基于K-SVD字典學習的稀疏約束編碼多震源方向:全波形反演

作者：國運東,黃建平,崔超,李振春,李慶洋,魏巍

摘要：全波形反演(FWI)是一種較為重要的速度建模方法,但計算量巨大是阻礙其實用化。業已證明通過多震源策略減少模擬單炮次數,可以大大提高全波形反演計算效率,但引入了交叉串擾噪音。為解決上述問題,本文提出一種基于K-SVD字典學習的稀疏約束編碼多震源全波形反演方法。首先,增加不同單炮的差異性引入極性編碼策略減少串擾噪音;其次基于FWI不同迭代次數反演結果特征引入K-SVD字典學習方法計算變換基函數,推導了基于稀疏約束的目標泛函;進一步我們引入基于維納濾波的時間域多尺度反演方法,提高反演方法的穩定性。最后,通過洼陷模型和Marmousi模型測試驗證表明:1)本文的基于K-SVD字典學習的多震源編碼反演方法,在減少全波形反演計算量的同時,能有效克服反演串擾噪音,提高反演精度;2)新方法能靈活的與時間域多尺度反演方法結合,降低反演過程陷入局部極小值,增強反演穩定性,對復雜模型也具有較好的適應性。

發文機構：中國石油大學（華東）地球科學與技術學院 中國石化中原油田分公司物探研究院 海洋國家實驗室海洋礦產資源評價與探測技術功能實驗室 中國石油化工股份有限公司石油勘探開發研究院

關鍵詞：K-SVD字典稀疏約束極性編碼多震源全波形反演K-SVD dictionarysparsity constraintpolarity encodingmulti-sourcefull waveform inversion

分類號： TP3[自動化與計算機技術—計算機科學與技術]