一种面向主成分的AVO趋势去除多次波的方法技术

本发明专利技术公开了一种面向主成分的AVO趋势去除多次波的方法，通过应用奇异值分解算法将原始道集分解为主成分道集和弱相干道集两部分。针对主成分道集，算法中利用了多次波误差放大函数剔除了多次波位置的数据，剩余数据做最小方差的抛物线拟合，利用正演数据做近道数据替换，达到剔除多次波的目标。主成分道集的特点是信噪比很高，多次波去除过程中受噪声的影响小，有利于抛物线模型的反演精度的保证，同时避免了噪声产生的虚假同相轴现象的产生。算法保持了中远角度数据和弱相干的弱反射同相轴数据不变，保护了原始数据的AVO特征，提高了后续AVO特征分析和反演的可靠性。旨在解决现有技术中存在的面向主成分的AVO趋势去除多次波误差大的技术问题。

【技术实现步骤摘要】
一种面向主成分的AVO趋势去除多次波的方法
本专利技术涉及油气勘探
，尤其涉及一种面向主成分的AVO趋势去除多次波的方法。
技术介绍
AVO是地震勘探中一项具有重大发展潜力的技术。如今，在基于叠前道集的精细油藏描述和储层预测的工作中，AVO理论是最重要的技术。叠前道集中若存在噪声，极易导致近远道的振幅失真，引起AVO分析异常，造成叠前反演和AVO属性分析结果的多解与偏差，不能反映真实的岩性和物性。多次波是常见的一种相干噪声，它是不止一次反射后被接收到的能量。在叠前道集中，中远偏移距部分，多次波与一次波的视速度差异较大，比较容易去除，但是在近偏移距部分，由于多次波与一次有效反射波的视速度差异较小，往往难以分离，导致多次波的残留较多，引起了AVO分析工作中小角度资料的失真。多次波的去除一直都是一个很棘手的问题。目前，去除多次波的方法大致分为两种：滤波方法和基于波动理论的方法。其中滤波法主要是利用一次波和多次波之间的视速度差异(如f-k，τ-p)或者多次波的周期性(预测反褶积)等，此类方法只有在多次波和一次波的视速度具有较大差异性的时候本文档来自技高网...

【技术保护点】
1.一种面向主成分的AVO趋势去除多次波的方法，其特征在于，所述AVO趋势去除多次波的方法包括如下步骤：/n对叠前道集进行数据预处理；/n利用奇异值分解算法提取叠前道集主要特征，构建包含一次反射和多次反射同相轴在内的主成分部分叠前道集，同时构建含弱反射同相轴和随机噪声在内的弱相干叠前道集；/n剔除误差大的角度范围数据，利用保留的角度范围数据建立最小方差的抛物线模型的目标方程，对主成分部分叠前道集做AVO趋势拟合，通过求解抛物线模型并替换拟合后的全角度范围振幅数据，实现多次波去除；/n将处理后的主成分叠前道集和弱相干叠前道集合并。/n

【技术特征摘要】
1.一种面向主成分的AVO趋势去除多次波的方法，其特征在于，所述AVO趋势去除多次波的方法包括如下步骤：
对叠前道集进行数据预处理；
利用奇异值分解算法提取叠前道集主要特征，构建包含一次反射和多次反射同相轴在内的主成分部分叠前道集，同时构建含弱反射同相轴和随机噪声在内的弱相干叠前道集；
剔除误差大的角度范围数据，利用保留的角度范围数据建立最小方差的抛物线模型的目标方程，对主成分部分叠前道集做AVO趋势拟合，通过求解抛物线模型并替换拟合后的全角度范围振幅数据，实现多次波去除；
将处理后的主成分叠前道集和弱相干叠前道集合并。


2.如权利要求1所述的一种面向主成分的AVO趋势去除多次波的方法，其特征在于，所述对叠前道集进行数据预处理操作包括对叠前道集进行动校拉伸切除和角道集转化。


3.如权利要求1所述的一种面向主成分的AVO趋势去除多次波的方法，其特征在于，所述奇异值分解通过根据奇异值分解参考式对叠前道集X进行奇异值分解：



其中：r是矩阵的秩，ui是XXT的第i个特征向量，vi是XTX的第i个特征向量，σi是X的第i个特征值。


4.如权利要求3所述的一种面向主成分的AVO趋势去除多次波的方法，其特征在于，所述主成分部分叠前道集的构建利用奇异值分解参考式对分解的奇异值构建出包含一次反射和多次反射同相轴在内的主成分部分叠前道集；所述弱相干叠前道集的构建利用奇异值分解参考式对分解的奇异值构建出含弱反射同相轴和随机噪声在内的弱相干叠前道集。


5.如权利要求1所述...

【专利技术属性】
技术研发人员：曹佳佳，张生郡，谢丹，景焕军，邱金华，
申请(专利权)人：北京中恒利华石油技术研究所，
类型：发明
国别省市：北京;11