基于全局非线性最优化与形态学的井间地震波场高保真分离方法研究

In current,existing problems in wavefield seperation of cross well seismic are mainly as follows:(1)the loss of effective information; (2)great work load,low work efficiency. This project studies the method of wave field seperation for cross well seismic,which achieves high fidelity and efficient seperation of reflection waves in cross well seismic. To reduce the loss of reflection wave,and improve the efficiency of seperation,besides use of channel gather and polarization,methods based on global nonlinear optimization and mathematical morphology are to be explored as focal point of the work. Global nonlinear optimization consists of least square problem and eigen value problem. Events are extracted one by one. It allows each event to independently vary in its amplitude and arrival time. Mathematical morphology is a nonlinear filter. In wave field seperation with morphology,the key point is selection of structral element and design of morphological algorithms.

当前的井间地震波场分离工作存在的问题主要在两个方面：(1)有效信息的损失；(2)工作量大，处理效率较低。本项目拟研究一套用于井间地震波场分离的方法，实现井间地震反射波场快速有效的高保真分离，开发相应的处理软件。为减少反射波分离时的能量损失、提高分离效率，除了利用道集特征和偏振外，重点研究基于全局非线性最优化与数学形态学的方法。全局非线性最优化方案由最小平方问题和特征值问题组成，逐一提取同相轴，适用于波是非均匀传播、子波波形与振幅变化的情况。数学形态学本质上是非线性滤波器，基于数学形态学的井间地震波场分离方法中，关键是结构元素的选择和形态算法的设计。

井间地震作为实现高精度勘探的一种重要方法，在实际工程应用中，如何用好这一技术，成功解决地质问题，有许多技术环节值得研究。井间地震记录中所含信息丰富，多种类型的波干涉叠加，增加了波场分离的难度。本项目重点研究探索分离井间地震波场的方法。首先，利用一阶速度-应力波动方程高阶交错网格有限差分数值模拟方法制作井间地震合成记录，合成的记录与实际采集的记录在运动学特征和动力学特征方面都有较好的一致性，为分离研究奠定了基础。模拟过程中，为消除边界反射，采用完全匹配层(PML)吸收边界条件，结果表明，对qP波，匹配层的厚度为5个网格间距即可达到要求，而对qSV波与qSH波，当厚度为13个网格间距时方可达到理想的吸收效果。然后，对井间地震波场分离方法做了广泛的探索，着重研究了多种道集法、偏振滤波法、特征提取滤波方法。利用道集转换，先在共偏移距道集(COG)上消除能量很强的直达波，再在共炮点道集(CSG)上分离上行波与下行波，效果好。纵波与横波的分离可利用偏振特性极化滤波方法，由于地震记录是一个瞬态的非平稳过程，偏振矢量合成的纵波与横波分离方法应该是时变的，本项目研究采用自适应滑动时窗的偏振矢量极化滤波方法分离纵波(qP)与横波(qSV)，数值实验表明，当滑动窗的宽度为记录波形视周期的1.5倍时，能够得到较满意的分离结果。针对同相轴子波波形和振幅随空间与时间的变化，研究了采用局部特征提取滤波的分离方法，在数据窗内应用倾角扫描自动获取同相轴的时间，排齐同相轴，进行特征分解，通过特征提取分离同相轴。在对特征提取方法的研究中，提出采用人工神经网络自组织学习算法进行特征提取，与传统的KL分解或SVD相比，该方法可降低滤波的计算成本。