【技术实现步骤摘要】
本专利技术涉及一种高分辨率地震成像处理方法及装置和设备。
技术介绍
1、陆上地震资料，面波干扰严重，随着深度的增加，面波扇形区域影响逐步扩大，并严重影响深层成像分辨率；同时，层间多次干扰严重，严重干扰速度拾取和目标成像。在此背景下，地震深层信号严重缺失，造成地震深部成像效果极差。这是由于震源在地表激发的时候，会产生面波，地表面波传播速度低，检波器在地表接收，就会形成严重的面波干扰。现有技术有一些方法如f-k，f-x去面波，但是无法从根本上解决。这是多年来地震勘探领域一直在探索和研究的问题。
技术实现思路
1、本专利技术的专利技术人发现，对于地震资料而言，面波干扰发育，视速度小，能量较强，常规技术中采用单一高通滤波尽管面波去除较干净，但有效波低频成分损失很大，同样会造成叠后反射波波形呆板。基于此，专利技术人提出了本专利技术以便提供一种克服上述问题或者至少部分地解决现有技术中所存在的上述问题的一种高分辨率地震成像处理方法及装置和设备。
2、第一方面，本专利技术实施例提供一种高分辨率地震成像处理方法，该方法包括：
3、对获取的地震记录基于预设时空变函数确定的第一时窗滑动，得到多个窗口地震数据；
4、对每个窗口地震数据进行时频分解，并根据计算得到的时频谱的平均振幅，得到分频异常振幅衰减算子；
5、判断所述分频异常振幅衰减算子是否大于预设阈值，若是，利用所述分频异常振幅衰减算子进行异常振幅处理，获得窗口处理地震数据；
6、对得到的所
7、基于预设地表一致性褶积模型，得到所述异常处理后地震记录的共炮点分量、共检波点分量和共偏移距分量；
8、根据获取的第二时窗长度、预测步长和白噪因子，以及所述共炮点分量、共检波点分量和共偏移距分量，确定预测反褶积算子；
9、根据确定的预测反褶积算子和所述异常处理后地震记录进行反褶积运算，得到地震处理结果数据。
10、在一个或一些可选的实施例中，所述根据确定的预测反褶积算子和所述异常处理后地震记录进行反褶积运算，得到地震处理结果数据，包括：
11、对所述异常处理后地震记录对应的炮域道集数据进行谱分析，得到在频率域的振幅谱；
12、根据确定的预测反褶积算子和所述在频率域的振幅谱进行反褶积运算，得到地震处理结果数据。
13、在一个或一些可选的实施例中，所述基于预设地表一致性褶积模型，得到所述异常处理后地震记录的共炮点分量、共检波点分量和共偏移距分量，包括：
14、基于下述式1的地表一致性褶积模型，得到所述异常处理后地震记录的共炮点分量、共检波点分量和共偏移距分量：
15、xij(t)＝si(t)·gj(t)·ek(t)·hl(t)，式1；
16、式中，
17、xij(t)为地震记录模型；
18、si(t)为震源i对应分量；
19、gj(t)为检波器j对应分量；
20、ek(t)为中心点对应分量，k＝(i+j)/2；
21、hl(t)为炮检距对应分量，l＝|i-j|。
22、在一个或一些可选的实施例中，所述根据获取的第二时窗长度、预测步长和白噪因子，以及所述共炮点分量、共检波点分量和共偏移距分量，确定预测反褶积算子，包括：
23、根据自相关函数确定所述共炮点分量、共检波点分量和共偏移距分量的自相关；
24、根据所述第二时窗长度、预测步长和白噪因子，以及所述共炮点分量、共检波点分量和共偏移距分量的自相关，基于下述公式2求取所述共炮点分量、共检波点分量和共偏移距分量对应的预测滤波因子：
25、
26、其中，b为白噪因子，τ为预测步长，{c(0),c(1),…,c(m)}为预测滤波因子，{rxx(0),rxx(1),…,rxx(m)}表示异常处理后地震记录xij(t)的分量的自相关，m表示滤波器的长度；
27、对所述共炮点分量、共检波点分量和共偏移距分量对应的预测滤波因子进行加权处理，得到所述预测反褶积算子。
28、在一个或一些可选的实施例中，所述对每个窗口地震数据进行时频分解，并根据计算得到的时频谱的平均振幅，得到分频异常振幅衰减算子，包括：
29、对每个窗口地震数据进行时频分解，得到对应的时频谱，并计算得到所述时频谱的平均振幅；
30、根据所述平均振幅和预先确定的为尺度函数，计算得到分频异常振幅衰减算子。
31、在一个或一些可选的实施例中，所述对获取的地震记录进行时频分解，得到对应的时频谱，包括：
32、通过下述公式3对所述地震记录进行时频分解，得到对应的时频谱：
33、sftk＝ft(s(k))，公式3；
34、其中，s(k)为第k道地震记录的信号，ft为时频分解算子，sftk：时频谱。
35、在一个或一些可选的实施例中，还包括通过下述公式4计算得到所述时频谱的平均振幅：
36、
37、其中，eftk为第k道平均振幅；时窗t内、频段f的振幅；aiftk为第k道、时窗t内、频段f、样点i的振幅；nftk为采样点总数。
38、在一个或一些可选的实施例中，所述根据所述平均振幅和预先确定的尺度函数，计算得到分频异常振幅衰减算子，包括：
