期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于伪地震数据模式学习的多次波自适应相减方法
被引量：
4
1
作者
姜博午
刘金朋
陆文凯
《石油物探》
CSCD
北大核心
2022年第3期423-432,443,共11页
相比于传统匹配相减方法,模式学习方法将多次波衰减分成多次波模式学习和自适应相减的两个独立过程,因而能够更好地保护一次波。然而,由于多次褶积的影响,预测多次波模型存在相位、频带、振幅误差。为了在不损伤一次波的基础上,尽可能...
相比于传统匹配相减方法,模式学习方法将多次波衰减分成多次波模式学习和自适应相减的两个独立过程,因而能够更好地保护一次波。然而,由于多次褶积的影响,预测多次波模型存在相位、频带、振幅误差。为了在不损伤一次波的基础上,尽可能减少多次波残留,提出了基于伪地震数据的模式学习方法。利用预测地震道,得到其Hilbert变换道以及预测道和Hilbert变换道的一阶导数,作为伪地震数据的4个分量,补充预测多次波模型中相位和高频信息。模式学习阶段利用主成分分析法分别学习伪地震数据4个分量的多次波字典矩阵,然后按列拼接得到联合字典矩阵;自适应相减阶段基于学习到的联合字典矩阵,利用裂步Bregman算法从原始地震数据中重构多次波,实现一次波和多次波的分离。模拟数据和实际资料处理结果表明,该方法在保护一次波的同时,能有效压制多次波,模型数据的一次波信噪比提升了1dB。
展开更多
关键词
多次波
模式学习
自适应相减
HILBERT变换
伪地震数据
下载PDF
职称材料
重建误差Huber范数最小化约束的压缩感知方法
被引量：
3
2
作者
李钟晓
李永强
+1 位作者
谷丙洛
李振春
《石油地球物理勘探》
EI
CSCD
北大核心
2020年第1期80-91,135,7,共14页
地震数据中存在异常强噪声,基于重建误差L2范数最小化约束的压缩感知方法假设重建误差满足高斯分布。因此,上述压缩感知方法不能去除满足超高斯分布的异常噪声。为了更好地消除异常噪声并提高插值精度,提出采用Huber范数代替L2范数对重...
地震数据中存在异常强噪声,基于重建误差L2范数最小化约束的压缩感知方法假设重建误差满足高斯分布。因此,上述压缩感知方法不能去除满足超高斯分布的异常噪声。为了更好地消除异常噪声并提高插值精度,提出采用Huber范数代替L2范数对重建误差施加最小化约束,Huber范数的最小化约束实际上等价于对大重构误差(异常噪声)的L1范数最小化约束和对小重构误差(高斯随机噪声)的L2范数最小化约束,因此对异常噪声具有很好的鲁棒性。通过引入理论上构建的伪地震数据将Huber范数最小化问题转化为L2范数最小化问题,可以有效地求解基于重建误差Huber范数最小化约束的压缩感知方法的Huber-L0最优化问题。另外,还讨论了高斯随机噪声的强度、异常噪声强度和参数选取对插值精度的影响。模型数据和实际数据的处理结果表明:与基于重建误差L2范数最小化约束的压缩感知方法相比,基于重建误差Huber范数最小化约束的压缩感知方法可以更好地消除异常噪声,并保护有效信号。
展开更多
关键词
压缩感知方法
插值
Huber范数
伪地震数据
异常噪声
衰减
下载PDF
职称材料
基于3D匹配滤波器和伪地震数据算法的多次波自适应相减方法
被引量：
6
3
作者
李钟晓
高好天
+2 位作者
陈鑫泽
李永强
李振春
《石油地球物理勘探》
EI
CSCD
北大核心
2020年第3期530-540,468-469,共13页
多次波自适应相减是预测减去法压制多次波的关键步骤。为进一步去除残余多次波,基于常规2D匹配滤波方法,文中引入3D匹配滤波器,同时利用多个预测多次波道集以匹配原始数据。针对3D匹配滤波器可能造成的一次波损伤现象,利用相同的3D匹配...
