Application of non-stationary iterative time-domain deconvolution
Application of non-stationary iterative time-domain deconvolution
复制标题
非平稳迭代时域反卷积的应用
DOI：
10.1007/s11200-019-1165-z
复制
发表时间：
2020
影响因子：
0.9
通讯作者：
Nowack, Robert L.
中科院分区：
文献类型：
--
作者：
Erhan, Ergun;Nowack, Robert L.
在这项研究中，非平稳迭代时域反褶积（CNS-ITD）进行了研究。首先在数据的几个重叠的Gabor窗口中估计传播小波。然后，通过在最大反射率的稀疏迭代估计内进行插值来估计小波矩阵的少量列，从而执行时域中的矩阵向量运算。当达到最小均方根（RMS）残差或最大迭代次数时，停止迭代过程。虽然最初制定的基础上，在地震地震学的工作，CNS-ITD是一个匹配的追求类型的方法在时域中连续进行的非平稳的情况下。然后可以将结果与更高频率的小波卷积，以使结果在时间上稳定并提高数据的分辨率。我们首先将CNS-ITD应用于具有时变衰减的合成数据，其中该方法成功识别了数据中最大的反射体。然后，我们将CNS-ITD应用于两个观测到的浅层地震数据集，获得了更高的分辨率。
In this study, non-stationary iterative time-domain deconvolution (CNS-ITD) is investigated. The propagating wavelets are first estimated in several overlapping Gabor windows of the data. Matrix-vector operations in the time-domain are then performed by estimating a small number of columns of the wavelet matrix by interpolation within a sparse iterative estimation for the largest reflectivities. The iteration process is stopped when a minimum root mean square (RMS) residual or a maximum number of iterations is reached. Although initially formulated on the basis of work in earthquake seismology, CNS-ITD is a matching pursuit type of approach performed continuously in the time-domain for the non-stationary case. The results can then be convolved with a higher frequency wavelet in order to make the results stationary in time and to increase the resolution of the data. We first apply CNS-ITD to synthetic data with a time-varying attenuation, where the method successfully identifies the largest reflectors in the data. We then apply CNS-ITD to two observed shallow seismic datasets where improved resolution is obtained.
登录
查看更多内容
基于频谱反演的频谱蓝化方法提高地震分辨率
DOI：
10.1190/segam2019-3215862.1
发表时间：
2019
期刊：
SEG Technical Program Expanded Abstracts 2019
影响因子：
--
作者：
Jiangfeng Zheng;Zhijun Zhang;Jialin Sun;Gongli Liu
通讯作者：
Gongli Liu
浅层地震方法
影响因子：
3.3
作者：
D. Steeples
通讯作者：
D. Steeples
通过匹配追踪检测通道进行地震时频谱分解
影响因子：
3.3
作者：
R. Mohebian;M. Yari;M. Riahi;M. Vanaki
通讯作者：
M. Vanaki
减弱近地表反射数据中的噪声锥：来自堪萨斯州东南部的示例
影响因子：
3.3
作者：
G. Baker;D. Steeples;M. Drake
通讯作者：
M. Drake
处理近地表地震反射数据：入门
影响因子：
3.3
作者：
G. Baker
通讯作者：
G. Baker