多次波是地震資料處理中常見的一種相干噪聲,它的存在會使地震剖面中出現(xiàn)虛假反射同相軸,或與有效波相互混疊,掩蓋有效波能量,降低地震資料的信噪比和分辨率,進(jìn)而影響一次波偏移的精度。根據(jù)多次波與自由表面的關(guān)系,可將其分為自由表面多次波和層間多次波。目前,自由表面多次波的壓制方法已經(jīng)比較成熟,但隨著油氣勘探目標(biāo)的復(fù)雜性不斷增強(qiáng)和勘探精度要求的不斷提高,層間多次波的影響逐漸突出。如何有效地壓制層間多次波,成為地震勘探中的一個關(guān)鍵問題。本文在已有研究成果的基礎(chǔ)上,對數(shù)據(jù)驅(qū)動的層間多次波壓制方法進(jìn)行了一定的研究。本文首先介紹了多次波的相關(guān)性質(zhì),總結(jié)了常規(guī)的多次波壓制方法,再從運(yùn)動學(xué)、動力學(xué)等角度出發(fā),分析了層間多次波的特征,為層間多次波的消除奠定了理論基礎(chǔ)。然后,根據(jù)逆散射級數(shù)原理,推導(dǎo)出層間多次波預(yù)測的計(jì)算公式,并通過引入階躍函數(shù)和子波有限長度、有限積分區(qū)間等約束條件,對層間多次波預(yù)測公式進(jìn)行簡化,目的是在保留逆散射級數(shù)法數(shù)據(jù)驅(qū)動優(yōu)點(diǎn)的同時,進(jìn)一步提高計(jì)算效率。之后,根據(jù)對層間多次波與一次波特點(diǎn)的分析,將一次波的非高斯性最大化作為優(yōu)化目標(biāo),采用基于2D卷積信號盲分離的層間多次波自適應(yīng)相減方法實(shí)現(xiàn)層...

【文章頁數(shù)】：84 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題研究的目的和意義
    1.2 國內(nèi)外發(fā)展歷史和研究現(xiàn)狀
        1.2.1 基于濾波方法壓制多次波
        1.2.2 基于波動方程的預(yù)測相減法壓制多次波
    1.3 研究內(nèi)容
第二章 層間多次波的基礎(chǔ)理論
    2.1 多次波的產(chǎn)生機(jī)理及類型劃分
        2.1.1 多次波的產(chǎn)生機(jī)理
        2.1.2 多次波的類型劃分
    2.2 多次波特征與識別方法
        2.2.1 多次波的特征
        2.2.2 多次波的識別方法
    2.3 多次波壓制方法概述
        2.3.1 濾波方法壓制多次波概述
        2.3.2 預(yù)測相減法概述
    2.4 層間多次波理論
        2.4.1 層間多次波性質(zhì)
        2.4.2 容易形成層間多次波的構(gòu)造
    2.5 CFP壓制層間多次波算法簡介
        2.5.1 一次波與多次波的WRW模型
        2.5.2 邊界算法預(yù)測間多次波
        2.5.3 層界面算法預(yù)測層間多次波
    2.6 小結(jié)
第三章 逆散射級數(shù)法預(yù)測層間多次波
    3.1 散射級數(shù)正演
    3.2 散射級數(shù)反演
        3.2.1 逆散射級數(shù)
        3.2.2 逆散射級數(shù)法預(yù)測層間多次波
            3.2.2.1 理論分析
            3.2.2.2 公式推導(dǎo)
    3.3 逆散射級數(shù)法預(yù)測層間多次波算法改進(jìn)
        3.3.1 1D逆散射級數(shù)預(yù)測算法改進(jìn)
        3.3.2 1.5D逆散射級數(shù)預(yù)測算法改進(jìn)
    3.4 小結(jié)
第四章 基于2D卷積信號盲分離的多次波自適應(yīng)相減算法
    4.1 最小二乘匹配濾波自適應(yīng)相減方法
    4.2 基于2D卷積信號盲分離的多次波自適應(yīng)相減方法
        4.2.1 單道匹配濾波器求解方法
        4.2.2 多道匹配濾波器求解方法
    4.3 小結(jié)
第五章 模型與實(shí)際數(shù)據(jù)測試
    5.1 水平層狀模型
    5.2 自適應(yīng)相減算法對比
    5.3 SMARRT模型
    5.4 實(shí)際數(shù)據(jù)模型
結(jié)論與認(rèn)識
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



本文編號：4003653