地震勘探的采集工作面臨著復(fù)雜地表、復(fù)雜的工區(qū)條件、大數(shù)據(jù)量及采集成本等問(wèn)題,使采集中往往存在著不規(guī)則的缺失道及較大道間距的情況,造成了空間上的不規(guī)則采樣和稀疏采樣。此外,采集中外界的風(fēng)吹草動(dòng)等各種隨機(jī)干擾及地震數(shù)據(jù)處理都會(huì)使地震記錄的信噪比降低。不完整的數(shù)據(jù)及較低的信噪比嚴(yán)重地影響著后續(xù)資料的處理、屬性的提取及儲(chǔ)層的預(yù)測(cè)等。稀疏表示是當(dāng)前信息科學(xué)及處理領(lǐng)域的最新進(jìn)展,因此,將它用于缺失數(shù)據(jù)的恢復(fù)重建、隨機(jī)噪音的壓制及地震屬性的研究具有重要的現(xiàn)實(shí)意義。為了研究稀疏表示理論在地震數(shù)據(jù)處理中的應(yīng)用,本文首先研究了基于傅立葉變換和壓縮感知的地震數(shù)據(jù)重建。在此基礎(chǔ)上,研究了基于非局部算法和壓縮感知的重建方法。非局部算法利用了數(shù)據(jù)中非局部子塊的相似性,并將這種相似性作為數(shù)據(jù)的先驗(yàn)信息,改善了地震數(shù)據(jù)的重建效果。在稀疏表示壓制地震隨機(jī)噪音方面,根據(jù)字典構(gòu)造方法的不同,研究了三種不同的稀疏表示去噪方法,這些方法中的字典構(gòu)造是由易到難,復(fù)雜程度逐步遞增的。研究的基于獨(dú)立分量分析（ICA）的稀疏表示去噪方法,可以克服傳統(tǒng)獨(dú)立分量分析技術(shù)在壓制加性高斯隨機(jī)噪音方面的不足。基于K-SVD字典訓(xùn)練的小波域稀疏表... 

