智能化时变盲反褶积宽频处理方法及装置制造方法及图纸

本发明专利技术提供一种智能化时变盲反褶积宽频处理方法及装置，其中，该方法包括以下步骤：从衰减地震数据中提取出初始地震子波；随机产生包含多个地层品质因子Q值的Q值群；根据所述初始地震子波和所述Q值群建立时变子波矩阵群；根据所述衰减地震数据和所述时变子波矩阵群，获得多个反射系数；建立适应度函数；根据所述适应度函数和所述多个反射系数，获得多个适应值，其中，一个适应值对应一个地层品质因子Q值；根据所述多个适应值确定最优地层品质因子Q值。由于该方案不通过人工来确定最优Q值，而是通过智能搜索获得最优Q值，减少工作量和误差，从而从非稳态数据中估计出最优的时变子波，同时获得最优的时变盲反褶积结果。

【技术实现步骤摘要】
智能化时变盲反褶积宽频处理方法及装置
本专利技术涉及地球物理勘探高分辨率处理、反演和解释
，特别涉及一种智能化时变盲反褶积宽频处理方法及装置。
技术介绍
在地球物理勘探领域中，采集的地震波形资料可看成是地面激发的子波在经过地下传播和界面反射后被接收时的波形叠加，是地震子波与反射系数褶积的结果。理论上其要求输入的地震数据是稳态的(即未考虑地层品质因子Q的衰减与频散效应)。如果地震波在传播过程中其Fourier频谱(振幅谱和相位谱)不变化，称这种地震波是稳态的。相反，地震波在传播过程中其频谱发生变化(振幅衰减和相位频散)，称这种地震波是非稳态的。由非稳态地震波组成的数据称为非稳态地震数据。由于地层的粘弹性，实际地震数据是非稳态的。实际地震数据处理过程中通常用品质因子Q来描述地震波的衰减与频散，其物理意义是地震波在传播一个波长距离后，原来存储的能量与所消耗的能量之比。传统的反射系数反演方法基于稳态子波假设，理论上要求输入的地震数据是稳态的。对于非稳态地震数据，若依然采用稳态反褶积或反射系数反演方法进行高分辨率处理，会导致更为严重的成像假象，进一步影响后续的地震解释工作。则用这类方法从实际野外采集的非稳态地震数据中反演获取反射系数序列，首先需要补偿地层的Q滤波效应。反Q滤波是较为一种常用的补偿地层Q滤波效应的方法，通常包括振幅补偿和相位补偿。反Q滤波振幅补偿从本质上来讲是不稳定的，除非在反Q滤波过程中很认真地考虑并设计了稳定的振幅补偿算子，振幅补偿项将会不可避免的放大高频噪声。对于其他非稳态数据高分辨处理方法来说，准确的时变子波矩阵是获得合理反演结果的前提条件。一般而言，Q模型的偏差往往导致地震子波在不同时间位置的衰减程度与真实值之间存在差异，从而影响时变子波矩阵的准确性，进一步通过影响波形匹配求解使得估计的反射系数产生偏差。因此，准确地估计Q模型和构建反演方程是获得真实地下反射脉冲图像的前提条件。目前也有一些扫描Q策略来获得最佳Q值的方法，但Q值效果主要依靠人工判别，这为反演工作带来了很多的工作量和误差。当前的地震资料处理解释的趋向程序化智能化，从而急需一套不依赖于人工干预的智能化的反褶积系统。
技术实现思路
本专利技术实施例提供了一种智能化时变盲反褶积宽频处理方法及装置，不通过人工来确定最优Q值，而是通过智能搜索获得最优Q值，减少工作量和误差，从而从非稳态数据中估计出最优的时变子波，同时获得最优的时变盲反褶积结果。该智能化时变盲反褶积宽频处理方法包括：从衰减地震数据中提取出初始地震子波；随机产生包含多个地层品质因子Q值的Q值群；根据所述初始地震子波和所述Q值群建立时变子波矩阵群；根据所述衰减地震数据和所述时变子波矩阵群，获得多个反射系数；建立适应度函数；根据所述适应度函数和所述多个反射系数，获得多个适应值，其中，一个适应值对应一个地层品质因子Q值；根据所述多个适应值确定最优地层品质因子Q值。该智能化时变盲反褶积宽频处理装置包括：初始地震子波提取模块，用于从衰减地震数据中提取出初始地震子波；Q值群产生模块，用于随机产生包含多个地层品质因子Q值的Q值群；时变子波矩阵群建立模块，用于根据所述初始地震子波和所述Q值群建立时变子波矩阵群；反射系数获得模块，用于根据所述衰减地震数据和所述时变子波矩阵群，获得多个反射系数；适应度函数建立模块，用于建立适应度函数；适应值获得模块，用于根据所述适应度函数和所述多个反射系数，获得多个适应值，其中，一个适应值对应一个地层品质因子Q值；最优地层品质因子Q值确定模块，用于根据所述多个适应值确定最优地层品质因子Q值。在本专利技术实施例中，通过建立的适应度函数来确定最优地层品质因子Q值，与现有技术相比，不通过人工来确定最优Q值，而是通过智能搜索获得最优Q值，减少工作量和误差，从而从非稳态数据中估计出最优的时变子波，同时获得最优的时变盲反褶积结果。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例提供的一种智能化时变盲反褶积宽频处理方法流程图；图2是本专利技术实施例提供的一种智能化时变盲反褶积宽频处理方法具体流程图；图3是本专利技术实施例提供的一种无噪条件下的真实时变子波及20个不同随机初始模型反演获得的时变子波；图4是本专利技术实施例提供的一种无噪条件下真实及20个不同随机初始模型反演获得的反射系数序列；图5是本专利技术实施例提供的一种无噪条件下带有衰减特征的真实及合成的20个不同随机初始模型反演重构的地震记录资料；图6是本专利技术实施例提供的一种含噪5％条件下的真实时变子波及20个不同随机初始模型反演获得的时变子波；图7是本专利技术实施例提供的一种含噪5％条件下真实反射系数序列及20个不同随机初始模型反演获得的反射系数序列；图8是本专利技术实施例提供的一种含噪5％条件下带有衰减特征的真实记录及合成的20个不同随机初始模型反演重构的地震记录资料；图9是本专利技术实施例提供的一种实际地震资料效果图；图10是本专利技术实施例提供的一种应用本专利技术提出的方法所得的Q模型结果图；图11是本专利技术实施例提供的一种应用本专利技术提出的方法对实际的地震资料进行反演的效果图；图12是本专利技术实施例提供的一种智能化时变盲反褶积宽频处理装置结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。在本专利技术实施例中，提供了一种智能化时变盲反褶积宽频处理方法，如图1所示，该方法包括：步骤101：从衰减地震数据中提取出初始地震子波；步骤102：随机产生包含多个地层品质因子Q值的Q值群；步骤103：根据所述初始地震子波和所述Q值群建立时变子波矩阵群；步骤104：根据所述衰减地震数据和所述时变子波矩阵群，获得多个反射系数；步骤105：建立适应度函数；步骤106：根据所述适应度函数和所述多个反射系数，获得多个适应值，其中，一个适应值对应一个地层品质因子Q值；步骤107：根据所述多个适应值确定最优地层品质因子Q值。具体实施时，假设随机产生的Q值群体中有n个Q值粒子i＝1,2,…,n，每个Q值粒子是D维空间中的一个个体，每个Q值粒子的位置表示为xi＝(xi1,xi2,...,xiD)，其中，维度为1，2，···，D。每个Q值粒子都在D维空间中运动，其速度表示为vi＝(vi1,vi2,...,viD)。不同的Q值粒子在空间中处于不同的位置，相对于适应度函数f(r)有不同的适应值。群体中好的位置即适应值最小的粒子，用Pg表示；第i个Q值粒子经历过的最好位置用Pi表示。如图2所示，则步骤102具体包括：随机产生每个地层品质因子Q值的初始位置xi和初始速度vi；确定所述Q值群的初始全局最好位置Pg，每个地层品质因子Q值的初始历史最好位置Pi。具体实施时，步骤103具体按照如下方式建立时变子波矩阵群。从经典的声波波动方程出发本文档来自技高网...

【技术保护点】
1.一种智能化时变盲反褶积宽频处理方法，其特征在于，包括：从衰减地震数据中提取出初始地震子波；随机产生包含多个地层品质因子Q值的Q值群；根据所述初始地震子波和所述Q值群建立时变子波矩阵群；根据所述衰减地震数据和所述时变子波矩阵群，获得多个反射系数；建立适应度函数；根据所述适应度函数和所述多个反射系数，获得多个适应值，其中，一个适应值对应一个地层品质因子Q值；根据所述多个适应值确定最优地层品质因子Q值。

【技术特征摘要】
1.一种智能化时变盲反褶积宽频处理方法，其特征在于，包括：从衰减地震数据中提取出初始地震子波；随机产生包含多个地层品质因子Q值的Q值群；根据所述初始地震子波和所述Q值群建立时变子波矩阵群；根据所述衰减地震数据和所述时变子波矩阵群，获得多个反射系数；建立适应度函数；根据所述适应度函数和所述多个反射系数，获得多个适应值，其中，一个适应值对应一个地层品质因子Q值；根据所述多个适应值确定最优地层品质因子Q值。2.如权利要求1所述的智能化时变盲反褶积宽频处理方法，其特征在于，根据所述衰减地震数据和所述时变子波矩阵群，获得多个反射系数，包括：根据所述衰减地震数据和所述时变子波矩阵群，运用稀疏贝叶斯反演算法进行时变盲反褶积处理，获得多个反射系数。3.如权利要求1所述的智能化时变盲反褶积宽频处理方法，其特征在于，建立适应度函数，包括：选择l0.1范数作为评价准则建立适应度函数。4.如权利要求1所述的智能化时变盲反褶积宽频处理方法，其特征在于，根据所述多个适应值确定最优地层品质因子Q值，包括：将所述多个适应值两两之间进行比较，获得最小适应值；将所述最小适应值与预设适应值阈值进行比较，当最小适应值小于预设适应值阈值时，所述最小适应值对应的地层品质因子Q值为最优地层品质因子Q值。5.如权利要求4所述的智能化时变盲反褶积宽频处理方法，其特征在于，还包括：当最小适应值大于预设适应值阈值时，更新所述Q值群；根据更新后的所述Q值群重新确定最优地层品质因子Q值。6.如权利要求5所述的智能化时变盲反褶积宽频处理方法，其特征在于，随机产生包含多个地层品质因子Q值的Q值群，包括：随机产生每个地层品质因子Q值的初始位置和初始速度；确定所述Q值群的初始全局最好位置，每个地层品质因子Q值的初始历史最好位置；当最小适应值大于预设适应值阈值时，更新所述Q值群，包括：根据所述每个地层品质因子Q值的初始位置和初始速度、所述Q值群的初始全局最好位置、每个地层品质因子Q值的初始历史最好位置，更新所述Q值群。7.如权利要求5或6所述的智能化时变盲反褶积宽频处理方法，...

【专利技术属性】
技术研发人员：袁三一，韦婉婉，邓力，程亮，余子昭，王尚旭，
申请(专利权)人：中国石油大学北京，
类型：发明
国别省市：北京,11