亚星游戏官网-www.yaxin868.com

专利名称：一种衰减地震数据随机噪声的方法及系统的制作方法
技术领域：
本发明涉及地震勘探领域，尤其涉及油气地球物理勘探中的地震资料处理领域，具体的讲是一种在地震勘探中，对地震数据随机噪声进行衰减的方法及系统。
背景技术：
地震勘探是一种利用人工地震技术探测地下结构的勘探方法。它按照一定的方式人工激发地震波，利用称之为检波器的装置接收来自地下的反射信号，通过对反射信号的处理和分析探测地下结构。但是，检波器在接收地震信号的同时，也接收到大量来自地下和地表的随机噪声，降低了地震记录信噪比，严重干扰地震信号反映地下结构的能力，随机噪声的衰减与弱信号恢复是地震资料处理领域的重要研究内容。1、f-x域空间预测滤波是目前工业界应用最为广泛、效果最为稳定的随机噪声衰减方法。该方法基于信号在频率一空间域的可预测性和随机噪声的不可预测性进行信号识别和噪声压制。其滤波算子的求取已经由自回归模型(AR)因果算子发展到非因果算子(Gulunay, 2000)，去噪算法也由二维发展到三维甚至四维去噪。但是，该方法要求地震信号在横向上具有稳态特征，且信号在横向上呈局部线性趋势。对于横向非均质性较强、构造较为复杂的地层结构而言，其反射特征很难满足f-x域空间预测滤波的上述要求，不能取得理想的去噪效果。2、时频分析类方法可以针对非稳态以及非线性信号进行处理，该类方法是近年来随着小波变换等时频分析工具的兴起而发展起来。根据有效信号与随机噪声在时频域的分布差异，首先通过小波变换等时频分析工具将地震数据变换到时频域，再选择合适的时频域滤波手段将有效信号与噪声分离，然后反变换到时间域得到去噪后的结果。但是，该类方法的数学变换在实际地震资料处理中缺乏明确的物理意义，没有考虑地震信号本身的固有特点，且实现过程复杂，可操作性较差，制约了该方法由实验室到工业界应用的转换。3、希尔伯特黄变换(HHT)是一种基于信号本身固有属性的时频分析方法，该方法将非平稳信号通过经验模态分解(EMD)方式分解为不同尺度的平稳窄带信号，称为固有模态函数(IMF)，然后对这些固有模态函数进行希尔伯特变换就得到信号的时频谱。该方法克服了小波变换需要选取固定小波基的弱点，所分解的固有模态函数反映了信号本身的固有属性，具有明确的物理意义，更加有效的反映了地震信号的多尺度特征。Ivan (1999)第一次将经验模态分解方法引入到地震资料处理领域，主要用于地震属性分析和提高分辨率处理。Bekara (2008)将经验模态分解与f-χ滤波相结合,提出了一种新的f-χ域随机噪声衰减方法，首次将经验模态分解技术引入到地震数据随机噪声衰减方法的研究。该方法利用经验模态分解代替常规f-x域预测滤波的线性自回归滤波器，通过对频率切片进行经验模态分解并去除第一个固有模态函数，达到噪声压制的目的。虽然随机噪声经过经验模态分解之后，大部分能量集中在第一个模态分量上，但其它模态分量上依然有较强的残存能量，且复杂反射的有效信号也会泄露在第一模态分量上，因此，仅仅通过剔除某一分量或某些分量的滤波方法在去噪能力和保幅性能上存在较大缺陷。

发明内容
本发明的目的是为了克服现有技术中存在的衰减随机噪声信号不够理想的不足，提供一种衰减地震数据随机噪声的方法与系统，以解决上述问题。为了达到上述目的，本发明实施例公开了一种衰减地震数据随机噪声的方法，包括获取地震数据；将所述地震数据进行傅立叶变换，生成频率-空间域的地震数据；在空间方向上对所述频率-空间域的地震数据进行复数经验模态分解，生成多个模态分量；根据所述频率-空间域的地震数据与所述多个模态分量，利用最优化方法生成自适应信号重构算子；根据所述自适应信号重构算子和所述多个模态分量，重构生成频率域地震信号；将所述频率域地震信号进行傅立叶反变换，生成随机噪声衰减后的时间域地震信号；根据所述随机噪声衰减后的时间域地震信号绘制噪声衰减后的地震剖面图像。