[发明专利]多次波自适应相减方法及装置

说明书

本发明提供了一种多次波自适应相减方法及装置。该方法包括：利用二维数据窗口中的预测多次波和所述二维数据窗口中的原始地震数据分别构建特征向量和标签值，并根据所述特征向量和所述标签值生成训练数据；将所述训练数据作为输入，通过支持向量回归方法估计得到支持向量回归函数；将所述特征向量输入至所述支持向量回归函数，得到所述二维数据窗口中的估计多次波；从所述原始地震数据中减去所述估计多次波，得到所述二维数据窗口中的一次波估计结果；根据所述原始地震数据的所有二维数据窗口中的一次波估计结果得到所述原始地震数据的估计一次波。通过将多次波自适应相减归结为支持向量回归问题，能够更好地均衡一次波的保护和多次波的分离。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种多次波自适应相减方法及装置。

背景技术

目前工业中广泛采用的地震偏移算法，主要是基于地震波的能量在地下仅反射一次的假定。然而，地震波在强反射界面之间往返传播会形成多次反射波，简称多次波。在基于一次反射波的地震偏移算法中，多次波的存在会降低地震偏移的精度，进而造成地震解释和反演的困难。合理有效地压制多次波，是对多次波进行处理的重要方法。多次波的压制方法分为滤波方法和预测减去法。滤波方法是利用一次波和多次波在时间-空间域或变换域的可分离性来压制多次波。预测减去法利用自由表面多次波的周期性和可预测性，首先对多次波进行预测，然后将预测多次波从原始数据中自适应减去。其中，多次波自适应相减是多次波压制的重要环节。

通常，多次波自适应相减被归结为一个线性回归问题，其中滤波器系数将预测多次波的采样点进行线性结合来匹配原始数据。预测多次波与真实多次波在振幅、时间和空间位置方面有复杂的不匹配性。通常，迭代重加权最小二乘算法被用来求解对一次波施加L1模最小化约束的优化问题。相对于基于一次波能量最小化的最小二乘方法，基于迭代重加权最小二乘算法的方法能更好地分离一次波和多次波。事实上，预测多次波和真实多次波之间的不匹配性不能被基于迭代重加权最小二乘算法的多次波自适应相减方法所求解的线性回归问题所有效地表征。因此，基于迭代重加权最小二乘算法的方法仍然会造成残余多次波或一次波损伤，特别是在复杂介质情形下。

发明内容

有鉴于上述问题，本发明提供了一种多次波自适应相减方法及装置，以更好地均衡一次波保护和多次波去除问题。

为了实现上述目的，本发明采用以下方案：

在本发明一个实施例中，多次波自适应相减方法，包括：利用二维数据窗口中的预测多次波和所述二维数据窗口中的原始地震数据分别构建特征向量和标签值，并根据所述特征向量和所述标签值生成训练数据；所述原始地震数据被预先划分为至少一个所述二维数据窗口；将所述训练数据作为输入，通过支持向量回归方法估计得到支持向量回归函数；将所述特征向量输入至所述支持向量回归函数，得到所述二维数据窗口中的估计多次波；从所述原始地震数据中减去所述估计多次波，得到所述二维数据窗口中的一次波估计结果；根据所述原始地震数据的所有二维数据窗口中的一次波估计结果得到所述原始地震数据的估计一次波。

在本发明一个实施例中，多次波自适应相减装置，包括：

训练数据生成单元，用于：利用二维数据窗口中的预测多次波和所述二维数据窗口中的原始地震数据分别构建特征向量和标签值，并根据所述特征向量和所述标签值生成训练数据；所述原始地震数据被预先划分为至少一个所述二维数据窗口；

回归函数生成单元，用于：将所述训练数据作为输入，通过支持向量回归方法估计得到支持向量回归函数；

估计多次波生成单元，用于：将所述特征向量输入至所述支持向量回归函数，得到所述二维数据窗口中的估计多次波；

一次波估计结果生成单元，用于：从所述原始地震数据中减去所述估计多次波，得到所述二维数据窗口中的一次波估计结果；