本發(fā)明屬于地震速度建模領(lǐng)域,具體涉及一種基于最優(yōu)傳輸函數(shù)的彈性波全波形反演方法。
背景技術(shù):
1、彈性波全波形反演(elastic?full?waveform?inversion,?efwi)是一種高分辨率地球物理成像技術(shù),通過利用震源激發(fā)的地震波傳播特性,可以在地下形成精細(xì)的地質(zhì)模型。efwi將觀測到的地震數(shù)據(jù)與正演模擬生成的數(shù)據(jù)進(jìn)行比較,并通過優(yōu)化迭代過程不斷調(diào)整模型參數(shù),使模擬數(shù)據(jù)逐步逼近觀測數(shù)據(jù),從而反演出地下結(jié)構(gòu)的物性參數(shù)。這種方法可以精確地刻畫地下結(jié)構(gòu),為油氣勘探和地質(zhì)災(zāi)害預(yù)測提供了重要的信息支持。
2、在傳統(tǒng)的彈性波全波形反演過程中,通常使用l2范數(shù)作為目標(biāo)函數(shù),用以衡量觀測數(shù)據(jù)與模擬數(shù)據(jù)之間的差異。然而,由于地震波傳播過程中非線性、多路徑及復(fù)雜地質(zhì)體的影響,傳統(tǒng)的方法在反演過程中易陷入局部極小值,難以獲得全局最優(yōu)解,模型更新過程極易受到局部極小值的影響,出現(xiàn)誤差累積,最終生成的地質(zhì)模型與真實(shí)情況偏差較大。
技術(shù)實(shí)現(xiàn)思路
1、本發(fā)明針對上述問題提供一種基于最優(yōu)傳輸函數(shù)的彈性波全波形反演方法。所述方法首先建立觀測系統(tǒng)并獲取地震記錄,選取最優(yōu)傳輸函數(shù)作為反演目標(biāo)泛函,對目標(biāo)泛函求導(dǎo),獲得最優(yōu)傳輸?shù)奶荻?,最后采用梯度?yōu)化算法,迭代得更新模型,最終獲得高精度的彈性波全波形反演反演結(jié)果。本方法相較于傳統(tǒng)的l2目標(biāo)函數(shù),反演模型的同相軸連續(xù)性得到了增強(qiáng),深層構(gòu)造更加清晰,整體精度得到了較大得提升。
2、本發(fā)明是通過如下技術(shù)方案來實(shí)現(xiàn):
3、一種基于最優(yōu)傳輸函數(shù)的彈性波全波形反演方法,具體有以下步驟:步驟1.地震記錄獲?。菏紫冉⒂^測系統(tǒng)并選取一定頻率的激發(fā)震源以及速度模型,通過激發(fā)震源,在檢波點(diǎn)處接收實(shí)際地震記錄與模擬地震記錄;步驟2.目標(biāo)函數(shù)的選?。阂霐?shù)學(xué)領(lǐng)域的最優(yōu)傳輸函數(shù)作為反演的目標(biāo)函數(shù),考慮數(shù)據(jù)分布的整體形狀和流形結(jié)構(gòu),基于實(shí)際地震記錄與模擬地震記錄建立目標(biāo)泛函公式;步驟3.波場求?。和ㄟ^正演模擬和逆時(shí)延拓獲得正時(shí)波場和逆時(shí)波場;步驟4.梯度求?。簩δ繕?biāo)泛函公式求導(dǎo),獲得梯度計(jì)算公式,帶入正時(shí)波場和逆時(shí)波場,求取梯度;步驟5.模型更新:利用adam梯度優(yōu)化算法對所求梯度優(yōu)化后帶入迭代反演中更新模型;重復(fù)上述步驟3-5,直至獲得滿足精度要求的反演結(jié)果。
4、本發(fā)明還提供具體的一種基于最優(yōu)傳輸函數(shù)的彈性波全波形反演方法,所述方法具體包括以下步驟:
5、步驟1.地震記錄獲取:選用一個(gè)線性模型作為初始模型,然后給定一個(gè)速度模型作為真實(shí)模型,模型包含模型參數(shù)vp(x,?z)、vs(x,?z)、ρ(x,?z),x、z表示為空間的坐標(biāo),x=[1,?2,?3,?…?,?nx],?z=[1,?2,?3,?…?,?nz],?nx、nz分別表示速度模型的縱向和橫向的網(wǎng)點(diǎn)數(shù)量,將炮點(diǎn)均勻置于模型頂部,共nx炮,檢波點(diǎn)同樣均勻置于模型頂部,共nx個(gè)檢波點(diǎn),炮點(diǎn)在模型頂部從左到右依次激發(fā),每次激發(fā),所有檢波點(diǎn)同時(shí)接收,得到共nx炮的實(shí)際地震記錄和nx炮的模擬地震記錄;
6、步驟2.目標(biāo)函數(shù)的選?。阂霐?shù)學(xué)領(lǐng)域的最優(yōu)傳輸函數(shù)作為反演的目標(biāo)函數(shù),基于實(shí)際地震記錄與模擬地震記錄建立目標(biāo)泛函式(1),其中為模擬地震記錄,為實(shí)際地震記錄,、為、經(jīng)過預(yù)處理算子處理后得到的概率密度函數(shù),為彈性波反演的目標(biāo)函數(shù);通過?wasserstein?距離測量模擬數(shù)據(jù)與的匹配程度;為概率密度函數(shù)與的次最優(yōu)傳輸距離;表示接收點(diǎn)個(gè)數(shù);表示接收點(diǎn)索引;?為縱波速度的波場數(shù)據(jù),橫波速度的波場數(shù)據(jù),密度分布的波場數(shù)據(jù);為縱波速度的逆時(shí)波場分布、為橫波速度的逆時(shí)波場分布,為密度分布的逆時(shí)波場分布;所述式(1):;
