一种衰减地震数据随机噪声的方法及系统技术方案

本发明专利技术公开了一种衰减地震数据随机噪声的方法和系统。所述方法包括：获取地震数据；将地震数据进行傅立叶变换，生成频率-空间域的地震数据；在空间方向上对频率-空间域的地震数据进行复数经验模态分解，生成多个模态分量；根据频率-空间域的地震数据与多个模态分量，利用最优化方法生成自适应信号重构算子；根据自适应信号重构算子和所述多个模态分量，重构生成频率域地震信号；将频率域地震信号进行傅立叶反变换，生成随机噪声衰减后的时间域地震信号；根据所述随机噪声衰减后的时间域地震信号绘制噪声衰减后的地震剖面图像。本发明专利技术实施例的衰减地震数据随机噪声的方法与系统，可以有效压制随机噪声对地震信号的影响，提高了地震资料信噪比。

【技术实现步骤摘要】

本专利技术涉及地震勘探领域，尤其涉及油气地球物理勘探中的地震资料处理领域，具体的讲是一种在地震勘探中，对地震数据随机噪声进行衰减的方法及系统。
技术介绍
地震勘探是一种利用人工地震技术探测地下结构的勘探方法。它按照一定的方式人工激发地震波，利用称之为检波器的装置接收来自地下的反射信号，通过对反射信号的处理和分析探测地下结构。但是，检波器在接收地震信号的同时，也接收到大量来自地下和地表的随机噪声，降低了地震记录信噪比，严重干扰地震信号反映地下结构的能力，随机噪声的衰减与弱信号恢复是地震资料处理领域的重要研究内容。1、f-x域空间预测滤波是目前工业界应用最为广泛、效果最为稳定的随机噪声衰减方法。该方法基于信号在频率一空间域的可预测性和随机噪声的不可预测性进行信号识别和噪声压制。其滤波算子的求取已经由自回归模型(AR)因果算子发展到非因果算子(Gulunay, 2000)，去噪算法也由二维发展到三维甚至四维去噪。但是，该方法要求地震信号在横向上具有稳态特征，且信号在横向上呈局部线性趋势。对于横向非均质性较强、构造较为复杂的地层结构而言，其反射特征很难满足f-x域空间预测滤波的上述要求，不能取得理想的去噪效果。2、时频分析类方法可以针对非稳态以及非线性信号进行处理，该类方法是近年来随着小波变换等时频分析工具的兴起而发展起来。根据有效信号与随机噪声在时频域的分布差异，首先通过小波变换等时频分析工具将地震数据变换到时频域，再选择合适的时频域滤波手段将有效信号与噪声分离，然后反变换到时间域得到去噪后的结果。但是，该类方法的数学变换在实际地震资料处理中缺乏明确的物理意义，没有考虑地震信号本身的固有特点，且实现过程复杂，可操作性较差，制约了该方法由实验室到工业界应用的转换。3、希尔伯特黄变换(HHT)是一种基于信号本身固有属性的时频分析方法，该方法将非平稳信号通过经验模态分解(EMD)方式分解为不同尺度的平稳窄带信号，称为固有模态函数(IMF)，然后对这些固有模态函数进行希尔伯特变换就得到信号的时频谱。该方法克服了小波变换需要选取固定小波基的弱点，所分解的固有模态函数反映了信号本身的固有属性，具有明确的物理意义，更加有效的反映了地震信号的多尺度特征。Ivan (1999)第一次将经验模态分解方法引入到地震资料处理领域，主要用于地震属性分析和提高分辨率处理。Bekara (2008)将经验模态分解与f-χ滤波相结合,提出了一种新的f-χ域随机噪声衰减方法，首次将经验模态分解技术引入到地震数据随机噪声衰减方法的研究。该方法利用经验模态分解代替常规f-x域预测滤波的线性自回归滤波器，通过对频率切片进行经验模态分解并去除第一个固有模态函数，达到噪声压制的目的。虽然随机噪声经过经验模态分解之后，大部分能量集中在第一个模态分量上，但其它模态分量上依然有较强的残存能量，且复杂反射的有效信号也会泄露在第一模态分量上，因此，仅仅通过剔除某一分量或某些分量的滤波方法在去噪能力和保幅性能上存在较大缺陷。
技术实现思路
本专利技术的目的是为了克服现有技术中存在的衰减随机噪声信号不够理想的不足，提供一种衰减地震数据随机噪声的方法与系统，以解决上述问题。为了达到上述目的，本专利技术实施例公开了一种衰减地震数据随机噪声的方法，包括获取地震数据；将所述地震数据进行傅立叶变换，生成频率-空间域的地震数据；在空间方向上对所述频率-空间域的地震数据进行复数经验模态分解，生成多个模态分量；根据所述频率-空间域的地震数据与所述多个模态分量，利用最优化方法生成自适应信号重构算子；根据所述自适应信号重构算子和所述多个模态分量，重构生成频率域地震信号；将所述频率域地震信号进行傅立叶反变换，生成随机噪声衰减后的时间域地震信号；根据所述随机噪声衰减后的时间域地震信号绘制噪声衰减后的地震剖面图像。为了达到上述目的，本专利技术实施例还公开了一种衰减地震数据随机噪声的系统，包括地震数据获取单元，用于获取地震数据；频率-空间域的地震数据生成单元，用于将所述地震数据进行傅立叶变换，生成频率-空间域的地震数据；模态分量生成单元，用于在空间方向上对所述频率-空间域的地震数据进行复数经验模态分解，生成多个模态分量；重构算子生成单元，用于根据所述频率-空间域的地震数据与所述多个模态分量，利用最优化方法生成自适应信号重构算子；频率域地震信号生成单元，用于根据所述自适应信号重构算子和所述多个模态分量，重构生成频率域地震信号；时间域地震信号生成单元，用于将所述频率域地震信号进行傅立叶反变换，生成随机噪声衰减后的时间域地震信号；地震剖面图像绘制单元，用于根据所述随机噪声衰减后的时间域地震信号绘制噪声衰减后的地震剖面图像。本专利技术实施例的衰减地震数据随机噪声的方法与系统，可以自动识别并重构被随机噪声严重污染的地震信号，有效压制随机噪声对地震信号的影响，提高了地震资料信噪比，增强了地震信号对地下复杂结构和油气储层的检测精度，为地震资料构造解释和储层预测提供了高质量的基础数据。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，对于本领域技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例中的复数经验模态分解介绍中的高斯白噪声EMD分解后的各IMF频谱示意图；图2为利用投影法进行复数经验模态分解的示意图；图3为本专利技术实施例的衰减地震数据随机噪声的方法的流程图；图4为本专利技术实施例的衰减地震数据随机噪声的系统的结构示意图；图5为本专利技术实施例1中采集的某油田A区块的碳酸盐岩地震记录；图6为本专利技术实施例1中的经过f-x域空间预测滤波之后的某油田A区块碳酸盐岩地震记录；图7为本专利技术实施例1中的经过本专利技术的衰减方法处理之后的某油田A区块碳酸盐岩地震记录；图8为本专利技术实施例2中采集的某油田B区块的地震记录；图9为本专利技术实施例2中的经过本专利技术的衰减方法处理之后的某油田B区块的地震记录。具体实施例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。在介绍本专利技术的具体实施方式之前，为了更好地理解本专利技术的实施过程，首先对本专利技术所涉及的复数经验模态分解进行简单的介绍。N E. Huang等人认为，平稳信号应该满足两个条件(I)极值点数目和过零点数目相等或最多相差I个；(2)在任意点，由局部极大值点和局部极小值点构成的两条包络线平均值为O。满足该条件的信号称为固有模态信号，相应的函数称为固有模态函数(IntrinsicMode Function,简记IMF)。对于复杂非平稳信号，并不满足IMF条件，因此N E. Huang等人提出了如下假设任何信号都是由一些不同的固有模态组成的；每个模态可以是线性的，也可以是非线性的，其极点数和零点数相同，且上下包络线关于时间轴局部对称；任何时候，一个信号都可以包含许多固有模态信号；如果模态之间相互重叠，便形成复合信号。将复合本文档来自技高网...

【技术保护点】
一种衰减地震数据随机噪声的方法，其特征在于，所述方法包括：获取地震数据；将所述地震数据进行傅立叶变换，生成频率?空间域的地震数据；在空间方向上对所述频率?空间域的地震数据进行复数经验模态分解，生成多个模态分量；根据所述频率?空间域的地震数据与所述多个模态分量，利用最优化方法生成自适应信号重构算子；根据所述自适应信号重构算子和所述多个模态分量，重构生成频率域地震信号；将所述频率域地震信号进行傅立叶反变换，生成随机噪声衰减后的时间域地震信号；根据所述随机噪声衰减后的时间域地震信号绘制噪声衰减后的地震剖面图像。

【技术特征摘要】

【专利技术属性】
技术研发人员：李国发，王峣钧，付立新，彭更新，满益志，秦德海，李皓，
申请(专利权)人：中国石油大学北京，
类型：发明
国别省市：