复数域匹配追踪近地表Q值估计及深度学习建模

常规基于微测井资料的品质因子(Q值)求取方法,通常需要拾取初至时间并按时窗求取初至波频谱,因而工作量较大,并且受选取的窗函数参数大小的影响.为此,提出了一种基于非零相位雷克子波的复数域快速匹配追踪分解并结合对数谱比法估算微测井数据近地表Q值的方法.根据微测井数据初至波能量最强的特点,利用非零相位雷克子波匹配追踪提取第一个匹配原子,其频谱表达了初至波的能量,中心时间则包含了初至旅行时信息,从而实现了用于谱比法Q值估算的初至波频谱和旅行时参数的自动提取.在谱比计算中引入整形正则化算子提高算法的稳定性,并采用优化反演算法求出稳定的谱比值,以保证对数谱比法近地表Q值估计的精度.将工区内不同测点求取的品质因子函数作为已知样本标签,通过深度学习训练形成近地表Q值的多元非线性回归算子,建立三维近地表品质因子模型.模型数据和实际数据的处理结果表明,该方法自动、高效、稳定,且抗噪能力强,将获得的近地表Q值模型用于Q值补偿,可有效提高地震资料的分辨率.