基于模型預測及自適應減的海洋單道地震多次波衰減

易 鋒, 肖昌榮, 劉 斌, 徐 軍

(廣州海洋地質調查局，廣州 510075)

0 引言

海洋高分辨率單道地震采用單個檢波器接收震源激發的波場，具有成本低，效率高的特點[1]。由于單道地震所用震源的頻率較高(100 Hz～1 000 Hz)，單道地震數據的分辨率較高。經過適當處理后，單道地震數據能夠提供關于淺層沉積物清晰的圖像。由于這些特點，高分辨率單道地震廣泛應用于海洋區域地質以及海洋工程勘探調查[2-5]。在水合物勘探的初始階段，單道地震也廣泛用于尋找水合物存在的特征[6-7]。

與海洋多道地震數據一樣，海洋單道地震數據上的多次波非常發育[8]。與多道地震相比，單道地震數據的多次波壓制更具挑戰性。對于多道地震，多次波衰減是一個得到了長足發展的領域，形成了非常多成熟有效的算法[8-9]。其中最常用、最有效的方法包括SRME技術[10]、高分辨率Radon[11]以及預測反褶積技術[12]等。原理上講，預測反褶積方法能夠應用于單道地震數據，但該方法對于長周期的多次波效果有限。為此，筆者提出基于模型預測和自適應減的方法來衰減單道地震多次波。

1 方法

1.1 模型預測

多次波模型的預測是兩步法衰減多次波的第一步，其準確性直接影響后續自適應減的效果?；诓煌募僭O和原理，存在多種預測多次波模型的方法。比如，基于周期的預測方法。采用自褶積的方法預測多次波模型，其計算公式為：

m(t)=x(t)*x(t)

(1)

圖1 數值模型、單道記錄以及自褶積預測的多次波模型Fig.1 Numerical model ， single channel seismic data and the predicted multiple model(a)數值模型；(b)單道記錄；(c)自褶積預測的多次波模型

其中:x(t)為單道地震數據;m(t)為預測的多次波模型。從式(1)可以看出，自褶積方法是數據驅動型的預測方法，不依賴于其他信息。

舉例子說明自褶積預測多次波模型的有效性。數值模型如圖1(a)所示，海底深度為750 m，按1 500 m/s的水速計算，海底反射出現在1 s左右，多次波在大約2 s。為顯示射線路徑的需要，我們把炮點和檢波點放在較大的距離上。在實際中，對于單道地震采集，炮點和檢波點距離較近。通過反射系數與子波的褶積，得到單道地震數據(圖1(b)所示)。單道地震數據上存在兩個反射軸，分別對應海底反射以及海底反射的多次波。圖1(c)顯示了圖1(b)中單道地震數據按式(1)自褶積計算得到的多次波模型?？梢钥吹?，通過自褶積預測的多次波模型出現在2 s左右，說明了自褶積方法建立單道地震多次波模型的有效性。通過自褶積不僅能預測出一階多次波模型,還能預測出高階多次波模型(圖1(c))。但在自適應相減階段，我們僅僅截取與原始地震數據長度相同的部分(圖1(c)虛線所示)參與相減。

1.2 自適應減

一旦建立了單道地震的多次波模型，就需要從地震數據中減去多次波模型。對比預測的多次波模型以及原始數據中的多次波可知，兩者在振幅能量上存在較大的差異，所以不能通過直接相減的方式來衰減多次波。最直接的方法是設計一個振幅匹配算子來達到自適應相減的效果[13]。自適應減法通過一個連續的時間域維納算子來實現。維納算子通過極小化如下目標函數來計算，如式(2)所示。

(2)

其中：g(t)為維納算子；x(t)為經過噪音衰減之后的地震數據；m(t)為利用地震數據預測的多次波模型數據，基于輸入地震數據道和多次波模型道，對每一道計算一個整形濾波器。在實際計算時，所涉及的量都是離散的序列，采用最小二乘方法進行求解，得到離散的維納算子g(n)。

對比圖1(b)和圖1(c)可以看到，多次波模型與實際的多次波在出現的時間上也有一定的差異。維納算子本身能夠調整數據和模型之間的時間差異，但并不能調整任意的時間差異。為處理時間差異非平穩的問題，通過分時窗來計算維納算子，這使得在預測的模型比較粗糙時仍然非常有效。為使得自適應減算子更加穩健，在計算算子的時候還可加入鄰近道的信息。

2 實際數據結果

為驗證上述方法的有效性，將該方法運用到實際的單道地震數據。所用數據來自南海北部陸坡采集的單道地震數據，所用震源為GeoSpark-2000J。數據的長度為1 s，采樣頻率為6 000 Hz。由于數據采集時的海況較差，數據的質量較低，而且受到涌浪的影響非常嚴重。

圖2 實際的單道地震數據Fig.2 Real marine single channel seismic data (a)原始數據;(b)FX噪音衰減結果

圖3 FX預測反褶積前后的海底同相軸Fig.3 Seafloor reflector before and after fx predictive deconvolution (a)FX預測反褶積前;(b) FX預測反褶積后

圖2顯示了實際的單道地震數據噪音衰減前、后的剖面。在原始的剖面上(圖2(a))，反射界面比較清晰，但是連續性較差，而且存在較多的隨機噪音。海底反射多次波非常明顯，出現在兩倍海底反射時間附近。由于多次波能量非常強，更深一點的有效反射基本上被覆蓋了。圖2(b)顯示了經過FX域預測反褶積處理之后的剖面。所用的時間窗為120 ms，重疊80 ms?？吹诫S機噪音得到了極大的衰減。通過放大海底附近的反射軸(圖3)，可以看到，FX預測反褶積提高了海底反射的連續性。

