CN114397700A - 一种基于图信号约束的节点地震仪叠前地震数据插值方法、装置、设备及存储介质 - Google Patents
一种基于图信号约束的节点地震仪叠前地震数据插值方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114397700A CN114397700A CN202210095036.7A CN202210095036A CN114397700A CN 114397700 A CN114397700 A CN 114397700A CN 202210095036 A CN202210095036 A CN 202210095036A CN 114397700 A CN114397700 A CN 114397700A
- Authority
- CN
- China
- Prior art keywords
- seismic data
- graph
- matrix
- seismograph
- interpolation method
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000005457 optimization Methods 0.000 claims abstract description 43
- 230000011218 segmentation Effects 0.000 claims abstract description 11
- 239000011159 matrix material Substances 0.000 claims description 44
- 239000013598 vector Substances 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 6
- 230000000903 blocking effect Effects 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 2
- 238000000354 decomposition reaction Methods 0.000 claims description 2
- 230000017105 transposition Effects 0.000 claims description 2
- 230000009466 transformation Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 3
- 230000001788 irregular Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000005012 migration Effects 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/282—Application of seismic models, synthetic seismograms
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/30—Analysis
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开的一种基于图信号约束的节点地震仪叠前地震数据插值方法、装置、设备及存储介质,针对不规则(随机)部署的节点地震仪采集的叠前地震数据插值,该方法同时考虑地震数据的几何结构和低秩性,将地震数据构建成一个无向图,根据该无向图生成一个图变分正则化项,将该正则化项和核范数正则化项引入到所提的优化问题中,利用Bregman分割算法求解上述优化问题,从而获得完整的、高质量的地震数据。
Description
技术领域
本发明属于地震勘探技术领域,涉及一种基于图信号约束的节点地震仪采集的叠前地震数据插值方法,具体涉及一种基于图信号约束的节点地震仪叠前地震数据插值方法、装置、设备及存储介质。
背景技术
受地震数据野外采集的种种不利因素影响,特别是近年来受不规则(随机)大规模部署节点地震仪设备的影响,导致节点地震仪采集到的地震信号出现缺失、坏道和空间假频。这种缺失的地震数据严重影响了后续地震资料的处理和解释,例如高分辨率处理、偏移成像、构造解释、储层表征等技术。因此,从不完整、不规则的节点地震仪采集的叠前地震数据中插值(恢复)出完整的、规则性的叠前地震数据对后续地震处理和解释具有重要意义。
