[發明專利]一種SVD自適應地震數據噪聲壓制方法

有效

• 申請號: 202010147041.9
• 申請日: 2020-03-05
• 公開（公告）號: CN111290024B
• 公開（公告）日: 2021-05-04
• 發明（設計）人: 張莉;姜弢
• 申請（專利權）人: 吉林大學
• 主分類號: G01V1/36
• 分類號: G01V1/36;G06K9/62
• 代理公司: 沈陽銘揚聯創知識產權代理事務所(普通合伙) 21241
• 代理人: 屈芳

本發明涉及一種SVD自適應地震數據噪聲壓制方法。首先利用均值濾波器對數據平滑預處理，根據各道平均能量值間差異性，標記強周期性噪聲道。其次對各道平均時間周期均值取整，作為單道構建Hankel矩陣的列數，加強重構矩陣道與道間的相關性。最后逐一對各道重構矩陣進行SVD，將奇異值送入構建的K?K聯合網絡識別區分，以確定信號中不同相關性強弱程度對應值，保留有效信號奇異值進行數據重構，完成時域內自適應噪聲壓制。本發明引入K?K聯合網絡確定SVD重構階次，減少依靠人為經驗的情況。本方法對淺地層地震數據，能同時壓制如工頻干擾等單道數據中貫穿始終且規律性較強的周期性噪聲和隨機噪聲，改善地震數據質量。

技術領域

本發明屬于淺地層地震數據的去噪領域，針對地震數據中的強周期性噪聲和隨機噪聲，尤其是基于K-K聯合網絡的一種SVD自適應地震數據噪聲壓制方法。

背景技術

野外采集到的淺地層地震數據包含大量地下構造、巖性等多種信息，也包含隨機噪聲，以及如工頻干擾等貫穿于一道數據始終的強周期性噪聲，即存在有效信息與不同噪聲的疊加，直接影響地震數據的質量與信噪比，不利于資料的進一步分析與處理。數據處理方法之一的SVD分析技術，因其易于實現等優點，而被眾多學者應用于地震數據的噪聲壓制。SVD其本質為一種正交分解，利用不同地震道之間的相關性進行數據分離，在消除不相關隨機噪聲、增強地震道間的相關性方面表現突出，其分解的奇異值中較大奇異值對應各道間相關性較強的信號部分，較小奇異值則對應相關性較弱的隨機噪聲，可以根據奇異值的適當選取實現信號中強周期性噪聲的壓制。文章“利用奇異值分解方法提高地震數據信噪比”(桑雨,高樹生,宋宏文,趙軍,湯聰.利用奇異值分解方法提高地震數據信噪比[J].石油地球物理勘探,2014,49(S1):72-75+4.)提出應用SVD進行隨機噪聲的消除，直接對多道數據進行處理，選取奇異值平方能量比例作為重構選取的標準，依據經驗設置百分比，針對不同地震數據適用性不強。文章“基于奇異值分解的角度域去噪方法”(李江.基于奇異值分解的角度域去噪方法[J].石油物探,2019,58(03):427-432+443.)提出對奇異值利用其平方能量與最小值能量差進行修正，進而計算累計貢獻率，以貢獻率80％-90％內對應階次進行重構，百分比依靠經驗設定，存在因引入人為判斷而產生主觀錯誤的可能性。文章“基于Hankel矩陣SVD算法的去噪研究”(崔少華,單巍,方振國.基于Hankel矩陣SVD算法的去噪研究[J].實驗室研究與探索,2018,37(02):32-34.)針對SVD算法對非水平同相軸去噪效果不佳的問題，提出應用單道Hankel矩陣對模擬數據進行噪聲消除，其中重構階數選取為50，即根據人為經驗設定，缺乏理論支撐。文章“用神經網絡確定奇異值分解濾波參數”(陳遵德,朱廣生,段天友.用神經網絡確定奇異值分解濾波參數[J].江漢石油學院學報,1994(S1):78-80)提出采用自組織特征映射神經網絡對奇異值進行二分類從而實現隨機噪聲的壓制，這種方法忽略了地震數據中可能存在相關性更強的強周期性噪聲，即數據中包含信息的多樣性。文章“基于單道SVD和振幅比的地面微地震資料去噪方法”(胡永泉,黃建波,田志華,潘樹林.基于單道SVD和振幅比的地面微地震資料去噪方法[J].石油物探,2019,58(01):43-52+62.)針對地面微地震資料中強周期干擾和隨機干擾進行同時壓制，指出奇異值中的大、中、小部分，分別對應相關性較強的周期信號，具有一定相關性的有效信號，以及不具有相關性的隨機干擾，其重構奇異值通過反復試驗的方式，對比不同選取比例的重構結果，降低了數據處理效率。

發明內容

本發明所要解決的技術問題在于提供一種SVD自適應地震數據噪聲壓制方法，實現淺地層地震數據中強周期性噪聲和隨機噪聲的同時壓制，利于數據中有效信號的識別。

本發明是這樣實現的，

一種SVD自適應地震數據噪聲壓制方法，包括：

利用均值濾波器對數據平滑預處理；

根據各道平均能量值間差異性，標記強周期性噪聲道；