基于动态字典分解的利用软门限方式消除地震强反射方法

贺东阳; 高建虎; 李胜军; 张繁昌; 田彦灿

doi:10.11764/j.issn.1672-1926.2023.02.003

天然气地球科学 >

2023 , Vol. 34 >Issue 8: 1460 - 1468

DOI: https://doi.org/10.11764/j.issn.1672-1926.2023.02.003

天然气勘探

基于动态字典分解的利用软门限方式消除地震强反射方法

贺东阳 ^,¹ ,
高建虎 ¹ ,
李胜军 ¹ ,
张繁昌 ² ,
田彦灿 ¹

展开

^1. 中国石油勘探开发研究院西北分院，甘肃兰州 730020
^2. 中国石油大学（华东）地球科学与技术学院，山东青岛 266580

贺东阳（1991-），男，湖南怀化人，硕士，工程师，主要从事地震资料处理与解释研究.E-mail：he_dy@petrochina.com.cn.

收稿日期: 2022-11-09

修回日期: 2023-01-31

网络出版日期: 2023-07-28

收起

Removing strong seismic reflection using soft threshold based on dynamic dictionary decomposition

Dongyang HE ^,¹ ,
Jianhu GAO ¹ ,
Shengjun LI ¹ ,
Fanchang ZHANG ² ,
Yancan TIAN ¹

Expand

^1. Research Institute of Petroleum Exploration and Development Northwest，PetroChina，Lanzhou 730020，China
^2. China University of Petroleum （East China），Qingdao 266580，China

Received date: 2022-11-09

Revised date: 2023-01-31

Online published: 2023-07-28

Supported by

The Forward-looking, Basic and Strategic Technological Key Projects of PetroChina Corporation(2021DJ0606)

the Science and Technology Projects of PetroChina Exploration and Production Company(2022KT1503)

Fold

本文亮点

当地层存在低速或高速层时，通常会产生强反射界面，储层弱反射信号被强反射信号所屏蔽，地震剖面表现为强能量同相轴，降低了储层预测的准确性。因此消除强反射对储层弱信号的屏蔽影响具有重要意义。依据信号的稀疏分解理论，提出一种基于动态字典分解的利用软门限方式消除地震强反射方法。首先采用雷克子波建立动态字典库，将地震强反射波形分解为动态字典的稀疏表示，然后利用软门限方式对动态字典中振幅较大的分量分别进行切除，以达到消除强反射的目的。相对于传统的地震强反射消除方法，该方法不仅可以较好地改善强反射消除之后的横向不连续性问题，而且降低了对强反射层位的依赖性，不需要提供准确的强反射层位数据。物理模型数据测试和实际资料的应用表明，该方法可有效消除强反射的屏蔽影响，突显储层有效信号。

本文引用格式

贺东阳 , 高建虎 , 李胜军 , 张繁昌 , 田彦灿 . 基于动态字典分解的利用软门限方式消除地震强反射方法[J]. 天然气地球科学, 2023 , 34(8) : 1460 -1468 . DOI: 10.11764/j.issn.1672-1926.2023.02.003

Highlights

When there is a low-velocity or high-velocity layer in the formation， a strong reflection interface usually occurs， and the weak reflection signal of the reservoir is shielded by the strong reflection signal， and the seismic profile shows a strong event， which reduces the accuracy of reservoir prediction. Therefore， it is of great significance to remove the shielding effect of strong reflection on weak reservoir signals. According to the sparse signal decomposition theory， this paper proposes a method of removing strong seismic reflection using soft threshold based on dynamic dictionary decomposition. Firstly， the dynamic dictionary is established by using the Ricker wavelet， and the seismic strong reflection waveform is decomposed into the sparse representation of the dynamic dictionary. Then soft threshold method is used to remove the components of the dynamic dictionary with large amplitude， so as to achieve the purpose of removing the strong reflection. Compared with the traditional strong seismic reflection removal method， this method can better improve the lateral discontinuity after the removal of strong reflections. It also reduces the dependence on strong reflection horizon， and no longer requires accurate strong reflection horizon data. The test of physical model data and the application of actual data show that this method can effectively remove the shielding effect of strong reflection and highlight the effective signal of the reservoir.

