一种地震数据的反褶积方法与流程

1.本发明涉及一种地震数据的反褶积方法，属于地震勘探技术领域。


背景技术：

2.在地震资料处理过程中反褶积处理是尤为重要的一个环节，在整个过程中起到承上启下的作用，反褶积主要是通过压缩地震记录中的基本地震子波、压制交混回响和短周期多次波，从而提高纵向分辨率。目前对地震数据进行反褶积处理的方法主要是：地表一致性预测反褶积和地表一致性脉冲反褶积，反褶积处理效果的好坏可以直接决定后续处理成像效果。由于地震数据中往往包含多个地震数据体，则各地震数据体的频谱特征共同构成了地震数据的频谱特征，又因为各地震数据体的频谱特征不尽相同，导致地震数据的整体频谱特征和局部频谱特征存在差异。
3.目前对地震数据进行反褶积处理时，仅进行一次反褶积处理，而且反褶积处理的预测步长是利用试值法从有限的几个预测步长数值中选取出来的，当选取的预测步长恰好与原地震数据的整体频谱特征相对应时，反褶积处理后的数据能保留原地震数据的整体频谱特征；当选取的预测步长与原地震数据的局部频谱特征相对应时，反褶积处理后的数据能保留原地震数据的局部频谱特征，但是无法使反褶积处理后的数据同时保留原地震数据的整体频谱特征和局部频谱特征，反褶积处理的效果不好；而且，当出现反褶积处理后仅能保留原地震数据的局部频谱特征的情况时，会导致处理后地震数据的频谱特征发生较大改变，处理后地震数据产生各种不稳定性，特别是地震数据的高频成分在地震波传播过程中衰减严重，地震数据的高频成分不稳定性严重。


技术实现要素：

4.本发明的目的在于提供一种地震数据的反褶积方法，用以解决利用目前的反褶积方法对地震数据进行反褶积处理，无法使反褶积处理后的数据同时保留原地震数据的整体频谱特征和局部频谱特征的问题。
5.为实现上述目的，本发明提供了一种地震数据的反褶积方法，该方法包括以下步骤：
6.(1)获取地震数据；
7.(2)分别对所述地震数据中的各地震数据体进行频谱分析确定各地震数据体的主频，对各地震数据体的主频进行统计分析，选取分布概率最高的主频作为所述地震数据的主频；
8.(3)对所述地震数据进行地表一致性预测反褶积，以保留所述地震数据的主频特征；
9.(4)对地表一致性预测反褶积处理后的地震数据进行单道小步长预测反褶积或者单道脉冲反褶积，以保留所述地震数据的局部频谱特征，得到最终的反褶积处理后的地震数据。
10.本发明的有益效果是：本发明对地震数据进行反褶积处理时包含两次反褶积处理过程：第一次反褶积处理是对地震数据进行地表一致性预测反褶积，是为了保留原地震数据的主频特征，由于本发明中地震数据的主频是地震数据中分布概率最高的地震数据体的主频，因此，本发明中地震数据的主频特征能够表征地震数据中大多数地震数据体的主频特征，由于主频特征是频谱特征中最重要的部分，从而本发明中地震数据的主频特征能够表征地震数据的整体频谱特征，也就是说，通过第一次反褶积处理能够保留原地震数据的整体频谱特征；第二反褶积处理是对地表一致性预测反褶积处理后的地震数据进行单道小步长预测反褶积或者单道脉冲反褶积，是从单道数据的角度对地表一致性预测反褶积处理后的地震数据进行反褶积处理，能够将单道数据中包含的细小频谱特征凸显出来，从而通过第二次反褶积处理能够保留原地震数据的局部频谱特征；因此，利用本发明的反褶积处理方法，既能保留原地震数据的整体频谱特征，又能保留原地震数据的局部频谱特征，能够做到两者兼顾，反褶积处理效果好。
11.进一步地，在上述方法中，所述步骤(3)包括以下步骤：根据所述地震数据的主频特征确定对所述地震数据进行地表一致性预测反褶积的预测步长，确定依据是：按照确定的预测步长对所述地震数据进行地表一致性反褶积处理，能使所述地震数据处理前后的主频特征之间的差异最小；按照确定的预测步长对所述地震数据进行地表一致性预测反褶积。
