聯(lián)合結(jié)構(gòu)張量與運(yùn)動(dòng)學(xué)反偏移的立體層析數(shù)據(jù)空間提取與反演策略研究Ⅱ:實(shí)踐

熊　凱,楊　鍇,邢逢源,葉云飛,薛　冬

(1.同濟(jì)大學(xué)反射地震學(xué)科組,上海200092;2.中海石油研究中心,北京100027)

層析是地震反演中關(guān)鍵的一環(huán)[1],立體層析是一種特色層析反演方法,它將一個(gè)局部相干同相軸在炮道集與檢波點(diǎn)道集內(nèi)的射線參數(shù)水平分量(Psx和Prx,以下簡稱地表觀測P參數(shù))納入到數(shù)據(jù)空間之中,使得數(shù)據(jù)空間的信息相比傳統(tǒng)反射層析更為豐富。除旅行時(shí)t外,地表觀測P參數(shù)與炮檢點(diǎn)坐標(biāo)也都納入到立體層析數(shù)據(jù)空間中,使得立體層析成為層析成像方法中唯一一種可以同時(shí)反演速度、反射點(diǎn)位置、反射張角與構(gòu)造傾角的方法[2]。傳統(tǒng)立體層析一般選擇在數(shù)據(jù)域利用傾斜疊加能量譜拾取數(shù)據(jù)空間[3-5],該方法對二維數(shù)據(jù)尚可一用,但是對三維數(shù)據(jù)則基本失去可操作性。近年來王宇翔等[6]、YANG等[7]基于結(jié)構(gòu)張量實(shí)現(xiàn)了在二維、三維疊前數(shù)據(jù)域提取射線參數(shù)水平分量的快速算法,使得基于結(jié)構(gòu)張量的二維、三維高密度立體層析反演成為現(xiàn)實(shí)。使用結(jié)構(gòu)張量直接在疊前數(shù)據(jù)域搜索的優(yōu)點(diǎn)是能夠快速得到高密度的數(shù)據(jù)空間,同時(shí)無需人工干預(yù)。但是基于結(jié)構(gòu)張量的快速自動(dòng)拾取面臨繞射波、多次波及側(cè)面反射波難以自動(dòng)識(shí)別的問題。文獻(xiàn)[2]認(rèn)為單次反射與單次繞射都可以用于立體層析反演,但是楊鍇等[8]通過數(shù)值實(shí)驗(yàn)證實(shí)了一次繞射波不適用于立體層析,必須將其排除在立體層析數(shù)據(jù)空間之外。

本系列文章第一篇[8]已經(jīng)明確:立體層析的反演成功與否建立在數(shù)據(jù)空間是否來自可靠的并有助于目標(biāo)段反演的一次反射波的基礎(chǔ)上,即需提取可靠的特征波場[9]。同時(shí),作者基于CHAURIS等[10]提出的P參數(shù)校正公式實(shí)現(xiàn)了運(yùn)動(dòng)學(xué)反偏移,即在疊前成像道集上提取構(gòu)造傾角與剩余曲率(RMO)信息,然后利用P參數(shù)校正公式獲得正確的地表觀測射線參數(shù)水平分量[11]。該方法的優(yōu)勢在于:處理人員可結(jié)合自己的地質(zhì)認(rèn)識(shí)從共偏移距成像道集上識(shí)別出可靠的、對應(yīng)于關(guān)鍵(可靠并有助于目標(biāo)段速度反演)反射層一次反射波的成像位置,并在這些位置提取構(gòu)造傾角與RMO信息。這樣在實(shí)施運(yùn)動(dòng)學(xué)反偏移后得到的疊前數(shù)據(jù)域內(nèi)數(shù)據(jù)點(diǎn)信息對應(yīng)于關(guān)鍵反射層的一次反射波,這些信息才是立體層析反演所需的最佳數(shù)據(jù)空間,避開了不利于立體層析的繞射波、多次波和側(cè)面波。