0 引言

在地震勘探中经常会遇到强反射屏蔽问题，当地下存在低速或者高速层时，如煤层、灰岩等，这时通常会形成强反射界面，对目的层产生强能量屏蔽等问题，信号较弱的储层及其他地层信息被强反射所掩盖，降低了对围岩地震解释和储层预测的准确性，因此消除地震强反射对围岩反射特征的影响成为亟待解决的问题。

经过多年研究，地震强反射消除方法主要有基于波形分解方法、基于匹配追踪方法和基于其他信息分析方法。目前运用的波形分解技术是在多子波变换原理上改进的。赵爽等^［1］利用波形分解技术实现了含煤砂岩储层检测，处理后的地震数据既消除了煤层的干扰，又能保证较好的信噪比。张军华等^［2］利用波形分解技术消除地震强反射后，提高了下伏目标层的预测精度。谢春临等^［3］利用波形分解技术解决了松辽盆地扶余油层上部的F11层薄砂岩在T ₂强反射屏蔽下的预测问题。马灵伟等^［4］首先通过正演模拟的方式揭露强反射对储层识别的屏蔽影响，并利用波形分解技术实现了塔中北坡强反射界面之下的储层响应识别。这类方法通常运算时间长，运算中容易产生死道，且需要地震道为零相位。

MALLAT等^［5］首次提出了匹配追踪算法，利用Gabor原子库字典对信号进行了有效稀疏分解。LIU等^［6］利用Morlet小波构建超完备原子库字典对地震信号进行分解，当地震子波与Morlet小波比较接近时具有较好的效果。WANG等^［7］将尺度作为自由参数来构建原子库字典，提出了基于自由多尺度的强反射消除方法。李海山等^［8］分析了不同的原子库字典对地震数据的稀疏表达能力，并结合匹配追踪算法消除了煤层强反射的屏蔽影响。张在金等^［9］提出了层位及子波约束的匹配追踪强反射消除方法，高效地实现了三维数据体中的煤层强反射的消除。朱博华等^［10］详细讨论了原子库字典的控制参数选取问题，并利用层位约束的匹配追踪强反射消除方法实现了油页岩强反射层的有效分离。何峰等^［11］通过标定从井旁道提取煤层的初始匹配原子，提出了一种基于地震约束的井控匹配追踪煤层强反射消除方法。许璐等^［12］引进局部频率计算模式用于搜索最佳匹配原子，在实际应用中取得了一定的效果。

总体而言，这些匹配追踪强反射消除方法在处理每道地震数据时，采用单一的原子来匹配强反射并以硬门限的方式进行消除，当强反射波形横向变化较大时，强反射消除后很容易产生锯齿现象，造成地震剖面横向连续性差的问题。层位约束的匹配追踪强反射消除方法以层位信息为约束快速定位强反射的位置，虽然可以提高计算效率，但必须有精细的解释层位才能做出准确的匹配，对层位解释精度要求较高。

近年来，许多学者还提出了其他地震强反射消除技术。王大兴等^［13］提出了一种基于经验模态分解的最大能量法消除煤层强反射的方法。金成志等^［14］认为强屏蔽具备长旋回低频、相位稳定的特征，提出了一种基于长、短旋回波形分析的强反射屏蔽影响消除方法。邹锋等^［15］利用同步挤压小波变换方法来压制煤层强振幅，取得了较好的应用效果。田亚军等^［16］将强反射消除问题分解为地震子波预测与强反射预测2个子优化问题，并利用2个深度神经网络分别进行求解。张生强等^［17］提出一种基于地震相位分解的强反射分离方法，解决了受围岩差异影响时储层地震响应“失真”问题。窦玉坛等^［18］利用改进的Hebb神经网络主分量分析方法实现均一反射体的提取。

地震强反射消除方法的总体思想是一致的，即首先要把强反射波形分离出来，然后再按照某种准则进行消除。本文基于信号的稀疏分解理论，利用雷克子波构建的动态字典对地震强反射波形进行稀疏分解，然后引入强反射消除函数将振幅较大的动态字典分量分别进行切除，以达到消除强反射的目的。本方法在有效消除强反射的基础上，还可以保持地震剖面的横向连续性，并且不需要精细解释的强反射层位数据。

