基于数据域导向的模型道重建反聚焦成像方法技术

本发明专利技术提供一种基于数据域导向的模型道重建反聚焦成像方法，该方法包括：对初始叠加数据进行叠后时间偏移处理；应用反聚焦成像算法对叠后时间偏移数据进行搜索，优化叠后时间偏移数据；根据优化的叠后时间偏移数据，得到优化后的共中心点道集；对优化的共中心点道集进行降噪手段处理，得到标准的模型道集数据；根据标准的模型道集数据，应用反聚焦成像算法，提取优化后的反聚焦成像属性参数和初始的反聚焦成像属性参数；以及根据反聚焦成像属性参数，得到优化的共反射点道集。该方法可通过在地震数据域内构建模型道方式提供信噪比大幅提高的叠前道集，可以供进一步的速度分析或地震属性分析使用，拓宽了MF方法的应用潜力。

【技术实现步骤摘要】

本专利技术涉及地震资料处理应用领域，特别是涉及到一种基于数据域导向的模型道重建反聚焦成像方法。
技术介绍
反聚焦(Multi-focusing，以下简称MF)零偏成像方法是近年来国际上引人注目的一种零偏成像方法。MF零偏成像方法在傍轴射线理论指导下采取了一种大面元的叠加策略。这种策略在实践中被证明是行之有效的，反射信息的信噪比和连续性均得到大幅提高，在常规叠加剖面上原先不显著的弱反射信息也在MF零偏成像剖面上得到了反映,在此基础上的叠后成像结果明显优于常规流程。随着国民经济的高速发展和国际政治环境的日益严峻,油气资源储备已经被提到国家安全的高度上来。基于地震数据的处理和解释作为寻找油气的最重要手段,在油气勘探与开发中发挥着举足轻重的作用。在诸多油气勘探地区采集的地震资料存在相当严重的低信噪比问题，极大影响了地震数据精度。为此通过对反聚焦零偏成像方法的研究，开发基于数据域导向的模型道重建反聚焦成像技术，提升地震资料信噪比，提高地震剖面成像精度，极具现实意义。为此我们专利技术了一种新的基于数据域导向的模型道重建反聚焦成像方法，解决了以上技术问题。
技术实现思路
本专利技术的目的是提供一种可通过在地震数据域内构建模型道方式提供信噪比大幅提高的叠前道集的基于数据域导向的模型道重建反聚焦成像方法。本专利技术的目的可通过如下技术措施来实现：基于数据域导向的模型道重建反聚焦成像方法，该基于数据域导向的模型道重建反聚焦成像方法包括：步骤1，对初始叠加数据进行叠后时间偏移处理；步骤2，应用反聚焦成像算法对叠后时间偏移数据进行搜索，优化叠后时间偏移数据；步骤3，根据优化的叠后时间偏移数据，得到优化后的共中心点道集；步骤4，对优化的共中心点道集进行降噪手段处理，得到标准的模型道集数据；步骤5，根据标准的模型道集数据，应用反聚焦成像算法，提取优化后的反聚焦成像属性参数和初始的反聚焦成像属性参数；以及步骤6，根据优化后的反聚焦成像属性参数和初始的反聚焦成像属性参数，得到优化的共反射点道集。本专利技术的目的还可通过如下技术措施来实现：在步骤2中，搜索的参数分别为地层倾角、地层曲率半径和法相入射点波曲率半径，寻找合适的反聚焦成像属性参数，优化叠后时间偏移数据，增强同相轴的连续性。在步骤3中，将优化的叠后时间偏移数据做反偏移处理，得到优化后的叠加数据；将优化后的叠加数据做反叠加处理，得到优化后的共中心点道集。在步骤5中，应用反聚焦成像算法对模型道集数据进行搜索，从模型道集数据中提取优化后的反聚焦成像属性参数；应用反聚焦成像算法对原始地震道集数据进行搜索，提取初始的反聚焦成像属性参数。在步骤5中，提取的优化后的反聚焦成像属性参数包括三维的地层倾角、地层曲率半径矩阵和法相入射点波曲率半径矩阵。在步骤6中，对初始的反聚焦成像属性参数约束搜索，应用两部弥散算法，使得初始的反聚焦成像属性参数优化逼近模型道集中的优化后的反聚焦成像属性参数，应用到原始地震道集数据，得到优化的共反射点道集。根据克希霍夫统一成像理论认为任何一种积分叠加型成像方法总可以有两种实现方式：惠更斯面叠加成像方式与等旅行时面叠加成像方式。传统的MF零偏成像方法属于惠更斯面叠加成像方式，根据克希霍夫统一成像理论推导出等旅行时面叠加方式的反聚焦成像(MF-IS)算法，具有更精确的运动学特征，也更易于实现，在运动学方面MF-IS有很大的空间改进零偏成像质量。基于数据域导向的模型道重建反聚焦成像技术源于MF-IS算法，除可得到高信噪比的零偏成像剖面外，还可通过在地震数据域内构建模型道方式提供信噪比大幅提高的叠前道集(共反射面元道集，简称CRS道集)，可以供进一步的速度分析或地震属性分析使用，而传统方法仅能提供一张零偏成像剖面，拓宽了MF方法的应用潜力。与常规技术相比，该方法能够提升地震资料信噪比，提高地震剖面成像精度。附图说明图1为本专利技术的基于数据域导向的模型道重建反聚焦成像方法的一具体实施例的流程图；图2为原始道集数据的示意图；图3为优化的共中心点道集数据的示意图；图4为某工区常规处理的叠加剖面示意图；图5为某工区MF-IS处理后叠加剖面的示意图。具体实施方式为使本专利技术的上述和其他目的、特征和优点能更明显易懂，下文特举出较佳实施例，并配合所附图式，作详细说明如下。如图1所示，图1为本专利技术的基于数据域导向的模型道重建反聚焦成像方法的流程图。在步骤101，对初始叠加数据进行叠后时间偏移处理。图2为原始的单炮数据对应的中心点道集，可以看到800ms处和2200ms的同相轴连续性较差。从图4为原始单炮的叠加剖面，可以看到2200ms处的倾斜同相轴以下有效信息能量很弱。流程进入到步骤102。在步骤102，应用MF算法对叠后时间偏移数据进行搜索，搜索的参数分别为地层倾角、地层曲率半径和法相入射点波曲率半径，寻找合适的MF属性参数，优化叠后时间偏移数据，增强同相轴的连续性。流程进入到步骤103。在步骤103，将优化的叠后时间偏移数据做反偏移处理，得到优化后的叠加数据。流程进入到步骤104。在步骤104，将优化的叠加数据做反叠加处理，得到优化后的共中心点(CMP)道集。图3为优化的共中心点道集数据的示意图,从优化后的共中心点道集中看到800ms和2200ms处的同相轴连续性明显得到改善，剖面的信噪比也得到了较大提高。流程进入到步骤105。在步骤105，对优化的共中心点道集进行降噪等手段处理，得到标准的模型道集数据。流程进入到步骤106。在步骤106，应用MF算法对模型道集数据进行搜索，从模型道集数据中提取三维的地层倾角、地层曲率半径矩阵和法相入射点波曲率半径矩阵，即优化后的MF属性参数。流程进入到步骤107。在步骤107，应用MF算法对原始地震道集数据进行搜索，提取初始的MF属性参数。流程进入到步骤108。在步骤108，对原始的MF属性参数约束搜索，应用两部弥散算法等算法，使得初始参数优化逼近模型道集中的优化参数，应用到原始地震道集数据，得到优化的共反射点(CRS)道集。处理后得到的叠加剖面如图5所示，可以看到2200ms处的倾斜层以下有效信息能量得到了明显加强，层位清楚，效果明显。流程结束。本文档来自技高网...

