[发明专利]一种地震数据的叠前同步反演方法

权利要求书

1.一种地震数据的叠前同步反演方法，其特征在于，包括以下步骤：

S1、构建地震数据拟合差项；

S2、构建反射系数稀疏约束项；

S3、构建模型趋势约束项；

S4、根据所述地震数据拟合差项、反射系数稀疏约束项和模型趋势约束项获取三参数反演结果。

2.根据权利要求1所述的地震数据的叠前同步反演方法，其特征在于，所述步骤S1具体包括：

S11、获取角度子波和角度部分叠加地震数据；

S12、对角度子波进行归一化处理，获取角度子波褶积矩阵；

S13、对角度部分地叠加地震数据进行归一化处理；

S14、利用角度子波褶积矩阵和归一化处理后的角度部分叠加地震数据构建地震数据拟合差项。

3.根据权利要求1所述的地震数据的叠前同步反演方法，其特征在于，所述步骤S2具体包括：

S21、从地震数据的共深度点道集中获取纵波阻抗模型、横波阻抗模型和密度模型；

S22、获取纵波阻抗模型的反射率、横波阻抗模型的反射率和密度模型的反射率；

S23、获取纵波阻抗模型的反射率的T分布的尺度矩阵、横波阻抗模型的反射率的T分布的尺度矩阵和密度模型的反射率的T分布的尺度矩阵，构造反射系数稀疏约束项。

4.根据权利要求3所述的地震数据的叠前同步反演方法，其特征在于，所述步骤S3具体包括：

S31、获取纵波阻抗模型、横波阻抗模型和密度模型的自然对数；

S32、分别对所述纵波阻抗模型的自然对数、横波阻抗模型的自然对数和密度模型的自然对数进行的低通滤波，获取纵波阻抗自然对数的低频趋势、横波阻抗自然对数的低频趋势和密度自然对数的低频趋势；

S33、根据所述纵波阻抗模型、横波阻抗模型和密度模型获取低通滤波矩阵；

S34、根据所述低通滤波矩阵和纵波阻抗模型的自然对数的低频趋势、横波阻抗模型的自然对数的低频趋势和密度模型的自然对数的低频趋势构建模型趋势约束项。

5.根据权利要求1所述的地震数据的叠前同步反演方法，其特征在于，所述步骤S4具体包括：

S41、根据纵波阻抗模型的先验分布、横波阻抗模型的先验分布和密度模型的先验分布以及地震噪声的似然函数，获取纵波阻抗模型的后验分布、横波阻抗模型的后验分布和密度模型的后验分布；

S42、获取纵波阻抗模型、横波阻抗模型和密度模型的后验概率密度函数；

S43、构建反演目标函数，引入反射系数稀疏约束项和模型趋势约束项；

S44、根据反演目标函数获取纵波阻抗模型、横波阻抗模型和密度模型的反演结果。

6.根据权利要求5所述的地震数据的叠前同步反演方法，其特征在于，步骤S43中，所述反演目标函数为：

其中，P_Trend，S_Trend，ρ_Trend分别为纵波阻抗模型的自然对数的低频趋势，横波阻抗模型的自然对数的低频趋势和密度模型的自然对数的低频趋势，m_P，m_s，m_ρ分别代表纵波阻抗模型的自然对数、横波阻抗模型的自然对数和密度模型的自然对数；

Γ_i为3×3N维矩阵，Ψ为尺度矩阵，μ为稀疏约束项权重，α为模型趋势约束项权重，d_uni为归一化处理后的角度部分叠加数据，G为AVA正演算子，L为低通滤波矩阵；

D为一阶差分矩阵。

7.根据权利要求5所述的地震数据的叠前同步反演方法，其特征在于，所述纵波阻抗模型的先验分布、横波阻抗模型的先验分布和密度模型的先验分布以及地震噪声的似然函数均服从多变量高斯分布。

8.根据权利要求3所述的地震数据的叠前同步反演方法，其特征在于，利用最大期望算法获取纵波阻抗模型、横波阻抗模型和密度模型的反射率的T分布的尺度矩阵。