1 基于动态字典分解的利用软门限方式消除地震强反射方法及原理

1.1　信号稀疏分解

信号的稀疏分解就是在变换域以稀疏系数来表示信号^［19-20］。考虑

R N

空间的离散信号

x

，将信号

x

表示为

K

个原子的线性组合：

x = ∑ i = 1 K θ i ψ i = ψ θ

（1）

式中：

ψ i (i = 1,2, . . ., K)

是

R N

空间的一组基函数或原子；

θ i (i = 1,2, . . ., K)

为原子的稀疏变换系数；

ψ = [ψ 1, . . ., ψ k]

表示字典矩阵；

θ = [θ 1, . . ., θ k]

表示系数组成的向量。当所使用的原子数

K < < N

时，则式（1）实现了信号

x

的稀疏分解。

x

是信号的时域表达，

θ

是信号在变换域

ψ

的表达。其中，原子

ψ i (i = 1,2, . . ., K)

属于一个更大的原子集合的子集，该集合称之为字典。

利用稀疏分解理论进行强反射消除主要分为3步：第一步是如何构建合理的字典

ψ

对强反射附近的地震信号进行稀疏分解；第二步是如何求解优化问题，求出稀疏系数

θ

；第三步是如何分离强反射信号。

1.2　动态字典构建

动态子波^［21］近似思路已被应用于地震资料处理和解释等领域，本文借助类似思想，应用于地震强反射消除中。根据Robinson褶积公式，地震信号可以表示为反射系数和子波的褶积，而雷克子波具有形态简单、时间延迟较短的特点，且在地震资料解释和标定中，雷克子波是业界通用子波，为此采用雷克子波来构建动态字典^［22-23］，其时间域表达式为：

ψ (u, ξ, φ) = 1 - 2 π 2 ξ 2 t - u 2 e - π 2 ξ 2 t - u 2 + φ

（2）

式中：

u

表示中心延迟时间，ms；

ξ

表示频率，Hz；

φ

表示相位，rad。

由于事先并不知道强反射出现的位置，同时强反射附近的波形需要未知个数的雷克子波来表示，因此以强反射地震层位为中心开时窗得到包含强反射的地震信号，在此时窗范围内通过搜索强振幅出现的位置来设置动态字典每一分量的中心延迟时间。由于频率参数与地震数据主频密切相关，所以取地震数据主频为初值，在此初始值附近搜索确定最佳频率值。考虑到强反射信号的复杂性，事先并不知道强反射的基本波形，所以雷克子波的相位

φ

设为零以使求解过程稳定。

1.3　稀疏系数求解

向量

x

的

l p

范数^［24］定义为：

| | x | | P = (∑ i = 1 N | x i | p) 1 / p

（3）

零范数

l 0

表示

x

中非零项的个数，因此零范数是稀疏性最直接的度量。考虑到强反射附近的地震数据量并不大，所以本文采用零范数^［22］度量地震数据的稀疏性。这样，若信号

x

在

ψ

域中稀疏，则优化问题的目标函数为：

θ = a r g m i n θ 12 ψ θ - x 22 s . t . θ 0 ≤ δ

（4）

式中：

δ

为阈值，控制迭代次数。本文采用贪婪算法^［25-26］对目标函数进行求解。每次迭代时，通过奇异值分解^［27］分别计算每个动态字典分量的系数，即得到稀疏变换系数

θ

，再按照公式（1）就可以得到强反射附近地震信号的稀疏分解。

1.4　强反射消除

强反射信号对弱反射信号的屏蔽作用主要是由于强弱反射信号的相互干涉，若能将强反射信号分离出来并消除，就能达到突显弱信号的目的。在分离出强反射信号

s s t r o n g

后，按照下式就可以得到消除强反射之后的信号

s n o s t r o n g

：

s n o s t r o n g = s - λ s s t r o n g

（5）

式中：

λ

是切除系数，

0 ≤ λ ≤ 1

，控制强反射信号消除的强弱。

传统的强反射消除方法在消除强反射的时候，

λ

设置为一个固定的常数，这种硬门限的消除方式会造成强反射同相轴消除后的地震剖面产生锯齿状痕迹。如图1（a）为含强反射同相轴的地震记录，图1（b）是传统的层位约束匹配追踪强反射消除方法消除强反射后的地震记录。从图1（b）看出，强反射消除后的地震记录在强反射同相轴附近产生强烈的锯齿，破坏了同相轴的横向连续性。

