[发明专利]基于卷积编码的时间域全波形反演方法

权利要求书

1.一种基于卷积编码的时间域全波形反演方法，其特征在于，用卷积核提取模拟数据和观测数据的特征并根据特征极性对每个采样点进行编码，自适应的识别出模拟数据中与观测数据发生了周期跳跃的部分并将其衰减，减弱其对梯度的影响，使反演结果更加精确，包括以下步骤：

a、搭建MATLAB2016b的安装环境，并安装MATLAB并行计算工具箱Parallel ComputingToolbox；

b、对实际地震观测记录进行子波估计、低频保护去噪、缺失地震道补偿多次波衰减、面波切除、消除交混回响等预处理；

c、首先在预估速度范围建立线性递增初始模型，根据要求设定时间域全波形反演相关参数，包括地震子波主频f，低通滤波截断频率fluc，模型大小nz×nx，网格距dx,dz，采样总时间T，时间采样间隔dt，每个频段最大迭代次数itermax，最优化算法的迭代步长q，目标函数要求精度tol，模型速度估计的最大值vmax与最小值vmin；

d、用子波在初始模型上进行正演，得到模拟记录。对模拟记录和观测记录做低通滤波处理，得到低频段信号；

e、选取一维高斯卷积核：

l＞1,Rem(l÷2)＝1,n＝1,2,...,l,n_m＝Rou(l/2),

其中k_g表示高斯卷积核；n表示卷积核中元素的序号；n_m表示卷积核正中心位置元素的序号；l表示卷积核长度，卷积核中相邻两个元素之间的时间间隔等于一个采样间隔；Rem(·)表示对括号内数据取余数的算子；Rou(·)表示对括号内的数据进行四舍五入的取整算子；α被定义为标准差的倒数，是衡量高斯窗曲线宽度的量；

f、对观测数据与模拟数据逐道进行特征提取：

其中和分别表示第i炮第j道的模拟数据和观测数据；和分别表示由第w个高斯卷积核提取的模拟数据和观测数据中第i炮第j道的特征，n_w表示所用卷积核的总数，M[·]表示对括号内的数据取中间部分的算子，其作用是取每道数据卷积结果中从(n_m)到(T+l-n_m)的这部分卷积值，其中T表示总采样时间；

g、根据特征进行编码：

其中和分别表示模拟数据和观测数据的编码矩阵，在编码矩阵中，正特征的编码值为1，负特征的编码值为0；

h、构建衰减矩阵：

其中D^i,j表示差值矩阵，ε是0到1之间的任意数，在差值矩阵中，失配数据对应的元素为1，匹配良好的数据对应的元素值为-1，为了使失配数据衰减，需要使用一个衰减系数，其可以表示为：

其中h^i,j表示衰减系数；γ表示控制振幅衰减程度的衰减因子；exp[.]表示取e指数的算子。为了尽可能的降低失配数据对梯度的干扰，通常使用较大的γ将振幅衰减的更彻底，此时衰减矩阵与置零矩阵将非常相似，

在构建衰减矩阵前，先定义两个中间矩阵：

其中表示匹配良好的数据对应的元素为1而失配数据对应元素为0的矩阵，表示匹配良好的数据对应的元素为0而失配数据对应元素为h^i,j的矩阵，因此，衰减矩阵可以表示为：

其中A^i,j表示衰减矩阵；

i、失配数据振幅衰减：

其中表示与衰减矩阵相乘后的模拟数据；

j、根据全局互相关原理建立目标函数：

J为目标函数；ns和nr分别表示总炮数和总道数；t表示采样时间。对目标函数两端对速度求导数可得梯度表达式为：

v为地下介质速度参数。P_f为时间域正传波场,P_b为反传波场；

k、利用L-BFGS优化算法对速度模型进行迭代更新，先利用保留的正确数据反演出模型的大尺度构造，再以该反演结果做为初始模型进行常规全波形反演，将模型的细节构造反演出来，最终得高精度的地下模型。