楊鍇等[8]基于上述思路提出一種在數(shù)據(jù)域應(yīng)用結(jié)構(gòu)張量而后在成像域?qū)嵤┻\(yùn)動(dòng)學(xué)反偏移以獲得更佳立體層析數(shù)據(jù)空間的兩步法實(shí)施策略,并利用理論數(shù)據(jù)驗(yàn)證了其可行性。當(dāng)該策略用于實(shí)際數(shù)據(jù)時(shí),還需考慮如何在深度域有效提取反射信息等細(xì)節(jié)問題。本文首次將該策略應(yīng)用于中國南海某深水二維地震數(shù)據(jù)的偏移速度建模處理,并設(shè)計(jì)出一套實(shí)用的技術(shù)流程。南海某二維實(shí)際數(shù)據(jù)的偏移速度建模實(shí)踐表明,上述兩步法策略有效提高了實(shí)際數(shù)據(jù)的反演精度,是一種獲得更佳立體層析數(shù)據(jù)空間的有效途徑。

1　三維結(jié)構(gòu)張量方法原理及其在二維成像數(shù)據(jù)體上的應(yīng)用

為保證疊前偏移成像體中運(yùn)動(dòng)學(xué)信息的搜索精度,本文將二維疊前數(shù)據(jù)體視為一個(gè)在共中心點(diǎn)X方向、深度Z方向和共偏移距H方向構(gòu)成的(X,Z,H)域三維數(shù)據(jù)體,使用三維結(jié)構(gòu)張量同時(shí)獲得運(yùn)動(dòng)學(xué)反偏移所需的構(gòu)造傾角和RMO信息。為此首先簡單介紹三維結(jié)構(gòu)張量算法的工作原理,更多細(xì)節(jié)請參考文獻(xiàn)[12]。

對三維圖像中某一樣點(diǎn)而言,其梯度平方張量矩陣定義如下:

(1)

式中:gx,gy,gz,分別表示該樣點(diǎn)處的兩個(gè)梯度水平分量與梯度垂直分量。梯度平方張量的含義是圖像中某一樣點(diǎn)處,對應(yīng)于單一走向的梯度方向。為提高低信噪比圖像中走向信息預(yù)測的穩(wěn)定性,在該樣點(diǎn)附近的鄰域內(nèi),比如一個(gè)5×5×5樣點(diǎn)區(qū)域內(nèi)統(tǒng)計(jì)125個(gè)這樣的梯度平方張量,并將它們加權(quán)疊加獲得一個(gè)光滑的梯度平方張量矩陣G′,該矩陣將有助于獲得該點(diǎn)處比較穩(wěn)定的走向信息。將G′寫作:

(2)

式中:〈·〉代表光滑后的梯度平方;k(x,y,z)代表光滑加權(quán)矩陣。獲得光滑的梯度平方張量矩陣G′之后,針對該半正定矩陣G′,通過求解特征方程|G′-λI|=0得到其特征值與特征向量:

(3)

特征向量與特征值描述了圖像局部線性結(jié)構(gòu)的方向性與能量分布。特征向量v1(v11,v12,v13)代表切平面的單位法向量,同時(shí)代表了圖像的主結(jié)構(gòu)方向,其對應(yīng)特征值λ1為最大特征值,對應(yīng)于特征向量方向v1的能量;特征向量v2(v21,v22,v23)代表在切平面內(nèi)且與最佳擬合線即切線相垂直的單位法向量,λ2為對應(yīng)方向的特征值,對應(yīng)于特征向量方向v2的能量;特征向量v3(v31,v32,v33)是與由v1,v2構(gòu)成的平面正交的方向,同時(shí)也代表了圖像的灰度變化最大的方向,λ3為對應(yīng)方向的特征值,對應(yīng)于特征向量方向v3的能量。三維時(shí)有兩個(gè)方向的線性度概念(1-λ2/λ1)和(1-λ3/λ1),反映局部方向的一致性。對于

地震數(shù)據(jù)而言,線性度的含義等價(jià)于同相性。

運(yùn)動(dòng)學(xué)反偏移所需要的構(gòu)造傾角ξ與RMO信息tanφ(如圖1所示)可利用主特征向量v1方向的三個(gè)分量由下式計(jì)算得到:

(4)

圖2a說明了為什么二維成像數(shù)據(jù)可以視為三維數(shù)據(jù)體來處理;圖2b顯示了對于本文使用的理論數(shù)據(jù)中某二維疊前成像體的一小段(這一小段共成像道集(CIG)顯然可視為(X,Z,H)域內(nèi)的三維數(shù)據(jù)體)。應(yīng)用三維結(jié)構(gòu)張量搜索到的數(shù)據(jù)點(diǎn)(用黑色表示)以及利用相關(guān)屬性參數(shù)計(jì)算得到的特征向量v1,v2,v3?？梢钥闯?由于三維梯度平方結(jié)構(gòu)張量算法的穩(wěn)定性,可以可靠地估算實(shí)際地震數(shù)據(jù)的局部傾角。