为了达到上述目的，本发明实施例还公开了一种衰减地震数据随机噪声的系统，包括地震数据获取单元，用于获取地震数据；频率-空间域的地震数据生成单元，用于将所述地震数据进行傅立叶变换，生成频率-空间域的地震数据；模态分量生成单元，用于在空间方向上对所述频率-空间域的地震数据进行复数经验模态分解，生成多个模态分量；重构算子生成单元，用于根据所述频率-空间域的地震数据与所述多个模态分量，利用最优化方法生成自适应信号重构算子；频率域地震信号生成单元，用于根据所述自适应信号重构算子和所述多个模态分量，重构生成频率域地震信号；时间域地震信号生成单元，用于将所述频率域地震信号进行傅立叶反变换，生成随机噪声衰减后的时间域地震信号；地震剖面图像绘制单元，用于根据所述随机噪声衰减后的时间域地震信号绘制噪声衰减后的地震剖面图像。本发明实施例的衰减地震数据随机噪声的方法与系统，可以自动识别并重构被随机噪声严重污染的地震信号，有效压制随机噪声对地震信号的影响，提高了地震资料信噪比，增强了地震信号对地下复杂结构和油气储层的检测精度，为地震资料构造解释和储层预测提供了高质量的基础数据。


为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本发明实施例中的复数经验模态分解介绍中的高斯白噪声EMD分解后的各IMF频谱示意图；图2为利用投影法进行复数经验模态分解的示意图；图3为本发明实施例的衰减地震数据随机噪声的方法的流程图；图4为本发明实施例的衰减地震数据随机噪声的系统的结构示意图；图5为本发明实施例1中采集的某油田A区块的碳酸盐岩地震记录；图6为本发明实施例1中的经过f-x域空间预测滤波之后的某油田A区块碳酸盐岩地震记录；图7为本发明实施例1中的经过本发明的衰减方法处理之后的某油田A区块碳酸盐岩地震记录；图8为本发明实施例2中采集的某油田B区块的地震记录；图9为本发明实施例2中的经过本发明的衰减方法处理之后的某油田B区块的地
震记录。
具体实施例方式下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完 整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。在介绍本发明的具体实施方式
之前，为了更好地理解本发明的实施过程，首先对本发明所涉及的复数经验模态分解进行简单的介绍。N E. Huang等人认为，平稳信号应该满足两个条件(I)极值点数目和过零点数目相等或最多相差I个；(2)在任意点，由局部极大值点和局部极小值点构成的两条包络线平均值为O。满足该条件的信号称为固有模态信号，相应的函数称为固有模态函数(IntrinsicMode Function,简记IMF)。对于复杂非平稳信号，并不满足IMF条件，因此N E. Huang等人提出了如下假设任何信号都是由一些不同的固有模态组成的；每个模态可以是线性的，也可以是非线性的，其极点数和零点数相同，且上下包络线关于时间轴局部对称；任何时候，一个信号都可以包含许多固有模态信号；如果模态之间相互重叠，便形成复合信号。将复合信号分解为平稳窄带固有模态信号的过程称为经验模态分解(Empirical ModeDecomposition, EMD),其目的是将复杂非平稳信号转化为平稳信号，为后续处理带来方便。其核心就是对信号进行不断“筛分”，首先找出原始数列的局部极大值和极小值，利用三次样条插值连接局部极大值和极小值，分别得到极大值包络和极小值包络，然后对每个时刻的局部极大值和极小值取平均，得到瞬时平均值m(t)m{t) = |-[xmax (O + Xmin (0]考虑原始数列减去瞬时平均值得到的新数列是否满足固有模态函数两个条件，若满足，则将其作为一个固有模态函数，若不满足，则作为原始数列重复上述过程，直到满足条件为止。这样，得到第一个固有模态函数C1 (t)，将其从原始数列中分离出来，然后将余数ri(t)作为新的序列进行以上分解过程，直到剩余项rn(t)变为单调函数或者常数，此时无IMF分解出来，从而结束分解，得到从原始数列中分离出的η个固有模态函数分量和一个趋势项rn(t)，分解后信号可表示为λ10 = Σ (0+^(0由于EMD是基于信号局部特征的分解，其特征尺度参数是基于实际测量所获得的数据，因此由其分解得到的固有模态函数表征了信号在某一特征尺度上的振动模式和频率变动范围。