地震数据重构方法及装置、计算机可读存储介质、设备与流程

本发明属于地震勘探技术领域，具体涉及一种地震数据重构方法及装置、计算机可读存储介质、设备。

背景技术：

由于野外采集时的条件限制，很难能记录到近炮检距尤其是零炮检距数据，原始地震数据中也有时会出现缺道、坏道和数据分布不规则等情况，从而严重影响地震资料处理中波动方程偏移等多道处理算法的精度。因此，如何根据已获取的有用信息来恢复缺失的地震信息成为地震资料处理中急需解决的一个问题。

技术实现要素：

为了解决现有技术中的上述问题，即为了解决依据现有的地震信息如何获取高密度地震数据的技术问题，本发明提供了一种地震数据重构方法及装置、计算机可读存储介质、设备。

在第一方面，本发明中地震数据重构方法，包括：

采用软阈值迭代算法，计算所述地震数据的稀疏系数；

采用硬阈值迭代算法优化所述稀疏系数，得到新的稀疏系数；

以所述新的稀疏系数作为所述软阈值迭代算法的初始稀疏系数，控制所述软阈值迭代算法和硬阈值迭代算法交替迭代，直至满足预设的收敛条件，得到最优的稀疏系数；

依据所述最优的稀疏系数，进行反稀疏变换得到重构后的地震数据。

进一步地，本发明提供的一个优选技术方案为：

“采用软阈值迭代算法，计算所述地震数据的稀疏系数”的步骤包括：

计算所述地震数据的迭代搜索方向；

依据所述迭代搜索方向，并采用线性搜索法确定迭代步长因子；

依据所述迭代搜索方向和迭代步长因子，计算所述地震数据的稀疏系数。

进一步地，本发明提供的一个优选技术方案为：

所述迭代搜索方向dk如下式所示：

dk＝θk+1-θk

其中，所述θk为第k次迭代得到稀疏系数，k≥1；所述θk+1为第k+1次迭代得到的稀疏系数，且θk+1＝hs(θk-αkdk,μαk)，所述αk为迭代步长，所述μ为拉格朗日乘法算子；

所述hs为软阈值算子，且所述x为变量，所述t为阈值。

进一步地，本发明提供的一个优选技术方案为：

所述软阈值迭代算法的初始步长αinitial按照下式所示的方法计算：

αinitial＝||θk+1-θk||²/||a^cs(θk+1-θk)||²

其中，所述θk为第k次迭代得到稀疏系数，k≥1；所述θk+1为第k+1次迭代得到的稀疏系数；所述a^cs为感知矩阵。

进一步地，本发明提供的一个优选技术方案为：

所述地震数据的稀疏系数如下式所示：

θk+1＝θk+λkdk

其中，所述λk为迭代步长因子，所述θk为第k次迭代得到稀疏系数，k≥1；所述θk+1为第k+1次迭代得到的稀疏系数。

进一步地，本发明提供的一个优选技术方案为：

所述预设的收敛条件为迭代次数达到迭代次数阈值，或迭代误差ε小于迭代误差阈值tol；

其中，所述迭代误差所述θk为第k次迭代得到稀疏系数，k≥1；所述θk+1为第k+1次迭代得到的稀疏系数。

在第二方面，本发明中地震数据重构装置包括：

软阈值迭代模块，配置为采用软阈值迭代算法，计算所述地震数据的稀疏系数；

硬阈值迭代模块，配置为采用硬阈值迭代算法优化所述稀疏系数，得到新的稀疏系数；

交替迭代模块，配置为以所述硬阈值迭代模块得到的新的稀疏系数作为所述软阈值迭代模块中软阈值迭代算法的初始稀疏系数，控制所述软阈值迭代模块和硬阈值迭代模块交替迭代，直至满足预设的收敛条件，得到最优的稀疏系数；

数据重构模块，配置为依据所述交替迭代模块得到的最优的稀疏系数，进行反稀疏变换得到重构后的地震数据。

进一步地，本发明提供的一个优选技术方案为：

所述软阈值迭代模块包括：

第一计算单元，配置为计算所述地震数据的迭代搜索方向；

第二计算单元，配置为依据所述迭代搜索方向，并采用线性搜索法确定迭代步长因子；

第三计算单元配置为依据所述迭代搜索方向和迭代步长因子，计算所述地震数据的稀疏系数。

在第三方面，本发明中计算机可读存储介质存储有计算机程序，所述程序适用于由处理器加载并执行以实现上述技术方案所述的地震数据重构方法的各步骤。

在第四方面，本发明中计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述技术方案所述的地震数据重构方法中的各步骤。

