[0001] 本发明涉及勘探地球物理学技术领域，特别是涉及到一种基于信号随偏移距变化特征的叠前道集保幅去噪方法。

[0002] 地震资料数字处理的任务是改造野外地震资料并从中提取有用的地质信息，为地震勘探的地质解释提供可靠资料。地震资料要满足三个最基本的条件，即高信噪比、高分辨率和高保真度。其中信噪比是基础，所以提高信噪比是地震资料处理的首要任务。去噪是地震信号处理众多环节中提高信噪比的手段，目的是从地震资料中去除干扰，提取有用信息，来提高地震资料信噪比。

[0003] 传统的去噪技术如f-k滤波、Radon变换在去噪的同时会产生假象，导致去噪后的剖面保真度受到破坏。基于波动方程的去噪方法(如SRME、反馈迭代法等)利用了多次波与一次有效波之间运动学和动力学上的差异，因此在压制多次波方面效果较好，但这种方法的计算效率较低，很难在实际生产中得到推广。随着地震勘探技术的发展，常规的地震数据去噪技术已经越来越不能适应当前高精度勘探的需求。

[0004] 在申请号：201310731132.7的中国专利申请中，涉及到一种利用叠前地震道集计算地层品质因数的方法，所述方法包括：获取叠前地震数据，并进行预处理；对所述叠前地震数据进行叠加速度分析和解释，生成叠加速度；从叠加剖面上识别和拾取反射层，利用所拾取的反射层时间和所述叠加速度提取反射波，得到所述反射波随炮检距变化的波形，生成反射波波形；对所述反射波波形进行傅立叶变换，计算反射波振幅谱；根据所述的反射波振幅谱，利用所述叠加速度、反射层时间以及滤波器振幅谱，计算得到层对数衰减量δn；根据所述层对数衰减量，利用公式计算得到地层品质因数Qn。

[0005] 申请号201310731132.7的中国专利申请中涉及的技术，需要同时提供叠前地震数据和叠加剖面。实现过程需要对所述叠前地震数据进行观测系统加载、道编辑和保幅去噪等预处理，以及基于叠前数据的叠加速度分析和解释，基于叠加剖面的反射层识别和拾取。该发明所涉及的地震数据类型多样，而且“叠加速度分析和解释”以及“反射层识别和拾取”的实现过程繁琐、耗时高，且取得的解释与拾取结果的精度影响因素多，对该发明最终的结果精度影响大。

[0006] 在申请号：201811335341.9的中国专利申请中，涉及到一种低信噪比地震资料有效信号主能量保幅处理方法，其特征在于，包括以下步骤：(1)、利用已有或者初步成果建立解释数据库；(2)、根据已有钻井和测井信息进行层位标定；(3)、选取地质层位明显的典型井的测井声波曲线进行初始合成记录制作，作为后续处理的标准依据；(4)、加载原始地震数据和几何库加载；(5)、野外静校正处理；(6)、信号及噪音频率分析；(7)、根据步骤(6)分析进行主能量段噪音衰减；(8)、叠加速度分析；(9)、扩展主能量反褶积及初叠加；(10)、主能量剩余静校正处理；(11)、叠前时间偏移速度分析；(12)、扩展主能量叠前时间偏移；(13)、对应于新成果制作新合成记录；(14)、效果对比，满足地质要求则输出最终结果，否则回到步骤(7)调整去噪参数、反褶积参数和叠前时间偏移参数重新进行处理工作，直到满足地质要求；(15)、输出叠前成像道集和叠加结果。

[0007] 申请号：201811335341.9的中国专利申请中所涉及技术在去噪过程需要的辅助数据类型多样，地震解释需要的人工交互参与程度高。而且整体实现过程涵盖了针对地震成像前、后各阶段数据的噪音压制手段。这些特点导致该发明不仅数据准备和实现过程繁琐，而且技术针对性不强。

[0008] 为此我们发明了一种新的基于信号随偏移距变化特征的叠前道集保幅去噪方法，解决了以上技术问题。

[0033] 为使本发明的上述和其他目的、特征和优点能更明显易懂，下文特举出较佳实施例，并配合附图所示，作详细说明如下。

[0034] 如图1所示，图1为本发明的基于信号随偏移距变化特征的叠前道集保幅去噪方法的流程图。

[0035] 步骤101：叠前道集。

[0036] 在原始采集记录的基础上，利用Kirchhoff积分法叠前时间偏移或叠前深度偏移，生成本发明所需的基础数据，即叠前成像道集。

[0037] 步骤102：对叠前道集按照偏移距重构信号；

[0038] 在一给定时窗内，沿偏移距方向取时窗内道集采样点，对时窗内数据纵向叠加取平均，然后按偏移距从小到大的顺序重新排列成一列数据。对排列的一组数据找到振幅值不为0时对应的最大偏移距位置，小于该偏移距的位置为相邻前后4道的平均，大于该偏移距的位置则保持不变。

[0039] 假设时窗长度为L，时窗内采样点均值为：

[0040]

[0041] 其中，Ai为时窗内每个采样点的振幅， 为某一道偏移距内的时窗内的均值。

[0042] 在偏移距个数为n数组中，按偏移距大小，第一次遍历n-1个数，找到最小的数值与第一个元素交换；第二次遍历n-2个数，找到最小的数值与第二个元素交换依次类推，第n-1次遍历，找到最小的数值与第n-1个元素交换，完成按偏移距从大到小一组信号的排序。沿偏移距方向重新排序后的振幅信号为：

[0043]

[0044] 其中， 为重新排序后的一组振幅信号，小标j为偏移距从小到大的索引信号。

[0045] 假设振幅不为0时对应的偏移距位置为m,其中m<＝n，则对应的m偏移距位置之前的每道振幅为：

[0046]

[0047] 其中， 为对应处振幅信号，小标j为偏移距从小到大的索引信号。

[0048] 步骤103：预测并剔除噪声。

[0049] 对叠前道集数据，按照偏移距方向，取i时刻的信号，记为AP(i)，用给定的高通滤波算子HF与AP(i)做褶积：

[0050] BP(i)＝AP(i)*HF

[0051] 其中BP(i)为一系列的高频脉冲序列，为从BP(i)中识别出随机噪声和异常振幅，对BP(i)取绝对值得出CP(i)。CP(i)的局部极大值所对应的BP(i)的样值就是要寻找的脉冲干扰EP(i)，将AP(i)减去EP(i)，就得到了去噪后的记录道。

[0052] 步骤104：噪声回填，得到保幅去噪的叠前道集。一种是回填百分比处于30％～100％，按照噪声的分布规律，去除异常大值和异常小值，得到处理后的包含微小相位错动的噪声体，按照百分比进行回填，得到去噪后的叠前道集。另一种是回填百分比处于-100％～-30％之间时，按照有效信号的分布规律，去除异常大值和异常小值的同时，对噪声进行补偿，然后再按照相应的百分比回填到初步去噪体，得到去噪后的叠前道集。

[0053] 如图2所示，对叠前道集数据，按照偏移距方向，取i时刻的信号，记为AP(i)用给定的高通滤波算子HF与AP(i)做褶积：

[0054] BP(i)＝AP(i)*HF

[0055] 为从BP(i)中识别出随机噪声和异常振幅，对BP(i)取绝对值得出CP(i)。CP(i)的局部极大值所对应的BP(i)的样值就是要寻找的脉冲干扰EP(i)，将AP(i)减去EP(i)，就得到了去噪后的记录道A/P(i)。

[0056] 当i遍历所有采样点的时候，初步去噪完成；在上述去噪过程中，由于A/P(i)中有噪声残留，所以需要多次迭代才可以将A/P(i)中的高频噪声去掉。

[0057] 如图3所示，在樊北地区某块区进行了试验。图3a为该区原始的叠前道集，图3b是对原始叠前道集利用基于信号随偏移距变化特征的叠前道集保幅去噪方法预测并剔除噪声后的到的道集。通过原始叠前道集与去噪道集的对比可以看到，预测剔除去噪对随机噪音去除明显，无有效信号丢失。

[0058] 如图4所示，图4a是叠前道集原始的AVO特征曲线，图4b是在预测去噪处理后的叠前道集基础上回填50％噪声体的AVO特征曲线，通过原始叠前道集AVO特征与处理道集AVO特征的对比可以看到，噪声回填后，基于信号随偏移距变化特征的叠前道集保幅去噪方法去噪后不改变原始道集AVO规律，且AVO规律性更强，为后续的叠前反演奠定了良好的资料基础。

[0059] 本发明中的基于信号随偏移距变化特征的叠前道集保幅去噪方法，基于信号随偏移距变化特征，通过对空间方向信号的关联信息，提取有效信号属性，基于有效信号所特有的属性对噪声进行预测并剔除，同时合理重构噪声中含有的有效信号，进行有效信号回填，从而有效实现在不损失有效的信号的情况下，去除随机噪声、部分斜干扰和异常振幅值，完成叠前道集的优化校正，不改变原始道集AVO规律，且AVO规律性更强，为后续的叠前反演奠定了良好的资料基础。

[0060] 前文所述的为本发明的各个优选实施例，各个优选实施例中的优选实施方式如果不是明显自相矛盾或以某一优选实施方式为前提，各个优选实施方式都可以任意叠加组合使用，所述实施例以及实施例中的具体参数仅是为了清楚表述发明人的发明验证过程，并非用以限制本发明的专利保护范围，本发明的专利保护范围仍然以其权利要求书为准，凡是运用本发明的说明书及附图内容所作的等同结构变化，同理均应包含在本发明的保护范围内。