Shearlet域尺度角度自适应深反射地震数据随机噪声压制方法

doi:10.11720/wtyht.2022.1187

摘要
图/表
参考文献
相关文章
Metrics

全文: PDF(13829 KB) HTML
输出: BibTeX | EndNote (RIS)

摘要

深反射地震探测技术是研究地球深部地质结构最为有效的手段之一。受大地滤波作用的影响,地震波能量成指数衰减,造成深层有效反射能量弱,受背景噪声干扰严重,难以实现深部地质结构的准确成像。本文通过研究深反射地震数据在Shearlet域中各个尺度角度上有效信号和随机噪声的分布差异,发现在不同的尺度角度上地震信号受随机噪声的影响程度不同。进一步将深反射地震数据尺度角度域中的信噪比、Shearlet系数二范数及随机噪声残差作为阈值的估计参数,实现随尺度角度自适应的随机噪声压制方法,最大限度地去除随机噪声的影响。通过理论模型数据和实际深反射地震数据测试,验证了Shearlet域自适应阈值随机噪声压制方法可以有效地去除随机噪声干扰,提升地震剖面的整体信噪比,实现深层微弱反射信号的精准成像。

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	王通
	刘建勋
	王兴宇
	李广才
	田密

关键词 ：深反射地震, Shearlet变换, 自适应阈值, 信噪比, 地震弱信号

Abstract：

Deep seismic reflection is one of the most effective means of studying the deep geological structure of the Earth.However,the energy of seismic waves exponentially decreases due to the filtering by the Earth,resulting in weak energy of effective deep seismic reflection signals.In this case,deep seismic reflection data are liable to be seriously disturbed by background noise,and thus it is difficult to obtain accurate images of deep geological structures.According to the study on the differences in the distribution of effective signals and random noise of deep seismic reflection data on different scales in the Shearlet domain,seismic signals on different scales are affected by random noise to different extents.Furthermore,with the signal-to-noise ratio,the L2 norm of Shearlet coefficients,and the residual errors of random noise in deep seismic reflection data as the parameters for threshold estimation,this study developed a random noise suppression method that is adaptive to different scales to minimize the effects of random noise.Theoretical model data and actual tests of deep seismic reflection data verified that this method can effectively eliminate the disturbance of random noise,improve the overall signal-to-noise ratio of seismic sections,and realize the accurate imaging of weak deep seismic reflection signals.

Key words： deep reflection seismic Shearlet transform adaptive threshold signal-to-noise ratio(SNR) seismic weak signal

收稿日期: 2021-04-17 修回日期: 2022-01-14 出版日期: 2022-06-20

ZTFLH:

P631.4

基金资助:中国地质调查局地质调查项目(DD20211340-01);中国地质调查局地质调查项目(AS2020J02);中国地质调查局地质调查项目(DD20190030)

通讯作者: 王兴宇

作者简介: 王通(1989-), 男, 工程师,主要从事深反射地震、地震数据中噪声压制方法研究工作。Email: wangtong_igge@163.com

引用本文:

王通, 刘建勋, 王兴宇, 李广才, 田密. Shearlet域尺度角度自适应深反射地震数据随机噪声压制方法[J]. 物探与化探, 2022, 46(3): 704-713.
WANG Tong, Liu Jian-Xun, WANG Xing-Yu, LI Guang-Cai, TIAN Mi. Suppression of random noise in deep seismic reflection data using adaptive threshold-based Shearlet transform. Geophysical and Geochemical Exploration, 2022, 46(3): 704-713.

