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 ...
【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,...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。