12.这样做的有益效果是：根据地震数据的主频特征确定预测步长，由于本发明中地震数据的主频特征能够表征地震数据中大多数地震数据体的主频特征，因此当利用该预测步长对地震数据进行预测反褶积处理时，相当于是以地震数据中大多数地震数据体的频谱特征为依据将其他少数地震数据体的频谱特征向大多数地震数据体的频谱特征靠拢，从而使处理后的数据中能保留原地震数据的整体频谱特征，并且能使处理后地震数据的频谱特征与处理前地震数据的频谱特征相差最小，可以在突出地震数据整体特征的同时，提高地震子波的一致性，有效压制异常值(特别是高频异常值)，有效压制交混回响和短周期多次波，从而获得平稳的地震数据信号。
13.进一步地，在上述方法中，该方法还包括对获取的地震数据进行预处理的步骤，所述预处理包括叠前噪声压制处理和振幅补偿处理。
14.这样做的有益效果是：对获取的地震数据进行预处理，能使预处理后的地震数据的振幅能量获得一个相对平稳的状态，尽量符合反褶积处理的要求。
附图说明
15.图1是本发明方法实施例中的地震数据的反褶积方法流程图；
16.图2是本发明方法实施例中的预处理后的地震数据示意图；
17.图3是本发明方法实施例中的某地震数据体的频谱分析示意图；
18.图4是本发明方法实施例中的各地震数据体的主频分布情况示意图；
19.图5-a是本发明方法实施例中反褶积处理前的地震单炮数据示意图；
20.图5-b是对图5-a利用现有地表一致性脉冲反褶积方法处理后的单炮数据示意图；
21.图5-c是对图5-a利用现有地表一致性预测反褶积方法处理后的单炮数据示意图；
22.图5-d是对图5-a利用本实施例方法处理后的单炮数据示意图；
23.图6-a是图5-a中单炮数据的频谱分析示意图；
24.图6-b是图5-b中单炮数据的频谱分析示意图；
25.图6-c是图5-c中单炮数据的频谱分析示意图；
26.图6-d是图5-d中单炮数据的频谱分析示意图；
27.图7是图5-a、图5-b、图5-c和图5-d中各单炮数据的频谱分析对比示意图；
28.图8-a是现有地表一致性脉冲反褶积方法处理后的单炮数据的自相关示意图；
29.图8-b是现有地表一致性预测反褶积方法处理后的单炮数据的自相关示意图；
30.图8-c是本实施例方法处理后的单炮数据的自相关示意图。
具体实施方式
31.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。
32.本发明提供了一种基于频谱分析、概率统计的求取地震数据优势频带(即主频)、先突出地震数据整体频谱特征再调整局部频谱特征的反褶积方法，以解决现有反褶积方法无法使反褶积处理后的数据同时保留原地震数据的整体频谱特征和局部频谱特征，导致处理后地震数据的频谱特征发生较大变化、地震子波一致性较差、地层特征不突出、高频噪声明显和异常值较多的问题。
33.方法实施例：
34.下面结合图1，以某三维地震资料数据为例对本实施例的地震数据的反褶积方法(以下简称本实施例方法)进行详细介绍。
35.本实施例方法包括以下步骤：
36.(1)获取地震数据；
37.(2)对获取的地震数据进行叠前噪声压制处理和振幅补偿处理，得到预处理后的地震数据，将预处理后的地震数据作为待处理地震数据；
38.本实施例中，预处理后的地震数据如图2所示，进行叠前噪声压制处理和振幅补偿处理的作用是：使预处理后的地震数据的振幅能量获得一个相对平稳的状态，尽量符合反褶积处理的要求。
39.作为其他实施方式，当步骤(1)中获取的地震数据品质较高时，还可以省略对地震数据进行预处理的步骤，此时步骤(1)中获取的地震数据为待处理地震数据。
