一、小波变换实现地震道内插（论文文献综述）
刁塑,张华,张恒琪,张博泓,余政,庞洋[1]（2020）在《利用抗假频凸集投影算法的规则缺失地震数据重建》文中认为在地震数据现场采集过程中,因受工区复杂地形等条件限制,采集到的地震数据大多不完整、不规则,且会呈现不同程度的空间假频现象。在均匀空间网格下,规则地震道缺失引起的假频与真实频谱相似,而常规基于傅里叶变换和凸集投影（POCS）的重建方法不能实现反假频重建。为此,针对线性同相轴规则缺失地震数据,通过在f-k域中采用倾角扫描方法拾取有效波能量,建立相应的选择函数,将其引入到POCS算法对数据进行反演计算,重建得到无假频数据。数值实验结果表明,文中所提方法在重建规则缺失地震数据的同时有效地消除了假频信息。
李会强[2]（2020）在《生成对抗网络地震信号增强方法研究》文中研究说明在当今社会,人类对油气能源的依赖程度在不断的增加,勘探技术也得到了快速发展。由于受到勘探技术、自然环境等一系列因素的影响,在实际油气勘探技术过程中,采集到的地震数据通常是采样率较低和分辨率较低的问题。较低的地震数据采样率可能会使偏移成像产生空间假频,低分辨率地震数据会导致勘探的不准确性。因此,为了更准确的进行油气勘探,对勘探技术要求高的同时,地震信号增强方法也提出了更高的要求。本文将通过地震数据道插值和地震数据分辨率提升两个方面来实现地震信号增强。（1）提出基于生成对抗网络的地震道插值方法并实现传统地震道插值一般是基于复杂的数学变换或某种假设进行,如假设地震数据满足线性或稀疏性等。为了解决传统地震道插值方法存在的问题。本文将利用深度学习中生成对抗网络模型,同时对模型中的网络架构及损失函数进行改进。改进的网络架构是将生成对抗网络与残差网络进行结合起来,损失函数为Wasserstein距离和内容损失之和作为损失函数。实验结果表明,优化的生成对抗网络可以较好的实现地震道插值,且空间假频得到了抑制。（2）提出基于生成对抗网络的地震数据分辨率提升方法并实现为了较好的实现地震数据分辨率提升,本文将生成对抗网络与U-Net网络进行结合起来,并优化网络架构。损失函数由Wasserstein距离和L1正则化组成。优化的生成对抗网络中生成网络的下采样部分提取地震数据的特征,上采样部分在保持地震数据特征的同时,增加地震数据的高频信息。实验结果表明,本文提出的方法在保持地震数据固有特征的同时,增加了地震数据中的高频信息,达到了地震数据分辨率提升的目的。本文将所提出的方法与传统方法分别应用于人工合成的模型数据和实际工区地震数据。通过实验对比分析可得,本文所提出方法可以较好的实现地震信号的增强,为精确勘探提供理论支持。
杨志权[3]（2019）在《基于压缩感知理论的浅层地震数据重建研究》文中提出地震勘探作为一种重要的地球物理勘探方法,在油气资源勘探、煤田和工程地质勘察、区域地质研究和地壳研究等领域有着广泛的应用。其中,浅层地震勘探在工程建设、水文与环境地质勘查等方面应用较多,是一种精度高、成本低的工程物探勘探方法。地震数据的采集严重影响着成像结果的精度,在理想情况下,采集的地震数据应该是规则、密集且满足采样定理的,但是在实际采集过程中由于地形环境、地表障碍物、仪器硬件等因素的影响,采集的数据总是存在不规则的道缺失,即地震记录在空间方向上呈现非规则采样或者是稀疏采样的。地震数据不规则的缺失往往会造成处理过程中空间假频的产生,降低地震数据处理结果的信噪比,影响地震数据的成像效果。同时浅层地震往往要求探测精度高,道缺失最终会降低地震勘探的成功率。近年来基于压缩感知理论的地震数据重建方法的研究和应用在石油地震勘探中的研究成果很多,在浅层地震勘探中同样存在道缺失问题,但是由于浅层地震数据的信噪比不高及采集与处理的成本等原因,并未采用地震数据重建方法,传统的处理手段会影响地震数据的成像效果。传统的信号处理方法受限于奈奎斯特——香农采样定理,对非规则低采样率的数据处理时,效果很差,本文摆脱奈奎斯特——香农定理的限制,基于压缩感知理论,将地震数据重建的方法应用在浅层地震勘探中,既能得到很好的处理效果,提高探测精度与成功率,又能降低地震数据采样率,节约地震勘探成本。在本文中,利用曲波变换构造稀疏变换基,通过构造0-范数的一种逼近函数建立稀疏反演模型进行求解。在文中利用多种方式来模拟地震数据并进行重建实验,实验表明本文方法能够对随机缺失地震数据很好的进行重建。对某城市地区活断层地震勘探和某地区域地质调查的地震实测数据进行了模拟的压缩感知采样和数据重建,并对原始数据和重建数据分别进行了地震数据处理,偏移成像结果验证了基于压缩感知的重建方法在浅层地震勘探中的潜在价值,对提高浅层地震勘探的精度和成功率有重要意义。
