English Français Español Русский 中文 Deutsch Português عربي italiano 日本



         Некоторые вопросы сейсморазведки



 Домашняя  Сервис  Софт  Учебный материал  Контакты

Деконволюция FX

Деконволюция FX – это еще один процесс пространственной фильтрации, который улучшает когерентные данные (независимо от угла наклона) в группе трасс.

Как и многие приемы, используемые в обработке сейсмоданных, его очень легко описать, но сложно выполнить – это не простые расчеты, которые вам придется делать без компьютера!

Мы начнем с формального определения деконволюции FX:-

Проявления с похожими углами наклона появятся как синусоидальный комплексный сигнал (cos wt + i sin wt) вдоль данного частотного среза

Если мы преобразуем сейсмоданные из времени (t) и расстояния (x) в частоту (f) и расстояние (x), временной срез преобразуется в частотный срез, каждый дискрет в преобразованных данных будет комплексным числом с реальными и мнимыми компонентами.

Проявления с похожими углами наклона появятся как синусоидальный комплексный сигнал (cos wt + i sin wt) вдоль данного частотного среза, а, следовательно, они предсказуемы.

Комплексный (деконволюционный) прогнозируемый фильтр обычно предсказывает сигнал на одну трассу вперед, поперек частотного среза. Любая разница между прогнозной формой волны и истинной может классифицироваться как шум и удаляться.

Рассчитанный фильтр прогноза запускается в одном направлении поперек трасс, а затем запускается в противоположном направлении. Конечные прогнозы усредняются, чтобы уменьшить прогнозные ошибки.
пример пяти трасс, показывающих три проявления, каждое с постоянным углом наклона поперек пяти трасс. Это пример пяти трасс, показывающих три проявления, каждое с постоянным углом наклона поперек пяти трасс.
истинный компонент преобразования Фурье каждой трассы в вышеприведенном разрезе Этот рисунок показывает истинный компонент преобразования Фурье каждой трассы в вышеприведенном «разрезе».

Горизонтальная шкала теперь – это частота, а вертикальная - «пространство» (исходные номера трасс).

Прогнозные тренды четко видны в этой «частотно-пространственной» области, относящиеся к наклонным проявлениям в исходной «временно-пространственной» области.
мнимый компонент преобразования Фурье Еще раз тот же рисунок, на этот раз, показывающий мнимый компонент преобразования Фурье.

Опять-таки, четко виден тренд.

(Эти два рисунка следовало бы нарисовать как комплексные числа на одном рисунке. Тогда потребовался бы четырехмерный рисунок, что, к сожалению, немного превосходит мои художественные способности!)

На практике, мы обычно выбираем серию накладывающихся друг на друга окон во времени и пространстве на наших сейсмоданных, и процесс работает в каждом из этих окон по очереди.

Данные преобразуются (трасса за трассой) в частотной области. Для каждой частоты при преобразовании разрабатывается оптимальный оператор деконволюции, который «прогнозирует» следующую трассу в последовательности. Этот оператор разрабатывается так же и тот, что используется для деконволюции формы сигнала:

оператор разрабатывается так же и тот, что используется для деконволюции формы сигнала

АВТОКОРРЕЛЯЦИЯ * НЕИЗВЕСТНЫЙ = ВЗАИМНАЯ КОРРЕЛЯЦИЯ
ВХОДНЫХ ДАННЫХ   ФИЛЬТР   ВХОДНЫХ ДАННЫХ И
        ЖЕЛАЕМОГО РЕЗУЛЬТАТА


В данном случае, однако, каждый термин уравнения является комплексным числом, а решением является комплексный фильтр!

Каждая трасса тогда «прогнозируется» на основе трасс до и после нее (фильтр разрабатывается и применяется в обоих направлениях), а итоговый спектр основан на усреднении этих результатов. Конечный отфильтрованный спектр преобразуется обратно во временную область, чтобы мы получили нашу конечную трассу.

Обычно одновременно используется группа из 10 или около того трасс, причем длина фильтра составляет 5 трасс. Накладывающиеся временные окна (обычно ограниченные по 1000 мсек) используются, чтобы сохранить углы наклона внутри одной границы относительно постоянными. Деконволюция FX – это очень тяжелый процесс – даже широкий выбор меняющихся параметров дает весьма похожие результаты.

Мы посмотрим на эти результаты (вместе с другими типами пространственной фильтрации) на

следующей странице.