对均匀分布的白噪信号进行EMD分解表明，任何一个IMF分量极值点数近似是前一个IMF分量极值点数的一半，其平均周期是前一个IMF分量的两倍，该特征不随数据长度的改变而改变。如图1所示，从高斯白噪声的MF频谱图可以看出，每一个MF主频是前一个MF主频的一半，也就是说，EMD相当于一个二进滤波器组。这同时也说明，EMD所得到的固有模态函数与分频滤波所得到结果是不同的，固有模态函数表征了信号的快速振动分量与慢速振动分量，而且不同模态之间含有频率重叠，如果能够采用加权方式将MF进行组合，实际上应该类似于对一定频带范围数据进行“叠加”的过程，可以有效提高信噪比。常规的EMD方法是在针对时间域信号的分解方法，常规方法无法实现复数域信号的EMD分解。Bekara (2008)提出了对频率域复数信号的实部和虚部分别进行EMD分解，然后将分解后的结果对应组合，从而形成EMD后的复数IMF。该方法虽然解决了复数分解问题，但是其仍然是时间域的算法，实质是将复数信号映射到两个独立的实值单变量空间，两者之间存在的相互关系被扭曲了，所得到的复数分量缺乏物理意义。投影法EMD分解方式可以实现复数信号的经验模态分解，该方法首先将复数信号投影到指定方向上，找到投影向量极大值并求取极大值包络，在不同方向上重复该过程，形成一个包围信号的三维管束，管束中心定义为慢速震荡信号，将原始信号减去慢速震荡后分裂出的快速震荡，称为复数 IMF，依次重复该过程得到一系列复数IMF。该方法得到的固有模态函数反映了复数信号在不同尺度上的振动情况，具有明确的物理意义。如图2为利用投影法进行复数经验模态分解，图2 (a)为复数信号，图2(b)为复数信号在不同方向投影形成的管束包络，图2(c)是管束中心定义的慢速振荡分量，图2(d)是快速震荡信号，即固有模态函数。上面介绍了复数经验模态分解的基本原理及其模态函数的概念，本发明基于上述方法对地震数据进行复数经验模态分解，然后采用最优化方法由地震数据及其模态分量求取自适应信号重构算子，再利用自适应信号重构算子，由地震数据的不同模态分量重构噪声衰减之后的地震信号。图3为本发明实施例的衰减地震数据随机噪声的方法的流程图，如图所示，本实施例的方法包括步骤S101，获取地震数据；步骤S102，将所述地震数据进行傅立叶变换，生成频率-空间域的地震数据；步骤S103，在空间方向上对所述频率-空间域的地震数据进行复数经验模态分解，生成多个模态分量；步骤S104，根据所述频率-空间域的地震数据与所述多个模态分量，利用最优化方法生成自适应信号重构算子；步骤S105，根据所述自适应信号重构算子和所述多个模态分量，重构生成频率域地震信号；步骤S106，将所述频率域地震信号进行傅立叶反变换，生成随机噪声衰减后的时间域地震信号；步骤S107，根据所述随机噪声衰减后的时间域地震信号绘制噪声衰减后的地震剖面图像。在本实施例中，步骤SlOl获取地震数据X (i，t)，i = 1,2,…n，其中η为记录道数，本实施例中，获取的地震数据的记录道数η为70，当然本发明不限于此，可以根据实际情况选择其他数值。在本实施例中，步骤S102将所述地震数据进行傅立叶变换，生成频率-空间域的地震数据，包括对地震数据x(i，t)，i = 1，2，···!!进行傅立叶变换，生成频率-空间域的地震数据X(i,f), i = 1,2,…η ;其中，X (i, f) = / X (i, t) e」2 llftClt0在本实施例中，步骤S 103在空间方向上对所述频率-空间域的地震数据进行复数经验模态分解，生成多个模态分量，包括对所述频率-空间域的地震数据X (i, f), i = I, 2, ".n进行复数经验模态分解,生成多个模态分量Cj (i，f), j=l, 2，···，!!!