显示原图|下载原图ZIP|生成PPT

图1 传统方法和本文方法对比

(a)原始地震记录；(b)传统方法消除强反射后的地震剖面；(c)本文方法消除强反射后的地震剖面

Fig.1 Comparison between the traditional method and the method in this paper

受滤波器吉布斯效应^［28］的启发，本文采用软门限值的方式消除强反射，在利用动态字典对强反射附近的地震信号进行稀疏分解后，把动态字典中振幅较大的分量分别进行切除，但每个分量的切除系数

λ

为动态字典分量的振幅值的函数：

λ (A) = 0, A < A L e f t 0.5 1 - c o s π A - A L e f t A R i g h t - A L e f t 1, A > A R i g h t A L e f t < A < A R i g h t

（6）

式中：

λ (A)

称为强反射消除函数；

A

为某动态字典分量的振幅值；

A L e f t

、

A R i g h t

分别为设置的左门限值和右门限值。强反射消除函数

λ (A)

如图2所示，对振幅小于左门限的强反射分量都予以保留，对振幅大于右门限值的强反射分量都予以消除。对振幅大于左门限、小于右门限的强反射分量进行部分消除，振幅越小的强反射分量保留下来的越多，振幅越大的强反射分量保留下来的越少，而不是“一刀切”，以此来减弱锯齿现象。同样以图1（a）含有强反射同相轴的地震记录为例，对此剖面用本文方法消除强反射后，地震剖面如图1（c）所示。对比图1（b）、图1（c）可见，图1（c）中的强反射被压制，而且没有锯齿现象，改善了强反射消除效果。

显示原图|下载原图ZIP|生成PPT

图2 强反射消除函数

Fig.2 Strong reflection removal function

此外，传统的层位约束匹配追踪强反射消除方法除了采用硬门限的消除方式外，对层位依赖性很强，必须有精确的强反射地震解释层位才能对强反射做出准确的匹配消除。本文方法在消除强反射时只是以强反射层位为中心开时窗对给定时窗范围内的地震数据进行强反射消除，因此不需要准确的层位数据。

2 物理模型测试

为进一步检验该方法消除强反射的有效性，接下来利用实测物理模型数据进行测试。此物理模型对应的参数如图3所示，模型空间采样率为5 m，包含2个低速层（泥岩层和煤层）和一个高速层（膏岩层）。对该模型进行地震资料采集和处理，得到主频约为60 Hz叠后地震资料，频率较高。

显示原图|下载原图ZIP|生成PPT

图3 物理模型参数

Fig.3 Physical model parameters

第一层低速层为泥岩，速度为1 500 m/s，密度为1 160 kg/m³，厚度为20 m。泥岩层的下伏地层为粉砂岩，速度为2 300 m/s，密度为1 190 kg/m³，厚度为170 m；该地层内部含有5个砂岩透镜体，透镜体速度均为2 500 m/s，密度均为1 220 kg/m³，垂向厚度均为40 m，横向宽度均为150 m；从左向右各透镜体与顶界面的距离依次递增，分别为0 m、10 m、20 m、30 m、40 m。

第二层低速层为煤层，速度为1 700 m/s，密度为1 250 kg/m³，厚度为30 m。煤层的下伏地层为砂岩，速度为2 400 m/s，密度为1 280 kg/m³，厚度为160 m；该地层内部含有5个河道砂体，河道砂体速度均为2 600 m/s，密度均为1 310 kg/m³，垂向厚度均为30 m，横向宽度均为100 m；从左向右各河道砂体与煤层底界面的距离依次递增，分别为0 m、10 m、20 m、30 m、40 m。

高速层为膏岩，速度为3 000 m/s，密度为1 420 kg/m³，厚度为40 m。膏岩的下伏地层为灰岩，速度为2 500 m/s，密度为1 340 kg/m³，厚度为300 m；灰岩地层内部有11个溶蚀孔洞，左右对称，速度均为2 400 m/s，密度均为1 320 kg/m³，垂向厚度均为20 m，横向宽度均为50 m；孔洞以距离膏岩底界面50 m的溶蚀孔洞为中心左右对称，各孔洞与膏岩底界面的距离分别为0 m、10 m、20 m、30 m、40 m。