郑雪辰[4]（2019）在《基于压缩感知理论和SPGL1算法的地震数据重建》文中研究指明随着地震勘探技术的发展,实际生产中对地震资料的要求不断提高,然而伴随着勘探范围的扩大,勘探区地表条件越来越复杂,这些因素会造成采集数据的不完整、不规则,给后续地震资料处理带来很大困难,同时也会增加野外施工成本。因此,地震数据重建技术显得尤为重要。压缩感知理论的提出,为地震资料采集和处理带来了新的思路。基于该理论框架,在低于奈奎斯特采样频率的情况下,仍可以实现不完整数据的重建。实现该理论有三个主要要素:信号的稀疏性、测量矩阵与字典矩阵的不相干性以及高效的重建算法。本文基于这三点讨论了不同稀疏表示方法对数据重建结果的影响。数值实验结果证明了,曲波变换比傅里叶变换具有更突出的稀疏表示能力,介绍了构造测量矩阵的数学理论,并分别使用规则欠采样、随机采样和Jitter欠采样三种采样方法对合成地震记录进行重建,结果证明在采样点数相同时Jitter欠采样能够取得更好的恢复效果,之后在Marmousi模型数值试验中,对Jitter采样方法增加了采样条件,保证在激发点附近全采样,大大提升了数据信噪比。本文使用SPGL1算法进行地震数据重建。该算法通过求解多个Lasso子问题得到基追踪去噪问题的解,在求解优化问题时,涉及到噪声估计值和迭代次数的选取,本文研究了这两个参数对数据重建结果的影响,并根据结论初步定义了效率值公式,通过该公式可以有效地估计出最优参数选取范围。本文提出了新的RWSPGL1方法,通过引入与信号特征相关的权函数,求解加权1范数最小化问题,提升了地震数据重建效率,节约了大量的时间成本,并且RWSPGL1方法得到的数据精度略高于SPGL1。在Marmousi模型数值试验中,本文使用全波形反演方法得到的速度模型进行比较,从结果证明了RWSPGL1具有更好的重建性能。
孙苗苗[5]（2019）在《基于压缩感知的深层地震数据重构及弱信号增强技术研究》文中认为随着我国勘探区域的逐渐扩大,油气勘探目标逐渐转向复杂构造、地层和岩性圈闭油气藏,勘探目的层从中浅层转向深层或超深层,对地震资料处理技术要求越来越高。深层地质条件复杂,地震资料的深部有效信号能量较弱,空间假频现象严重,通过提高地震资料的规则性、信噪比、分辨率和保真度,可以为后续偏移成像、全波形反演及地震资料解释提供可靠的数据保障,从而利于判断目标油气藏情况。近年来兴起的压缩感知理论打破了传统Nyquist采样理念,利用信号的稀疏性或可压缩性,通过对正则化反演问题的求解实现信号的精确重构。该理论提出以来,一些地球物理学者对其在油气勘探领域进行了较为广泛的研究。复杂地质构造导致深反射地震剖面上波场特征复杂、有效信号相对较弱,而现有的重构和去噪方法难以得到高品质的有效信号,论文基于压缩感知理论,发展了面向复杂构造地震数据重构以及弱信号提取与增强的算法,具体研究内容为以下几个方面:首先,复杂的地质构造导致深反射地震剖面上的波场特征复杂,采用固定基函数、各种字典简单的线性组合或者超完备字典集合不能最有效地表征数据的内部结构特征。在形态分量分析（Morphological Component Analysis,MCA）理论与压缩感知理论的基础上,根据深层地震数据在各个稀疏域的稀疏性,本文提出了加权MCA稀疏表达方式,通过先验信息约束各种稀疏变换字典在其稀疏表征中的权重,实现了对复杂构造的地震数据的最稀疏描述,结合相应的阈值函数和迭代算法实现了对深层地震数据的规则化重构,提高了不规则复杂构造地震数据的重构质量。