地震数据处理方法及系统与流程

本发明涉及地震数据处理领域，特别涉及一种地震数据处理方法及系统。

背景技术：

地震勘探是一种利用地下介质弹性和密度的差异，通过观测和分析大地对人工激发地震波的响应，推断地层的性质和形态的地球物理勘探方法。

相关技术中，可以使用采集设备对地震波进行采集得到叠前地震数据，并对叠前地震数据进行处理以确定地层的性质和形态，进而确定地层的分布。示例的，在对叠前地震数据进行处理时，可以控制计算机的中央处理器(英文：Central Processing Unit；简称：CPU)采用叠前时间偏移方法对叠前地震数据进行处理，确定叠前地震数据的成像。需要说明的是，在对叠前地震数据的进行处理的过程中，可以对每个叠前地震数据分别进行高频能量补偿，以提高叠前地震数据成像的分辨率，在确定叠前地震数据的成像后，就可以直观的根据叠前地震数据的成像确定地层的分布。

由于相关技术中采集设备采集到的地震数据较多，采用CPU对地震数据进行处理的速度较慢，因此，数据处理的效率较低。

技术实现要素：

为了解决相关技术中数据处理的效率较低的问题，本发明提供了一种地震数据处理方法及系统。所述技术方案如下：

一方面，提供了一种地震数据处理方法，所述方法包括：

中央处理器CPU确定叠前地震数据对应的成像孔径；

所述CPU根据所述成像孔径确定所述叠前地震数据对应的成像线对应的目标地震数据，所述成像线对应的目标地震数据为所述叠前地震数据中用于所述成像线成像的地震数据；

所述CPU将所述成像线对应的目标地震数据发送至图形处理器GPU；

所述GPU对所述成像线对应的目标地震数据进行高频能量补偿，确定所述叠前地震数据的成像。

可选的，在所述CPU确定所述叠前地震数据对应的成像孔径之前，所述方法还包括：

所述CPU将所述叠前地震数据按照偏移距的大小分为n组地震数据，所述n为大于或等于1的整数，所述每组地震数据包括q条测线的叠前地震数据，所述q条测线对应m条成像线，所述m条成像线中的每条成像线包括w个成像点，q大于m，且q、m和w均为大于或等于1的整数；

所述CPU确定所述叠前地震数据对应的成像孔径，包括：

所述CPU获取所述m条成像线中的每条成像线中成像点的成像参数，成像点的成像参数包括：速度值、真地层倾角值、品质因子值和成像点的时间深度对应的有效频带；

所述CPU根据每组地震数据对应的偏移距以及所述每条成像线中成像点的成像参数，确定所述每组地震数据对应的成像孔径。

可选的，所述CPU根据所述成像孔径确定所述叠前地震数据对应的成像线对应的目标地震数据，包括：

所述CPU根据所述每组地震数据对应的成像孔径，确定所述每条成像线对应的测线范围，并将所述每条成像线对应的测线范围内的叠前地震数据，确定为所述每条成像线对应的目标地震数据；

所述CPU将所述成像线对应的目标地震数据发送至图形处理器GPU，包括：

所述CPU将所述每条成像线对应的目标地震数据，以及所述每条成像线中成像点的成像参数，发送至所述GPU。

可选的，所述GPU对所述成像线对应的目标地震数据进行高频能量补偿，包括：

所述GPU根据所述每条成像线中成像点的成像参数，确定所述每条成像线中的目标成像点；

所述GPU从所述每条成像线中成像点的成像参数中，提取每个所述目标成像点的时间深度对应的有效频带；

所述GPU分别对每个所述目标成像点的时间深度对应的有效频带内的每个频率点进行高频能量补偿。

可选的，所述CPU根据所述每组地震数据对应的成像孔径，确定所述每条成像线对应的测线范围，包括：

所述CPU确定第L条成像线对应的测线范围为(L-0.5*A/s，L+0.5*A/s)，其中，所述s为测线最小间隔，所述A为所述每组地震数据对应的成像孔径中的最大值，所述L小于或等于所述m。