圖1　在疊前深度偏移體(X,Z,H)上拾取局部同向軸[10]a 共偏移距成像道集(拾取構(gòu)造傾角ξ); b 共成像點(diǎn)道集(拾取RMO信息tanφ)

圖2　三維結(jié)構(gòu)張量搜索a 將二維疊前深度成像體視為三維數(shù)據(jù)體; b 三維結(jié)構(gòu)張量示意圖及搜索到的數(shù)據(jù)點(diǎn)(黑色表示)和計(jì)算得到的特征向量v1,v2,v3

2　流程設(shè)計(jì)

從上節(jié)可知,在疊前數(shù)據(jù)域應(yīng)用結(jié)構(gòu)張量[5]獲得初始數(shù)據(jù)空間,即可獲得初始反演速度與初始成像數(shù)據(jù)體。上述過程可以全自動(dòng)實(shí)現(xiàn),無需人工干預(yù),然后將初始成像數(shù)據(jù)體視為一個(gè)三維數(shù)據(jù)體,應(yīng)用三維結(jié)構(gòu)張量算法同時(shí)獲得反偏移所需的高密度分布的構(gòu)造傾角和RMO信息。這樣實(shí)現(xiàn)的好處是可以更好地保證構(gòu)造傾角和RMO信息的提取精度,同時(shí)計(jì)算成本并沒有明顯增加。但對于實(shí)際數(shù)據(jù)而言,我們認(rèn)為最好選擇疊前深度偏移后的小、中、大至少3個(gè)共偏移距道集,在這3個(gè)成像道集內(nèi)人工拾取對應(yīng)于關(guān)鍵(可靠并有助于目標(biāo)段速度反演)反射層的可靠數(shù)據(jù)點(diǎn),再利用之前獲得的高密度RMO信息將這些數(shù)據(jù)點(diǎn)延拓到其它未拾取的偏移距道集,這樣即可提取出可靠的成像域數(shù)據(jù)點(diǎn)信息。最后,利用運(yùn)動(dòng)學(xué)反偏移將上述挑選后的成像域數(shù)據(jù)點(diǎn)反偏移到數(shù)據(jù)空間,獲得更為可靠的立體層析數(shù)據(jù)空間。

基于上述考慮,本節(jié)提出了適用于二維實(shí)際數(shù)據(jù)的實(shí)用化流程。設(shè)計(jì)思路如下:在人工拾取之前,對初始疊前深度偏移獲得的疊前成像體應(yīng)用三維結(jié)構(gòu)張量算法先進(jìn)行一次初始拾取,適當(dāng)放低初始拾取的線性度門檻值,使疊前成像體內(nèi)的連續(xù)同相面能夠盡可能多地被拾取,這樣就獲得了高密度分布的構(gòu)造傾角ξ與剩余曲率信息tanφ。注意這個(gè)初始高密度拾取在獲得一次反射波的運(yùn)動(dòng)學(xué)信息(旅行時(shí)、炮點(diǎn)坐標(biāo)、檢波點(diǎn)坐標(biāo)、炮點(diǎn)P參數(shù)、檢波點(diǎn)P參數(shù))的同時(shí),必然也獲得了其它具有同相性特征的波現(xiàn)象的運(yùn)動(dòng)學(xué)信息,這些波現(xiàn)象所對應(yīng)的運(yùn)動(dòng)學(xué)信息并不是立體層析所需要的,應(yīng)該將其排除在外。因此,在獲得這個(gè)高密度拾取結(jié)果后,需要利用某種過濾手段提取出立體層析所需的、對應(yīng)于一次反射的運(yùn)動(dòng)學(xué)信息。楊鍇等[8]的策略是先在最小偏移距成像道集內(nèi)選好數(shù)據(jù)點(diǎn),然后直接沿著CIG內(nèi)已自動(dòng)搜索好的同相軸信息向大偏移距方向延拓,找出所有大偏移距剖面內(nèi)的數(shù)據(jù)點(diǎn)。但對于實(shí)際數(shù)據(jù),必須注意成像點(diǎn)道集的信噪比可能相當(dāng)?shù)?對于某一個(gè)成像點(diǎn)而言,很有可能從最小偏移距到最大偏移距的RMO信息根本就不連續(xù),僅僅從最小偏移距成像道集出發(fā)試圖延拓到大偏移距成像道集是不現(xiàn)實(shí)的。因此我們針對實(shí)際數(shù)據(jù)從小、中、大偏移距范圍內(nèi)各選擇至少一個(gè)疊前深度偏移后的疊前偏移距成像道集(至少3個(gè)共偏移距成像道集)實(shí)施人工拾取(當(dāng)資料品質(zhì)較好時(shí),可以只選兩個(gè)甚至一個(gè)偏移距進(jìn)行拾取;當(dāng)資料品質(zhì)很差時(shí),可酌情再多選擇幾個(gè)偏移距成像道集進(jìn)行拾取),提取出關(guān)鍵目標(biāo)層的數(shù)據(jù)點(diǎn)位置;然后從這幾個(gè)偏移距成像道集上人工拾取的數(shù)據(jù)點(diǎn)出發(fā),通過其相應(yīng)的RMO信息(注意這些RMO信息是初始高密度搜索后已經(jīng)獲得的信息),將其延拓到相鄰的偏移距成像道集上,從而提取出可靠的、同時(shí)高質(zhì)量的數(shù)據(jù)點(diǎn)信息。延拓公式如下:

