一种基于保幅处理的反褶积方法与流程

1.本发明涉及一种基于保幅处理的反褶积方法，属于地震勘探技术领域。


背景技术：

2.随着保幅保真处理概念在地震资料处理中的推广，地震资料处理的保幅保真性被作为新的处理评价指标。从目前地震资料的整体处理流程来看，地震资料处理过程中对地震数据的振幅、频率、信噪比等属性产生影响的处理过程有叠前数据噪声压制、振幅补偿和反褶积处理这三个处理过程，其中反褶积处理主要是通过压缩地震记录中的基本地震子波、压制交混响应和短周期多次波，从而提高地震数据的纵向分辨率，在上述三个处理过程中对地震资料频谱特征影响最大的就是反褶积处理过程，因此地震数据反褶积处理的保幅保真性会直接影响地震资料处理的保幅保真性。
3.目前针对上述三个处理过程，叠前数据噪声压制和振幅补偿处理的保幅保真性都有比较明确的评价标准。其中，叠前数据噪声压制的评价标准是：处理过程中是否对地震数据的有效信息造成损失；振幅补偿的评价标准是：处理后地震数据振幅的相对特征是否发生改变。但是反褶积处理的保幅保真性目前还没有明确的评价标准。
4.随着地震数据对宽频处理的要求，现阶段进行反褶积处理的主要目的是拓宽数据的频带，丰富数据信息，在对地震数据进行拓宽频带处理的时候，地震数据的频谱会发生改变，而频谱发生改变的同时频谱特征也容易发生改变，如果地震数据的频谱特征发生改变，地震数据的处理过程也就失去了保幅保真性。通过对影响反褶积处理效果的预测步长、算子长度和白噪系数三个主要参数进行分析发现：算子长度越长反褶积处理效果越稳定，当算子长度达到一定长度，反褶积处理效果达到一个稳定值；白噪系数主要对脉冲反褶积起一定的作用，对预测反褶积效果作用不大，可以忽略；因此，在反褶积处理过程中对反褶积处理效果起主导影响力的参数是预测步长，但是目前只是通过对有限的几个数值进行试验来确定预测步长，对于预测步长如何取值缺少可靠的理论依据。若确定的预测步长不合适，会导致反褶积处理后地震数据的频谱特征发生较大改变、进而导致地震数据处理结果的保幅保真性不好。
5.综上所述，目前如何合理地确定反褶积预测步长，从而使反褶积处理后地震数据的频谱特征基本保持不变，进而使反褶积处理具有较好的保幅保真性、地震资料处理具有较好的保幅保真性是需要解决的问题。


技术实现要素：

6.本发明的目的在于提供一种基于保幅处理的反褶积方法，用以合理地确定反褶积预测步长，使反褶积处理后地震数据的频谱特征基本保持不变，进而使反褶积处理具有较好的保幅保真性。
7.为实现上述目的，本发明提供了一种基于保幅处理的反褶积方法，该方法包括以下步骤：
8.(1)获取待处理地震数据，并计算待处理地震数据的主频；
9.(2)结合所述待处理地震数据的主频、以及地震数据主频与预测步长之间的经验公式确定对所述待处理地震数据进行反褶积处理的预测步长；
10.(3)按照确定的预测步长对所述待处理地震数据进行反褶积处理；
11.其中，所述地震数据主频与预测步长之间的经验公式通过反褶积试验确定，反褶积试验的试验过程如下：
12.获取多个单炮地震数据，各单炮地震数据的主频各不相同；
13.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所述最佳预测步长；所述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所述临界预测步长时，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；
14.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；
15.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所述平面坐标系中，得到地震数据主频与预测步长之间的临界关系曲线；
16.将所述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；
17.结合所述地震数据主频与预测步长之间的最佳关系曲线和所述地震数据主频与预测步长最大调整量之间的关系曲线得到地震数据主频与预测步长之间的经验公式。