链接本文:

https://www.wutanyuhuatan.com/CN/10.11720/wtyht.2022.1187 或 https://www.wutanyuhuatan.com/CN/Y2022/V46/I3/704

Fig.1 Shearlet域不同尺度角度下地震数据的信噪比

Fig.2 Shearlet域不同尺度角度下地震数据的L2范数

Fig.3 Sigsbee模型(a)及包含随机噪声的单炮记录(b)

Fig.4 单炮记录随机噪声去除效果
a—传统Shearlet域阈值方法;b—Shearlet域尺度角度自适应阈值方法;c—传统Shearlet域阈值方法去除噪声;d—Shearlet域尺度角度自适应阈值方法去除的噪声;e—传统Shearlet域阈值方法第三尺度结果;f—传统Shearlet域阈值方法第四尺度结果;g—Shearlet域尺度角度自适应阈值方法第三尺度结果;h—Shearlet域尺度角度自适应阈值方法第四尺度结果

Fig.5 包含随机噪声的零偏移距数据

Fig.6 零偏移距数据随机噪声去除效果
a—传统Shearlet域阈值方法;b—Shearlet域尺度角度自适应阈值方法;c—传统Shearlet域阈值方法去除的噪声;d—Shearlet域尺度角度自适应阈值方法去除的噪声