圖4(a)顯示了兩步法多次波衰減以后的剖面。在多次波模型計算時，對海底以上的部分進行了切除處理。從圖4(a)可以看到，多次波得到了極大的衰減，殘余的多次波表現為隨機噪音。通過進一步采用FX預測反褶積衰減噪音之后，殘余的多次波也得到了進一步的壓制。得到最終的成果剖面(圖4(b))。與原始帶通濾波之后的剖面相比，最終的成果剖面信噪比高，反射軸清晰連續。

3 討論

3.1 模型預測

模型預測的思路在噪音壓制和多次波衰減中有著廣泛的應用，也存在非常多的實現方式。在FX預測反褶積技術中，假設同相軸具有連續性，從而在FX域中預測出信號模型。在多道地震的多次波的壓制技術中，存在基于波動方程和基于數據褶積兩種模型預測方式。前者計算量大，需要提供速度模型，后者則完全是數據驅動。多道地震多次波壓制技術中的SRME就是基于褶積的方式預測多次波。在SRME中，通過共炮點道集與共檢波點道集的褶積來獲得對應炮檢點的多次波模型。在單道地震模型預測中，如果式(1)中的第一個x(t)看著是共炮點道集(雖然僅僅只有一道)，把第二個x(t)看著是共檢波點道集(同樣只有一道)，則可以看到，筆者采用的自褶積模型預測方法本質上和SRME技術中模型的預測方法是一致的。

圖4 兩步法多次波衰減之后的剖面和最終成果剖面Fig.4 Profile after multiple attenuation and the final result(a)兩步法多次波衰減之后的剖面;(b)最終成果剖面

3.2 噪音和反射軸抖動的影響

由于采用單道的方式接收，加之所用震源的頻率非常高，單道地震數據極易受到海洋環境因素的影響。較差的海況會帶來強振幅的噪音。噪音的存在，尤其是強振幅噪音的存在對模型的預測和模型的自適應減都有不利的影響，所以在多次波衰減之間，要盡量提高數據的信噪比。提高信噪比的方法有很多，如濾波、FX預測反褶積以及時頻域噪音衰減等。

較差的海況(主要是大的涌浪)帶來的另一個影響是反射同鄉軸(包括海底反射同相軸)出現抖動，在地震數據上表現為毛刺狀。同相軸的抖動首先影響模型預測的準確度，表現為模型多次波與實際多次波之間的時差增大。盡管自適應減的步驟里邊考慮到了這種時差，但是對于較大的時差也不能很好地處理，所以在多次波衰減之前，還需要對這種由于涌浪引起的同相軸抖動問題加以矯正對于涌浪的影響，一般通過涌浪濾波或者靜校正的方式加以校正。涌浪濾波方法首先要求拾取一個海底，對該海底進行平滑濾波之后當作最終的海底。通過把拾取的海底校正到平滑后的海底上來衰減涌浪引起的同相軸抖動現象。該方法對拾取的海底依賴較強，此外對于低質量的數據有時難以拾取海底。羅進華等[14]提出一種改進的方法用以自動拾取受涌浪影響的海底反射面并用于實際數據。靜校正是陸地地震資料處理的基本流程，有非常多的技術和方法[15]，但大多基于多道地震數據。李麗青等[16]提出用模型道互相關技術來改正涌浪對反射同相軸的影響；丁維鳳等[17]綜合利用模型互相關技術和平滑濾波技術來校正涌浪對剖面反射同相軸的影響。這些方法都能夠在一定程度上校正涌浪對同相軸的影響，但都以準確拾取海底反射面為前提，而這在很大程度上依賴于人的認識。

圖5 海洋單道地震優化處理的流程Fig.5 Optimal processing workflow for marine high frequency single channel seismic data

從處理結果(圖3)，可以看到FX預測反褶積處理不僅衰減了噪音，還在一定程度上校正了由于涌浪導致的反射軸抖動的問題。所有的反射軸都變得光滑連續。FX預測反褶積算法的這個功能是由于算法本身的原理決定的，該算法本身帶有橫向預測同相軸的功能[18-20]。該算法對于崎嶇海底以及涌浪干擾引起的時差非常大的數據是否適用還需要進一步的驗證。此外，FX預測反褶積與其他涌浪校正算法可以結合起來使用。

3.3 處理流程

基于實際數據處理的效果，總結出一套高分辨率地震數據處理的流程，如圖5所示。首先，采用帶通濾波衰減低頻的海洋噪音，采用FX域預測反褶積方法衰減隨機噪音，通過這兩個步驟就得到了信噪比較高的剖面，同時改善了反射軸的連續性，這兩個方面都有利于后續多次波模型的預測和自適應減；然后，采用兩步法衰減多次波；進一步，采用FX域預測反褶積方法衰減殘余的多次波就得到最終高分辨率的成像剖面。

4 結論

為更好地衰減海洋單道地震的多次波，采用基于預測和自適應相減的兩步法。在模型預測階段，采用數據驅動的自褶積的方法。為提高自適應減的效果，在計算算子時不僅考慮了模型與實際多次波時間的差異，還引入了相鄰道的信息。由于海洋采集環境引起的海底抖動和涌浪噪音是影響兩步法多次波衰減效果的兩個主要因素，需要在多次波衰減步驟之前進行處理。南海實際的單道地震數據處理結果表明了本文方法的有效性。