40.(3)对待处理地震数据中的各地震数据体进行频谱分析，得到待处理地震数据中各地震数据体的主频，并对各地震数据体的主频进行统计分析，选取分布概率最高的主频作为待处理地震数据的主频；
41.本实施例中，某地震数据体的频谱分析结果如图3所示，图3的横坐标为主频值，纵坐标为检波点桩号，图3中的曲线表示随频率增加各频率的累计百分比，例如频率为28hz时对应的曲线值为28hz以下的资料占数据的百分比。各地震数据体的主频分布情况如图4所示，由图4可以看出，各地震数据体的主频分布符合正态分布规律，将分布概率最高的主频(以下称为大多数地震数据体的主频)作为待处理地震数据的主频f，图4中分布概率最高的频率段为24～26hz，将该频率段作为待处理地震数据的主频段，选取24～26hz中的任一个频率值作为主频f。
42.(4)对待处理地震数据进行地表一致性预测反褶积处理，以保留待处理地震数据的主频特征；
43.该步骤的具体实现方式为：利用待处理地震数据的主频f以及地震数据主频与预测步长之间的经验公式确定地表一致性预测反褶积(以下简称预测反褶积)的预测步长α，本实施例中，地震数据主频与预测步长之间的经验公式为：α＝1200/f；将确定的预测步长α应用在现有地表一致性预测反褶积方法中对待处理地震数据进行地表一致性预测反褶积处理，就能保留待处理地震数据的主频特征。
44.其中，经验公式α＝1200/f是通过对不同主频的地震数据进行预测反褶积试验确定的经验公式，确定依据如下：
45.通过地震数据的主频f能够求取地震数据的周期t，周期t＝1000/f；因周期t是一个时间值，预测反褶积的预测步长α也是一个时间值，可以假设α＝nt。
46.通过对不同主频的地震数据进行预测反褶积试验，在试验中发现，当地震数据主频与预测步长之间的经验公式为α＝1.2t左右时，预测反褶积处理后的地震数据的频谱特征与预测反褶积处理前的地震数据的频谱特征基本一致(即差异最小)，同时预测反褶积处理后的地震数据的高、低频成分都得到了有效的拓宽。由此，得到地震数据主频与预测步长之间的经验公式为：α＝1.2t，即α＝1200/f。
47.通过执行步骤(4)对待处理地震数据进行第一次反褶积处理，所能取得的效果是：
48.首先，由于本实施例中待处理地震数据的主频是待处理地震数据中分布概率最高的地震数据体的主频，因此，本实施例中待处理地震数据的主频特征能够表征待处理地震数据中大多数地震数据体的主频特征，由于主频特征是频谱特征中最重要的部分，从而本实施例中待处理地震数据的主频特征能够表征待处理地震数据的整体频谱特征，因此，根据地震数据的主频特征确定预测步长，利用该预测步长对地震数据进行预测反褶积处理时，相当于是以地震数据中大多数地震数据体的频谱特征为依据将其他少数地震数据体的频谱特征向大多数地震数据体的频谱特征靠拢，从而使处理后的数据中能保留原地震数据的整体频谱特征，并且能使处理后地震数据的频谱特征与处理前地震数据的频谱特征相差最小，可以在突出地震数据整体特征的同时，提高地震子波的一致性，有效压制异常值(特别是高频异常值)，有效压制交混回响和短周期多次波，从而获得平稳的地震数据信号。
49.经过步骤(4)处理后的地震数据其高、低频成分都得到了一定程度的拓宽，虽然地震数据的频谱拓宽范围有限，特别是高频成分的频谱拓宽范围有限，但是地震数据的中低频成分得到了有效加强，地震数据的整体特征突出。
50.作为其他实施方式，地震数据主频与预测步长之间的经验公式还可以为：α＝n/f
±
b，其中，α为预测步长，n为拟合系数，n根据地震数据主频与预测步长之间的最佳关系曲线确定(简称最佳关系曲线)，n的取值范围为1000～1200，f为地震数据主频，b为预测步长调整量，b的取值范围为0～b
