基于在线字典学习的匹配追踪强煤层反射消除方法与流程

本发明涉及油田开发，特别是涉及到一种基于在线字典学习的匹配追踪强煤层反射消除方法。

背景技术：

1、在地震资料处理领域，地震记录的稀疏表示近年来成为众多学者关注的热点，通过构建过完备原子库，将地震记录分解为原子库中最佳匹配原子的线性叠加，实现地震记录的自适应稀疏表示。匹配追踪算法以其简洁灵活的特性获得广泛应用，通过对过完备原子库的贪婪搜索，实现信号在最优原子上投影。为了保证分解的稀疏度，原子库的规模一般比较庞大，每次迭代所有原子均参与内积运算，使得计算效率低下。另外，由于原子库的超完备特性，每次迭代搜索所得的原子不能保证与此前搜得的原子正交，导致引入新的残差分量，降低收敛速度，容易引发过匹配现象，破坏了分解结果的稀疏性。因此，如何选取合适的分解方法以提高分解精度和分解速度是该领域亟需解决的问题。在提高分解精度方面，传统的做法是尽可能地扩大原子库的规模，这种方法虽有益于分解结果的精确性，但是原子库规模的扩大无疑增加了分解过程的负担，增大了原子搜索范围，降低了工作效率。在提高计算效率方面，近年来，越来越多研究人员开始关注字典学习。字典学习的目标是通过预先给定的一组信号来训练字典，再使用这个字典来实现对任意一个信号的稀疏表示。研究结果表明，与传统的固定字典相比，基于过完备冗余字典的学习方法具有明显的优势，并在图像处理领域得到了很多理想的应用成果。但是，传统的过完备冗余字典都是基于解析表达式的数学公式表达，并不能最佳的表达信号的局部特征，因此，如何获得能过表达信号局部特征的字典成文研究的热点。在此背景之下，字典学习算法应运而生，但传统的字典学习方法都有一个共同的缺陷---运算量极大，不适合进行大规模样本训练学习。在字典学习问题中，如果训练样本越大，学习到的特征会更加丰富，字典稀疏表示能力更好，因此针对训练样本大小的限制，在线字典学习(odl)算法被提出(mairal et al，2010)，该算法将待处理数据预处理，切成一系列的小样本，每次对一个小样本进行字典训练，同时根据上一次迭代产生的字典进行稀疏编码，该算法可以大幅提高收敛速度，能够轻松实现百万级别规模样本的字典学习。

2、常规的匹配追踪算法要求在每次匹配中扫描全部的原子库，但原子库是过完备的，扫描过程计算量较大，计算速度较慢。为了减少匹配中的扫描工作量，本发明中先用在线字典学习构建子波库，再使用快速复数域匹配追踪(complex domain fast matchingpursuit decomposition，cfmp)方法来提高计算效率。cfmp方法需要根据实地震记录获取复地震记录，从复信号中获取先验信息(如振幅包络最大值处的时间、瞬时频率以及瞬时相位)，然后在先验信息的约束下扫描一小部分的子波库得到最佳匹配，完成复信号的重构后再将结果返回实数域，从而在一定程度减小匹配中的计算量，提高算法效率。

3、在地震记录中，煤层、不整合面、碳酸盐岩发育的位置通常表现为强反射特征，这种强反射极易屏蔽其相邻砂体的反射信息，从而导致此类储层无法被有效识别。因此强反射背景下有效信号的恢复以及优质储层评价和含流体性质检测，已成为国内外不少学者研究的热点和难点，如：煤系地层沉积时，往往会造成煤层和目标储层存在上下叠置关系，从而导致有效砂体反射信息淹没于煤层反射；地质沉积间断面会引起不整合破碎带强反射，从而屏蔽不整合面附近的有效砂体反射。

4、在申请号：cn201410171953.4的中国专利申请中，涉及到一种去除煤层强反射信号的方法，其包括以下步骤：优选原子库；利用匹配追踪算法对原始地震信号进行重构；利用匹配追踪算法匹配得到煤层强反射信号；从原始地震信号中将得到的煤层强反射信号减去，剩余信号即为期望的去煤层反射信号。该发明通过匹配追踪算法重构原始地震信号，重构过程简单，重构结果更理想；同时煤层强反射信号通过匹配追踪算法匹配计算得到，过程十分简单；根据本发明所述方法得到的去煤层反射结果信号有效的突出了砂泥岩的弱反射信息，易于储层预测研究，结果更加可靠有效，为储层预测和油气检测提供了依据。