39、根据所述平均振幅和预先确定的为尺度函数，通过下述公式5计算得到所述分频异常振幅衰减算子：
40、
41、其中，δftk为第k道的时空变分频异常振幅衰减算子，scale(f,t)为尺度函数，eftk为第k道平均振幅；时窗t内、频段f的振幅；aiftk为第k道、时窗t内、频段f、样点i的振幅。
42、在一个或一些可选的实施例中，所述利用所述分频异常振幅衰减算子进行异常振幅处理，获得窗口处理地震数据，包括：
43、利用所述时空变分频异常振幅衰减算子，通过下述公式6对所述时频谱进行异常振幅处理，得到所述窗口处理地震数据：
44、s*(k)＝ftinverse(δftk·sftk) 公式6；
45、其中，s*(k)是最终处理结果，ftinverse为时频算子ft的逆变换。
46、在一个或一些可选的实施例中，在对获取的地震记录进行第一预设时窗滑动，得到多个窗口地震数据之前，还包括：
47、对获取的地震记录进行观测系统定义和静校正处理，得到预处理后的地震记录。
48、在一个或一些可选的实施例中，所述方法还包括：
49、对所述地震处理结果数据进行叠前、叠后成像处理，获得最终成像结果。
50、第二方面，本专利技术实施例提供一种地震数据速度谱的速度分析装置，包括：
51、第一获取模块，用于对获取的地震记录基于预设时空变函数确定的第一时窗滑动，得到多个窗口地震数据；
<本文档来自技高网...【技术保护点】
1.一种高分辨率地震成像处理方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述根据确定的预测反褶积算子和所述异常处理后地震记录进行反褶积运算，得到地震处理结果数据，包括：
3.如权利要求1所述的方法，其特征在于，所述基于预设地表一致性褶积模型，得到所述异常处理后地震记录的共炮点分量、共检波点分量和共偏移距分量，包括：
4.如权利要求1所述的方法，其特征在于，所述根据获取的第二时窗长度、预测步长和白噪因子，以及所述共炮点分量、共检波点分量和共偏移距分量，确定预测反褶积算子，包括：
5.如权利要求1所述的方法，其特征在于，所述对每个窗口地震数据进行时频分解，并根据计算得到的时频谱的平均振幅，得到分频异常振幅衰减算子，包括：
6.如权利要求5所述的方法，其特征在于，所述对获取的地震记录进行时频分解，得到对应的时频谱，包括：
7.如权利要求6所述的方法，其特征在于，还包括通过下述公式4计算得到所述时频谱的平均振幅：
8.如权利要求7所述的方法，其特征在于，所述根据所述平均振幅和预先确定
9.如权利要求8所述的方法，其特征在于，所述利用所述分频异常振幅衰减算子进行异常振幅处理，获得窗口处理地震数据，包括：
10.如权利要求1-9任一项所述的方法，其特征在于，在对获取的地震记录进行第一预设时窗滑动，得到多个窗口地震数据之前，还包括：
11.如权利要求1-9任一项所述的方法，其特征在于，还包括：
12.一种高分辨率地震成像处理装置，其特征在于，包括：
13.一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如权利要求1-11任一项所述的高分辨率地震成像处理方法。
14.一种计算机设备，包括存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-11任一项所述的高分辨率地震成像处理方法。
...【技术特征摘要】
1.一种高分辨率地震成像处理方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述根据确定的预测反褶积算子和所述异常处理后地震记录进行反褶积运算，得到地震处理结果数据，包括：
3.如权利要求1所述的方法，其特征在于，所述基于预设地表一致性褶积模型，得到所述异常处理后地震记录的共炮点分量、共检波点分量和共偏移距分量，包括：
4.如权利要求1所述的方法，其特征在于，所述根据获取的第二时窗长度、预测步长和白噪因子，以及所述共炮点分量、共检波点分量和共偏移距分量，确定预测反褶积算子，包括：
5.如权利要求1所述的方法，其特征在于，所述对每个窗口地震数据进行时频分解，并根据计算得到的时频谱的平均振幅，得到分频异常振幅衰减算子，包括：
6.如权利要求5所述的方法，其特征在于，所述对获取的地震记录进行时频分解，得到对应的时频谱，包括：
7.如权利要求6所述的方法，其特征在于，还包括通过下述公式4计算得到所述时频谱...
【专利技术属性】
技术研发人员：曹正林，郭启龙，刘能超，陈棡，杨帆，龚德瑜，刘刚，
申请(专利权)人：中国石油天然气股份有限公司，
类型：发明
国别省市：
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。