(5)

式中:io代表當(dāng)前偏移距;do代表偏移距間隔;z代表深度;φ代表在該偏移距處搜索到的傾角信息。顯然,這個(gè)過程可以理解為對第一輪自動(dòng)拾取得到的高密度數(shù)據(jù)點(diǎn)進(jìn)行帶有地質(zhì)意義的人為過濾,從而挑選出來自關(guān)鍵反射層、對應(yīng)于一次反射的同相軸的運(yùn)動(dòng)學(xué)信息。在此基礎(chǔ)上,使用挑選出來的數(shù)據(jù)點(diǎn)實(shí)施運(yùn)動(dòng)學(xué)反偏移,獲得來自關(guān)鍵反射層的、對應(yīng)于一次反射的立體層析數(shù)據(jù)空間。相對于直接在疊前數(shù)據(jù)域上使用結(jié)構(gòu)張量算法獲得數(shù)據(jù)點(diǎn),上述策略顯然可以獲得更為可靠的立體層析數(shù)據(jù)空間,因此是一種更為優(yōu)越的實(shí)現(xiàn)方式。技術(shù)流程如下:

1) 應(yīng)用初始速度獲得初始偏移成像數(shù)據(jù)體;

2) 將初始偏移成像數(shù)據(jù)體視為(X,Z,H)域內(nèi)的三維數(shù)據(jù)體,應(yīng)用三維結(jié)構(gòu)張量實(shí)施搜索,同時(shí)獲得高密度的構(gòu)造傾角與RMO信息;

3) 在選定的小、中、大偏移距成像道集內(nèi)進(jìn)行人工拾取,且僅拾取關(guān)鍵層位處對應(yīng)于一次反射的成像點(diǎn);

4) 從人工拾取的成像點(diǎn)位置出發(fā),根據(jù)步驟2)獲得的RMO信息,根據(jù)公式(5)沿偏移距方向往相鄰的前后偏移距成像道集進(jìn)行延拓,獲得相鄰偏移距成像道集內(nèi)的成像點(diǎn)位置;

5) 這些挑選后的成像點(diǎn)位置所對應(yīng)的構(gòu)造傾角與RMO信息,可從步驟2)獲得的高密度運(yùn)動(dòng)學(xué)信息中檢索得到;

6) 基于這些挑選后的成像點(diǎn)位置所對應(yīng)的構(gòu)造傾角與RMO信息,實(shí)施運(yùn)動(dòng)學(xué)反偏移(具體計(jì)算過程請參閱文獻(xiàn)[8]中的公式(8))即可獲得挑選后的、更為可靠的立體層析數(shù)據(jù)空間。

