基于压缩感知方法的深层地震弱信号识别技术

发布时间：2021-04-15 11:05

　　地震数据处理高信噪比、高分辨率、高保真度的“三高”要求中,高信噪比是所有其他地震数据处理的基础,是处理的首要任务。由于复杂的地形限制或受到经济条件的影响,野外采集的数据是不规则网格的,这影响了随后地震数据处理技术,例如多次波压制、AVO分析、AVAZ分析以及波动方程偏移。因此,地震数据的去噪和重建是地震处理中非常重要的一部分。字典学习与稀疏表示近年来广泛地应用于地震数据处理中,在去噪和重建方面有良好的效果,它利用初始字典对训练集合的学习,产生更具有适应性的字典,再通过该字典去稀疏表示含噪或缺失的地震信号,可以获得去噪或重建后的结果。然而常规字典学习算法例如K-SVD,但计算时间较长,学习所得的字典会有较多无用的原子等问题。针对该算法存在的问题,本文做出了提高字典学习效率、减少无用字典原子的改进,同时将字典学习应用在三维地震数据处理。具体如下:（1）对稀疏表示所得系数进行软阈值处理,避免字典对噪声数据部分的学习,从而学习后的字典更具有代表性、广泛性,而且相较于未改进的K-SVD算法,改进后的算法可以用更少的系数去表示信号,实验验证了该算法的优越性;（2）在字典原子更新的过程中,用交替最小... 

【文章来源】：中国石油大学(北京)北京市 211工程院校 教育部直属院校

【文章页数】：74 页

【学位级别】：硕士

【部分图文】：

信号稀疏表示Fig.2.3Sparserepresentationofsignal

（a）原始数据（b）含噪数据原始数据

- 20 -a）DCT 字典（b） = 学习所得字典（c） = 学习所得字典（学习所得字典a) DCT dictionary. (b) Learned Dictionary with = . (c) Learnedwith = . (d) Learned Dictionary with =

【参考文献】：
期刊论文
[1]S变换谱分解技术在深反射地震弱信号提取中的应用[J]. 邓攻,梁锋,李晓婷,赵俊猛,刘红兵,王洵.  地球物理学报. 2015(12)
[2]压缩感知框架下基于K-奇异值分解字典学习的地震数据重建[J]. 周亚同,王丽莉,蒲青山.  石油地球物理勘探. 2014(04)
[3]中国未来油气新领域与物探技术对策[J]. 孙龙德,撒利明,董世泰.  石油地球物理勘探. 2013(02)
[4]压缩感知理论及其研究进展[J]. 石光明,刘丹华,高大化,刘哲,林杰,王良君.  电子学报. 2009(05)
[5]基于曲波变换的地震数据去噪方法[J]. 彭才,常智,朱仕军.  石油物探. 2008(05)
[6]辽河拗陷深层地震采集技术[J]. 毕建国,王良书,梁绍波.  石油地球物理勘探. 2006(03)
[7]数学形态学在地震资料处理中的应用探索[J]. 郑桂娟,王润秋.  勘探地球物理进展. 2003(04)
[8]深层三维地震勘探数据采集技术[J]. 张秀红,乔大军,田新琦.  石油地球物理勘探. 2003(04)
[9]面元叠加地震采集技术[J]. 谭绍泉,刘光林,刘泰生,胡立新,徐淑合.  石油物探. 2003(02)
[10]黄土塬地区地震勘探采集技术[J]. 吕公河,张庆淮,段卫星,刘斌,徐锦玺,于静.  石油物探. 2001(02)



本文编号：3139214