2012年

8 張保慶;海底雙檢地震數(shù)據(jù)質(zhì)量品質(zhì)影響因素分析及關(guān)鍵處理技術(shù)研究[D];中國(guó)石油大學(xué)(北京);2016年

9 于四偉;基于自適應(yīng)稀疏反演的地震數(shù)據(jù)重構(gòu)[D];哈爾濱工業(yè)大學(xué);2017年

10 彭土有;基于QT-GPU的地震數(shù)據(jù)特殊處理解釋一體化平臺(tái)關(guān)鍵方法技術(shù)研究[D];成都理工大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 梁東輝;基于傅里葉變換的地震數(shù)據(jù)規(guī)則化和插值[D];浙江大學(xué);2015年

2 柳炳琦;基于FPGA的多路地震數(shù)據(jù)采集節(jié)點(diǎn)研究與設(shè)計(jì)[D];成都理工大學(xué);2015年

3 李軍紅;地震數(shù)據(jù)頻譜反演方法研究[D];中國(guó)海洋大學(xué);2015年

4 鐘明睿;傾斜電纜地震處理技術(shù)在南海某工區(qū)的應(yīng)用[D];吉林大學(xué);2016年

5 牟力;閩西南地震數(shù)據(jù)起伏地表成像[D];中國(guó)地質(zhì)大學(xué)(北京);2016年

6 楊鵬;三維地震數(shù)據(jù)可視化技術(shù)研究與實(shí)現(xiàn)[D];電子科技大學(xué);2016年

7 張洋;基于稀疏表示理論的地震數(shù)據(jù)去噪方法研究[D];合肥工業(yè)大學(xué);2016年

8 劉瑤;地震數(shù)據(jù)高效存儲(chǔ)技術(shù)研究[D];西南科技大學(xué);2016年

9 李斯穎;基于空間分析方法對(duì)地震數(shù)據(jù)的研究[D];中國(guó)地震局工程力學(xué)研究所;2016年

10 李炳秀;非平穩(wěn)地震數(shù)據(jù)局部屬性表征與應(yīng)用研究[D];吉林大學(xué);2017年

，

本文編號(hào)：2361727