其次,针对深部有效弱信号和噪声干扰频带差异较小且难以区分的问题,在压缩感知理论的基础上,提出了面向OVT（Offset Vector Tile,炮检距向量片）域弱信号提取方法,利用与噪声强度相关的信息约束反演过程,克服其对信号稀疏度的依赖,实现了弱信号的有效提取。引入CEEMD方法根据信号本身的特征信息对信号进行模态分解,再通过互相关分析确定含噪声较多的分量,对其进行CS去噪,在去噪过程中引入增强算子,保证增强有效信息的同时噪声不被增强,进一步提高了中深层弱信号的提取效果。最后,低频信息能够反映地层的基本走向,提高速度分析精度和深层构造的成像精度,基于压缩感知理论的地震数据低频补偿方法能够对低频成分进行合理补偿,从而改善资料品质,但该方法受噪声影响较大,本文综合利用测井数据,通过井资料约束反射系数的反演过程,提高了反演过程的抗噪声干扰能力,改善了低频信息的补偿效果,进而使中深层地震数据中的弱有效信号得到增强。压缩感知理论在提高地震资料品质方面发挥了重要作用。文中通过数值实验和实际资料测试,验证了本文所提方法的正确性和有效性,为提高地震资料的规则性、信噪比和保真度提供了新的思路。
马文秀[6]（2019）在《基于平行矩阵分解算法的多维地震数据重建》文中提出在海洋OBS勘探阶段,受采集成本的限制,观测系统中布设的OBS数量较少,海面炮点数量较多,导致数据的覆盖次数均匀性差,甚至出现了零覆盖现象;OBS在自由沉落过程中受洋流影响,间距不可控,造成间距不规则;炮船在按预定航线行驶过程中,受风浪影响,炮线弯曲存在交叉。以上原因导致采集的OBS资料在空间方向上呈现不规则（或稀疏）分布的。在陆上采集数据过程中,受地形条件限制（山川河流、采空区、禁采区等）和地上建筑物的干扰（道路、高楼等）,导致获得的数据也会呈现不规则现象。不规则的地震资料对速度分析、叠加和偏移等处理影响较大,容易造成局部速度落实不清、成像效果较差等现象,不能满足地下地质构造精细刻画的目的。因而,对缺失地震道进行插值重建已然成为数据处理中的必要环节。平行矩阵分解（PMF）算法是对基于高阶SVD分解和核范数最小化的数据张量重建的补充和扩展,可以同时实现数据的重建以及噪声压制,但计算效率会随着数据维度的增加而呈现指数增长。它是在多维空间下的频率切片按照每一维度展开成长条形矩阵,然后对每个长条形矩阵分别做降秩分解,最后将其分别折叠成张量并加权求和。在Matlab版PMF程序的基础上,为提高程序运算效率,将其改写为Fortran版程序。针对数据去噪问题,引入稳健的PMF算法,既可以达到常规的PMF算法中数据重建和去除随机噪声的效果,又可以压制异常噪声。本文中采用稳健PMF算法对五维模型数据、海洋OBS四维数据和陆地五维数据进行插值重建,该方法不仅适用于高分辨率、高信噪比的海洋数据,在处理陆地数据方面也取得了不错的效果。处理结果表明平行矩阵分解算法能够有效解决地震数据不规则或稀疏分布的问题。
孙苗苗,李振春,李志娜,李庆洋,李闯,张怀榜[7]（2019）在《基于压缩感知的加权MCA地震数据重构方法》文中认为地震数据规则化重构是地震资料处理十分重要的基础性工作.压缩感知理论打破了香农采样定理的制约,利用信号在某个变换域的稀疏特性重构出完整的信号,在地震数据重构领域得到了很好的应用.深反射地震剖面大都布置在地质构造比较复杂的区段,复杂的地质构造使深反射地震剖面上的波阻特征复杂,采用单一稀疏变换不能最有效地表征数据的内部结构特征.MCA（形态成分分析）方法将信号分解为几种形态特征区别明显的分量来逼近数据的内部复杂结构,但是对各成分简单的叠加仍然无法有效地描述复杂构造数据的各种特征.结合两种方法的优点,本文提出了一种新的基于压缩感知的重构算法框架,在MCA方法的基础上对各稀疏字典进行加权,在迭代中不断更新各个稀疏字典的权值系数,对信号内部的各种特征进行最优描述,从而实现对信号的高质量重构.模型测试和实际资料处理结果表明:基于压缩感知的加权MCA方法不仅可以对地质构造复杂的地震数据进行高效的插值重建,而且可以很好的消除空间假频.