3　理論數(shù)據(jù)測試

首先基于一個(gè)多層背斜鹽丘模型理論數(shù)據(jù)進(jìn)行測試(圖3)。圖3a顯示了該模型的真實(shí)速度與層位分布情況,橫、縱向間隔都是10m,橫向1201個(gè)采樣點(diǎn),縱向601個(gè)采樣點(diǎn);圖3b是初始立體層析反演速度及反演后獲得的反射點(diǎn)分布位置的聯(lián)合顯示,其數(shù)據(jù)空間信息是按照文獻(xiàn)[6]的思路在數(shù)據(jù)域利用結(jié)構(gòu)張量算法獲得的,其初始模型為垂直梯度模型;圖3c顯示了基于初始反演模型實(shí)施Kirchhoff疊前深度偏移獲得的初始成像點(diǎn)道集,可以看出成像點(diǎn)道集中對應(yīng)于淺層的反射同相軸上翹,說明速度還不夠精確;圖3d 顯示了在該成像道集內(nèi)利用三維結(jié)構(gòu)張量算法搜索得到的高密度成像點(diǎn)位置信息(三維顯示,藍(lán)色點(diǎn)代表搜索到的成像點(diǎn)位置信息);圖3e顯示了1km偏移距成像道集內(nèi)人工拾取的層位信息;圖3f顯示了基于1km偏移距成像道集人工拾取的成像點(diǎn)位置以及之前搜索到的RMO信息進(jìn)行偏移距方向的延拓后得到的成像點(diǎn)位置信息(三維顯示,藍(lán)色點(diǎn)代表延拓得到的成像點(diǎn)位置)。可以看到,相比圖3d,圖3f的成像點(diǎn)位置信息具有明顯的地層結(jié)構(gòu)特征,說明利用過濾手段得到了來自關(guān)鍵反射層的、同時(shí)也更為優(yōu)選的、對應(yīng)于一次反射的成像點(diǎn)位置信息。

圖3　基于多層鹽丘模型的工作流程測試結(jié)果a 真實(shí)模型; b 初始反演速度及其數(shù)據(jù)點(diǎn)位置聯(lián)合顯示; c 利用初始模型得到的成像點(diǎn)道集; d 基于圖3b所得成像點(diǎn)道集應(yīng)用三維結(jié)構(gòu)張量獲得的高密度成像點(diǎn)信息(三維顯示); e 基于1km共偏移距成像道集人工拾取的對應(yīng)于一次反射的成像點(diǎn)位置; f 從1km偏移距成像道集拾取的成像點(diǎn)位置出發(fā),基于初始成像點(diǎn)道集信息沿偏移距方向延拓獲得的數(shù)據(jù)點(diǎn)信息(三維顯示); g 反偏移后數(shù)據(jù)點(diǎn)運(yùn)動(dòng)學(xué)信息與偏移距為1.02km的共偏移距成像道集疊合顯示質(zhì)量控制道集; h 將圖3g所示的質(zhì)量控制道集放大后顯示; i 利用挑選后數(shù)據(jù)點(diǎn)實(shí)施反演得到的速度模型; j 基于圖3i模型實(shí)施疊前深度偏移獲得的共成像點(diǎn)道集

圖3g顯示了根據(jù)1.02km偏移距成像道集內(nèi)挑選后的成像點(diǎn)位置處的構(gòu)造傾角與RMO信息進(jìn)行運(yùn)動(dòng)學(xué)反偏移后獲得的數(shù)據(jù)點(diǎn)運(yùn)動(dòng)學(xué)信息與1.02km共偏移距成像道集疊合顯示的質(zhì)量控制剖面;圖3h為圖3g局部放大顯示,可以看到反偏移后得到的P參數(shù)信息(即同相軸的斜率信息,藍(lán)色細(xì)線)與局部同相軸有良好的匹配,證實(shí)反偏移算法具有良好的精度。圖3i是用挑選后數(shù)據(jù)點(diǎn)實(shí)施立體層析反演得到的速度模型及反射點(diǎn)分布位置的聯(lián)合顯示;圖3j為基于圖3i模型實(shí)施疊前深度偏移獲得的共成像點(diǎn)道集,可以看出基于更新的速度模型獲得的成像點(diǎn)道集相比之前的初始速度模型偏移的成像點(diǎn)道集更平。

