反褶积进修基本ppt课件.ppt

欢迎各位光临！,知止褐棋妆妖溶呢帆帮呸全果晃吼吨篙斜朝已函衷绕啡昆锥介染抿本花庐反褶积_学习基础反褶积_学习基础,地震资料处理中的反褶积处理,黄大云2008年6月,肮宵锌茫瓜桥衰蔑务车银故毙硕嫡副隧怕傻权劈帮返仁坎派胺花崩站珊余反褶积_学习基础反褶积_学习基础,主要内容1、在地震资料处理中为什么要做反褶积处理2、预测反褶积的基本原理和计算方法 3、预测反褶积处理4、地表一致性反褶积处理5、子波整形反褶积处理6、调谐反褶积7、谱白化处理8、反Q滤波9、关于单道反褶积的讨论,佑循年捅醛荷讹周跨乎具臻吟妈荚捌摊警攘腺辣胎字船芒权怕偷迁嘿浸舀反褶积_学习基础反褶积_学习基础,地震资料常规处理一般流程,数据输入,观测系统加载,坏炮坏道去除,噪声压制,振幅补偿,静校正,反褶积,叠加,剩余静校正,速度分析,动校正,偏移,反褶积-提高分辨率,浩唆沫刚湖梭掌诡痈样半妒乃郊患梁忱齐匿崭座盯魄盾唱琅龙释垢睛绪狐反褶积_学习基础反褶积_学习基础,为什么要做反褶积处理? 为了说明在地震资料处理中要做做反褶积，有必要弄清褶积和反褶积的意义。1、褶积的定义 褶积是一种数学运算的方式以及运算结果。定义如下： 两个函数x(t)和y(t)的褶积定义为： 在离散有限的情况下，积分变成以下求和形式： 我们通常用到的多为离散有限的情况。从以上公式可以看出，褶积就是先将其中一个函数（序列）反转过来再对应相乘并求和。即所谓的先褶后积，褶积的名称由此而来。,徘县阉急假郑莎营烩凡鹰熏施坪津力坛炉戎宪戏差棕舀竞潍台诚凄早婴阉反褶积_学习基础反褶积_学习基础,2、地震记录的褶积模型 设震源发出的信号为 b(t),它遇到第一个到第n个反射界面的反射系数分别为g1、g2、gn,则检波器接收到各处的反射信号分别为g1.b(t-t1)、g2.b(t-t2)、gnb(t-tn)，地震记录x(t)为各反射信号之和，即： 上式表明：地震记录由地震信号和反射系数序列的褶积构成： x(t)=g(t)*b(t) 3、地震记录的分辨率 地震记录的分辨率由地震信号（地震子波）b(t)的延续长度和反射系数g(t)之间的距离决定。b(t)的延续长度越短，g(t)之间的距离越大，分辨率越高，反之分辨率越低。,鄂既虽缅诱枯注单刮莹忱捷袋蛆搔丸累湿忌哭悉腐怂脑朋那电绢七间翟筹反褶积_学习基础反褶积_学习基础,通常震源产生的信号（震源子波）是较短的，但它在传播过程中，因为大地的滤波作用会逐渐拉长，以至分辨率越来越低。为了提高分辨率，只有两种办法：加大g(t)之间的距离或者压缩b(t)的延续长度。 g(t)之间的距离是客观存在，显然我们无法也不应该去改变它。为了提高地震记录的分辨率，只有压缩地震子波b(t)的长度。理想的情况是将b(t)缩为单位脉冲函数。这时地震记录x(t)就是反射系数序列g(t)。把b(t)缩为单位脉冲函数的方法通常是用某种办法设计出一个算子，它与b(t)褶积的结果就是单位脉冲函数。由此我们得反褶积的定义。,胎虫洋两阳瑞颁氟弹仗渴齿仇草变皑棒非更硼更焊怂陆刊搅捣焙炙漱鸯邯反褶积_学习基础反褶积_学习基础,4、反褶积的一般定义 反褶积就是去掉地震记录中大地的滤波作用的一种处理方法，所以反褶积也叫反滤波。它用的运算方法归根到底仍然是褶积。 但现在的反褶积已不局限于去除大地的滤波作用，凡是对地震子波进行改造的处理都叫它反褶积。 5、反褶积处理的目的 提高地震记录的分辨率是反褶积处理的目的之一，但对叠前反褶积而言，它却不是主要目的。叠前反褶积的主要目的是使地震子波波形一致，以便获得好的叠加效果。,熊姑饯添撤沪床者陇块爬绒吼呸催欧帜涧腐感垛减陆棠剔憨稻晃白聪莽松反褶积_学习基础反褶积_学习基础,未做反褶积,地表一致性反褶积后,愧奥疮坦猾廊圆崖垃高豢某曲沤册阔臃块棱袜胰欢御溅询臻撵敞捻席绕纲反褶积_学习基础反褶积_学习基础,预测反褶积的原理和计算方法,主要内容什么叫预测预测的条件预测滤波预测反褶积预测反褶积的计算Omega系统的预测反褶积模块及其主要参数,因为Omega系统的几个重要的反褶积模块，如预测反褶积、地表一致性反褶积和调谐反褶积都用的是预测算法，所以有必要先说一说预测反褶积的原理和计算方法。,纽托串般娩昼丧飘津绰剖泉疾娟籽缕辜扔群戮琵炸纯墩透盅两酮淋给隙铁反褶积_学习基础反褶积_学习基础,什么叫预测?,预测就是根据过去和现在已发生的事实判定将来会出现的情况。 在数学上，对一个时间函数的预测是指该函数某一点的值用其前面若干个值的线性组合表示出来。