石油物探  2019, Vol. 58 Issue (5): 741-749  DOI: 10.3969/j.issn.1000-1441.2019.05.013
0
文章快速检索     高级检索

引用本文 

陈超群, 田媛媛, 高秦, 等. 基于随机函数数据重构的分频异常振幅衰减技术在巨厚黄土塬区的应用[J]. 石油物探, 2019, 58(5): 741-749. DOI: 10.3969/j.issn.1000-1441.2019.05.013.
CHEN Chaoqun, TIAN Yuanyuan, GAO Qin, et al. Frequency-division abnormal amplitude attenuation after data reconstruction based on random function and its application in the very thick loess tableland area, Ordos Basin[J]. Geophysical Prospecting for Petroleum, 2019, 58(5): 741-749. DOI: 10.3969/j.issn.1000-1441.2019.05.013.

基金项目

国家重大科技专项(2017ZX05069)及“长庆油田5000万吨持续高效稳产关键技术研究与应用”课题三(2016E-0503)共同资助

作者简介

陈超群(1982—), 男, 硕士, 工程师, 主要从事地震资料处理分析工作。Email:279817100@qq.com

文章历史

收稿日期:2018-11-08
改回日期:2019-03-31
基于随机函数数据重构的分频异常振幅衰减技术在巨厚黄土塬区的应用
陈超群1 , 田媛媛1 , 高秦1 , 王智茹1 , 惠智雄1 , 罗文山2     
1. 中国石油集团东方地球物理责任有限公司研究院长庆分院, 陕西西安 710021;
2. 中国石油集团东方地球物理责任有限公司研究院, 河北涿州 072751
摘要:鄂尔多斯盆地南部黄土塬区因巨厚黄土层覆盖的影响, 地震资料通常存在很强的小炮检距强能量噪声和浅层宽频强折射噪声。针对此类噪声目前常用的去噪方法有相干噪声压制法和分频异常振幅衰减法, 但实际应用中常存在信噪分离能力不足、边界效应、空间假频等问题。鉴于黄土塬区地下反射层平缓、同相轴倾角小、在同一时间层位上有效信号的能量级别差异有限的特点, 采用随机函数数据重构方法, 将小炮检距强能量噪声和浅层宽频强折射噪声转变成随机强能量噪声的形式, 再利用分频异常振幅衰减法进行有效压制。实际资料应用结果表明, 该方法具有去噪效果好、振幅保真度高的特点, 能更好地解决巨厚黄土塬区噪声压制问题, 显著改善地震资料的信噪比。
关键词黄土塬区    强能量    小炮检距    强折射    随机函数    数据重排    分频异常振幅衰减    
Frequency-division abnormal amplitude attenuation after data reconstruction based on random function and its application in the very thick loess tableland area, Ordos Basin
CHEN Chaoqun1, TIAN Yuanyuan1, GAO Qin1, WANG Zhiru1, HUI Zhixiong1, LUO Wenshan2     
1. Changqing Branch, GRI, BGP, Xi'an 710021, China;
2. Research Institute, GRI, BGP, Zhuozhou 072751, China
Foundation item: This research is financially supported by the National Science and Technology Major Project of China (Grant No.2017ZX05069) and Third Topic of "Research and Application of Key Technologies for Sustainable, High Efficiency and Stable Production of 50 Million Tons in Changqing Oil Field"(Grant No.2016E-0503)
Abstract: In the southern part of the Ordos Basin, the Loess Tableland features a particularly thick loess layer.Seismic data usually exhibit a strong small-offset strong energy noise, as well as a shallow broadband strong refraction noise.The coherent noise suppression and the frequency-division abnormal amplitude attenuation are commonly utilized noise suppression methods in these cases.However, in practical applications, these methods do not perform well in terms of signal-noise separation, and they exhibit boundary effects and spatial spurious frequencies.The Loess Tableland is characterized by flat layers, small reflection dip angles, and limited energy variations in the effective signal during a recording time interval.Therefore, a data reconstruction method based on random function is utilized to transform the small-offset strong energy noise and the shallow broadband strong refraction noise into a random strong energy noise, which can be suppressed using the frequency-division abnormal amplitude attenuation.The application to experimental data showed that the method can solve the problem of noise suppression and improve the signal-to-noise ratio of the seismic data in areas of the Loess Tableland with thick loess layers.
Keywords: loess tableland    strong energy    small offset    strong refraction    random function    data rearrangement    frequency-division abnormal amplitude attenuation    