朱震东[8]（2019）在《基于压缩感知的地震数据重建方法研究》文中进行了进一步梳理地震勘探是石油勘探过程中的一个重要的环节。地震数据的准确表示与分析是地质岩层分类与油气储量预测的重要基础。在实际勘探中,由于受到环境、设备或人为等因素的影响,导致存在大量的数据缺失与不完整性,严重影响了后续的数据解释工作。此外,随着石油勘探领域的发展,对地震重建数据的精度要求越来越高。根据Nyqusit采样定理的限制,高精度的重建数据往往意味着采样频率的提高,这也意味着勘探成本的提升。将不规则不完整的地震数据更精确的重建出来,或使用更低的采样频率重建出满足一定精度要求的地震数据是非常有意义的,同时也是一项巨大的挑战。为了更好的解决地震重建问题,本文主要基于压缩感知理论,从地震数据的稀疏表示、增加了时空连续性约束的压缩感知算法和基于生成对抗网络（GAN）的压缩感知算法这三个方面入手,研究了地震数据重建方法。具体工作如下:（1）地震数据具有多尺度、多方向和局部变化明显的特征,使用传统单一的稀疏变换方法无法对地震数据很好地进行稀疏表示,这也将会导致重建效果的不理想。本文提出使用K-SVD字典学习算法训练得到超完备字典,并将其用作地震数据重建过程中的稀疏变换基,可以对地震数据更好的进行稀疏表示。通过实验证明,这种方法相比于其他稀疏变换方法可以更好地重建地震数据。（2）传统的压缩感知理论都是针对单帧数据展开讨论的,但地震数据具有时空连续性,使用传统的压缩感知方法对地震数据重建只满足了单帧数据重建的合理性,难以保持相邻帧之间的连续性特征。本文对传统的压缩感知方法进行改进,引入了时空连续性约束,提高了重建的精度。此外还对稀疏自适应匹配追踪（SAMP）进行了改进,增加了初始稀疏度估计和变步长的策略,在保证重建准确度的基础上极大的提高了运算速度。最后在真实的地震数据和电成像数据上验证了该算法的有效性。（3）提出了一种将生成对抗网络（GAN）与压缩感知模型相结合的方法,规避了对地震数据进行稀疏表示这一步骤。为了提高重建效果和训练稳定性,本文使用DCGAN框架,并使用Wasserstein Distance作为训练过程中的评判指标。实验结果表明该方法可以在更低采样率的情况下重建出满足一定精度要求的地震数据。
王志农,孙成禹,伍敦仕[9]（2019）在《基于最佳小波基的地震面波插值方法》文中提出在利用实际地震数据中的面波反演近地表横波速度的过程中,若道间距较大、空间采样率不足,则会产生空间假频现象,从而降低频率速度谱的信噪比,影响频散曲线提取的精度以及反演效果,因此需要针对面波进行插值处理。文中提出了一种基于最佳小波基的地震面波插值方法,通过理论分析和实验误差对比在地震数据处理常用的众多小波基中选出适用于插值处理的最佳小波基bior6.8,提高了插值精度。针对面波同向轴为线性且斜率较大的特点,文中首先采用线性动校正的方法对面波进行拉平处理,再进行小波变换插值,最后进行反线性动校正恢复面波。通过对理论模型与实际资料进行插值处理验证了本文方法的有效性,插值后的面波记录波形恢复较好,显着提高了频率速度谱的信噪比,有效解决了面波数据空间采样率不足引起的假频问题。
韩良良[10]（2018）在《基于Curvelet变换的地震数据重建方法研究》文中研究说明地震勘探领域的不断扩大、勘探地区复杂多变的地质环境、废炮废道的剔除以及各种人为因素,导致地震勘探实际采集到的数据往往是不完整的。不完整的地震数据会导致成像假频和多次波的错误预测,对数据的处理与解释工作均造成很大的困扰。因此,对缺失的地震数据进行重建是地震数据处理的一个必要环节。常规的地震数据重建方法存在着诸多不足。Curvelet变换具有紧结构、各向异性以及方向选择性等特征,这些特征使得其具有较好的稀疏性,在表达曲线特征上有较好的效果。由于地震信号包含大量的曲线元素,所以Curvelet变换适合对地震信号进行稀疏表示。本文基于Curvelet变换来进行地震缺失数据重建方法的研究。本文主要进行了以下工作:1.提出一种基于Curvelet变换和半迭代凸集投影算法的地震缺失道重建方法。首先建立地震数据重建数学模型,通过加入稀疏约束项,将该数学模型描述为一个凸优化问题;然后在求解过程中,通过引入半迭代方法来预测下一梯度的方向,使数据搜索速度加快,以此来提高算法的收敛速度;最后将算法分别应用于人工合成地震数据和实际地震数据的重建。2.针对实际地震数据包含各种噪声的问题,提出一种基于Curvelet变换和改进的线性Bregman算法的地震数据重建方法。Bregman算法通过极小化两点之间的Bregman距离,能有效地解决基追踪问题,且具有良好的抗噪能力。本文将Bregman算法引入地震数据重建,将地震重建模型的求解描述为一个基追踪问题。由于常规线性Bregman算法在迭代过程中存在迭代停滞现象,影响迭代速度,本文将每次更新的数据与上一次求得的数据进行加权处理,以此来抵消停滞过程,提高迭代速度。实验结果表明,对于人工合成的无噪地震数据,上述两种算法均能获得较好的重建效果,半迭代凸集投影算法具有较快的收敛速度,但对于包含多种噪声的实际地震数据,Bregman算法相对于凸集投影法有着更好的重建效果,所重构数据具有较高的信噪比。