5、在申请号：cn201510379767.4的中国专利申请中，涉及到一种基于经验模态分解检测地震标志层强反射振幅消除的方法，利用经验模态分解方法，结合相关函数分析法以及测井资料选取原始地震数据中最能体现煤层及烃源岩强振幅薄层特征的imf分量，对优选出的主要imf分量，查找其最大能量点，估算该imf分量信号的主频，并在此基础上确定煤层及烃源岩强振幅薄层在该imf分量中体现的顶和底的薄层的时间厚度，对该时间厚度范围内的imf信号分量进行强振幅抑制，同时保留其余imf分量不变，最后对所有处理过的imf分量信号进行重构以实现对地震道信号中的地震标志层强反射振幅消除，增强煤系地层共存情况下地层信号的微弱变化，加强邻近区域弱油气响应。

6、在申请号：cn201910675744.6的中国专利申请中，涉及到一种基于相移子波的薄煤层强反射分离方法、计算机存储介质和计算机设备。该方法首先针对薄煤层反射模式开展研究，确定了薄煤层地震反射模式，然后选用90°相移子波作为匹配子波进行强反射分离，并通过分析强反射能量与总能量的关系，确定强反射分离系数，从而能够更合理、有效地对薄煤层强反射进行分离。在实际资料应用中，该改进算法取得了较好的应用效果。

7、以上现有技术均与本发明有较大区别，未能解决想要解决的技术问题，为此发明了一种新的基于在线字典学习的匹配追踪强煤层反射消除方法。

技术实现思路

1、本发明的目的是提供一种根据实际应用需求的发展，针对非平稳信号的特点，形成一种高效稳定的层控单相位强反射特征提取和消除技术的基于在线字典学习的匹配追踪强煤层反射消除方法。

2、本发明的目的可通过如下技术措施来实现：基于在线字典学习的匹配追踪强煤层反射消除方法，该基于在线字典学习的匹配追踪强煤层反射消除方法包括：

3、步骤1，针对目标层的地震波形特征，基于在线字典学习进行单相位子波库构建；

4、步骤2，基于在线字典学习单相位子波库，对目标层反射信号进行匹配追踪信号分解；

5、步骤3，用原始数据减去提取的煤层反射，获得去煤后的反射剖面；

6、步骤4，根据煤层反射旅行时提取叠前道集煤层反射特征子波，然后消除或削弱煤层反射，反动校后进行去煤叠前数据的叠前时间偏移。

7、本发明的目的可通过如下技术措施来实现：

8、在步骤1，针对目标层的地震波形特征，利用在线字典学习技术，提取能够反映目标层局部波形特征的子波，构成单相位子波库。

9、在步骤1，假定信号的有限训练集x＝[x1,l,xn]在中，字典学习算法通过优化经验成本函数实现：

10、

11、式中d是字典，它的每一列是由基向量组成，l(xi,d)是损失函数；若字典d可以很好的表征信号x，则损失函数l(xi,d)应该很小；将l(xi,d)看作是l1稀疏编码问题的最佳的解：

12、

13、在这里λ是正则化参数，那么上述的问题也是基追踪的求解，α的稀疏解是通过l1惩罚得到的，但是λ的值和相应的有效稀疏度||α||0之间没有解析联系。

14、在步骤2，基于在线字典学习单相位子波库，利用复数域快速匹配追踪分解算法对目标层反射信号进行匹配追踪信号分解。

15、在步骤2，快速复数域匹配追踪cfmp方法根据实地震记录获取复地震记录，从复信号中获取先验信息包括振幅包络最大值处的时间、瞬时频率以及瞬时相位，然后在先验信息的约束下扫描一小部分的原子库得到最佳匹配，完成复信号的重构后再将结果返回实数域，从而在一定程度减小匹配中的计算量，提高算法效率。

16、在步骤2，复信号的振幅包络、瞬时频率和瞬时相位的计算公式分别为：

17、

18、

19、

20、其中f(t)为信号的实部，f*(t)为信号的虚部；基于这些先验信息，可以快速在字典库中寻找到响应的匹配原子。

21、在步骤2，设h是hilbert空间，g＝{gr|||gr||＝1,r∈m}是h中的基元函数，每一个gr都经过标准化,m是时频原子库中时频原子总数；假设一个复信号f∈h,cfmp算法的目的是将f表示成从g选择的复时频原子的线性组合；信号的复信号通过希尔伯特变换获得：

