[发明专利]一种自适应的多道奇异谱分析地震数据去噪方法

说明书

本申请公开了一种自适应的多道奇异谱分析地震数据去噪方法，包括以下步骤：步骤1：预设时间域地震数据，将所述时间域地震数据通过DFFT变换到频率域地震数据；步骤2：基于所述频率域地震数据，生成块Hankel矩阵；步骤3：将所述块Hankel矩阵进行分解，得到奇异值矩阵，将所述奇异值矩阵中的奇异值组合成奇异值序列；步骤4：基于Akaike信息准则，将所述奇异值序列进行变换，得到所述奇异值的数量；对该数量的所述奇异值进行计算去噪，得到去噪后的地震数据。本申请基于一种Akaike信息准则自动确定合适的奇异值个数，有利于多道奇异谱分析的工业化实现。

技术领域

本发明属于地震数据去噪处理技术领域，具体涉及一种自适应的多道奇异谱分析地震数据去噪方法。

背景技术

多道奇异谱分析(MSSA)是一种基于降秩的去噪方法，它通过奇异值分解将原始数据分解为信号子空间和噪声子空间，然后将噪声子空间的能量置为零(截断)，再通过反变换来达到去噪的目的。MSSA由单变量奇异谱分析(SSA)发展而来，SSA作为一种无约束模型方法曾被广泛用于一维时间序列迹矩阵的奇异谱分析。Read(1993)率先将SSA拓展到MSSA，用于多变量MSSA方法的研究。它基于线性同相轴的假设利用相邻地震道的频谱相似性与可预测性来组成低秩的Hankel矩阵，噪声的存在破坏了数据频率切片Hankel矩阵的低秩结构，截断奇异值分解方法常用来解决低秩近似问题。Trickett(2008)把该方法应用到地震数据噪声压制中，并推广到f-x-y三维数据中衰减随机噪声。Oropeza和Sacchi(2011)使用MSSA在叠前三维数据中实现同时去噪和重建。许多数值实验表明使用MSSA算法无法完全消除随机噪声，其去噪效果有很大的提升空间。Huang等(2015)通过将阻尼算子引入传统MSSA中，提出了一种阻尼多通道奇异谱分析(DMSSA)算法。通过将软阈值移动平均算子引入阻尼降秩框架，Oboue等(2020)使用一种称为鲁棒阻尼降秩的方法将软阈值移动平均算子和阻尼算子的优点融合在一起，从而提高地震数据的信噪比。阻尼降秩方法已成为一种有效的方法，可以从含有噪声和不完备的观测数据中恢复有效信号。

目前的降秩方法都是基于地震线性同相轴的基本假设，时间域信号先经过离散快速傅里叶变换后转换成频率域信号，然后通过人工预估的方法对所有的频率截断相同的奇异值个数来实现降秩处理。对于大规模数据来说，基于降秩的方法需要将地震数据分成不同的块，然而每个块对应的奇异值个数不同，目前需要人工对每个块的数据估计合适的奇异值个数，计算效率低，无法实现工业化。

发明内容

本申请提出了一种自适应的多道奇异谱分析地震数据去噪方法，该方法基于一种Akaike信息准则自动确定合适的奇异值个数，有利于多道奇异谱分析的工业化实现。

为实现上述目的，本申请提供了如下方案：

一种自适应的多道奇异谱分析地震数据去噪方法，包括以下步骤：

步骤1：预设时间域地震数据，将所述时间域地震数据通过DFFT变换到频率域地震数据；

步骤2：基于所述频率域地震数据，生成块Hankel矩阵；

步骤3：将所述块Hankel矩阵进行分解，得到奇异值矩阵，将所述奇异值矩阵中的奇异值组合成奇异值序列；

步骤4：基于Akaike信息准则，将所述奇异值序列进行变换，得到所述奇异值的数量；对该数量的所述奇异值进行计算去噪，得到去噪后的地震数据。

优选的，所述步骤2的方法包括：

获取每个频率的所述频率域地震数据的频率切片数据；基于所述频率切片数据的每一行数据，生成一个Hankel矩阵；将所有所述Hankel矩阵排列成一个所述块Hankel矩阵。