基於矢量混合距離排序的多分量地震數據濾波方法與流程
2023-06-17 14:53:56 1
本發明涉及地震勘探的技術領域,尤其涉及一種基於矢量混合距離排序的多分量地震數據濾波方法。
背景技術:
多分量地震數據同時記錄了質點在垂直和水平方向的運動情況,是地震波矢量場的完整記錄。矢量數據不僅同時提供了縱波和橫波的走時(速度)、振幅和頻率信息,還提供了同一波在各分量間的相對振幅關係,以及不同波的振幅差異和走時差異等信息。這些矢量波場特有的信息能更加詳細、精確地刻畫地下介質的構造、巖性、流體飽和度、孔隙壓力、裂縫等特徵。然而由於當前使用方法與處理技術的局限性,這些信息未能被充分發掘出來。
利用矢量波場信息的前提是在要求預處理過程中需保持波場矢量特徵不變。當前常用的地震數據去噪方法有時空域的匹配濾波、中值濾波、svd分解等,以及基於數學變換的s變換去噪、小波變換去噪等,這些常規去噪方法是將多分量地震數據的每個分量當作一個標量場來處理,容易破壞多分量地震波場的矢量特徵。近年來,針對多分量地震數據也發展出了一些去噪方法。但這些方法可能會使應用範圍受到限制,或是求稀疏解與時頻變換均非常耗時,難以對大批量地震數據進行處理。
另外,矢量統計排序濾波是一大類以多元數據排序統計分析為基礎的濾波方法的統稱,包括多道α截集均值濾波、多道修正截集均值濾波(multichannelmodified-trimmedmeanfilter,mtm)、矢量中值濾波(vectormedianfilter,vmf)、矢量方向濾波等。矢量統計排序濾波方法非常適合處理矢量信號,在彩色圖像處理應用中取得了很好效果。然而,現行的矢量統計排序濾波對地震數據無法有效去除噪聲。因此,矢量統計排序濾波仍有改善的空間。
技術實現要素:
本發明的主要目的在於提供一種基於矢量混合距離排序的多分量地震數據濾波方法,以解決現有技術存在的對多分量地震數據無法有效去除噪聲且同時有效保留多分量地震數據矢量特徵的問題。
為解決上述問題,本發明實施例提供一種基於矢量混合距離排序的多分量地震數據濾波方法,適用於對多分量地震數據進行隨機噪聲壓制,包括:取得多分量地震道數據,組成矢量地震道數據;給定濾波時窗長度l,以當前濾波點為所述濾波時窗長度的中心,從所述矢量地震道數據多分量數據中取得l個矢量,其中l為大於0的正整數;根據所述l個矢量,取得第一聚集距離;將l個矢量歸一化處理,以取得第二聚集距離;將所述第一聚集距離與所述第二聚集距離相加,得到混合聚集距離,並對所述混合聚集距離進行排序,最小的混合聚集距離對應的矢量即為當前濾波點的最終取值。
根據本發明的技術方案,通過取得多分量地震數據,給定濾波時窗長度l,且以當前濾波點為所述濾波時窗長度的中心,從多分量數據中取得l個矢量,根據l個矢量,取得第一聚集距離及將l個矢量歸一化處理,以取得第二聚集距離,將第一聚集距離與第二聚集距離相加,得到混合聚集距離,並對所述混合聚集距離進行排序,最小的混合聚集距離對應的矢量即為當前濾波點的最終取值。如此一來,可在有效去除隨機噪聲的同時保留多分量地震數據的矢量特徵,且可對任何道集形式和任意道數的地震數據進行去噪處理。
附圖說明
此處所說明的附圖用來提供對本發明的進一步理解,構成本申請的一部分,本發明的示意性實施例及其說明用於解釋本發明,並不構成對本發明的不當限定。在附圖中:
圖1是根據本發明實施例的基於矢量混合距離排序的多分量地震數據濾波方法的流程圖;
圖2是根據本發明實施例的矢量間的距離示意圖;
圖3a和圖3b是實際地震數據的r分量和t分量的示意圖;
圖4a和圖4b是根據本發明實施例的多分量地震數據矢量排序濾波方法去噪後的地震數據的r分量和t分量的示意圖;
圖5a和圖5b是基於常規單分量標量濾波方法去噪後的的地震數據的r分量和t分量的示意圖。
具體實施方式
本發明的主要思想在於,基於取得多分量地震數據,給定濾波時窗長度l,且以當前濾波點為所述濾波時窗長度的中心,從多分量數據中取得l個矢量,根據l個矢量,取得第一聚集距離及將l個矢量歸一化處理,以取得第二聚集距離,將第一聚集距離與第二聚集距離相加,得到混合聚集距離,並對所述混合聚集距離進行排序,最小的混合聚集距離對應的矢量即為當前濾波點的最終取值。如此一來,可在有效去除隨機噪聲的同時保留多分量地震數據的矢量特徵及對任何道集形式和任意道數的地震數據進行去噪處理。
為使本發明的目的、技術方案和優點更加清楚,以下結合附圖及具體實施例,對本發明作進一步地詳細說明。
圖1是根據本發明實施例的基於矢量混合距離排序的多分量地震數據濾波方法的流程圖。
