摘要:
三维陆地地震资料采集技术向着高密度和宽方位的方向发展, 导致产生海量地震数据。初至旅行时层析成像的经典算法需要过多内存和计算时间, 不适合处理大的地震数据量。为解决这一问题, 提出一种基于优化数学公式的初至旅行时层析成像算法, 既减少Frechet矩阵和Hessian矩阵的存储对内存的需求, 也减少Hessian矩阵的求逆时长, 能快速和高效地解决大数据量的层析反演问题, 适合高密度和宽方位采集的陆地地震资料和精细参数化的网格模型, 并且不影响精度, 易于实现并行计算。模型试验和实际数据都验证了该方法的有效性, 当初至旅行时达到一定的数量时, 该方法能提供可靠的层析成像结果, 进行静校正。
吕雪梅, 张献兵, 康平, 胡天跃. 基于大数据量的初至层析成像算法优化[J]. 北京大学学报自然科学版, 2021, 57(3): 425-434.
LÜ Xuemei, ZHANG Xianbing, KANG Ping, HU Tianyue. Algorithm Optimization of First-Break Tomography Statics Based on Large Datasets[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2021, 57(3): 425-434.