[发明专利]基于Spark的地震积分法时间偏移方法

说明书

本发明提供一种基于Spark的地震积分法时间偏移方法，该基于Spark的地震积分法时间偏移方法包括：步骤1，设置进行积分法叠前时间偏移的参数；步骤2，根据参数，对输入数据和输出成像范围进行切分，构成输入RDD；步骤3，对输入RDD进行积分法时间偏移处理；步骤4，合并临时成像结果RDD，得到最终成像结果。该基于Spark的地震积分法时间偏移方法克服了现有技术的临时文件处理、网络通讯等方面的缺点，进一步提升了并行效率，可以更稳定的支撑海量数据的处理。

技术领域

本发明涉及油田开发技术领域，特别是涉及到一种基于Spark的地震积分法时间偏移方法。

背景技术

地震数据处理是大数据高性能计算技术的重要应用领域，而地震数据积分法时间偏移方法是其中应用十分频繁，计算量十分密集的处理步骤。特别是随着地震勘探技术的发展，地震数据的体量日益增大，地震偏移处理的计算量也越来越大，计算周期越来越长。为满足实际生产的需求，许多并行方法都被应用于地震偏移算法中，包括基于MPI的CPU多进程、基于OpenMP的CPU多线程、基于CUDA的GPU多线程以及多种方法的结合运用等。

近年来，大数据技术快速发展，也开始应用于地球物理勘探领域。Hadoop是一种新兴的分布式基础架构。Hadoop主要由分布式文件系统HDFS和分布式并行计算框架MapReduce构成，HDFS支持海量数据存储，MapReduce提供了海量数据的并行处理。

在地球物理勘探领域中，Hadoop最早被应用于地震数据偏移处理中，在申请号：201310519635.8的中国专利申请中，涉及到一种积分法叠前时间偏移地震资料处理方法及系统，该方法预先分析积分法叠前时间偏移计算方法和数据访问特点，在数据管理和访问采用MapReduce框架，在具体的偏移计算时采用CUDA编程实现CPU/GPU异构集群协同加速。具体步骤包括:地震数据准备、输入数据划分、偏移任务运行、启动Reduce操作将各节点分布式文件系统中的临时成像结果进行合并、输出最终成像结果。该方法发明了基于MapReduce编程模型的积分法叠前时间偏移地震资料处理方法，支撑了大规模数据的处理，提升偏移处理的计算效率。

在申请号：CN202010502755.7的中国专利申请中，涉及到一种变偏移距VSP射线追踪积分叠前时间偏移方法和装置，包括以下步骤：S1.输入变偏移距VSP共检波点数据、2维速度地质模型和偏移参数；S2.根据输入数据，建立炮点、检波点在2维地质模型中的坐标；S3.射线追踪计算炮点到模型网格节点的走时，保存各个炮点的走时表；S4.射线追踪计算检波点到模型网格节点的走时，保存各个检波点的走时表；S5.计算2维地质模型的时深表，并基于步骤S3和步骤S4中得到的走时表计算共散射走时，实现变偏移距VSP共检波点积分叠前时间偏移成像；S6.利用步骤S5的积分叠前时间偏移重排成共成像道集，通过共成像道集叠加，得到变偏移VSP积分叠前时间偏移叠加成像。

在文献[亢永敢,赵改善,魏嘉,等.2015]中，同样基于MapReduce并行框架，详细论述了叠前时间偏移的并行算法。这些工作提升了偏移处理的并行效率，但是也受限于MapReduce框架自身的缺点，如框架抽象简单，对于偏移处理这类复杂逻辑算法并不友好；如数据的分发和同步严重依赖HDFS，导致临时文件读写十分耗时；这些缺点严重影响了处理效率。

Spark技术发展了MapReduce框架，为海量数据的批处理、交互处理等多种计算方式提供了高速通用的并行框架，具有高扩展性、高存储效率、内存计算、等诸多优越特性，另外Spark提供的接口算子简洁、多样、灵活、高效，大大降低了开发复杂度。

现有并行方法大多基于MPI接口和MapReduce框架开发，具有以下缺点：

(1)地震积分法时间偏移方法逻辑复杂，基于上述并行技术的开发难度大。

(2)MPI和MapReduce自身在临时文件处理、网络通讯等方面存在缺点，由此开发的地震积分法时间偏移方法继承了这些缺点，处理海量数据的效率不够理想。