[0001] 本文涉及地震数据处理技术领域，尤指一种基于三维预测反褶积的地震数据处理方法和装置。

[0002] 多次波是地震资料处理，特别是海上资料处理中一个很难、很棘手的问题。因此，海洋地震数据处理迫切需要一项技术进行浅水多次波压制，提高数据分辨率。预测反褶积不同于抛物线拉东变换、SRME等多次波去噪方法,压制多次波不需要速度等辅助信息，而预测步长又很容易通过自相关得到，加上预测反褶积具有参数设置简单的优点，预测反褶积已成为压制多次波的一种常用方法，并在消除虚反射、交混回响或其它简单形式的多次波中得到了较好地应用。一些地震资料处理方法中，采用一维预测反褶积进行地震资料处理；因此，实现三维预测反褶积的地震数据处理方法是亟待解决的问题。

[0055] 本申请描述了多个实施例，但是该描述是示例性的，而不是限制性的，并且对于本领域的普通技术人员来说显而易见的是，在本申请所描述的实施例包含的范围内可以有更多的实施例和实现方案。尽管在附图中示出了许多可能的特征组合，并在具体实施方式中进行了讨论，但是所公开的特征的许多其它组合方式也是可能的。除非特意加以限制的情况以外，任何实施例的任何特征或元件可以与任何其它实施例中的任何其他特征或元件结合使用，或可以替代任何其它实施例中的任何其他特征或元件。

[0056] 本申请包括并设想了与本领域普通技术人员已知的特征和元件的组合。本申请已经公开的实施例、特征和元件也可以与任何常规特征或元件组合，以形成由权利要求限定的独特的发明方案。任何实施例的任何特征或元件也可以与来自其它发明方案的特征或元件组合，以形成另一个由权利要求限定的独特的发明方案。因此，应当理解，在本申请中示出和/或讨论的任何特征可以单独地或以任何适当的组合来实现。因此，除了根据所附权利要求及其等同替换所做的限制以外，实施例不受其它限制。此外，可以在所附权利要求的保护范围内进行各种修改和改变。

[0057] 此外，在描述具有代表性的实施例时，说明书可能已经将方法和/或过程呈现为特定的步骤序列。然而，在该方法或过程不依赖于本文所述步骤的特定顺序的程度上，该方法或过程不应限于所述的特定顺序的步骤。如本领域普通技术人员将理解的，其它的步骤顺序也是可能的。因此，说明书中阐述的步骤的特定顺序不应被解释为对权利要求的限制。此外，针对该方法和/或过程的权利要求不应限于按照所写顺序执行它们的步骤，本领域技术人员可以容易地理解，这些顺序可以变化，并且仍然保持在本申请实施例的精神和范围内。

[0058] 本发明实施例提供一种基于三维预测反褶积的地震数据处理方法，如图1所示，方法包括步骤S100‑S110，具体如下：

[0059] 步骤S100.基于研究区目标地震数据，采用预先建立的三维预测反褶积模型确定三维预测反褶积的算子；

[0060] 步骤S110.根据所述三维预测反褶积的算子对所述目标地震数据进行三维预测反褶积处理，得到处理后的地震数据。

[0061] 在本实施例中，主要针对海洋地震资料处理过程中压制浅水多次波一种方法，理论上能压制海底表面多次波。其中，压制浅水多次波即水深为50米‑200米范围的海底反射多次波能够得到有效压制，深水情况下海底多次波不再满足周期性，海底多次波得不到有效压制。

[0062] 一种示例性的实施例中，目标地震数据是三维共检波点地震道集数据。目标地震数据可以切除直达波后的共检波点道集，若采用切除直达波后的共检波点道集进行褶积可以避免直达波与算子褶积引入一次波的影响。

[0063] 一种示例性的实施例中，预先建立的三维预测反褶积模型为：

[0064]

[0065] 上述模型中，db,m,j表示炮线序号为b，炮点序号为m，时间方向样点序号为j、且含多次波的共检波点地震道集数据；pb,m,j表示炮线序号为b，炮点序号为m，时间方向样点序号为j、且无多次波的共检波点地震道集数据；fc,n,k为三维预测反褶积的算子；c表示与b相对应的三维预测算子样点序号，n表示与m相对应的三维预测算子样点序号，k表示与j相对应的三维预测算子样点序号；w为Crossline方向半宽点数，u为Inline方向半宽点数；g是表示三维预测反褶积计算的步长；db‑c,m‑n,j‑k表示炮线序号为b‑c、炮点序号为m‑n、时间方向样点序号为j‑k、且含多次波的共检波点地震道集数据。

[0066] 一种示例性的实施例中，三维预测反褶积模型的建立过程，包括：

[0067] 步骤1.根据反射系数和地震子波，确定一维地震数据；其中，所述反射系数为白噪序列，所述地震子波为最小相位的子波；

[0068] 步骤2.根据地震数据的统计特性，确定一维预测反褶积模型；

[0069] 步骤3.根据所述一维预测反褶积模型和三维地震数据的三维属性确定三维预测反褶积模型。

[0070] 一种示例性的实施例中，根据反射系数和地震子波，确定一维地震数据，包括：

[0071] 根据反射系数和地震子波，利用地震褶积公式计算一维地震数据，其中，所述地震褶积公式为：

[0072] d(t)＝b(t)*f(t)

[0073] 上述公式中，d(t)为时间域的地震数据，b(t)为时间域的地震子波，f(t)为时间域的反射系数，t为地震数据的时间。

[0074] 一种示例性的实施例中，根据地震数据的统计特性，确定一维预测反褶积模型，包括：

[0075] 步骤1.根据地震数据的统计特性确定地震数据与时间的关系；

[0076] 步骤2.根据所确定的地震数据与时间的关系建立一维预测反褶积模型；

[0077] 在本步骤中，基于假定地震子波是最小相位而反射系数是白噪序列，则可将地震数据近似地看成是一个平稳随机过程，也就是说，地震数据的统计特性与时间无关。

[0078] 其中，所述一维预测反褶积模型为：

[0079]

[0080] 上述一维预测反褶积模型中，dj表示时间方向样点序号为j、且含多次波的共检波点地震道集数据；pj表示时间方向样点序号为j、且无多次波的共检波点地震道集数据；dj‑k表示时间方向样点序号为j‑k、且含多次波的共检波点地震道集数据；fk表示一维预测反褶积的算子。如图2所示一维预测反褶积算子和三维预测反褶积算子对比示意图，图2中(a)图是一维算子，图2中(b)图是三维算子，gap代表预测步长g，一般取值为略小于水层双程垂直旅行时(单位为毫秒)；预测算子长度 预测算子宽度n2op、dx为检波点间隔；z为水深；theta为最大反射角；noise是加入的
白噪参数，取值一般为1％。

[0081] 在步骤S100中，基于研究区目标地震数据，采用预先建立的三维预测反褶积模型确定三维预测反褶积的算子；其中，确定三维预测反褶积算子的过程为：

[0082]

[0083]

[0084] 在本实施例中，采用最小平方方法求解算子，构建E(f)函数，其中，算子f是函数E的自变量，不同的算子得到不同的E(f)函数值，当其E(f)函数取值最小，即可得到最满足条件的算子f。因为E(f)函数只有一个最小值，所以可以采用使其导数为零,求得对应的算子f。即设此导数为零，计算三维预测反褶积的算子fc,n,k。

[0085] 在步骤S110中，根据所述三维预测反褶积的算子对所述目标地震数据进行三维预测反褶积处理，得到处理后的地震数据，该过程为：在计算出三维预测反褶积的算子fc,n,k后，用目标地震数据db,m,j减去三维预测反褶积算子fc,n,k和地震数据db,m,j褶积的结果，就可以得到压制多次波pb,m,j后的地震数据。

[0086] 本申请实施例所提供方法，具有以下技术效果：

[0087] 1、可以压制海洋数据中浅水多次波，该预测反褶积法去除多次波的方法能够填补叠加处理中压制多次波方法的不足。

[0088] 2、该方法能够考虑三维地震数据的多个方向，预测出三维预测反褶积的算子，进而进行地震数据处理，从而获得在空间上更具有衔接性的地震数据。

[0089] 3、相较于一维预测反褶积的地震数据处理方法，提高地震数据的分辨率，改进地震数据处理和偏移成像的质量。

[0090] 本公开实施例还提供一种基于三维预测反褶积的地震数据处理装置，如图3所示，所述装置包括：确定三维预测反褶积的算子模块310和地震数据处理模块320；

[0091] 所述确定三维预测反褶积的算子模块用于基于研究区目标地震数据，采用预先建立的三维预测反褶积模型确定三维预测反褶积的算子；

[0092] 所述地震数据处理模块用于根据所述三维预测反褶积的算子对所述目标地震数据进行三维预测反褶积处理，得到处理后的地震数据。

[0093] 一种示例性的实施例中，预先建立的三维预测反褶积模型为：

[0094]

