基于在线字典学习的匹配追踪强煤层反射消除方法技术

本发明专利技术提供一种基于在线字典学习的匹配追踪强煤层反射消除方法，包括：步骤1，针对目标层的地震波形特征，基于在线字典学习进行单相位子波库构建；步骤2，基于在线字典学习单相位子波库，对目标层反射信号进行匹配追踪信号分解；步骤3，用原始数据减去提取的煤层反射，获得去煤后的反射剖面；步骤4，根据煤层反射旅行时提取叠前道集煤层反射特征子波，然后消除或削弱煤层反射，反动校后进行去煤叠前数据的叠前时间偏移。该基于在线字典学习的匹配追踪强煤层反射消除方法可有效消除强干扰的影响，从而验证了本技术方案对于消除强煤层反射，提高有效信号能量和分辨率的有效性。高有效信号能量和分辨率的有效性。高有效信号能量和分辨率的有效性。

【技术实现步骤摘要】
基于在线字典学习的匹配追踪强煤层反射消除方法


[0001]本专利技术涉及油田开发
，特别是涉及到一种基于在线字典学习的匹配追踪强煤层反射消除方法。

技术介绍

[0002]在地震资料处理领域，地震记录的稀疏表示近年来成为众多学者关注的热点，通过构建过完备原子库，将地震记录分解为原子库中最佳匹配原子的线性叠加，实现地震记录的自适应稀疏表示。匹配追踪算法以其简洁灵活的特性获得广泛应用，通过对过完备原子库的贪婪搜索，实现信号在最优原子上投影。为了保证分解的稀疏度，原子库的规模一般比较庞大，每次迭代所有原子均参与内积运算，使得计算效率低下。另外，由于原子库的超完备特性，每次迭代搜索所得的原子不能保证与此前搜得的原子正交，导致引入新的残差分量，降低收敛速度，容易引发过匹配现象，破坏了分解结果的稀疏性。因此，如何选取合适的分解方法以提高分解精度和分解速度是该领域亟需解决的问题。在提高分解精度方面，传统的做法是尽可能地扩大原子库的规模，这种方法虽有益于分解结果的精确性，但是原子库规模的扩大无疑增加了分解过程的负担，增大了原子搜索范围，降低了工作效率。在提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于在线字典学习的匹配追踪强煤层反射消除方法，其特征在于，该基于在线字典学习的匹配追踪强煤层反射消除方法包括：步骤1，针对目标层的地震波形特征，基于在线字典学习进行单相位子波库构建；步骤2，基于在线字典学习单相位子波库，对目标层反射信号进行匹配追踪信号分解；步骤3，用原始数据减去提取的煤层反射，获得去煤后的反射剖面；步骤4，根据煤层反射旅行时提取叠前道集煤层反射特征子波，然后消除或削弱煤层反射，反动校后进行去煤叠前数据的叠前时间偏移。2.根据权利要求1所述的基于在线字典学习的匹配追踪强煤层反射消除方法，其特征在于，在步骤1，针对目标层的地震波形特征，利用在线字典学习技术，提取能够反映目标层局部波形特征的子波，构成单相位子波库。3.根据权利要求2所述的基于在线字典学习的匹配追踪强煤层反射消除方法，其特征在于，在步骤1，假定信号的有限训练集X＝[x1,L,x
N
]在中，字典学习算法通过优化经验成本函数实现：式中D是字典，它的每一列是由基向量组成，l(x
i
,D)是损失函数；若字典D可以很好的表征信号X，则损失函数l(x
i
,D)应该很小；将l(x
i
,D)看作是l1稀疏编码问题的最佳的解：在这里λ是正则化参数，那么上述的问题也是基追踪的求解，α的稀疏解是通过l1惩罚得到的，但是λ的值和相应的有效稀疏度||α||0之间没有解析联系。4.根据权利要求1所述的基于在线字典学习的匹配追踪强煤层反射消除方法，其特征在于，在步骤2，基于在线字典学习单相位子波库，利用复数域快速匹配追踪分解算法对目标层反射信号进行匹配追踪信号分解。5.根据权利要求4所述的基于在线字典学习的匹配追踪强煤层反射消除方法，其特征在于，在步骤2，快速复数域匹配追踪CFMP方法根据实地震记录获取复地震记录，从复信号中获取先验信息包括振幅包络最大值处的时间、瞬时频率以及瞬时相位，然后在先验信息的约束下扫描一小部分的原子库得到最佳匹配，完成复信号的重构后再将结果返回实数域，从而在一定程度减小匹配中的计算量，提高算法效率。6.根据权利要求5所述的基于在线字典学习的匹配追踪强煤层反射消除方法，其特征在于，在步骤2，复信号的振幅包络、瞬时频率和瞬时相位的计算公式分别为：在于，在步骤2，复信号的振幅包络、瞬时频率和瞬时相位的计算公式分别为：在于，在步骤2，复信号的振幅包络、瞬时频率和瞬时相位的计算公式分别为：其中f(t)为信号的实部，f
*
(t)为信号的虚部；基于这些先验信息，可以快速...

【专利技术属性】
技术研发人员：赵翠霞，尚新民，韩站一，赵爱国，马晓义，滕厚华，冮明川，刘军祯，
申请(专利权)人：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：