一种基于小波分析的地震走时反演成像方法技术

本发明专利技术公开一种基于小波分析的地震走时反演成像方法，包括如下步骤：信号源产生共炮点道集和波形数据获取、数据预处理、基于小波变换的地震信号随机噪声压制、对处理过的时空数据拾取初至波走时信息、进行计算机反演输出结果图像、对结果图像的分析和解释。本发明专利技术结合图像处理跟地震信号反演成像技术，在基于小波变换的地震信号随机噪声压制改进的算法中，结合人工蜂群算法与GCV阈值选取函数进而获取最优小波阈值，再结合软硬阈值改良折衷法进行阈值量化，提高去噪性能，能够在小波逆变换时得到更加清晰可靠的时空图像，提高走时数据拾取的精确度，在反演时才能输出更加清晰、准确的结构图像，可运用于地球资源勘测、地质勘探等领域中。

A Wavelet-based seismic travel-time inversion imaging method

The invention discloses a seismic travel time inversion imaging method based on wavelet analysis, which includes the following steps: signal source generates common shot point gathers and waveform data acquisition, data preprocessing, seismic signal random noise suppression based on wavelet transform, picking up first arrival travel time information from processed spatial and temporal data, performing computer inversion output result image, and analyzing result image. Explain. The present invention combines image processing and seismic signal inversion imaging technology. In the improved algorithm of suppressing random noise of seismic signal based on wavelet transform, the optimal wavelet threshold is obtained by combining artificial bee colony algorithm and GCV threshold selection function, and then combined with soft and hard threshold improved compromise method to quantify the threshold, so as to improve the performance of denoising, and can obtain clearer and more reliable in inverse wavelet transform. Spatial and temporal images can improve the accuracy of traveltime data picking up and output clearer and more accurate structural images when inverted, which can be used in the field of earth resources exploration and geological exploration.