二、小波变换实现地震道内插（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、小波变换实现地震道内插（论文提纲范文）
（1）利用抗假频凸集投影算法的规则缺失地震数据重建（论文提纲范文）
| 0 引言 |
| 1 方法原理 |
| 1.1 建立选择函数 |
| 1.2 POCS算法 |
| 2 数值模拟 |
| 3 实际数据算例 |
| 4 结论与讨论 |
（2）生成对抗网络地震信号增强方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 简略字表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 地震道插值历程 |
| 1.2.2 地震数据分辨率提升历程 |
| 1.2.3 生成对抗网络现状 |
| 1.3 本文的主要工作与贡献 |
| 1.4 论文章节安排 |
| 第二章 地震信号增强的相关原理分析 |
| 2.1 地震道插值方法和原理 |
| 2.1.1 地震道插值原理 |
| 2.1.2 地震道插值方法 |
| 2.2 地震数据分辨率提升方法 |
| 2.3 深度学习 |
| 2.3.1 卷积神经网络 |
| 2.3.2 生成对抗网络 |
| 2.4 本章小节 |
| 第三章 基于生成对抗网络的地震道插值方法研究 |
| 3.1 地震道插值网络架构构建 |
| 3.1.1 网络架构 |
| 3.1.2 模型损失函数构建 |
| 3.2 算法总体描述和衡量指标 |
| 3.2.1 算法整体流程 |
| 3.2.2 衡量指标 |
| 3.3 合成地震数据测试 |
| 3.4 实际地震资料应用 |
| 3.5 本章小结 |
| 第四章 基于生成对抗网络的地震数据分辨率提升方法研究 |
| 4.1 地震数据分辨率提升网络架构构建 |
| 4.1.1 网络架构 |
| 4.1.2 模型损失函数构建 |
| 4.2 算法总体描述 |
| 4.3 合成地震数据测试 |
| 4.4 实际地震资料应用 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 工作总结 |
| 5.2 工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
（3）基于压缩感知理论的浅层地震数据重建研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于波动方程的方法 |
| 1.2.2 基于预测滤波的方法 |
| 1.2.3 基于稀疏变换的压缩感知重建方法 |
| 1.3 本文的主要内容和安排 |
| 第二章 压缩感知理论基础 |
| 2.1 奈奎斯特——香农理论 |
| 2.1.1 奈奎斯特——香农基础理论 |
| 2.1.2 传统信号的处理过程及其优缺点 |
| 2.2 压缩感知基础理论 |
| 2.2.1 压缩感知理论基本算法 |
| 2.2.2 稀疏性度量 |
| 2.2.3 稀疏信号和可压缩信号模型 |
| 2.2.4 测量矩阵的设计 |
| 2.3 压缩感知理论在地震勘探中的应用 |
| 2.3.1 地震数据随机采样 |
| 2.3.2 地震数据插值重建与去噪 |
| 2.3.3 特征波场提取与特征波成像 |
| 2.4 本章小结 |
| 第三章 Curvelet变换 |
| 3.1 Curvelet变换原理 |
| 3.1.1 连续Curvelet变换 |
| 3.1.2 离散Curvelet变换 |
| 3.1.3 Curvelet变换的性质 |
| 3.2 离散Curvelet变换的实现 |
| 3.2.1 USFFT算法 |
| 3.2.2 Wrap算法 |
| 3.2.3 离散Curvelet变换举例 |
| 3.3 地震波场和Curvelet变换 |
| 3.4 本章小结 |
| 第四章 基于压缩感知理论的重建算法 |
| 4.1 地震数据重建模型 |
| 4.2 稀疏优化算法 |
| 4.2.1 稀疏变换 |
| 4.2.2 地震数据随机采样 |
| 4.3 基于压缩感知的浅层地震数据重建 |
| 4.3.1 稀疏解法 |
| 4.3.2 双曲正切函数逼近0-范数 |
| 4.3.3 地震稀疏反演模型及算法 |
| 4.4 本章小结 |
| 第五章 模拟数据实验 |
| 5.1 基于反射系数合成的地震记录 |
| 5.2 基于波动方程合成的地震记录 |
| 5.3 采用Tesseral建模模拟浅层地震数据 |
| 5.4 本章小结 |
| 第六章 实测数据实验 |
| 6.1 城市活断层探测实际数据检验 |
| 6.2 浅层地质调查探测实际数据检验 |
| 6.3 本章小结 |
| 第七章 结论与展望 |
| 7.1 本文主要结论 |
| 7.2 展望 |
| 参考文献 |
| 攻读学位期间所取得的相关科研成果 |
| 作者简介 |
| 致谢 |
（4）基于压缩感知理论和SPGL1算法的地震数据重建（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外发展现状 |
| 1.2.1 地震数据重建方法 |
| 1.2.2 稀疏表示方法 |
| 1.2.3 稀疏促进算法 |
| 1.3 主要研究内容 |
| 1.4 论文结构 |
| 第二章 基于压缩感知的稀疏重建方法 |
| 2.1 压缩感知理论 |
| 2.1.1 压缩感知数学模型 |
| 2.1.2 测量矩阵 |
| 2.2 稀疏表示理论 |
| 2.2.1 傅里叶变换 |
| 2.2.2 曲波变换 |
| 2.3 数值实验 |
| 2.4 本章小结 |
| 第三章 基于L_1范数的谱投影梯度算法——SPGL1 |
| 3.1 SPGL1 算法理论 |
| 3.1.1 理论基础 |
| 3.1.2 算法流程 |
| 3.2 参数的选取 |
| 3.2.1 参数对重建结果的影响 |
| 3.2.2 估计最优参数 |
| 3.3 采样方法 |
| 3.4 数值实验 |
| 3.4.1 褶积模型 |
| 3.4.2 Marmousi模型 |
| 3.5 本章小结 |
| 第四章 基于L_1范数的重加权谱投影梯度算法——RWSPGL1 |
| 4.1 数学理论 |
| 4.2 建立权函数 |
| 4.3 数值实验 |
| 4.3.1 褶积模型 |
| 4.3.2 Marmousi模型 |
| 4.4 本章小结 |
| 结论与展望 |
| 参考文献 |
| 致谢 |
（5）基于压缩感知的深层地震数据重构及弱信号增强技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 创新点摘要 |
| 第一章 绪论 |
| 1.1 研究目的及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 地震数据规则化方法研究现状 |
| 1.2.2 地震数据弱信号提取方法研究现状 |
| 1.2.3 地震数据低频补偿方法研究现状 |
| 1.3 论文研究内容 |
| 第二章 压缩感知理论及稀疏变换基础 |
| 2.1 引言 |
| 2.2 压缩感知理论 |
| 2.2.1 稀疏表示 |
| 2.2.2 模型矩阵 |
| 2.2.3 稀疏促进算法 |
| 2.3 形态成分分析理论 |
| 2.4 本章小结 |
| 第三章 基于压缩感知和MCA理论的高保真波场重构策略 |
| 3.1 引言 |
| 3.2 地震数据规则化重构策略 |
| 3.2.1 地震数据缺失的本质表现 |
| 3.2.2 规则化方法 |
| 3.2.3 地震数据规则化最优方法 |
| 3.2.4 模型算例分析 |
| 3.2.5 小结 |
| 3.3 基于压缩感知理论的地震数据规则化方法 |
| 3.3.1 基本原理 |
| 3.3.2 模型试算 |
| 3.3.3 小结 |
| 3.4 基于压缩感知的加权MCA地震数据重构策略 |
| 3.4.1 基于MCA理论的重构方法 |
| 3.4.2 基于压缩感知的加权MCA重构算法 |
| 3.4.3 理论模型实验及方法对比 |
| 3.4.4 实际资料处理 |
| 3.4.5 小结 |
| 3.5 本章小结 |
| 第四章 基于压缩感知的弱信号提取策略 |
| 4.1 引言 |
| 4.2 基于压缩感知理论的去噪理论 |
| 4.2.1 理论模型 |
| 4.2.2 信号的稀疏表达 |
| 4.2.3 重构算法 |
| 4.2.4 模型算例分析 |
| 4.2.5 小结 |
| 4.3 CS去噪方法在OVT域中的应用 |
| 4.3.1 炮检距向量片(Offset Vector Tile,OVT)道集 |
| 4.3.2 OVT域去噪算法 |
| 4.3.3 实际资料处理 |
| 4.3.4 小结 |
| 4.4 基于压缩感知和CEEMD的深层弱信号提取策略 |
| 4.4.1 CEEMD方法 |