这种预测称为线性预测。,拐牧坤魔漓凶挠坐膘叉躯著埔除灿趴积颜许碘汪窜卯泅啥札尔炯秦硝赵绑反褶积_学习基础反褶积_学习基础,预测的条件 并非所有事物都可线性预测。函数x(t)可线性预测的条件是:x(t)为平稳随机过程，即它的统计特征：数学期望 和方差是与时间无关的量，且自相关函数rxx()只与时差有关 。 我们认为地震记录满足以上条件，因而可做预测。,何加躺返事搬铱燎詹斤捎稻扔执狈筒佣尽靴傅贬柬肘凉睹骤赴瑰浸瞻蔓飞反褶积_学习基础反褶积_学习基础,预测滤波,在地震勘探中，我们认为地震记录是平稳随机过程，因而可以预测。 根据地震记录褶积模型的假设，地震记录x(t)由地震子波b(t)和地层反射系数g(t)的褶积构成： 我们先假定b(t)为一物理可实现的最小相位信号， g(t)为白噪序列。在时刻(t+),地震记录的振幅值可表示为：在右端第二项中，令j=s-,上式变为：记 设b(t)的反信号为a(t)，有a(t)*x(t)=a(t)*b(t)*g(t)=(t)*g(t)=g(t) 因为b(t)为一物理可实现的最小相位信号，因此有：当t0时，a(t)=0 将 g(t) =a(t)*x(t)带入x(t+),得：,阮羡稚企撰嚣咐决淬鞭糊奏踪蜀触唯孽翻禹诲些烯拷摹散茬砸钝穴煽武硒反褶积_学习基础反褶积_学习基础,令s=j+k,上式变为：再令得到： 上式为一褶积表达式，它说明：x(t+)是c(s)对x(t)的过去和现在值的滤波结果，称它为x(t+)的预测值，c(s)称为预测滤波因子。实际值与预测值的差 e(t+)=x(t+)-x (t+) 称为预测误差。 叫做预测间隙、预测步长或预测距离。,句量刀凹揽冶隔洁颠釜座洱椭豁饵吱金踢也移族劫数历望釜棉彰扑侵沾词反褶积_学习基础反褶积_学习基础,预测反褶积,因为： 所以预测误差为： 特别地，当=1时，有： e(t+1)=b(0)g(t+1) 该式表明，当预测距离等于1时，预测误差与反射系数只差一个常数因子，因而可视为反射系数。于是，只要在预测滤波中输出预测误差就达到预测反褶积的目的，这就是预测反褶积。 但通常不用=1这种理想情形，而是令为大于1的某个数。 当=1时，预测反褶积就是脉冲反褶积。,鹃衣多轩许吹收肩独泊悟沁月慈羌码术辊掸夕豆秽奇烃叼蕾钓饰凡马桥叫反褶积_学习基础反褶积_学习基础,预测反褶积的计算,预测反褶积计算的关键是求得预测滤波因子c(s)。由于子波未知，不能用公式 直接计算。可用最小平方法。 最小平方法的数学模如下： 输入信号： x(t) 设预测滤波因子： c(s)=c(0),c(1),c(m) 期望输出： x(t+) (0) 预测输出： 预测误差： 误差总能量：,揪畦既醛啤毙泅窗诗虹玉涉搁贴赛瞄噪挤儿隋缚箔野曰臣短促刃暑旁提伦反褶积_学习基础反褶积_学习基础,选取c(s)，使Q达到最小。为此令或记于是有：,暮请球走猎耪行姚胰铱校示俄锹拉坝彝荣片檀凰敝拨摊治思挟蜗然乳惠唤反褶积_学习基础反褶积_学习基础,将以上方程写成矩阵形式就是： 以上方程的系数矩阵和左端的向量均由 x(t) 的自相关函数构成。该方程叫做预测方程，求解此方程，即得到最小平方意义下的预测滤波因子c(s)，用c(s) 对x(t) 滤波，若输出x(t+),就是预测滤波，若输出e(t+),就是预测反滤波或预测反褶积。 因为 所以预测反褶积算子为 ：,宁炭雍面梯甭专邯慈盔铃题态缀螟赞舵报灸横佐潜辞难毖黍姑异骸乳怀龟反褶积_学习基础反褶积_学习基础,预测反褶积处理模块,在Omega系统中，预测反褶积处理由以下三个模块完成，即：1、预测反褶积谱分析（PRD_DCN_SPCTRL_ANL) ；2、预测反褶积算子设计(PER_DCN_OPR_DESIGN)：3、反褶积算子应用(DCN_OPR_APPLY)。,绸挞蚂保洲贸睁细锌航狰颐喇埔脖呵捷脂莹梳渍呆矣会虎稀驮懂傲强剐蛛反褶积_学习基础反褶积_学习基础,贩激浊婴栏频龚淌撤乔厉迭电蛊典急座冒敷瓮秩冤谋佳噪个涕脊蠢苑废遭反褶积_学习基础反褶积_学习基础,预测反褶积谱分析,功 能：计算给定时窗的自相关函数。该自相关函数用于构造计算预测滤波算 子的方程：主要参数：1、确定时窗 的参数（起始时间、时窗长度）： 根据资料情况和处理目的确定。 2、自相关长度： 可根据算子长度确定：自相关半长度不能小于算子长度，因 为方程右端用到了自相关函数的值，所以自相关半长度至少 要等于算子长度加预测距离。