[0095] 上述模型中，db,m,j表示炮线序号为b，炮点序号为m，时间方向样点序号为j、且含多次波的共检波点地震道集数据；pb,m,j表示炮线序号为b，炮点序号为m，时间方向样点序号为j、且无多次波的共检波点地震道集数据；fc,n,k为三维预测反褶积的算子；c表示与b相对应的三维预测算子样点序号，n表示与m相对应的三维预测算子样点序号，k表示与j相对应的三维预测算子样点序号；w为Crossline方向半宽点数，u为Inline方向半宽点数；g是表示三维预测反褶积计算的步长；db‑c,m‑n,j‑k表示炮线序号为b‑c、炮点序号为m‑n、时间方向样点序号为j‑k、且含多次波的共检波点地震道集数据。

[0096] 一种示例性的实施例中，建立三维预测反褶积模型的建立过程，包括：

[0097] 根据反射系数和地震子波，确定一维地震数据；其中，所述反射系数为白噪序列，所述地震子波为最小相位的子波；

[0098] 根据地震数据的统计特性，确定一维预测反褶积模型；

[0099] 根据所述一维预测反褶积模型和三维地震数据的三维属性确定三维预测反褶积模型。

[0100] 一种示例性的实施例中，根据反射系数和地震子波，确定一维地震数据，包括：

[0101] 根据反射系数和地震子波，利用地震褶积公式计算一维地震数据，其中，所述地震褶积公式为：

[0102] d(t)＝b(t)*f(t)

[0103] 上述公式中，d(t)为时间域的地震数据，b(t)为时间域的地震子波，f(t)为时间域的反射系数，t为地震数据的时间。

[0104] 一种示例性的实施例中，根据地震数据的统计特性，确定一维预测反褶积模型，包括：

[0105] 根据地震数据的统计特性确定地震数据与时间的关系；

[0106] 根据所确定的地震数据与时间的关系建立一维预测反褶积模型；

[0107] 其中，所述一维预测反褶积模型为：

[0108]

[0109] 上述一维预测反褶积模型中，dj表示时间方向样点序号为j、且含多次波的共检波点地震道集数据；pj表示时间方向样点序号为j、且无多次波的共检波点地震道集数据；dj‑k表示时间方向样点序号为j‑k、且含多次波的共检波点地震道集数据；fk表示一维预测反褶积的算子。

[0110] 本公开实施例还提供一种具备基于三维预测反褶积的地震数据处理功能的计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现上述实施例中任一项所述的基于三维预测反褶积的地震数据处理方法。

[0111] 示例一

[0112] 本示例展示建立的三维预测反褶积模型的过程如下：

[0113] 第一步、假设反射系数序列为白噪序列，地震子波为最小相位，确定地震数据。

[0114] 在假设反射系数序列为白噪序列，地震子波为最小相位的前提下进行反褶积。若忽略随机噪音的影响，设地震记录x(t)满足下列褶积模型：

[0115] d(t)＝b(t)*f(t)

[0116] 上述公式中，d(t)为时间域的地震数据，b(t)为时间域的地震子波，f(f)为时间域的反射系数，t为地震数据的时间。

[0117] 第二步、假设反射系数序列为白噪序列，地震子波为最小相位，所确定的地震数据可以近似地看成是一个平稳随机过程，也就是说，地震数据的统计特性与时间无关。在上述假定条件下，建立一维预测反褶积模型：

[0118]

[0119] 上述一维预测反褶积模型中，dj表示时间方向样点序号为j、且含多次波的共检波点地震道集数据；pj表示时间方向样点序号为j、且无多次波的共检波点地震道集数据；dj‑k表示时间方向样点序号为j‑k、且含多次波的共检波点地震道集数据；fk表示一维预测反褶积的算子。

[0120] 第三步、根据一维预测反褶积模型，推导出如下预测公式：

[0121]

[0122] 基于上述预测公式，在已知地震数据的情况下，一维预测反褶积的算子未知，求取p；经过分析，可以可先求一维预测反褶积的算子f：

[0123]

[0124]

[0125] 其中，i≥g；

[0126] R为D的自相关函数：ri＝r‑i＝∑jdjdj‑i。

[0127] 设此导数为零，得Toeplitz方程：

[0128]

[0129] 基于上述Toeplitz方程可以求解出一维预测反褶积的算子。

[0130] 第四步、将一维预测反褶积拓展到三维预测反褶积，得到三维预测反褶积模型如下:

[0131]

[0132] 上述模型中，db,m,j表示炮线序号为b，炮点序号为m，时间方向样点序号为j、且含多次波的共检波点地震道集数据；pb,m,j表示炮线序号为b，炮点序号为m，时间方向样点序号为j、且无多次波的共检波点地震道集数据；fc,n,k为三维预测反褶积的算子；c表示与b相对应的三维预测算子样点序号，n表示与m相对应的三维预测算子样点序号，k表示与j相对应的三维预测算子样点序号；w为Crossline方向半宽点数，u为Inline方向半宽点数；g是表示三维预测反褶积计算的步长；db‑c,m‑n,j‑k表示炮线序号为b‑c、炮点序号为m‑n、时间方向样点序号为j‑k、且含多次波的共检波点地震道集数据。

[0133] 示例二

[0134] 以一海上区块的地震数据执行基于三维预测反褶积的地震数据处理，过程如下：

[0135] 步骤1.采集海上地震勘探数据，得到共检波点地震道集db,m,j；

[0136] 步骤2.根据预先建立的三维预测反褶积模型确定三维预测反褶积的算子fc,n,k；

[0137] 其中，三维预测反褶积模型为：

[0138]

[0139] 上述模型中，db,m,j表示炮线序号为b，炮点序号为m，时间方向样点序号为j、且含多次波的共检波点地震道集数据；pb,m,j表示炮线序号为b，炮点序号为m，时间方向样点序号为j、且无多次波的共检波点地震道集数据；fc,n,k为三维预测反褶积的算子；c表示与b相对应的三维预测算子样点序号，n表示与m相对应的三维预测算子样点序号，k表示与j相对应的三维预测算子样点序号；w为Crossline方向半宽点数，u为Inline方向半宽点数；g是表示三维预测反褶积计算的步长；db‑c,m‑n,j‑k表示炮线序号为b‑c、炮点序号为m‑n、时间方向样点序号为j‑k、且含多次波的共检波点地震道集数据。

[0140] 步骤3.根据计算得到的三维预测反褶积的算子fc,n,k和地震数据db,m,j进行褶积，得到压制多次波后的地震数据pb,m,j。

[0141] 为验证基于三维预测反褶积的地震数据处理方法的效果，采用波动方程方法正演一个含多次波的三维模型数据用于预测反褶积测试；

[0142] 图4是三维模型预测反褶积处理效果对比图，图4中的三维模型数据参数为：纵向采样点ns为251、cmp方向nx为134；cmp_line方向ny为134。用于三维预测反褶积方法的数据模型均为一层模型，即只含一个一次波其余皆为多次波信号。

[0143] 图4为只含一层的三维地震数据模型，其中，图4中的(a)为数据处理前示意图，图4中的(b)为数据处理后效果示意图。由于整体三维地震数据不容易对比观察，从数据中分别抽取远排列、近排列和中排列进行单独对比分析，抽取的位置对如图4中虚线所示。

[0144] 图5是预测反褶积处理前的远中近排列示意图，图5中(a)是近排列,图5中(b)是中排列,图5中(c)是远排列。图6是预测反褶积处理后的远中近排列示意图；图6中(a)是近排列,图6中(b)是中排列,图6中(c)是远排列。通过对应性的比对，图5中(a)近排列与图6中(a)近排列进行比对，图5中(b)中排列与图6中(b)中排列进行比对，图5中(c)远排列与图6中(c)远排列进行比对，对比可知近中远排列数据的多次波均得到压制，其中远中近排列数据的多次波压制也有一定差别。由于预测反褶积算子与地震数据进行卷积处理时，数据边界处会产生一定噪音，从图5中(a)图的左箭头位置对比也可以发现，属于方法的正常现象，从图5中(a)图和图6中(a)图的右箭头位置对比可以发现，多次波得到一定的压制。

[0145] 本示例提供基于研究区目标地震数据，采用预先建立的三维预测反褶积模型确定三维预测反褶积的算子；根据所述三维预测反褶积的算子对所述目标地震数据进行三维预测反褶积处理，得到处理后的地震数据。本申请考虑三维地震数据的多个方向，预测出三维预测反褶积的算子，进而进行地震数据处理，从而获得在空间上更具有衔接性的地震数据；同时，相较于一维预测反褶积的地震数据处理方法，提高地震数据的分辨率，改进地震数据处理和偏移成像的质量。

[0146] 本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些组件或所有组件可以被实施为由处理器，如数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD‑ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。