鄂尔多斯盆地南部黄土塬区地表被巨厚第四纪的黄土覆盖, 常年经雨水冲刷, 地表沟壑纵横、峁梁交错, 地形极其复杂, 地表高程在900~1800m变化, 沟塬高差几十米甚至上百米, 潜水面及低降速带变化较大[1]。随着地震采集技术的发展, 2000年以来加大了黄土直测线、宽线、沟塬连接线和非纵测线的采集工作。由于受近地表巨厚黄土层及其它外源干扰的影响, 采集的黄土直测线资料小炮检距能量极强, 强面波、强折射波、多次反射-折射波、侧面波和次生干扰等噪声很发育, 严重降低了地震资料的信噪比。特别是小炮检距强能量噪声和浅层宽频强折射噪声, 是黄土塬区资料中最常见、最发育的噪声类型, 完全掩盖了有效信号, 对后续子波一致性处理和叠加剖面的整体成像影响较大, 加之巨厚黄土层对地震波的强烈吸收衰减作用, 使该区地震资料总体呈现低频、低信噪比的特点, 砂体识别困难, 岩性圈闭无法落实[2]

目前, 强能量噪声的压制方法比较成熟, 蔡希玲[3]利用分频自适应法压制声波和强能量干扰; 王世青等[4]利用地震异常振幅自适应衰减法压制由于磁带掉磁粉导致的异常振幅; 蒋立等[5]利用小波分频自适应检测法压制声波、猝发脉冲、野值、串状干扰强能量; 王在民等[6]利用时频域自动识别技术压制高频噪声; 王君等[7]利用地表一致性约束下异常振幅衰减技术对不满足地表一致性的异常振幅进行衰减; 牛华伟等[8]、潘军等[9]利用分频振幅衰减法压制海洋地震资料中的涌浪、地震船干扰等强能量噪声。这些方法基本都基于分频和振幅统计的思想, 在压制强能量异常道和随机异常噪声方面效果较好, 但在黄土塬区范围较大的小炮检距强能量噪声的压制中仍存在以下问题:①信噪分离能力不足; ②分离的噪声中存在有效信息; ③存在边界效应, 去噪后能量分布不均匀等。规则相干噪声最常用的去噪方法有F-K滤波、噪声减去法、τ-p变换法、均衡干扰能量法等[10-14]。这些方法主要通过噪声的主频和速度特征来模拟噪声的形态特征并对其进行压制, 这对于非线性的小炮检距强能量噪声是不适应的, 巨厚黄土塬区浅层强折射噪声虽然具有规则的线性形态, 但其具有的频宽和频散特点也导致了采用规则相干噪声压制方法去除一组线性噪声后, 另一组噪声又会显现出来, 而且残留的线性噪声严重影响了叠加成像效果。

针对上述情况, 我们分析了黄土塬区噪声特点, 结合黄土塬区地下反射层平缓, 在同一时间层位上有效信号的能量级别差异有限的特点, 采用随机函数数据重构的方法, 将小炮检距强能量噪声和浅层宽频强折射噪声转变成随机强能量噪声的形式, 再利用分频异常振幅衰减法进行有效压制。最后利用鄂尔多斯盆地西南部陇东地区典型巨厚黄土塬区的实际地震数据对本文方法进行了测试。

1 巨厚黄土塬区噪声特点

黄土层内部结构松散, 弹性差, 传播速度低, 地震激发过程中大部分震源能量被消耗在激发点附近的黄土层中, 在小炮检距三角区形成强能量, 并且发育面波、浅层宽频强折射波、多次反射-折射波、侧面波等噪声。采集过程中, 因受外界干扰源(如车辆行驶、大风、高压电线等)的影响, 大炮检距处存在随机噪声和固定频率噪声等, 采集的地震资料具有噪声类型多、受噪声干扰严重、有效信号被湮没、低频低信噪比的特点(图 1)。

图 1 黄土塬区典型的单炮记录

小炮检距强能量噪声是黄土塬区特有的噪声类型之一, 主要是由于震源能量在小炮检距黄土层内快速消耗而产生, 黄土层越厚, 小炮检距附近噪声能量越强。图 2展示了黄土塬区3个原始单炮记录, 可以看出, 小炮检距强能量噪声的分布约占整个单炮排列的1/5, 并且随黄土厚度的增加而逐渐增强, 影响范围越来越大。由图 3a可知, 小炮检距强能量噪声f-k谱较杂乱, 频谱宽, 无线性规律, 由图 3b图 3c可知, 黄土最薄处的一个单炮记录中小炮检距振幅与大炮检距振幅差异在100倍左右, 振幅差异较大。由于小炮检距强能量噪声影响的炮检距范围较大, 纯波叠加剖面上有效信息被湮没在强能量噪声之下, 能量分布极不均匀, 信噪比极低。

图 2 黄土塬区的3个原始单炮记录
图 3 黄土塬区原始单炮噪声f-k谱及频谱 a小炮检距强能量噪声f-k谱(图 2中红框处); b小炮检距强能量噪声频谱(图 2中红框处); c有效反射轴频谱(图 2中蓝框处)

对于强能量噪声, 常采用分频异常振幅衰减方法进行压制, 去噪效果取决于统计时窗和门槛值参数的选取, 而黄土塬区小炮检距强能量噪声分布范围大的特点常造成某些时窗内统计的能量级别很相近, 常用的炮域、检波点域、炮检域及十字排列域分选均难以压制噪声或压制效果较差, 并且去噪后常出现去噪边界或局部能量分布不均匀的现象(图 4)。

图 4 分频异常振幅衰减法压制小炮检距强能量噪声前(a)、后(b)的单炮记录

黄土塬区另一种特有噪声类型为浅层宽频强折射噪声, 主要是由地震波在厚黄土层与高速层直接接触的强阻抗界面传播时产生多次折射而产生, 由于发育的位置浅、震源能量强, 在单炮记录上表现为一组能量强、频谱宽、速度相近的线性特征(图 5a), 在纯波叠加剖面上具有局部能量异常、形状规则、棋盘状交叉切割浅层有效反射轴的特点, 导致叠加剖面反射轴呈蚯蚓状, 连续性较差, 信噪比较低(图 5b)。

图 5 黄土塬区浅层宽频强折射噪声压制前单炮记录(a)和纯波显示的叠加剖面(b)

浅层宽频强折射噪声常被当作规则线性噪声来处理, 根据其与有效信号在主频及速度方面的差异, 选取合适参数进行压制, 但由于其频谱较宽, 部分噪声主频与有效信号重叠, 常存在去噪不彻底的现象, 如果对多个主频进行多次线性去噪处理, 则对有效信号损伤太大, 空间假频现象严重(图 6)。

