石油物探  2018, Vol. 57 Issue (6): 795-802  DOI: 10.3969/j.issn.1000-1441.2018.06.001
0
文章快速检索     高级检索

引用本文 

杨勤勇, 段心标. 最小二乘偏移研究现状及发展趋势[J]. 石油物探, 2018, 57(6): 795-802. DOI: 10.3969/j.issn.1000-1441.2018.06.001.
YANG Qinyong, DUAN Xinbiao. Research status and development trend of least square migration[J]. Geophysical Prospecting for Petroleum, 2018, 57(6): 795-802. DOI: 10.3969/j.issn.1000-1441.2018.06.001.

基金项目

国家科技重大专项(2016ZX05014-001-002)和国家重点研发计划(2017YFC0602804-02)共同资助

作者简介

杨勤勇(1964—), 男, 博士, 教授级高级工程师, 长期从事物探技术研究和物探科技管理工作。Email:yqy.swty@sinopec.com

文章历史

收稿日期:2018-05-28
改回日期:2018-08-08
最小二乘偏移研究现状及发展趋势
杨勤勇 , 段心标     
中国石油化工股份有限公司石油物探技术研究院, 江苏南京 211103
摘要:地震勘探的核心目标是尽可能定量地、精确地描述油气藏, 地震波成像由定位反射(散射)点位置发展到当前的估计(角度)反射系数是地震勘探的核心需求。一般地, 逆时偏移是复杂介质成像最精确的方法, 最小二乘偏移成像是估计(角度)反射系数的理想选择。最小二乘偏移成像基于线性反演理论框架, 理论上能够消除采集照明不佳的影响、均衡成像振幅以及提高成像分辨率。然而, 该理论优势并没有被转化成预期的实用效果, 最小二乘偏移技术的生产应用仍然处于试验探索阶段, 不能大规模推广应用。在对国内外最小二乘偏移成像技术进行全面调研的基础上, 介绍了该技术的方法原理, 指明了该技术的理论优势, 分析了数据域迭代反演算法和成像域非迭代反演算法两种最小二乘偏移成像技术的特点, 认为最小二乘偏移成像技术至今尚未规模化应用于生产的原因在于:①背景速度的精度不能满足线性反演成像问题的假设条件; ②Born近似正演算子不能很好地模拟实际观测数据中的一次反(散)射波; ③噪声不满足高斯假设条件; ④子波未知增加了模拟数据的误差; ⑤计算量大等。最后指出, 合理的数据匹配技巧、合适的正则化技术及近似计算Hessian逆矩阵是未来最小二乘偏移技术应用研究的方向, 长期看应该将最小二乘偏移成像融入到全波形反演(FWI)中。
关键词线性化反演    最小二乘偏移    反演成像    研究现状    应用瓶颈    
Research status and development trend of least square migration
YANG Qinyong, DUAN Xinbiao     
Sinopec Geophysical Research Institute, Nanjing 211103, China
Foundation item: This research is financially supported by the National Science and Technology Major Project of China (Grant No.2016ZX05014-001-002) and the National Key Research and Development Plan (Grant No.2017YFC0602804-02)
Abstract: Quantitative and accurate description of oil and gas reservoirs is the goal of seismic exploration.In view of that, seismic imaging has advanced from locating reflection/scattering point to estimating angle reflection coefficients.In general, reverse time migration (RTM) is the most accurate method for imaging complex structure, and least squares migration (LSM) is the best choice for estimating angle reflection coefficients.LSM is based on the linearized inversion theoretical framework.In theory, LSM can remove the influence of poor illumination and balance amplitude, and can improve image resolution.However, these theoretical advantages have not been realized in practical applications and the application of LSM is still in experimental exploration.This paper briefly introduces the theory and advantages, then compares the application effects of data-domain iterative inversion and the image-domain non-iterative inversion algorithm.Some of the observed major challenges of LSM in practical application were as follows: the background velocity cannot meet the requirement of linearized inversion, Born modeling operator cannot simulate primary reflected/scattered wave in observed data well, noise does not satisfy the Gaussian distribution assumption, the wavelet is unknown, and the cost of computation is high.In short term, the application of LSM depends on reasonable data matching techniques, an appropriate regularization technique, and the approximation of the inverse Hessian matrix.Meanwhile, integrating LSM into full waveform inversion (FWI) is essential in the long term.
Keywords: linearized inversion    least square migration    inversion imaging    research status    practical bottlenecks    

