参数化地震子波模型定阶方法研究

【摘要】： 高分辨率地震子波提取技术是油气地震勘探领域高分辨率处理技术亟待解决的重要研究课题。针对目前子波提取技术所存在的子波求解精度不高和运算成本过高的缺陷,本文深入研究地震记录特性及假设条件和边界约束,详细分析地震子波的各种属性和特征,突破MA(Moving Average)模型假设的地震子波提取技术,提出一种阶数吝啬的ARMA(Autoregressive Moving Average)模型对地震子波进行参数化准确建模的方法。其中对子波ARMA模型定阶方法进行深入研究,首先采用基于自相关的奇异值分解法确定AR(Autoregressive)部分阶数,然后将信息量准则函数融入高阶累积量MA定阶法中,提出一种新的MA定阶方法,提高子波ARMA模型MA定阶准确率。在保证子波精度的前提下尽可能地降低模型阶数,提高运算效率,最终实现高效率高精度的子波模型定阶。 高阶累积量理论上可以完全抑制高斯噪声,保留信号的相位信息等特点,但是高阶累积量对特殊切片敏感,在确定ARMA模型AR阶数时需采用特殊切片构造矩阵,将AR定价转换为求解矩阵的有效秩,此时切片选择困难,AR定阶不稳定。而基于自相关函数的SVD法确定ARMA模型AR阶数成熟且易操作,仿真实验表明该方法运算速度快,可在适宜的噪声环境中使用。 高阶累积量在数据充足的情况下样本估计值较理想,但是实际资料数据总是有限的,导致应用高阶累积量确定ARMA模型MA阶数时稳定性差。为此本文提出一种新的MA模型定阶方法,将基于自相关函数的信息量准则函数引入到基于累积量的MA定阶方法中,修正由高阶累积量引起的定阶偏差。仿真实验表明,新方法可有效提高MA定阶的稳定性及准确性。 在模型定阶的基础上,分别采用SVD-TLS算法和累积量法估计ARMA模型AR参数及MA参数。由于在短时数据下高阶累积量对模型定阶及参数估计效果不理想、ARMA模型的反因果部分定阶不稳定等,导致地震子波ARMA模型参数估计存在一定的偏差,本文采用非线性优化算法对模型阶数所对应的参数进行优化,进一步提高模型参数估计值的准确性。