预测自适应相减面波压制方法.docxVIP

预测自适应相减面波压制方法 1 地震资料质量上呈近似线性分布,这容易导致地震资料的信噪比, 面波是能量强、干扰广泛的常规干扰波。在炮点的收集上呈线性分布。能量强、频率低、振动持续时间长，对深层有效反射有严重影响，地震数据的信噪比显著下降。常规f-k方法虽然能够较好地压制面波 2 密度和速度且损害上角 根据干涉度量分析方法原理,可以通过两个接收点x 式中:ω为角频率;ρ和c分别为介质的密度和速度;上角*为共轭转置;R为取实部运算;G(x 方程(1)的物理意义是通过x 借鉴SRME方法数据表示方式,P表示频率—接收点—炮点的数据体,基于干涉度量分析方法理论的面波预测公式为 式中: 3 基于复曲波域的面波分离方法 由于实际数据和预测的模型数据不仅存在振幅和相位的差异,同时还可能存在时移误差,而常规基于L 对预测的面波模型经过简单的时差校正和振幅匹配后变换到复曲波域,令原始数据和面波模型的复曲波系数相减后剩余误差最小化,即 则基于复曲波域的面波分离步骤为 (1)对原始数据和预测的面波模型进行简单的振幅匹配和时移校正后再进行复曲波变换,得到相应的复曲波系数Γ (2)在给定的[γ (3)将求解得到的γ (4)将校正后的面波数据在原始数据中减去,最终得到压制面波后的地震数据。 4 面波压制方法对比 为验证本文方法的正确性和有效性,进行了模型试算和实际资料处理。图1为模型试算结果。首先依据视速度的差异将含面波的模型数据分为不含面波数据和含面波数据两部分(图1b红线划分所示),图1c为利用干涉度量理论通过数据互相关预测的面波模型;利用基于复曲波变换最优化方法相减后,压制面波后的数据如图1e所示。由图1d、图1e可以看出,本文方法可以有效压制面波干扰(图1e),而f-k滤波方法由于滤波窗口选取不准确,导致有部分面波的残留(图1d)。图2为图1数据第98道数据的频谱。可以看出,本文方法在压制面波的同时,可以有效保护低频能量(图2c和图2d红色矩形区域),而f-k滤波方法由于选取滤波窗口的不准确而导致低频信号的损失和面波能量的残留(图2c蓝色椭圆区域所示)。 图3a为实际单炮记录,共152道,每道1001个采样点,采样率为4ms。从图中可以看出该炮数据面波干扰严重,几乎看不到近炮检距中深层有效反射。图4a为图3a第33道数据的频谱,可以看出面波占据了低频大部分能量。首先依据视速度的差异将原始数据分为不含面波数据和含面波数据两部分(图3a红线划分所示),在后续处理中仅对含面波的数据进行处理。图3b为第一次迭代预测得到的面波模型,图3c为经过复曲波变换最优化方法减去面波后的结果。在第二次迭代中,选取第一次校正后的面波数据作为输入数据,利用干涉度量理论预测的面波模型如图3d所示,图3e为经过复曲波变换最优化方法减去面波后的结果。与f-k滤波结果(图3f)对比看出,由于人为选取滤波窗口不确定性的缺陷,最终滤波结果仍有面波残留(若滤波窗口选取较大,会损伤低频有效信号)。而本文基于干涉度量原理的预测自适应面波压制方法,避免了人为选取滤波窗口的缺陷,能在压制面波的同时,不损伤低频有效信号(图3e)。但由于实际面波数据的频散等特征,预测的面波模型与实际面波存在差异,而后续相减阶段这些频散的特征并不能得到完全校正,因此仍会存在少许面波残留。图4为图3数据不同滤波结果第33道数据的频谱,从频谱图(方框标注处)中也可以看出,本文方法在压制面波和保持低频信号方面的优良特性。 5 本文方法的优势及不足 (1)本文借鉴SRME方法的思路,设计了一种自适应相减面波压制方法。首先利用干涉度量分析理论,通过原始数据互相关预测面波模型,然后在复曲波域通过求解最优化问题的方法对面波模型的振幅和相位进行校正,最终将校正后面波在原始数据中减去,避免了面波视速度的选择这一难点; (2)在面波和有效信号在频率域重叠的区域,本文方法有利于更好地保护低频信号,为后续的精细处理(如全波形反演)提供更好的基础数据。 本文方法同时也存在一些不足:(1)计算效率的问题,类似于SRME方法,本文方法同样也需要经过迭代运算,计算量较大,随着计算机技术以及GPU技术的发展,计算效率问题会逐步得到解决;(2)由于面波的强能量和频散特性,本文设计的基于曲波域的最优化校正(相减)方法并不能完全对面波模型和实际面波数据进行校正,在压制面波后,仍存在少量的面波残留。因此如何针对面波自身的特点,发展适合面波模型校正或相减的技术也是后续需要改进和关注的研究方向。 式中:γ