現(xiàn)如今,人類社會發(fā)展對石油、天然氣等不可再生資源的需求日益增加,而常規(guī)油氣藏地區(qū)與易開采區(qū)域的油氣資源不斷被消耗,所以,對于環(huán)境復(fù)雜、開采難度較大的油氣藏地區(qū)進(jìn)行的油氣資源勘探研究已經(jīng)成為資源勘探領(lǐng)域的熱點。位于塔里木盆地的沙漠地區(qū)富含豐富的油氣資源,因此,對其進(jìn)行地質(zhì)勘探、分析地質(zhì)結(jié)構(gòu)、探明資源儲備情況具有十分重要的意義。而地震勘探方法作為一種具有高精度、低成本特點的資源勘探手段,它能夠提供一整套由淺至深的詳細(xì)而較為準(zhǔn)確的地層構(gòu)造資料,但是,由于沙漠地區(qū)的環(huán)境特殊性與復(fù)雜性,采集到的地震資料往往會受到沙漠隨機噪聲的影響,這些噪聲具有非高斯、非平穩(wěn)、頻率低的特點,嚴(yán)重淹沒了有效信號,難以達(dá)到地震資料高信噪比、高分辨率、高保真度的“三高”要求,得不到具有高質(zhì)量的地震勘探資料。因此,研究有效壓制沙漠地震隨機噪聲的方法對于油氣資源勘探具有十分深遠(yuǎn)的意義。地震勘探噪聲壓制方法發(fā)展至今,國內(nèi)外諸多優(yōu)秀學(xué)者已經(jīng)提出、改進(jìn)并運用了很多有效的算法。在傳統(tǒng)的地震噪聲壓制方法中,帶通濾波器、小波變換結(jié)合閾值的算法已經(jīng)得到廣泛應(yīng)用,并取得了較好的處理效果,但由于沙漠地震資料中有效信號與低頻的隨機噪聲有頻率混... 

【文章來源】：吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：62 頁

【學(xué)位級別】：碩士

【部分圖文】：

地震資料采集示意圖

第3章基于時頻分解域內(nèi)低秩成分提取的沙漠地震信號噪聲消減19圖3.1VMD-OptShrink算法流程3.1.2算法實現(xiàn)為了更為清晰、細(xì)致的描述VMD-OptShrink算法的實現(xiàn)過程，本文取一幅較為簡單的合成地震記錄為例，繪制各個步驟生成的圖來逐步介紹其原理。圖3.2（a）是本文選取出的只有兩條同相軸的簡單合成模擬地震純凈信號，與模擬沙漠地震噪聲（圖3.2（b））疊加構(gòu)成了模擬沙漠地震記錄，如圖3.2（c）所示。由于該模擬合成的地震記錄采樣頻率是500Hz，采樣時長2800ms，采樣點數(shù)是1400，共50道，可見，在實驗過程中，輸入的圖3.2（c）所示的沙漠地震信號矩陣的維數(shù)為1400×50。根據(jù)前文介紹的VMD-OptShrink算法第二步，將分解好的所有模態(tài)重新組合，構(gòu)成一個×階的信號分量矩陣。當(dāng)輸入地震信號矩陣維數(shù)為1400×50時，的值為1400，的值為50，本文在算法實現(xiàn)過程中的分解模態(tài)數(shù)暫選為3。依算法原理，經(jīng)過VMD將地震資料的所有道進(jìn)行分解，并按道數(shù)順序?qū)⒏鞯赖哪B(tài)組合成為一個信號分量矩陣，分解、組合矩陣的結(jié)果如圖3.2（d）所示，可見，該矩陣的列數(shù)成為150，所以信號分量矩陣的維數(shù)成為1400×150。由于圖3.2（d）中的地震信號分解的模態(tài)道難以看清，本文將圖3.2（d）中用紅色框標(biāo)記處的部分進(jìn)行放大，結(jié)果如圖3.2（e）所示。在圖3.2（e）中，第1-3道為圖3.2（c）中第1道地震信號分解的3個模態(tài)，圖3.2（e）中第4-6道為圖3.2（c）中第2道地震信號分解的3個模態(tài)，以此類推，按這樣的順序擺放各個模態(tài)構(gòu)成了信號分量矩陣。在圖3.2（e）中可以清晰地看到VMD分解的模態(tài)效果，有效信號大致保留在了分解的第二個模態(tài)中，但依舊存在些許噪聲，分解模態(tài)數(shù)取3時，各個地震信號道是分解不徹底的，有嚴(yán)重的頻譜混疊現(xiàn)象，可見，分解模態(tài)數(shù)取3并不是一個十分合

第3章基于時頻分解域內(nèi)低秩成分提取的沙漠地震信號噪聲消減23法在選秩方面要更為方便、簡單，達(dá)到了簡化秩值選取的目的。簡化秩選取VMD-SSGoDec算法的具體流程如圖3.3所示，從流程圖中可以看出，對比圖3.1的方法，本節(jié)算法只是多了循環(huán)步驟，對地震記錄道進(jìn)行逐道處理，其余算法整體思想并沒有變化，同樣都是在是時頻分解域內(nèi)進(jìn)行低秩成分的提取以達(dá)到消噪目的。本節(jié)介紹的方法在參數(shù)選擇方面變得更為簡潔方便，但隨之而來所要付出的代價則是對于SNR的提升幅度變小，去噪效果要稍弱于VMD-OptShrink，可是其去噪效果還是在可以接受的范圍之內(nèi)，相較于傳統(tǒng)的地震信號處理方法，其去噪結(jié)果依舊能體現(xiàn)出該算法的優(yōu)越性，有效信號保留完整，同相軸的連續(xù)性也得到了增強。在計算代價方面，該算法與VMD-OptShrink類似，計算成本主要取決于VMD的計算成本，Semi-SoftGoDec雖然會花費一些時間，但與VMD的計算時間復(fù)雜性相比，該時間是可以忽略不計的。從上述算法步驟中可以看出，本文算法是一個單道處理算法，盡管是多次提取，但實驗整體的時間復(fù)雜度并沒有明顯的提高。模擬合成記錄實驗的時間往往會在幾分鐘內(nèi)完成，而對于更為復(fù)雜的實際記錄，也會在二十分鐘以內(nèi)即可完成去噪處理。圖3.3簡化秩選取VMD-SSGoDec算法流程3.2.2算法實現(xiàn)同樣為了更為形象直觀的說明簡化秩選取VMD-SSGoDec算法的實現(xiàn)過程，本文取圖3.2（c）中所示的合成模擬沙漠地震記錄來逐步描述本小節(jié)所介紹的算法步驟。根據(jù)3.2.1節(jié)中介紹的算法第一個步驟，選用的模擬合成地震記錄作為輸入信號矩陣時，其維數(shù)為1400×50，利用VMD進(jìn)行模態(tài)分解的時候，同樣將分解模態(tài)數(shù)暫定為3，與VMD-OptShrink算法實現(xiàn)過程選區(qū)的參數(shù)保持一致，實際上，分解模態(tài)數(shù)暫為3依舊和VMD-OptShrink算法?


本文編號：3250225