基于神经风络的地震剖面反褶积新方法

地震剖面的反褶积经常是地震勘探资料处理阶段的一个重要步骤，它是公认的提高剖经的有铲方法。常规的反褶积方法已经很多，但如何在提高剖面分辨率的同时又有效地抑制噪声，提高剖面的信噪比，始终是困扰人们的问题。针对这一问题，提出了一种基于反馈神经网络及其衍生物的地震剖面反褶积方法。     

基于神经网络的地震剖面反褶积新方法

地震剖面的反褶积经常是地震勘探资料处理阶段的一个重要步骤，它是公认的提高剖面分辨率的有效方法．常规的反褶积方法已经很多，但如何在提高剖面分辨率的同时又有效地抑制噪声，提高剖面的信噪比，始终是困扰人们的问题．针对这一问题，提出了一种基于反馈神经网络及其衍生物（ＴＨ网络）的地震剖面反褶积方法．实验结果表明，本方法效果明显，尤其在地震剖面中存在一些相隔较远的反射层时有很好的效果，充分显示了神经网络方法处理地震剖面反褶积问题的有效性．     

基于ART神经网络的地震剖面反褶积新方法

提出一种基于ＡＲＴ神经网络（及其改型）从地震剖面中识别子波的新方法．发挥神经网络在模式识别和优化计算两方面的优势，先以无教师学习算法从剖面中识别出子波，再通过ＴＨ神经网络作反褶积．实验结果表明，本文提出的方法有明显的效果，特别在地震剖面中存在一些相隔较远的反射层时有很好的效果．     

反褶积与信噪比的关系研究

在地震资料数字处理中，分辨率与信噪比是一对相互制约的矛盾，为了在反褶积处理过程中控制信噪比，从理论上分析了反褶积后剖面信噪比降低的原因。以不同相位子波为例，从时间域出发，利用最小平方反滤波原理计算出反褶和算子，并验证了反褶积后剖面信噪比的降低是受反子波能量的影响。为了兼顾分辨率和信噪比，进而分析讨论了反褶积中的白噪化问题，提出可以用加入白噪的方法来控制信噪化，但白噪不易加入过大，否则，由于加入白噪白求出的反子波不再是原来子波的逆，从而又将影响剖面分辨率的提高。     

带乘性噪声系统的最优反褶积

针对高分辨率石油地震勘探问题，研究一种乘性噪声随机系统的最优反褶积估计方法。通过建立逆向运行的在线性最小方差意义下最优的状态滤波公式，推导出一种随机输入序列的单向量最估固定域递推算法，该方法离线运算的存储最小，有助于提高地层反射序列提取的分辨率。     

保持信噪比的相位分解反褶积方法研究

反褶积是目前提高地震数据分辨率的主要方法,传统的反褶积大都建立在地震子波最小相位的假设之上,这 与实际情况下地震子波更接近混合相位的事实不符。由于地层的吸收作用,实际地震信号中的高频成分较弱,很容易 受到高频噪声的污染。地震记录经过常规反褶积处理之后,在提高分辨率的同时,降低了地震记录的信噪比,信噪比 与分辨率的矛盾在实际地震勘探中十分突出。为此,提出一种基于相位分解并能保持信噪比的混合相位子波反褶积 方法,实现混合相位子波反褶积,在提高地震记录分辨率的同时,能自动控制高频噪声对地震资料信噪比的影响,使得 分辨率和信噪比达到相对和谐,提高地震记录表征地下构造的能力。     

探地雷达信号的反褶积研究

根据探地雷达信号基本子波的特点,设计了一种适宜于探地雷达信号的反褶积算法。该方法将基本子波转化为一个位于子波绝对最大值处的尖脉冲,反褶积后,子波被压缩在绝对值最大处,而不是在子波的开始。它可以有效地去除基本子波的拖尾,压缩基本子波的长度,提高信号的纵向分辨率和信噪比。通过对探地雷达实验数据和高速公路检测数据的计算,表明了该算法是一种非常有效的方法。     