与现有技术相比，上述技术方案至少具有以下有益效果：

1、本发明中地震数据重构方法，首先，采用软阈值迭代算法计算地震数据的稀疏系数；其次，采用硬阈值迭代算法优化稀疏系数得到新的稀疏系数；再次，以新的稀疏系数作为软阈值迭代算法的初始稀疏系数，控制软阈值迭代算法和硬阈值迭代算法交替迭代，直至满足预设的收敛条件，得到最优的稀疏系数；最后，依据最优的稀疏系数进行反稀疏变换得到重构后的地震数据。该方法结合了贪婪追踪算法和凸松弛算法的优点，可以在不提高计算成本的情况下快速且准确地实现地震数据重构，进而为后续的精细储层预测和油气勘探提供准确资料。

2、本发明中地震数据重构装置，包括软阈值迭代模块、硬阈值迭代模块、交替迭代模块和数据重构模块。其中，软阈值迭代模块可以配置为采用软阈值迭代算法，计算地震数据的稀疏系数。硬阈值迭代模块可以配置为采用硬阈值迭代算法优化稀疏系数，得到新的稀疏系数。交替迭代模块可以配置为以硬阈值迭代模块得到的新的稀疏系数作为软阈值迭代模块中软阈值迭代算法的初始稀疏系数，控制软阈值迭代模块和硬阈值迭代模块交替迭代，直至满足预设的收敛条件，得到最优的稀疏系数。数据重构模块可以配置为依据交替迭代模块得到的最优的稀疏系数，进行反稀疏变换得到重构后的地震数据。通过上述装置可以快速且准确地实现地震数据重构，进而为后续的精细储层预测和油气勘探提供准确资料。

3、本发明中计算机可读存储介质存储有计算机程序，该程序可以适用于由处理器加载并执行以实现上述地震数据重构方法技术方案所述的地震数据重构方法的各步骤。

4、本发明中计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序。其中，处理器可以执行程序时实现上述地震数据重构方法技术方案所述的地震数据重构方法的各步骤。

附图说明

图1是本发明实施例中一种地震数据重构方法的主要步骤流程图；

图2是本发明实施例中另一种地震数据重构方法的主要步骤流程图；

图3是本发明实施例中地震数据重构装置的结构示意图；

图4是本发明实施例中原始单炮地震记录的曲线示意图；

图5是本发明实施例中采样50％地震道后单炮地震记录的曲线示意图；

图6是本发明实施例中数据重构后的单炮地震记录的曲线示意图；

图7是本发明实施例中地震数据重构结果与原始单炮地震记录的偏差示意图；

图8是本发明实施例中原始单炮地震记录频谱的曲线示意图；

图9是本发明实施例中采样50％地震道后单炮地震记录频谱的曲线示意图；

图10是本发明实施例中数据重构后的单炮地震记录频谱的曲线示意图；

图11是本发明实施例中地震数据重构结果与原始单炮地震记录频谱的偏差示意图。

具体实施方式

下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非旨在限制本发明的保护范围。

目前，可以采用求解地震数据的稀疏系数，并对该稀疏系数进行反变换的方式重构出完整的地震数据。其中，可以采用求解l0范数约束下的最优化问题得到地震数据的稀疏系数，但是求解上述问题需要列出稀疏系数中所有非零项位置的多种线性组合，才可以得到最优解，因此求解该最优化问题属于典型的np-hard问题。为了避免出现np-hard问题，可以采用贪婪追踪算法、凸松弛算法或迭代阈值算法将上述最优化问题转换为求解l1范数约束下的最优化问题。

具体地，贪婪追踪算法主要包括mp算法、omp算法、分段omp算法和正则化omp算法等，其主要通过每次迭代求取一个局部最优解来逐步逼近原始的地震数据。但是贪婪追踪算法需要获地震数据的稀疏度等先验信息。

凸松弛算法主要包括bp算法、内点法和梯度投影法等，其主要通过将非凸问题转化为凸问题，进而利用线性规划求解逼近原始的地震数据。但是凸松弛算法不能准确地恢复地震数据。

基于贪婪追踪算法和凸松弛算法存在的上述缺陷，本发明提供了一种地震数据重构方法，该方法采用迭代阈值算法，并结合贪婪追踪算法和凸松弛算法的优点，可以快速且准确地实现地震数据重构。

