基于最大熵原理地震盲反褶积算法的研究

《基于最大熵原理地震盲反褶积算法的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要随着油气勘探技术的深入和发展，为了能够更加精细解释地层、构造、储层等地质目标，对地震资料的分辨率提出了越来越高的要求。提高地震资料分辨率是地震数据处理过程中的关键。地震反褶积是提高地震分辨率的主要手段。’传统的做法是假设反射系数是白噪序列，用地震记录的自相关，同时使用线性滤波(如维纳滤波、预测反褶积)或者最佳地震反褶积等来估计子波特性，而在地震记录的自相关中没有子波的相位信息，因此往往假设地震子波是最小相位子波。地震反褶积基本上是一个盲过程，通常地表爆炸激发的地震子波是未知的，而在地震记录上

2、相邻反射的地震波又是重叠的，无法从地震记录中分离出地震子波。地震子波和反射系数都是未知的，因此，在无任何假设条件下完成地震反褶积十分有意义。本文参考前人研究工作的同时，首先综述了盲反褶积基本原理，并对盲反褶积方法进行分类。其中，重点研究了盲反褶积领域的两种重要方法一基于反射系数约束的稀疏盲反褶积及Infomax盲反褶积方法。通过模型试算及实际地震资料的处理表明，L1模最小约束稀疏盲反褶积可以有效的提高地震资料分辨率，并具有较好的保真度。hfomax算法是盲源分离中的经典算法，本文对K，Tokko

3、la提出的反馈网络结构进行深入研究，将Infomax算法推广到更广泛的情况，即具有时间延迟的源的混迭或褶积混迭信号的盲分离。理论模型及实际资料的处理表明该方法能较好地适应非高斯系统，得到反射系数序列的最优估计。在地震剖面上，一般潜山顶面反射为较强反射?但随潜山盖层岩性的不同，以及埋深的变化，其顶面反射连续性与振幅变化较大。本文结合潜山识别课题对实际资料进行处理，实际结果表明盲反褶积能够有效地识别潜山顶部不整合面，对潜山的识别及潜山轮廓的描述具有较大的帮助。同时增强了潜山内幕的反射信息，对潜山油气

4、藏的预测提供了更加有利的条件。关键词：盲反褶积，L1模，独立分量分析，潜山油气藏ResearchofSeismicBlindDe．convolutionBasedonMaximalEntropyTheoryLiuHao(Geophy’sicalProspectingandInformationTechnology)DirectedbyAssociateProf．SongJianguoAbstractWiththedepthanddevelopmentofoilan．dgasexploration

5、，inordertobeabletointerpretformation，construction，reservoirsandothergeologicalobjectivesmuchmorerefined，weneedthehigherresolutionofseismicdata．Itisthekeyofseismicdataprocessingtoimprovetheresolutionofseismicdata．Traditionalapproachistoassumethatthere

6、flectioncoefficientarewhitenoisesequences，usingseismicrecordsofautocorrelation,whiletheuseoflinearfiltering(suchasWienerfiltering，predictivede-convolution)orthebestseismicde．convolutiontoestimatethewaveletcharacter,whileautocorrelationofseismicrecord

7、shasnowaveletphaseinformation，SOitisoftenassumedthattheseismicwaveletistheminimumphasewavelet．Seismicdeconvolutionisbasicallyablindprocess．Usuallyseismicwaveletstimulatedbytheexplosionofsurfaceisunknown,andintherecordsseismicwavesonadjacentseismicref

8、lectionareoverlappingwhichCannotbeseparatedfromtheseismicrecords．Seismicwaveletandthereflectioncoefficientisunknown，therefore，itisverymeaningfultodoseismicdeconvolutionwithoutanyassumptions·．111isarticlereferencestheworkofpreviousstudies，atfirst，wein