简介:传统的f-x域经验模态分解法(Empiricalmodedecomposition,EMD)能够有效地对主要由水平同相轴构成的地震记录进行随机噪声衰减。然而,当同相轴倾斜时,f-x域经验模态分解法在衰减随机噪声的同时去除大部分有效信号。本文提出了一种基于f-x域经验模态分解法的改进算法。我们通过局部相似度对所去除的噪声信号中的有效信号进行提取。局部相似度可以用来检测噪声信号中的有效信号点并用来构造一权重算子进行信号提取。新方法与f-x域经验模态分解法、f-x域预测滤波法以及f-x域经验模态分解预测滤波法相比能够在衰减随机噪声的同时保留更多的有用信号。数值模拟实验以及实际地震资料处理结果均表明该方法能更为有效地去噪。
简介:在具有垂直对称轴横向各向同性介质中,利用四种参数来确定中间至远偏移距转换波(C-波)动校正.它们是C-波叠加速度VC2,垂直速度比和有效速度比γ0和γeff,以及各向异性参数χeff.我们将这四种参数作为C波叠加速度模型.C-波速度分析的目的就是确定这种叠加速度模型.C-波叠加速度模型VC2,γ0,γeff,和χeff可以由P-波和C-波反射动校正资料获得.然而错误的传播是C-波反射动校正反演中的严重问题.当前短排列叠加速度由于是从双曲线动校正推算而得,因而其精度不足以为各向异性参数提供有意义的反演值.中间偏移非双曲线动校正不再被人们所勿略,而是可以用一个背景γ加以量化.非双曲线分析通过中间偏移距的γ校正量可以产生VC2,若数据不含燥音,其误差小于1%.方法稳健,允许γ启始假定值的误差达20%.该方法也适用垂直非均匀各向异性介质.精度的提高使能够用4分量地震资料计算各向异性参数.为此提出了两种工作流程:双扫描和单扫描流程.理论数据和实际数据的应用表明这两种流程得出的结果其精度相似,但是单扫描流程比双扫描更有效.