18.本发明的有益效果是：本发明通过确定对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，确定了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，进而将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，结合地震数据主频与预测步长之间的最佳关系曲线和地震数据主频与预测步长最大调整量之间的关系曲线得到地震数据主频与预测步长之间的经验公式，最终利用该经验公式确定对待处理地震数据进行反褶积处理的预测步长，按照确定的预测步长对待处理地震数据进行反褶积处理。由于利用经验公式确定对待处理地震数据进行反褶积处理的预测步长时，综合考虑了待处理地震数据主频对应的最佳预测步长和预测步长最大调整量，而最佳预测步长是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的，预测步长最大调整量是由最佳预测步长和临界预测步长的差确定的，因此，利用经验公式确定的预测步长对待处理地震数据进行反褶积处理，能使反褶积处理后地震数据的频谱特征基本保持不变，使反褶积处理具有较好的保幅保真性。
19.进一步地，在上述基于保幅处理的反褶积方法中，所述地震数据主频与预测步长之间的经验公式为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，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确定。
20.这样做的有益效果是：地震数据主频与预测步长之间的经验公式由两部分组成，经验公式的前半部分α＝n/f能体现出地震数据主频与预测步长之间的反比关系，并且拟合系数n利用地震数据主频与预测步长之间的最佳关系曲线确定，能够保证利用α＝n/f求取的预测步长对地震数据进行反褶积处理时能最大程度地使地震数据的频谱特征保持不变，经验公式的后半部分
±
b体现了除预测步长之外的其他因素对反褶积处理效果的影响和将地震数据的频谱特征简化为地震数据的主频特征的影响，使反褶积预测步长的确定更加合理，并且给出了调整量b的调整范围，能够避免盲目实验时调整范围缺少理论依据带来的大量无效工作。从而利用该经验公式确定对待处理地震数据进行反褶积处理的预测步长时，先利用该经验公式的前半部分α＝n/f求取预测步长的基准值，再利用该经验公式的后半部分对基准值进行修正，直至得到最理想的预测步长值，将其作为对待处理地震数据进行反褶积处理的预测步长，使得利用该预测步长对待处理地震数据进行处理时，反褶积处理前后的地震数据频谱特征差异最小，使反褶积处理具有较好的保幅保真性。
21.进一步地，在上述基于保幅处理的反褶积方法中，所述反褶积试验中，获取的多个单炮地震数据的主频在15hz～40hz之间。
22.进一步地，在上述基于保幅处理的反褶积方法中，所述反褶积试验中，对单炮地震数据进行反褶积处理时，预测步长的选取范围为20ms～100ms，预测步长的选取间隔为5ms或10ms。
附图说明
23.图1是本发明方法实施例中地震数据主频与预测步长之间的经验公式确定的流程图；
24.图2-a是本发明方法实施例中主频为15hz的单炮地震数据示意图；
25.图2-b是本发明方法实施例中主频为20hz的单炮地震数据示意图；
26.图2-c是本发明方法实施例中主频为25hz的单炮地震数据示意图；
27.图2-d是本发明方法实施例中主频为30hz的单炮地震数据示意图；
28.图2-e是本发明方法实施例中主频为35hz的单炮地震数据示意图；
29.图2-f是本发明方法实施例中主频为40hz的单炮地震数据示意图；
30.图3-a是本发明方法实施例中主频为15hz的单炮地震数据的频谱分析示意图；
31.图3-b是本发明方法实施例中主频为20hz的单炮地震数据的频谱分析示意图；
32.图3-c是本发明方法实施例中主频为25hz的单炮地震数据的频谱分析示意图；
33.图3-d是本发明方法实施例中主频为30hz的单炮地震数据的频谱分析示意图；
34.图3-e是本发明方法实施例中主频为35hz的单炮地震数据的频谱分析示意图；
35.图3-f是本发明方法实施例中主频为40hz的单炮地震数据的频谱分析示意图；
36.图4-a是本发明方法实施例中预测步长为20ms时，主频为15hz的单炮地震数据反褶积处理后的频谱分析示意图；
37.图4-b是本发明方法实施例中预测步长为30ms时，主频为15hz的单炮地震数据反
褶积处理后的频谱分析示意图；
