[发明专利]一种基于联合字典的波阻抗反演方法

权利要求书

1.一种基于联合字典的波阻抗反演方法，其特征在于，包括：

S1、训练联合字典，具体为：通过含有低频信息和高频信息的测井资料学习得到的蕴含高低频信息的联合字典，所述联合字典包括低频字典、高频字典；步骤S1包括以下分步骤：

S11、对蕴含高低频信息的测井数据分别进行取小块操作和归一化处理；

S12、将经步骤S11处理后的含有高低频信息的测井数据重新组合得到训练样本集；

S13、对步骤S12的训练样本集进行稀疏字典学习，得到包括低频字典和高频字典的联合字典；

S2、利用低频字典构建含有低频分量的初始模型；

S3、利用高频字典对步骤S2的初始模型进行稀疏反演；从而得到包含低频分量和高频分量的波阻抗序列。

2.根据权利要求1所述的一种基于联合字典的波阻抗反演方法，其特征在于，步骤S13具体为：

A1、将步骤S12所述的训练样本集表示为分块矩阵的形式，其中上面一块矩阵对应含有低频测井信息的训练样本集，下面一块矩阵对应含有高频测井信息的训练样本集；

A2、将初始的联合字典表示为分块矩阵的形式，其中上面一块矩阵对应低频字典，下面一块矩阵对应高频字典；

A3、将经步骤A1处理后的训练样本集与经步骤A2处理后的联合字典带入到稀疏字典学习算法的优化函数中，经迭代求解得到训练后的联合字典；根据分块矩阵的性质得到更新后的低频字典和高频字典。

3.根据权利要求2所述的一种基于联合字典的波阻抗反演方法，其特征在于，步骤S2包括以下分步骤：

S21、对初始的波阻抗反演模型参数做归一化处理；

S22、确定低频字典反演对应的正则化参数和稀疏度；

S23、利用低频字典对初始的波阻抗反演模型进行求解，并将反演结果进行反归一化处理，重构得到蕴含低频信息的波阻抗参数。

4.根据权利要求3所述的一种基于联合字典的波阻抗反演方法，其特征在于，步骤S3宝库以下分步骤：

S31、将含有低频信息的波阻抗参数作为高频字典反演的初始模型，并对其做归一化处理；

S32、确定高频字典反演对应的正则化参数和稀疏度；

S33、利用高频字典对步骤S31的初始模型进行求解，从而得到反演结果，并对反演结果进行反归一化操作，重构得到包含低频分量和高频分量的波阻抗序列。

5.根据权利要求4所述的一种基于联合字典的波阻抗反演方法，其特征在于，步骤S33利用共轭梯度法和正交匹配追踪算法求解步骤S31的初始模型得到反演结果。