在步驟s102中,取得多分量地震道數據,組成矢量地震道數據。在本實施例中,多分量地震數據是以三分量地震數據為例,且每次取得的多分量地震數據包括x分量、y分量和z分量,其中x分量表示為x=[x1x2…xn],y分量表示為y=[y1y2…yn],z分量表示為z=[z1z2…zn],其中,n為每道多分量地震數據的時間採樣點數。並且,所述矢量地震道數據為s=[s1s2…sn],其中
在步驟s104中,給定濾波時窗長度l,以當前濾波點為所述濾波時窗長度的中心,從所述矢量地震道數據中取得l個矢量,其中l為大於0的正整數。在本實施例中,給定濾波時窗長度l,並將l取為奇數,以取得半濾波時窗長度,即lh=(l-1)/2。並且,假設當前濾波點為第i個採樣點,i∈{12…n},且以此當前濾波點為所述濾波時窗長度的中心,利用此濾波時窗從所述多分量數據中取得l個矢量,其中所述l個矢量表示為
在步驟s106中,根據所述l個矢量,取得第一聚集距離。在本實施例中,根據所述l個矢量,並例如通過如下公式:進行計算,以求取第一聚集距離,即取得l個矢量的聚集距離,其中||·||2表示矢量的l2範數,dj為第一聚集距離,sj和sk分別為所述l個矢量的第j和第k個矢量。
在步驟s108中,將l個矢量歸一化處理,以取得第二聚集距離。在本實施例中,例如通過如下公式:s′j=sj/|sj|,(j=i-lh,…,i,…,i+lh),以將l個矢量歸一化處理,再通過如下公式:對歸一划處理後的l個矢量進行計算,以求取第二聚集距離,即取得歸一划處理後的l個矢量的聚集距離。其中,dj′為第二聚集距離,s′j和·s′k分別為所述歸一化後l個矢量的第j和第k個矢量。
在步驟s110中,將所述第一聚集距離與所述第二聚集距離相加,得到混合聚集距離,並對所述混合聚集距離進行排序,最小的混合聚集距離對應的矢量即為當前濾波點的最終取值。在本實施例中,例如通過如下公式:dj=dj+dj′,(j=i-lh,…,i,…,i+lh).,即將所述第一聚集距離與所述第二聚集距離相加,得到混合聚集距離,其中dj為混合聚集距離。並且,對所述混合聚集距離進行排序,其中最小的混合聚集距對應的矢量即為當前濾波點的最終取值。
在本實施利中,第一聚集距離例如為2維矢量的歐氏距離,第二聚集距離例如為2維矢量的歸一化歐氏距離,如圖2所示,其中,△u為歐氏距離,△v為歸一化歐氏距離。本發明則是採用矢量的歐氏距離和歸一化歐氏距離進行綜合排序。另外,在圖1的實施例中,先執行步驟s106,再執行步驟s108,但本實施例不限於此,步驟s106與步驟s108的順序可以對調,即可以先執行步驟s108,再執行步驟s106,亦可達到相同的效果。
上述已說明了本發明實施例的基於矢量混合距離排序的多分量地震數據濾波方法的流程。以下,將提供一個實例來驗證上述方法的處理效果。
圖3a和圖3b是實際地震數據的r分量和t分量的示意圖,其中圖3a為地震數據的r分量,圖3b為地震數據的t分量,且實際地震數據的隨機噪聲較大。接著,分別使用本發明實施例的基於矢量混合距離排序的多分量地震數據濾波方法及常規標量去噪方法,對圖3a和圖3b的r分量和t分量進行處理,且處理結果分別如圖4a和圖4b與圖5a和圖5b。
圖4a和圖4b是根據本發明實施例的基於矢量混合距離排序的多分量地震數據濾波方法去噪後的地震數據的r分量和t分量的示意圖,其中圖4a為地震數據的r分量,圖4b為地震數據的t分量。圖5a和圖5b是基於常規單分量標量濾波方法去噪後的地震數據的r分量和t分量的示意圖,其中圖5a為地震數據的r分量,圖5b為地震數據的t分量。
在圖4a和圖4b中,可見隨機噪聲在很大程度上被消除了,有效地震波的同相軸變得更加清晰連續。並且,對比圖4a和圖4b與圖5a和圖5b可見,本發明實施例的基於矢量混合距離排序的多分量地震數據濾波方法要比常規單分量標量濾波方法能更有效地去除隨機噪聲並更好地保留有效地震信號。
綜上所述,本發明通過取得多分量地震數據,組成矢量地震道數據,給定濾波時窗長度l,且以當前濾波點為所述濾波時窗長度的中心,從所述矢量地震道數據中取得l個矢量,根據l個矢量,取得第一聚集距離,及將l個矢量歸一化處理,以取得第二聚集距離,將第一聚集距離與第二聚集距離相加,得到混合聚集距離,並對所述混合聚集距離進行排序,最小的混合聚集距離對應的矢量即為當前濾波點的最終取值。亦即,在矢量空間中,以矢量地震波信號具有振幅連續性和振動方向連續性為基礎,對相鄰時間採樣點的地震信號矢量值,根據矢量間歐氏距離與方向誤差進行矢量統計排序濾波。如此一來,可有效地在有效去除隨機噪聲的同時保留多分量地震數據的矢量特徵及對任何道集形式和任意道數的地震數據進行去噪處理。
以上所述僅為本發明的實施例而已,並不用於限制本發明,對於本領域的技術人員來說,本發明可以有各種更改和變化。凡在本發明的精神和原則之內,所作的任何修改、等同替換、改進等,均應包含在本發明的權利要求範圍之內。