4　二維實(shí)際數(shù)據(jù)算例

二維實(shí)際地震數(shù)據(jù)來自于2011年南海某深水探區(qū)采集的數(shù)據(jù)。測線長約150km,共2900炮,最大偏移距8000m,炮間距50m,檢波點(diǎn)間距25m。對反演之前的地震數(shù)據(jù)做了如下預(yù)處理:壓制與海面有關(guān)的多次波、預(yù)測反褶積提高分辨率、12～40Hz帶通濾波、利用短時(shí)窗自動(dòng)增益以保證同相軸可以識(shí)別并切除了直達(dá)波。

首先利用結(jié)構(gòu)張量算法并結(jié)合王宇翔等[6]提出的波峰判斷準(zhǔn)則和線性度準(zhǔn)則,在共炮點(diǎn)道集和共檢波點(diǎn)道集獲得初始立體層析數(shù)據(jù)空間。如前所述,直接在數(shù)據(jù)域根據(jù)同相性(包括軸的連續(xù)性、強(qiáng)振幅性等)拾取的信息,不可避免地會(huì)包含繞射波、多次波、側(cè)面波的信息。而這是立體層析中射線正演無法表達(dá)的波現(xiàn)象,必然使得反演精度降低。對實(shí)際數(shù)據(jù)反演而言,通過手動(dòng)拾取的方式將與一次反射無關(guān)的無效數(shù)據(jù)點(diǎn)過濾掉是非常必要的。實(shí)際數(shù)據(jù)測試結(jié)果如圖4 和圖5所示。

圖4a是利用結(jié)構(gòu)張量在數(shù)據(jù)域直接搜索數(shù)據(jù)點(diǎn)后得到的初始反演速度及反演得到的反射點(diǎn)位置的聯(lián)合顯示;圖4b顯示了用圖4a所示的初始反演速度模型實(shí)施疊前深度偏移后得到的部分成像點(diǎn)道集,注意基于該段成像點(diǎn)道集我們應(yīng)用三維結(jié)構(gòu)張量自動(dòng)搜索得到了高密度的初始成像點(diǎn)位置信息也顯示在該圖上(三維顯示,藍(lán)色點(diǎn)代表搜索到的成像點(diǎn)位置信息);圖4c單獨(dú)顯示了圖4b中2km偏移距成像道集上的成像點(diǎn)位置信息,可以看出其密度確實(shí)很高。

圖4　南海深水某二維測線的測試結(jié)果(Ⅰ)a 在數(shù)據(jù)域進(jìn)行立體層析反演的初始結(jié)果; b基于初始成像點(diǎn)道集自動(dòng)拾取的成像點(diǎn)位置(三維顯示); c 在2km偏移距成像道集內(nèi)的自動(dòng)拾取結(jié)果; d 在2km偏移距成像道集內(nèi)人工拾取結(jié)果

圖4d顯示了在2km偏移距成像道集內(nèi)進(jìn)行人

工拾取后留下的成像點(diǎn)位置信息。圖5a顯示了基于圖4d所示的2km偏移距成像道集內(nèi)人工拾取的成像點(diǎn)位置,根據(jù)RMO信息進(jìn)行偏移距方向的延拓后得到的成像點(diǎn)位置(三維顯示,藍(lán)色點(diǎn)代表延拓得到的成像點(diǎn)位置信息),相比圖4b,過濾后的成像點(diǎn)位置具有清晰的地層結(jié)構(gòu)特征,顯然更為準(zhǔn)確;圖5b顯示了將圖5a的數(shù)據(jù)點(diǎn)運(yùn)動(dòng)學(xué)反偏移后到偏移距為2km時(shí)間域共偏移距道集的質(zhì)量控制;圖5c 顯示了將圖4c所示的初始立體層析數(shù)據(jù)空間反偏移到偏移距為2km時(shí)間域共偏移距道集后的質(zhì)量控制;對比圖5b和圖5c可見,原始數(shù)據(jù)點(diǎn)信息有很多對應(yīng)于繞射波,而這些數(shù)據(jù)點(diǎn)對于反演有害無益。

