[发明专利]地球物理数据的迭代反演中的伪迹减少

说明书

相关申请的交叉参考

本申请要求2010年5月7日提交的标题为ARTIFACT REDUCTION INITERATIVE INVERNSION OF GEOPHYSICAL DATA的美国临时专利申请61/332,463的权益，其全部内容通过引用合并于此。

技术领域

本发明一般涉及地球物理勘探领域，并且更特别地涉及地球物理数据处理。特别地，本发明涉及减少数据迭代反演中由反演中做出的近似产生的伪迹（artifacts）。

背景技术

地球物理反演[1，2]尝试找到最优解释观测数据并满足地质和地球物理约束的地下性质的模型。存在大量众所周知的地球物理反演方法。这些众所周知的方法属于两种类别即迭代反演和非迭代反演中的一种。以下是两种类别中每一种的普遍意义的定义：

·非迭代反演——通过假设一些简单的背景模型并基于输入数据更新该模型而实现的反演。该方法不使用更新模型作为另一反演步骤的输入。对于地震数据的情况，这些方法一般被称为成像、偏移、衍射层析成像或博恩反演。

·迭代反演——涉及地下性质模型的反复改进以便找到满意地解释观测数据的模型的反演。如果该反演收敛，则最终模型将更好地解释观测数据并且更接近地近似实际地下性质。迭代反演通常比非迭代反演产生更准确的模型，但是计算起来昂贵得多。

在地球物理学中普遍采用的两种迭代反演方法是成本函数最优化和级数法。成本函数最优化包括成本函数S(M)的数值相对于模型M的迭代最小化或最大化，该成本函数S(M)是计算数据与观测数据之间的错配度的度量（这有时也被称为目标函数），其中计算数据是通过计算机使用当前地球物理性质模型和源信号在由给定的地球物理性质模型表示的介质中的物理学支配传播（physics governing propagation）来仿真的。仿真计算可以通过若干数值方法 中的任何一种来完成，所述数值方法包括但不限于有限差分、有限元或射线追踪。级数法涉及通过散射方程的迭代级数解进行反演（Weglein[3]）。该解以级数形式写出，其中级数中的每项对应于散射的较高阶。在此情况下的迭代对应于向该解添加级数中较高阶的项。

成本函数最优化方法是局部的或全局的[4]。全局方法仅仅涉及计算模型群体{M₁，M₂，M₃，…}的成本函数S(M)以及从该群体中选择近似最小化S(M)的一组一个或更多个模型。如果希望进一步的改进，则该新选择的模型组可以被用作基础来生成能够再次相对于成本函数S(M)被再次测试的新模型群体。对于全局方法，测试群体中的每个模型都可以视为是一次迭代，或者在更高水平下，每组被测试的群体可以视为是一次迭代。众所周知的全局反演方法包括蒙特卡罗法、仿真退火（simulated annealing）法、遗传和进化算法。

局部成本函数最优化包括：

1.选择起始模型；

2.计算成本函数S(M)关于描述该模型的参数的斜率；

3.搜索在梯度方向上作为起始模型的扰动的更新模型，该更新模型更好地解释观测数据。

该进程通过使用新的更新模型作为另一梯度搜索的起始模型来重复。该过程继续进行直到找到满意地解释观测数据的更新模型。普遍使用的局部成本函数反演方法包括梯度搜索法、共轭梯度法和牛顿法。

如上所述，因为迭代反演产生更准确的地下参数模型，所以迭代反演比非迭代反演更优选。不利的是，迭代反演在计算方面是非常昂贵的，以至于将其应用于许多感兴趣问题是不实际的。这一高计算成本是所有反演技术都需要许多计算密集的正向和/或反向仿真的结果。正向仿真意味着在时间上向前的数据计算，而反向仿真意味着在时间上向后的数据计算。

由于其高昂的计算成本，迭代反演经常需要应用加速计算的一些类型近似。不利的是，这些近似通常在最终反演模型中导致误差，该误差可以作为在反演中采用的近似的伪迹（artifacts）观察到。

需要的是一种迭代反演数据的一般方法，该方法允许应用近似而不在最终的反演模型中生成伪迹。本发明满足该需要。

发明内容