多次波自适应相减是预测减去法压制多次波的关键步骤。为进一步去除残余多次波,基于常规2D匹配滤波方法,文中引入3D匹配滤波器,同时利用多个预测多次波道集以匹配原始数据。针对3D匹配滤波器可能造成的一次波损伤现象,利用相同的3D匹配滤波器同时拟合多个原始数据道集;同时,引入伪地震数据算法求解对一次波施加Huber范数最小化约束的优化问题,不需满足一次波与多次波正交的假设,能有效分离一次波与多次波。另外,在整个迭代过程中,伪地震数据算法只需利用Cholesky分解算法进行一次矩阵分解,计算效率较高。模型和实际数据的处理结果表明,与基于一次波能量最小化的3D匹配滤波器方法和基于伪地震数据算法的2D匹配滤波器方法相比,所提方法能更好地均衡一次波保护与多次波分离。
展开更多
关键词
多次波自适应相减
3D匹配滤波器
伪地震数据算法
Huber范数
下载PDF
职称材料
题名
基于伪地震数据模式学习的多次波自适应相减方法
被引量：
4
1
作者
姜博午
刘金朋
陆文凯
机构
北京化工大学机电工程学院
智能技术与系统国家重点实验室
北京信息科学与技术国家研究中心
清华大学自动化系
中海油田服务股份有限公司物探事业部特普公司
出处
《石油物探》
CSCD
北大核心
2022年第3期423-432,443,共11页
基金
国家重点研发计划(2018YFA0702501)
中国博士后科学基金资助项目(2020M680516)
国家自然科学基金项目(42004101,41974126,41674116)共同资助。
文摘
相比于传统匹配相减方法,模式学习方法将多次波衰减分成多次波模式学习和自适应相减的两个独立过程,因而能够更好地保护一次波。然而,由于多次褶积的影响,预测多次波模型存在相位、频带、振幅误差。为了在不损伤一次波的基础上,尽可能减少多次波残留,提出了基于伪地震数据的模式学习方法。利用预测地震道,得到其Hilbert变换道以及预测道和Hilbert变换道的一阶导数,作为伪地震数据的4个分量,补充预测多次波模型中相位和高频信息。模式学习阶段利用主成分分析法分别学习伪地震数据4个分量的多次波字典矩阵,然后按列拼接得到联合字典矩阵;自适应相减阶段基于学习到的联合字典矩阵,利用裂步Bregman算法从原始地震数据中重构多次波,实现一次波和多次波的分离。模拟数据和实际资料处理结果表明,该方法在保护一次波的同时,能有效压制多次波,模型数据的一次波信噪比提升了1dB。
关键词
多次波
模式学习
自适应相减
HILBERT变换
伪地震数据
Keywords
multiples
pattern
learning
adaptive
suppression
Hilbert
transform
pseudo
seismic
data
分类号
P631 [天文地球—地质矿产勘探]
下载PDF
职称材料
题名
重建误差Huber范数最小化约束的压缩感知方法
被引量：
3
2
作者
李钟晓
李永强
谷丙洛
李振春
机构
青岛大学电子信息学院
[
海洋国家实验室海洋矿产资源评价与探测技术功能实验室
出处
《石油地球物理勘探》
EI
CSCD
北大核心
2020年第1期80-91,135,7,共14页
基金
国家自然科学基金项目“基于卷积神经网络的多次波自适应相减方法”(41804110)
国家重点研发计划项目“超深层弱信号增强、速度建模与保幅偏移技术研究”(2016YFC060110501)
山东省自然科学基金项目“一种快速的3D SRME自由表面多次波压制方法”(ZR2016DB09)联合资助.
文摘
地震数据中存在异常强噪声,基于重建误差L2范数最小化约束的压缩感知方法假设重建误差满足高斯分布。因此,上述压缩感知方法不能去除满足超高斯分布的异常噪声。为了更好地消除异常噪声并提高插值精度,提出采用Huber范数代替L2范数对重建误差施加最小化约束,Huber范数的最小化约束实际上等价于对大重构误差(异常噪声)的L1范数最小化约束和对小重构误差(高斯随机噪声)的L2范数最小化约束,因此对异常噪声具有很好的鲁棒性。通过引入理论上构建的伪地震数据将Huber范数最小化问题转化为L2范数最小化问题,可以有效地求解基于重建误差Huber范数最小化约束的压缩感知方法的Huber-L0最优化问题。另外,还讨论了高斯随机噪声的强度、异常噪声强度和参数选取对插值精度的影响。模型数据和实际数据的处理结果表明:与基于重建误差L2范数最小化约束的压缩感知方法相比,基于重建误差Huber范数最小化约束的压缩感知方法可以更好地消除异常噪声,并保护有效信号。
关键词
压缩感知方法
插值
Huber范数
伪地震数据
异常噪声
衰减
Keywords
compressive
sensing
method
interpolation
Huber
norm
pseudo
seismic
data
noise
outlier
elimination
分类号
P631.44 [天文地球—地质矿产勘探]
下载PDF
职称材料
题名
基于3D匹配滤波器和伪地震数据算法的多次波自适应相减方法
被引量：
6
3
作者
李钟晓
高好天
陈鑫泽
李永强
李振春
机构
青岛大学电子信息学院
中国石油大学(华东)地球科学与技术学院
出处
《石油地球物理勘探》
EI
CSCD
北大核心
2020年第3期530-540,468-469,共13页
基金
国家自然科学基金项目“基于卷积神经网络的多次波自适应相减方法”(41804110)
国家重点研发计划项目“超深层弱信号增强、速度建模与保幅偏移技术研究”(2016YFC060110501)
中石油重大科技项目“塔里木盆地深层复杂高陡构造与碳酸盐岩储层地震速度建模及成像关键技术研究”(ZD2019-183-003)联合资助
文摘
多次波自适应相减是预测减去法压制多次波的关键步骤。为进一步去除残余多次波,基于常规2D匹配滤波方法,文中引入3D匹配滤波器,同时利用多个预测多次波道集以匹配原始数据。针对3D匹配滤波器可能造成的一次波损伤现象,利用相同的3D匹配滤波器同时拟合多个原始数据道集;同时,引入伪地震数据算法求解对一次波施加Huber范数最小化约束的优化问题,不需满足一次波与多次波正交的假设,能有效分离一次波与多次波。另外,在整个迭代过程中,伪地震数据算法只需利用Cholesky分解算法进行一次矩阵分解,计算效率较高。模型和实际数据的处理结果表明,与基于一次波能量最小化的3D匹配滤波器方法和基于伪地震数据算法的2D匹配滤波器方法相比,所提方法能更好地均衡一次波保护与多次波分离。
关键词
多次波自适应相减
3D匹配滤波器
伪地震数据算法
Huber范数
Keywords
adaptive
multiple
subtraction
3D
matching
filter
pseudo
seismic
data
algorithm
Huber
norm
分类号
P631.4 [天文地球—地质矿产勘探]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于伪地震数据模式学习的多次波自适应相减方法
姜博午
刘金朋
陆文凯
《石油物探》
CSCD
北大核心
2022
4
下载PDF
职称材料
2
重建误差Huber范数最小化约束的压缩感知方法
李钟晓
李永强
谷丙洛
李振春
《石油地球物理勘探》
EI
CSCD
北大核心
2020
3
下载PDF
职称材料
3
基于3D匹配滤波器和伪地震数据算法的多次波自适应相减方法
李钟晓
高好天
陈鑫泽
李永强
李振春
《石油地球物理勘探》
EI
CSCD
北大核心
2020
6
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