反褶积与信噪比的关系研究

在地震资料数字处理中 ,分辨率与信噪比是一对相互制约的矛盾 ,为了在反褶积处理过程中控制信噪比 ,从理论上分析了反褶积后剖面信噪比降低的原因 .以不同相位子波为例 ,从时间域出发 ,利用最小平方反滤波原理计算出反褶积算子 ,并验证了反褶积后剖面信噪比的降低是受反子波能量的影响 .为了兼顾分辨率和信噪比 ,进而分析讨论了反褶积中的白噪化问题 ,提出可以用加入白噪的方法来控制信噪比 ,但白噪不易加入过大 ,否则 ,由于加入白噪后求出的反子波不再是原来子波的逆 ,从而又将影响剖面分辨率的提高     

时频域动态反褶积方法研究

大多数提高地震资料分辨率的反褶积方法都基于传统静态褶积模型,这与非均匀介质中的地震子波实际传播
规律不符。因此,在动态褶积模型基础上,结合地震波在地层中的吸收衰减特性,提出一种基于时频域的动态反褶积
方法。该方法将广义S 变换良好的多分辨特性引入到地震资料动态反褶积处理中,首先将非平稳地震记录的广义S
变换近似表示为静态震源子波的傅里叶变换、复数值时频衰减函数与反射系数广义S 变换的乘积,再采用多项式拟合
的方法对非平稳地震记录时频谱进行平滑处理,从而可估算动态传播子波和地层反射系数。本文方法不需要直接求
取Q 值,能够适用于变Q 值情况。理论模型和三维实际资料处理结果表明,该方法不仅能改善地震资料的分辨率,还
能有效补偿深部地层吸收所引起的能量衰减。     

浅层天然气藏的AVO处理方法

在Ｘ－Ｔ域对浅层天然气藏进行振幅与炮检距（ＡＶＯ）分析时，不可避免地遇到球面扩散振幅补偿不精确、浅层动校拉伸切除造成共中心点（ＣＭＰ）道集中道数太少、ＣＭＰ道集信噪比低等三方面的问题。文章提出一种新的浅层ＡＶＯ处理方法，首先应用二维τ－Ｐ变换将点震源产生的球面波场分解成平面波场，以实现精确的球面扩散的自动振幅补偿；其次在τ－Ｐ域进行动校正，以减少动校正引起的拉伸现象。τ－Ｐ变换本身能够有效地提高Ｃ     

基于最小输出熵的盲反卷积方法

针对多通道卷积混叠模型，基于信息理论的最小熵准则，利用单时间点观测样本给出了一类多通道盲反卷积方法，这种方法不同于其它方法的地方在于考虑了源和观测信号的上下文信息。     

基于盲反卷积的脑电信号盲分离研究

采用卷积混合模型描述观测脑电信号(electroencephalogram,EEG),提出一种基于盲反卷积的EEG盲分离方法.结合EEG源成分的独立性确定代价函数,并采用共轭梯度法进行迭代寻优.针对EEG仿真实验数据进行方法验证,采用分离信号与源信号之间的相关系数作为验证指标.实验结果表明,本文方法可以较好地实现EEG盲分离,为EEG信号处理和其他生理信号处理分析提供理论和方法借鉴.     

一种新的尖峰信号盲反卷积方法

介绍一种新的盲反卷积方法，以解决尖峰信号的盲卷积问题，该方法不需知道信号和噪声的先验知识。基于尖峰信号高斯混合模型，给出一个自适应反卷积滤波器和一个自适应零记忆非线性估计器，以实现信号的恢复。将进化计算和梯度算法相结合，对反卷积滤波器和零记忆非线性估计器进行参数寻优，从而获得良好的信号恢复效果。最后给出计算机仿真结果。     

最小输出熵盲反卷积方法中概率密度估计

针对多通道卷积混叠模型 ,给出了两种基于最小熵盲反卷积算法中概率估计的方法—基于Edgeworth展开非参数逼近方法和基于核函数的参数逼近法 ,概率估计方法和反卷积滤波器参数逼近的训练公式一起构成最小熵盲反卷积方法 .文中给出了计算机仿真实例     

新的基于压力导数的反褶积模型研究

压力反褶积对原始地层压力非常敏感,且该参数精度必须控制在0.5% 以内,而通过Levitan 等方法来确定该参数时,不仅至少需要两个不同流动期数据,且易受压力流量非线性等诸多因素影响。提出的基于压力导数的反褶积模型不仅对原始地层压力值不敏感,而且可仅通过一个流动期来确定该参数值。通过分析,该模型可以处理压力误差,也可以处理流量误差