[发明专利]基于稀疏贝叶斯学习理论的多道地震谱反演方法及系统

权利要求书

1.一种基于稀疏贝叶斯学习理论的多道地震谱反演方法，其特征在于，所述方法包括：

步骤S1、获取经过预处理的叠后地震资料；

步骤S2、从所述叠后地震资料中提取多道地震谱反演参数；

步骤S3、从所述叠后地震资料中提取地震子波；

步骤S4、基于傅里叶变换提取所述地震子波的频谱信息；

步骤S5、根据多道地震谱反演参数构建多道地震谱反演的正演算子矩阵；

步骤S6、基于傅里叶变换从所述叠后地震资料中提取多道平均地震道频谱信息；

步骤S7、基于所述地震子波的频谱信息和所述多道平均地震道频谱信息构建多道地震谱反演目标函数，并通过基于最大期望算法的稀疏贝叶斯学习理论求解目标函数以获取多道地震谱反演结果；

其中，所述步骤S7具体包括：

根据所述地震子波的频谱信息以及所选平均地震道频谱信息，基于频域响应关系计算反射系数频谱；

结合所述正演算子矩阵构建多道地震谱反演的目标函数；

将多个相邻道的平均地震道频谱作为反演输入，通过基于最大期望算法的稀疏贝叶斯学习理论求解目标函数，获取多道地震谱反演结果。

2.根据权利要求1所述的基于稀疏贝叶斯学习理论的多道地震谱反演方法，其特征在于，所述预处理包括静校正、去噪、振幅补偿、速度分析、动校正、偏移中的至少一种。

3.根据权利要求1所述的基于稀疏贝叶斯学习理论的多道地震谱反演方法，其特征在于，所述多道地震谱反演参数包括平均道数、有效频谱范围、频率采样密度、噪声方差、收敛阈值及最大迭代次数。

4.根据权利要求1所述的基于稀疏贝叶斯学习理论的多道地震谱反演方法，其特征在于，在步骤S3中，如所述叠后地震资料中包含测井资料，则基于所述测井资料中的测井曲线及井旁地震道进行地震子波提取；如所述叠后地震资料中不包含测井资料，则对所述叠后地震资料进行统计性子波提取以获取地震子波。

5.根据权利要求1所述的基于稀疏贝叶斯学习理论的多道地震谱反演方法，其特征在于，在步骤S5中，根据所述地震资料的时间序列长度及时间采样密度确定所述正演算子矩阵的列数，根据所述地震资料的有效频谱范围及频率采样密度确定所述正演算子矩阵的行数。

6.根据权利要求3所述的基于稀疏贝叶斯学习理论的多道地震谱反演方法，其特征在于，所述步骤S6包括：

根据平均道数逐道确定当前地震道与其邻道所对应的平均地震道，并通过傅里叶变换提取所述平均地震道的频谱信息，获得多道平均地震道频谱信息。

7.一种基于稀疏贝叶斯学习理论的多道地震谱反演系统，其特征在于，所述系统包括：

叠后地震资料获取单元，用于获取经过预处理的叠后地震资料；

反演参数获取单元，用于从所述叠后地震资料中提取多道地震谱反演参数；

地震子波提取单元，用于从所述叠后地震资料中提取地震子波；

第一频谱信息获取单元，用于基于傅里叶变换提取所述地震子波的频谱信息；

正演算子矩阵构建单元，用于根据多道地震谱反演参数构建多道地震谱反演的正演算子矩阵；

第二频谱信息获取单元，用于基于傅里叶变换从所述叠后地震资料中提取多道平均地震道频谱信息；

反演单元，用于基于所述地震子波的频谱信息和所述多道平均地震道频谱信息构建多道地震谱反演目标函数，并通过基于最大期望算法的稀疏贝叶斯学习理论求解目标函数以获取多道地震谱反演结果；

其中，所述反演单元包括：

反射系数频谱获取模块，用于根据所述地震子波的频谱信息以及所选平均地震道频谱信息，基于频域响应关系计算反射系数频谱；

目标函数构建模块，用于结合所述正演算子矩阵构建多道地震谱反演的目标函数；

反演计算模块，用于将多个相邻道的平均地震道频谱作为反演输入，通过基于最大期望算法的稀疏贝叶斯学习理论求解目标函数，获取多道地震谱反演结果。