max
，b
max
为预测步长最大调整量，预测步长最大调整量b
max
根据待处理地震数据的主频以及地震数据主频与预测步长最大调整量之间的关系曲线(简称最大调整量曲线)确定；其中，最佳关系曲线和最大调整量曲线通过对多个主频各不相同的单炮地震数据进行反褶积试验确定，具体如下：分别利用多个不同的预测步长对每个单炮地震数据进行反褶积处理，确定对每个单炮地震数据进行反褶积处理的最佳预测步长和临界预测步长；其中，以单炮地震数据反褶积处理前后的频谱特征差异最小为原则确定最佳预
测步长；临界预测步长的确定依据是：对单炮地震数据进行反褶积处理时，当采用的预测步长小于或等于临界预测步长时，单炮地震数据反褶积处理后的频谱特征与反褶积处理前的频谱特征相比，主频改变且高频成分发生周期性震荡，而且周期性震荡随着预测步长的减小越来越明显；记录每个单炮地震数据的主频以及对每个单炮地震数据进行反褶积处理的最佳预测步长和临界预测步长，得到多组地震数据主频和最佳预测步长、多组地震数据主频和临界预测步长；以地震数据主频和预测步长为坐标轴建立平面坐标系，将得到的多组地震数据主频和最佳预测步长绘制在所述平面坐标系中，得到地震数据主频与预测步长之间的最佳关系曲线；将得到的多组地震数据主频和临界预测步长绘制在平面坐标系中，得到地震数据主频与预测步长之间的临界关系曲线；将地震数据主频与预测步长之间的最佳关系曲线和临界关系曲线做差，得到地震数据主频与预测步长最大调整量之间的关系曲线。
51.作为其他实施方式，还可以根据经验通过试值法确定预测步长α，只要保证按照确定的预测步长α对待处理地震数据进行地表一致性反褶积处理，能使该待处理地震数据处理前后的主频特征之间的差异最小即可。
52.(5)对地表一致性预测反褶积处理后的地震数据进行单道脉冲反褶积处理，以保留待处理地震数据的局部频谱特征，得到最终的反褶积处理后的地震数据。
53.该步骤从单道数据的角度来进行反褶积处理，经过步骤(4)处理后的地震数据信号平稳，整体特征突出，特别是对地震数据的高频噪声进行了很好的压制，能够保证后续进行单道脉冲反褶积时高频信息的平稳，为进一步提高地震数据高频成分打下良好的基础。由于经过步骤(4)处理后的地震数据的一致性较好，通过单道脉冲反褶积可以有效的压缩地震子波，将单道数据中包含的细小频谱特征凸显出来，对地震数据的局部特征进行调整，突出细部构造特征，即突出地震数据的局部特征，有效提高地震数据的高频成分、有效防止高频噪声的加强、获得平稳的高频信息。
54.作为其他实施方式，步骤(5)中还可以将单道脉冲反褶积替换成单道小步长预测反褶积，其中单道小步长预测反褶积的步长可根据个人经验设置，例如设置为2～12ms之间。
55.利用本实施方法对待处理地震数据进行一系列的处理后，既能保留原地震数据的整体频谱特征，又能保留原地震数据的局部频谱特征，能够做到两者兼顾，并且所获得的处理后的地震数据的频带宽、中低频信息特征明显、交混回响和短周期多次波得到压制、地震信号的一致性较好、高频信息平稳，有效提高了地震数据的纵向分辨率。
56.下面结合图5至图8对本实施方法的有效性进行详细说明：
57.图5-a是反褶积处理前的地震单炮数据，图6-a是图5-a中单炮数据的频谱分析结果，从图5-a可以看出：反褶积处理前的地震单炮数据交混回响比较严重，很难分辨出有效的地震信息，这是地质人员不愿意看到的。
58.图5-b是利用现有地表一致性脉冲反褶积方法处理后的单炮数据，可以看出：通过压缩子波，有效的压制了交混回响，但是在压制交混回响的同时，将有效信息也压制了，同时加强了高频噪声，使得地震数据信噪比下降，结合图5-b中单炮数据的频谱分析结果(即图6-b)可以看出：数据的高频成分(大于30hz部分)被加强，低频信息(小于30hz部分)被相对减弱，而20～30hz部分数据是地震数据成像的主体骨架。