图 6 相干噪声压制方法压制浅层宽频强折射噪声前(a)、后(b)的单炮记录

通过以上分析可知, 处理巨厚黄土塬区地震资料时, 常用的去噪方法均受到多方面因素的限制, 需要根据巨厚黄土塬区地震资料噪声发育的特点探索一种合适的去噪方法。

2 基于随机函数数据重构的分频异常振幅衰减技术与实现过程 2.1 方法简介

随机函数数据重构方法首先利用产生正态分布的随机函数(公式(1))将地震数据道序打乱, 将小炮检距强能量噪声转变为随机异常能量噪声的形式, 然后将地震数据按照炮集域、检波点域或炮检域与随机道序的组合进行排序。如图 7所示, 图 7a为正常的单炮记录, 图 7b为重构后的单炮记录(横坐标为采用公式(1)生成的道序号), 由此可以看出, 地震数据重构后单炮记录上的异常振幅具有随机性, 为分频异常振幅压制提供了数据基础。

$ f(x)=\frac{1}{\sqrt{2 \pi \sigma}} \mathrm{e}^{-(x-\mu)^{2} /\left(2 \sigma^{2}\right)} $ (1)
图 7 地震数据重构前、后单炮记录 a正常道排序单炮记录; b随机函数重构后单炮记录

式中:x为产生的随机数序列; μσ为两个不确定常量, 是正态分布的参数, 不同的μσ对应不同的正态分布。

分频异常振幅衰减法基于“多道识别、单道去噪”的思想, 通过在不同的频带内检测地震采样点的振幅强度来自动识别地震记录中的强能量干扰, 确定噪声出现的空间位置。样点振幅强度估算方法中最常用的方法是平均绝对振幅估算法, 该方法精度高、计算速度快, 其算法公式为:

$ P_{i}(j)=\frac{1}{N} \sum\limits_{j=t}^{t+N}|a(j)| $ (2)

式中:Pi为第i个时窗内地震道的平均绝对振幅值; t为时窗的起始时间; N为时窗内采样点个数; j为以起始时间为t, 终止时间为t+N时窗段内的采样点号; a(j)为j点处的振幅。

图 8所示, 对不同频带范围内各道振幅值进行分析。首先求取每个原始地震道(未进行动校正)(图 8a)的振幅绝对值, 得到一个振幅绝对值地震道(图 8b), 将此地震道划分为多个时窗, 然后利用公式(2)分别求取每个时窗内的平均绝对振幅值, 得到一个由平均绝对振幅值表示的地震道(图 8c), 在此基础上, 计算出相邻N道在同一时窗长度内任一给定时刻数据样点的平均绝对振幅值。

图 8 平均绝对振幅估算基本原理 a原始地震道; b振幅绝对值; c求取时窗内平均绝对振幅; d振幅中值

分频异常振幅衰减是根据地震资料实际情况, 使分频带内的信号与噪声在能量分布上有所差异, 然后在每个频段范围内分别求取衰减因子[15]。衰减因子求取的数学模型为:

$ \begin{array}{l}{c(i)=} \\ {\left\{\begin{array}{cc}{\frac{1}{1+f\left(\operatorname{abs}\left[s\left(t_{i}\right)-m(i)\right]\right)}} & {\operatorname{abs}\left[s\left(t_{i}\right)-m(i)\right]>A} \\ {1} & {\operatorname{abs}\left[s\left(t_{i}\right)-m(i)\right] \leqslant A}\end{array}\right.}\end{array} $ (3)

式中:c(i)是噪声衰减因子; f(x)为一单调递增的函数; s(ti)为单个地震道在ti时刻的平均绝对振幅; m(i)是相邻多道在ti时刻的振幅中值(图 8d); A为设定的门槛值。从公式(3)可以看出, 当s(ti)与m(i)之差的绝对值小于A时, c(i)为1, 即不衰减; 当s(ti)与m(i)之差的绝对值大于A时, 表示有异常能量噪声, c(i)将不等于1(由公式(3)求得), 二者差值越大, 说明衰减越厉害。得到衰减因子后, 可以对实际地震资料进行异常能量衰减处理。

2.2 具体实现过程

为了准确识别地震记录中存在的强能量噪声, 确定噪声的空间位置, 输入数据应为静校正后未应用地表一致性振幅补偿的数据, 该方法技术流程如图 9所示, 具体实现过程如下。

图 9 基于随机函数数据重构的分频异常振幅衰减技术流程

1) 修改道头:输入叠前炮集数据, 利用产生正态分布的随机数列修改地震道头iuse1;

2) 地震数据重构:将地震数据按第一关键字炮号、接收点号、共炮检距或共中心点号, 第二关键字为修改后的地震随机道头iuse1进行分选, 道集旗标保持与第一关键字相同;

3) 求取绝对振幅值并平滑:计算每个地震道中每个样点的绝对振幅值, 并做平滑滤波处理;

4) 确定去噪门槛参数:计算一定时窗内各个地震道的平均绝对振幅和每个样点的参考振幅值, 设定去噪门槛参数;

5) 判定异常振幅:当某一地震道的某一采样点绝对振幅值大于参考振幅值时进行压制, 反之不做任何处理;

6) 求取压制系数:根据平均绝对振幅值乘以衰减系数除以本道平滑后的绝对值振幅来求取每道的压制系数, 并做平滑处理;

7) 多时窗滑动压制处理:对原始输入数据做加权处理, 每道乘以各自的压制系数道, 处理时将待处理数据分成多个窗口, 每次只处理一个窗口, 处理完当前窗口后自动滑动到下一窗口继续处理, 直到本道集数据全部完成;

8) 地震数据反重构:重置地震道头, 将数据还原成正常排列的单炮地震记录, 第一关键字为炮号, 第二关键字为道号。

3 应用效果

鄂尔多斯盆地西南部陇东地区是典型的巨厚黄土塬区, 黄土厚度为50~300m, 原始单炮记录噪声发育, 叠加剖面整体信噪比较低, 有效储层预测难度大。图 10a为该区典型单炮记录, 炮点黄土层厚约289m, 小炮检距异常强能量噪声发育, 能量分布不均匀, 有效反射同相轴无法识别。图 10b为炮域基于随机函数重构后数据, 可见, 重构后小炮检距异常强能量噪声随机分布。在此数据上进行分频异常振幅压制, 结果如图 10c所示。图 10d为随机道序重排后利用分频异常振幅衰减法在炮域-随机域对小炮检距异常强能量噪声压制后的单炮记录。由图 10中可以看出, 小炮检距强能量噪声明显得到了压制, 能量分布更均匀且符合小炮检距至大炮检距、浅层至深层能量由强变弱的特征, 振幅一致性得到了提高。图 11为小炮检距强能量噪声压制前、后纯波叠加剖面及噪声剖面。由图 11a可知, 受小炮检距强能量噪声的影响, 纯波叠加剖面上小炮检距参与叠加的部分几乎都被强能量噪声所覆盖, 局部出现深浅层有效反射被湮灭在强噪声之中的现象; 由图 11b可知, 去噪后纯波叠加剖面上波组特征清晰, 反射同相轴明显, 信噪比明显得到提高, 并且噪声叠加纯波剖面无明显有效反射轴(图 11c), 去噪适度, 保真保幅性好, 为后续的处理提供了高品质的基础数据。

图 10 小炮检距强能量噪声压制前、后单炮记录 a压制前单炮记录; b炮域基于随机函数重构后的数据; c重构数据去噪后的结果; d强能量噪声压制后单炮记录
图 11 小炮检距强能量噪声压制前(a)、后(b)及噪声叠加剖面(纯波)(c)

图 12a为黄土塬区典型浅层宽频强折射噪声发育炮集记录, 图中噪声在左排列切割的有效同相轴较深, 右排列只在炮点附近发育, 噪声频带范围为8~96Hz, 速度为1600~1800m/s。图 12b为利用随机道序重排后分频异常振幅衰减法在炮集域-随机域对浅层宽频强折射噪声压制后的单炮记录, 可以看出, 记录中左右排列浅层宽频强折射噪声均得到明显压制, 并且其它位置的异常能量也得到了有效压制, 有效同相轴连续性变好, 整体能量分布均匀, 振幅一致性增强, 分离出的噪声完整, 无明显反射轴(图 12c)。图 13为对应的去噪前、后的剖面及噪声纯波叠加剖面, 可以看出, 去噪后有效反射同相轴连续性变好, 噪声剖面中无明显有效反射同相轴, 去噪后剖面整体能量分布均匀, 信噪比和振幅一致性得到提高, 为后续的地震资料反褶积、速度分析、剩余静校正、偏移成像等技术的应用提供了良好的数据基础。

图 12 浅层宽频强折射噪声压制前(a)、后(b)的单炮记录及噪声记录(c)
图 13 浅层宽频强折射噪声压制前(a)、后(b)的剖面及噪声叠加剖面(纯波)(c)
4 结束语

小炮检距强能量噪声和浅层宽频强折射噪声是鄂尔多斯盆地巨厚黄土塬区的典型噪声, 也是提高巨厚黄土塬区资料信噪比和振幅一致性的最大阻碍。本文采用随机函数数据重构的方法, 将强能量噪声转变成随机强能量噪声的形式, 再利用分频异常振幅衰减法进行有效压制。实际资料应用结果表明, 该方法具有去噪效果好、振幅保真度高的特点, 能更好地解决巨厚黄土塬区噪声压制问题, 显著改善地震资料的信噪比。此外, 本文只展示了振幅补偿前炮域-随机域组合排序的去噪效果, 针对不同的强能量噪声发育特点和不同处理阶段强能量噪声的表现形式, 还可以尝试共中心点域、共检波点域、共炮检距域与随机域组合排序的分频异常振幅衰减法。另外, 在去噪过程中应对噪声门槛值、压制系数等重要参数进行测试, 在压制噪声的同时最大限度地保护有效信号, 做到保真保幅去噪。