【文章來(lái)源】：中國(guó)石油大學(xué)(華東)山東省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：101 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 地震數(shù)據(jù)重建研究現(xiàn)狀
        1.2.2 地震隨機(jī)噪音壓制研究現(xiàn)狀
    1.3 本文主要的研究?jī)?nèi)容
第二章 信號(hào)的稀疏表示理論
    2.1 稀疏表示理論基礎(chǔ)
        2.1.1 稀疏表示問(wèn)題描述
        2.1.2 稀疏性的度量
        2.1.3 稀疏表示的不確定性
    2.2 字典構(gòu)造方法
        2.2.1 基于數(shù)學(xué)模型構(gòu)造字典
        2.2.2 基于正交基級(jí)聯(lián)構(gòu)造字典
        2.2.3 基于學(xué)習(xí)訓(xùn)練構(gòu)造字典
    2.3 稀疏優(yōu)化算法
        2.3.1 松弛優(yōu)化算法
        2.3.2 貪婪追蹤算法
        2.3.3 組合優(yōu)化方法
    2.4 稀疏表示與壓縮感知
第三章 基于稀疏表示和壓縮感知的地震數(shù)據(jù)重建
    3.1 基于稀疏變換壓縮重建的基本原理
        3.1.1 重建模型描述
        3.1.2 稀疏促進(jìn)反演算法
        3.1.3 規(guī)則采樣與隨機(jī)采樣
    3.2 基于傅立葉變換和壓縮感知的地震數(shù)據(jù)重建
        3.2.1 基于傅里葉變換的壓縮重建流程
        3.2.2 理論模型測(cè)試
        3.2.3 實(shí)際資料處理
    3.3 基于非局部算法和壓縮感知的地震數(shù)據(jù)重建
        3.3.1 非局部壓縮采樣及地震數(shù)據(jù)的恢復(fù)重建
        3.3.2 理論模型測(cè)試
        3.3.3 實(shí)際模型處理
第四章 基于稀疏表示的地震隨機(jī)噪音壓制
    4.1 基于獨(dú)立分量分析的隨機(jī)噪音壓制
        4.1.1 基函數(shù)
        4.1.2 ICA基
        4.1.3 基于ICA基的閾值法去噪
        4.1.4 理論模型測(cè)試及實(shí)際資料處理
    4.2 基于K-SVD的微地震數(shù)據(jù)隨機(jī)噪音壓制
        4.2.1 基于K-SVD字典訓(xùn)練的稀疏表示理論
        4.2.2 小波域稀疏表示去噪方法
        4.2.3 理論模型及實(shí)際資料處理
    4.3 基于稀疏K-SVD的三維地震數(shù)據(jù)隨機(jī)噪音壓制
        4.3.1 稀疏字典模型
        4.3.2 基于稀疏字典的稀疏表示去噪方法
        4.3.3 理論模型及實(shí)際資料處理
第五章 基于稀疏表示的地震屬性融合處理
    5.1 基于稀疏表示的多屬性融合原理
    5.2 無(wú)噪音屬性的融合研究
        5.2.1 同類屬性的融合
        5.2.2 不同類屬性的融合
    5.3 含噪音屬性的融合研究
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的學(xué)術(shù)成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于壓縮感知和TV準(zhǔn)則約束的地震資料去噪[J]. 劉偉,曹思遠(yuǎn),崔震.  石油物探. 2015(02)
[2]基于曲波變換的循環(huán)平移地震隨機(jī)噪聲衰減[J]. 薛詩(shī)桂.  地球物理學(xué)進(jìn)展. 2015(01)
[3]地震屬性融合方法綜述[J]. 李婷婷,王釗,馬世忠,王昭,袁子龍.  地球物理學(xué)進(jìn)展. 2015(01)
[4]基于非局部相似度約束的多通道復(fù)用壓縮遙感成像方法[J]. 趙明,安博文,王運(yùn),孫勝利.  紅外與毫米波學(xué)報(bào). 2015(01)
[5]2D地震數(shù)據(jù)規(guī)則化中隨機(jī)稀疏采樣方案（英文）[J]. 蔡瑞,趙群,佘德平,楊麗,曹輝,楊勤勇.  Applied Geophysics. 2014(03)
[6]3D高階拋物Radon變換地震數(shù)據(jù)保幅重建[J]. 唐歡歡,毛偉建.  地球物理學(xué)報(bào). 2014(09)
[7]基于壓縮感知的Curvelet域聯(lián)合迭代地震數(shù)據(jù)重建[J]. 白蘭淑,劉伊克,盧回憶,王一博,常旭.  地球物理學(xué)報(bào). 2014(09)
[8]λ-f域加權(quán)拋物Radon變換地震數(shù)據(jù)重建方法研究[J]. 石穎,張振,李婷婷,劉淑芬,曾科.  地球物理學(xué)進(jìn)展. 2014(04)
[9]壓縮感知框架下基于K-奇異值分解字典學(xué)習(xí)的地震數(shù)據(jù)重建[J]. 周亞同,王麗莉,蒲青山.  石油地球物理勘探. 2014(04)
[10]高階高分辨率Radon變換地震數(shù)據(jù)重建方法[J]. 薛亞茹,唐歡歡,陳小宏.  石油地球物理勘探. 2014(01)

碩士論文
[1]基于信號(hào)特征分析的地震多屬性融合方法研究[D]. 普艷香.電子科技大學(xué) 2013
[2]基于壓縮視頻感知字典構(gòu)造方法研究[D]. 姜平.西安電子科技大學(xué) 2013
[3]信號(hào)稀疏表示理論及應(yīng)用研究[D]. 趙亮.哈爾濱工程大學(xué) 2012
[4]F-K域地震道插值方法研究[D]. 羅丹.成都理工大學(xué) 2009
[5]基于獨(dú)立分量分析的地震盲反褶積方法及應(yīng)用研究[D]. 劉杰.中國(guó)石油大學(xué) 2008
[6]小波變換及在提高地震資料信噪比中的應(yīng)用[D]. 姜紹輝.中國(guó)海洋大學(xué) 2005



本文編號(hào)：3395017