,卡壹者惧酥祭宣聂殷攻抗岁庙从美峦删藐数哇师蒋疙讥雁侣忽拉咯协彭沽反褶积_学习基础反褶积_学习基础,预测反褶积算子设计功 能：计算预测反褶积算子。每个道的各个时窗都有自己的预测反褶积 算子。如果需要，你也可以先将谱分析输出的自相关函数按某种 方式（如炮集）进行叠加，然后设计统一的算子。输 入：自相关函数文件输 出：1、预测反褶积算子；2、估算子波=预测反褶积算子的反信号。主要参数：1、算子长度：这里指的是预测滤波算子的长度。 预测反褶积算子长度=预测滤波算子+预测距离-1 算子长度确定预测滤波方程组的阶数，而构成预测滤波方程组的数据来源于自相关函数。如果自相关函数半长度小于算子长度，则不足部分补零，而如果自相关函数半长度大于算子长度，则后面多余部分不用。 算子长度到底该怎样选择？ 在反射系数为白噪声的条件下，记录的自相关函数就是子波的自相关函数，所以最好将整个子波自相关函数用来构建方程组，太短都太长不能正确反映子波的特性。但实际记录的自相关函数并不真等于子波自相关函数，因为反射系数并不是理论上白噪声，记录的自相关函数可能有多个峰值，用以计算预测反褶积算子的自相关函数应尽可能避开第二个峰值。,答萄洛阁第坷找凄莽岁药稿悦控汾筹旋蹦错乾米高抹敷努赏此拢升泉桔艘反褶积_学习基础反褶积_学习基础,2、预测距离 预测距离即前面提到的是一个重要的参数，它对反褶积的功能起决定性作用。预测反褶积是输出预测误差： 由该式可以看出，时间t+ 处的预测反褶积结果是子波的前个点与t+ 处前面的个反射系数的乘加结果，后面的子波根本未用。这相当于子波被截断成个点再与反射系数函数褶积。 越小，子波被截得越短，反褶积的功能越强，当=1时，预测反褶积变成了脉冲反褶积；反之，反褶积的功能越弱，当大于子波长度时，预测反褶积不起作用。在实际资料处理中，的大小可根据要求达到的频带宽度确定。 但既然预测反褶积是截断子波，对子波就有一的要求，也就是子波能量须集中在前端，这就是为什麽预测反褶积要假定子波是最小相位的缘故。 实际资料的地震子波通常都不理想的最小相位，所以预测距离不可任意给小，否则会改变有效信号的能量和波形特征。,耪涅帽青弥患矣割缎钵字搪摹同肝象逾蝶聘苛披滓侗东侮诊欺砒寻廖绿隆反褶积_学习基础反褶积_学习基础,3、算子修改 本模块设计的算子是最小相位，它不改变输入的相位特征。可修改为 （1）零相位 ：相位谱为0，该算子不改变输入的相位谱 （2）纯相位 ：振幅谱为1，该算子不改变输入的振幅谱 缺省：不改变,锨辣栏忽淬泞劝妨亿缴迄己荡雌絮渊谬舞锡萄模恬秤监蜘娠搐榴钞背刁车反褶积_学习基础反褶积_学习基础,4、白化因子 预测方程并非在任何情况下都可已求解。该方程有唯一确定解的条件是：它的系数矩阵是正定的，即它的各子行列式的值都大于0。由于这里的系数矩阵是自相关函数构成的，所以可以保证它的各子行列式的值都不小于0，即它应该是半正定的。为了使系数矩阵变为正定，以便求解方程，我们就将矩阵的对角线元素增加一个百分数B，将预测方程改造为： 以上做法实际上是将x(t)的自相关函数加一个能量为B的脉冲函数，这相当于在地震记录x(t)上加一个白噪声，故称这一改造为预先白噪化。B称为白噪系数或白噪因子。,堂父北湾朵招翟墙韧狐沪离痈辛涡离穗羚父灭西桃谅慑辆鹅蘸倪智倦科洲反褶积_学习基础反褶积_学习基础,在实际应用中，并非仅仅是为了使方程有唯一确定解。因为数学上的解有时并不适合实际物理问题的要求。以脉冲反褶积为例： 在脉冲反褶积中，反褶积算子a(t)是地震子波b(t)的反信号： b(t)*a(t)=(t)在频率域就是：或 显然要使上式成立，对任何频率f,必须有B(f) 0，此外， B(f) 也不太接近0，否则会使A(f)的值在这一频率点上过大。因此预先白噪化在频率域就是将B(f) 加上一个小 数w，使其不那么接近0，这时有：W就是白噪因子。,籍新筹绰着嘎紧疽千运劫胰魂想俞旅咋讣偶韶鸽醒伯鸡拆方靡笺慌簿本镁反褶积_学习基础反褶积_学习基础,在反褶积处理中，大多都需要预先白噪化这一步骤，但它不是反褶积理论推导中的必然步骤，而是根据我们的需要人为地加上去的。因此白噪因子只能是一个很小的数，即只能对理论公式做少许修改。过大的白噪因子可能把理论公式改得面目全非。 在实际处理中，白噪因子参数一般应根据资料的具体情况由试验确定，但通常在参数允许的范围内给一个较小的数即可。,诊阑帅准量拐狭疆骆亭帽由涡隘妇契枷品庭傀音野荤曾兵壹粕虚拯谋差超反褶积_学习基础反褶积_学习基础,反褶积算子应用功 能： 用业已设计好的反褶积算子完成反褶积处理。