下面结合附图，对本发明实施例中的地震数据重构方法进行说明。

参阅附图1，图1示例性示出了本发实施例中地震数据重构方法的主要步骤。如图1所示，本实施例中地震数据重构方法可以包括下述步骤：

步骤s101：采用软阈值迭代算法，计算地震数据的稀疏系数。具体地，可以按照下述步骤计算地震数据的稀疏系数：

步骤s1011：按照下式(1)所示的方法计算地震数据的迭代搜索方向dk，即本实施例中迭代搜索方向dk为负梯度方向。

dk＝θk+1-θk(1)

公式(1)中各参数含义为：

θk为第k次迭代得到稀疏系数，k≥1；θk+1为第k+1次迭代得到的稀疏系数，且θk+1＝hs(θk-αkdk,μαk)，αk为迭代步长，μ为拉格朗日乘法算子；

hs为软阈值算子，且x为变量，t为阈值。

步骤s1012：在通过步骤s1011得到迭代搜索方向dk后，采用线性搜索法确定迭代步长因子。

步骤s1013：依据步骤s1011得到的迭代搜索方向dk和步骤s1012得到的迭代步长因子λk，并按照下式(2)所示的方法计算地震数据的稀疏系数。

θk+1＝θk+λdk(2)

在本实施例的一个优选实施方案中，可以按照下式(3)所示的方法计算软阈值迭代算法的初始步长αinitial：

αinitial＝||θk+1-θk||²/||a^cs(θk+1-θk)||²(3)

公式(3)中参数a^cs的含义为感知矩阵。

步骤s102：采用硬阈值迭代算法优化稀疏系数，得到新的稀疏系数。具体地，采用硬阈值迭代算法优化后得到的稀疏系数如下式(4)所示：

θk+1＝hm(θk+1)(4)

公式(3)中参数hm的含义为硬阈值算子，其可以保留求解过程中解幅度最大的m个分量，并将其他分量设置为零。

步骤s103：以新的稀疏系数作为软阈值迭代算法的初始稀疏系数，控制软阈值迭代算法和硬阈值迭代算法交替迭代，直至满足预设的收敛条件，得到最优的稀疏系数。

具体地，本实施例中预设的收敛条件可以为迭代次数达到迭代次数阈值，也可以为迭代误差ε小于迭代误差阈值tol。其中，迭代误差ε如下式(5)所示：

步骤s104：依据最优的稀疏系数，进行反稀疏变换得到重构后的地震数据。

上述实施例中虽然将各个步骤按照上述先后次序的方式进行了描述，但是本领域技术人员可以理解，为了实现本实施例的效果，不同的步骤之间不必按照这样的次序执行，其可以同时(并行)执行或以颠倒的次序执行，这些简单的变化都在本发明的保护范围之内。

继续参阅附图2，图2示例性示出了本实施例中另一种地震数据重构方法的主要步骤。如图2所示，本实施例中地震数据重构方法可以包括下述步骤：

步骤s201：参数初始化。

具体地，本实施例中设定初始稀疏系数θ¹∈rⁿ，拉格朗日乘法算子μ∈(0,1)，交替迭代的迭代次数阈值max_iteratio，n迭代误差阈值tol＝0。

步骤s202：计算迭代搜索方向。

具体地，本实施例中按照公式(1)所示的方法计算迭代搜索方向。

步骤s203：计算迭代步长因子。

具体地，本实施例中采用线性搜索法确定迭代步长因子。

步骤s204：依据迭代搜索方向和迭代步长因子，计算地震数据的稀疏系数。

具体地，本实施例中按照公式(2)所示的方法计算稀疏系数。

步骤s205：优化稀疏系数。

具体地，本实施例中按照公式(4)所示的方法优化稀疏系数。

步骤s206：判断是否满足预设的收敛条件，若是则执行步骤s207，若否则返回步骤s202。

具体地，本实施例中以步骤s205得到的优化后的稀疏系数作为步骤s205中软阈值迭代算法的初始稀疏系数，重复执行步骤s202～步骤s205，直至满足预设的收敛条件，得到最优的稀疏系数。

步骤s207：输出稀疏系数。

具体地，本实施例中输出步骤s206中得到的最优稀疏系数。

步骤s208：反稀疏变换得到重构数据。

具体地，本实施例中依据最优的稀疏系数进行反稀疏变换得到重构后的地震数据。

本实施例中通过交替迭代软阈值迭代过程和硬阈值迭代过程，不仅不需要地震数据的稀疏度等先验信息，还可以快速且准确地恢复地震数据。

下面结合附图，对本发明实施例中地震数据重构方法的数据重构效果进行说明。

参阅附图4-7，图4示例性示出了本实施例中原始单炮地震记录，图5示例性示出了本实施例中采样50％地震道后的单炮地震记录，图6示例性示出了本实施例中数据重构后的单炮地震记录，图7示例性示出了本实施例中地震数据重构结果与原始单炮地震记录的偏差。