可选的，所述GPU根据所述每条成像线中成像点的成像参数，确定所述每条成像线中的目标成像点，包括：

所述GPU确定所述每条成像线中的每个成像点在X方向上的目标地层倾角和Y方向上的目标地层倾角；

所述GPU将所述每条成像线中满足预设条件的成像点，作为所述每条成像线中的目标成像点，所述预设条件包括：α-10≤θ_x≤α+10且β-10≤θ_y≤β+10，其中，α为成像点在X方向上的真地层倾角，β为成像点在Y方向上的真地层倾角，θ_x为成像点在X方向上的目标地层倾角，θ_y为成像点在Y方向上的目标地层倾角。

另一方面，提供了一种地震数据处理系统，所述地震数据处理系统包括：中央处理器CPU和图形处理器GPU，

所述CPU用于确定叠前地震数据对应的成像孔径；

所述CPU还用于根据所述成像孔径确定所述叠前地震数据对应的成像线对应的目标地震数据，所述成像线对应的目标地震数据为所述叠前地震数据中用于所述成像线成像的地震数据；

所述CPU还用于将所述成像线对应的目标地震数据发送至所述GPU；

所述GPU用于对所述成像线对应的目标地震数据进行高频能量补偿，确定所述叠前地震数据的成像。

可选的，所述CPU还用于将所述叠前地震数据按照偏移距的大小分为n组地震数据，所述n为大于或等于1的整数，所述每组地震数据包括q条测线的叠前地震数据，所述q条测线对应m条成像线，所述m条成像线中的每条成像线包括w个成像点，q大于m，且q、m和w均为大于或等于1的整数；

所述CPU还用于获取所述m条成像线中的每条成像线中成像点的成像参数，成像点的成像参数包括：速度值、真地层倾角值、品质因子值和成像点的时间深度对应的有效频带；

所述CPU还用于根据每组地震数据对应的偏移距以及所述每条成像线中成像点的成像参数，确定所述每组地震数据对应的成像孔径。

可选的，所述CPU还用于根据所述每组地震数据对应的成像孔径，确定所述每条成像线对应的测线范围，并将所述每条成像线对应的测线范围内的叠前地震数据，确定为所述每条成像线对应的目标地震数据；

所述CPU还用于将所述每条成像线对应的目标地震数据，以及所述每条成像线中成像点的成像参数，发送至所述GPU。

可选的，所述GPU还用于根据所述每条成像线中成像点的成像参数，确定所述每条成像线中的目标成像点；

所述GPU还用于从所述每条成像线中成像点的成像参数中，提取每个所述目标成像点的时间深度对应的有效频带；

所述GPU还用于分别对每个所述目标成像点的时间深度对应的有效频带内的每个频率点进行高频能量补偿。

可选的，所述CPU还用于确定第L条成像线对应的测线范围为(L-0.5*A/s，L+0.5*A/s)，其中，所述s为测线最小间隔，所述A为所述每组地震数据对应的成像孔径中的最大值，所述L小于或等于所述m。

可选的，所述GPU还用于确定所述每条成像线中的每个成像点在X方向上的目标地层倾角和Y方向上的目标地层倾角；

所述GPU还用于将所述每条成像线中满足预设条件的成像点，作为所述每条成像线中的目标成像点，所述预设条件包括：α-10≤θ_x≤α+10且β-10≤θ_y≤β+10，其中，α为成像点在X方向上的真地层倾角，β为成像点在Y方向上的真地层倾角，θ_x为成像点在X方向上的目标地层倾角，θ_y为成像点在Y方向上的目标地层倾角。

综上所述，由于本发明提供了一种地震数据处理方法及系统，CPU确定叠前地震数据对应的成像孔径，并根据成像孔径确定叠前地震数据对应的成像线的目标地震数据，以及将成像线对应的目标地震数据发送至GPU，使得GPU能够对成像线对应的目标地震数据进行高频能量补偿，从而确定成像线的成像，进而确定叠前地震数据的成像，也即本发明实施例中，CPU和GPU共同对叠前地震数据进行处理，大大减少了CPU需要执行的步骤，减小了CPU上的负载，并充分利用了GPU的并行计算能力，提高了数据处理的加速比，所以，提高了数据处理的速度和效率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的一种地震数据处理方法的方法流程图；

图2是本发明实施例提供的另一种地震数据处理方法的方法流程图；

图3为本发明实施例提供的一种地震数据处理方法的应用场景示意图；

图4为本发明实施例提供的一种地层倾角示意图；

图5为本发明实施例提供的一种地质模型示意图；

图6为图5所示的地质模型对应的倾角成像道集示意图；

图7为相关技术提供的一种叠前地震数据的成像剖面示意图；

图8为本发明实施例提供的一种叠前地震数据的成像剖面示意图；

图9为相关技术提供的一种CRP道集示意图；

图10为本发明实施例提供的一种CRP道集示意图；

图11为本发明实施例提供的一种地震数据处理系统的结构示意图。

通行上述附图，已示出本发明明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通行任何方式限制本发明构思的范围，而是通行参考特定实施例为本领域技术人员说明本发明的概念。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。

如图1所示，本发明实施例提供了一种地震数据处理方法，该地震数据处理方法可以包括：

步骤101、CPU确定叠前地震数据对应的成像孔径；

步骤102、CPU根据成像孔径确定叠前地震数据对应的成像线对应的目标地震数据，成像线对应的目标地震数据为叠前地震数据中用于成像线成像的地震数据；

步骤103、CPU将成像线对应的目标地震数据发送至GPU；

步骤104、GPU对成像线对应的目标地震数据进行高频能量补偿，确定叠前地震数据的成像。

综上所述，由于本发明实施例提供的地震数据处理方法中，CPU确定叠前地震数据对应的成像孔径，并根据成像孔径确定叠前地震数据对应的成像线的目标地震数据，以及将成像线对应的目标地震数据发送至GPU，使得GPU能够对成像线对应的目标地震数据进行高频能量补偿，从而确定成像线的成像，进而确定叠前地震数据的成像，也即本发明实施例中，CPU和GPU共同对叠前地震数据进行处理，大大减少了CPU需要执行的步骤，减小了CPU上的负载，并充分利用了GPU的并行计算能力，提高了数据处理的加速比，所以，提高了数据处理的速度和效率。

如图2所示，本发明实施例提供了另一种地震数据处理方法，该地震数据处理方法可以包括：

步骤201、CPU将叠前地震数据按照偏移距的大小分为n组地震数据，每组地震数据包括q条测线的地震数据，q条测线对应m条成像线。

具体的，该m条成像线中的每条成像线包括w个成像点，q大于m，且q、m和w均为大于或等于1的整数。也即，每组地震数据包括q条测线的地震数据，且对应m条成像线。

示例的，本发明实施例采用某一油田中的某区块的叠前地震数据为例，示例的，该叠前地震该数据采样间隔可以为1ms(毫秒)，地震信号的记录时长是2200ms，共深度点(英文：Common depth point；简称：CDP)间距是25m(米)，最小偏移距是100m，最大偏移距是4000m，偏移距间隔是50m，数据量为800Gb(千比特)。可选的，本发明实施例中使用到的CPU的主频可以为2.5Ghz(千赫兹)，本发明实施例中使用到的GPU的显存容量可以为4096Mb(兆比特)，流处理器为1536个。