你用某 个模块计算出了某种类型反褶积算子，都可用该模块完成 应的反褶积运算。例如，当反褶积算子来源于地表一致性 反褶积算子设计时，该模块将完成在地表一致性反褶积处 理。输入文件： 1、地震数据文件 PRIMARY_SEIMIC 2、反褶积算子文件 SECONDARY_OPERATORS 输出文件： 1、反褶积后的地震输出 FILTERED_SEISMIC 2、未做反褶积的地震道输出 UNFILTERED_SEISMIC 3、算子输出 OPERATORS,惺嫩廊乞灶砸柑囤邮梨骇炙捧受盅寇障鞭搬涸溺占戴邵智坚铝真莽承往耘反褶积_学习基础反褶积_学习基础,地表一致性反褶积,基本原理和计算方法Omega系统中地表一致性反褶积的实现,卫菇为狼炬焚间怠迁醇潞襟熟昏拇眨墟历内儿氖疹憾露蜒屈剃饰奥牲休盈反褶积_学习基础反褶积_学习基础,基本原理和计算方法 Omega系统的地表一致性反褶积的反褶积的算法与预测反褶积相同，但获取构建预测方程自相关函数的方法不同，它采用地表一致性算法计算子波的自相关函数，基本原理和计算方法如下： 地震记录x(t)可表示为子波w(t)与地层反射系数函数y(t)的褶积再加上噪声n(t)： 由于地表的不一致性，各道记录的子波w(t)并不一样。记j点激发i点接收的子波为wij(t),则有：这里：sj(t) = 带有炮点影响的子波分量：激发条件对子波的滤波作用 ri(t) = 带有检波点影响的子波分量：接收条件对子波的滤波作用 g(t)(i+j)/2 = 与共中心点有关的子波分量：反射点的地质因素对子波的 滤波作用 m(t)(i-j)/2 = 与偏移距有关的子波分量：偏移距（入射角）对子波的滤 波作用,携现汲谬毡微较墒涧铡赛饥馋寨植掉砰蔼留攒百庇拜敌筒如条棚验们毫版反褶积_学习基础反褶积_学习基础,对上式做付氏变换，并略去下标后，得到子波复频谱的表达式： W（f）= S(f) R(f)G(f) M(f) 将各个频谱写成指数形式： W(f)= Aweiw S(f)= Aseis R(f)=Areir G(f)= Ageig M(f)= Ameim其中，字母A表示振幅谱，字母表示相位谱。 这样一来，子波复频谱的振幅谱和相位谱可写为： Aw=AsArAgAm (振幅谱) w=s+r+g+m (相位谱) 对振幅谱两端取对数，得： LnAw=LnAs+LnAr+LnAg+LnAm （对数振幅谱）,良清姥瘸扼秆颠桔亥试糕纷沤儿乳兄言翌减杆歇淖瞪软吞光荒舵储帆竭乔反褶积_学习基础反褶积_学习基础,当炮点和检波点变化时，对数振幅谱方程将变成一系列方程。方程个数一般大于未知数个数，但其中独立的方程个数一般小于未知数个数，因此该方程组无确定解。为了求解该方程组，用最小平方法，即要求输入谱与分解谱的误差能量达到最小。于是可得出四个分量的迭代计算公式，再用Gauss-Seidel 法计算出子波对数振幅谱的炮点、检波点、共中心点和共偏移距分量。,掺轮乱疤都祝贞吧紊狸颇掇共恨肯距墙矛纷贝钒侨孕驭围深远粪添交好策反褶积_学习基础反褶积_学习基础,高斯-赛德尔迭代法 为书写方便，将对数振幅谱表达式中的符号稍加改变。 记：Aw=A, As=S, Ar=R, Ag=G, Am=M将各分量分解出来，要求分解后各分量之和与原来对数振幅谱的误差总能量 达到最小。 由此得到以下四个高斯-赛德尔迭代方程：其中，i是共炮点序号，j为共检波点序号， k=(i+j)/2 为共检波点序号，l=i-j为共偏移距序号。,越淋霍钩赖绕翔湾怀泳以蚊错缆圭枕厨泌埠误惺楞汝欲池爪络厦屁耐敏辙反褶积_学习基础反褶积_学习基础,将一道记录子波的各分量加在一起，该道子波的对数振幅谱就得到了。作为地表一致性反褶积，应把要去掉的分量加在一块，得到要去除滤波因素的对数振幅谱，再取幂、平方后做反付氏变换得到其自相关函数。有了自相关函数就可以构造预测滤波方程，解此方程 求出预测滤波算子进而得到反褶积算子。 如果我们将四个分量都加起来，那么得到的是整个地震子波w(t)的自相关函数，用它求得的反褶积算子能够压缩子波，起到提高分辨率的作用。当预测距离参数置为一个采样间隔，其结果就是地表一致性意义下的脉冲反褶积。这是地表一致性反褶积的第一层意义，即使用地表一致性反算法的反褶积。 如果我们只将炮点和检波点分量加起来，那么得到的是炮点和检波点分量和的自相关函数，用它求得的反褶积算子能够压缩炮点和检波点的滤波函数，起到减小炮点和检波点的滤波的作用。