一种基于Radon变换的多道叠前反褶积方法及系统

本发明涉及地震数据处理，特别是涉及一种基于radon变换的多道叠前反褶积方法及系统。

背景技术：

1、地震资料处理中，如何提高地震数据分辨率是一个亟待解决的难点问题。反褶积技术是提高地震数据分辨率的重要算法之一。根据所应用的数据，反褶积可以划分为叠前反褶积（levin, 1989）以及叠后反褶积（chen et al., 2022）两类。由于叠后地震数据具有较高的信噪比，因此叠后反褶积通常较为简单。同时，作用在时间域的反褶积算法，包括基于l2范数的反褶积方法（golub et al., 1999）、考虑地层吸收衰减的非稳态反褶积（bickel and natarajan, 1985）、基于l1范数约束的稀疏脉冲反褶积（taylor, 1979），以及考虑横向连续性的多道反褶积（ma et al., 2018）等方法。作用在频率域的反褶积算法则包括谱白化（bennia and riad., 1990）、谱反演（chen et al., 2021）和谱模拟（jianget al., 2020）等算法，这些方法根据设定的振幅谱形态，使地震数据的振幅谱接近预设振幅，从而实现高分辨率的频率域处理。当考虑非稳态数据的特征时，可以使用具备时频定位能力的时频分析方法来实现高分辨率处理。

2、与叠后数据不同，叠前数据具有明显的时距规律性。因此，在进行反褶积处理时，需要兼顾该特征，避免逐道反褶积导致的横向不连续性，从而影响后续的反演和储层预测工作。对于低信噪比的数据，如何平衡信噪比和高分辨率是一个关键问题。一种增强数据横向连续性的反褶积方法是考虑空间方向或沿同相轴平滑特征的方法，这需要使用局部倾角来（liu et al., 2010）约束数据。然而，对于低信噪比的数据，很难准确获取到同相轴的倾角，这限制了这类方法的研究进展。另一种思路是假设高分辨率数据在变换域中具有稀疏性，可以使用fk变换（bai and wu, 2018）、小波变换（daubechies, 1996）、curvelet变换（starck, 2002）和非局部相似性（bonar and sacchi, 2012）等稀疏促进变换来压制随机噪声，并改善高分辨率处理的不适定性问题。

3、现有反褶积技术在处理叠前数据时存在几个缺陷。首先是地震数据的低信噪比问题，由于面波和高频噪声的存在，反褶积算法容易放大噪声，干扰处理结果。其次，现有算法大多是逐道处理，导致反褶积后结果存在一定的横向不连续性，影响后续的反演和储层预测工作。此外，针对空间方向连续性的问题，现有方法大多考虑平滑特征，即以l2范数作为正则化条件，但在低信噪比数据中难以准确获取同相轴倾角，限制了研究深度。最后，现有反褶积算法在高分辨率处理上存在不适定性，目前采用的稀疏促进变换技术难以得到较好的多道联合处理结果。这些缺陷限制了现有反褶积技术在处理低信噪比数据、保持横向连续性和实现高分辨率处理方面的能力。因此，亟需一种基于radon变换的多道叠前反褶积方法及系统。

技术实现思路

1、本发明的目的是提供一种基于radon变换的多道叠前反褶积方法及系统，在有效提高分辨率的同时，提高地震道集的信噪比，适用于低信噪比的地震道集处理。

2、为实现上述目的，本发明提供了如下方案：

3、一种基于radon变换的多道叠前反褶积方法，包括：

4、获取待处理叠前地震数据集；

5、将所述待处理叠前地震数据集输入预设的反褶积模型中，输出叠前反褶积后的地震数据集，其中，所述反褶积模型基于训练集训练获得，所述训练集包括满足拉普拉斯分布的异常振幅噪声和满足高斯分布的随机噪声的cmp道集数据；所述反褶积模型通过双曲radon变换约束结合叠前反褶积算法构建。

6、可选地，所述反褶积模型包括：异常振幅噪声判断单元、第一反褶积单元和第二反褶积单元，所述异常振幅噪声判断单元用于判断所述待处理叠前地震数据集中是否存在异常振幅噪声；所述第一反褶积单元用于当所述待处理叠前地震数据集中存在异常振幅噪声时，基于第一radon域叠前反褶积算法对所述待处理叠前地震数据集进行叠前反褶积处理；所述第二反褶积单元用于当所述待处理叠前地震数据集中不存在异常振幅噪声时，基于第二radon域叠前反褶积算法对所述待处理叠前地震数据集进行叠前反褶积处理。

7、可选地，所述第一radon域叠前反褶积算法以l1范数作为拟合项，所述第二radon域叠前反褶积算法以l2范数作为拟合项。

8、可选地，所述第一radon域叠前反褶积算法和第二radon域叠前反褶积算法为：

9、

10、其中，r为多道反射系数，w为地震子波构成的卷积矩阵，s为多道地震数据，λ为正则化算子，b为双曲radon变换，|| ||1为数据绝对值的和，|| ||2为数据平方根的和。

11、可选地，所述第一radon域叠前反褶积算法和第二radon域叠前反褶积算法的求解方法为：

12、设置radon域数据高斯阈值，以及迭代次数；

13、基于所述高斯阈值，结合迭代阈值收缩算法对所述待处理叠前地震数据集在radon域进行噪声压制，直至达到所述迭代次数，获取压制噪声后的radon域叠前地震数据；

14、对压制噪声后的radon域叠前地震数据进行radon反变换，获取变换域压制噪声后的叠前地震数据集，对所述变换域压制噪声后的叠前地震数据集进行叠前反褶积处理，获取叠前反褶积后的地震数据集。

15、可选地，所述radon域数据阈值的计算方法为：

16、

17、其中， h为阈值，为振幅， h gauss为当前曲率下构建的高斯窗函数，为曲率变量，为一次波聚集的曲率位置，为窗的大小，为当前计算时刻。

18、为进一步实现上述目的，本发明还提供了一种基于radon变换的多道叠前反褶积系统，包括：地震数据获取模块、反褶积处理模块；

19、所述地震数据获取模块，用于获取待处理叠前地震数据集；

20、所述反褶积处理模块，用于将所述待处理叠前地震数据集输入预设的反褶积模型中，输出叠前反褶积后的地震数据集，其中，所述反褶积模型基于训练集训练获得，所述训练集包括包含异常振幅噪声和随机噪声的cmp道集数据；所述反褶积模型通过双曲radon变换约束结合叠前反褶积算法构建。

21、可选地，所述反褶积模型包括：异常振幅噪声判断单元、第一反褶积单元和第二反褶积单元，所述异常振幅噪声判断单元用于判断所述待处理叠前地震数据集中是否存在异常振幅噪声；所述第一反褶积单元用于当所述待处理叠前地震数据集中存在异常振幅噪声时，基于第一radon域叠前反褶积算法对所述待处理叠前地震数据集进行叠前反褶积处理；所述第二反褶积单元用于当所述待处理叠前地震数据集中不存在异常振幅噪声时，基于第二radon域叠前反褶积算法对所述待处理叠前地震数据集进行叠前反褶积处理。

22、本发明的有益效果为：

23、本发明针对于叠前地震数据，采用radon变换作为稀疏促进变换，实现叠前数据的反褶积算法，考虑了地震道集的空间方向的可预测性，得到的反褶积结果具备横向连续性，适用于低信噪比的地震道集处理；根据实际数据的噪声类型不同，可灵活选择针对高斯噪声的l2范数作为拟合项、针对拉普拉斯噪声的l1范数作为拟合项，为处理人员提供了参考与指导。