摘要：地震绕射是提升小尺度不规则地质体成像横向分辨率的重要手段。常规地震记录中的绕射波会被能量强的反射波掩盖,因此需要分离出绕射波并成像。阻尼多道奇异谱分析是一种秩约束类的去噪方法,其原理为地震数据经过Hankel变换后做奇异值分解,反射波和绕射波分别对应着数值较大和较小的奇异值。然而该算法依赖人工确定反射波场的秩,不适用于海量地震数据处理。为了克服人工选择奇异值的问题,提出使用Cook距离作为自动计算反射波场秩的解决方案。将Cook距离和阻尼多道奇异谱分析算法相结合以实现反射和绕射波分离。模拟共炮检距道集和叠后实际数据实验表明,该方法能够有效获得高质量绕射波场。

摘要：受野外采集过程中设备和环境等多种因素影响,地震数据中往往存在表面波、鬼波、随机噪声等各种噪声,影响了地震数据处理和解释的可靠性和准确性。近年来,基于人工智能的方法以其计算效率高、数值效果好等优点成为地震数据去噪的研究热点。U型网络(U-Net)是一种经典的卷积神经网络结构,常用于图像分割任务;注意力机制(Attention Mechanism,AM)是一种能够让模型在学习过程中更加关注特定区域或特征的技术。通过在U-Net网络中添加AM模块,构建了一种具有注意力功能的U型网络(AU-Net),并将其运用到地震数据去噪。为解决去噪过程中产生的边界效应,使用膨胀填充的方法对数据进行切分,该方法通用性较高,可以用于其他网络模型。AU-Net和U-Net的去噪试验结果表明:AU-Net网络去噪的效果比U-Net更好,可更好地保留弱信号;同时,通过迁移学习使AU-Net去噪方法更具适应性。

摘要：高信噪比、高保真度和高分辨率地震数据是获得地下结构清晰成像的前提。在地震数据采集过程中,不利地形、坏道等因素造成地震数据不满足采样定理,需重建以获得完备的地震数据。多道奇异谱分析法是一种常用的地震数据重建与去噪方法,其关键是对划分的每个数据块确定有效奇异值个数。该参数需根据不同的数据特征判定,但目前的人工选择方法需花费大量人力和计算资源。针对每个数据块,基于频率域多道奇异谱分析框架,分析奇异值的离散点曲线和谱的规律,提出层次聚类法自动识别有效信号对应的奇异值个数,提高地震数据去噪效果和重建质量。对经过块Hankel矩阵奇异值分解得到的奇异值序列,采用层次聚类法进行聚类,得到各频率的有效奇异值个数;再对有效频率内求取的奇异值个数求最大,获得数据块的有效奇异值个数;在阻尼多道奇异谱分析同时重建和去噪的框架下,进而提出一种改进的多道奇异谱分析(MSSA)方法以实现地震数据的同时重建和去噪。对模拟地震数据与实际地震资料进行测试,结果表明基于层次聚类的多道奇异谱分析法在同时重建和去噪方面具有优越性,能避免人工选择有效的奇异值个数,减小地震数据处理工作量,对大规模地震数据的重建与去噪具有现实意义。