稳健主成分分析在地震资料异常值噪声压制中的应用

doi:10.19657/j.geoscience.1000-8527.2022.06.077

现代地质 ›› 2023, Vol. 37 ›› Issue (01): 114-120.DOI: 10.19657/j.geoscience.1000-8527.2022.06.077

稳健主成分分析在地震资料异常值噪声压制中的应用

符永海¹(), 李帆¹, 高建军¹(), 贾昊¹, 苑益军¹, 陈海峰², 李超琳²

1.中国地质大学(北京) 地球物理与信息技术学院,北京 100083
2.中国石油集团东方地球物理公司物探技术研究中心,河北涿州 072751

收稿日期:2022-06-30 修回日期:2022-10-06 出版日期:2023-02-10 发布日期:2023-03-20
通讯作者: 高建军,男,博士,副教授,硕士生导师,1983年出生,地质资源与地质工程专业,主要从事勘探地震数据处理新方法及应用研究工作。Email: gaojianjun@cugb.edu.cn。
作者简介:符永海,男,硕士研究生,1999年出生,地球探测与信息技术专业,主要从事地震数据重建和去噪研究工作。Email:1186369161@qq.com。
基金资助:
国家自然科学基金项目(41874165);中央高校基本科研业务费专项资金项目(2-9-2019-035);中国石油天然气集团有限公司科学研究与技术开发项目“海洋节点(OBN)地震数据处理软件开发”(2021ZG02)

Application of Robust Principal Component Analysis in Seismic Data Erratic Noise Suppression

FU Yonghai¹(), LI Fan¹, GAO Jianjun¹(), JIA Hao¹, YUAN Yijun¹, CHEN Haifeng², LI Chaolin²

1. School of Geophysics and Information Technology, China University of Geosciences, Beijing 100083,China
2. Bureau of Geophysical Prospecting INC., China National Petroleum Corporation, Zhuozhou, Hebei 072751,China

Received:2022-06-30 Revised:2022-10-06 Online:2023-02-10 Published:2023-03-20

摘要/Abstract

摘要：

提高地震数据的信噪比是地震资料处理的重要目标之一。传统的地震去噪方法虽然可以有效压制随机噪声,但对非高斯分布的异常值噪声压制效果欠佳。本研究展示了一种基于稳健主成分分析的地震数据异常值噪声压制方法。该方法在频率-空间域通过对地震数据实施稳健低秩近似来求取理想无噪声数据。在目标函数构建方面,采用核范数最小化模型求取理想的低秩近似数据,并使用l₁范数最小化模型来估计异常值噪声。此外,运用增广拉格朗日乘子法求解该反演问题。最后,模型数据和实际资料的去噪结果验证了本研究方法的有效性,与传统F-XY域预测滤波法去噪结果进行对比,也显示本研究方法在有效压制异常值噪声的同时能更好地保护有效波能量。

关键词: 稳健主成分分析, 异常值噪声, 矩阵降秩

Abstract:

Improving the signal-to-noise ratio of seismic data is an important goals of seismic data processing. Although conventional seismic data de-noising methods can effectively suppress random noise, they are less effective in suppressing outlier or erratic noise with non-Gaussian distribution. In this paper, we present a robust principal component analysis (RPCA) method to suppress erratic noise in seismic data. This method yields ideal noise-free data by implementing robust low-rank approximation to seismic data in the frequency-space domain. For the constructing objective function, the nuclear norm minimization model is used to obtain ideal low-rank approximation data, and the l₁ norm minimization model is adopted to estimate the outlier noise. Furthermore, the inversion problem is solved with the augmented Lagrange multiplier method. De-noising results of the synthetic data and real data verify the effectiveness of this method. Meanwhile comparison with de-noising results of the conventional F-XY domain prediction filtering method also demonstrates that the proposed method can both effectively suppress erratic noise and protect the effective wave energy properly.

Key words: robust principal component analysis, erratic noise, matrix rank reduction

中图分类号:

P631

符永海, 李帆, 高建军, 贾昊, 苑益军, 陈海峰, 李超琳. 稳健主成分分析在地震资料异常值噪声压制中的应用[J]. 现代地质, 2023, 37(01): 114-120.