在步骤201中，CPU可以将叠前地震数据按照偏移距的大小，对叠前地震数据进行排序和分组，将该叠前地震数据分为n组地震数据，且每组地震数据可以包括q条测线的叠前地震数据。例如，若叠前地震数据的最小偏移距为100m，最大偏移距为4000m，则CPU可以按照偏移距组间隔为100m将该叠前地震数据分为39组地震数据，且每组地震数据中的q条测线可以按照测线号进行排序。例如，若某一组叠前地震数据中的起始测线号为769，终止测线号为1370，线号间隔为1，则该组叠前地震数据包含602条测线的叠前地震数据，CPU可以将同一测线的叠前地震数据存储在一个文件中，并使用该测线的测线号去命名，则每组地震数据可以存储在602个文件中。

步骤202、CPU确定每组地震数据对应的成像孔径。

CPU在将叠前地震数据进行分组后，可以获取叠前地震数据的参数，并从该叠前地震数据的参数中确定m条成像线中每条成像线中成像点的成像参数。示例的，叠前地震数据的参数可以包括：速度场、地层倾角、品质因子值场(也称为Q值场)以及随时间深度变化的有效频带，m条成像线中每条成像线中成像点的成像参数可以包括：速度值、真地层倾角值、品质因子值和成像点的时间深度对应的有效频带。

CPU还可以根据每组地震数据对应的每条成像线中成像点的成像参数以及每组地震数据对应的偏移距，确定每组地震数据对应的成像孔径。示例的，CPU在确定每组地震数据对应的成像孔径时，可以基于偏移脉冲响应，在任一成像深度处根据地层倾角确定成像孔径。CPU可以根据每组地震数据对应的每条成像线中成像点的成像参数以及每组地震数据对应的偏移距，确定每个成像点对应的成像孔径。如图3所示，s和g分别是炮点与激发点，m为s与g的中点，φ为t深度处的地层倾角，p为t深度处最远成像道对应的成像点，q为成像点p在地面的投影，过点m作垂线段与过p的水平线段相交于点M，在确定成像点p对应的成像孔径时，可以首先推导出如下关系式：

和其中，h为当前一组地震数据的半偏移距，V_rms为叠加速度，x为点M与点P之间的水平距离，也即时间深度t处点p对应的成像孔径，t为成像点对应的时间深度，α是激发点发出的地震波在成像点p处的入射角，然后，联立上述两式可以得到：

$x=\frac{v_{\mathrm{rms}}t({\tan }^2\mathrm{\φ}-1)+\sqrt{v_{\mathrm{rms}}^2{t}^2(1+{\tan }^2\mathrm{\φ})+4h^2{\tan }^2\mathrm{\φ}}}{2\tan }.$

步骤203、CPU根据成像孔径确定每条成像线对应的目标地震数据。

具体的，CPU可以根据每组地震数据对应的成像孔径，确定每组地震数据中的每条成像线对应的测线范围。具体的，CPU可以确定第L条成像线对应的测线范围为(L-0.5*A/s，L+0.5*A/s)，其中，s为测线最小间隔，A为每组地震数据对应的成像孔径中的最大值，L小于或等于m。

进一步的，CPU在确定每条成像线对应的测线范围后，可以将每条成像线对应的测线范围内的叠前地震数据，确定为每条成像线对应的目标地震数据。示例的，CPU可以将q条测线中，测线号位于测线范围为(L-0.5*A/s，L+0.5*A/s)内的叠前地震数据，确定为第L条成像线对应的目标地震数据。

步骤204、CPU将确定出的每条成像线对应的目标地震数据发送至GPU。

示例的，CPU与GPU之间能够进行通信，CPU在确定每条成像线对应的目标地震数据后，可以将每条成像线对应的目标地震数据以及每条成像线中成像点的成像参数，发送至GPU。

步骤205、GPU对接收到的每条成像线对应的目标地震数据进行高频能量补偿，确定成像线的成像。

示例的，GPU在接收到某一成像线对应的目标地震数据以及该成像线中成像点的成像参数后，首先可以根据该成像线中成像点的成像参数，确定该成像线中的目标成像点，具体的，GPU可以采用相关技术中的地层倾角算法，计算该成像线中的每个成像点在X方向上的目标地层倾角和Y方向上的目标地层倾角。然后可以将该成像线中满足预设条件的成像点，作为该成像线中的目标成像点，该预设条件可以包括：α-10≤θ_x≤α+10且β-10≤θ_y≤β+10，其中，α为成像点在X方向上的真地层倾角，β为在Y方向上的真地层倾角，θ_x为成像点在X方向上的目标地层倾角，θ_y为成像点在Y方向上的目标地层倾角。

GPU在确定该成像线中的目标成像点后，可以在该成像线的成像点的成像参数中，提取每个目标成像点的时间深度对应的有效频带，并分别对每个目标成像点的时间深度对应的有效频带内的每个频率点进行高频能量补偿，确定每个目标成像点的成像幅值。示例的，若某一目标成像点的有效频带为[ω_min，ω_max]，则可以对[ω_min，ω_max]内的每个频率点进行高频能量补偿，其中，ω_min为该目标成像点的时间深度对应的有效频带中的最小频率，ω_max为该目标成像点的时间深度对应的有效频带中的最大频率。

需要说明的是，在确定一条成像线中的所有目标成像点的成像幅值后，就可以得到该成像线的成像剖面；在确定一组地震数据对应的所有成像线的成像剖面后，就可以得到该组地震数据的成像；在确定n组地震数据的成像后，就可以得到叠前地震数据的成像。

本发明实施例中，由于利用成像孔径确定了目标地震数据，并在时间深度方向上对目标成像点的时间深度对应的有效频带内，对每个频率点进行高频能量补偿，解决了中深层叠前地震数据中高频噪声无限放大的问题，且仅仅对目标成像点的时间深度对应的有效频带进行处理，减少了CPU和GPU的计算量，且避免了成像范围外的数据参与成像，减少了噪声对成像幅值的干扰，提高了成像的精度。

如图4所示，在二维情况下，成像空间散射点o处的波传播方向的特征可以用入射慢度矢量和散射慢度矢量共同描述。照明矢量等于与的和。与z轴的夹角就是地层倾角φ，等于反射界面倾角。s与g分别代表激发点与接收点，可以得到：和其中，为向量在x轴向的分量，为向量在z轴向的分量，τ_s为激发点的旅行时场，τ_g为接收点的旅行时场，为τ_s对x求偏导，为τ_g对z求偏导。根据上述两式就可以得出：当所有地震数据运算完毕后，便得到了倾角成像道集。

在倾角成像道集中，最终的成像结果来源于真地层倾角或真地层倾角附近，在地震波传播速度正确的情况下，反射波的同相轴形态为拟双曲线形状，并且顶点对应的角度为真地层倾角，利用这一特征，就可以在倾角成像道集上确定出地下反射层的真地层倾角，但是在实际应用中由于数据的不规则及地震波的传播速度存在误差，最终的倾角成像道集的结果不仅仅来源于倾角成像道集上真地层倾角位置，真地层倾角附近的部分也对成像结果起到了贡献，倾角成像道集上决定最终成像结果的真地层倾角及其附近的部分称为倾角成像区，对于任一成像点而言，它的倾角成像区可以为[φ-η₁，φ+η₂]，其中φ为成像点的真地层倾角值，φ-η₁为倾角成像区起始倾角值，φ+η₂为倾角成像区终止倾角值，η₁与η₂分别为倾角变量，当φ-η₁与φ+η₂选取恰当的时候，成像点处的成像结果趋于稳定并达到极大值，利于此特征就可以确定倾角成像区，在实际生产中，为了提高数据处理的效率，减少数据处理过程中的计算量，η₁与η₂均可以给定经验值10。

