着的特点是我们能够中心网格上而不是利用跳跃网格实现波场延拓,这样可以大大降低计算量和降低内存消耗,该方法可很好的实现振幅衰减补偿?相位漂移等?
1.4 联合反演和成像
FWI的应用可拓展到诸多领域,如成像方法和波形反演联合各向异性速度模型估算?深度域反演?层析全波形反演TFWI?FWI和MVA联合双目标优化等方面,并取得了重要进展?新一代的地震偏移成像方法应该将多次散射作为重要信息考虑,除此之外还应将速度估算等包括到偏移当中,这种独一无二的组合将使得地质家能够获得更高精度的油藏模型?更多的储层细节及减少不确定性.荷兰Deflt大学的A.J.Berkhout等人提出了联合偏移反演方法JMI,JMI由递归全波形偏移FWM和宽带FWI组合形成,这样可在获得高精度成像结果的同时也获得高精度的速度模型?
层析全波形反演TFWI兼备了层析和FWI的优势展示了在该领域的又一个发展方向.共成像点道集ADGIG中的剩余动校正量可潜在的应用于速度分析和AVA分析中.由于透射等传播损失以及临界角反射引起的相位漂移等因素的影响常规的AVA分析通常在深层并不能获得理想的效果朱新发等人将相位漂移等因素考虑到角度域共成像点道集ADGIG中通过对目的层ADGIG道集中的AVA振幅和PVA相位分析得出PVA比AVA更适合进行反演?
第2章 频率域全波形反演算法的优化策略
继时间域全波形反演之后反演问题在频率域也得到实现16-18 .频率域全波形反演有如下特点:
1频率选择上只需要处理部分频率但需要大偏移距数据 2频率域方法包含了衰减的处理而且比较小的频率可较好的压制随机噪声
3频率域可进行炮集的LU分解处理但难以实现并行耗时 4频率域方法占内存较大
2.1 声波全波形反演在频率域的改进策略
当模型比较复杂时全波形反演的目标函数有许多局部极小值通过初始速度得到一个初始模型可能仅仅获得了局部极小值而不是全局极小值解.最早研究19-23 都是将观测到的波场速度和模型参数之间用线性关系来考虑这种方法仅仅在初始速度模型很接近于全局最小时才有意义取而代之的是发展了将全波形反演方法应用到一组频率中.Bunks等24 提出一种在时间域的多网格方法按尺度分解反演问题这种方法从一组低频开始在反演的过程中逐渐包含高频信息前一阶段反演出的速度模型作为下一步的初始模型.由于波场数据与模型参数之间在低频段比在高频段更具有线性关系获得全局最小值可能
性增大?
Sir gue and Pratt 提出了在频率域进行频率选择策略即全波形反演在被选择的三个频率下实现根据炮检距距离从低频到高频进行反演.但是此方法初始速度模型是从射线追踪旅行时反演中获得的很接近全局最小值而且由于它仅仅选择几个频率故具有较低的稳定性?
Bunks等24 提出一种在时间域的多网格方法按尺度分解反演问题这种方法从一组低频开始在反演的过程中逐渐包含高频信息前一阶段反演出的速度模型作为下一步的初始模型.由于波场数据与模型参数之间在低频段比在高频段更具有线性关系获得全局最小值可能性增大?
2.2 基于逆时传播算子的频率域全波形反演
YuZhang等26 提出在逆时概念下进行全波形反演反传播地震数据和震源匹配.为简化反演问题使反演比较有稳定并提出应用全波形反演到-p变换后的数据在波的传播过程中提高有效的照明孔径基于反传播的全波形反演对地震数据的噪声和振幅误差敏感性降低地震子波也可以很好的被处理特别是由于相位信息已知震源匹配问题将大大简化减少计算量?
FWI反演至关重要的问题是合成记录中要获得每一个反射点的尽可能精度接近于实际炮记录的时间和振幅,为了获得高精度的模型,FWI要求地震数据具有可靠的振幅和极高的信噪比在实际中很难
达到而且由于密度模型在反演中是未知的FWI仅能正确处理垂向速度比产生的折射.因此为防止噪声泄露对地震数据的预处理是必须的.为解决上述问题Lailly198327 和Tarantola6将反传播算法引入到时间域地震反演为全波形反演方法的改进作出很大的贡献.许多研究者也想将此算子引入到频率域全波形反演中Pratt等16 实现了将反传播算法应用到频率域全波形反演中反传播算法中无需直接计算偏微分波场计算量将大幅减少?
2.3 频率域对数全波形反演
在传统的频率域全波形反演方法中最小平方值的波场对反演结果影响很小.但是对数全波形反演的目标函数对一些小值非常敏感会引起梯度方向的数值不稳定.因为这些小值可能会增加目标函数的非线性.Youngseo Kim等提出对对数波场进行滤波来提高梯度方向上的稳定性进而提高算法收敛于全局最小值?远偏移距道或者后至地震波等数据能谱值很小的值很多对于这些数据对数目标函数的解收敛于全局最小值非常难可通过滤波祛除这些最小平方谱的小值来减少局部极小值的数目.虽然初始模型不接近真实的速度模型但滤波的结果提高了初始模型收敛于全局极小值可能.由滤波技术获得反演的速度模型代替没有滤波的反演初始模型时会提高反演的收敛性.另外Youngseo Kim等还指出如果将滤波反演应用到其他的目标函数中也能获得比较理想的反演结果.