38.图4-c是本发明方法实施例中预测步长为40ms时，主频为15hz的单炮地震数据反褶积处理后的频谱分析示意图；
39.图4-d是本发明方法实施例中预测步长为50ms时，主频为15hz的单炮地震数据反褶积处理后的频谱分析示意图；
40.图4-e是本发明方法实施例中预测步长为60ms时，主频为15hz的单炮地震数据反褶积处理后的频谱分析示意图；
41.图4-f是本发明方法实施例中预测步长为70ms时，主频为15hz的单炮地震数据反褶积处理后的频谱分析示意图；
42.图4-g是本发明方法实施例中预测步长为80ms时，主频为15hz的单炮地震数据反褶积处理后的频谱分析示意图；
43.图4-h是本发明方法实施例中预测步长为90ms时，主频为15hz的单炮地震数据反褶积处理后的频谱分析示意图；
44.图4-i是本发明方法实施例中预测步长为100ms时，主频为15hz的单炮地震数据反褶积处理后的频谱分析示意图；
45.图5-a是本发明方法实施例中预测步长为20ms时，主频为20hz的单炮地震数据反褶积处理后的频谱分析示意图；
46.图5-b是本发明方法实施例中预测步长为30ms时，主频为20hz的单炮地震数据反褶积处理后的频谱分析示意图；
47.图5-c是本发明方法实施例中预测步长为40ms时，主频为20hz的单炮地震数据反褶积处理后的频谱分析示意图；
48.图5-d是本发明方法实施例中预测步长为50ms时，主频为20hz的单炮地震数据反褶积处理后的频谱分析示意图；
49.图5-e是本发明方法实施例中预测步长为60ms时，主频为20hz的单炮地震数据反褶积处理后的频谱分析示意图；
50.图5-f是本发明方法实施例中预测步长为70ms时，主频为20hz的单炮地震数据反褶积处理后的频谱分析示意图；
51.图5-g是本发明方法实施例中预测步长为80ms时，主频为20hz的单炮地震数据反褶积处理后的频谱分析示意图；
52.图5-h是本发明方法实施例中预测步长为90ms时，主频为20hz的单炮地震数据反褶积处理后的频谱分析示意图；
53.图5-i是本发明方法实施例中预测步长为100ms时，主频为20hz的单炮地震数据反褶积处理后的频谱分析示意图；
54.图6-a是本发明方法实施例中预测步长为40ms时，主频为25hz的单炮地震数据反褶积处理后的频谱分析示意图；
55.图6-b是本发明方法实施例中预测步长为50ms时，主频为25hz的单炮地震数据反褶积处理后的频谱分析示意图；
56.图7-a是本发明方法实施例中预测步长为35ms时，主频为30hz的单炮地震数据反褶积处理后的频谱分析示意图；
57.图7-b是本发明方法实施例中预测步长为40ms时，主频为30hz的单炮地震数据反褶积处理后的频谱分析示意图；
58.图7-c是本发明方法实施例中预测步长为45ms时，主频为30hz的单炮地震数据反褶积处理后的频谱分析示意图；
59.图8-a是本发明方法实施例中预测步长为25ms时，主频为35hz的单炮地震数据反褶积处理后的频谱分析示意图；
60.图8-b是本发明方法实施例中预测步长为30ms时，主频为35hz的单炮地震数据反褶积处理后的频谱分析示意图；
61.图8-c是本发明方法实施例中预测步长为35ms时，主频为35hz的单炮地震数据反褶积处理后的频谱分析示意图；
62.图9-a是本发明方法实施例中预测步长为25ms时，主频为40hz的单炮地震数据反褶积处理后的频谱分析示意图；
63.图9-b是本发明方法实施例中预测步长为30ms时，主频为40hz的单炮地震数据反褶积处理后的频谱分析示意图；
64.图9-c是本发明方法实施例中预测步长为35ms时，主频为40hz的单炮地震数据反褶积处理后的频谱分析示意图；
65.图10是本发明方法实施例中最佳关系曲线和临界关系曲线的示意图；
66.图11-a是本发明方法实施例中反褶积处理前的地震数据示意图；
67.图11-b是本发明方法实施例中反褶积处理后的地震数据示意图；
68.图12-a是本发明方法实施例中反褶积处理前的地震数据自相关示意图；
69.图12-b是本发明方法实施例中反褶积处理后的地震数据自相关示意图；
70.图13是本发明方法实施例中反褶积处理前后地震数据的频谱分析对比示意图。
具体实施方式
71.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。
72.方法实施例：
