The invention belongs to the technical field of oil field seismic large data reconstruction, and particularly relates to a method of seismic data reconstruction based on spatial constrained compression perception, including: using a part of data as training data, using K_SVD dictionary to learn and train super-complete dictionary to reconstruct original seismic data, using the method of joint sparse decomposition to extract common spatial information, and transforming the sense of compression. The perception matrix of the algorithm is known, and the sparseness adaptive matching pursuit algorithm is improved. The initial sparseness estimation method is introduced, and the data is reconstructed by variable step size strategy. The reconstructed result is not only clear in detail, but also much less time than IRLS and SAMP, and the transverse transition is more smooth. It shows that the algorithm designed by the present invention utilizes the spatial information and the reconstructed result is more real.
【技术实现步骤摘要】
一种基于空间约束压缩感知的地震数据重建方法
本专利技术属于油田地震大数据重建
,尤其涉及一种基于空间约束压缩感知的地震数据重建方法。
技术介绍
数据重建是数据处理的重要部分。在信号领域,由于环境、设备以及人为等因素采集到的信号数据并不一定是完整的。如果使用不完整的数据进行数据解释和分析的话,则分析结果会存在较大的偏差,所以在数据解释分析之前需要对数据进行重建。另外对于地震勘探这种数据量较大的采集工作中,大量的数据会在采集、存储和运输等各个环节产生巨大的成本。因此一方面希望尽可能减少采集到的数据,另一方面希望重建出来的数据尽可能地精确。常规的地震数据采样方法是基于Nyquist采样定理,对地震信号的采样间距具有一定的要求,如果采样频率过低则会出现假频现象,影响数据的重建。而压缩感知理论表明:基于信号的稀疏性,在低于Nyquist欠采样的情况下,对少数的采样点通过合适的重建方法仍能准确地重构信号。通常地震信号在某个变换域内是稀疏的,为利用压缩感知理论重建地震数据提供了可能。地震数据重建即对不完整的人造地震采样数据进行插值处理,恢复出完整或者采样率更高的数据。早在1981年,Larner就对不完整的地震道恢复和野外地震数据采集设计进行了深入的讨论和研究。传统的地震数据重建方法分三类:第一类方法是基于预测滤波的方法,即采用分频预测思路,由低频信息预测高频信息。这类方法通常将非规则采样数据当作规则数据处理,并通过高斯窗进行插值,较易引入误差。第二类方法是基于波动方程的方法,即通过DMO或AMO正、反演算子迭代求解一个反问题,这类方法利用波传播的物理性质重建地震 ...
【技术保护点】
1.一种基于空间约束压缩感知的地震数据重建方法,其特征在于,包括:步骤1:使用一部分数据作为训练数据,使用K‑SVD字典学习训练超完备字典来重建原始的地震数据;步骤2:使用联合稀疏分解的方法,提取共有的空间信息,并改造压缩感知算法中的感知矩阵;步骤3:对稀疏度自适应匹配追踪算法(SAMP)进行改进,引入初始稀疏度估计的方法,采用变步长的策略对数据进行重建。
【技术特征摘要】
1.一种基于空间约束压缩感知的地震数据重建方法,其特征在于,包括:步骤1:使用一部分数据作为训练数据,使用K-SVD字典学习训练超完备字典来重建原始的地震数据;步骤2:使用联合稀疏分解的方法,提取共有的空间信息,并改造压缩感知算法中的感知矩阵;步骤3:对稀疏度自适应匹配追踪算法(SAMP)进行改进,引入初始稀疏度估计的方法,采用变步长的策略对数据进行重建。2.根据权利要求1所述方法,其特征在于,所述重建原始的地震数据采用如下方法:为原始的地震数据,为稀疏解x的估计,为超完备字典,稀疏解x中非零的个数K要远远小于N,通过观测矩阵Φ得到采集到的不完整的地震数据y,y=θx传感矩阵θ满足:σ是常数且取值范围为(0,1)。3.根据权利要求2所述方法,其特征在于,所述联合稀疏分解的方法通过将数据向量分割为共同部分和特殊部分后处理得到目标函数和约束条件为:s为稀疏向量,δt+n为第n列数据的稀疏向量,yt+n为第n列不完整的地震数据,θt+n为传感矩阵的第n列数据,Φt+n为观测矩阵的第n列数据,为超完备字典。4.根据权利要求3所述方法,其特征在于,所述步骤3具体包括:设定稀疏解x中非零的个数K的初始值并判断如果则依次增加K初始值步长K0直到不等式不成立,同时得到绝对值最大的索引F的初始估计值F0,其中F0为θTy中元素绝对值最大的前K0个索引,θ为传感矩阵,y为不完整的地震数据,为传感矩阵的第F0列数据的转置;引入阈值η和步长变化率λ∈(0,1)来控制步长的动态变换,当时,最终得到的K值为:为稀疏估计,σ...
【专利技术属性】
技术研发人员:石敏,朱震东,朱登明,
申请(专利权)人:华北电力大学,
类型:发明
国别省市:北京,11
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。