自适应评价空间关系的稀疏贝叶斯学习反射系数反演方法研究
发布时间:2020-04-22 07:15
【摘要】:地球物理勘探领域中新方法新技术推陈出新的步伐日益加快,而常规反射波地震勘探手段依然保持热度,相关的资料处理解释新技术开发从未停滞。更为准确的反射波地震数据及复杂油气藏的精确成像,是对特殊地区地震勘探目标达成的基本支持。而高分辨率处理技术作为地震资料处理流程中不可或缺的步骤,其先进性及实施的准确性直接影响最终叠后地震数据的品质。因此现阶段通过地震资料识别地下薄层及弱反射体的工作需要更稳定更先进的方法获取地下地层的反射信息。而叠后地震数据体中包含地下反射界面的物理参数信息,即反射系数位置及幅值。准确地提取该参数是协助地震资料解释及反演流程的重要步骤。从信号处理角度出发,接收的地震记录是地下地层反射系数剖面经过带通滤波的输出结果。反射系数反演或反褶积作为恢复地下真正反射体位置及参数的重要处理方法,其研究及改进从未中断。由于地震子波的带限特征及地层的吸收衰减特征,该反演问题病态及多解性较为严重。因此,如何利用已知的资料和合理的假设获取更加真实的反射体物性信息、提高地震剖面分辨率依然是当今复杂油气田勘探开发的重要研究环节。本文对现阶段叠后地震数据的反射系数反演和反褶积技术进行深入研究,提出了针对稳态地震资料的多道空间相关性反射系数反演方法和针对非稳态地震数据的同时估计品质因子与反射系数技术,并通过相应的合成模型及实际资料论证新技术的综合特性及优势所在。首先针对稳态地震资料的数学表征及反演问题给出了新的多道反射系数概率模型,通过贝叶斯框架引入反射系数稀疏特征的假设并将估计反射系数模型的反演目标转化为对概率模型参数求取问题。新模型包含对多道反射系数模型横向空间关系刻画的超参数,并通过最大期望算法(EM)对反射系数模型参数进行自适应估计,最终输出具有更高分辨率的多道反射系数剖面。区别于现阶段存在的多道反射系数反演方法,新方法采用包含协方差矩阵的概率模型参数,该矩阵同时描述反射系数在时间方向上的稀疏性和空间上的相关性,并且其是通过输入数据驱动进行自适应估计得到。在捕获多道反射系数模型的过程中也对噪声环境加以刻画,同样的自适应估计策略使得新方法在抗噪性方面表现出色。基于块稀疏贝叶斯学习(bSBL)的多道空间相关性反射系数反演方法避免了常规反演方法中向目标函数中加入约束项及正则化参数的调节对反演结果的影响。对于增加数据维度产生的先验信息,新方法具备能够自适应评价反射系数空间相关性的机制并加以利用,并不强制假设反射界面的空间连续性,因此对地震数据中断层裂缝及倾斜地层等原始构造特征得以最大限度的保持。本文同时考虑多道空间相关性反射系数反演方法的使用范畴,将新方法拓展至非稳态地震数据处理领域,并借助反演结果评价准则进一步消除了品质因子Q已知的假设要求,从全新的角度给出了针对地震数据驱动的Q模型估计技术。唯一的先验信息即反射系数模型的稀疏性条件抽象成为对反演结果的评价,通过l_p(0p1)范数准则函数的极值确定Q值。方法最终输出高分辨率反射系数剖面及描述衰减特性的Q模型。相对于现阶段非稳态地震数据反射系数反演或反褶积方法,改进的技术避免了时变地震子波或Q模型已知的假设条件,同时基于bSBL的反演方法依然能够在一定程度上克服衰减地震反演的病态性和多解性问题。另一方面尝试将l_p范数约束加入非稳态地震数据绝对波阻抗反演,进一步拓展了反演问题的适用范围。
【图文】:
(a) (b)图 1.1 反演反射系数结果横向不连续特征:(a) 基于最小二乘方法反演得到的反射系数剖面;(b) 基于稀疏约束方法反演得到的反射系数剖面。Fig. 1.1 The discontinuity of the inverted reflectivity profile: (a) the inverted reflectivity via theinversion method of least squares; (b) the inverted reflectivity via the inversion method withsparse constraint.另一方面,对于非稳态地震数据,虽然现阶段稳定的反 Q 滤波方法和非稳态地震数据反射系数反演方法能够有效的完成对衰减资料高分辨率处理。但是只有在 Q 模型已知的假设条件和干扰较弱的前提下,已有的处理流程才能做到对大部分地震数据的精确处理。当 Q 模型或者时变地震子波存在偏差时,反 Q 滤波方法不仅无法准确恢复地下真实的反射界面分布情况,甚至导致处理假象的出现。为了更为明确地说明该问题,图 1.2 通过简单合成数据给出稳定的反 Q 滤波技术在不同 Q 模型偏差下的具体表现。原始反射系数剖面包含相同极性相同振幅的七组脉冲(图 1.2a),通过与主频为 30Hz 的 Ricker 地震子波进行非稳态地震数据正演,五个地震道分别对应的真实 Q 为 400、200、100、50 和 25。得到的包含振幅衰减