地震资料的插值按照插值的数学原理可以划分为三类:基于波动方程的插值方法、基于滤波器的插值方法以及基于数学变换的地震插值方法。基于波动方程的地震插值方法是根据地震资料之间的因果相关性进行插值。Fomel(2003)提出一种基于波动方程和有限差分滤波的地震插值方法。Ramfrez(2006)根据波动方程有限孔径偏移的思想提出一种地震插值方法。这一类方法虽然具有较好的效果,但是基于波动方法的地震插值方法对速度场的精度要求比较高。基于滤波器的地震插值方法主要是设计预测滤波器算法来实现地震插值技术。Porsani(1999)提出修正了Spitz方法,对规则信号具有良好的效果,但是这一类方法针对不规则采样具有多解性,限制了地震插值的效果。基于数学变换的地震插值方法是目前应用比较广泛的地震插值方法,这一类方法主要是将缺失的地震数据转换到某个数学变换域中,在该数学变换域中对地震数据进行插值,从而获得完整的地震数据。冯飞等(2013)联合曲波变换和焦点变换,提出一种基于L1范数正则化问题的地震数据插值方法。刘财等(2013)提出一种基于Seislet的地震插值方法,该方法可以实现反假频插值。Liu和Sacchi(2004)提出一种基于Fourier变换的地震插值方法。除此之外,Radom变换(Yu等,2007)、字典学习(Sun等2018)等数学变换也常常被用于地震插值。以上技术具有如下缺点:
1)、基于波动方法的地震插值方法对速度场的精度有比较高的要求,不准确的速度场会影响地震插值的性能。
2)、基于数学变换的地震插值方法多用稀疏性约束来实现地震插值,但是这一类方法并没有考虑地震数据的几何结构。
发明内容
为了克服上述现有技术的缺点,本发明的目的在于提供一种基于图信号约束的节点地震仪叠前地震数据插值方法、装置、设备及存储介质,能够有效解决现有技术未考虑地震数据的几何结构,且由于精度无法满足使得速度场不准确的技术难题,该方法能够获得完整的、高质量的地震数据。
为了达到上述目的,本发明采用以下技术方案予以实现:
本发明公开了一种基于图信号约束的节点地震仪叠前地震数据插值方法,包括:针对叠前不完整的地震数据插值,同时考虑地震数据的几何结构和低秩性,将地震数据构建成一个无向图,根据该无向图生成一个图变分正则化项,将该正则化项和核范数正则化项引入到提出的优化问题中,利用Bregman分割算法求解上述优化问题,获得完整的、高质量的地震数据。
优选地,上述基于图信号约束的节点地震仪叠前地震数据插值方法,包括以下步骤:
1)获得叠前不完整的二维观测数据,并对二维观测数据行预处理;
2)根据预处理后的地震数据,考虑其几何结构,生成一个无向图,构建包含图正则化项的优化模型;
3)根据Bregman分割算法求解优化模型,得到输出最优Xopt;
4)对输出最优Xopt进行反分块处理,获得重构的地震数据Sopt。
进一步优选地,步骤1)具体操作如下:
获取叠前不完整的节点地震仪二维观测数据,记为S,将该节点地震仪二维地震数据分为N块,其中每一块的大小为M=P×Q,其中P和Q为分块的大小;将每个P×Q大小的块重新排序成列向量,则得到预处理后的地震数据
更进一步优选地,步骤2)具体操作如下:
其中,||X||*表示核范数,λ1和λ1为正则化参数;
表示图变分正则化项,该正则化项考虑了分块数据之间几何结构,μmax(A)表示矩阵A的最大特征值。
更进一步优选地,步骤3)具体操作如下:
引入中间变量Z,将优化模型写成带约束的优化模型:
s.t.X=Z
根据拉格朗日乘子法将上述有约束的优化模型转换为无约束的优化模型:
其中,U表示中间变量,UT表示变量U的转置,ρ为正则化参数;
根据Bregman分割原理,将上述优化模型划分为三个子优化问题:
Uk+1=Uk+ρ(Xk+1-Zk+1) (18)
第一个子优化问题是典型的L2范数优化问题,该优化问题的解为:
其中,vec(·)表示将某个矩阵按列重新排列为一个列向量,diag(·)表示将某个列向量生成一个对角矩阵,该对角矩阵对角线上的元素为该列向量。其中表示Kronecker积,IN表示N维的单位矩阵,IMN表示MN维的单位矩阵;
第二子优化问题的解为:
其中,SVDT(X,ρ)=EΛ(Q,ρ)VT,Λ(Q,ρ)=sign(Q)max(|Q|-ρ,0);E,Q,V是矩阵X奇异值分解后得到的矩阵;sign(·)表示符号函数;
更进一步优选地,步骤2)中,考虑分块数据之间几何结构,引入图变分约束项,将预处理后的叠前地震数据生成一个无向图,然后再根据该无向图定义图变分约束项;
将预处理后的叠前地震数据生成一个无向图其中,是该无向图节点的结合,且该无向图的节点数为N;是该无向图所有边的几何;矩阵A是该无向图的权值矩阵,权值矩阵A中第(i,j)个元素表示第i个节点与第j个节点之间的权值;
则图变分正则化项定义为:
其中,μmax(A)表示矩阵A的最大特征值。
本发明还公开了实现上述的基于图信号约束的节点地震仪叠前地震数据插值方法的装置,包括:
地震数据获取单元,用于对叠前地震数据进行预处理,获得叠前不完整的二维观测数据;
模型构建单元,用于对预处理后的地震数据进行模型构建,获得优化模型;
模型求解单元,用于对优化模型进行Bregman分割算法求解,得到输出最优Xopt;
反分块处理单元,用于对最优Xopt进行处理,获得重构的地震数据Sopt。
本发明还公开了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行计算机程序时实现上述的基于图信号约束的节点地震仪叠前地震数据插值方法的步骤。
本发明还公开了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述的基于图信号约束的节点地震仪叠前地震数据插值方法的步骤。
与现有技术相比,本发明具有以下有益效果:
本发明公开的基于图信号约束的叠前地震数据插值方法,特别是针对不规则(随机)部署的节点地震仪采集的叠前地震数据插值,该方法同时考虑地震数据的几何结构和低秩性,将地震数据构建成一个无向图,根据该无向图生成一个图变分正则化项,将该正则化项和核范数正则化项引入到所提的优化问题中,利用Bregman分割算法求解上述优化问题,从而获得完整的、高质量的地震数据。与基于波动方程的地震插值方法对比,本发明所提的方法不需要精确的速度场。与数学变换域的地震插值方法对比,本发明所提的方法引入了地质结构的约束,能够获得更加准确的地震数据。
附图说明
图1为本发明所提的流程图。
图2为合成地震数据重构的结果;其中,(a)为缺省30%合成地震记录;(b)为重构的合成地震记录。
图3为叠前炮集地震数据重构的结果;其中,(a)为原始叠前炮集地震数据;(b)为缺省30%叠前炮集地震记录;(c)为重构的叠前炮集地震记录。
图4生成无向图的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明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发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
下面结合附图对本发明做进一步详细描述:
本发明公开的基于图信号约束的叠前地震数据插值方法,特别是针对不规则(随机)部署的节点地震仪采集的叠前地震数据插值,该方法同时考虑地震数据的几何结构和低秩性,将地震数据构建成一个无向图,根据该无向图生成一个图变分正则化项,将该正则化项和核范数正则化项引入到所提的优化问题中,利用Bregman分割算法求解上述优化问题,从而获得完整的、高质量的地震数据。具体包括以下步骤:
1)获得叠前不完整的二维观测数据S,并对叠前地震数据进行预处理:
获取叠前不完整的二维观测数据,,尤其是节点地震仪采集的不完整叠前地震数据,记为S。由于地震数据是整道缺省,则需要对地震数据进行分块重新排列。将二维地震数据分为N块,其中每一块的大小为M=P×Q,其中P和Q为分块的大小。将每个P×Q大小的块重新排序成列向量,则得到处理后的数据假设采样矩阵为J∈{0,1}M×N时,则预处理后的地震资料和重构的地震数据表示成:其中表示矩阵点乘,N表示高斯白噪声。
2)根据预处理后的地震数据构建优化模型:
将预处理后的地震数据生成一个无向图其中,是该无向图节点的结合,且该无向图的节点数为N;是该无向图所有边的几何;矩阵A是该无向图的权值矩阵。权值矩阵A中第(i,j)个元素表示第i个节点与第j个节点之间的权值。在本发明中,权值矩阵A中第(i,j)个元素定义为:
3)根据Bregman分割算法求解优化模型:
为了方便求解上述优化模型,引入中间变量Z,则上述优化模型可以写成带约束的优化模型:
s.t.X=Z
进一步,根据拉格朗日乘子法将上述有约束的优化模型转换为无约束的优化模型:
其中,U表示中间变量,UT表示变量U的转置。ρ为正则化参数。
根据Bregman分割原理,上述优化模型可以划分为三个子优化问题:
Uk+1=Uk+ρ(Xk+1-Zk+1) (30)
第一个子优化问题是典型的L2范数优化问题,该优化问题的解为:
其中,vec(·)表示将某个矩阵按列重新排列为一个列向量。diag(·)表示将某个列向量生成一个对角矩阵,该对角矩阵对角线上的元素为该列向量。其中表示Kronecker积,IN表示N维的单位矩阵。IMN表示MN维的单位矩阵。
第二子优化问题的解为:
其中,,SVDT(X,ρ)=EΛ(Q,ρ)VT,Λ(Q,ρ)=sign(Q)max(|Q|-ρ,0)。E,Q,V是矩阵X奇异值分解后得到的矩阵。sign(·)表示符号函数。
则通过迭代上述三个子优化问题,直到满足停止条件,输出最优的Xopt。
4)对输出的最优Xopt进行反分块处理,获得重构的地震数据Sopt。
数值仿真结果
合成地震记录数据
图1展示本发明的流程图。按照该流程图对合成数据进行处理,结果如图2所示。图2展示了缺省30%的合成地震数据重构后的结果。图2(a)为随机缺省30%的合成地震数据,该数据有60道地震记录,每道地震记录有512个时间采样点,采样间隔为1ms。图2(b)为本发明所提的方法重构后的结果。可以发现,直线型的同相轴重构的比曲线型的同相轴重构的效果好,尤其是横向分布比较均匀的同相轴。
实际叠前炮集地震资料剖面
图3展示了节点地震仪采集的叠前炮集地震资料缺省30%重构后的结果。图3(a)为原始叠前炮集地震数据,该地震数据有100道,每道有800个时间采样点,时间采样间隔为1ms。图3(b)为缺省30%的地震数据,黑色部分为随机缺省的地方。图3(c)为重构后的结果。显然,本发明所提的方法能够在一定程度上重构原始地震数据,为后续进一步改善该方法提供有利的基础。为了进一步说明本发明所提的图正则化生成的过程,以图3为例子,首先对原始数据进行分块,将分块后的数据抽成列向量,生成一个新的矩阵。根据每个分块之间的相似性,构建无向图,生成权值矩阵A,然后再生成图变分正则化项,引入到新的生成矩阵中。
以上内容仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明权利要求书的保护范围之内。
Claims (9)
1.一种基于图信号约束的节点地震仪叠前地震数据插值方法,其特征在于,包括:针对叠前不完整的地震数据插值,同时考虑地震数据的几何结构和低秩性,将地震数据构建成一个无向图,根据该无向图生成一个图变分正则化项,将该正则化项和核范数正则化项引入到提出的优化问题中,利用Bregman分割算法求解上述优化问题,获得完整的、高质量的地震数据。