如图4所示，本实施例中采用30hz的ricker子波合成500道，道间距10米，每道3001个采样点，采样间隔为2ms的单炮地震记录。如图5所示，本实施例中对图4所示的单炮地震记录进行采样，得到采样50％后的单炮地震记录。如图6所示，本实施例中对图5所示的单炮地震记录进行地震数据重构，得到重构后的单炮地震记录。如图7所示，本实施例中将图4所示的单炮地震记录与图6所示的单炮地震记录进行比较，得到二者的数据偏差。

通过图4和图6可以得到，二者所示的单炮地震记录同相轴清晰，连续性相同，振幅一致性准确。通过图7可以得到，重构后的单炮地震记录与原始单炮地震记录的偏差较小。综上可以确定本实施例地震数据重构方法可以准确地恢复地震数据。

继续参阅图8-11，图8示例性示出了本实施例中原始单炮地震记录频谱，图9示例性示出了本实施例中采样50％地震道后的单炮地震记录频谱，图10示例性示出了本实施例中数据重构后的单炮地震记录频谱，图11示例性示出了本实施例中地震数据重构结果与原始单炮地震记录频谱的偏差。

通过图8和图10可以得到，二者所示的单炮地震记录响应的频谱非常接近。通过图11可以得到，重构后的单炮地震记录频谱与原始单炮地震记录频谱的偏差较小。综上可以确定本实施例地震数据重构方法可以准确地恢复地震数据。

基于与方法实施例相同的技术构思，本发明实施例还提供一种地震数据重构装置。下面结合附图对该地震数据重构装置进行具体说明。

参阅附图3，图3示例性示出了本实施例中地震数据重构装置的结构。如图3所示，本实施例中地震数据重构装置可以包括软阈值迭代模块11、硬阈值迭代模块12、交替迭代模块13和数据重构模块14。其中，软阈值迭代模块11可以配置为采用软阈值迭代算法，计算地震数据的稀疏系数。硬阈值迭代模块12可以配置为采用硬阈值迭代算法优化稀疏系数，得到新的稀疏系数。交替迭代模块13可以配置为以硬阈值迭代模块12得到的新的稀疏系数作为软阈值迭代模块11中软阈值迭代算法的初始稀疏系数，控制软阈值迭代模块11和硬阈值迭代模块12交替迭代，直至满足预设的收敛条件，得到最优的稀疏系数。数据重构模块14可以配置为依据交替迭代模块13得到的最优的稀疏系数，进行反稀疏变换得到重构后的地震数据。

进一步地，本实施例中软阈值迭代模块11可以包括第一计算单元、第二计算单元和第三计算单元。其中，第一计算单元可以配置为计算地震数据的迭代搜索方向。第二计算单元可以配置为依据迭代搜索方向，并采用线性搜索法确定迭代步长因子。第三计算单元可以配置为依据迭代搜索方向和迭代步长因子，计算地震数据的稀疏系数。

上述地震数据重构装置实施例可以用于执行上述地震数据重构方法实施例，其技术原理、所解决的技术问题及产生的技术效果相似，所属技术领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的地震数据重构的具体工作过程及有关说明，可以参考前述地震数据重构方法实施例中的对应过程，在此不再赘述。

本领域技术人员可以理解，上述地震数据重构装置还包括一些其他公知结构，例如处理器、控制器、存储器等，其中，存储器包括但不限于随机存储器、闪存、只读存储器、可编程只读存储器、易失性存储器、非易失性存储器、串行存储器、并行存储器或寄存器等，处理器包括但不限于cpld/fpga、dsp、arm处理器、mips处理器等，为了不必要地模糊本公开的实施例，这些公知的结构未在图3中示出。

应该理解，图3中的各个模块的数量仅仅是示意性的。根据实际需要，各模块可以具有任意的数量。

本领域技术人员可以理解，可以对实施例中的装置中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个装置中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

进一步地，基于上述地震数据重构方法实施例所述的地震数据重构方法，本发明还提供了一种计算机可读存储介质。本实施例中计算机可读存储介质中存储有计算机程序，该程序可以用于由处理器加载并执行以实现上述地震数据重构方法的各步骤。

进一步地，基于上述地震数据重构方法实施例所述的地震数据重构方法，本发明还提供了计算机设备。本实施例中计算机设备可以包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序。其中，处理器可以执行上述程序时实现上述地震数据重构方法中的各步骤。

本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在本发明的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的pc来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征作出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。