图4为物理模型的部分地震记录（1.3~1.85 s），包含目标地质体：砂岩透镜体、河道砂体及溶蚀孔洞。由于泥岩、煤层、膏岩层分别与其相邻地层之间的阻抗差异较大，因此在地震剖面上分别对应产生了强反射同相轴，使砂岩透镜体、河道砂体及溶蚀孔洞的有效反射信息淹没于强反射之中，弱反射信息几乎被完全压制，虽然可以看到部分目标地质体的微弱地震响应，但其分布范围难以在地震剖面上清楚识别。

显示原图|下载原图ZIP|生成PPT

图4 原始地震剖面

Fig.4 Original seismic profile

利用本方法对模型数据进行强反射消除处理，强反射消除后的地震剖面如图5所示。对处理前后的结果进行对比分析，整体来看，强反射消除后，被强反射掩盖的目标地质体弱反射信息显现出来，砂岩透镜体、河道砂体及溶蚀孔洞的反射信息得到较好的恢复，各目标地质体的分布范围也变得清楚。

显示原图|下载原图ZIP|生成PPT

图5 强反射消除后的地震剖面

Fig.5 Seismic profile after removal of strong reflection

下面以泥岩低速层为例，分析强反射对砂岩透镜体有效信息的屏蔽影响。由物理模型的速度及主频可得波长约为38.3 m，因此透镜体距泥岩底界面40 m时，约为1个波长；透镜体距离泥岩底界面20 m时，约为1/2个波长；透镜体距离泥岩底界面10 m时，约为1/4波长。砂岩透镜体受强反射的影响，有效反射信息被泥岩强反射屏蔽，如图4中1.4 s处的绿色矩形框；当砂岩透镜体与泥岩底界面距离为40 m时（即约为1个波长时），砂岩透镜体的反射信息可识别；当砂岩透镜体与泥岩底界面的距离小于40 m时（即小于1个波长时），泥岩强反射与砂岩透镜体反射相互干涉，砂岩透镜体的反射信息被强反射屏蔽，且随距离的减小，屏蔽效应增强；当砂岩透镜体与泥岩底界面距离小于40 m且大于10 m时（即小于1个波长、大于1/4波长时），砂岩透镜体反射信息受强反射屏蔽的影响，只能模糊分辨出透镜体的部分反射特征，但难以识别其分布范围；当砂岩透镜体与泥岩底界面距离不大于10 m时（即小于1/4波长时），砂岩透镜体的有效反射信息被强反射掩盖，难以识别。强反射消除后，如图5中1.4 s处的绿色矩形框所示，被强反射屏蔽的弱反射信息得以显现出来。当砂岩透镜体与泥岩底界面的距离约为1个波长时，相比于强反射消除前，砂岩透镜体的有效反射信息更清晰；当砂岩透镜体与泥岩底界面距离小于1个波长但不小于1/4波长时，砂岩透镜体的有效反射信息得到较好恢复，砂岩透镜体可被有效识别；当砂岩透镜体与泥岩底界面的距离小于1/4波长时，强反射消除后，砂岩透镜体的有效反射信息得到一定程度的恢复，但仍旧难以识别。对于煤层和膏岩层分析类似。

图6为煤层强反射消除前后，沿煤层下界面向下取10~70 ms时窗的均方根振幅切片。如图6（a）所示，煤层强反射消除前，受强反射的影响，河道砂体反射信息被屏蔽，河道砂体难以被识别；如图6（b）所示，煤层强反射消除后，河道砂体可清晰识别。

显示原图|下载原图ZIP|生成PPT

图6 强反射消除前后沿煤层下界面(10~70 ms)均方根切片对比

（a）强反射消除前均方根切片（b）强反射消除后均方根切片

Fig.6 Comparison of RMS slice below coal layer (10-70 ms) before and after removal of strong reflection

图7为强反射消除前后，沿膏岩层下界面向下取50 ms时窗的均方根振幅切片。如图7（a）所示，强反射消除前，受膏岩强反射的影响，溶蚀孔洞的有效反射信息被屏蔽，难以识别；如图7（b）所示，强反射消除后，溶蚀孔洞的有效反射信息清晰很多，可被有效识别。