，其中，m是经过经验模态分解的模态分量的个数，在本实施例中，经过经验模态分解的模态分量的个数m为9。在本实施例中，步骤S104根据所述频率-空间域的地震数据与所述多个模态分量，利用最优化方法生成自适应信号重构算子，包括步骤I,根据所述频率-空间域的地震数据X(i, f), i = I, 2，…η构建向量X,根据所述多个模态分量& (i, f)，j=l, 2，…，m构建矩阵C，根据所述自适应信号重构算子Aj (f), j=l, 2，"'m构建向量 A ；步骤2，建立目标函数E=X-CXAt ；步骤3，利用最优化方法计算所述目标函数的最小值，生成所述目标函数最小值下 的自适应信号重构算子Aj (f)，j=l, 2，-,m；此时，A= (CCt+β I)-1CtX,其中，I为单位矩阵，β为稳定性阻尼系数，且β =0. 01。在本实施例中，步骤S105根据所述自适应信号重构算子和所述多个模态分量，重构生成频率域地震信号，包括利用所述自适应信号重构算子Aj (f)，j=l, 2，…，m,由所述多个模态分量Cj (i, f)，j=l, 2，…，m重构所述频率域地震信号S (i，f)，i = I, 2，…η 冲,/)= (/) . (/，/)
/=1在本实施例中，步骤S106将所述频率域地震信号进行傅立叶反变换，生成随机噪声衰减后的时间域地震信号，包括
m对重构后得到的所述频率域地震信号=进行傅立叶反变
换，生成随机噪声衰减后的时间域地震信号s(i, t), i = I, 2，*··η s (i, t) = f S (i, f) ej2 llftClf。在本实施例中，步骤S107根据常用的地震数据绘制软件就可以绘制噪声衰减后的地震剖面图像。图4为本发明实施例的衰减地震数据随机噪声的系统的结构示意图，如图所示，本实施例的系统包括地震数据获取单元101，用于获取地震数据；频率-空间域的地震数据生成单元102，用于将所述地震数据进行傅立叶变换，生成频率-空间域的地震数据；模态分量生成单元103，用于在空间方向上对所述频率-空间域的地震数据进行复数经验模态分解，生成多个模态分量；重构算子生成单元104，用于根据所述频率-空间域的地震数据与所述多个模态分量，利用最优化方法生成自适应信号重构算子；频率域地震信号生成单元105，用于根据所述自适应信号重构算子和所述多个模态分量，重构生成频率域地震信号；时间域地震信号生成单元106，用于将所述频率域地震信号进行傅立叶反变换，生成随机噪声衰减后的时间域地震信号；地震剖面图像绘制单元107，用于根据所述随机噪声衰减后的时间域地震信号绘制噪声衰减后的地震剖面图像。在本实施例中，地震数据获取单元101获取地震数据X(i，t)，i = 1，2广"11，其中η为记录道数，本实施例中，获取的地震数据的记录道数η为70，当然本发明不限于此，可以根据实际情况选择其他数值。在本实施例中，频率-空间域的地震数据生成单元102将所述地震数据进行傅立叶变换，生成频率-空间域的地震数据，包括对地震数据x(i，t)，i = 1，2，···!!进行傅立叶变换，生成频率-空间域的地震数据X(i,f), i = 1,2,…η ;其中，X (i, f) = / X (i, t) e」2 llftClt0在本实施例中,模态分量生成单元103在空间方向上对所述频率-空间域的地震数据进行复数经验模态分解，生成多个模态分量，包括对所述频率-空间域的地震数据X (i, f), i = I, 2, ".n进行复数经验模态分解,生成多个模态分量Cj (i，f), j=l, 2，···，!!!，其中，m是经过经验模态分解的模态分量的个数，在 本实施例中，经过经验模态分解的模态分量的个数m为9。在本实施例中，重构算子生成单元104根据所述频率-空间域的地震数据与所述多个模态分量，利用最优化方法生成自适应信号重构算子，包括步骤I,根据所述频率-空间域的地震数据X(i, f), i = I, 2，…η构建向量X,根据所述多个模态分量& (i, f)，j=l, 2，…，m构建矩阵C，根据所述自适应信号重构算子Aj (f), j=l, 2，"'m构建向量 A ；步骤2，建立目标函数E=X-CXAt ;步骤3，利用最优化方法计算所述目标函数的最小值，生成所述目标函数最小值下的自适应信号重构算子Aj (f)，j=l, 2，-,m；此时，A= (CCt+β I)-1CtX,其中，I为单位矩阵，β为稳定性阻尼系数，且β =0. 