圖5　南海深水某二維測線的測試結(jié)果(Ⅱ)a 基于2km偏移距成像道集人工拾取層位信息,根據(jù)RMO信息在偏移距方向延拓后得到的成像位置點(diǎn)信息(三維顯示); b 挑選后的2km共偏移距成像道集內(nèi)的成像點(diǎn)及其運(yùn)動(dòng)學(xué)信息被反偏移到2km時(shí)間域共偏移距道集; c 挑選前的成像點(diǎn)位置及其運(yùn)動(dòng)學(xué)信息被反偏移到2km時(shí)間域共偏移距道集貼合顯示; d 挑選后數(shù)據(jù)點(diǎn)反演得到的模型; e 利用初始模型實(shí)施疊前深度偏移獲得的共成像點(diǎn)道集; f 挑選數(shù)據(jù)點(diǎn)反演模型實(shí)施疊前深度偏移獲得的共成像點(diǎn)道集; g 利用初始模型獲得的疊前深度偏移成像剖面; h 利用挑選數(shù)據(jù)點(diǎn)后反演模型獲得的疊前深度偏移成像剖面

圖5d顯示了利用過濾后的數(shù)據(jù)點(diǎn)實(shí)施反演得到的速度模型;圖5f顯示了基于圖5d所示速度模型實(shí)施疊前深度偏移獲得的成像點(diǎn)道集,可以看出該成像點(diǎn)道集相比圖5e是用初始速度模型偏移得到的成像點(diǎn)道集,其同相軸的拉平程度有明顯改善,表現(xiàn)出速度的反演精度有了進(jìn)一步提高;圖5h顯示了基于圖5d所示模型實(shí)施疊前深度偏移獲得的成像剖面,可以看出相比圖5g所示的初始速度模型深度成像剖面,不僅主要反射層位的成像深度有明顯變化,同時(shí)對應(yīng)于剖面中部深度從3km到6km這一段內(nèi)幕的刻畫亦有明顯改善,說明速度反演精度可靠、偏移成像質(zhì)量有所提高。

5　討論

從實(shí)際數(shù)據(jù)的應(yīng)用結(jié)果可以看出,在成像域的高密度拾取之后,再用人工拾取的方式從中過濾出具有地質(zhì)意義的數(shù)據(jù)點(diǎn)信息,這個(gè)技術(shù)流程行之有效。由于前期預(yù)處理已經(jīng)做得精細(xì),該實(shí)際數(shù)據(jù)中到了反演階段已經(jīng)沒有明顯的多次波和側(cè)面波干擾。但是依然可以看出,上述流程有效地將繞射波排除在數(shù)據(jù)空間之外,使得反演精度有了明顯提升。另一方面,本方法是一種獲取更好數(shù)據(jù)空間的辦法。相比于常規(guī)直接在炮數(shù)據(jù)上拾取,本方法需要依次進(jìn)行疊前深度偏移、人工拾取和運(yùn)動(dòng)學(xué)反偏移3個(gè)步驟。需要強(qiáng)調(diào)的是數(shù)據(jù)空間的質(zhì)量是整個(gè)立體層析反演的根本,對數(shù)據(jù)空間質(zhì)量的要求無論多高都不過分。在數(shù)據(jù)空間的準(zhǔn)備過程中,即便損失一定的效率也是值得的,而且這個(gè)操作只需要做一次?？傊?本文提出的兩步法流程可以獲得更佳的立體層析數(shù)據(jù)空間,雖然相比直接拾取在前期數(shù)據(jù)空間準(zhǔn)備過程中增加了一些計(jì)算成本,但能更好地服務(wù)于立體層析反演。

本方法適用于雖然疊前炮數(shù)據(jù)的視覺信噪比不高、但初始疊前深度偏移后依然被能分辨出主要反射波同相軸的地震數(shù)據(jù)。在此類數(shù)據(jù)上,本方法有很好的實(shí)用價(jià)值。因?yàn)槿斯じ深A(yù)可以增加數(shù)據(jù)的可靠性。完全的人工智能拾取有效反射點(diǎn)的時(shí)代尚未到達(dá),我們采取的半自動(dòng)(自動(dòng)拾取和手動(dòng)拾取)是一種折衷但實(shí)用的方案。隨著人工智能算法的方法發(fā)展,通過全自動(dòng)、免人工干預(yù)方式獲得最佳數(shù)據(jù)空間將是未來的研究目標(biāo)。

