基于迭代最小化稀疏学习的三维地震数据重建

更新时间:2023-05-28

【摘要】受采集技术、现场环境及经济成本等因素的影响,地震勘探中采集的原始数据往往存在缺炮或缺道等现象,这种数据的不完整性对后续数据处理和成像会造成不良影响,故必须重建此类缺失数据。为此,提出基于迭代最小化稀疏学习(Sparse Learning via Iterative Minimization,SLIM)的方法,主要利用三维地震数据频率切片的二维谐波结构特性,对三维随机缺失地震数据进行重建。即先对三维地震数据沿时间轴方向做傅里叶变换,再利用循环最小化算法(Cyclic Minimization,CM)对频率切片的二维谐波谱进行迭代求解,最后对谱估计做傅里叶逆变换而重构缺失数据。此外,采用共轭梯度最小二乘法实现数据重建过程中的求逆运算,以缩短数据重建时间。试验结果表明:所采用的基于频率切片的SLIM方法对合成和实际三维地震数据均取得了较好的重建效果;该方法的重建性能优于基于频率切片的Hankel矩阵降秩的多道奇异谱分析方法(Multi-channel Singular Spectrum Analysis,MSSA)。

【关键词】 三维地震数据重建 循环最小化 谱估计 共轭梯度最小二乘法

阅读全文