[发明专利]一种基于稀疏范数优化算法的地震数据规则化方法

说明书

本发明属于地震勘探数据处理领域，提供一种地震数据规则化方法，解决传统处理方法中一般会有分辨率不高以及假频等问题，具体包括：步骤一，采集地震数据，做数据预处理将原始数据转化为2D道集记录；步骤二，对地震数据抽共中心点道集，做动校正；步骤三，对该数据集做基于稀疏范数优化的高分辨率Radon变换；步骤四，使用共轭梯度算法求解该优化问题，得到Radon变换的高分辨率稀疏解；步骤五，在空间域建立规则网格，使得共中心点道集按照相同的道间距排列；步骤六，将Radon变换值反变换到规则网格上得到地震数据规则化的结果。

技术领域

本发明属于地震勘探数据处理领域，涉及一种地震数据规则化方法，特别是一种基于稀疏范数优化算法的地震数据规则化方法。

背景技术

在勘探地球物理学中，地震方法是最重要的一种方法。地震采集的数据很大程度上影响数据处理和地质解释的结果。由于经济条件的限制，地形起伏不能布放和设备损坏等因素，采集的数据在空间上往往是不规则的，有时候甚至不满足采样定理，而这样的数据会严重影响后续的处理质量，比如速度谱估计、多次波抑制和偏移成像等。因此地震数据规则化是地震数据处理的重要部分。

在地震处理流程之初，可以通过在规则网格上恢复地震数据来降低空间假频和非规则采样带来的影响。恢复的方法有很多种，大致可以分为三类。波场算子类方法，该方法基于Kirchhoff积分算子，通过一个连续算子的积分得到延拓的波场；滤波类方法，该方法通过数据和预测滤波算子做卷积重建地震数据；变换类方法，非规则采样的数据可以使用几种变换(Fourier,curvelet等)通过两步方法进行规则化。第一步估计出变换系数，当采样不规则时，直接的正变换给出的系数是失真的，通过反演可以给出一个更好的估计；第二步通过逆变换给出规则网格上的数据。

基于Radon变换的方法也是数据规则化重建的有效策略之一(Kabir andVerschuur,1995)。然而，Radon变换在处理中一般会有分辨率不高以及假频等问题(Tradet al.,2003)。Thorson和Claerbout(1985)是将双曲Radon变换定义成一个迭代的反演过程。首先使用传统方法直接进行Radon变换，其变换结果作为反演过程的初始解，而后对反演结果不断迭代修改，修正过程中，要保证重构数据与原始数据吻合。Sacchi和Ulrych(1995)采用了相同的方法，但出于效率的考虑，是在频率域实行的。Sacchi等人(2004)提出了广义反褶积的概念，用于实现局部Radon变换，应用于地震数据规则化重建，但是效率一般。同时，贪婪算法也可以通过解一系列局部优化子问题应用到Radon变换中(Ng andPerz,2004；Wang et al.,2010)。

发明内容

1、发明目的

针对上述现有技术，本发明所要解决的技术问题是，基于Radon变换的方法是地震数据规则化重建的有效策略之一，然而，Radon变换在处理中一般会有分辨率不高以及假频等问题。因此，我们利用地震数据在Radon域的稀疏性将其变为一个稀疏优化问题，提出一种新的基于稀疏优化算法的地震数据规则化方法。

2、技术方案

为解决上述技术问题，本发明是按如下方式实现的：该方法包括以下步骤

步骤一，采集地震数据，做数据预处理将原始数据转化为2D道集记录。

步骤二，对地震数据抽共中心点道集，做动校正。

步骤三，对该数据集做基于稀疏范数优化的高分辨率Radon变换。

一般来说，Radon变换可以看作如下的反演问题：

d＝Lm,(1)