7、步驟3.波場求?。夯诘卣鹱硬ê统跏妓俣饶P?,使用彈性波方程式(2)進(jìn)行正演模擬,其中是位移,是應(yīng)力張量,是震源項(xiàng),為介質(zhì)密度,為時(shí)間,表示微分算子,表示應(yīng)力張量的散度;正時(shí)波場延拓是從震源出發(fā),計(jì)算不同參數(shù)下的正演波場,得到包含縱波速度、橫波速度和密度分布的、、波場數(shù)據(jù);利用實(shí)際地震記錄和模擬地震記錄之差作為震源,使用彈性波方程式(2)進(jìn)行逆時(shí)波場延拓,得到分別關(guān)于參數(shù)的逆時(shí)波場分布、和,所述公式(2)為:;
8、步驟4.梯度計(jì)算:對最優(yōu)傳輸函數(shù)目標(biāo)泛函公式(1)求導(dǎo),得到梯度計(jì)算公式如公式(3)所示,帶入步驟(3)中獲取的正時(shí)波場和逆時(shí)波場,計(jì)算模型梯度,其中參數(shù)為模型參數(shù),包含的值;其所述式(3)為:
9、?;
10、步驟5.更新模型參數(shù):根據(jù)梯度優(yōu)化算法利用梯度更新模型參數(shù),所述的優(yōu)化算法為adam梯度優(yōu)化算法,通過式(4)進(jìn)行梯度優(yōu)化,從而進(jìn)行模型更新,其中,k為迭代次數(shù),為初始學(xué)習(xí)率,和分別為一階和二階動(dòng)量的誤差修正項(xiàng),是動(dòng)量校正后的梯度;步驟(4)中的梯度公式求取的梯度為,然后通過式(5)計(jì)算每個(gè)的一階矩估計(jì);在式中,是一個(gè)小于1的衰減因子,是當(dāng)前迭代次數(shù);使用式(6)通過偏差校正獲得無偏估計(jì);是adam優(yōu)化算法中對二階矩估計(jì)進(jìn)行偏差校正后的值,表示當(dāng)前梯度的方差估計(jì);通過對步驟(4)中梯度,使用式(7)計(jì)算其二階矩的一階位移平均,是二階矩的衰減因子,是當(dāng)前迭代次數(shù);由于在初始時(shí)存在一定的偏差,使用式(8)進(jìn)行校正得到;為平滑項(xiàng),取值為0.000001,以防止分母為0;所述式(4)~(8)分別為:;;;;;
11、迭代計(jì)算,重復(fù)進(jìn)行(3)~(5),得到彈性波全波形反演最優(yōu)傳輸函數(shù)方法的反演結(jié)果。
12、本發(fā)明與現(xiàn)有技術(shù)相比的有益效果:
13、最優(yōu)傳輸函數(shù)作為一種魯棒性強(qiáng)的距離度量方法,可以有效表征觀測數(shù)據(jù)與模擬數(shù)據(jù)之間的分布差異。該方法通過對縱橫波速度以及密度的分布進(jìn)行聯(lián)合優(yōu)化,以減小觀測數(shù)據(jù)與模擬數(shù)據(jù)之間的最優(yōu)距離,相比較傳統(tǒng)的l2范數(shù)方法,能夠更好地處理數(shù)據(jù)偏移和形狀差異,使得反演結(jié)果對初始模型的依賴性減弱,同時(shí)降低反演過程中的局部極小值陷阱,提高反演的穩(wěn)定性和精度。
1.一種基于最優(yōu)傳輸函數(shù)的彈性波全波形反演方法,其特征在于,所述方法的具體步驟:步驟1.地震記錄獲?。菏紫冉⒂^測系統(tǒng)并選取一定頻率的激發(fā)震源以及速度模型,通過激發(fā)震源,在檢波點(diǎn)處接收實(shí)際地震記錄與模擬地震記錄;步驟2.目標(biāo)函數(shù)的選?。阂霐?shù)學(xué)領(lǐng)域的最優(yōu)傳輸函數(shù)作為反演的目標(biāo)函數(shù),考慮數(shù)據(jù)分布的整體形狀和流形結(jié)構(gòu),基于實(shí)際地震記錄與模擬地震記錄建立目標(biāo)泛函公式;步驟3.波場求?。和ㄟ^正演模擬和逆時(shí)延拓獲得正時(shí)波場和逆時(shí)波場;步驟4.梯度求?。簩δ繕?biāo)泛函公式求導(dǎo),獲得梯度計(jì)算公式,帶入正時(shí)波場和逆時(shí)波場,求取梯度;步驟5.模型更新:利用adam梯度優(yōu)化算法對所求梯度優(yōu)化后帶入迭代反演中更新模型;重復(fù)上述步驟3-5,直至獲得滿足精度要求的反演結(jié)果。
2.一種基于最優(yōu)傳輸函數(shù)的彈性波全波形反演方法,其特征在于,所述方法具體包括以下步驟: