地震VD-seislet变换及应用关键技术研究
发布时间：2020-12-16 04:21
人工地震勘探是地球物理勘探中重要的方法之一,在保证精度和分辨率的情况下,探测深度甚至能够达到莫霍面。目前,石油、天然气等化石能源的确定以地震勘探为主要手段,随着国家重点研发计划“深地资源勘查开采”重点专项的开展,人工地震方法在地球深部矿产资源探查中也成为重要方法。地震数据质量的好坏是能否获取高精度地下成像结果的关键。由于采用多次覆盖的特殊观测系统,地震数据在复杂地下介质中传播的物理过程基于地震波运动学和动力学理论,产生了具有特殊时-空分布关系的数据结构,该数据结构具有不同于常规图像数据的波动特征,如何表征这种特殊的波动属性是地震数据处理的重要任务。由于实际勘探问题的复杂性,整个数据处理流程中有许多问题并没有很好地解决,例如数据的信噪比问题、数据的保真问题等,这些问题可以归结为数据的模式表征。因此,研究针对地震数据的模式分析和表征方法具有重要意义,也是目前勘探地震学数据处理的前沿方向之一。压缩感知（CS）是针对信号处理而提出的理论,其根本条件是信号在稀疏变换域内具有可压缩性。傅里叶变换、小波变换等数学变换方法都在地震数据处理中都得到了较好的应用,形成的地震数据处理技术的理论基础很多都源于...
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：144 页
【学位级别】：博士
【部分图文】：
算法框图
第二章 广义 VD-seislet 变换原理成分：r o P[ e ] ，．．．．．．．．．．．．．．．．．．．．．．（2.1）r 也就是 seislet 变换系数。3）利用更新算子 U 对差值序列进行更新得到偶数列的近似序列 c ，也就是seislet 变换的尺度系数：c e U[ r ]。．．．．．．．．．．．．．．．．．．．．（2.2）
图 2.3 重构算法8）重复步骤 5），6），7）可以实现不同尺度下 seislet 变换的重构。分解算法和重构算法的流程框图，如图 2.2 和 2.3 所示。上述流程中的算子U 和P在选取不同形式时，将会得到不同的 seislet 变换，甚至能够退化为最基本的离散小波变换。2.1.2 Seislet 变换中算子的定义Sweldens and Schr der（1996）通过提升算法来定义离散小波变换（DWT）。利用提升算法可以方便地定义 seislet 变换。Seislet 变换框架的核心是设计基于地震数据模式的预测算子 和更新算子 。以 Cohen-Daubechies-Feauveau（CDF）5/3 双正交小波（Cohen et al.，1992）为例，通过两个相邻采样点之间的线性插值定义预测算子和更新算子（Fomel and Liu.，2010；Liu et al.，2015）为：
【参考文献】：
期刊论文
[1]基于混合类小波变换的随机噪声消减方法研究[J]. 武尚,刘洋,李炳秀. 世界地质. 2017(04)
[2]基于补偿阈值的曲波变换地面微地震弱信号检测方法[J]. 何柯,周丽萍,于宝利,邓勇,王丽丽,王茜. 物探与化探. 2016(01)
[3]海上拖缆三维地震数据规则化技术研究[J]. 王兴芝,钟明睿,杨薇,朱江梅,刘金朋,张兴岩,刘明珠. 地质科技情报. 2015(02)
[4]基于压缩感知的高分辨率平面波分解方法研究[J]. 王雄文,王华忠. 地球物理学报. 2014(09)
[5]基于低信噪比条件下新型Seislet变换的阈值去噪方法[J]. 刘财,崔芳姿,刘洋,王典,刘殿秘,张鹏. 吉林大学学报(地球科学版). 2015(01)
[6]基于正则化稀疏表示的图像超分辨率算法[J]. 朱波,李华,高伟,宋宗玺. 光电子.激光. 2013(10)
[7]基于seislet变换的反假频迭代数据插值方法[J]. 刘财,李鹏,刘洋,王典,冯晅,刘殿秘. 地球物理学报. 2013(05)
[8]基于Dreamlet变换的地震数据压缩理论与方法[J]. 耿瑜,吴如山,高静怀. 地球物理学报. 2012(08)
[9]基于学习型超完备字典的地震数据去噪(英文)[J]. 唐刚,马坚伟,杨慧珠. Applied Geophysics. 2012(01)
[10]地震数据压缩重构的正则化与零范数稀疏最优化方法[J]. 曹静杰,王彦飞,杨长春. 地球物理学报. 2012(02)
博士论文
[1]叠前复杂地震波场插值重建与噪声衰减技术[D]. 勾福岩.吉林大学 2015
[2]基于压缩感知和稀疏表示的地震数据重建与去噪[D]. 唐刚.清华大学 2010
硕士论文
[1]基于曲波变换的高精度地震数据重建方法研究[D]. 张落毅.东华理工大学 2017
[2]基于Contourlet变换的图像降噪算法研究[D]. 张昊慧.西南科技大学 2017
[3]基于稀疏表示的地震信号随机噪声压制与面波分离[D]. 屈光中.合肥工业大学 2016
[4]基于稀疏表示理论的地震数据去噪方法研究[D]. 张洋.合肥工业大学 2016
[5]稀疏变换域地震数据信噪分离方法研究[D]. 张鹏.吉林大学 2015
[6]低信噪比条件下基于新型Seislet变换的阈值去噪方法研究[D]. 崔芳姿.吉林大学 2014
[7]基于傅里叶变换的POCS插值方法研究[D]. 葛子建.西南石油大学 2014
[8]基于分裂Bregman迭代的快速盲去运动模糊算法[D]. 张颖.北京交通大学 2014
[9]求解全变分去噪问题的双松弛分裂Bregman迭代算法[D]. 李文斌.吉林大学 2014
[10]地震数据缺失对层间多次波预测的影响及解决方法[D]. 刘一.吉林大学 2013
本文编号：2919521
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：144 页
【学位级别】：博士
【部分图文】：
算法框图
第二章 广义 VD-seislet 变换原理成分：r o P[ e ] ，．．．．．．．．．．．．．．．．．．．．．．（2.1）r 也就是 seislet 变换系数。3）利用更新算子 U 对差值序列进行更新得到偶数列的近似序列 c ，也就是seislet 变换的尺度系数：c e U[ r ]。．．．．．．．．．．．．．．．．．．．．（2.2）
图 2.3 重构算法8）重复步骤 5），6），7）可以实现不同尺度下 seislet 变换的重构。分解算法和重构算法的流程框图，如图 2.2 和 2.3 所示。上述流程中的算子U 和P在选取不同形式时，将会得到不同的 seislet 变换，甚至能够退化为最基本的离散小波变换。2.1.2 Seislet 变换中算子的定义Sweldens and Schr der（1996）通过提升算法来定义离散小波变换（DWT）。利用提升算法可以方便地定义 seislet 变换。Seislet 变换框架的核心是设计基于地震数据模式的预测算子 和更新算子 。以 Cohen-Daubechies-Feauveau（CDF）5/3 双正交小波（Cohen et al.，1992）为例，通过两个相邻采样点之间的线性插值定义预测算子和更新算子（Fomel and Liu.，2010；Liu et al.，2015）为：
【参考文献】：
期刊论文
[1]基于混合类小波变换的随机噪声消减方法研究[J]. 武尚,刘洋,李炳秀. 世界地质. 2017(04)
[2]基于补偿阈值的曲波变换地面微地震弱信号检测方法[J]. 何柯,周丽萍,于宝利,邓勇,王丽丽,王茜. 物探与化探. 2016(01)
[3]海上拖缆三维地震数据规则化技术研究[J]. 王兴芝,钟明睿,杨薇,朱江梅,刘金朋,张兴岩,刘明珠. 地质科技情报. 2015(02)
[4]基于压缩感知的高分辨率平面波分解方法研究[J]. 王雄文,王华忠. 地球物理学报. 2014(09)
[5]基于低信噪比条件下新型Seislet变换的阈值去噪方法[J]. 刘财,崔芳姿,刘洋,王典,刘殿秘,张鹏. 吉林大学学报(地球科学版). 2015(01)
[6]基于正则化稀疏表示的图像超分辨率算法[J]. 朱波,李华,高伟,宋宗玺. 光电子.激光. 2013(10)
[7]基于seislet变换的反假频迭代数据插值方法[J]. 刘财,李鹏,刘洋,王典,冯晅,刘殿秘. 地球物理学报. 2013(05)
[8]基于Dreamlet变换的地震数据压缩理论与方法[J]. 耿瑜,吴如山,高静怀. 地球物理学报. 2012(08)
[9]基于学习型超完备字典的地震数据去噪(英文)[J]. 唐刚,马坚伟,杨慧珠. Applied Geophysics. 2012(01)
[10]地震数据压缩重构的正则化与零范数稀疏最优化方法[J]. 曹静杰,王彦飞,杨长春. 地球物理学报. 2012(02)
博士论文
[1]叠前复杂地震波场插值重建与噪声衰减技术[D]. 勾福岩.吉林大学 2015
[2]基于压缩感知和稀疏表示的地震数据重建与去噪[D]. 唐刚.清华大学 2010
硕士论文
[1]基于曲波变换的高精度地震数据重建方法研究[D]. 张落毅.东华理工大学 2017
[2]基于Contourlet变换的图像降噪算法研究[D]. 张昊慧.西南科技大学 2017
[3]基于稀疏表示的地震信号随机噪声压制与面波分离[D]. 屈光中.合肥工业大学 2016
[4]基于稀疏表示理论的地震数据去噪方法研究[D]. 张洋.合肥工业大学 2016
[5]稀疏变换域地震数据信噪分离方法研究[D]. 张鹏.吉林大学 2015
[6]低信噪比条件下基于新型Seislet变换的阈值去噪方法研究[D]. 崔芳姿.吉林大学 2014
[7]基于傅里叶变换的POCS插值方法研究[D]. 葛子建.西南石油大学 2014
[8]基于分裂Bregman迭代的快速盲去运动模糊算法[D]. 张颖.北京交通大学 2014
[9]求解全变分去噪问题的双松弛分裂Bregman迭代算法[D]. 李文斌.吉林大学 2014
[10]地震数据缺失对层间多次波预测的影响及解决方法[D]. 刘一.吉林大学 2013
本文编号：2919521
本文链接：https://www.wllwen.com/kejilunwen/diqiudizhi/2919521.html