【技术保护点】
基于数据域导向的模型道重建反聚焦成像方法，其特征在于，该基于数据域导向的模型道重建反聚焦成像方法包括：步骤1，对初始叠加数据进行叠后时间偏移处理；步骤2，应用反聚焦成像算法对叠后时间偏移数据进行搜索，优化叠后时间偏移数据；步骤3，根据优化的叠后时间偏移数据，得到优化后的共中心点道集；步骤4，对优化的共中心点道集进行降噪手段处理，得到标准的模型道集数据；步骤5，根据标准的模型道集数据，应用反聚焦成像算法，提取优化后的反聚焦成像属性参数和初始的反聚焦成像属性参数；以及步骤6，根据优化后的反聚焦成像属性参数和初始的反聚焦成像属性参数，得到优化的共反射点道集。

【技术特征摘要】
1.基于数据域导向的模型道重建反聚焦成像方法，其特征在于，该基于数据域导向的模型道重建反聚焦成像方法包括：步骤1，对初始叠加数据进行叠后时间偏移处理；步骤2，应用反聚焦成像算法对叠后时间偏移数据进行搜索，优化叠后时间偏移数据；步骤3，根据优化的叠后时间偏移数据，得到优化后的共中心点道集；步骤4，对优化的共中心点道集进行降噪手段处理，得到标准的模型道集数据；步骤5，根据标准的模型道集数据，应用反聚焦成像算法，提取优化后的反聚焦成像属性参数和初始的反聚焦成像属性参数；以及步骤6，根据优化后的反聚焦成像属性参数和初始的反聚焦成像属性参数，得到优化的共反射点道集。2.根据权利要求1所述的基于数据域导向的模型道重建反聚焦成像方法，其特征在于，在步骤2中，搜索的参数分别为地层倾角、地层曲率半径和法相入射点波曲率半径，寻找合适的反聚焦成像属性参数，优化叠后时间偏移数据，增强同相轴的连续性。3.根据权利要求1所述的基于数据域导向的模型道重建反聚焦成像方法，...

【专利技术属性】
技术研发人员：赵爱国，滕厚华，尚新民，毕丽飞，冷天，李强，王胜阁，李辉，乌洪翠，张琳璞，
申请(专利权)人：中国石油化工股份有限公司，中国石油化工股份有限公司胜利油田分公司物探研究院，
类型：发明
国别省市：山东;37