2.根据权利要求1所述的基于图信号约束的节点地震仪叠前地震数据插值方法,其特征在于,包括以下步骤:
1)获得叠前不完整的二维观测数据,并对二维观测数据行预处理;
2)根据预处理后的地震数据,考虑其几何结构,生成一个无向图,构建包含图正则化项的优化模型;
3)根据Bregman分割算法求解优化模型,得到输出最优Xopt;
4)对输出最优Xopt进行反分块处理,获得重构的地震数据Sopt。
5.根据权利要求4所述的基于图信号约束的节点地震仪叠前地震数据插值方法,其特征在于,步骤3)具体操作如下:
引入中间变量Z,将优化模型写成带约束的优化模型:
根据拉格朗日乘子法将上述有约束的优化模型转换为无约束的优化模型:
其中,U表示中间变量,UT表示变量U的转置,ρ为正则化参数;
根据Bregman分割原理,将上述优化模型划分为三个子优化问题:
Uk+1=Uk+ρ(Xk+1-Zk+1) (7)
第一个子优化问题是典型的L2范数优化问题,该优化问题的解为:
其中,vec(·)表示将某个矩阵按列重新排列为一个列向量,diag(·)表示将某个列向量生成一个对角矩阵,该对角矩阵对角线上的元素为该列向量。其中表示Kronecker积,IN表示N维的单位矩阵,IMN表示MN维的单位矩阵;
第二子优化问题的解为:
其中,SVDT(X,ρ)=EΛ(Q,ρ)VT,Λ(Q,ρ)=sign(Q)max(|Q|-ρ,0);E,Q,V是矩阵X奇异值分解后得到的矩阵;sign(·)表示符号函数;
7.实现权利要求1~6中任意一项所述的基于图信号约束的节点地震仪叠前地震数据插值方法的装置,其特征在于,包括:
地震数据获取单元,用于对叠前地震数据进行预处理,获得叠前不完整的二维观测数据;
模型构建单元,用于对预处理后的地震数据进行模型构建,获得优化模型;
模型求解单元,用于对优化模型进行Bregman分割算法求解,得到输出最优Xopt;
反分块处理单元,用于对最优Xopt进行处理,获得重构的地震数据Sopt。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行计算机程序时实现权利要求1至6中任意一项所述的基于图信号约束的节点地震仪叠前地震数据插值方法的步骤。
9.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任意一项所述的基于图信号约束的节点地震仪叠前地震数据插值方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210095036.7A CN114397700B (zh) | 2022-01-26 | 2022-01-26 | 一种基于图信号约束的节点地震仪叠前地震数据插值方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210095036.7A CN114397700B (zh) | 2022-01-26 | 2022-01-26 | 一种基于图信号约束的节点地震仪叠前地震数据插值方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114397700A true CN114397700A (zh) | 2022-04-26 |
CN114397700B CN114397700B (zh) | 2023-08-22 |
Family
ID=81233440
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210095036.7A Active CN114397700B (zh) | 2022-01-26 | 2022-01-26 | 一种基于图信号约束的节点地震仪叠前地震数据插值方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114397700B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104181597A (zh) * | 2014-08-31 | 2014-12-03 | 电子科技大学 | 一种基于叠前地震数据的地震相分析方法 |
US20170160414A1 (en) * | 2015-12-07 | 2017-06-08 | Cgg Services Sa | Method and device for simultaneously attenuating noise and interpolating seismic data |
CN107589448A (zh) * | 2017-07-13 | 2018-01-16 | 西安交通大学 | 一种多道地震记录反射系数序列同时反演方法 |
CN107728211A (zh) * | 2017-08-31 | 2018-02-23 | 电子科技大学 | 基于张量核范数正则化的地震信号恢复算法 |