| 4.4.2 基于压缩感知的CEEMD弱信号提取算法 |
| 4.4.3 模型算例分析 |
| 4.4.4 实际资料处理 |
| 4.4.5 小结 |
| 4.5 本章小结 |
| 第五章 井约束地震低频保护与补偿处理技术研究 |
| 5.1 引言 |
| 5.2 基于压缩感知理论的低频补偿方法 |
| 5.2.1 基础理论 |
| 5.2.2 低频延拓 |
| 5.2.3 模拟地震记录测试 |
| 5.2.4 实际地震资料测试 |
| 5.2.5 小结 |
| 5.3 基于压缩感知理论的井约束低频补偿方法 |
| 5.3.1 井约束地震数据处理 |
| 5.3.2 基于压缩感知的井约束地震道低频补偿基本理论 |
| 5.3.3 模型及实际资料处理 |
| 5.3.4 小结 |
| 5.4 本章小结 |
| 结论与认识 |
| 参考文献 |
| 攻读博士学位期间取得的研究成果 |
| 致谢 |
| 作者简介 |
（6）基于平行矩阵分解算法的多维地震数据重建（论文提纲范文）
| 摘要 |
| abstract |
| 1 引言 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究进展 |
| 1.2.1 基于函数变换理论的重建方法 |
| 1.2.2 基于预测滤波理论的重建方法 |
| 1.2.3 基于波动方程理论的重建方法 |
| 1.2.4 基于张量降秩理论的重建方法 |
| 1.2.5 基于人工智能理论的重建方法 |
| 1.3 主要研究内容及章节安排 |
| 2 张量理论与地震数据张量 |
| 2.1 张量的基本概念 |
| 2.2 张量展开与矩阵分解 |
| 2.2.1 张量的低阶展开 |
| 2.2.2 张量的矩阵展开与折叠 |
| 2.2.3 矩阵分解 |
| 2.3 地震数据张量 |
| 3 平行矩阵分解算法 |
| 3.1 平行矩阵分解算法的原理 |
| 3.2 基于平行矩阵分解的降秩重建的基本流程 |
| 4 模型数据试验 |
| 4.1 线性同相轴模型试验 |
| 4.2 弯曲同相轴模型试验 |
| 5 实际数据处理 |
| 5.1 海洋OBS四维数据处理 |
| 5.1.1 工区位置 |
| 5.1.2 OBS数据采集 |
| 5.1.3 OBS数据处理 |
| 5.2 陆地五维数据处理 |
| 5.2.1 工区位置 |
| 5.2.2 数据处理 |
| 6 结论与展望 |
| 致谢 |
| 参考文献 |
（7）基于压缩感知的加权MCA地震数据重构方法（论文提纲范文）
| 0 引言 |
| 1 基于MCA理论的重构思想 |
| 2 基于压缩感知的加权MCA重构方法 |
| 2.1 单一字典稀疏表示 |
| 2.2 基于加权MCA的稀疏表示 |
| 2.3 模型矩阵 |
| 2.4 稀疏促进算法及其实现 |
| 3 理论模型实验及方法对比 |
| 3.1 简单构造模型 |
| 3.2 复杂构造模型 |
| 3.2.1 稀疏字典的选择 |
| 3.2.2 模型测试 |
| 4 实际资料处理 |
| 5 结论 |
（8）基于压缩感知的地震数据重建方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 传统地震数据重建 |
| 1.2.2 基于压缩感知的地震数据重建 |
| 1.3 论文主要工作及章节安排 |
| 1.3.1 论文的主要工作 |
| 1.3.2 论文的章节安排 |
| 第2章 地震勘探原理及数据重建意义 |
| 2.1 地震勘探方法简介 |
| 2.1.1 地震勘探的方法原理 |
| 2.1.2 地震勘探环节 |
| 2.2 地震波运动学理论 |
| 2.2.1 地震波的基本概念 |
| 2.2.2 地震波传播的基本规律 |
| 2.2.3 地震波的类型 |
| 2.3 地质构造解释 |
| 2.3.1 二维地震资料解释流程 |
| 2.3.2 三维地震资料解释流程 |
| 2.4 地震数据重建的意义 |
| 2.5 本章小结 |
| 第3章 基于K-SVD超完备字典学习的压缩感知数据重建 |
| 3.1 压缩感知理论 |
| 3.2 传统的稀疏表示方法 |
| 3.2.1 离散余弦变换 |
| 3.2.2 傅里叶变换 |
| 3.2.3 小波变换 |
| 3.2.4 曲波变换 |
| 3.3 基于K-SVD的超完备字典学习 |
| 3.4 实验与分析 |
| 3.4.1 量化指标 |
| 3.4.2 稀疏变换矩阵对地震数据重建的影响 |
| 3.5 本章小结 |
| 第4章 具有时空连续性约束的压缩感知算法 |
| 4.1 时空连续性 |
| 4.2 加入时空连续性约束的压缩感知模型 |
| 4.3 改进的稀疏自适应匹配追踪算法 |