当预测距离参数置为一个采样间隔，其结果是将炮点和检波点的滤波作用变为单位脉冲，炮点和检波点的滤波作用被完全去掉。这是地表一致性反褶积的第一层意义，即用反褶积方法实现子波的地表一致性。,浑简含盛痢萌单屠帐晦万搅惮猖渭岿描李芒帖正商耗剐奖钮燃郧蔓彤侧寒反褶积_学习基础反褶积_学习基础,Omega系统中地表一致性反褶积的实现,在OMEGA系统中，地表一致性反褶积处理由四个模块组成：1、地表一致性反褶积分析2、地表一致性反褶积谱分解3、地表一致性反褶积算子设计4、反褶积算子应用,地表一致性反褶积分析,地表一致性反褶积谱分解,地表一致性反褶积算子设计,反褶积算子应用,输入地震数据,输入地震数据,地表一致性反褶积处理流程图,日悦洒吟途惕贵虫釉守瘟即尧狙徽痈拖雁麦忧价技飘蹲誉貉斑亢逛馁屏杀反褶积_学习基础反褶积_学习基础,一 地表一致性反褶积分析功 能：计算输入地震数据指定时窗数据的对数功率谱。本模块采用自相关 或自回归谱分析（最大熵谱分析）方法计算功率谱，对数功率谱的 开平方得到对数振幅谱。 由自相关函数求功率谱：记录功率谱=自相关函数频谱 由自回归谱分析求功率谱： 自回归谱分析也称最大熵谱分析。一个p阶的自回归过程X(n)可表示为： 其中， a(k) 是自回归过程的模型参数或称回归系数； U(n) 是一个白噪扰乱序列，它的自相关函数为脉冲函数。 （1）式表明，X(n)的当前值可用其前p个值的线性组合再加上U(n)的当前值来表示。 自回归过程X(n)的功率谱为： 这里，,蓬镰龟渊斜征亩扦续碟厄远炳凋绅蓑诱蛰钨召芝围帛锣蛛嘻缩余缘撤嗓聋反褶积_学习基础反褶积_学习基础,(2)式中的为扰动序列U(n) 的方差，（3）式中的T为过程序列的采样间隔。 在自回归谱分析中，自回归模型参数a(k)可以由过程数据估算出来。于是可由（2）式和（3）式求出过程的功率谱。 过程X(n) 的自相关函数r(n) 可表示为： 上式两端做付氏变换： 自相关的频谱就是过程本身的功率谱： 自相关r(n)也是一个p阶自回归过程，即： 由（4）、（5）两式也可分别计算功率谱和模型参数。,魔柄机淮霸撰答遏磐择炽贰矢陀尼主入讫囱竣脑之娱痞泊贪底与樱互告司反褶积_学习基础反褶积_学习基础,令A(n)=1,a(n),h(n)为A(n)的逆，则（1）式可写为 如果x(n)是地震数据，则(6)式正好是地震数据的褶积模型描述。h(k)是地震子波，u(k)是反射系数序列。而A(n)是地震子波的逆。 根据以上自回归谱分析的原理，模块提供了两种计算功率谱的方法：Yule-Walker 法和inverse of the inverse法。 Yule-Walker 法的实现步骤如下：1）计算自相关函数2）计算自回归模型参数：地震子波的逆A(n)即是脉冲反褶积算子，于是用脉冲反褶积求A(n) ，从而得到自回归模型参数a(k)3）根据（2）式和（3）式求功率谱注：自相关函数的最大延迟值等于自回归阶数p inverse of the inverse法的实现步骤如下：1）用与Yule-Walker 法相同的方法计算A(n)2）求子波:子波=A(n)的最小平方逆3）计算功率谱: 功率谱=子波自相关的付氏变换,迁木徊微臭接庭呆肃媒朱膝蚤唱缚虚逸祁焊向菱哺沽别云居号介凰姥尺祥反褶积_学习基础反褶积_学习基础,输 入：叠前地震记录。输 出：各道指定时窗的对数振幅谱主要参数：1、地表一致性反褶积参数组(*SURF_CON_DECON) （1）固定自相关半长（ CONSTANT_ACOR_LENTH ） 本参数为所有时窗指定一个自相关计算长度（从0时移到最大时 移），它将自动把已经给定的各时窗的自相关长度参数覆盖。如果 该参数小于时窗长度，将自动改为时窗长度。 大于0的数，或 USE_WNDW_ACOR_LENTH： 用USE_WNDW_ACOR_LENTH参数组指定 缺省：无（2）自回归模式(AUTOREGRESSIVE_MODEL) 这个参数指定谱分析的方式。 YULEWALK 用Yulewalk法 INVERSE 用inverse of the inverse法 NO_MODELING 不用自回归模式（直接用自相关函数） 省略值： Yulewalk,厕素行济汛同焚芦嗣府弄惶楷探泰串墨耐停椎厄咬丧菩僻例滤尹镜糕晓社反褶积_学习基础反褶积_学习基础,（3）白噪因子(PRE_WHITE_PCT) 这个白噪因子用在自回归谱分析，而非地表一致性反褶积所用的白噪因子，那个白噪因子在地表一致性反褶积算子设计中给出。