US20190302296A1 (en) * | 2018-03-27 | 2019-10-03 | Mehdi Aharchaou | Directional Q Compensation with Sparsity Constraints and Preconditioning |
CN110568486A (zh) * | 2019-09-17 | 2019-12-13 | 电子科技大学 | 基于同步稀疏低秩张量补全模型的地震信号补全方法 |
CN111273351A (zh) * | 2019-11-21 | 2020-06-12 | 西安工业大学 | 用于地震资料去噪的结构导向方向广义全变差正则化方法 |
CN111368247A (zh) * | 2020-03-12 | 2020-07-03 | 电子科技大学 | 基于快速正交字典的稀疏表征正则化叠前avo反演方法 |
CN111366975A (zh) * | 2020-03-21 | 2020-07-03 | 西华师范大学 | 基于交叉梯度正则化约束的叠前地震ava反演方法 |
-
2022
- 2022-01-26 CN CN202210095036.7A patent/CN114397700B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104181597A (zh) * | 2014-08-31 | 2014-12-03 | 电子科技大学 | 一种基于叠前地震数据的地震相分析方法 |
US20170160414A1 (en) * | 2015-12-07 | 2017-06-08 | Cgg Services Sa | Method and device for simultaneously attenuating noise and interpolating seismic data |
CN107589448A (zh) * | 2017-07-13 | 2018-01-16 | 西安交通大学 | 一种多道地震记录反射系数序列同时反演方法 |
CN107728211A (zh) * | 2017-08-31 | 2018-02-23 | 电子科技大学 | 基于张量核范数正则化的地震信号恢复算法 |
US20190302296A1 (en) * | 2018-03-27 | 2019-10-03 | Mehdi Aharchaou | Directional Q Compensation with Sparsity Constraints and Preconditioning |
CN110568486A (zh) * | 2019-09-17 | 2019-12-13 | 电子科技大学 | 基于同步稀疏低秩张量补全模型的地震信号补全方法 |
CN111273351A (zh) * | 2019-11-21 | 2020-06-12 | 西安工业大学 | 用于地震资料去噪的结构导向方向广义全变差正则化方法 |
CN111368247A (zh) * | 2020-03-12 | 2020-07-03 | 电子科技大学 | 基于快速正交字典的稀疏表征正则化叠前avo反演方法 |
CN111366975A (zh) * | 2020-03-21 | 2020-07-03 | 西华师范大学 | 基于交叉梯度正则化约束的叠前地震ava反演方法 |
Non-Patent Citations (8)
Title |
---|
GOU FU-YAN,等: "Complex seismic wavefi eld interpolation based on the Bregman iteration method in the sparse transform domain", 《APPLIED GEOPHYSICS》 * |
GOU FU-YAN,等: "Complex seismic wavefi eld interpolation based on the Bregman iteration method in the sparse transform domain", 《APPLIED GEOPHYSICS》, 30 September 2014 (2014-09-30), pages 277 - 288 * |
刘丽娜: "结构性字典学习及其在地震数据处理中的应用", 《中国优秀博硕士学位论文全文数据库(博士),》 * |
刘丽娜: "结构性字典学习及其在地震数据处理中的应用", 《中国优秀博硕士学位论文全文数据库(博士),》, 15 January 2020 (2020-01-15), pages 1 - 20 * |
刘洋等: "地震数据Bregman整形迭代插值方法", 《地球物理学报》 * |
刘洋等: "地震数据Bregman整形迭代插值方法", 《地球物理学报》, no. 04, 15 April 2018 (2018-04-15), pages 196 - 208 * |
陈蕾等: "基于线性Bregman迭代的结构化噪声矩阵补全算法", 《计算机学报》 * |
陈蕾等: "基于线性Bregman迭代的结构化噪声矩阵补全算法", 《计算机学报》, 31 July 2015 (2015-07-31), pages 1357 - 1371 * |
Also Published As
Publication number | Publication date |
