[发明专利]地震数据的处理方法和装置

说明书

本发明提供了一种地震数据的处理方法和装置，涉及地震数据处理的技术领域，该方法包括：将目标地震数据表示为高斯束叠加形式的地震数据，其中，高斯束叠加形式的地震数据中包括目标地震数据的波形信息；将高斯束叠加形式的地震数据进行稀疏处理，处理得到波形函数矩阵；基于分解之后得到的波形函数矩阵进行地震数据的重构，得到重构之后的地震数据。本发明缓解了通过传统的正则化处理方法对地震数据进行处理之后处理效果较差，以及处理效率较慢的技术问题。

技术领域

本发明涉及地震数据处理的技术领域，尤其是涉及一种地震数据的处理方法和装置。

背景技术

在地震勘探中，往往会由于采集成本、坏道、噪音、地形等诸多因素的影响导致采集的地震数据不满足采样定理，不满足采样定理的地震数据会影响多次波消除、偏移成像等后期处理效果。因此，需要提前对地震数据进行规则化处理。

现有技术中最常用的数据规则化方法是基于各种变换的方法。具体地，假设地震数据在变化域是稀疏的，此时可以利用压缩感知理论，实现地震数据的稀疏分解及重构，例如，傅里叶变换、Radon变化、Curvelet变化等。

但是，地震数据的稀疏表达问题是一个l₀范数最优化问题，直接求解十分困难，这是一个NP完全问题。因此，可以通过匹配追踪法进行求解，但这是一个贪婪的算法，每次迭代时选取一个局部最优解逐步逼近原始信号。之后发展了正交匹配追踪法、正则化匹配追踪法等，虽然这类方法执行简单，但是计算速度较慢，且不是全局最优。更加常用的方法是把l₀范数最优化问题松弛为l₁范数的凸优化问题，这样就可以用常见的连续凸优化算法求解，例如，基追踪算法、内点法、投影梯度算法等，但这类算法的解不是最稀疏的。

发明内容

本发明的目的在于提供一种地震数据的处理方法和装置，以缓解通过传统的正则化处理方法对地震数据进行处理之后处理效果较差，以及处理效率较慢的技术问题。

本发明实施例的一个方面，提供了一种地震数据的处理方法，包括：将目标地震数据表示为高斯束叠加形式的地震数据，其中，所述高斯束叠加形式的地震数据中包括所述目标地震数据的波形信息；将所述高斯束叠加形式的地震数据进行稀疏处理，处理得到波形函数矩阵；基于处理之后得到的所述波形函数矩阵进行地震数据的重构，得到重构之后的地震数据。

进一步地，将所述高斯束叠加形式的地震数据进行稀疏处理，处理得到波形函数矩阵包括：基于波形信息矩阵建立稀疏矩阵优化模型，其中，所述波形信息矩阵中包括所述波形信息；对所述稀疏矩阵优化模型中的波形信息矩阵进行稀疏处理，得到处理之后的所述稀疏矩阵优化模型，以使稀疏处理之后的所述波形信息矩阵中的每个数值均不等于预设数值；对处理之后的所述稀疏矩阵优化模型进行稀疏求解，求解得到所述波形函数矩阵。

进一步地，对所述稀疏矩阵优化模型中的波形信息矩阵进行稀疏处理包括：对所述目标地震数据中的高斯束束中心相邻道上进行相关性度量分析，得到地震子波，其中，所述地震子波中包含所述地震子波所处的时间和倾角方向；根据所述地震子波所处的时间和所述倾角方向确定所述波形信息矩阵中数值等于所述预设数值的向量；在所述波形信息矩阵中删除数值等于所述预设数值的向量，得到处理之后的所述稀疏矩阵优化模型。

进一步地，对处理之后的所述稀疏矩阵优化模型进行稀疏求解，求解得到所述波形函数矩阵包括：反复通过第一公式和第二公式对稀疏矩阵优化模型进行迭代计算，求解得到所述波形函数矩阵，直至满足第三公式时，确定所述第二公式中的输出结果为所述波形函数矩阵，其中，α₁，α₂和α_K为对角线矩阵Λ中的数值，G_k为迭代变量，p为稀疏度参数，k为迭代指数，为矩阵算子，D为数据矩阵，为稀疏处理之后的所述波形信息矩阵，I_m表示m维恒等算子，为矩阵的第k行向量，