显示原图|下载原图ZIP|生成PPT

图7 强反射消除前后沿膏岩层下界面 (0~50 ms)均方根切片对比

（a）强反射消除前均方根切片（b）强反射消除后均方根切片

Fig.7 Comparison of RMS slice below gypsum layer (0-50 ms) before and after removal of strong reflection

3 实际应用

为验证该方法的实际应用效果，以我国四川盆地某工区的资料为例。四川盆地茅口组上覆龙潭组为低速泥页岩，而茅口组为高速灰岩地层，由于较大的波阻抗差异，在茅口组顶界面形成了强反射P₂ l，茅口组白云岩储层弱反射被强反射屏蔽，增加了储层预测的难度。

下文以A井和B井进行过井剖面的对比分析。靶区目标层段地震主频约为22 Hz，地层速度约为6 200 m/s，可以计算出地震波长为282 m，那么1/4波长为70.5 m。通过测井曲线分析，A井和B井茅二段储层与茅口组顶距离分别约为67 m和64 m，距离都接近1/4波长，因此茅二段储层地震响应受强反射的影响很大，淹没在强反射之中，如图8（a）所示，图中的黑色曲线表示波阻抗，绿色曲线表示P₂ l层。

显示原图|下载原图ZIP|生成PPT

图8 过A井和B井地震剖面强反射消除前后对比

（a）强反射消除前；(b) 强反射消除后

Fig.8 Comparison of Well A and Well B seismic profile before and after removal of strong reflection

利用该方法对茅顶强反射P₂ l进行消除，结果如图8（b）所示，对比发现，强反射消除后可以清晰地看到A井和B井在强反射层下出现了明显的振幅响应，如图中的黑色椭圆所示。在过井剖面分析的基础上，提取了强反射消除前、后的最大波峰振幅属性进行对比分析，时窗范围为P₂ l层往下13~29 ms，如图9所示。对比发现，消除强反射前 A井和B井附近的茅二段储层地震响应被完全屏蔽，消除强反射后突显了储层弱响应，也能更好地分析有利储层的空间展布特征。

显示原图|下载原图ZIP|生成PPT

图9 强反射消除前后沿P₂ l层下界面 (0~50 ms)最大波峰振幅切片对比

（a）强反射消除前； (b) 强反射消除后

Fig.9 Comparison of maximum peak amplitude slice below P₂ l layer (0-50 ms) before and after removal of strong reflection

4 结论

（1）本文方法利用动态字典和软门限方式实现对强反射的消除，可以改善现有匹配追踪强反射消除技术横向不连续的问题，能适应于强反射横向变化大的情况，并且对强反射层位的依赖性低。

（2）通过物理模型的数据测试和实际数据的应用表明：当强反射界面与储层距离小于1个波长但大于1/4波长时，储层的有效反射信息可以得到较好恢复；当强反射界面与储层距离小于1/4波长时，强反射消除后，储层的有效反射信息可以得到一定程度的恢复，但仍旧难以识别。

（3）利用本文方法在面积大的工区应用时，由于地震强反射数据的主频在工区的不同区域不稳定，变化较大，导致与给定主频差别较大的区域强反射消除不干净的现象。所以建议不宜选择全工区做，而是分区块做，并在测井数据的质控下，对目标井区进行强反射消除处理。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序

1	赵爽，李仲东，许红梅，等. 多子波分解技术检测含煤砂岩储层［J］. 天然气工业，2007， 27（9）：44-47. ZHAO S， LI Z D， XU H M， et al. Using multiple wavelet decomposition technique to detect the sandstone reservoir with coal layer［J］.Natural Gas Industry， 2007， 27（9）：44-47.

2	张军华，刘振，刘炳杨，等. 强屏蔽层下弱反射储层特征分析及识别方法［J］. 特种油气藏， 2012， 19（1）：23-26. ZHANG J H， LIU Z， LIU B Y， et al. Analysis and identification of reservoir characteristics of weak reflectors under strong shielding layer［J］. Special Oil & Gas Reservoirs， 2012， 19（1）：23-26.

3	谢春临，黄伟，关晓巍，等. 波形分解技术在强反射背景下薄砂层识别中的应用［J］. 石油地球物理勘探，2017， 52（3）： 516-520. XIE C L，HUANG W，GUAN X W，et al.Thin sand identification under strong reflection with volume-based waveform decom-position［J］.Oil Geophysical Prospecting，2017，52（3）：516-520.