地震偏移成像历经叠后时间偏移、叠后深度偏移、叠前时间偏移、叠前深度偏移几个发展阶段, 对逐渐复杂的地下构造成像发挥着越来越重要的作用。特别是基于双程波方程的逆时偏移[1-6], 能够描述地下反射界面的空间位置和几何结构, 为精细地质构造解释和井位落实提供了可靠的资料。但随着地震勘探的不断深入, 地层岩性油气藏占比越来越大, 以构造落实为主要目标的偏移成像技术已不能很好地满足勘探需求, 能够估计储层弹性参数并借助于岩石物理进行(半)定量储层描述的地震反演成像技术受到越来越多学者的关注。20世纪80年代, TARANTOLA[7]基于Bayes估计理论, 建立了一套时间域地震波场反演理论框架, 由观测地震数据直接反演地下介质弹性参数, 将波动方程作为观测数据的预测器, 求得使预测数据与观测数据的总误差最小的参数模型, 并作为地下介质参数的估计值。FWI是典型的非线性反演问题, 由于非线性问题求解极端困难, 因此普遍将FWI分解成线性化的层析成像加线性化的最小二乘偏移成像, 前者的主要目标是建立尽可能准确的背景速度模型, 后者的主要目标是估计(角度)反射系数。基于最小二乘反演成像的理论优点, 许多学者开展了最小二乘偏移成像方法研究[8-21]。LEBRAS等[8]、LAMBARE等[9]提出了线性迭代反演方法和最小二乘偏移思想; COLE等[10]、NEMETH等[11]实现了最小二乘kirchhoff偏移地震成像方法; TANG[12]提出了一种加速最小二乘偏移效率的编码方法; DAI等[13]提出了一种基于融合解码算子的混叠数据最小二乘偏移方法。目前, 基于线性反演理论框架的最小二乘偏移研究主要集中在三个方面:①近似求取Hessian逆矩阵, 譬如基于水平层状介质假设, 用射线理论计算格林函数, 构建对角Hessian矩阵并作为反褶积算子对偏移结果进行处理[22-23]; 由初始偏移结果和再偏移结果估计非稳相滤波器来近似Hessian矩阵的逆, 将滤波器作用于初始偏移结果提高成像结果的质量[24]。②正则化(或预条件)算子的构建[25-26], 采用合适的正则化(或预条件)算子保证反演过程稳定, 改善反演效果, 有效提高反演的收敛速度。③将最小二乘偏移分为数据域方法和成像域方法两种, 数据域反演通过多次迭代使得预测数据与观测数据之间的残差最小[27-30], 这类方法不需要显式计算Hessian矩阵, 只需要构建一对互为共轭的正演算子和偏移算子; 成像域反演是近似求解线性反演问题的法方程[31-32], 这类方法需要显式计算(部分)Hessian矩阵, 能够进行面向目标的最小二乘偏移。

从求解线性问题法方程的角度看, 最小二乘偏移相当于对常规偏移结果作用一个Hessian逆矩阵算子, 可以降低或者去除由于照明不均或者存在采集脚印所导致的偏移假象, 校正偏移结果中存在的振幅误差, 以及提高地震成像的分辨率。虽然最小二乘偏移理论优势明显, 但在实际应用中明显存在一些问题从而影响了最小二乘偏移成像的效果[33-36]。如经典最小二乘偏移采用了迭代反演算法, 通过匹配观测数据与预测数据的误差收敛到一个稳定的成像结果估计值很困难。最小二乘偏移迭代算法计算量巨大, 要想获得较为理想的成像结果需要花费目前生产难以承受的计算代价。为了解决上述问题, 近年来发展了许多优化算法, 如正则化、预条件等, 成像域非迭代最小二乘偏移也受到更多的重视并取得了一定的应用效果。

本文首先介绍最小二乘偏移的方法原理和理论优势, 总结了当前国内外最小二乘偏移的研究现状, 然后讨论了目前最小二乘偏移应用中仍然存在的瓶颈问题和一些应对方案, 最后对最小二乘偏移的发展趋势和研究方向进行了展望。

1 最小二乘偏移原理及优势

依据Bayes决策理论, 地球物理反演问题都可以描述为寻找使观测数据与预测数据之间的误差达到最小的那一组模型参数, 在数学上可以归结为一个最优化问题。在线性反演框架下, 最小二乘偏移是要找到一个最优的偏移成像结果m, 使得观测数据与预测数据的2范数误差最小。目标函数定义为:

$ E\left( \mathit{\boldsymbol{m}} \right) = \frac{1}{2}{\left\| {{\mathit{\boldsymbol{d}}_{{\rm{obs}}}} - {\mathit{\boldsymbol{d}}_{{\rm{cal}}}}} \right\|^2} = \frac{1}{2}{\left\| {{\mathit{\boldsymbol{d}}_{{\rm{obs}}}} - \mathit{\boldsymbol{Lm}}} \right\|^2} $ (1)