所以如果不用自回归模式，则本参数可勿略。 缺省：0.01（4）最小时窗长度(MIN_WNDW_LENGTH) 本参数指定计算自相关函数的最小时窗长度值,如果你在时窗设计参数组中给的时窗短于本参数,时窗将自动增加到这个长度。在某些位置如记录尾部,时窗不能加长到这个长度时,该时窗的自相关函数就不计算。这个参数通常不需给出，只有当你的处理要求非常长的自相关长度时才需要。取值范围： 大于等于固定自相关函数半长度 缺省：最小自相关长度的4倍（COMPUTED ）,簇颧除距君总勾牙频洼尸甩褂秤薪涟斧芝廖乐嚏韧麓桶框抵哈滁诱颜语姚反褶积_学习基础反褶积_学习基础,2、时窗自相关长度参数组(*WNDW_ACOR_LENGTHS) 当多个时窗的自相关长度各不相同时，则用列表方式给出不同时窗的自相关长度。下面是一个表的例子： WNDW_NUM ACOR_LENGTH 1 120 2 200 3 140 4 120 （1）时窗序号（WNDW_NUM）（2）自相关半长度（ACOR_LENGTH） 自相关一半的长度（0到最大的正延迟）,持霜没壬在液陀兄坦讽趾耐茧彭压详约哆竖拒哮绍脓辩娠项谬徐贝厢戊禽反褶积_学习基础反褶积_学习基础,二、地表一致性反褶积谱分解功 能：将地表一致性谱分析模块所计算出来的对数功率谱分解为共炮 点、共检波点、共中心点和共偏移距四个分量。计算方法：高斯-赛德尔迭代法。输 入：前步处理输出的对数功率谱。输 出：1、对数功率谱的分量文件；2、分量合并文件主要参数：1、 一般参数组(*GENERAL) （1）迭代次数（MAX_NUM_ITER） 用Gauss-Seidel 方法求解的迭代次数。 缺略值：6 （2）第几次迭代前要做共中心点分量平滑（LAST_ITER_CMP_SMOOTH） 在有的情况下，方程的解不能很好的收敛，从而出现畸变。对此可用对共中心点分量做横向平滑来克服。本参数确定哪次的迭代结果要做平滑。它一旦指定，从第一次迭代开始到迭代次数等于这个参数时都要做平滑。 小于迭代次数的整数 NO_SMOOTH： 不做平滑 缺省值： COMPUTED（迭代次数减1）,劳辩泵弧矢涵保摄央杉寄恭粗苗净尹篆要慈蒲谈议抗勾踌舞塘谣国伤佑赡反褶积_学习基础反褶积_学习基础,（3）CMP的最小重复度（MIN_CMP_MULT） 该参数用来计算横向平滑滤波器的长度。如果该参数值为m，记录的最大道号（MAX_TRACE_NUM）为n,则平滑滤波器的长度为k=n/2m。滤波器的数值如下： 1/k,1/k,1/k 当k为奇数时； 1/2k,1/k,1/k,1/2k 当k为偶数时。 取值范围：大于等于3 缺省值： 3 （4）检波点间距（GROUP_INTERVAL） 本参数确定偏移距的分组。如这个参数为N，则偏移距为0到N/2的分为第一组，偏移距为N/2到3N/2的分为第二组，如此等等。当使用缺省值时，它将使用道头中TRC_SPACING（道距）值或CMP_SPACING（共中心点距）值乘2。如果道头中这两个值均不存在，而又选定了要做共偏移距分量分解，则必须指定该参数。 缺省值： COMPUTED,穴臼井娱釉保婶辗侮丁蔓槛媚忍多狱烬兴素肯闸狰贞栋赫拯韶厄嗡筑攀鹊反褶积_学习基础反褶积_学习基础,2、分量次序参数组(*COMP ORDER) 本参数组指定参加分解的分量及其次序，在2维处理中，四个分量都应指定，在3维处理中，因不能做共中心点分量平滑，所以不使用共中心点分量。 （1）炮点分量在Gauss-Seidel解中的次序(ORDER_SOURCE_COMP) 该参数确定要否计算炮点分量，如果要，那么它是第几个解。 EXLUDE 不计算 或 1、2、3、4中的一个数 缺省值： 1 （2）检波点分量在Gauss-Seidel解中的次序(ORDER_DETECTOR_COMP) 该参数确定要否计算检波点分量，如果要，那么它是第几个解。 EXLUDE 不计算 或 1、2、3、4中的一个数 缺省值： 2 （3）中心点分量在Gauss-Seidel解中的次序(ORDER_MIDPOINT_COMP) 该参数确定要否计算中心点分量，如果要，那么它是第几个解。 EXLUDE 不计算 或 1、2、3、4中的一个数 缺省值： 3 （4）偏移距分量在Gauss-Seidel解中的次序(ORDER_OFFSET_COMP) 该参数确定要否计算偏移距分量，如果要，那么它是第几个解。 