4	马灵伟，杨勤勇，李宗杰，等. 利用波形分解技术识别塔中北坡强反射界面之下的储层响应［J］. 石油地球物理勘探，2017， 52（2）：326-332. MA L W， YANG Q Y， LI Z J， et al. Identifying reservoirs response under strong reflection interfaces with waveform decomposition in the Central Tarim Basin， China［J］. Oil Geophysical Prospecting， 2017， 52（2）： 326-332.

5	MALLAT S G，ZHANG Z. Matching pursuits with time-freque-ncy dictionaries［J］. IEEE Transactions on Signal Processing， 1993， 41（12）： 3397-3415.

6	LIU J. Matching pursuit decomposition using Morlet wavelets［J］. SEG Technical Program Expanded Abstracts， 2005， 24（1）：786-789.

7	WANG Y H. Seismic time-frequency spectral decomposition by matching pursuit［J］. Geophysics， 2007， 72（1）： 13-20.

8	李海山，杨午阳，田军，等. 匹配追踪煤层强反射分离方法［J］. 石油地球物理勘探， 2014， 49（5）：866-870. LI H S， YANG W Y， TIAN J， et al. Coal seam strong reflection separation with matching pursuit［J］. Oil Geophysical Prospecting， 2014， 49（5）： 866-870.

9	张在金，张军华，李军，等. 煤系地层地震强反射剥离方法研究及低频伴影分析［J］. 石油地球物理勘探， 2016， 51（2）：376-383. ZHANG Z J，ZHANG J H，LI J， et al. A method for stripping coal seam strong reflection and low-frequency shadow analysis［J］. Oil Geophysical Prospecting，2016，51（2）：376-383.

10	朱博华，向雪梅，张卫华. 匹配追踪强反射层分离方法及应用［J］. 石油物探， 2016， 55（2）： 280-287. ZHU B H， XIANG X M， ZHANG W H. Strong reflection horizons separation based on matching pursuit algorithm and its application［J］. Geophysical Prospecting for Petroleum，2016， 55（2）： 280-287.

11	何峰，翁斌，韩刚，等. 一种基于地震约束的井控匹配追踪煤层强反射消除技术［J］. 中国海上油气，2019，31（1）：61-66. HE F， WENG B， HAN G， et al. A seismic constraint-based technology for elimination of strong coal seam reflection via well-control and matching pursuit［J］. China Offshore Oil and Gas， 2019， 31（1）：61-66.

12	许璐，吴笑荷，张明振，等. 基于局部频率约束的动态匹配追踪强反射识别与分离方法［J］. 石油地球物理勘探，2019，54（3）：587-593. XU L， WU X H， ZHANG M Z， et al. Strong reflection identification and separation based on the local-frequency-constrained dynamic matching pursuit［J］. Oil Geophysical Prospecting， 2019， 54（3）： 587-593.

13	王大兴，王永刚，赵玉华，等. 一种地震强反射振幅消除方法在鄂尔多斯盆地的试验［C］. 北京：SPG/SEG北京国际地球物理会议， 2016. WANG D X， WANG Y G， ZHAO Y H， et al. A Strong Seismic Reflection Amplitude Suppressing Method Applied In the Ordos Basin［C］. Beijing：SPG/SEG Beijing 2016 International Geophysics Conference， 2016.

14	金成志，秦月霜. 利用长、短旋回波形分析法去除地震强屏蔽［J］. 石油地球物理勘探，2017，52（5）：1042-1048，1111. JIN C Z， QIN Y S. Seismic strong shield removal based on the long and short cycle analysis［J］. Oil Geophysical Prospecting， 2017， 52（5）： 1042-1048，1111.

15	邹锋，薛雅娟. 基于同步挤压小波变换的煤层强振幅抑制［J］. 地球物理学进展，2018，33（3）：1198-1204. ZOU F， XUE Y J. Strong amplitude suppression of coal seam based on synchrosqueezed［J］. Progress in Geophysics， 2018， 33（3）： 1198-1204.