相关技术中采用叠前时间偏移方法对叠前地震数据进行处理时，通常选取统一的成像孔径，且为了保证陡倾角构造的正确成像，任一成像点处给定的地层倾角都要比真实的大，从而导致叠前时间偏移方法中的成像孔径也会偏大。图5所示的地质模型包含三层界面(图5中横轴为横向距离，单位为千米，纵轴为时间深度，单位为秒)，分别为界面①、界面②和界面③，其中，界面①和界面③代表两个倾斜层，界面②代表一个水平层。图6为图5所示的地质模型对应的倾角成像道集(图6中横轴为地层倾角，单位为deg(中文：度)，纵轴为时间深度，单位为秒)，请参考图5和图6，界面①对应倾角成像道集中的A1，界面②对应倾角成像道集中的A2，界面③对应倾角成像道集中的A3。在A3中，拟双曲线的顶点处对应的角度为真地层倾角，利用上述方法确定出的倾角成像区为[A，B]，A与B分别是倾角成像区的起始角度与终止角度。采用相关技术中的叠前时间偏移的成像孔径在倾角成像道集上的倾角成像区为[C′，C]，并且[C′，C]的起始角度与终止角度分别位于倾角成像道集0度分界线的两侧，起始角度与终止角度大小一致。通过对比可以看出，最终成像结果对于本发明实施例而言来源于[A，B]部分，而对于相关技术而言则来源于[C′，C]部分，相关技术为了实现正确成像，将大量的偏移噪声带入了最终成像结果，从而使得地震数据的成像品质较低。

图7为相关技术提供的一种叠前地震数据的成像剖面示意图，成像线号为1000，图8为本发明实施例提供的一种叠前地震数据的成像剖面示意图，图7和图8中横轴均为横向距离，单位为千米，纵轴均为时间深度，单位为秒，图7和图8中的成像位置相同，通过对图7和图8进行对比可以得到，本发明实施例得到的剖面(图8)中深部同相轴变细，层间细节信息增多，地震分辨率较高。图9为相关技术提供的一种共反射点(英文：common reflection point；简称：CRP)道集示意图，位于图7剖面6km处，图10为本发明实施例提供的一种CRP道集示意图，位于图8剖面6km处，图9和图10中横轴均为偏移距，单位为千米，纵轴均为时间深度，单位为秒，通过对图9和图10的对比可以得出，本发明实施例得到的CRP道集上的细节信息增多，1秒至2秒内CRP的分辨率较高。

另外，CPU仅仅具有串行计算的能力，而不具有并行计算的能力，相关技术中，仅仅采用CPU对上述叠前地震数据进行处理需用时30天，本发明实施例中，由于同时采用了CPU和GPU对叠前地震数据进行处理，且由于GPU具有并行计算的能力，所以，本发明实施例中采用CPU和GPU共同对上述叠前地震数据进行处理仅仅需要1天，数据处理的加速比为30，也即本发明实施例提供的地震数据处理方法的数据处理效率较高。

综上所述，由于本发明实施例提供的地震数据处理方法中，CPU确定叠前地震数据对应的成像孔径，并根据成像孔径确定叠前地震数据对应的成像线的目标地震数据，以及将成像线对应的目标地震数据发送至GPU，使得GPU能够对成像线对应的目标地震数据进行高频能量补偿，从而确定成像线的成像，进而确定叠前地震数据的成像，也即本发明实施例中，CPU和GPU共同对叠前地震数据进行处理，大大减少了CPU需要执行的步骤，减小了CPU上的负载，并充分利用了GPU的并行计算能力，提高了数据处理的加速比，所以，提高了数据处理的速度和效率。

如图11所示，本发明实施例提供了一种地震数据处理系统110，该地震数据处理系统110可以包括：CPU-1101和GPU-1102，CPU-1101和GPU-1102能够进行通信。