(d) (e)反 Q 滤波方法输入 Q 模型存在偏差时的结果分析:(a) 真实反射系数减合成地震记录;(c) 真实 Q 模型作为输入得到的反 Q 滤波结果;(d模型得到的反 Q 滤波结果;(e) Q=15 作为输入模型得到的反 Q 滤波e analysis of stable Inverse Q filtering approach with deviation input Qivity model; (b) the synthetic records with various Q models; (c) the resltering with correct input Q models; (d) output of the stable inverse Q odels that is greater than true Q models; (e) output of the stable inverswith input Q models that is less than true Q models.步发展的地震资料高分辨率处理方法,,文章主旨集中在如剖面上的精细刻画和显示方面。为识别调谐厚度以内的地更为准确的处理技术保证;为反射波地震资料高分辨率处供选择的方法;同时在算法层面进行改进和探讨,提高对低参数选择的依赖性。外研究现状
【学位授予单位】:中国石油大学(北京)
【学位级别】:博士
【学位授予年份】:2018
【分类号】:P618.13;P631.4
本文编号:2636293
【图文】:
(a) (b)图 1.1 反演反射系数结果横向不连续特征:(a) 基于最小二乘方法反演得到的反射系数剖面;(b) 基于稀疏约束方法反演得到的反射系数剖面。Fig. 1.1 The discontinuity of the inverted reflectivity profile: (a) the inverted reflectivity via theinversion method of least squares; (b) the inverted reflectivity via the inversion method withsparse constraint.另一方面,对于非稳态地震数据,虽然现阶段稳定的反 Q 滤波方法和非稳态地震数据反射系数反演方法能够有效的完成对衰减资料高分辨率处理。但是只有在 Q 模型已知的假设条件和干扰较弱的前提下,已有的处理流程才能做到对大部分地震数据的精确处理。当 Q 模型或者时变地震子波存在偏差时,反 Q 滤波方法不仅无法准确恢复地下真实的反射界面分布情况,甚至导致处理假象的出现。为了更为明确地说明该问题,图 1.2 通过简单合成数据给出稳定的反 Q 滤波技术在不同 Q 模型偏差下的具体表现。原始反射系数剖面包含相同极性相同振幅的七组脉冲(图 1.2a),通过与主频为 30Hz 的 Ricker 地震子波进行非稳态地震数据正演,五个地震道分别对应的真实 Q 为 400、200、100、50 和 25。得到的包含振幅衰减
(d) (e)反 Q 滤波方法输入 Q 模型存在偏差时的结果分析:(a) 真实反射系数减合成地震记录;(c) 真实 Q 模型作为输入得到的反 Q 滤波结果;(d模型得到的反 Q 滤波结果;(e) Q=15 作为输入模型得到的反 Q 滤波e analysis of stable Inverse Q filtering approach with deviation input Qivity model; (b) the synthetic records with various Q models; (c) the resltering with correct input Q models; (d) output of the stable inverse Q odels that is greater than true Q models; (e) output of the stable inverswith input Q models that is less than true Q models.步发展的地震资料高分辨率处理方法,,文章主旨集中在如剖面上的精细刻画和显示方面。为识别调谐厚度以内的地更为准确的处理技术保证;为反射波地震资料高分辨率处供选择的方法;同时在算法层面进行改进和探讨,提高对低参数选择的依赖性。外研究现状
【学位授予单位】:中国石油大学(北京)
【学位级别】:博士
【学位授予年份】:2018
【分类号】:P618.13;P631.4
【参考文献】
相关期刊论文 前1条
1 俞寿朋;宽带Ricker子波[J];石油地球物理勘探;1996年05期
本文编号:2636293
本文链接:https://www.wllwen.com/kejilunwen/shiyounenyuanlunwen/2636293.html