Least-squares reverse time migration with an angle-dependent weighting factor
Least-squares reverse time migration with an angle-dependent weighting factor
复制标题
具有角度相关加权因子的最小二乘逆时偏移
DOI：
10.1190/geo2017-0207.1
复制
发表时间：
2018-05
期刊：
影响因子：
--
通讯作者：
Jianfeng Zhang
中科院分区：
文献类型：
--
作者：
Kai Yang;Jianfeng Zhang
最小二乘逆时间偏移(LSRTM)比传统的RTM产生更高质量的图像。然而，直接使用标准的梯度公式，反演的图像会受到低波数噪声的影响。在梯度上使用简单的高通滤波器可以减轻低波数噪声的影响。但是，由于照明问题，振幅不平衡，在深处往往很弱。迭代方法可以缓解这两个问题，但它需要更多的迭代。我们引入一个角度相关的加权因子来加权LSRTM的梯度，以抑制低波数噪声，同时也强调了深层的梯度。文中还给出了L2范数目标函数的最优步长，以使梯度尺度达到正确的阶数。用Sigsbee2A和Marmousi模型合成的数据进行的两个数值算例表明，将这种加权梯度与具有最优步长的预条件L-BFGS算法相结合，只需几次迭代就能得到令人满意的结果。
Least-squares reverse time migration (LSRTM) produces higher quality images than conventional RTM. However, directly using the standard gradient formula, the inverted images suffer from low-wavenumber noise. Using a simple high-pass filter on the gradient can alleviate the effect of the low-wavenumber noise. But, owing to the illumination issue, the amplitudes are not balanced and in the deep part they are often weak. These two issues can be mitigated by the iterative approach, but it needs more iterations. We introduced an angle-dependent weighting factor to weight the gradient of LSRTM to suppress the low-wavenumber noise and also to emphasize the gradient in the deep part. An optimal step length for the L2-norm objective function is also presented to scale the gradient to the right order. Two numerical examples performed with the data synthesized on the Sigsbee2A and Marmousi models indicate that when using this weighted gradient combined with the preconditioned l-BFGS algorithm with the optimal step length, only a few iterations can achieve satisfying results.
登录
查看更多内容
影响因子：
3.3
作者：
C. Zeng;S. Dong;Bin Wang
通讯作者：
C. Zeng;S. Dong;Bin Wang
影响因子：
3.3
作者：
Metivier, Ludovic;Brossier, Romain
通讯作者：
Brossier, Romain
DOI：
10.1007/b98874
发表时间：
2018-09
期刊：
--
影响因子：
--
作者：
J. Nocedal;Stephen J. Wright
通讯作者：
J. Nocedal;Stephen J. Wright
影响因子：
3.3
作者：
Zongcai Feng;G. Schuster
通讯作者：
Zongcai Feng;G. Schuster
影响因子：
3.3
作者：
B. Duquet;K. Marfurt;J. Dellinger
通讯作者：
B. Duquet;K. Marfurt;J. Dellinger