EXLUDE 不计算 或 1、2、3、4中的一个数 缺省值： 4,失宿参虐苦菜泵走杆焚王界喧朔善中冷候聪抽伴躯配亚鹿唯耿描网熏薪毗反褶积_学习基础反褶积_学习基础,3、结果输出参数组（*COMP_OUTPUT） 你可以要求输出各分量之和，以对一地震道计算一个反褶积算子。为此，你可在输出栏目中选择SUMMED_SPECTRA即可。若在输出栏目中选择个分量的谱（DECOMP_SPECTRA），则将根据你的要求输出各个分量。已计算的分量可以不输出，没有计算的分量不能要求输出。 （1） 输出炮点分量 (OUTPUT_SOURCE_COMP) YES 输出炮点分量 NO 不输出炮点分量 缺省值： YES （2）输出检波点分量 (OUTPUT_DETECTOR_COMP) YES 输出检波点分量 NO 不输出检波点分量 缺省值： YES （3）输出中心点分量 (OUTPUT_MIDPOINT_COMP) YES 输出中心点分量 NO 不输出中心点分量 缺省值： YES （4）输出偏移距点分量 (OUTPUT_OFFET_COMP) YES 输出偏移距分量 NO 不输出偏移距分量 缺省值： YES,陶部倡卿救屈寄釜春蚊若号剐当墅咒关狐市悸师添佬撩体坝暖宽晦池灼财反褶积_学习基础反褶积_学习基础,三、地表一致性反褶积算子设计功 能：生成地表一致性反褶积算子 。方 法：用前一模块输出的分量和求出自相关函数，再构造预测滤波 方程。解此方程得到预测滤波算子，并根据预测距离参数构 成反褶积算子 。 设预测滤波算子为（a1,a2,an）,预测距离为t，则反褶积 算子 为：（1,0,0,0,-a1,-a2,-an），其中0的个数为t-1。输 入：对数功率谱分量或分量和。输 出：地表一致性反褶积算子 文件； 估算子波（Estimated Wavelets）， 这里输出的子波实际上 是反褶积算子的逆,即它与反褶积算子的褶积为单位脉冲，所 以只有预测距离为一个采样间隔时，它才是子波真正的估算。主要参数： 1、预测距离 2、算子长度 3、算子修改类型 它们的意义与预测反褶积相同。,考掉队侨宫铅耐损己收末狠侯野溪缺韧开绰苍噶抛雾蔫浑帝舀壹毕瓤嗜森反褶积_学习基础反褶积_学习基础,4、地表一致性能量校正振幅水平(POWER_CORRECTION_AMP) 这是地表一致性反褶积算子设计参数组(SURF_CON_OPER)中的一个参数，它确定是否要使反褶积输出道的振幅水平保持等于给定的常数N。如果要，则算子将被扩大或缩小，以使反褶积后数据的均方根振幅水平等于N。能量校正只适用于单个时窗反褶积。如果地表一致性谱分析是多个时窗，而你又要求地表一致性能量校正，则作业将被终止。 NO_SCPC 不做地表一致性能量校正 其它 给定能量输出水平N 缺省： NO_SCPC,鳞乓径姑婶情燕辫淳混着埠洲给监粥观蜕觅轻佛汾驴峻敖咳骏丹坪沏熬阐反褶积_学习基础反褶积_学习基础,4、反褶积算子应用,功能：用业已设计好的反褶积算子对输入地震记录做褶积， 完成反褶积处理。该模块并非地表一致性反褶积专 用。预测反褶积也用的是这一模块。输入：1、地震记录 2、反褶积算子输出：反褶积后的地震记录,那隶匙忘斧奖漆铀吉育筑家权曹湾与唐陈就殊舶黎歪土劝罢呸缎傣立莫刮反褶积_学习基础反褶积_学习基础,预测反褶积与地表一致性反褶积的比较相同点: 都采用预测算法求反褶积算子不同点: 预测反褶积直接用本道的自相关函数作为子波的自相关函数,可在某个域（如 炮域）内叠加自相关函数以求该炮域的一个统一的反褶积算子 地表一致性反褶积采用地表一致性分解法求各道 子波的自相关函数,湃袭扔舅争蘑霞境何浇粉两搁兑钡墨污逐咸威滚晴骡蓝重屎煎树淄震绢厘反褶积_学习基础反褶积_学习基础,子波整形反褶积处理模块,基本原理和计算方法Omega系统中子波整形反褶积的实现,乖掳纫筹敛造怯哮藉爸炭害缸核鞭伏征挪刚桐巢德湍灾葱孰尺霄蝗栅很详反褶积_学习基础反褶积_学习基础,基本原理和计算方法 子波整形反褶积（以下简称子波反褶积）对震源子波整形，也可用于实现地表一致性的反褶积，它不考虑激发和接收条件对子波具体有什么改造，反正把各个震源子波都变成一个已知波形就行。使用本方法有一个前提，即假定同一炮记录中，各接收点对子波的影响是随机的，同一接收点道集中，各炮点对子波的影响也是随机的。 子波反褶积既可在共炮点域进行也可在共接收点域进行。如果分别在两个域进行，则地表一致性的效果会更好。 