73.本实施例将反褶积处理前后地震数据的频谱特征差异最小作为反褶积处理的标准，并依据地震数据的频谱特征主要体现在地震数据的主频上，利用地震数据的主频表征地震数据的频谱特征，据此提出了一种基于保幅处理的反褶积方法，利用该方法确定的预测步长对地震数据进行反褶积处理能够保证反褶积处理前后地震数据的频谱特征基本不变，使反褶积处理具有较好的保幅保真性，能够有效克服现有技术中进行反褶积处理时因盲目选取预测步长导致反褶积处理过程失真的问题。
74.下面以某三维地震资料数据为例对本实施例的基于保幅处理的反褶积方法(以下简称本实施例方法)进行详细介绍。
75.本实施例方法包括以下步骤：
76.步骤1、获取待处理地震数据；
77.步骤2、对待处理地震数据进行预处理，即对待处理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；
78.本实施例中，进行叠前噪声压制处理和振幅补偿处理的作用是：在后续的频谱分析时，压制外界因素对数据的影响，突出地震数据本身的特征。
79.步骤3、计算预处理后的地震数据的主频；
80.其中，计算预处理后的地震数据的主频时，若预处理后的地震数据是单炮地震数据，则预处理后的地震数据的主频为单炮地震数据的主频；若预处理后的地震数据中包含多个地震数据体，则分别计算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预处理后的地震数据的主频。
81.步骤4、结合预处理后的地震数据的主频、以及地震数据主频与预测步长之间的经验公式确定对预处理后的地震数据进行反褶积处理的预测步长；
82.步骤5、按照确定的预测步长对预处理后的地震数据进行反褶积处理。
83.作为其他实施方式，当步骤1中获取的待处理地震数据品质较高时，还可以省略对待处理地震数据进行预处理的步骤，直接计算步骤1中获取的待处理地震数据的主频并利用该主频以及地震数据主频与预测步长之间的经验公式确定对待处理地震数据进行反褶积处理的预测步长。
84.如图1所示，地震数据主频与预测步长之间的经验公式通过反褶积试验确定，反褶积试验的试验过程如下：
85.(1)获取多个单炮地震数据，各单炮地震数据的主频各不相同；
86.本实施例中，获取的多个单炮地震数据是指从获取的多震源地震数据中分离出的主频不同的多个地震数据体(作为其他实施方式，获取的多个单炮地震数据也可以是指直接获取的多个单震源地震数据)，由于地震数据受采集因素的影响其主频分布范围主要为15hz～40hz，因此本实施例中分别选取主频为15hz、20hz、25hz、30hz、35hz、40hz的六个单炮地震数据进行反褶积试验，各单炮地震数据的示意图分别如图2-a至图2-f所示，各单炮地震数据的频谱分析示意图分别如图3-a至图3-f所示。
87.(2)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。
88.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对单炮地震数据进行反褶积处理的最佳预测步长。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。
89.本实施例中，对每个单炮地震数据进行反褶积处理时，预测步长的选取范围为20ms～100ms，预测步长的选取间隔为5ms，即对每个单炮地震数据分别进行预测步长为20ms，25ms，30ms，35ms，40ms，45ms，50ms，55ms，60ms，65ms，70ms，75ms，80ms，85ms，90ms，95ms，100ms的反褶积处理。作为其他实施方式，预测步长的选取范围和选取间隔均可以根据实际需要设置。
90.每个单炮地震数据的反褶积试验结果具体如下：
91.预测步长分别为20ms，30ms，40ms，50ms，60ms，70ms，80ms，90ms，100ms时，主频为15hz的单炮地震数据反褶积处理后的频谱分析示意图分别如图4-a至图4-i所示，从图中可以看出：当预测步长小于等于60ms时，该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发生了明显的改变，首先主频发生明显变换，其次地震数据的高频成分发生了周期性震荡，而且周期性震荡随着预测步长的减小越来越明显；当预测步长等于80ms时该单炮地震数据反褶积处理后的主频特征保持最好，即预测步长等于80ms时该单炮地震数据反褶积处理前后的频谱特征差异最小。因此，对主频为15hz的单炮地震数据进行反褶积处理的临界预测步长为60ms，最佳预测步长为80ms。
