[發明專利]地震剖面的經驗模態分解方法

有效

• 申請號: 201310203002.6
• 申請日: 2013-05-27
• 公開（公告）號: CN103308940A
• 公開（公告）日: 2013-09-18
• 發明（設計）人: 馮偉;馮佩華
• 申請（專利權）人: 中山大學
• 主分類號: G01V1/28
• 分類號: G01V1/28
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 林麗明

技術領域

本發明涉及油氣地震勘探領域，更具體地，涉及地震瞬時屬性分析中的地震剖面的經驗模態分解方法。

背景技術

傳統的二維地震剖面復分析技術（A.E.Barnes，Theory?of?2D?complex?seismic?trace?analysis，Geophysics,Vol.61,No.1，1996，264–272）是對地震剖面直接做二維Hilbert變換（Bidimensional?Hilbert?Transform，BHT），組成解析信號，進而計算瞬時振幅、瞬時相位和瞬時頻率等地震瞬時特征屬性，反映了地震波傳播過程中的微局部變化情況，可以幫助確定地下巖層的巖性、巖相變化和巖石孔隙中所含流體的性質。但是，這種復分析技術僅適用于單分量數據，而由單道地震信號組成的地震剖面是典型的非線性、非平穩的多分量數據，直接計算地震瞬時屬性不符合數學意義和物理意義。

為了得到單分量數據，需要對多分量數據進行二維經驗模態分解（Bidimensional?Empirical?Mode?Decomposition，BEMD），得到一系列具有單一振蕩模式分量的二維固有模態函數（Bidimensional?Intrinsic?Mode?Function，BIMF）。由于每個BIMF都滿足BHT必要條件，計算瞬時屬性變得合理。BEMD計算每個BIMF過程中，計算上下包絡面需要進行不規則數據的曲面插值或者擬合，花費大量的運算時間，而且在大多數情況下，還涉及到大規模矩陣和其特征值的計算，計算復雜度高，難以處理大規模數據。為簡化計算提高效率，Zhaohua?Wu等（Zhaohua?Wu,N.E.Huang?and?Xianyao?Chen,The?Multi-dimensional?Ensemble?Empirical?Mode?Decomposition?Method?Advances?in?Adaptive?Data?Analysis,Vol.1,No.3，2009，339–372）提出了基于雙向一維聯合經驗模態分解（Ensemble?Empirical?Mode?Decomposition），組合實現二維EEMD（BEEMD），能夠快速有效地分解二維數據。這里EEMD是在每次分解前，加入不同的振幅有限的隨機白噪聲，可以提高分解計算的穩定性。

雖然都是非線性、非平穩的多分量數據，地震剖面不同于一般的圖像。一維地震信號是時間方向的地震波形記錄，二維地震剖面是由空間方向排列的多道一維地震信號組成，在相鄰空間位置的信號波形有一定的錯位相似性，表現為連續的起伏波峰和波谷所示的波形同相軸特征。由于地下介質情況的復雜性，地震數據往往不具有高階光滑性，而且波形同相軸更多表現為時間方向極值的空間連續性。同時，地震數據處理的規模更大，對計算效率有更高的要求。對于地震剖面而言，Zhaohua?Wu提出的BEEMD方法，優點是計算量小運算快，但它過于強調這個空間和時間兩個方向的極值信息，而忽略這兩個方向的差異，丟失很多的波形同相軸信息，不適合地震剖面數據處理。同時，由于分解過程中不斷加入白噪聲，最后由BIMF計算瞬時屬性時，會產生隨機噪聲背景。

發明內容

本發明的主要目的在于克服了BEEMD方法的不足，提出一種適合地震剖面的快速經驗模態分解方法，該分解方法針對地震剖面特點，能夠捕捉更多同相軸信息，實現真正的BEMD，簡化計算保證效率。

為了實現上述目的，本發明的技術方案為：

一種地震剖面的經驗模態分解方法，包括以下步驟：

S1.初始化，r₀=Iori，i=1；給定迭代終止條件中ε的值；Iori表示原始剖面數據，r代表當前殘差剖面數據，i為第i個BIMF；

S2.迭代篩分計算第i個BIMF；

S21.初始化：h₀=r_i-1，j=1；

S22.檢測h_j-1的二維局部極小值點和極大值點，構造上下包絡曲面E_up和E_down；

S23.計算均值曲面m=(E_up+E_down)/2；

S24.h_j=h_j-1-m；

S25.判斷當前h是否滿足篩分終止條件，若滿足，則得到第i個BIMFb_i=h_j，跳轉到步驟S3；否則，j=j+1，跳轉到步驟S22，繼續篩分迭代；