---|---|
CN114397700B (zh) | 2023-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yu et al. | Monte Carlo data-driven tight frame for seismic data recovery | |
Chen | Fast dictionary learning for noise attenuation of multidimensional seismic data | |
Jiang et al. | A convolutional autoencoder method for simultaneous seismic data reconstruction and denoising | |
US20070274155A1 (en) | Coding and Decoding: Seismic Data Modeling, Acquisition and Processing | |
Lin et al. | Compressed wavefield extrapolation | |
Wang et al. | Fast dictionary learning for high-dimensional seismic reconstruction | |
CN110580682A (zh) | 一种基于优化生成对抗网络地震数据超分辨率重建方法 | |
Sun et al. | Deep learning for low-frequency extrapolation of multicomponent data in elastic FWI | |
Zhu et al. | Sparse-promoting full-waveform inversion based on online orthonormal dictionary learning | |
CN114418886B (zh) | 一种基于深度卷积自编码器的鲁棒性去噪方法 | |
Zhang et al. | 3D simultaneous seismic data reconstruction and noise suppression based on the curvelet transform | |
Zeng et al. | InversionNet3D: Efficient and scalable learning for 3-D full-waveform inversion | |
Yang et al. | On analysis-based two-step interpolation methods for randomly sampled seismic data | |
Zhang et al. | 2-D seismic data reconstruction via truncated nuclear norm regularization | |
CN104730572B (zh) | 一种基于l0半范数的绕射波成像方法及装置 | |
Gao et al. | Deep learning vertical resolution enhancement considering features of seismic data | |
Min et al. | Fast convex set projection with deep prior for seismic interpolation | |
Feng et al. | Multigranularity feature fusion convolutional neural network for seismic data denoising | |
CN111368680B (zh) | 基于波原子变换的深度学习抗假频地震数据规则化方法 | |
CN116068644B (zh) | 一种利用生成对抗网络提升地震数据分辨率和降噪的方法 | |
CN114397700A (zh) | 一种基于图信号约束的节点地震仪叠前地震数据插值方法、装置、设备及存储介质 | |
Oboué et al. | Mixed rank-constrained model for simultaneous denoising and reconstruction of 5-D seismic data | |
CN114114421B (zh) | 基于深度学习的导向自学习地震数据去噪方法及装置 | |
Zhou et al. | Coherent noise attenuation by kurtosis-guided adaptive dictionary learning based on variational sparse representation | |
Herrmann et al. | Compressive sensing in seismic exploration: an outlook on a new paradigm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |