一种基于动态时间规整的地震数据加权叠加方法与流程

本发明涉及地震资料技术领域，具体涉及一种基于动态时间规整的地震数据加权叠加方法。

背景技术：

共中心点道集(cmp)的叠加可以提高地震资料的信噪比，在地震资料解释中起着重要的作用。最简单的叠加方法是沿偏移距方向计算叠前数据的算术平均值，若叠前地震道集时间校准准确，并且仅包含高斯白噪声，简单的平均可获得最优的叠加结果。然而，由于静校准和速度拾取的不准确性，在实际的cmp道集中经常出现异常的偏移、不规则和非高斯随机噪声，平均叠加方法不能有效抑制存在的噪声，从而不能满足实际需要。

为了克服上述问题，加权平均的叠加方法应运而生。叠前地震道在叠加过程中的重要性不同，其大小由其噪声水平决定。例如，neelamani等人提出了一种迭代算法(leave-me-out)来估计数据的信噪比，从而实现加权的地震道叠加；rashed提出了智能叠加算法，该算法通过排除叠加中的有害样本，并对叠前数据偏移距较小的部分施加更大的权重，从而优化叠加信号的幅值；liu等人利用基于局部相关算法的时变平滑权值进行叠加；deng等人将ab相干和局部相似技术结合起来，处理存在极化反转异常时的cmp道集加权叠加问题；xie等人利用主成分分析(pca)获得了一种理想的nmo校正的数据矩阵，以减轻加权叠加中异常地震道带来的负面影响；rashed引入了去除离群值的叠加技术(oio)，从每个时间采样点中设置一个独特的离群值范围，这意味着相应的权重为零。

然而，当叠前数据中存在较多的时间偏移异常地震道时，目前的加权叠加方法通常采用一些权重值很小甚至为零的权重来减小这些异常地震道对叠加结果的影响，但本发明的发明人经过研究发现，这些方法不能充分利用这些未对齐地震道的反射信息，即丢弃了过多的地层反射信息，因此亟需提出一种新的方法来解决这一问题。

技术实现要素：

针对现有加权叠加方法通常采用一些权重值很小甚至为零的权重来减小这些异常地震道对叠加结果的影响，但这些方法不能充分利用这些未对齐地震道反射信息的技术问题，本发明提供一种基于动态时间规整的地震数据加权叠加方法。

为了解决上述技术问题，本发明采用了如下的技术方案：

一种基于动态时间规整的地震数据加权叠加方法，包括以下步骤：

s1、选择一个参考地震道，该参考地震道设置为叠前地震数据矩阵在空间方向上的算术均值，即：

其中，ai(t)为第i个叠前地震道ai在时间t时的采样值，c为叠前地震道数目，r(t)为参考地震道r在时间t时的采样值；

s2、通过下式计算每个叠前地震道与参考地震道之间的动态时间规整即dtw匹配点，在cmp道集中寻找与参考地震道的各个采样点相关联的采样点：

其中，γk是第k个点对pk＝(rn,aim)的差异，该差异表示连接参考地震道r＝[r1,r2,…,rn,…rn]与叠前地震道ai＝[ai1,ai2,…,aim,…,aim]两个道中采样点的连接线，具体用(rn-aim)²来计算，索引n并不一定等于m，且每个点对代表了在以下约束下的一条对齐路径：

单调性：对齐路径pk＝(rn,aim)和pk-1＝(rn',aim')的任意两个相邻元素，满足不等式n-n'≥0和m-m'≥0；

连续性：对齐路径pk＝(rn,aim)和pk-1＝(rn',aim')的任意两个相邻元素，满足不等式n-n'≤1和m-m'≤1；

边界：第一个对齐路径是p1＝(r1,ai1)，最后一个对齐路径是pk＝(rn,aim)；

s3、根据各相关采样点的噪声设置各样点的权值：

wp＝1/(dp)^s

dp＝|r(t)-xp|

其中，wp为xp的权重，dp为xp与参考地震道r(t)之间的距离，t为时间，p＝1，2，...，p，p为关联点数目，xp为叠前地震道中与参考地震道中采样点相关联的点，s为用于控制权重函数的用户定义常量；

s4、将参考地震道的每个采样点更新为与之相关的采样点的加权平均值：

其中，r(t)即为由加权平均值更新后的参考地震道；

s5、重复步骤s2～s4直到收敛，将参考地震道输出为最终的叠加地震道。

与现有技术相比，本发明提供的基于动态时间规整的地震数据加权叠加方法，使用动态时间规整即dtw在全局时间约束下对齐地震反射事件，对地震反射同相轴进行时间偏差校正，迭代计算这些校正后的采样点的加权平均值，整个过程迭代执行以获得更好的叠加效果，因此本方法给合了dtw方法与加权叠加方法的优点，克服了地震道时间偏移误差和地震数据噪声对数据叠加的影响，能充分利用地震道的反射信息，通过在合成数据和真实地震数据上的测试，获得了良好的应用效果，有效证实了本申请方法的实用性。

进一步，所述步骤s3中，用于控制权重函数的用户定义常量s取值为0～2。

附图说明

图1是本发明提供的基于动态时间规整的地震数据加权叠加方法流程示意图。

图2a为用dtw对齐的两条两条地震道，图2b为使用dtw叠加的示意图。

图3a为叠前地震道集，图3b为叠加真值，图3c为使用传统等权叠加法叠加效果示意图，图3d为使用局部相关加权叠加法叠加效果示意图，图3e为使用基于pca的加权叠加法叠加效果示意图，图3f为使用本申请方法叠加效果示意图。

图4a为cmp道集，图4b为使用传统等权叠加法叠加地震道结果示意图，图4c为使用局部相关加权叠加法叠加地震道结果示意图，图4d为使用基于pca的加权叠加法叠加地震道结果示意图，图4e为使用本申请方法叠加地震道结果示意图。

具体实施方式

为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体图示，进一步阐述本发明。

请参考图1、图2a和图2b所示，本发明提供一种基于动态时间规整的地震数据加权叠加方法，包括以下步骤：

s1、选择一个参考地震道，该参考地震道设置为叠前地震数据矩阵在空间方向上的算术均值，即：

其中，ai(t)为第i个叠前地震道ai在时间t时的采样值，c为叠前地震道数目，r(t)为参考地震道r在时间t时的采样值；如在图2b中，叠前地震道数目c＝4，采用本步骤中的公式计算得到的参考地震道如图2b中的stackedtrace。

s2、通过下式计算每个叠前地震道与参考地震道之间的动态时间规整即dtw匹配点，在cmp道集中寻找与参考地震道的各个采样点相关联的采样点：

其中，γk是第k个点对pk＝(rn,aim)的差异，该差异表示连接参考地震道r＝[r1,r2,…,rn,…rn]与叠前地震道ai＝[ai1,ai2,…,aim,…,aim]两个道中采样点的连接线，即图2a中连接参考地震道r与叠前地震道ai两个道中采样点的粗实线与细实线，具体用(rn-aim)²来计算，索引n并不一定等于m，且每个点对代表了在以下约束下的一条对齐路径：

单调性：对齐路径pk＝(rn,aim)和pk-1＝(rn',aim')的任意两个相邻元素，满足不等式n-n'≥0和m-m'≥0，该约束保证了两个地震道中的反射事件可以有序地对齐；

连续性：对齐路径pk＝(rn,aim)和pk-1＝(rn',aim')的任意两个相邻元素，满足不等式n-n'≤1和m-m'≤1，该约束保证了叠前地震道ai的所有采样点都可以在参考地震道r中找到对应的对齐点；

边界：第一个对齐路径是p1＝(r1,ai1)，最后一个对齐路径是pk＝(rn,aim)；

如在图2b中，在各个叠前地震道ai中，通过本步骤中的公式寻找得到的与参考地震道r匹配的采样点以粗实线或者细实线相关联。

s3、根据各相关采样点的噪声设置各样点的权值：

wp＝1/(dp)^s

dp＝|r(t)-xp|

其中，wp为xp的权重，dp为xp与参考地震道r(t)之间的距离，t为时间，p＝1，2，...，p，p为关联点数目，xp为叠前地震道中与参考地震道中采样点相关联的点，例如图2b中叠前地震道中与参考地震道r1采样点相关联的点为x1、x2、x3与x4，具体请参见图2b中最上面的粗实连接线，同理，叠前地震道中与参考地震道r2采样点相关联的点有p＝7个，s为用于控制权重函数的用户定义常量；作为一种优选实施例，用于控制权重函数的用户定义常量s取值为0～2。

s4、将参考地震道的每个采样点更新为与之(即指参考地震道的每个采样点)相关的采样点的加权平均值：

其中，r(t)即为由加权平均值更新后的参考地震道；

s5、重复步骤s2～s4直到收敛，将参考地震道输出为最终的叠加地震道。

与现有技术相比，本发明提供的基于动态时间规整的地震数据加权叠加方法，使用动态时间规整即dtw在全局时间约束下对齐地震反射事件，对地震反射同相轴进行时间偏差校正，迭代计算这些校正后的采样点的加权平均值，整个过程迭代执行以获得更好的叠加效果，因此本方法给合了dtw方法与加权叠加方法的优点，克服了地震道时间偏移误差和地震数据噪声对数据叠加的影响，能充分利用地震道的反射信息，通过在合成数据和真实地震数据上的测试，获得了良好的应用效果，有效证实了本申请方法的实用性。

为了更好地说明本申请方法的应用效果，以下将结合具体实施例来进行介绍：

首先，将该方法应用于一个简单的合成地震数据集，图3a显示了具有高斯白噪声的合成cmp道集。为了模拟地震道的未对齐问题，在合成数据中加入了一些时间偏移。图3b为理想信号，用于计算叠加地震道的信噪比。图3c、3d、3e、3f分别展示了传统等权叠加法、局部相关加权叠加法(liuetal.,2009)、基于pca的加权叠加法(xieetal.,2017)和本申请提出的方法的结果。比较这些叠加地震道的信噪比，可以发现本申请的方法可以大大提高信噪比。具体地，传统等权叠加法的信噪比s/n＝1.64db，局部相关加权叠加法的信噪比s/n＝11.13db，基于pca的加权叠加法的信噪比s/n＝10.26db，本申请方法的信噪比s/n＝15.88db。

其次，本文以中国西部地区的实际cmp道集为例来证实方法的有效性。该道集具有64个偏移距，数据中有许多未对齐的地震道(尤其是图4a中的圆圈内数据)。同样地，采用传统等权叠加法、局部相关加权叠加法(liuetal.,2009)、基于pca的加权叠加法(xieetal.,2017)和本申请的方法做数据的叠加，结果如图4b～4e所示。通过对比分析发现，采用本申请方法得到的结果(图4e)，在100ms左右的小反射振幅相对明显，同时在240ms和255ms之间的两个临近反射是相对可区分的，即在100ms和250ms左右处的小反射清晰可见。

综上所述，本申请通过将dtw与加权叠加相结合，提出了一种新颖的地震数据叠加方法，克服了叠加过程中叠前地震道时间校准不足的问题。与现有算法相比，该方法能充分利用地震道的反射信息，且通过合成数据结果表明，该方法具有良好的叠加效果。在实地数据应用中，可以根据所提出的方法识别相对小的反射事件。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。