论文部分内容阅读
地震盲反褶积是指在地震子波和反射系数均未知的情况下,仅利用地震记录实现地震子波和反射系数的有效估计,其目的是从地震记录中分离地震子波,提取高精度的反射系数,改善地震反射系数资料的分辨率,拓宽其有效频谱,保留高频分量,从而能更精确地表征地层结构。地震盲反褶积算法广泛应用于地震信号分析、地质考察、资源探测、石油勘探、海洋地震勘探等领域。本文主要研究基于Bayesian框架下的地震盲反褶积问题,通过建立地震子波、地震记录以及反射系数的相关先验模型,利用参数估计的方法获得反射系数。所做的主要工作如下:(1)研究了变分Bayesian地震盲反褶积算法和稀疏表示的变分Bayesian地震盲反褶积算法,分别建立了地震子波、反射系数和地震记录的分层Bayesian先验模型,推导了算法迭代公式,进行了计算机仿真,结果表明新算法有效分离了地震子波,获得了较高精度的反射系数,改善了均方误差等量化指标。(2)研究了基于部分折叠Gibbs抽样的Bayesian多通道地震盲反褶积算法,讨论了多通道反射系数的马尔可夫贝努利高斯模型,通过部分折叠Gibbs抽样得到反射系数最大后验分布的近似解,进而实现反射系数的估计;同时分析了改进的马尔可夫贝努利高斯模型,研究了局部边缘化Gibbs抽样的Bayesian多通道地震盲反褶积算法。实验结果表明新算法拓宽了地震反射系数资料的有效频谱,提高了地震反射系数的分辨率,改善了损失函数等量化评价指标。(3)研究了基于线性小波和Curvelet变换的两种Bayesian压缩感知地震盲反褶积算法,分析了Bayesian压缩感知框架下反射系数、地震子波以及超参数的先验分布,推导了算法迭代公式,利用期望最大化策略进行参数估计。实验仿真分析表明,新算法改善了反褶积效果,降低了归一化均方误差,提高了地震反射系数的估计精度。