式中, dobs是实际观测数据, dcal为由成像值m和正演算子L计算的预测数据。

要使目标函数达到最小值, 必须令其梯度为零, 则有如下法方程:

$ {\mathit{\boldsymbol{L}}^{\rm{T}}}\mathit{\boldsymbol{Lm}} = {\mathit{\boldsymbol{L}}^{\rm{T}}}{\mathit{\boldsymbol{d}}_{{\rm{obs}}}} $ (2)

进而有成像结果的估计值:

$ \mathit{\boldsymbol{\hat m}} = {({\mathit{\boldsymbol{L}}^{\rm{T}}}\mathit{\boldsymbol{L}})^{ - 1}}{\mathit{\boldsymbol{L}}^{\rm{T}}}{\mathit{\boldsymbol{d}}_{{\rm{obs}}}} $ (3)

式中, LTL为Hessian矩阵, 可用H表示, LTdobs是对观测数据进行常规偏移成像, 结果用可m0表示, 则有

$ \mathit{\boldsymbol{\hat m}} = {\mathit{\boldsymbol{H}}^{ - 1}}{\mathit{\boldsymbol{m}}_0} $ (4)

(4) 式表明, 最小二乘偏移是Hessian矩阵的逆H-1作用于常规偏移成像。最小二乘偏移中, 波场算子L可以是Kirchhoff积分算子, 也可以是单程波算子或双程波算子, 分别对应于最小二乘Kirchhoff偏移、最小二乘单程波偏移和最小二乘逆时偏移。

Hessian矩阵可以表示为:

$ \begin{array}{l} H\left( {x, y} \right) = \sum\limits_\omega {\sum\limits_{{x_{\rm{s}}}} {{f^2}\left( \omega \right)G({x_{\rm{s}}}, x, \omega ){G^{\rm{H}}}({x_{\rm{s}}}, y, \omega ) \cdot } } \\ \;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\sum\limits_{{x_{\rm{r}}}} {G(x, {x_{\rm{r}}}, \omega ){G^{\rm{H}}}(y, {x_{\rm{r}}}, \omega )} \end{array} $ (5)

式中:f(ω)为地震子波; G(xs, x, ω), G(xs, y, ω)分别表示炮点到点xy的Green函数; G(xr, x, ω), G(y, xr, ω)分别表示点xy到检波点xr的Green函数。可见, Hessian矩阵是一个模糊化算子, 包含了子波效应、Green函数表述的波场传播效应和观测系统决定的照明因素等。可以认为, 常规偏移是模糊化算子作用于真实地下参数, 其结果是一个模糊化的像; 最小二乘偏移则是Hessian矩阵的逆作用于常规偏移成像结果, 通过去模糊化能够得到一个清晰的地震成像结果。所以, 最小二乘偏移相对于常规偏移成像而言, 能够提高成像分辨率、弥补不规则照明的影响、减少成像假象、改善成像聚焦, 消除波传播的影响因素、均衡成像振幅、提高成像保幅性。图 1对比了Sigsbee模型数据常规偏移与最小二乘偏移的效果[37], 可见最小二乘偏移分辨率更高, 盐丘下照明得到补偿, 盐丘边界成像也更加清晰, 反射系数的振幅关系更好地体现了地下真实情况, 充分显示了最小二乘偏移的理论优势。

图 1 Sigsbee模型成像剖面对比 a 单程波偏移; b 最小二乘单程波偏移

实际最小二乘偏移计算中, 由于目标函数梯度为零仅仅是一种理想假设, 且Hessian矩阵非常庞大, 因而计算和存储都很困难, 求Hessian矩阵的逆更不具可行性, 不能通过直接求解法方程实现最小二乘偏移。最小二乘偏移通常基于炮集数据采用迭代法从初始解开始逐步逼近真实解, 实际应用中存在观测数据与预测数据的匹配问题, 而且要求地震数据的信噪比不能太低, 速度模型精度要高, 否则无法收敛到一个稳定的成像结果。

2 最小二乘偏移的研究现状

迭代法最小二乘偏移在实际应用中的数据匹配问题和计算效率低影响了最小二乘偏移的应用。基于此, 当前最小二乘偏移有两个重点研究方向:一是构造合适的正则化(或预条件)算子, 保证反演过程稳定, 改善反演效果, 有效提高反演的收敛速度; 二是对Hessian矩阵进行简化或近似计算, 以降低实现最小二乘偏移成像的成本。前者主要用于数据域的最小二乘偏移, 后者主要用于成像域的最小二乘偏移。

数据域迭代法是经典的最小二乘偏移实现方法, 包括最小二乘Kirchhoff偏移技术、最小二乘单程波偏移技术和最小二乘逆时偏移技术。SALOMONS等[38]介绍了一种最小二乘Kirchhoff偏移技术, 与常规最小二乘偏移不同, 其目标泛函中除了预测数据和观测数据的匹配, 还考虑了共成像点道集的相似性和成像剖面的横向连续性。利用该技术进行了加拿大和尼日利亚两个三维工区的实际资料处理。加拿大探区陆上采集数据稀疏、不规则, 地下照明不均匀, 常规偏移成像效果不佳, 小偏移距成像剖面存在严重的偏移画弧现象。采用最小二乘Kirchhoff偏移技术后大幅改善了常规偏移存在的画弧效应, 消除了浅层的采集脚印影响, 成像道集的质量得到了明显提高。尼日利亚探区成像结果也显示最小二乘Kirchhoff偏移提高了地震成像的分辨率和信噪比(图 2)。三维最小二乘单程波偏移相对基于双程波算子的最小二乘逆时偏移而言, 采用了更高效率的单程波算子, 图 3为最小二乘单程波偏移技术在墨西哥湾某三维宽方位实际数据处理的实例[37]。与常规单程波偏移相比, 最小二乘单程波偏移减少了采集脚印的影响, 提高了成像分辨率和深部的成像质量, 剖面的断层结构更加清晰。DAI等[39]展示了数据域迭代最小二乘逆时偏移技术在盐下成像中的应用效果, 指出该技术能够增强盐下成像能量, 改善同相轴的连续性(图 4), 然而从剖面上并没有看到成像分辨率的明显提升。

图 2 尼日利亚某探区成像结果对比 a Kirchhoff偏移; b 最小二乘Kirchhoff偏移
图 3 墨西哥湾某探区成像结果对比 a 单程波偏移; b 最小二乘单程波偏移
图 4 墨西哥湾某探区成像结果对比 a RTM; b 最小二乘RTM

由于迭代法最小二乘偏移计算量大、效率低, 近几年成像域非迭代最小二乘偏移方法受到越来越多的关注。其主要思路是利用初始偏移结果和基于此偏移结果的反偏移数据再做一次偏移, 利用两次偏移结果之间的关系(m=LTLm0=Hm0), 估计出一系列非稳相滤波器来近似Hessian矩阵的逆, 然后利用这些滤波器对偏移结果进行标定和滤波。FLETCHER等[40]比较了数据域最小二乘偏移与成像域最小二乘偏移, 认为采用点扩散函数的成像域最小二乘偏移也能够提高成像分辨率, 在噪声满足一定条件时, 两种方法的结果应该一致。WANG等[41]总结了数据域最小二乘偏移和成像域最小二乘偏移实现方法, 利用实际盐下成像数据对两种方法进行了对比分析, 认为数据域迭代法最小二乘偏移可以拓展成像频带, 但对于减少成像噪声效果不佳, 成像域最小二乘偏移则可以补偿因照明不佳导致的振幅损失, 减少偏移假象(图 5)。CASASANTA等[42]给出了成像域最小二乘偏移在加蓬地区的应用实例, 在偏移算子里考虑了衰减补偿(即LS Q-Kirchhoff偏移), 相对于一般Kirchhoff偏移而言, 显著提高了成像分辨率。然而对比频谱可以看出, 这种视分辨率的提升主要来源于Q补偿(图 6), 最小二乘偏移技术本身对分辨率的提升有限。

图 5 墨西哥湾某探区成像结果对比 a RTM; b 成像域最小二乘RTM
图 6 不同技术成像结果的频谱

综合分析以上实例中的应用效果, 可以认为迭代法最小二乘偏移理论效果佳, 但对资料品质要求高, 迭代计算量大, 基于非稳相滤波器的成像域最小二乘偏移技术能够补偿振幅、增强同相轴连续性, 明显改善深层反射层的成像质量。最小二乘偏移特别是最小二乘逆时偏移要达到较为理想的效果, 能够在生产中得到推广应用, 还需要持续开展实用化研究。张宇[43]指出, 目前最小二乘偏移在生产中的应用仍然处于试验探索阶段。

3 应用中的瓶颈问题和技术方案

最小二乘偏移的目标是估计正确的(角度)反射系数, 计算过程是去模糊化算子作用于常规偏移结果, 理论上能够得到一个振幅均衡、假象少、分辨率高的成像剖面。然而, 实际应用中最小二乘偏移较难有效收敛并得到较为理想的反演结果。最小二乘偏移反演成像效果不理想的原因包括:正演不能很好地模拟实际观测数据、预测误差不满足高斯分布、子波未知、背景速度不能满足线性反演假设要求和观测数据不完整(有限孔径、不规则)等。下面对影响最小二乘偏移应用效果的瓶颈问题进行具体分析, 并介绍一些针对性的技术方案。

最小二乘偏移采用的算子基于常密度声波方程, 且只能模拟一次波信息, 与观测数据差别较大。实际地下介质至少是粘弹性介质, 且具有各向异性特征, 真实地震记录中除了纵波, 还有横波、转换波等信息, 即便是纵波, 也包括一次反射波、多次波、直达波、折射波等。由于真实地层存在吸收衰减效应, 记录波场跟理论预测的波场也存在振幅、频率等差异。同时, 野外勘探条件复杂多样, 地震采集会记录到许多干扰波, 这些噪声通常无法由理论正演算子来模拟, 会影响数据匹配的质量。这些因正演算子无法精确描述地下真实波场物理传播过程或因野外采集因素而导致的难以避免的误差, 会影响最小二乘偏移的收敛和稳定性, 从而影响最终的成像效果。此外, 实际资料中子波比较复杂, 不同炮的子波也存在差异, 而最小二乘偏移流程中一般利用理论子波进行偏移和反偏移, 这也将导致合成数据与观测数据的振幅、相位、频带存在较大差异。针对以上问题, DONG等[44]采用了一种预处理方案, 对观测数据和预测数据分别进行预处理, 包括去噪、滤波、振幅处理等, 尽量缩小两种数据间的误差。ZHANG等[35]、DUTTA[45]、DUAN等[46]借鉴了全波形反演的思路, 将互相关误差泛函引入到了最小二乘偏移成像框架中, 更多地强调数据的相位信息, 降低了最小二乘偏移方法对震源子波和振幅因素的敏感性, 当然这也损害了最小二乘偏移在分辨率提升方面的优势。ZENG等[47]针对预测数据与观测数据的不一致问题, 引入了一个可信度参数, 通过归一化的互相关来评估两个数据的相似度, 将可信度参数加入到目标泛函中, 提高反演的稳定性。考虑到实际介质的复杂性, 最小二乘偏移的偏移算子由各向同性声波方程发展到各向异性弹性波方程, Q补偿也被纳入到算子中[42]。然而各向异性弹性波最小二乘偏移目前仅停留在理论研究方面, 距离实际应用还有很漫长的路要走。

实际资料地震成像中, 通过常规层析建模可以得到一个低波数的速度场, 这种速度场对于最小二乘偏移而言精度是不够的。尽管偏移与反偏移共轭, 速度模型误差仍然会使得基于偏移叠加剖面的反偏移预测数据与观测数据存在走时差异, 特别是在大偏移距位置, 时差会超过1/4周期。针对这个问题, 目前主要有两种应对方案, 一是利用HALE[48]提出的动态拉伸技术将两种数据走时校正一致, LUO等[49]、ZENG等[47]都在这方面进行了尝试和试验; 二是基于成像道集进行反偏移, 消除速度模型精度导致的预测数据走时误差, 如WANG等[50]在偏移中采用扩展成像条件生成时移成像道集, 再利用这种成像道集进行反偏移, 减少最小二乘偏移对于速度误差的敏感性, 加快收敛速度。

最小二乘偏移需要进行多次迭代, 计算量大, 实际三维资料生产试验的成本非常高, 限制了最小二乘偏移的实用化。其针对性的方案包括通过反演正则化提高收敛速度、采用非迭代最小二乘偏移算法, 以及提高计算机的计算速度, 比如采用GPU卡加快波场传播计算速度。

4 结论与展望

地震勘探本质上是求解反问题, 几十年的发展历程是反问题研究不断深化的过程。最小二乘偏移采用了最小二乘意义下的线性反演理论, 本质上是对常规偏移成像结果去模糊化, 能够提高成像分辨率、减少成像假象、均衡成像振幅、消除采集照明不均匀的影响。经典的数据域迭代最小二乘偏移技术受数据匹配不一致、子波未知、速度模型精度不够和计算量大等因素影响, 使得最小二乘偏移的理论优势无法充分体现。针对这些问题, 学者们研究了数据域正则化技术和成像域Hessian逆近似估计方法, 在一定程度上提高了最小二乘偏移的效果和效率。然而, 目前最小二乘偏移的应用瓶颈问题依然存在, 最小二乘偏移在生产中的应用仍然处于试验探索阶段。但油气储层精细描述的需求必然推动最小二乘偏移成像技术不断发展, 笔者认为, 未来最小二乘偏移发展方向如下。

短期内, 最小二乘偏移的主要发展方向是完善数据域迭代方法, 包括增强预测数据与观测数据的一致性、采用合适的正则化技术、利用更多的先验信息对反演进行约束等, 提高迭代反演的稳定性和收敛速度。另外一个发展方向是完善成像域非迭代最小二乘偏移技术, 本质是更好地计算点扩散函数。

长期看, 要获得理想的最小二乘偏移成像结果, 需要从根本上解决应用领域的瓶颈问题:①使用更准确的正演模拟算子, 考虑变密度、各向异性、吸收衰减甚至弹性波理论等, 本文将Q补偿与最小二乘偏移结合的实例就代表了一个研究方向。由于地下介质中地震波的物理传播过程非常复杂, 这方面的研究应该是一个漫长的过程。②将反演从线性转向非线性, 在反演中不断更新速度模型, 提高速度模型的精度, 将最小二乘成像融入到FWI过程中。③随着计算机技术的快速发展, 利用更好的计算资源解决最小二乘偏移计算量巨大的问题。④借鉴并应用其他学科的先进技术, 比如压缩感知、模式识别、图像处理、特征提取甚至人工智能技术, 它们与反演问题有着密切的联系, 能够推动勘探地球物理反演问题的求解。

总之, 日益精细的地震勘探需求是推动最小二乘偏移发展的源动力。随着研究的不断深化, 最小二乘偏移的应用效果将越来越明显。

参考文献
[1]
BAYSAL E, KOSLOFF D D, SHERWOOD J W C. Reverse time migration[J]. Geophysics, 1983, 48(11): 1514-1524. DOI:10.1190/1.1441434
[2]
MCMECHAN G A. Migration by extrapolation of time-dependent boundary values[J]. Geophysical Prospecting, 1983, 31(3): 413-420. DOI:10.1111/gpr.1983.31.issue-3
[3]
ZHANG Y, SUN J, GRAY S. Reverse-time migration:amplitude and implementation issues[J]. Expanded Abstracts of 77th Annual Internat SEG Mtg, 2007, 2145-2149.
[4]
孔祥宁, 张慧宇, 刘守伟, 等. 海量地震数据叠前逆时偏移的多GPU联合并行计算策略[J]. 石油物探, 2013, 52(3): 288-293.
KONG X N, ZHANG H Y, LIU S W, et al. Multi-GPUs parallel computational stratery of prestack reverse-time migration for mass seismic data[J]. Geophysical Prospecting for Petroleum, 2013, 52(3): 288-293. DOI:10.3969/j.issn.1000-1441.2013.03.010
[5]
刘定进, 杨勤勇, 方伍宝, 等. 叠前逆时深度偏移成像的实现与应用[J]. 石油物探, 2011, 50(6): 545-549.
LIU D J, YANG Q Y, FANG W B, et al. Realization and practices of prestack reverse-time depth migration[J]. Geophysical Prospecting for Petroleum, 2011, 50(6): 545-549. DOI:10.3969/j.issn.1000-1441.2011.06.002
[6]
杨勤勇, 段心标. 逆时偏移技术发展现状与趋势[J]. 石油物探, 2010, 49(1): 92-98.
YANG Q Y, DUAN X B. Development status and trend of reverse time migration[J]. Geophysical Prospecting for Petroleum, 2010, 49(1): 92-98. DOI:10.3969/j.issn.1000-1441.2010.01.017
[7]
TARANTOLA A. Inversion of seismic reflection data in the acoustic approximation[J]. Geophysics, 1984, 49(8): 1259-1266. DOI:10.1190/1.1441754
[8]
LEBRAS R, CLAYTON R W. An iterative inversion of back-scattered acoustic waves[J]. Geophysics, 1988, 53(4): 501-508. DOI:10.1190/1.1442481
[9]
LAMBARE G, VIRIEUX J, MADARIAGA R, et al. Iterative asymptotic inversion in the acoustic approximation[J]. Geophysics, 1992, 57(9): 1138-1154. DOI:10.1190/1.1443328
[10]
COLE S, KARRENBACH M.Least-squares Kirchhoff migration[R]. Stanford: Stanford Exploration Project Report, 1992 http://sepwww.stanford.edu/public/docs/sep75/steve1/paper_html/node3.html
[11]
NEMETH T, WU C J, SCHUSTER T. Least squares migration incomplete reflection data[J]. Geophysics, 1999, 64(1): 208-221. DOI:10.1190/1.1444517
[12]
TANG Y. Wave-equation Hessian by phase encoding[J]. Expanded Abstracts of 78th Annual Internat SEG Mtg, 2008, 2201-2205.
[13]
DAI W, WANG X, SCHUSTER G T. Least-squares migration of multisource data with a deblurring filter[J]. Geophysics, 2011, 76(5): R135-R146. DOI:10.1190/geo2010-0159.1
[14]
黄建平, 高国超, 李振春. 起伏地表最小二乘傅里叶有限差分偏移方法及应用[J]. 石油物探, 2016, 55(2): 231-240.
HUANG J P, GAO G C, LI Z C. The theory and application of least-squares Fourier finite-difference migration from topography[J]. Geophysical Prospecting for Petroleum, 2016, 55(2): 231-240. DOI:10.3969/j.issn.1000-1441.2016.02.009
[15]
王连坤, 方伍宝, 段心标, 等. 基于互相关误差泛函的最小二乘逆时偏移方法[J]. 物探与化探, 2016, 40(5): 980-985.
WANG L K, FANG W B, DUAN X B, et al. A cross-correlation objective function for least-squares reverse migration[J]. Geophysical and Geochemical Exploration, 2016, 40(5): 980-985.
