[发明专利]基于独立分量分析的地震盲源反褶积方法

说明书

技术领域

本发明涉及地球物理勘探技术，特别是涉及到一种基于独立分量分析的地震盲源反褶积方法。

背景技术

地震资料的分辨率是地球物理勘探开发领域的关键参数之一，是提高地震勘探方法能力和效率的根本问题之一，该问题贯穿地震数据采集、处理和解释的整个过程。提高地震资料的分辨率一直是国内外地球物理学者研究的热点和难点。对应同一块地震数据，更高的横向和纵向分辨率可以提高对较小的地质目标的分辨能力，使微构造更加清晰。

反褶积处理是地震资料处理流程中提高分辨率最常用和最重要的环节之一。在地震资料采集过程中，地震子波与地下反射系数的褶积得到了通常所说的地震数据，反褶积的过程就是在仅有地震数据的情况下，估算未知的地震子波和反射系数，而后通过压缩子波来提高地震资料的分辨率，使一些薄层的地质现象如超覆、尖灭能够在剖面上清晰的反映出来。

传统反褶积方法是利用地震子波自相关和反褶积问题的期望输出与地震子波的互相关求取反褶积算子。由于地震子波未知，所以传统反褶积方法引入了如下假设：反射系数是白噪序列，地震子波是最小相位的。从而用地震记录的自相关代替地震子波的自相关。但是实际的地震子波往往是混合相位的，反射系数也不完全是白色的，假设条件在一定程度上影响了传统反褶积方法的应用效果，所以需要研究假设条件更接近实际情况或没有假设条件的地震反褶积技术。

独立分量分析（ICA）是伴随着盲源分离问题发展起来的一种新兴的信号处理技术。它以非高斯信号为研究对象，在独立性假设的前提下，对混合信号进行盲源分离或特征提取。ICA着眼于数据间的高阶统计特性，使得变换以后的各分量之间不仅能去掉二阶相关性，而且还尽可能地统计独立。因此，ICA能更加全面揭示观测数据间的本质结构。

ICA盲源反褶积算法的核心思想是利用地震记录自相关与独立分量分析分解的期望输出与地震记录的互相关求取反褶积算子。由于地震记录已知，所以ICA盲源反褶积算法不需要引入传统反褶积方法的假设条件，从基本原理上就优于传统反褶积方法。

ICA盲源反褶积方法理论上的优势，使提高分辨率处理后的地震数据能够更加真实地反映地下地质体的地球物理特征，有利于进行构造解释和地震地层学的研究。因此，对该方法的研究极具意义，为此我们发明了一种新的基于独立分量分析的地震盲源反褶积方法。

发明内容

本发明的目的是提供一种一种地球物理意义明显、保幅性好、效率较高的基于独立分量分析的地震盲源反褶积方法。   

本发明的目的可通过如下技术措施来实现：基于独立分量分析的地震盲源反褶积方法，该基于独立分量分析的地震盲源反褶积方法包括：步骤1，读取地震数据，根据目的层设计反褶积计算时窗；步骤2，采用高斯混合模型拟合该地震数据反射系数序列的概率分布；步骤3，选用负熵构造ICA地震盲源反褶积算法的优化目标函数；步骤4，利用期望极大化算法求解该优化目标函数，通过多次迭代得到满足收敛条件的反褶积算子；步骤5，将该地震数据和该反褶积算子进行褶积运算；以及步骤6，输出反褶积后的地震数据。

本发明的目的还可通过如下技术措施来实现：

该地震数据和该反褶积后的地震数据为标准SEG-Y格式。

在步骤2中，建立期望输出的初始高斯混合模型，通过引入有不同方差的一系列高斯分布时间序列，按照分配的概率在分布上进行加权混合，以模拟该反射系数序列的非高斯性和非平稳性。

在步骤3中，定义反褶积输出结果的高斯混合概率分布和与其具有相同方差的高斯概率分布的该负熵为ICA地震盲源反褶积算法的该优化目标函数。

步骤4包括：

步骤a，建立初始反褶积算子，通过与该地震数据的褶积，得到期望输出，即估算的反射系数序列；

步骤b，判断该期望输出的独立性，当估算的该反射系数序列距离高斯分布最远，不可再分解时，迭代过程结束，得到满足收敛条件的该反褶积算子，当估算得到的该反射系数序列不是距离高斯分布最远时，执行步骤c；

步骤c，计算该期望输出的概率分布，利用期望最大算法求解该优化目标函数，更新该高斯混合模型；以及

步骤d，利用更新后的该高斯混合模型和该地震数据更新该初始反褶积算子，并返回到步骤a。