基于高維多屬性決策過(guò)程的復(fù)雜地表初至波識(shí)別與走時(shí)檢測(cè)方法

李康麗,馮 波,王華忠

(波現(xiàn)象與智能反演成像研究組(WPI),同濟(jì)大學(xué)海洋與地球科學(xué)學(xué)院,上海 200092)

陸上勘探地震中,初至波可以說(shuō)是炮集中信噪比最高的波現(xiàn)象。初至波的識(shí)別及走時(shí)檢測(cè)在表層及淺層的介質(zhì)速度估計(jì)與建模中起著核心作用,波動(dòng)理論初至波走時(shí)層析速度反演及建模成為當(dāng)今陸上地震波成像中關(guān)鍵步驟之一[1-2]。早期的初至走時(shí)大多由處理員依據(jù)經(jīng)驗(yàn)人工拾取,但這種可視化人工拾取過(guò)程十分繁瑣耗時(shí)、效率低下,并且過(guò)于依賴(lài)處理員的經(jīng)驗(yàn),具有很強(qiáng)的主觀性,不同的處理員拾取的結(jié)果往往存在偏差或者不一致[3]。隨著計(jì)算機(jī)技術(shù)和初至拾取算法的發(fā)展,初至波全(半)自動(dòng)化拾取方法逐漸普及[4-5],目前的商業(yè)軟件大都已具備自動(dòng)拾取的功能。對(duì)于復(fù)雜地表?xiàng)l件下的工區(qū),如沙漠、戈壁、山區(qū)、盆地等,復(fù)雜的近地表?xiàng)l件導(dǎo)致地震數(shù)據(jù)信噪比急劇降低,道間時(shí)差變化劇烈[6-8],此時(shí)常規(guī)的拾取方法難以滿足需求,同時(shí)隨著“兩寬一高”地震數(shù)據(jù)采集技術(shù)的逐漸普及[9],地震數(shù)據(jù)量劇增,隨著人工智能技術(shù)在地球物理勘探領(lǐng)域的應(yīng)用越來(lái)越廣泛,智能化初至拾取方法成為關(guān)注的重點(diǎn)。

傳統(tǒng)的走時(shí)拾取算法主要基于單道和多道信息?；趩蔚赖氖叭∷惴ㄖ饕揽磕芰勘萚3,10]、分形維數(shù)[11-12]、熵[3]、高階統(tǒng)計(jì)量[13-15]等,這類(lèi)方法可以用于高信噪比數(shù)據(jù)中快速、穩(wěn)定地拾取走時(shí)?；诙嗟赖氖叭∷惴ㄖ饕谢ハ嚓P(guān)方法[16-19]或模板匹配方法[20-21],由于利用了多道之間的相關(guān)性信息,該類(lèi)方法可以在一定程度上識(shí)別低信噪比地震記錄的初至,但不能適應(yīng)波形變化或存在壞道的情況?！?br>