参考文献
[1]
唐汉平. 黄土塬区地震勘探方法与效果分析[J]. 煤炭科学技术, 2010, 38(2): 97-100.
TANG H P. Seismic explanation methods and results analysis on Loess Tableland Area[J]. Coal Science and Technology, 2010, 38(2): 97-100.
[2]
程建远, 李宁, 侯世宁, 等. 黄土塬区地震勘探技术发展现状综述[J]. 中国煤炭地质, 2009, 21(12): 72-76.
CHENG J Y, LI N, HOU S N, et al. Development status overview of seismic prospecting technology in Loess Tableland Area[J]. Coal Geology of China, 2009, 21(12): 72-76. DOI:10.3969/j.issn.1674-1803.2009.12.020
[3]
蔡希玲. 声波和强能量干扰的分频自适应检测与压制方法[J]. 石油地球物理勘探, 1999, 34(4): 373-380.
CAI X L. An effective method to suppress acoustic wave and high energy noise frequency-divisionally and adaptively[J]. Oil Geophysical Prospecting, 1999, 34(4): 373-380.
[4]
王世青, 孟小红, 于春玲, 等. 地震异常振幅自适应压制[J]. 大庆石油地质与开发, 2006, 25(5): 112-115.
WANG S Q, MENG X H, YU C L, et al. Seismic abnormal amplitude self-adapting inhibition[J]. Petroleum Geology & Oil Field Development in Daqing, 2006, 25(5): 112-115. DOI:10.3969/j.issn.1000-3754.2006.05.032
[5]
蒋立, 王晓, 木图拉. 小波分频自适应检测与压制强能量干扰方法[J]. 天然气工业, 2007, 27(增刊1): 245-246.
JIANG L, WANG X, MU T L. The method of Wavelet frequency division adaptive detection and suppression of strong energy interference[J]. Natural Gas Industry, 2007, 27(S1): 245-246.
[6]
王在民, 朱鹏飞, 于浩业, 等. 时频域自动识别与压制高频噪声[J]. 石油地球物理勘探, 2006, 41(1): 93-96.
WANG Z M, ZHU P F, YU H Y, et al. Automatic recognition and suppression of high frequency noises in time-frequency domain[J]. Oil Geophysical Prospecting, 2006, 41(1): 93-96. DOI:10.3321/j.issn:1000-7210.2006.01.018
[7]
王君, 周兴元, 恽春华. 地表一致性约束下异常振幅衰减技术的实现[J]. 石油物探, 2011, 50(5): 493-498.
WANG J, ZHOU X Y, YUN C H. Realization of surface consistent constrained anomaly amplitude attenuation technology[J]. Geophysical Prospecting for Petroleum, 2011, 50(5): 493-498. DOI:10.3969/j.issn.1000-1441.2011.05.011
[8]
牛华伟, 吴春红. 海洋地震资料中强能量噪声压制的分频振幅衰减法应用研究[J]. 石油物探, 2013, 52(4): 394-401.
NIU H W, WU C H. Application of frequency-dependent amplitude attenuation method to suppress strong-energy noise in offshore seismic data[J]. Geophysical Prospecting for Petroleum, 2013, 52(4): 394-401. DOI:10.3969/j.issn.1000-1441.2013.04.009
[9]
潘军, 栾锡武, 刘鸿, 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.
PAN J, LUAN X W, LIU H, et al. Application of anomalous amplitude noise attenuation in seismic data processing of multichannel survey line[J]. Progress in Geophysics, 2016, 31(4): 1639-1645.
[10]
杨城增, 冯永强, 童庆佳, 等. 加减法去噪技术压制线性干扰——以鄂尔多斯黄土塬地震资料为例[J]. 物探与化探, 2015, 39(4): 830-836.
YANG C Z, FENG Y Q, TONG Q J, et al. The addition-subtraction method for removing linear noise:A case study of the seismic data in Ordos plateau[J]. Geophysical and Geochemical Exploration, 2015, 39(4): 830-836.
[11]
齐莉. 用均衡干扰能量法压制线性干扰[J]. 石油地球物理勘探, 1995, 30(5): 711-716.
QI L. Linear noise reduction using noise energy equilibrium[J]. Oil Geophysical Prospecting, 1995, 30(5): 711-716.
[12]
徐颖, 刘晨, 吕秋玲, 等. 多域组合去噪技术在塔中奥陶系低信噪比资料处理中的应用[J]. 石油物探, 2015, 54(2): 172-179.
XU Y, LIU C, LV Q L, et al. Application of multi-domain composite denoising technology for the processing of Ordovician low SNR seismic data in Tazhong Area[J]. Geophysical Prospecting for Petroleum, 2015, 54(2): 172-179. DOI:10.3969/j.issn.1000-1441.2015.02.008
[13]
夏洪瑞, 周开明. 地震资料处理中相干干扰消除方法分析[J]. 石油物探, 2003, 42(4): 526-528.
XIA H R, ZHOU K M. Elimination of coherent interference in seismic data processing[J]. Geophysical Prospecting for Petroleum, 2003, 42(4): 526-528. DOI:10.3969/j.issn.1000-1441.2003.04.021
[14]
张孝珍, 董汉强, 侯国文, 等. 地震勘探中的去噪技术新进展[J]. 勘探地球物理进展, 2009, 32(3): 172-179.
ZHANG X Z, DONG H Q, HOU G W, et al. Advances in denoising technology in seismic exploration[J]. Progress in Prospecting Geophysics, 2009, 32(3): 172-179.
[15]
蔡希玲, 吕英梅. 地震数据时频分析与分频处理[J]. 勘探地球物理进展, 2005, 28(4): 265-270.
CAI X L, LV Y M. Time-frequency analysis and frequency-divisional processing of seismic data[J]. Progress in Prospecting Geophysics, 2005, 28(4): 265-270.