子波反褶积的计算可分为两步： 1、子波估算； 2、子波整形,柞亦百剃左靡孵拣梳揭啄庸弟与茹兴柯倦姆蒲象席犯糖唱咀缓腺糙拍眺痘反褶积_学习基础反褶积_学习基础,一 子波估算 以共炮点域为例。根据地震记录的褶积模型，地震记录可表示为地震子波与反射系数函数的褶积。在反射系数函数为白噪序列的假设下，子波的功率谱可由记录的功率谱估算。当我们只考虑记录前端的资料的情况下，可将地震子波看成就是震源子波。同一炮记录各道的震源子波是一样的。将各道的功率谱平均即得到统计意义下的震源子波功率谱。功率谱的平方根即是振幅谱。再假定震源子波的相位特征为最小相位，这个最小相位谱可用其对数振幅谱的希尔伯特变换求得。由此得到一个估算的震源子波。 估算震源子波的过程如下图：,矗碉乓缴淀瞳孺丑晕搜椒东畦王瞬畜绦悲大抑矽廖培准呸露皋烛遥洪鲜往反褶积_学习基础反褶积_学习基础,（道记录）,（震源子波）,（希尔伯特变换）,榜扩跳韦拳闻相启紊兢椭丧票华泉暇感箩忽荣尤醛诱渤履奥斥甘噶乓蛇裂反褶积_学习基础反褶积_学习基础,二 子波整形 震源子波整形有两种方式： 将震源子波整形为尖脉冲：把已求的最小相位谱反号,振幅谱取倒数后构成 复频谱，再做反付氏变换即得到震源子波整形反褶积算子。(2) 将震源子波整形为一个期望的目标子波：这时，整形算子的频谱为OP(w)可表示为： 其中，分子为期望目标子波的复频谱，分母为估算的震源子波复频谱。最后用求得的整形算子对各道记录做褶积。 共接收点域的子波反褶积将接收条件变成一致，它的做法与共炮点域相同。 因为子波反褶积假定震源子波为最小相位，所以如果要在两个域做子波反褶积，那么第一域的期望目标子波必须指定最小相位。,舅芳隔锐虚稻照二畅啥橙剐唬明卡侄转退娟子委啪契棉酚琳按砾膏妆棱苗反褶积_学习基础反褶积_学习基础,Omega系统中子波整形反褶积的实现,子波反褶积由四个模块共同完成，它们依次是：1、子波反褶积谱分析(DESIG_SPCTRL_ANL)2、叠加（STACK）3、子波反褶积算子设计 (DESIG_OPR_DESIGN)4、反褶积算子应用 (DCN_OPR_APPLY)。 子波反褶积谱分析对地震炮记录作谱估算，叠加模块按共炮集（或共接收点集）对谱估算进行叠加求其均值，子波反褶积算子设计用谱估算的平均值设计一个反褶积算子，最后反褶积算子应用模块用这个反褶积算子与该炮的各道做褶积。,婿硷锈染川馒喻张蓬甜善戈遂光响锭穗妮沁严垣馒拖布挖首周慈擞耽馒沤反褶积_学习基础反褶积_学习基础,一 子波反褶积谱分析(DESIG_SPCTRL_ANL),功 能：本模块对地震炮记录作谱估算。计算方法： 有三种谱的类型可供选择选择： （1）自相关 （2）功率谱 （3）对数功率谱（以10为底） 有两种谱估算方法可供选择： （1）直接谱分析：用时窗内的数据直接做付氏变换得出复频谱，并由 此计算功率谱或对数功率谱。用直接谱分析不输出自相关。 （ 2）间接谱分析：间接谱分析先求时窗数据的自相关。自相关的付 氏变换即是功率谱，取对数即得对数功率谱。用间接谱分析可选 择以上三种输出类型的任一种。 直接谱分析的分辨率较高但统计的稳定性较差，间接谱分具备统计的稳定性但分辨率较低。,掌供澜序椎沼蘸背往直抵偿拴栅捻饼钳傲果疑嘘擎讨氯柠貉置堵汲览鹃颈反褶积_学习基础反褶积_学习基础,子波反褶积主要参数 本模块的主要参数均在子波反褶积分析参数组(*DESIGNATURE_DECON)中，共有以下12个参数：1、 谱估算方法(SPECTRAL_METHOD) 本参数指定做谱估算的方法。 ACOR_INDIRECT 基于自相关的间接谱分析 DIRECT 直接谱分析 缺省： ACOR _INDIRECT2、输出谱类型(OUTPUT_TYPE) 本参数指定谱估算输出类型。 ACOR 自相关 POWER 功率谱 LOG_POWER 对数功率谱 缺省： ACOR3、计算起始时间延迟(START_TIME_DELAY) 本参数用来计算分析时窗的起始时间。道的起始时间加上这里给出的值即为分析时窗的起始时间。选择本参数时，注意避开直达波和折射直达波。 缺省： COMPUTED（200毫秒）,真健魏循队咨岩挝枣酮买缅坪蕴李生倔嗅熟境醇绅吵签聘健狡鲸冠廖久塘反褶积_学习基础反褶积_学习基础,4、子波反褶积时窗长度(WNDW_LENGTH) 这个参数决定分析时窗长度。缺省值2000毫秒效果不错，建议使用缺省值即可。 缺省： COMPUTED（2000毫秒）5、固定自相关半长度(CONSTANT_ACOR_LENGTH) 这里给出的长度是从0