Fig.7 松辽盆地地震数据随机噪声去除效果
a—松辽盆地深反射地震数据叠加剖面;b—Shearlet域尺度角度自适应阈值去噪后剖面;c—去除的随机噪声

Fig.8 图7局部放大对比
a—图7a中黄色方框放大;b—图7b中黄色方框放大;c—图7a中蓝色方框放大;d—图7b中蓝色方框放大

Fig.9 去噪前、后剖面频谱对比

[1]	王海燕, 高锐, 卢占武, 等. 国内外深反射地震研究的进展及应用研究[J]. 中国西部油气地质, 2005, 1(1):101-107.
[1]	Wang H Y, Gao R, Lu Z W, et al. Progress and application of deep seismic reflection research domestic and over seas[J]. West China Petroleum Geosciences, 2005, 1(1):101-107.
[2]	徐泰然, 卢占武, 王海燕, 等. 深反射地震剖面数据处理的主要技术方法[J]. 地球物理学进展, 2017, 32(2):326-338.
[2]	Xu T R, Lu Z W, Wang H Y, et al. Main technology of deep seismic reflection data processing[J]. Progress in Geophysics, 2017, 32(2):326-338.
[3]	李胜强, 刘振东, 严加永, 等. 高分辨深反射地震探测采集处理关键技术综述[J]. 地球物理学进展, 2020, 35(4):190-199.
[3]	Li S Q, Liu Z D, Yan J Y, et al. Review on the key techniques for high resolution deep reflection seismic acquisition and processing[J]. Progress in Geophysics, 2020, 35(4):190-199.
[4]	朱小三, 高锐, 李秋生, 等. 深反射地震数据的噪音衰减方法综述[J]. 地球物理学进展, 2013, 28(6):2878-2900.
[4]	Zhu X S, Gao R, Li Q S, et al. Review of the noises attenuation of deep reflection seismic data[J]. Progress in Geophysics, 2013, 28(6):2878-2900.
[5]	谭晓迪, 黄大年, 李丽丽, 等. 小波结合幂次变换方法在边界识别中的应用[J]. 吉林大学学报:地球科学版, 2018, 48(2):82-94.
[5]	Tan X D, Huang D N, Li L L, et al. Application of wavelet transform combined with power transform method in edge detection[J]. Journal of Jilin University:Earth Science Edition, 2018, 48(2):82-94.
[6]	刘霞, 黄阳, 黄敬, 等. 基于经验模态分解(EMD)的小波熵阈值地震信号去噪[J]. 吉林大学学报:地球科学版, 2016, 46(1):262-269.
[6]	Liu X, Huang Y, Huang J, et al. Wavelet entropy threshold seismic signal denoising based on empirical mode decomposition (EMD)[J]. Journal of Jilin University:Earth Science Edition, 2016, 46(1): 262-269.
[7]	程浩, 袁月, 王恩德, 等. 基于小波变换的自适应阈值微震信号去噪研究[J]. 东北大学学报:自然科学版, 2018, 38(9):1332-1336.
[7]	Cheng H, Yuan Y, Wang E D, et al. Study of Hierarchical adaptive threshold micro-seismic signal denoising based on wavelet transform[J]. Journal of Northeastern University:Natural Science, 2018, 38(9):1332-1336.
[8]	罗红梅, 宋维琪, 邢漪冉, 等. 基于改进经验模态分解的地震弱信号增强处理方法[J]. 地球物理学进展, 2019, 34(1):173-179.
[8]	Luo H M, Song W Q, Xing Y R, et al. Seismic weak signal enhancement processing method based on improved empirical mode decomposition[J]. Progress in Geophysics, 2019, 34(1):173-179.
[9]	陈亮, 陈丽芳, 刘保相. 一种神经网络改进小波的地震数据随机噪声去除方法[J]. 地震工程学报, 2019, 41(2):476-481.
[9]	Chen L, Chen L F, Liu B X. A method for random noise elimination from seismic data based on the Neural Network-improved wavelet transform[J]. China Earthquake Engineering Journal, 2019, 41(2):476-481.
[10]	Guo K, Labate D, Lim W Q, et al. Wavelets with composite dilations[J]. Electronic Research Society, 2004, 10(9):78-87.
[11]	Guo K, Labate D, Lim W Q, et al. Wavelets with composite dilations and their MRA properties[J]. Applied and Computational Harmonic Analysis, 2006, 20(2):202-236. doi: 10.1016/j.acha.2005.07.002
[12]	王通, 王德利, 冯飞, 等. 三维稀疏反演多次波预测及曲波域匹配相减技术[J]. 吉林大学学报:地球科学版, 2017, 47(6):1865-1874.
[12]	Wang T, Wang D L, Feng F, et al. Multiple prediction with 3D sparse inversion and Curvelet match[J]. Journal of Jilin University:Earth Science Edition, 2017, 47(6):1865-1874.
[13]	刘磊, 刘振, 张军华. 曲波阈值法地震弱信号识别及去噪方法研究[J]. 地球物理学进展, 2011, 29(4):1415-1422.
[13]	Liu L, Liu Z, Zhang J H. Denoising and detecting seismic weak signal based on curvelet thresholding method[J]. Progress in Geophysics, 2011, 29(4):1415-1422.
[14]	金丹, 程建远, 王保利, 等. 基于Curvelet变换的地震资料弱信号识别及去噪方法[J]. 煤炭学报, 2016, 41(2):332-337.
[14]	Jin D, Cheng J Y, Wang B L, et al. Seismic weak signal identification and noise elimination based on curvelet domain[J]. Jounrnal of China Coal Society, 2016, 41(2):332-337.
[15]	何柯, 周丽萍, 于宝利, 等. 基于补偿阈值的曲波变换地面微地震弱信号检测方法[J]. 物探与化探, 2016, 40(1):55-60.
[15]	He K, Zhou L P, Yu B L, et al. The ground microseismic weak signal detection method based on compensation threshold of curvelet transform[J]. Geophysical and Geochemical Exploration, 2016, 40(1):55-60.
[16]	张华, 陈小宏, 李红星, 等. 曲波变换三维地震数据去噪技术[J]. 石油地球物理勘探, 2017, 52(2):226-232.
[16]	Zhang H, Chen X H, Li H X, et al. A denoising technique for 3D seismic data by Curvelet transform[J]. Oil Geophysical Prospecting, 2017, 52(2):226-232.
[17]	孙苗苗, 李振春, 曲英铭, 等. 基于曲波域稀疏约束的OVT域地震数据去噪方法研究[J]. 石油物探, 2019, 58(2):58-68.
[17]	Sun M M, Li Z C, Qu Y M, et al. A seismic denoising method based on Curvelet transform with sparse constraint in OVT domain[J]. Geophysical Prospecting for Petroleum, 2019, 58(2):58-68.
[18]	刘成明, 王德利, 王通, 等. 基于Shearlet变换的地震随机噪声压制[J]. 石油学报, 2014, 35(4):692-699.
[18]	Liu C M, Wang D L, Wang T, et al. Random seismic noise attenuation based on the Shearlet transform[J]. Acta Petrolei Sinica, 2014, 35(4):692-699.
[19]	程浩, 王德利, 王恩德, 等. 尺度自适应三维Shearlet变换地震随机噪声压制[J]. 石油地球物理勘探, 2019, 54(5):36-44.
[19]	Cheng H, Wang D L, Wang E D, et al. Scaling adaptive 3D shearlet transform seismic random noise suppression[J]. Oil Geophysical Prospecting, 2019, 54(5):36-44.
[20]	童思友, 高航, 刘锐, 等. 基于Shearlet变换的自适应地震资料随机噪声压制[J]. 石油地球物理勘探, 2019, 54(4):744-750.
[20]	Tong S Y, Gao H, Liu R, et al. Shearlet transform based adaptive random noise suppression of seismic data[J]. Oil Geophysical Prospecting, 2019, 54(4):744-750.
[21]	薛林, 程浩, 巩恩普, 等. Shearlet域自适应阈值地震数据随机噪声压制[J]. 石油地球物理勘探, 2020, 55(2):282-291.
[21]	Xue L, Cheng H, Gong E P, et al. Shearlet domain adaptive threshold seismic data random noise suppression[J]. Oil Geophysical Prospecting, 2020, 55(2):282-291.