FU Yonghai, LI Fan, GAO Jianjun, JIA Hao, YUAN Yijun, CHEN Haifeng, LI Chaolin. Application of Robust Principal Component Analysis in Seismic Data Erratic Noise Suppression[J]. Geoscience, 2023, 37(01): 114-120.

图/表 6

图1 稳健主成分分析算法

Fig.1 Algorithm of RPCA

图2 线性同相轴数据去噪结果对比 (a)无噪数据;(b)含噪数据;(c)F-XY预测滤波法去噪结果;(d)F-XY预测滤波法去噪结果与图(a)的差剖面;(e)RPCA方法去噪结果;(f)RPCA方法去噪结果与图(a)的差剖面

Fig.2 Comparison of de-noising results with linear event model

图3 弯曲同相轴数据去噪结果对比 (a)无噪数据;(b)含噪数据;(c)F-XY预测滤波法去噪结果;(d)F-XY预测滤波法去噪结果与图(a)的差剖面;(e)本文方法去噪结果;(f)本文方法去噪结果与图(a)的差剖面

Fig.3 Comparison of de-noising results with curve event model

图4 实际数据去噪结果 (a)原始地震数据;(b)RPCA方法去噪结果;(c)RPCA方法去噪差剖面

Fig.4 De-noising result of real data via RPCA method

图5 实际数据去噪结果放大对比 (a)原始地震数据;(b)本文方法去噪结果;(c)F-XY预测滤波法去噪结果;(d) 本文方法去噪差剖面;(e) F-XY预测滤波法去噪差剖面

Fig.5 Zoomed comparison of real data de-noising result

图6 图5中实际数据去噪结果的平均功率谱对数值曲线比较

Fig.6 Comparison of logarithmic average power spectrum in Fig.5

参考文献 13

[1]	ANVARI R, SIAHSAR M A N, GHOLTASHI S, et al. Seismic random noise attenuation using synchrosqueezed wavelet transform and low-rank signal matrix approximation[J]. IEEE Transactions on Geoscience and Remote Sensing, 2017, 55(11): 6574-6581. DOI URL
[2]	ULRYCH T, FREIRE S, SISTON P. Eigenimage processing of seismic sections[M] //Society of Exploration Geophysicists. The 58th Annual International Meeting, SEG Expanded Abstracts. California: Society of Exploration Geophysicists, 1988: 1261-1265.
[3]	JONES I, LEVY S. Signal-to-noise ratio enhancement in multichannel seismic data via the Karhunen-Loève transform[J]. Geophysical Prospecting, 1987, 35(1): 12-32. DOI URL
[4]	TRICKETT S R. F-XY eigenimage noise suppression[J]. Geophysics, 2003, 68(2): 751-759. DOI URL
[5]	徐常练. 叠前中值滤波[J]. 石油地球物理勘探, 1992, 27(3): 387-396.
[6]	潘军, 刘鸿, 栾锡武, 等. 异常振幅衰减技术在多道地震数据处理中的应用[J]. 地球物理学进展, 2016, 31(4): 1639-1645.
[7]	TRICKETT S R. F-XY Cadzow noise suppression[M] //Society of Exploration Geophysicists. The 78th Annual International Meeting, SEG Expanded Abstracts. Nevada: Society of Exploration Geophysicists, 2008: 2586-2590.
[8]	CHEN K, SACCHI M D. Robust reduced-rank filtering for erratic seismic noise attenuation[J]: Geophysics, 2015, 80(1): V1-V11. DOI URL
[9]	CHENG J, SACCHI M D. A dual domain algorithm for minimum nuclear norm deblending[M] //Society of Exploration Geophysicists. The 84th Annual International Meeting, SEG Expanded Abstracts. Colorado: Society of Exploration Geophysicists, 2014: 99-104.
[10]	李帆, 王胜侯, 高建军, 等. 基于加权多道奇异谱分析的地震异常值噪声压制[M] //中国地球物理学会. 2018年中国地球科学联合学术年会. 北京: 中国地球物理学会, 2018: 31-33.
[11]	TRICKETT S, BURROUGHS L, MILTON A. Robust rank reduction filtering for erratic noise[M] //Society of Exploration Geophysicists. The 82nd Annual International Meeting, SEG Expanded Abstracts. Nevada: Society of Exploration Geophysicists, 2012: 1-5.
[12]	CANDES E, LI X, MA Y, et al. Robust principal component analysis?[J]. Journal of the ACM, 2011, 58(3): 28-30.
[13]	LIN Z, CHEN M, MA Y. The augmented Lagrange multiplier method for exact recovery of corrupted low-rank matrices[J/OL]. Eprint Arxiv, 2010. DOI:10.1016/j.jsb.2012.10.010. DOI