92.预测步长分别为20ms，30ms，40ms，50ms，60ms，70ms，80ms，90ms，100ms时，主频为20hz的单炮地震数据反褶积处理后的频谱分析示意图分别如图5-a至图5-i所示，从图中可以看出：当预测步长小于等于50ms时，该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发生了明显的改变，首先主频发生明显变换，其次地震数据的高频成分发生了周期性震荡，而且周期性震荡随着预测步长的减小越来越明显；当预测步长等于80ms时该单炮地震数据反褶积处理后的主频特征保持最好，即预测步长等于80ms时该单炮地震数据反褶积处理前后的频谱特征差异最小。因此，对主频为20hz的单炮地震数据进行反褶积处理的临界预测步长为50ms，最佳预测步长为80ms。
93.由于篇幅有限，下面仅给出主频为25hz、30hz、35hz、40hz的单炮地震数据反褶积处理后的部分频谱分析图：
94.预测步长分别为40ms，50ms时，主频为25hz的单炮地震数据反褶积处理后的频谱分析示意图分别如图6-a至图6-b所示，同理可分析得出：当预测步长小于等于40ms，该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发生了明显的改变；当预测步长等于50ms时该单炮地震数据反褶积处理前后的频谱特征差异最小。因此，对主频为25hz的单炮地震数据进行反褶积处理的临界预测步长为40ms，最佳预测步长为50ms。
95.预测步长分别为35ms，40ms，45ms时，主频为30hz的单炮地震数据反褶积处理后的频谱分析示意图分别如图7-a至图7-c所示，同理可分析得出：当预测步长小于等于35ms，该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发生了明显的改变；当预测步长等于40ms和45ms时该单炮地震数据反褶积处理前后的频谱特征差异最小。因此，对主频为30hz的单炮地震数据进行反褶积处理的临界预测步长为35ms，最佳预测步长为40ms和45ms。
96.预测步长分别为25ms，30ms，35ms时，主频为35hz的单炮地震数据反褶积处理后的频谱分析示意图分别如图8-a至图8-c所示，同理可分析得出：当预测步长小于等于25ms时，该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发生了明显的改变；当预测步长等于30ms和35ms时该单炮地震数据反褶积处理前后的频谱特征差异最小。因此，对主频为35hz的单炮地震数据进行反褶积处理的临界预测步长为25ms，最佳预测步长为30ms和35ms。
97.预测步长分别为25ms，30ms，35ms时，主频为40hz的单炮地震数据反褶积处理后的频谱分析示意图分别如图9-a至图9-c所示，同理可分析得出：当预测步长小于等于20ms时，该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发生了明显的改变；当预测步长等于25ms和30ms时该单炮地震数据反褶积处理前后的频谱特征差异最小。因此，对主频为40hz的单炮地震数据进行反褶积处理的临界预测步长为20ms，最佳预测步长为25ms和30ms。
98.(3)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；
99.(4)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，同时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；
100.如图10所示，纵坐标为预测步长，横坐标为地震数据主频，图中o点为地震数据主频和最佳预测步长构成的坐标点，所有的o点连接起来形成地震数据主频与预测步长之间的最佳关系曲线(图10中实线)；图中a点为地震数据主频和临界预测步长构成的坐标点，所有的a点连接起来形成地震数据主频与预测步长之间的临界关系曲线(图10中虚线)。