59.图5-c是利用现有地表一致性预测反褶积方法处理后的单炮数据，可以看出：交混回响得到了一定的压制，但是压制效果不理想，同时缺少高频信息，结合图5-c中单炮数据的频谱分析结果(即图6-c)可以看出：高频信息和低频信息都被压制了，只有中间20～40hz部分数据得到突出，这样的资料频带窄，信息单一，很难以满足处理要求。
60.图5-d是利用本实施例方法处理后的单炮数据，可以看出：交混回响得到了很好的压制，同时有效信息得到了很好的保持，结合图5-d中单炮数据的频谱分析结果(即图6-d)可以看出：地震数据的频谱特征得到了很好的保持，高低频有效信息都得到了有效拓宽，处理有效频带宽度在64hz以上，在5个倍频宽度以上。
61.图7为反褶积处理前的单炮数据(即原始数据)、现有地表一致性脉冲反褶积处理后的单炮数据(即现有脉冲反褶积数据)、现有地表一致性预测反褶积处理后的单炮数据(即现有预测反褶积数据)和本实施例方法处理后的单炮数据(即本发明反褶积数据)的频谱分析对比图，可以看出：现有地表一致性脉冲反褶积处理后的数据损失低频信息；现有地表一致性预测反褶积处理后的数据频带窄，高低频信息缺失；本实施例方法处理后的数据基本保持原资料频谱特征，同时高低频信息都得到了有效拓宽。
62.图8-a、图8-b、图8-c分别是现有地表一致性脉冲反褶积方法、现有地表一致性预测反褶积方法、本实施例方法处理后的单炮数据的自相关示意图，通过这三种反褶积方法处理后的单炮数据的自相关示意图可以看出：现有地表一致性反褶积和现有地表一致性预测反褶积对旁瓣压制效果不理想；本实施例方法对旁瓣进行有效的压制，进而反应了对层间多次波的有效压制比较理想。
63.综上所述，本实施例方法采用概率统计学概念以充分发挥地震数据量大的优势，首先，通过对待处理地震数据中的各地震数据体进行频谱分析和对各地震数据体的主频进行统计分析，确定待处理地震数据的主频，即以大多数地震数据体的主频作为待处理地震数据的主频；其次，结合待处理地震数据的主频特征确定预测步长；接着，按照确定的预测步长对地震数据进行地表一致性预测反褶积，实现待处理地震数据中少数地震数据体的频谱特征向大多数地震数据体的频谱特征靠拢，从而突出地震数据的整体频谱特征，提高地震子波的一致性，使处理后的地震数据信号平稳；最后，通过单道脉冲反褶积或单道小步长预测反褶积进一步对地震数据的局部特征进行调整，突出地震数据的局部特征，有效提高地震数据的高频成分；从而使最终获得的反褶积处理后的地震数据的整体特征突出、局部特征明显，频带宽，保幅性好，保真性高。
64.本实施方法的有益效果是：(1)在对待处理地震数据进行反褶积处理前对待处理地震数据的频谱特征进行研究，将待处理地震数据中大多数地震数据体的主频特征作为地震数据的主频特征，使地震数据的主频特征能够表征地震数据的整体频谱特征，并根据地震数据的主频特征确定对地震数据进行预测反褶积的预测步长，利用该预测步长对地震数据进行预测反褶积处理，能够在拓宽地震数据频带宽度的同时，有效加强地震数据的中低频成分，突出地震数据的整体频谱特征，有效压制异常值(特别是高频异常值)，有效压制交混回响和短周期多次波，提高地震数据的一致性和稳定性，为后续单道脉冲反褶积或者单道小步长预测反褶积做好数据准备；(2)在预测反褶积处理后的地震数据的基础上，通过单道脉冲反褶积进一步对地震数据的局部特征进行调整，突出地震数据的局部特征，有效拓宽高频信息，并在提高高频成分的同时有效防止了高频噪声的产生，提高了地震资料分辨率。