01。在本实施例中，频率域地震信号生成单元105根据所述自适应信号重构算子和所述多个模态分量，重构生成频率域地震信号，包括利用所述自适应信号重构算子Aj (f)，j=l, 2，…，m,由所述多个模态分量Cj (i, f)，j=l, 2，…，m重构所述频率域地震信号S (i，f)，i = I, 2，…η ^(ζ,/) = Χ4(/) . (/,/)
/=1在本实施例中，时间域地震信号生成单元106将所述频率域地震信号进行傅立叶反变换，生成随机噪声衰减后的时间域地震信号，包括
m对重构后得到的所述频率域地震信号=进行傅立叶反变
换，生成随机噪声衰减后的时间域地震信号s(i, t), i = I, 2，*··η s (i, t) = f S (i, f) ej2 llftClf。在本实施例中，地震剖面图像绘制单元107根据常用的地震数据绘制软件就可以绘制噪声衰减后的地震剖面图像。实施例1:本实施例为某油田A区块的应用实例，该勘探区块位于沙漠腹地，沙丘散射在地震数据上产生了强烈的随机干扰，勘探目的层为地下7000米左右的碳酸盐岩储层，碳酸盐岩内幕波阻抗差异较�。�反射信号较弱。碳酸盐岩内幕反射完全淹没在散射噪声之中。图5是本勘探区块野外采集的地震记录，在该地震记录上几乎见不到有效反射的影子，很难对碳酸盐岩内幕的结构特征进行分析和描述。图6是利用工业界f-x域空间预测滤波方法进行随机噪声衰减之后的结果，随机噪声得到一定程度的压制，在去噪之后的地震剖面上可以见到时断时续的有效信号。图7是利用本发明的衰减方法进行随机噪声衰减之后的结果，随机噪声得到了更加彻底的衰减，较好地恢复了碳酸盐岩内幕结构的反射特征，为碳酸盐岩构造解释和储层预测提供了高质量的基础数据。实施例2 本实施例为某油田B区块的应用实例，该区块与A区块相邻，但信噪比略高于A区块的地震数据。图8是该区快采集的地震数据，3100ms之上为砂岩地层，3100ms之下为碳酸盐岩地层，由于随机噪声的污染，在图8所示的地震剖面上只能追踪到几个强反射界面产生的同相轴，弱反射信号完全淹没在噪声干扰之中。图9是利用本发明的衰减方法进行随机噪声衰减之后的结果，随机干扰得到了有效压制，很好地恢复了被随机噪声淹没的弱反射信号，清晰地展示了地层结构及其接触关系，大幅度提高了利用地震信号探测地下结构的精度。本发明实施例的衰减地震数据随机噪声的方法与系统，可以自动识别并重构被随机噪声严重污染的地震信号，有效压制随机噪声对地震信号的影响，提高了地震资料信噪比，增强了地震信号对地下复杂结构和油气储层的检测精度，为地震资料构造解释和储层预测提供了高质量的基础数据。以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
权利要求
1.一种衰减地震数据随机噪声的方法，其特征在于，所述方法包括 获取地震数据； 将所述地震数据进行傅立叶变换，生成频率-空间域的地震数据； 在空间方向上对所述频率-空间域的地震数据进行复数经验模态分解，生成多个模态分量; 根据所述频率-空间域的地震数据与所述多个模态分量，利用最优化方法生成自适应信号重构算子； 根据所述自适应信号重构算子和所述多个模态分量，重构生成频率域地震信号； 将所述频率域地震信号进行傅立叶反变换，生成随机噪声衰减后的时间域地震信号； 根据所述随机噪声衰减后的时间域地震信号绘制噪声衰减后的地震剖面图像。
2.根据权利要求1所述的衰减地震数据随机噪声的方法，其特征在于，所述获取的地震数据为X (i, t)，i = I, 2，…η,其中η为记录道数。