[1]	闫迪, 付建飞, 贾三石, 程浩, 王志猛. 鞍山—本溪地区眼前山铁矿床深(边)部错断隐伏矿体磁法和瞬变电磁法联合定位及预测[J]. 现代地质, 2024, 38(01): 35-45.
[2]	张文艳, 朱裕振, 刘雪, 汝亮, 闫冰. 山东禹城李屯地区重磁异常特征与找矿预测[J]. 现代地质, 2024, 38(01): 68-76.
[3]	杨雪, 葛藤菲, 范正国, 黄旭钊, 何敬梓, 田嵩, 李靖, 杨海, 骆遥, 李冰. 四川太和钒钛磁铁矿区地球物理特征及其找矿意义[J]. 现代地质, 2024, 38(01): 77-86.
[4]	蒙嘉琪, 王志猛, 贾三石, 付建飞, 张岩松. 基于地球物理技术圈定沉积变质型富铁矿体: 辽宁鞍山齐大山铁矿例析[J]. 现代地质, 2024, 38(01): 87-97.
[5]	张健, 文美兰, 叶武, 蒋小明, 谭江东, 杨航, 罗海怡, 刘攀峰, 蒋羽雄. 广西融水374矿床外围地电提取测量法找矿预测[J]. 现代地质, 2024, 38(01): 214-223.
[6]	王启博, 张寿庭, 唐利, 李军军, 盛渊明. 豫西杨山萤石矿床成因:萤石稀土元素组成和流体包裹体热力学制约[J]. 现代地质, 2023, 37(06): 1524-1537.
[7]	邹长春, 王成善, 彭诚, 伍操为, 高远. 中国大陆科学深钻发展的若干思考与建议[J]. 现代地质, 2023, 37(01): 1-14.
[8]	李鹏宇, 张启升, 周珂宇, 林祖灿, 蒋兴远. 投弃式海流电场剖面仪中模拟电路的研制[J]. 现代地质, 2023, 37(01): 107-113.
[9]	首皓, 孙鲁平, 丁玲. 基于预测滤波的层间多次波衰减方法[J]. 现代地质, 2023, 37(01): 121-126.
[10]	王圣宜, 邹长春, 彭诚, 王红才, 陆敬安, 康冬菊, 伍操为, 蓝茜茜, 谢莹峰. 海域孔隙型储层天然气水合物赋存模式定量化表征:声波和电阻率测井的约束[J]. 现代地质, 2023, 37(01): 127-137.
[11]	李波, 金胜, 叶高峰, 魏文博. 中亚造山带东段岩石圈电性结构特征及其构造涵义[J]. 现代地质, 2023, 37(01): 15-30.
[12]	刘彩云, 李梦迪, 熊杰, 王蓉. 重力异常AlexNet深度神经网络反演[J]. 现代地质, 2023, 37(01): 164-172.
[13]	薛瑞洁, 熊杰, 张月, 王蓉. 基于卷积神经网络的磁异常反演[J]. 现代地质, 2023, 37(01): 173-183.
[14]	祁诗阳, 沈宸, 刘小标, 张梦娇, 马新明. 基于小波变换的郑州降雨量与太阳黑子活动关系分析[J]. 现代地质, 2023, 37(01): 184-196.
[15]	尚彦军, 金维浚, 伊学涛, 姜东廷, HASAN Muhammad. 高密度电法电性结构揭示天山天池堆积坝体厚度及其阻渗稳水功能分析[J]. 现代地质, 2023, 37(01): 31-39.

稳健主成分分析在地震资料异常值噪声压制中的应用

Application of Robust Principal Component Analysis in Seismic Data Erratic Noise Suppression

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 6

参考文献 13

相关文章 15

编辑推荐

Metrics

本文评价