简介:我们改进了共偏移距-共反射面(COCRS)法,可用以衰减地滚波,即由于低速、低频/高振幅瑞雷波通常产生的相干噪声。COCRS算子是基于双曲线,因此它可以拟合双曲走时的同相轴,如叠前数据中的反射同相轴。相反,地滚波在共中点(CMP)和共炮点道集中是线性的并可以可以利用COCRS算子鉴别与压制。因此,我们在共偏移距剖面之前共炮道集中搜索反射倾斜和曲率。因为这对反射振幅的危害最小化是最理想的,我们只对在地滚波区多次覆盖的数据进行叠加。在CO剖面前搜索CS道聚集是对常规COCRS叠加的另一个改进。我们使用合成和真实数据集测试了所提出的方法,数据采自伊朗西部地区。我们将本方法压制地滚波的结果与f-k滤波和f-k滤波后常规COCRS叠加压制地滚波的结果进行了比较。结果表明,该方法对真伪滚压制效果优于F-K滤波与传统CRS叠加。然而,计算时间高于其他常规的方法,如f滤波。
简介:传统上,时间域航空电磁数据通过拟合迭代反演计算得到大地模型,然而,由于航空电磁数据道间的较强相关性,导致病态反演,并引起超定问题;同时电磁数据的相关性使其与模型参数的映射关系复杂,增加了反演的复杂度。采用主成分分析法将航空电磁数据变换为正交的较少数量的主成分,不仅降低了数据道间的相关性,减小了数据量,同时压制了数据的不相关噪声。本文利用人工神经网络(ANN)逼近主成分与大地模型参数间的映射关系,避免了传统反演算法中雅克比矩阵的复杂计算。层状模型的主成分神经网络与数据神经网络的反演结果对比显示,主成分神经网络反演方法网络结构简单,训练步数少,反演结果好,特别是对于含噪数据。准二维模型的主成分ANN、数据ANN以及Zhody方法的反演结果显示了主成分神经网络具有更接近真实模型的反演效果,进一步证明了主成分神经网络反演方法适合海量航空电磁探测数据反演。