[发明专利]基于字典学习和稀疏表征的地震资料高分辨率处理方法

说明书

本发明公开了一种基于字典学习和稀疏表征的地震资料高分辨率处理方法，包括以下步骤：S1、进行井震标定，提取地震子波；S2、建立联合样本；S3、利用K‑SVD算法训练得到联合字典；S4、将实际采集到的地震数据做归一化处理；S5、将归一化后的地震数据在地震数据字典下进行稀疏表示，得到稀疏表示系数；S6、利用反射系数字典和稀疏表示系数进行稀疏重构，得到归一化的反射系数；S7、对归一化的反射系数进行反归一化处理，得到地震数据对应的反射系数。本发明将测井反射系数和井旁地震数据结合起来进行字典的训练，然后进行基于联合字典的反射系数反演，不仅可以提高地震资料分辨率，并且可以通过字典学习的方法引入测井反射系数特征。

技术领域

本发明属于地球物理勘探解释技术领域，是一种通过测井数据(反射系数)与井旁道地震数据联合训练字典，实现井数据反射系数和地震数据联合特征的获取。在联合字典对地震数据稀疏表征基础上，获取反射系数反演结果，以实现井数据特征约束下的地震数据稀疏反褶积。

背景技术

地震勘探一直是地球物理勘探中探测油气藏最重要、最有效的一种方法。所谓的地震勘探技术就是利用地震波的响应推测地下介质的属性和地层构造，其主要工作流程为：通过工业爆破或者打桩等人工方式引发地震从而产生地壳振动形成地震波，地震波沿着地层向下传播，当遇到弹性介质分界面时会产生反射，此时地面上的精密仪器会记录下地上各采样点的震动情况，通过分析记录的采样点的特征，可以帮助我们寻找油气藏的位置、预测油气藏的种类、判断地层岩性特征等。

地震反演技术是地震勘探的重要手段之一。地震反演是利用地表记录地震数据，通过前人经验构建目标函数，将钻井资料和测井数据作为约束，反映地下空间构造和地下介质的物理特性并进行成像的过程。地震反演促进了地震岩性分析技术和地震流体分析技术的发展，并为油气藏的勘探开发提供了重要的依据。

地震资料的分辨率一直是地震勘探领域研究的重点。无论是叠前还是叠后数据，采用反褶积或者反射系数反演来提高地震资料的垂向分辨率，是目前最常用的方法。在反褶积方面主要有线性反褶积和非线性反褶积。线性反褶积在原有地震数据频带范围内通过扩展高频分量来提高分辨率，并不能创造出地震数据频带以外的高频分量，因此其提高分辨率的能力有限；非线性反褶积通过加入各种稀疏约束项，来创造出地震数据原始频带以外的高频，可以较大幅度的提高地震资料的分辨率。

稀疏脉冲反褶积是目前最成熟也是最常用的非线性反褶积方法，其基本思路是：对反射系数施加L₁范数稀疏约束。稀疏脉冲反褶积的基本假设是地层的强反射系数是稀疏的，即地层反射系数由一系列叠加于高斯背景的强轴组成。但是，真实的地层反射系数并非完全满足稀疏脉冲反褶积的假设条件。比如，对大套强反射层周围存在薄层弱反射时，稀疏脉冲反褶积只能重构出强反射系数，对弱反射有压制作用，并且很难识别薄互层，这显然不符合实际地层特性。稀疏脉冲反褶积对地震子波的依赖性很强，然而地震子波的准确提取一直是地震反演的难点。

为了将全频带的测井数据特征引入地震反演中，我们考虑将测井反射系数与井旁道地震数据联合起来，通过字典学习的方法来获取联合特征。在联合字典对地震数据稀疏表征基础上，获取反射系数反演结果，以实现井数据特征约束下的地震数据稀疏反褶积。

Robinson褶积模型建立了地震数据s(t)，反射系数r(t)和地震子波w(t)三者之间的关系。为了模拟真实地震数据在采集过程中伴有的随机噪声的干扰，可以在褶积模型中加入噪声n(t)。上述过程可以表示为以下形式：

s(t)＝w(t)*r(t)+n(t)

式中，*表示卷积运算符。由于在数字信号处理中，我们习惯用矩阵-向量的形式简化卷积运算，因此上式可以表示为以下矩阵-向量形式：

S＝WR+N

其中，S是地震数据，R是反射系数，N是随机加性噪声，W表示子波褶积矩阵，其具体形式如下：

k表示子波长度。