1.一种提高反演分辨率的多道同时反演识别方法,其特征在于,所述方法包括:基于褶积模型,通过如下公式(1)表示地震记录: (1)式中, 表示地震数据, 表示地震反射系数序列, 表示噪声, 表示子波矩阵;
其中所述地震反射系数序列中的地震反射系数用阻抗表示: (2)
式中,Ri表示地震反射系数序列中的第i个地震反射系数,Zi+1和Zi分别表示第i+1个和第i个阻抗,ln表示对数计算,D表示差分矩阵;
设L=ln Z,表示阻抗的对数,将公式(1)变成: (3)通过傅里叶变换得到在频率域中的褶积模型: (4)式中, 表示地震资料的频谱, 表示地震反射系数序列的频谱, 表示噪声的频谱, 表示子波的频谱;
基于所述公式(4),得到频率域和时间域的正演方程,如公式(5)和公式(6)所示: (5) (6)式中, 分别为时间域的子波核矩阵, 、 分别为频率域的地震记录和正演算子矩阵, 表示随机噪音;
基于所述公式(5)和公式(6),确定混合域的目标函数如公式(7)所示: (7)
式中, 表示初始模型的权重系数, 表示初始模型的对数形式;
在所述混合域的目标函数引入纵向和横向差分算子,实现多道同时反演: (8)
式中, 表示差分算子的权重系数, 表示L1范数, 、 分别表示横向差分算子和纵向差分算子;
用拉格朗日乘子代替L1范数中的矩阵运算,得到有约束的目标函数如下:(9)
式中, 、 表示拉格朗日乘子;
引入对偶项 、 将有约束目标函数转化为无约束目标函数,得到:(10)
式中, 表示对偶项的权重系数,它决定了拉格朗日乘子与差分算子之间的关联程度;
基于软阈值收缩方法,将公式(10)分解为若干单约束问题求解: (11)
(12)
(13)
(14) (15)根据求解结果,反演得到阻抗 。
2.一种提高反演分辨率的多道同时反演识别装置,其特征在于,所述装置包括处理器,所述处理器被配置为:基于褶积模型,通过如下公式(1)表示地震记录: (1)式中, 表示地震数据, 表示地震反射系数序列, 表示噪声, 表示子波矩阵;
其中所述地震反射系数序列中的地震反射系数用阻抗表示: (2)
式中,Ri表示地震反射系数序列中的第i个地震反射系数,Zi+1和Zi分别表示第i+1个和第i个阻抗,ln表示对数计算,D表示差分矩阵;
设L=ln Z,表示阻抗的对数,将公式(1)变成: (3)通过傅里叶变换得到在频率域中的褶积模型: (4)式中, 表示地震资料的频谱, 表示地震反射系数序列的频谱, 表示噪声的频谱, 表示子波的频谱;
基于所述公式(4),得到频率域和时间域的正演方程,如公式(5)和公式(6)所示: (5) (6)式中, 分别为时间域的子波核矩阵, 、 分别为频率域的地震记录和正演算子矩阵, 表示随机噪音;
基于所述公式(5)和公式(6),确定混合域的目标函数如公式(7)所示: (7)
式中, 表示初始模型的权重系数, 表示初始模型的对数形式;
在所述混合域的目标函数引入纵向和横向差分算子,实现多道同时反演: (8)
式中, 表示差分算子的权重系数, 表示L1范数, 、 分别表示横向差分算子和纵向差分算子;
用拉格朗日乘子代替L1范数中的矩阵运算,得到有约束的目标函数如下:(9)
式中, 、 表示拉格朗日乘子;
引入对偶项 、 将有约束目标函数转化为无约束目标函数,得到:(10)
式中, 表示对偶项的权重系数,它决定了拉格朗日乘子与差分算子之间的关联程度;
基于软阈值收缩方法,将公式(10)分解为若干单约束问题求解: (11)
(12)
(13)
(14) (15)根据求解结果,反演得到阻抗 。
3.一种提高反演分辨率的多道同时反演识别系统,其特征在于:所述系统包括:存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序以实现如权利要求1所述的方法。
4.一种存储有指令的非暂时性计算机可读存储介质,当所述指令由处理器执行时,执行根据权利要求1所述的方法。