22、f(t)＝f(t)+i·h(f(t))               (6)

23、式中:f(t)为实信号；虚部h(f(t))为实信号的hilbert变换，其实质是实部的90°相移。

24、在步骤2，假设g(t)为时频原子，h(g(t))表示时频原子的hilbert变换，则复时频原子的表达式为：

25、g(t)＝g(t)+i·h(g(t))                  (7)

26、匹配追踪从初始残量r0f＝f开始，首先求取残量的瞬时振幅包络、瞬时频率和瞬时相位，将振幅包络最大值处的时间、瞬时频率以及瞬时相位分别为tj，fj和通过n次匹配计算，得到：

27、

28、rnf为复信号；其中，为复时频原子，且rnf为复残量，表示信号与残差的内积；因此有：

29、

30、为了使||rn+1f||最小，则需要所选择的复子波满足使得最大，即最佳原子的选择条件为：

31、

32、通过式(10)选择的时频原子能使得每次迭代计算所得的残量最小；通过式(10)可计算出最佳匹配子波原子，即计算出最佳的振幅、时移、主频、相位这些参数。

33、在步骤3，对于叠后资料针对煤层反射特征沿层提取表征煤层反射的单相位子波，将煤层的多个单相位子波叠加，形成完整的煤层反射特征，用原始数据减去提取的煤层反射，就获得去煤后的反射剖面。

34、在步骤4，对于动校后叠前道集数据，可根据煤层反射旅行时提取叠前道集煤层反射特征子波，然后消除或削弱煤层反射，反动校后进行去煤叠前数据的叠前时间偏移，在消除煤层响应的前提下，有效提高煤层上下储层的反射能量。

35、本发明中的基于在线字典学习的匹配追踪强煤层反射消除方法，可分别处理叠前、叠后数据，基于在线字典学习算法，通过对实际地震数据的学习，建立子波库，然后基于字典学习子波库，利用复数域快速匹配追踪分解算法，对地震信号进行分解，将地震信号分解成能够表达地震信号局部特征的独立子波。对于叠后的强煤层反射可基于煤层反射特征，沿煤层解释层位，单个相位的提取煤层反射特征相位子波。因为按完整的子波形很难彻底提取，容易受煤层夹层的影响，因此选择单相位层控提取，可以增加提取精度，提高适用性和稳定性。对于叠前的强煤层反射，则首先要对叠前道集进行动校正处理，再以煤层解释层位为中心时间，提取强反射子波并消除或减弱强煤层反射的影响，然后对去煤层反射的道集进行反动校正处理，最后进行叠前时间偏移处理，所得的新偏移剖面就是消除强煤层响应的新数据体。

36、本发明的基于在线字典学习的子波库构建方法，通过从实际地震数据中学习子波特征，有效的减少了子波库的冗余度，所构建的子波库更贴近实际资料，能真实反映实际资料的局部特征。在此基础上，利用快速复数域匹配追踪有效的提高了子波分解的精度和速度，然后沿煤层反射层位，选择性提取煤层相应的单一相位能量，并将所有独立单相位能量叠合，形成具有高效、准确、稳定的多层系煤层提取技术。与常规方法相比，本发明利用以上技术方案，其具有以下优点：

37、(1)、本技术方案提供了一种高效可靠的在线字典学习算法，基于目标层学习地震信号局部特征并构建子波库，相比于传统的利用解析表达式构建的冗余子波库，利用在线字典学习提取的子波具有更高的精度和明确地质含义；

38、(2)、本技术方案提供一种基于在线字典学习构建的子波库结合快速复数域匹配追踪算法，为高效快速进行地震子波分解和精确特征提取工作奠定基础；

39、(3)、本技术方案提供的叠后数据沿层选择性单相位提取煤层反射，可针对多套复杂煤层反射，并可有效避开夹层的影响；

40、(4)、本技术方案处理叠前道集数据时，首先对叠前道集数据进行动校正处理，然后根据煤层反射旅行时提取煤层反射特征，消除或削弱煤层反射，反动校后进行去煤叠前数据的叠前时间偏移，在消除煤层响应的前提下，有效提高煤层上下储层的反射能量。