LS-SVM模型在陆地地震随机噪声建模及压制中的应用

发布时间：2019-07-11 07:48

【摘要】：地震勘探是油气资源的主要开采手段之一。野外实际地震数据采集过程中，其有效波会受到各种噪声的干扰，严重地影响实际地震数据的信噪比，，不利于地震记录的分析处理。地震测区的地表植被、地貌特征等因素都影响着地震随机噪声的特性。随着油汽易采、易探资源的减少，地震勘探正向岩层、深层、浅层、薄层的开采环境发展。这导致实际地震记录的随机噪声特性越趋于复杂。而随机噪声作为实际地震记录的主要噪声之一，有效的压制随机噪声已成为地震记录处理过程中的关键技术环节，以期达到地震记录高信噪比的要求。 LS-SVM模型(Least square support vector machine)自提出以来一直是机器学习领域的热点。它所具有的参数少、泛化学习能力强及建模精度高等优点，使其在非线性建模或分类领域有着广泛的应用。而且在软测量、医疗诊断、模式识别等多个领域有着广阔的应用前景。本文主要对中国山地、沙漠、黄土塬三个测区的地震勘探随机噪声进行了最小二乘支持回归机LS-SVM回归模型及预测。首先，通过对Duffing混沌时间序列的LS-SVM回归建模，证明了该方法对混沌序列建模预测的有效性，并分析了LS-SVM回归模型的超参数惩罚因子与RBF的宽度值对混沌序列预测误差的影响。而后将该方法运用到具有混沌性的实际地震随机噪声的建模预测研究中。仿真实验中，对不同测区的不同道随机噪声记录的不同点数的未来噪声序列进行了预测。实验结果表明，地震随机噪声记录的LS-SVM回归模型具有很好的非线性拟合度。并且实际随机噪声序列和预测噪声序列的均方根误差RMSE和相对均匀根误差NRMSE的值都比较小，证明了LS-SVM回归模型对具有混沌性的地震随机噪声的预测具有很高的预测精度。在此基础上，本文采用直接去除法来实现地震记录随机噪声的压制。为验证本文提出的方法的可行性，仿真实验中模拟了一幅单同向轴的人工地震记录，并在该人工地震记录中加入了具有混沌性的实际沙漠测区的地震随机噪声。实验主要分为二个步骤：首先是对模拟加噪各道地震记录的噪声进行LS-SVM回归建模预测；最后采用直接去除法来对加噪记录进行消噪。通过加噪单道地震记录和去噪后该道地震记录的时域波形图、频谱的对比分析可知，该方法能够有效地压制具有混沌性的低频的地震随机噪声，为地震随机噪声的压制提供了新对策。
文内图片： Duffing方程的混沌(a)序列和周期序列(b)的时域波形和相态图

图片说明： 3x '' 0.5 x ' x x f cos(t )···································· (3.2其中， x '和 x ''是x对时间t的一阶导和二阶导， f cos(t )是周期的外部策动力，策动力幅值 f 决定系统(3.2)的性质。混沌系统对系统的初始条件相当敏感，条件不同，系统的形态就会发生变化。对于系统(3.2)，当策动力幅值 f 0.85时其输出序列 x是周期序列，而当 f 0.65时，x是混沌序列。二个序列的时域波形及相态图如图 3.1 所示。
文内图片： Duffing混沌序及其LS-SVM模型噪声对比图及其误差图

图片说明：图 3.2 Duffing 混沌序及其 LS-SVM 模型噪声对比图及其误差图实验中， 10000，RBF 的宽度 100，0~30s 的数据做为训练样本集，来预测 30s~100s 的混沌时间序列，因此为了对应原混沌序列图 3.1(a)的坐标，图 3.2 中的横坐标时间轴的起始坐标为 30s，。图 3.2(a)中，黑色为所预测的混沌序列，红色代表实际混沌序列的波形，可以看出，几乎只能看到预测的混沌序列波形，这是因为二个序列的残差非常的小，如图 3.2(b)所示，所以在时域上几乎是重合的，为更好地观察预测的混沌序列与实际混沌序列间的拟合效果，对其 120s~130s 的部分进行了放大，如图 3.3 所示。红色实际混沌序列黑色预测混沌序列
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：P631.44

【参考文献】