[16]
屠宁. 基于压缩感知的快速最小二乘逆时偏移[J]. 石油物探, 2018, 57(1): 86-93.
TU N. Fast least-squares reverse-time migration via compressive sensing[J]. Geophysical Prospecting for Petroleum, 2018, 57(1): 86-93. DOI:10.3969/j.issn.1000-1441.2018.01.012
[17]
徐凯, 孙赞东. 基于粘声衰减补偿的最小二乘逆时偏移[J]. 石油物探, 2018, 57(3): 419-427.
XU K, SUN Z D. Least-squares reverse time migration based on visco-acoustic attenuation compensation[J]. Geophysical Prospecting for Petroleum, 2018, 57(3): 419-427. DOI:10.3969/j.issn.1000-1441.2018.03.011
[18]
李娜. 基于Huber范数的多震源最小二乘逆时偏移[J]. 石油地球物理勘探, 2017, 52(5): 941-947.
LI N. Multi-source least-squares reverse time migration based on Huber norm[J]. Oil Geophysical Prospecting, 2017, 52(5): 941-947.
[19]
李庆洋, 黄建平, 李振春, 等. 优化的多震源最小二乘逆时偏移[J]. 石油地球物理勘探, 2016, 51(2): 334-341.
LI Q Y, HUANG J P, LI Z C, et al. Optimized multi-source least-squares reverse time migration[J]. Oil Geophysical Prospecting, 2016, 51(2): 334-341.
[20]
李闯, 黄建平, 李振春, 等. 预条件最小二乘逆时偏移方法[J]. 石油地球物理勘探, 2016, 51(3): 513-520.
LI C, HUANG J P, LI Z C, et al. Preconditioned least-squares reverse time migration[J]. Oil Geophysical Prospecting, 2016, 51(3): 513-520.
[21]
李振春, 李闯, 黄建平, 等. 基于先验模型约束的最小二乘逆时偏移方法[J]. 石油地球物理勘探, 2016, 51(4): 738-744.
LI Z C, LI C, HUANG J P, et al. Regularized least-squares reverse time migration with prior model[J]. Oil Geophysical Prospecting, 2016, 51(4): 738-744.
[22]
HU J, SCHUSTER G T, VALASEK P. Poststack migration deconvolution[J]. Geophysics, 2001, 66(3): 939-952. DOI:10.1190/1.1444984
[23]
FLETCHER R P, ARCHER S, NICHOLS D, et al. Inversion after depth imaging[J]. Expanded Abstracts of 82nd Annual Internat SEG Mtg, 2012, 1-5.
[24]
GUITTON A. Amplitude and kinematic corrections of migrated images for nonunitary imaging operators[J]. Geophysics, 2004, 69(4): 1017-1024. DOI:10.1190/1.1778244
[25]
LIN Y Z, HUANG L J. Least-squares reverse-time migration with modified total-variation regularization[J]. Expanded Abstracts of 85th Annual Internat SEG Mtg, 2015, 4264-4269.
[26]
DUTTA G, GIBOLI M, WILLIAMSON P, et al. Least-squares reverse time migration with factorization-free priorconditioning[J]. Expanded Abstracts of 85th Annual Internat SEG Mtg, 2015, 4270-4275.
[27]
KUEHL H, SACCHI M D.Split-step WKBJ least-squares migration/inversion of incomplete data[R]. Tokyo: The 5th SEG International Symposium-Imaging Technology, 2001 https://link.springer.com/article/10.1007/s12583-015-0556-5
[28]
KUEHL H, SACCHI M D. Least-squares wave-equation migration for AVP/AVA inversion[J]. Geophysics, 2003, 68(1): 262-273. DOI:10.1190/1.1543212
[29]
WANG J, KUEHL H, SACCHI M D. Least-squares wave-equation AVP imaging of 3D common azimuth data[J]. Expanded Abstracts of 83rd Annual Internat SEG Mtg, 2003, 22: 1039-1042.
[30]
WANG Y.Comparison of multiple attenuation methods with least-squares migration filtering[R]. Salt Lake City: University of Utah Tomography and Modeling/Migration Development Project, 1998 https://www.scientific.net/AMM.733.152
[31]
TANG Y. Target-oriented wave-equation least-squares migration/inversion with phase-encoded Hessian[J]. Geophysics, 2009, 74(6): WCA95-WCA107. DOI:10.1190/1.3204768
[32]
REN H, WU R S, WANG H. Wave equation least square imaging using the local angular Hessian for amplitude correction[J]. Geophysical Prospecting, 2011, 59(4): 651-661. DOI:10.1111/gpr.2011.59.issue-4