16	田亚军，高静怀，王大兴，等. 基于深度神经网络的地震强反射剥离方法［J］. 地球物理学报，2021，64（8）：2780-2794. TIAN Y J， GAO J H， WANG D X， et al. Removing strong seismic reflection based on the deep neural network［J］. Chinese Journal of Geophysics，2021，64（8）：2780-2794，

17	张生强，张志军，李尧，等. 基于地震相位分解的自适应强反射分离方法［J］. 石油地球物理勘探，2021，56（6）：1236-1243. ZHANG S Q， ZHANG Z J， LI Y， et al. Adaptive strong reflection separation method based on seismic phase decomposition［J］. Oil Geophysical Prospecting，2021，56（6）：1236-1243.

18	窦玉坛，李斐，杜广宏，等. 致密层去除均一反射层方法研究及应用［J］. 天然气地球科学， 2022， 33（5）： 820-830. DOU Y T， LI F， DU G H， et al. Research and application of the method of removing uniform reflector in tight reservoirs： Case study of SD area in Ordos Basin［J］. Natural Gas Geoscience， 2022， 33（5）： 820-830.

19	DONOHO D L. Compressed sensing ［J］. IEEE Transactions on Information Theory， 2006， 52（4）： 1289-1306.

20	CANDES E J， WAKIN M B. An introduction to compressive sampling ［J］. IEEE Signal Processing， 2008， 25（2）： 21-30.

21	YUAN S Y，WANG S X，MA M，et al. Sparse Bayesian learning-based time-variant deconvolution［J］.IEEE Transactions on Geoscience and Remote Sensing，2017，55（11）：6182-6194.

22	ZHANG F C， LAN N Y. Seismic-gather wavelet-stretching correction based on multiwavelet decomposition algorithm［J］. Geophysics， 2020， 85（5）： V377-V384.

23	张繁昌，刘汉卿，代荣获. 基于Ricker子波的指数追踪地震信号分解算法［J］. 中国矿业大学学报，2016，45（1）：128-132. ZHANG F C， LIU H Q， DAI R H. Exponential pursuit algorithm based on ricker wavelet for seismic signal decomposition［J］.Journal of China University of Mining & Technology，2016， 45（1）： 128-132.

24	LI S J， WANG T Y， GAO J H， et al. lp norm inverse spectral decomposition and its multi-sparsity fusion interpretation［J］. Applied Geophysics， 2021，18（4）：569-578.

25	兰南英，张繁昌，张益明，等. 快速结构字典学习三维地震数据重建方法［J］. 石油地球物理勘探， 2020， 55（1）： 1-9. LAN N Y， ZHANG F C， ZHANG Y M， et al. 3D seismic data reconstruction based on a fast structure dictionary learning method［J］.Oil Geophysical Prospecting，2020，55（1）：1-9.

26	CAI T T， WANG L. Orthogonal matching pursuit for sparse signal recovery with noise［J］. IEEE Transactions on Information Theory， 2011， 57（7）： 4680-4688.

27	AHARON M，ELAD M， BRUCKSTEIN A. K-SVD： An algorithm for designing overcomplete dictionaries for sparse representation［J］.IEEE Transactions on Signal Processing，2006， 54（11）： 4311-4322.

28	张军华. 信号分析与处理［M］. 青岛：中国石油大学出版社， 2015. ZHANG J H. Signal Analysis and Processing［M］. Qingdao：China University of Petroleum Press， 2015.

Options

文章导航

模态框（Modal）标题

本文亮点

本文引用格式

Highlights

0 引言

1 基于动态字典分解的利用软门限方式消除地震强反射方法及原理

1.1 信号稀疏分解

1.2 动态字典构建

1.3 稀疏系数求解

1.4 强反射消除

图1 传统方法和本文方法对比

图2 强反射消除函数

2 物理模型测试

图3 物理模型参数

图4 原始地震剖面

图5 强反射消除后的地震剖面

图6 强反射消除前后沿煤层下界面(10~70 ms)均方根切片对比

图7 强反射消除前后沿膏岩层下界面 (0~50 ms)均方根切片对比

3 实际应用

图8 过A井和B井地震剖面强反射消除前后对比

图9 强反射消除前后沿P2 l层下界面 (0~50 ms)最大波峰振幅切片对比

4 结论

参考文献

1.1　信号稀疏分解

1.2　动态字典构建

1.3　稀疏系数求解

1.4　强反射消除

图9 强反射消除前后沿P₂ l层下界面 (0~50 ms)最大波峰振幅切片对比