【技术实现步骤摘要】
一种基于小波分析的地震走时反演成像方法
本专利技术属于地震层析成像技术，具体涉及一种基于小波分析的地震走时反演成像方法。
技术介绍
地震层析成像就是利用地震数据来反演地下结构的物质属性，并逐层剖析经过计算得出其图像的技术。通过人工激发地震波对地下进行探测，其科学依据是地震波在不同地层的传播速度不同，并且会发生反射和折射现象，地震信号在地下传播的过程中又会受到炮源、检波器的位置、地下结构的物质组成特点、震源的特性等因素的影响，会产生不同的物理现象。因此我们可以利用地震波在地下传播的特性，在地表不同的空间几何位置上建立炮源和检波器，通过检波器接收到的地震信号，进行分析和处理，再结合地质资料对地下结构做出反演，完成对地下结构的重建。在实际应用中，我们得到的地震信号含有大量的有用信号，但同时也会夹杂着一些干扰信号(噪声)，这些干扰信号严重影响了信号的原始情况，不利于我们后面对信号分析和处理，甚至会导致我们得到的地震数据难以解读，对地震资料的解释造成较大的困难。因此，在信号的预处理过程中，合理有效的处理我们得到的地震数据，减少或消除噪声的干扰，尽可能最大程度的提取有用的信号是非常有必要的。在地震数据处理中，对地震信号中包含的噪声进行有效的压制，可以获取清晰易读的有效信号，提高信号整体的信噪比和分辨率，可以在后续工作中让我们得到更好的反演结果，也可以相应的节约勘探成本。在地震信号噪声处理中，小波变换因其具有多分辨率、多尺度的特性，在信号处理领域上具有天然的优势。而在传统的小波幅值阈值法去噪算法中，获取阈值的算法都需要对信号整体的噪声方差进行估计，这就需要对信号进行先验估计，并且估计的噪声方差也不能保证完全准确，会影响获取阈值的准确性，造成去噪效果不佳。另一方面上，在阈值量化处理中，传统的硬、软阈值法也存在一些缺点，软阈值法会使去噪后的信号丢掉某些特征，而硬阈值法在平滑方面会有一些欠缺。
技术实现思路
专利技术目的：本专利技术针对地震勘探所采集到的数据中常常会夹杂一些干扰信息导致数据难以解读的问题做出改进，提出一种基于小波分析的地震走时反演成像方法，本专利技术通过一种改进的地震信号随机噪声压制法解决如何获取更为清晰易读的有效信号问题，进而经过迭代反演获得更加清晰、可靠的结构图像。技术方案：本专利技术一种基于小波分析的地震走时反演成像方法，包括如下步骤：S1、信号源产生共炮点道集以及获取波形数据，按照炮源对波形数据进行分类，然后做波形数据处理并建立初始时空图像；S2、根据S1得到的时空图像进行小波分析，选取合适的小波基，通过小波分解将信号分解成多个尺度的高频的和低频的小波系数(此处高低频界限约为10～15Hz)；S3、阈值的选取：通过人工蜂群小波阈值算法迭代优化选取最优的小波阈值；S4、构建软硬阈值改良折衷法算法模型，保留大尺度低分辨率下的全部小波系数，对于各尺度高分辨率下小波系数做阈值量化处理；S5、进行小波重构，得到去噪后的信号；S6、对S5得到的去噪后的图像拾取初至波走时信息；S7、根据走时信息进行反演成像，并对结果图像进行分析和解释。进一步的，所述S2具体算法为：选取合适的小波基，确定尺度参数，利用小波将地震信号根据公式(1)分解成多个尺度的高频和低频的小波系数；由于噪声和有效信号重叠分布在小波域中，但是它们的幅值是不相同的，并且噪声一般分布在高频，因此此处保留大尺度低分辨率下的全部小波系数，对于各尺度高分辨率下的小波系数，设定一个阈值，幅值低于该阈值的小波系数，认为是噪音，应当舍弃；幅值高于该阈值的小波系数，认为是有效信号，应当保留；连续小波变换公式为：公式(1)中，a是时间轴尺度伸缩参数，b是时间平移参数，t是时间。其中，选取小波基的标准是：在信号处理中，对称性优异的小波基，能够避免信号发生相移；消失距较大的小波基，小波变换的能量将会更为集中；正则性较好的小波基可以使重构信号的过程更为平滑，重构后信号的还原度会增高；本专利技术依据上述标准针对实际情况选取合适的小波基。进一步的，所述S3具体方法为：选取基于广义交叉验证GCV阈值选取函数作为选取阈值的基函数，并采用人工蜂群ABC算法对该基函数进行迭代优化获取最优小波阈值；其中，GCV阈值选取函数是基于广义交叉验证而推导出来的一类小波阈值去噪算法的阈值选取函数，该函数的数学表达式为：其中：N0表示阈值处理后收缩的小波系数个数，N表示该分解尺度高频小波系数的总个数；表示该分解尺度高频小波系数，表示阈值处理后的高频小波系数；为了选取合适的阈值，需要对公式(2)进行不断的迭代计算，一直到得到GCV(λ)的最小值，此时得到的阈值就是最优小波阈值；然后采用人工蜂群算法对GCV阈值选取函数进行迭代优化直至选取处最优小波阈值，人工蜂群算法模型中蜂群角色一共有三种角色：引领蜂、跟随蜂和侦查蜂，其中引领蜂和跟随蜂负责蜜源的开采，侦查蜂负责开拓新的蜜源，引领蜂的数量就相当于解的数量，而侦查蜂用来观察是否陷入局部最优解；则选取阈值的基本步骤是：S3-1、初始化人工蜂群算法模型参数，其中包括：蜜蜂群的种群规模、最大迭代次数、全局和局部搜索能力限制参数；S3-2、将GCV阈值选取函数作为蜜蜂判定蜜源是否优质的判定函数，采用人工蜂群算法获取当前最优的蜜源位置，并保存该位置；S3-3、判定是否满足终止条件，若满足则输出最优阈值λbest，不满足则继续迭代。进一步的，所述S4具体方法为：根据S3得出的最优小波阈值，结合软硬结合阈值改良折衷方法，对各尺度高频小波系数进行阈值量化处理，该阈值函数为：公式(3)中m,n均为大于1的实常数，根据实际情况调整m、n取值。进一步的，所述S5具体方法为：原信号经过连续小波变换重构后，需要进行小波变换逆变换，得到去噪后的信号，逆变换公式为：进一步的，所述S6具体方法为：分别对去噪之后的时空图像拾取初至波走时信息，然后进行归一化校正；其中采用下述两种方法进行拾取：若数据质量较好则可直接利用编程工具对时空图像拾取初至波最开始的起震点、波峰或者波谷的时间作为走时记录；若数据质量欠佳或含噪较多，则可在前一方法的基础之上利用半自动或自动的初至波走时拾取系统确定各信号源数据的走时。进一步的，所述S7具体方法为：根据S6得到的走时数据，输入计算机进行迭代反演成像，然后由专业解释人员分析解释实验结果，看是否需要调整相关网格参数再次进行迭代成像。有益效果：本专利技术采用改进的小波阈值去噪方法，提高信号降噪的质量，其中最关键的是如何选择阈值以及如何进行阈值量化，本专利技术采用了一种人工蜂群小波阈值算法获取最优小波阈值，在确定阈值的过程中，不需要信号的先验信息，与传统小波阈值选取方法相比大大降低了阈值选取的猜测性与不确定性，再结合一种软硬阈值改良折衷方法做阈值量化处理，进而可以提高地震信号的去噪性能；有效的压制地震信号中包含的随机噪声，消除噪声的干扰，可以提高走时信息拾取的准确度，从而获得高分辨率的地震图像，有助于我们对地质结果的观察和分析，本专利技术能够广泛应用于石油、天然气等地球资源的勘测以及地质勘探。附图说明图1为本专利技术的流程示意图；图2为本专利技术中人工蜂群算法模型的流程图；图3为实施例中走时拾取示意图。具体实施方式下面对本专利技术技术方案进行详细说明，但是本专利技术的保护范围不局限于所述实施例。如图1所示，本文档来自技高网...