3.根据权利要求2所述的衰减地震数据随机噪声的方法，其特征在于，所述将所述地震数据进行傅立叶变换，生成频率-空间域的地震数据，包括 对地震数据x(i，t)，i = I, 2，一η进行傅立叶变换，生成频率-空间域的地震数据X(i,f), i = 1,2, -η ;其中，
4.根据权利要求3所述的衰减地震数据随机噪声的方法，其特征在于，所述在空间方向上对所述频率-空间域的地震数据进行复数经验模态分解，生成多个模态分量，包括 对所述频率-空间域的地震数据X (i，f)，i = 1，2，-η进行复数经验模态分解，生成多个模态分量Cj (i，f), j=l, 2，一,m,其中，m是经过经验模态分解的模态分量的个数。
5.根据权利要求4所述的衰减地震数据随机噪声的方法，其特征在于，所述根据所述频率-空间域的地震数据与所述多个模态分量，利用最优化方法生成自适应信号重构算子，包括 步骤1，根据所述频率-空间域的地震数据X(i，f)，i = 1，2，…η构建向量X，根据所述多个模态分量q(i，f)，j=l，2，…，m构建矩阵C，根据所述自适应信号重构算子Aj (f), j=l, 2，"'m构建向量 A ； 步骤2，建立目标函数E=X-CXAt ； 步骤3，利用最优化方法计算所述目标函数的最小值，生成所述目标函数最小值下的自适应信号重构算子Aj (f)，j=l, 2，…，m ; 此时，A= (CCt+β Ir1C1X,其中，I为单位矩阵，β为稳定性阻尼系数，且β=0. 01。
6.根据权利要求5所述的衰减地震数据随机噪声的方法，其特征在于，所述根据所述自适应信号重构算子和所述多个模态分量，重构生成频率域地震信号，包括 利用所述自适应信号重构算子 (f)，j=l，2，…，m，由所述多个模态分量Cj (i, f)，j=l, 2，…，m重构所述频率域地震信号S (i，f)，i = I, 2，…η
7.根据权利要求6所述的衰减地震数据随机噪声的方法，其特征在于，所述将所述频率域地震信号进行傅立叶反变换，生成随机噪声衰减后的时间域地震信号，包括对重构后得到的所述频率域地震信号
8.根据权利要求1-7中任一项所述的衰减地震数据随机噪声的方法，其特征在于，所述经过经验模态分解的模态分量的个数m=9。
9.一种衰减地震数据随机噪声的系统，其特征在于，所述系统包括 地震数据获取单元，用于获取地震数据； 频率-空间域的地震数据生成单元，用于将所述地震数据进行傅立叶变换，生成频率-空间域的地震数据； 模态分量生成单元，用于在空间方向上对所述频率-空间域的地震数据进行复数经验模态分解，生成多个模态分量； 重构算子生成单元，用于根据所述频率-空间域的地震数据与所述多个模态分量，利用最优化方法生成自适应信号重构算子； 频率域地震信号生成单元，用于根据所述自适应信号重构算子和所述多个模态分量，重构生成频率域地震信号； 时间域地震信号生成单元，用于将所述频率域地震信号进行傅立叶反变换，生成随机噪声衰减后的时间域地震信号； 地震剖面图像绘制单元，用于根据所述随机噪声衰减后的时间域地震信号绘制噪声衰减后的地震剂面图像。
全文摘要
本发明公开了一种衰减地震数据随机噪声的方法和系统。所述方法包括获取地震数据；将地震数据进行傅立叶变换，生成频率-空间域的地震数据；在空间方向上对频率-空间域的地震数据进行复数经验模态分解，生成多个模态分量；根据频率-空间域的地震数据与多个模态分量，利用最优化方法生成自适应信号重构算子；根据自适应信号重构算子和所述多个模态分量，重构生成频率域地震信号；将频率域地震信号进行傅立叶反变换，生成随机噪声衰减后的时间域地震信号；根据所述随机噪声衰减后的时间域地震信号绘制噪声衰减后的地震剖面图像。本发明实施例的衰减地震数据随机噪声的方法与系统，可以有效压制随机噪声对地震信号的影响，提高了地震资料信噪比。
文档编号G01V1/36GK102998706SQ201210483278
公开日2013年3月27日 申请日期2012年11月23日 优先权日2012年11月23日
发明者李国发, 王峣钧, 付立新, 彭更新, 满益志, 秦德海, 李皓 申请人:中国石油大学(北京)