[33]
DONG S, CAI J, GUO M. Least-squares reverse time migration:towards true amplitude imaging and improving the resolution[J]. Expanded Abstracts of 82nd Annual Internat SEG Mtg, 2012, 1-5.
[34]
YAO G, JAKUBOWICZ H. Least-squares reverse-time migration[J]. Expanded Abstracts of 83rd Annual Internat SEG Mtg, 2013, 3406-3410.
[35]
ZHANG Y, DUAN L, XIE Y. A stable and practical implementation of least-squares reverse time migration[J]. Expanded Abstracts of 83rd Annual Internat SEG Mtg, 2013, 3716-3720.
[36]
王华忠, 胡江涛, 郭颂. 最小二乘叠前深度偏移成像理论与方法[J]. 石油物探, 2017, 56(2): 159-170.
WANG H Z, HU J T, GUO S. Theory and method of least square prestack depth migration and imaging[J]. Geophysical Prospecting for Petroleum, 2017, 56(2): 159-170. DOI:10.3969/j.issn.1000-1441.2017.02.001
[37]
LU S P, LI X, VALENCIANO A A, et al. Broadband least-squares wave-equation migration[J]. Expanded Abstracts of 87th Annual Internat SEG Mtg, 2017, 4422-4426.
[38]
SALOMONS B, KIEHN M, SHEIMAN J, et al. High fidelity imaging with least squares migration[J]. Expanded Abstracts of 76th EAGE Annual International Meeting, 2014, TuE10215.
[39]
DAI W, DENG H, JIAO K, et al. Least-squares reverse-time migration:an example of subsalt imaging[J]. Expanded Abstracts of 87th Annual Internat SEG Mtg, 2017, 4426-4431.
[40]
FLETCHER R P, NICHOLS D, BLOOR R. Least-squares migration:data domain versus image domain[J]. Expanded Abstracts of 77th EAGE Annual International Meeting, 2015, WeN10606.
[41]
WANG P, GOMES A, ZHANG Z G, et al. Least-squares RTM:reality and possibilities for subsalt imaging[J]. Expanded Abstracts of 86th Annual Internat SEG Mtg, 2016, 4204-4209.
[42]
CASASANTA L, PERRONE F, ROBERTS G, et al. Applications of single-iteration Kirchhoff least-squares migration[J]. Expanded Abstracts of 87th Annual Internat SEG Mtg, 2017, 4432-4437.
[43]
张宇. 从成像到反演:叠前深度偏移的理论、实践与发展[J]. 石油物探, 2018, 57(1): 1-23.
ZHANG Y. From imaging to inversion:theory, practice, and technological evolution of prestack depth migration[J]. Geophysical Prospecting for Petroleum, 2018, 57(1): 1-23.
[44]
DONG S, ZENG C, MASOOMZADEH H. Deghosted least-squares RTM:image domain broadband solution for complex structures[J]. Expanded Abstracts of 76th EAGE Annual International Meeting, 2014, ThELI111.
[45]
DUTTA G. A cross-correlation objective function for least-squares migration and visco-acoustic imaging[J]. Expanded Abstracts of 84th Annual Internat SEG Mtg, 2014, 3985-3990.
[46]
DUAN L, ZHANG Y, PENG L Z. Band-limited impedance perturbation inversion using cross-correlative least-squares RTM[J]. Expanded Abstracts of 84th Annual Internat SEG Mtg, 2014, 3720-3725.
[47]
ZENG C, DONG S Q, WU Z H, et al. Adaptive least-squares RTM and application to freedom WAZ subsalt imaging[J]. Expanded Abstracts of 85th Annual Internat SEG Mtg, 2015, 4059-4064.
[48]
HALE D. Dynamic warping of seismic images[J]. Geophysics, 2013, 78(2): S105-S115. DOI:10.1190/geo2012-0327.1
[49]
LUO S, HALE D. Least-squares migration in the presence of velocity errors[J]. Expanded Abstracts of 84th Annual Internat SEG Mtg, 2014, 3980-3984.
[50]
WANG M, XU S. Least-squares reverse time migration with inaccurate velocity model[J]. Expanded Abstracts of 87th Annual Internat SEG Mtg, 2017, 4405-4410.