| 4.4 实验与分析 |
| 4.4.1 地震数据重建 |
| 4.4.2 测井电成像数据重建 |
| 4.5 本章小结 |
| 第5章 基于生成对抗网络的低采样率地震数据重建 |
| 5.1 生成对抗网络模型 |
| 5.1.1 生成对抗网络模型(GAN) |
| 5.1.2 深度卷积GAN(DCGAN) |
| 5.1.3 WGAN |
| 5.2 基于生成对抗网络的压缩感知算法模型 |
| 5.3 实验与分析 |
| 5.4 本章小结 |
| 第6章 结论和展望 |
| 6.1 本文主要研究结论 |
| 6.2 未来工作展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
（9）基于最佳小波基的地震面波插值方法（论文提纲范文）
| 0 引言 |
| 1 方法原理 |
| 2 模型测试 |
| 2.1 最佳小波基的选取 |
| 2.2 面波插值 |
| 3 实际数据 |
| 4 结论 |
（10）基于Curvelet变换的地震数据重建方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 前言 |
| 1.1 研究背景及意义 |
| 1.2 地震缺失数据重建国内外研究现状 |
| 1.3 论文的主要内容和结构安排 |
| 第2章 Curvelet变换的原理 |
| 2.1 Curvelet变换的发展历程 |
| 2.2 Curvelet变换的基本理论 |
| 2.2.1 连续Curvelet变换 |
| 2.2.2 离散Curvelet变换 |
| 2.2.3 USFFT算法 |
| 2.2.4 Wrapping算法 |
| 2.3 Curvelet变换的性质 |
| 2.4 Curvelet变换对地震数据的稀疏表示 |
| 2.4.1 Curvelet变换示例 |
| 2.4.2 Curvelet变换对地震数据的稀疏表示 |
| 2.5 本章小结 |
| 第3章 基于Curvelet变换和半迭代POCS算法的地震数据重建 |
| 3.1 地震数据重建模型 |
| 3.2 凸集投影算法及半迭代凸集投影法 |
| 3.2.1 凸集投影法 |
| 3.2.2 半迭代凸集投影法 |
| 3.3 基于Curvelet变换和半迭代POCS算法的地震数据重建 |
| 3.4 实验结果与分析 |
| 3.4.1 模拟地震数据实验分析 |
| 3.4.2 实际地震数据实验分析 |
| 3.5 本章小结 |
| 第4章 基于Curvelet变换和Bregman算法的地震数据重建 |
| 4.1 引言 |
| 4.2 Bregman算法原理 |
| 4.2.1 Bregman算法模型 |
| 4.2.2 Bregman公式推导 |
| 4.2.3 线性Bregman算法 |
| 4.3 优化的线性Bregman算法 |
| 4.4 基于Curvelet变换和Bregman算法的地震数据重建 |
| 4.5 实验结果与分析 |
| 4.5.1 模拟地震数据重建实验分析 |
| 4.5.2 实际地震资料重建实验分析 |
| 4.6 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间取得的学术成果 |
| 致谢 |
四、小波变换实现地震道内插（论文参考文献）
- [1]利用抗假频凸集投影算法的规则缺失地震数据重建[J]. 刁塑,张华,张恒琪,张博泓,余政,庞洋. 石油地球物理勘探, 2020(04)
- [2]生成对抗网络地震信号增强方法研究[D]. 李会强. 电子科技大学, 2020(07)
- [3]基于压缩感知理论的浅层地震数据重建研究[D]. 杨志权. 河北地质大学, 2019(08)
- [4]基于压缩感知理论和SPGL1算法的地震数据重建[D]. 郑雪辰. 长安大学, 2019(01)
- [5]基于压缩感知的深层地震数据重构及弱信号增强技术研究[D]. 孙苗苗. 中国石油大学(华东), 2019(01)
- [6]基于平行矩阵分解算法的多维地震数据重建[D]. 马文秀. 中国地质大学(北京), 2019(02)
- [7]基于压缩感知的加权MCA地震数据重构方法[J]. 孙苗苗,李振春,李志娜,李庆洋,李闯,张怀榜. 地球物理学报, 2019(03)
- [8]基于压缩感知的地震数据重建方法研究[D]. 朱震东. 华北电力大学(北京), 2019(01)
- [9]基于最佳小波基的地震面波插值方法[J]. 王志农,孙成禹,伍敦仕. 物探与化探, 2019(01)
- [10]基于Curvelet变换的地震数据重建方法研究[D]. 韩良良. 中国石油大学(华东), 2018(07)