【技术保护点】
1.一种基于小波分析的地震走时反演成像方法，其特征在于，包括如下步骤：S1、信号源产生共炮点道集以及获取波形数据，按照炮源对波形数据进行分类，然后做波形数据处理并建立初始时空图像；S2、根据S1得到的时空图像进行小波分析，选取合适的小波基，通过小波分解将信号分解成多个尺度的高频的和低频的小波系数，高低频界限为10～15Hz；S3、阈值的选取：通过人工蜂群小波阈值算法迭代优化选取最优的小波阈值；S4、构建软硬阈值改良折衷法算法模型，保留大尺度低分辨率下的全部小波系数，对于各尺度高分辨率下小波系数做阈值量化处理；S5、进行小波重构，得到去噪后的信号；S6、对S5得到的去噪后的图像拾取初至波走时信息；S7、根据走时信息进行反演成像，并对结果图像进行分析和解释。

【技术特征摘要】
1.一种基于小波分析的地震走时反演成像方法，其特征在于，包括如下步骤：S1、信号源产生共炮点道集以及获取波形数据，按照炮源对波形数据进行分类，然后做波形数据处理并建立初始时空图像；S2、根据S1得到的时空图像进行小波分析，选取合适的小波基，通过小波分解将信号分解成多个尺度的高频的和低频的小波系数，高低频界限为10～15Hz；S3、阈值的选取：通过人工蜂群小波阈值算法迭代优化选取最优的小波阈值；S4、构建软硬阈值改良折衷法算法模型，保留大尺度低分辨率下的全部小波系数，对于各尺度高分辨率下小波系数做阈值量化处理；S5、进行小波重构，得到去噪后的信号；S6、对S5得到的去噪后的图像拾取初至波走时信息；S7、根据走时信息进行反演成像，并对结果图像进行分析和解释。2.根据权利要求1所述的基于小波分析的地震走时反演成像方法，其特征在于：所述S2具体算法为：选取合适的小波基，确定尺度参数，利用小波将地震信号根据公式(1)分解成多个尺度的高频和低频的小波系数；然后保留大尺度低分辨率下的全部小波系数，对于各尺度高分辨率下的小波系数，设定一个阈值，幅值低于该阈值的小波系数，认为是噪音，应当舍弃；幅值高于该阈值的小波系数，认为是有效信号，应当保留；连续小波变换公式为：公式(1)中，a是时间轴尺度伸缩参数，b是时间平移参数，t是时间；其中，选取小波基的标准是：选取对称性优异、消失距大且正则性好的小波基。3.根据权利要求1所述的基于小波分析的地震走时反演成像方法，其特征在于：所述S3具体方法为：选取基于广义交叉验证GCV阈值选取函数作为选取阈值的基函数，并采用人工蜂群ABC算法对该基函数进行迭代优化获取最优小波阈值；其中，GCV阈值选取函数的数学表达式为：其中：N0表示阈值处理后收缩的小波系数个数，N表示该分解尺度高频小波系数的总个数，表示该分解尺度高频小波系数，表示阈值处理后的高频小波系数；为选取合适的阈值，...

【专利技术属性】
技术研发人员：余瀚，贾向阳，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏,32