6　結(jié)論

本文通過理論和實(shí)際算例證實(shí)了聯(lián)合結(jié)構(gòu)張量與運(yùn)動(dòng)學(xué)反偏移的兩步法立體層析數(shù)據(jù)空間提取策略的有效性和合理性。該流程的應(yīng)用效果很大程度建立在靈活運(yùn)用結(jié)構(gòu)張量算法的基礎(chǔ)上,通過巧妙地將三維結(jié)構(gòu)張量運(yùn)用于二維疊前成像體的運(yùn)動(dòng)學(xué)信息搜索,可以同時(shí)獲得高精度的RMO信息與構(gòu)造傾角信息,然后在很少幾個(gè)具有代表性的PSDM后的共偏移距成像道集上進(jìn)行成像點(diǎn)的拾取,再根據(jù)RMO信息進(jìn)行過濾篩選,即可獲得僅與一次反射波有關(guān)且與地層格架信息一致的成像點(diǎn)位置信息,保證了在運(yùn)動(dòng)學(xué)反偏移之后也可以獲得與地層格架保持一致的、更為合理的立體層析數(shù)據(jù)空間。本文方法在南海深水二維測線上的實(shí)際應(yīng)用證實(shí)了上述觀點(diǎn)。

[1]王華忠,馮波,王雄文,等.地震波反演成像方法與技術(shù)核心問題分析[J].石油物探,2015,54(2):115-125

WANG H Z,FENG B,WANG X W,et al.Analysis of seismic inversion imaging and its technical core issues[J].Geophysical Prospecting for Petroleum,2015,54(2):115-125

[2]BILLETTE F,LAMBARé G.Velocity macro-modelestimation from seismic reflection data by stereo-tomography[J].Geophysical Journal International,1998,135(2):671-680

[3]BILLETTE F,LE BéGAT S,PODVIN P,et al.Practical aspectsand applications of 2D stereo-tomography[J].Geophysics,2003,68(3):1008-1021

[4]PRIEUX V,LAMBARé G,OPERTO S,et al.Building starting models for full waveform inversion from wide-aperture data by stereo-tomography[J].Geophysical Prospecting,2013,61(S1):109-137

[5]李振偉,楊鍇,倪瑤,等.基于立體層析反演的偏移速度建模應(yīng)用研究[J].石油物探,2014,53(4):444-452

LI Z W,YANG K,NI Y,et al.Migration analysis with stereo-tomography inversion[J].Geophysical Prospecting for Petroleum,2014,53(4):444-452

[6]王宇翔,楊鍇,楊小椿,等.基于梯度平方結(jié)構(gòu)張量算法的高密度二維立體層析反演[J].地球物理學(xué)報(bào),2016,59(1):263-276

WANG Y X,YANG K,YANG X C,et al.A high density stereo-tomography method based on the gradient square structure tensor algorithm[J].Chinese Journal of Geophysics,2016,59(1):263-276

[7]YANG K,XING F Y.3D stereo-tomography applied to the deep-sea data acquired in the South China Sea,part II:the real case study[J].Expanded Abstracts of 86thAnnual Internat SEG Mtg,2016:16-21

[8]楊鍇,熊凱,王宇翔,等.聯(lián)合結(jié)構(gòu)張量與運(yùn)動(dòng)學(xué)反偏移的兩步法立體層析數(shù)據(jù)空間提取與反演策略研究Ⅰ:理論[J].石油物探,2017,56(5):694-706

YANG K,XIONG K,WANG Y X,et al,A two-step scheme to extract data space for stereo-tomography based on structure tensor and kinematic de-migration I:theory[J].Geophysical Prospecting for Petroleum,2017,56(5):694-706

[9]王華忠,馮波,王雄文,等.特征波反演成像理論框架[J].石油物探,2017,56(1):38-49

WANG H Z,FENG B,WANG X W,et al.The theoretical framework of characteristic wave inversion imaging[J].Geophysical Prospecting for Petroleum,2017,56(1):38-49

[10]CHAURIS H,NOBLE M S,LAMBARé G.Migration velocity analysis from locally coherent events in 2-D laterally heterogeneous media,part I:theoretical aspects[J].Geophysics,2002,67(4):1202-1212

[11]GUILLAUME P,LAMBARé G,LEBLANC O,et al.Kinematic invariants:an efficient and flexible approach for velocity model building[J].Expanded Abstracts of 78thAnnual Internat SEG Mtg,2008:3687-3692

[12]VAN VLIET L J,VERBEEK P W.Estimators for orientation and anisotropy in digitized images[J].Proceedings of the first Conference of the Advanced School for Computing and Imaging,1995:442-450