CPU-1101用于确定叠前地震数据对应的成像孔径；

CPU-1101还用于根据成像孔径确定叠前地震数据对应的成像线对应的目标地震数据，成像线对应的目标地震数据为叠前地震数据中用于成像线成像的地震数据；

CPU-1101还用于将成像线对应的目标地震数据发送至GPU-1102；

GPU-1102用于对成像线对应的目标地震数据进行高频能量补偿，确定叠前地震数据的成像。

综上所述，由于本发明实施例提供的地震数据处理系统中，CPU确定叠前地震数据对应的成像孔径，并根据成像孔径确定叠前地震数据对应的成像线的目标地震数据，以及将成像线对应的目标地震数据发送至GPU，使得GPU能够对成像线对应的目标地震数据进行高频能量补偿，从而确定成像线的成像，进而确定叠前地震数据的成像，也即本发明实施例中，CPU和GPU共同对叠前地震数据进行处理，大大减少了CPU需要执行的步骤，减小了CPU上的负载，并充分利用了GPU的并行计算能力，提高了数据处理的加速比，所以，提高了数据处理的速度和效率。

可选的，CPU-1101还用于将叠前地震数据按照偏移距的大小分为n组地震数据，n为大于或等于1的整数，每组地震数据包括q条测线的叠前地震数据，q条测线对应m条成像线，m条成像线中的每条成像线包括w个成像点，q大于m，且q、m和w均为大于或等于1的整数；

CPU-1101还用于获取m条成像线中的每条成像线中成像点的成像参数，成像点的成像参数包括：速度值、真地层倾角值、品质因子值和成像点的时间深度对应的有效频带；

CPU-1101还用于根据每组地震数据对应的偏移距以及每条成像线中成像点的成像参数，确定每组地震数据对应的成像孔径。

可选的，CPU-1101还用于根据每组地震数据对应的成像孔径，确定每条成像线对应的测线范围，并将每条成像线对应的测线范围内的叠前地震数据，确定为每条成像线对应的目标地震数据；

CPU-1101还用于将每条成像线对应的目标地震数据，以及每条成像线中成像点的成像参数，发送至GPU-1102。

可选的，GPU-1102还用于根据每条成像线中成像点的成像参数，确定每条成像线中的目标成像点；

GPU-1102还用于从每条成像线中成像点的成像参数中，提取每个目标成像点的时间深度对应的有效频带；

GPU-1102还用于分别对每个目标成像点的时间深度对应的有效频带内的每个频率点进行高频能量补偿。

可选的，CPU-1101还用于确定第L条成像线对应的测线范围为(L-0.5*A/s，L+0.5*A/s)，其中，s为测线最小间隔，A为每组地震数据对应的成像孔径中的最大值，L小于或等于m。

可选的，GPU-1102还用于确定每条成像线中的每个成像点在X方向上的目标地层倾角和Y方向上的目标地层倾角；

GPU-1102还用于将每条成像线中满足预设条件的成像点，作为每条成像线中的目标成像点，预设条件包括：α-10≤θ_x≤α+10且β-10≤θ_y≤β+10，其中，α为成像点在X方向上的真地层倾角，β为成像点在Y方向上的真地层倾角，θ_x为成像点在X方向上的目标地层倾角，θ_y为成像点在Y方向上的目标地层倾角。

综上所述，由于本发明实施例提供的地震数据处理系统中，CPU确定叠前地震数据对应的成像孔径，并根据成像孔径确定叠前地震数据对应的成像线的目标地震数据，以及将成像线对应的目标地震数据发送至GPU，使得GPU能够对成像线对应的目标地震数据进行高频能量补偿，从而确定成像线的成像，进而确定叠前地震数据的成像，也即本发明实施例中，CPU和GPU共同对叠前地震数据进行处理，大大减少了CPU需要执行的步骤，减小了CPU上的负载，并充分利用了GPU的并行计算能力，提高了数据处理的加速比，所以，提高了数据处理的速度和效率。

所属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处理系统的具体工作过程，可以参考前述地震数据处理方法实施例中的对应过程，在此不再赘述。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。