101.(5)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；
102.(6)结合地震数据主频与预测步长之间的最佳关系曲线和地震数据主频与预测步长最大调整量之间的关系曲线得到地震数据主频与预测步长之间的经验公式；
103.其中，地震数据主频与预测步长之间的经验公式为：α＝n/f
±
b，式中，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，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确定。
104.其中，地震数据主频与预测步长之间的经验公式(以下简称经验公式)的确定依据是：
105.首先，经验公式的前半部分α＝n/f是考虑到：通过地震数据的主频f能够求取地震数据的周期t，且周期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，则α＝1000n/f。设n＝1000n，则α＝n/f，因此主频f和预测步长α在一定范围内成系数为n的反比关系；图10中的实线，即地震数据主频与预测步长之间的最佳关系曲线验证了主频f和预测步长α存在反比关系；
106.其次，经验公式的前半部分α＝n/f仅能体现地震数据主频和预测步长(即反褶积预测步长)之间的关系，实际上，地震数据主频和预测步长之间的关系仅是地震数据频谱特征与反褶积预测步长之间的关系的一种简化(即利用地震数据的主频特征来表征地震数据的频谱特征)，而且，预测步长只是影响反褶积处理效果的主要因素，还有其他因素会对反褶积处理效果产生影响，因此本实施例中为了获得更加合理的反褶积预测步长，在经验公式的后半部分增加了调整量b，利用调整量b来体现简化过程的影响和除预测步长之外的其他因素对反褶积处理效果的影响。
107.最终得到经验公式α＝n/f
±
b，其中，n的值通过对地震数据主频与预测步长之间的最佳关系曲线进行拟合得到，本实施例中，通过对图10中实线进行拟合得到n为1200。因此，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
±
b。
108.这样，利用本实施例的地震数据主频与预测步长之间的经验公式α＝1200/f
±
b确定对待处理地震数据进行反褶积处理的预测步长时，首先计算待处理地震数据的主频，然后，利用经验公式的前半部分即α＝1200/f求取预测步长的基准值，接着，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确定预测步长最大调整量b
max
，然后，在0～b
max
之间选取调整量b对基准值进行调整，直至得到最理想的预测步长值，将其作为对待处理地震数据进行反褶积处理的预测步长，使得利用该预测步长对待处理地震数据进行处理时，反褶积处理前后的地震数据频谱特征差异最小，使反褶积处理具有较好的保幅保真性。
109.本实施例方法的有益效果是：(1)确定了将反褶积处理前后地震数据的频谱特征差异最小作为反褶积处理的标准；(2)确定了地震数据主频与预测步长之间的经验公式，使得反褶积预测步长的确定有了可靠的理论依据；(3)利用待处理地震数据的主频以及地震数据主频与预测步长之间的经验公式的前半部分确定预测步长的基准值，再根据待处理地震数据的主频以及主频与预测步长最大调整量之间的关系曲线确定预测步长最大调整量b
max
，然后，在0～b
max
之间进行试验调整确定调整量，利用调整量对基准值进行调整，确定最终对待处理地震数据进行反褶积处理的预测步长，使预测步长的确定更加合理，同时给出了调整量的调整范围，能够避免盲目实验时调整范围缺少理论依据带来的大量无效工作；(4)利用本实施例方法确定的预测步长对待处理地震数据进行反褶积处理，能使反褶积处理后的地震数据保持和突出原地震数据的频谱特征，反褶积处理前后的地震数据分别如图11-a和图11-b所示，反褶积处理前后地震数据的自相关示意图分别如图12-a和图12-b所示，反褶积处理前后地震数据的频谱分析对比示意图如图13所示，结合图11-a、图11-b和图13所示，反褶积处理后有效压制了交混响应和短周期多次波，如图12-a和图12-b所示，反褶积处理后频带拓宽，如图13所示，反褶积处理后防止了高频噪声的产生，做到保幅保真处理。