-
题名高维局部数据体中线性信号预测基本理论与方法
- 1
-
-
作者
王华忠
项健
张力起
欧阳志远
宋家文
-
机构
同济大学海洋与地球科学学院波现象与智能反演成像研究组(WPI)
中国石油东方地球物理公司研究院
-
出处
《石油物探》
北大核心
2025年第1期1-14,共14页
-
基金
中石油集团前瞻性基础性项目“物探岩石物理与前沿储备技术研究”(2021DJ3501)
国家自然科学基金(42474142,42304124,42174135,42074143)
+1 种基金
中国博士后科学基金(2023M732633)
国家重点研发计划变革性技术关键科学问题重点专项(2018YFA0702503)共同资助。
-
文摘
首先,提出了若干线性结构(可以视为局部平面波)飘在具有不同概率分布特征的、实测的局部高维数据体中是地震信号处理的核心概念模式,认为对局部高维数据体中的线性结构进行建模及最佳预测,从而解决去噪、数据规则化和解混叠(Deblending)等问题是地震数据处理中的基本环节;认为对线性信号进行最佳的建模和预测包括模型驱动和数据驱动的方法。前者是由预先选定的局部平面波基函数的线性叠加表示局部高维数据体中包含的信号;后者由数据矩阵(张量)分解的方法推断局部高维数据体中包含的线性结构。然后,全面分析了频率-空间域高维Wiener滤波方法、自相关矩阵及Hankel矩阵正交分解方法(SSA方法)、高维线性Radon变换方法(高维Beamforming方法)和张量分解方法的基本理论,为进行局部高维数据体中线性信号预测及各种应用奠定了理论基础。最后,指出山前带及其他复杂地表探区实际数据中的相干噪声和非相干噪声往往不符合线性信号建模及预测的理论假设条件,因而必须发展非线性去噪方法。
-
关键词
局部高维数据体
线性结构
最佳预测
高维Wiener滤波方法
高维ssa方法
高维线性Radon变换方法
张量分解方法
去噪与数据规则化
-
Keywords
local high-dimensional data volume
linear structure
best prediction
high-dimensional Wiener filtering method
high-dimensional ssa method
high-dimensional linear Radon transform method
tensor decomposition method
denoising and data regularization
-
分类号
P631
[天文地球—地质矿产勘探]
-
