基于自适应子波分解的品质因子Q提取方法.pdf

《基于自适应子波分解的品质因子Q提取方法.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第55卷第1期石油物探Vo1．55，No．12016年1月GEOPHYSICALPRoSPECTINGF0RPETR0LEUMJan．，2016张繁昌，张汛汛，张立强，等．基于自适应子波分解的品质因子Q提取方法[J]．石油物探，2016，55(1)：41—48ZHANGFanchang，ZHANGXunxun，ZHANGLiqiang，eta1．ExtractionmethodforqualityfactorQbasedonadaptivewave—letdecomposition[J]．Geophysi

2、calProspectingforPetroleum，2016，55(1)：41—48基于自适应子波分解的品质因子Q提取方法张繁昌，张汛汛，张立强，宗兆云(中国石油大学(华东)地球科学与技术学院，山东青岛266580)摘要：品质因子Q和速度一样是地层的固有参数，其大小决定地震波吸收衰减的强弱。由于Q值的大小与地震子波的传播时间和频率的乘积有关，因此，提出了一种基于自适应子波分解的品质因子提取方法。首先，利用自适应子波分解算法对地震信号进行子波分解，得到的匹配子波可认为是不同时刻的时变子波；然后，将不同匹配

3、子波的中心时间和中心频率的乘积与相应匹配子波的对数振幅投影到平面坐标中，得到随该乘积值变化的对数振幅散点分布；最后通过拟合这些离散点斜率提取Q值。为压制离群值对拟合精度的影响，采用L1模线性回归方法对离散点进行线性拟合。理论模型测试和实际资料应用的结果表明，该方法能比较准确地提取品质因子，有效补偿地震波能量，提高了地震资料的分辨率。关键词：品质因子；自适应子波分解；匹配子波；L1模线性回归；分辨率．中图分类号：P631文献标识码：A．文章编号：1000—1441(2016)01-0041-08DOI：10

4、．3969／j．issn．1000—1441．2016．O1．006ExtractionmethodforqualityfactorQbasedonadaptivewaveletdecompositionZHANGFanchang，ZHANGXunxun，ZHANGLiqiang，ZONGZhaoyun(SchoolofGeosciences，ChinaUniversityofPetroleum，Qingdao26658O，China)Abstract：QualityfactorQistheinheren

5、tparameterofstrata，whichdeterminesthestrengthofseismicattenuation．SincetheQvalueisrelatedwiththeproductoftraveltimeandfrequencyofseismicwavelet，weproposedamethodtOextractthevalueofQbasedontheadaptivewaveletdecomposition．Firstly．wedecomposeseismicsignalusi

6、ngtheadaptivewaveletdecompo—sitionalgorithm_Thedecomposedpursuitwaveletscanbeconsideredastime-varyingseismicwaveletsatdifferenttime．Then，theproductsofcentraltimeandcentralfrequencyversusthecorrespondinglogarithmicamplitudesOfthepursuitwaveletsareprojected

7、intoacoordinateplane，toobtainthescatterdistributionoflogarithmicamplitudeswiththeseprod—ucts．Finally，theslopeOfthesescattersisfittedtOextractQvalue．InordertOdecreasetheinfluenceofoutliers，L1noriTllin—earregressionmethodisusedinthelinearfitting．Theoretical

8、andrealdatatestsshowthismethodcanaccuratelyextractqualityfactor，compensateseismicwaveenergyandimprovetheresolutionofseismicdata．-Keywords：qualityfactor，adaptivewaveletdecomposition，pursuitwavelet，L1normlinearregress