常规逆时偏移(Reverse-time migration - RTM)克服了其它偏移方法,如克希霍夫(Kirchhoff)偏移,单程波偏移(One-wave equation migration),的缺点。但是,RTM仍然利用伴随算子,而非逆算子进行偏移成像,从而导致成像剖面存在偏移噪音、分辨率低、振幅不准等问题。最小二乘逆时偏移(Least-squares reverse-time migration - LSRTM)利用逆算子克服了这些问题。我们进一步发展了LSRTM,使偏移成像的噪音得到进一步压制,补偿了照明不均,并且提高了偏移成像的分辨率。
(a) RTM+Laplace
(b) RTM+Deprimary
(c) LSRTM+Deprimary
利用Deprimary成像条件:压制低、高频噪音
基于稀疏约束最小二乘逆时偏移:提高分辨率、压制噪音、补偿不均匀照明
地球介质是非完全弹性的,粘滞性(由Quality factor Q度量)普遍存在地下介质,引起地震波能量衰减和速度变化。为了更精确地偏 移成像,考虑粘滞性(反Q)的逆时偏移(QRTM)被提出。我们开发了基于分数阶粘声/粘弹波动方程的稳定QRTM,有效地补偿了粘滞性带 来的地震波能量的衰减,获得了振幅均匀、清晰的偏移成像。
(a)速度模型
(b)RTM成像无粘滞数据
(c)RTM成像粘滞数据
(d)QRTM成像粘滞数据
如果模型无粘滞性,常规RTM能给出清晰的偏移成像(如图b)。如果模型包含粘滞性,常规RTM不能清晰地偏移成像 (如图c),而QRTM能补偿粘滞带来的地震数据振幅衰减,给出清晰的偏移成像(如图d)。
结合人工智能,对叠后数据进行去噪,消除随机噪音和相干噪音,极大地提高成像信噪比。