[1]	王金刚, 安勇, 徐振旺. 基于Shearlet变换的非局部均值地震噪声压制[J]. 物探与化探, 2023, 47(1): 199-207.
[2]	薛野, 杨帆, 刘厚裕, 刘明, 赵苏城, 蓝加达. 彭水地区碳酸盐岩山地地表地震激发接收因素优选及效果[J]. 物探与化探, 2022, 46(3): 608-617.
[3]	王光文, 王海燕, 李洪强, 李文辉, 庞永香. 地震正演技术在深反射地震剖面探测中的应用[J]. 物探与化探, 2021, 45(4): 970-980.
[4]	段莹, 张高成, 谭雅丽. 泌阳凹陷高陡构造带地震成像[J]. 物探与化探, 2021, 45(4): 981-989.
[5]	邱庆良, 曹乃文, 白烨. 可控震源激发参数优选及应用效果[J]. 物探与化探, 2021, 45(3): 686-691.
[6]	张斯薇, 吴荣新, 韩子傲, 吴海波. 双边滤波在探地雷达数据去噪处理中的应用[J]. 物探与化探, 2021, 45(2): 496-501.
[7]	周锦钟, 张金海, 牛全兵, 张惠瑜, 王海峰, 朱波, 李丽, 尹思, 王娜. 柴达木盆地尖顶山地区低频可控震源“两宽一高”地震资料处理关键技术应用研究[J]. 物探与化探, 2020, 44(2): 313-320.
[8]	马振, 孙成禹, 彭鹏鹏, 姚振岸. 速度误差和地震噪声对最小二乘逆时偏移的影响分析[J]. 物探与化探, 2020, 44(2): 329-338.
[9]	时伟, 林春华, 王维红, 高云路. 双约束变换时窗统计能量比地震波初至拾取方法[J]. 物探与化探, 2019, 43(5): 1064-1073.
[10]	王海立, 陈炳超, 王婷婷, 于宝华, 张树刚, 马立新. 西部高原咸化地表静校正方法应用[J]. 物探与化探, 2018, 42(5): 1064-1068.
[11]	王海立, 王永生, 王彪, 马立新, 张先建. 基于强波阻抗反射界面的静校正方法及应用[J]. 物探与化探, 2018, 42(2): 347-351.
[12]	郭奇, 曾昭发, 于晨霞, 张思萌. 基于高精度字典学习算法的地震随机噪声压制[J]. 物探与化探, 2017, 41(5): 907-913.
[13]	刁瑞, 吴国忱, 尚新民, 芮拥军, 崔庆辉. 地面阵列式微地震数据盲源分离去噪方法[J]. 物探与化探, 2017, 41(3): 521-526.
[14]	张保卫, 王小江, 张凯. 新疆喀拉通克铜镍矿地震资料噪声分析与压制[J]. 物探与化探, 2016, 40(4): 771-777.
[15]	何柯, 周丽萍, 于宝利, 邓勇, 王丽丽, 王茜. 基于补偿阈值的曲波变换地面微地震弱信号检测方法[J]. 物探与化探, 2016, 40(1): 55-60.

Viewed

Full text

Abstract

Cited

Shared

Discussed