论文摘要
面向地下构造的成像和面向目标储层的反演对天然地震数据的规则性和完整性提出了较高的要求。由于受地理环境和采集成本等因素的影响,野外采集到的天然地震数据往往呈现不规则和不完整分布,将直接影响后续天然地震数据的处理和精确解释。因此,对天然地震数据进行高精度重建具有十分重要的现实意义。完整的2D和3D天然地震数据在Hankel预变换后具有低秩结构,而地震道的随机缺失增加了预变换矩阵或张量的秩,因此,可以利用矩阵或张量低秩补全的方法对天然地震数据进行重建。本论文基于三种不同的预变换方式:Hankel变换、块Hankel变换和Hankel张量变换,对于2D和3D的天然地震数据,分别利用低秩矩阵补全和低秩张量补全对缺失数据进行重建。针对2D天然地震数据的重建问题,本文将一种基于降秩补全理论的正交秩-1矩阵追踪算法(Orthogonal Rank-One Matrix Pursuit,OR1MP)应用于2D的加州San Jacinto断层带的天然地震数据重建。对地震数据傅里叶变换后的频率切片进行Hankel矩阵预变换,获取具有低秩结构特征的Hankel矩阵。传统的奇异谱分析(Singular Spectrum Analysis,SSA)算法使用SVD分解对Hankel矩阵进行降秩处理。但是,随着地震数据量的增加,算法效率降低,同时重建精度也不够理想。为了克服这个困难,本文利用快速的OR1MP算法代替奇异值分解(Singular Value Decomposition,SVD),对Hankel矩阵进行高精度的重建,最后做反Hankel变换,得到频率域上的重建数据。针对3D天然地震数据的重建问题,本文将OR1MP应用于3D的加州San Jacinto断层带的天然地震数据重建,不同之处在于频率切片的预变换处理。对于3D天然地震数据,由于傅里叶变换后频率切片是2D数据体,因此我们需要对固定的频率切片进行块Hankel矩阵预变换。传统的多道奇异谱分析(Multichannel Singular Spectrum Analysis,MSSA)算法核心步骤依然是利用SVD分解进行降秩处理,为了提高算法的效率和重建精度,本文同样应用OR1MP算法对块Hankel矩阵进行低秩补全。OR1MP算法对2D和3D的加州San Jacinto断层带的天然地震数据实验结果表明,与传统的SSA和MSSA算法对比,OR1MP算法能够有效地增加地震数据的峰值信噪比,能较好地实现对天然地震信号的重建。最后,对于3D天然地震数据的重建问题,基于Hankel张量的重建在高缺失情况下比基于块Hankel矩阵的重建有更高的准确性和鲁棒性。因此,对频率-空间域中3D天然地震数据的每个2D频率切片进行Hankel张量预变换,可以表示为具有低秩结构的4DHankel张量。缺失的地震数据和随机噪声的存在会增加预变换张量的秩。因此,可以利用张量降秩方法对3D天然地震数据进行重建。高阶奇异值分解算法(High-order Singular Value Decomposition,HOSVD)作为经典SVD分解在张量的推广,在高维地震数据重建中取得不错的效果。但是SVD分解非常耗时,计算效率低。为此,本文提出并行矩阵分解Hankel张量重建算法(Parallel Matrix Factorization Hankel Tensor Reconstruction,PMFHTR)。算法的核心步骤是使用并行矩阵分解的低秩张量补全算法(Low-rank Tensor Completion by Parallel Matrix Factorization,TMac)对预变换的Hankel张量进行低秩矩阵分解,可以避免SVD的计算。加州San Jacinto断层带的3D天然地震数据体实验结果表明,与经典的HOSVD算法比较,PMFHTR算法能够快速的对天然地震数据进行高精度重建。
论文目录
文章来源
类型: 硕士论文
作者: 张雪敏
导师: 付丽华
关键词: 预变换,秩矩阵匹配追踪算法,加州断层带,张量,并行矩阵分解
来源: 中国地质大学
年度: 2019
分类: 基础科学
专业: 地质学,地球物理学
单位: 中国地质大学
分类号: P315
DOI: 10.27492/d.cnki.gzdzu.2019.000159
总页数: 87
文件大小: 12475K
下载量: 93
相关论文文献
- [1].内蒙古地区非天然地震的特征与识别[J]. 地震地磁观测与研究 2020(04)
- [2].“非天然地震”是什么?[J]. 地球 2016(05)
- [3].爆炸、核试验与天然地震的区别(英文)[J]. Applied Geophysics 2014(04)
- [4].矿震和水库地震等非天然地震的公共服务需求调查研究[J]. 中国地震 2020(03)
- [5].曹妃甸地震台网天然地震与人工爆破时频分析[J]. 地震地磁观测与研究 2017(05)
- [6].微差爆破模拟天然地震的数值分析与效果评价[J]. 岩土力学 2013(01)
- [7].非天然地震并不罕见[J]. 发明与创新(大科技) 2016(06)
- [8].基于小波变换的天然地震信号预处理研究[J]. 科技经济导刊 2016(31)
- [9].大岗山水库天然地震活动本底特征[J]. 地震 2017(03)
- [10].结合天然地震推导水库地震的建筑物易损性[J]. 地震地质 2009(04)
- [11].基于时频分析技术的天然地震信号去噪研究与应用[J]. 科技经济导刊 2016(34)
- [12].福建地区人工爆破与天然地震的判定[J]. 地震地磁观测与研究 2013(Z1)
- [13].小波分析在天然地震初震及震相识别中的应用[J]. 东华理工大学学报(自然科学版) 2014(03)
- [14].基于能量比的天然地震与人工爆破自动识别算法研究[J]. 华南地震 2010(01)
- [15].天然地震与人工爆破的波形小波特征研究[J]. 地震学报 2010(03)
- [16].利用天然地震研究地壳Q值的方法和进展[J]. 国际地震动态 2008(02)
- [17].识别天然地震和人工爆破的判据选择[J]. 地震地磁观测与研究 2011(06)
- [18].河南省非天然地震的波形特征及识别方法[J]. 高原地震 2011(02)
- [19].2019年12月9日三河非天然事件定位和识别分析[J]. 防灾科技学院学报 2020(03)
- [20].双鸭山地区爆破、矿震与天然地震的识别[J]. 内蒙古煤炭经济 2018(13)
- [21].重复源激发信号的Q值变化[J]. 国际地震动态 2018(08)
- [22].塔里木盆地主要断裂的地球物理特征及与天然地震的关系[J]. 地球物理学进展 2008(06)
- [23].鹤岗地区地震活动与矿山瓦斯异常涌出的相关性研究[J]. 防灾减灾学报 2018(01)
- [24].小波分析在天然地震初震中的应用研究[J]. 工程地球物理学报 2014(02)
- [25].一种基于LPCC的天然地震和人工爆破识别算法[J]. 滁州学院学报 2014(02)
- [26].支持向量分类机LIBSVM方法识别天然地震、爆破与塌陷[J]. 大地测量与地球动力学 2019(09)
- [27].河南渑池塌陷初探[J]. 科技风 2015(04)
- [28].利用LS-SVM对天然地震与人工爆破识别研究[J]. 电脑知识与技术 2018(09)
- [29].明灯一号及邻近地区地震与爆炸的识别[J]. 地震地磁观测与研究 2010(05)
- [30].重庆数字地震记录人工爆破波形特征[J]. 华北地震科学 2017(02)
标签:预变换论文; 秩矩阵匹配追踪算法论文; 加州断层带论文; 张量论文; 并行矩阵分解论文;