基于数据驱动紧框架小波稀疏约束优化的地震数据重建

项目名称： 基于数据驱动紧框架小波稀疏约束优化的地震数据重建

项目编号： No.41374121

项目类型： 面上项目

立项/批准年度： 2013

项目学科： 天文学、地球科学

项目作者： 马坚伟

作者单位： 哈尔滨工业大学

项目金额： 90万元

中文摘要： 不规则丢失道的重建以及稀疏采样数据的抗假频道加密重建是地震数据处理中非常重要的一个环节，其重建的效果严重关系到多次波去除、偏移、成像和AVO分析的质量。与传统的POCS方法和Spitz预测滤波方法比，目前比较有效的方法是稀疏约束优化的地震数据重建，它将重建问题转化为L1范数最小化问题来求解。其关键是两步：1）找到合理的稀疏变换，2）建立合理的稀疏约束模型和算法。申请人近期也提出了改进的Curvelet稀疏约束方法和方向加权的Shearlet 约束方法。但是如何针对实际数据来更好构造稀疏变换仍是一个挑战。本项目我们立足于地震勘探和应用数学的交叉研究，提出数据驱动的自适应紧框架小波，及新的抗假频稀疏约束优化方法，并开发基于高维数据驱动紧框架的地震数据重建方法，有望改进工业界中流行的高维Fourier数据重建方法。我们还将考虑与核范数降秩技术结合，建立全局约束和局部约束联合重建模型和快速算法。

中文关键词： 数据驱动；自适应紧框架小波；稀疏约束优化；地震数据插值；高维重建

英文摘要： Due to physical and economic constraints, missing data is one of the common issues in seismic data acquisition. Reconstruction and interpolation of missing traces in seismic records is a critical element of the data processing chain, which is very importa

英文关键词： data driven；adaptive tight frame；sparsity-promoting optimization；seismic data interpolation；high-dimensional reconstruction