WaveTomo

偏移成像

最小二乘逆时偏移

常规逆时偏移（Reverse-time migration - RTM）克服了其它偏移方法，如克希霍夫（Kirchhoff）偏移，单程波偏移（One-wave equation migration），的缺点。但是，RTM仍然利用伴随算子，而非逆算子进行偏移成像，从而导致成像剖面存在偏移噪音、分辨率低、振幅不准等问题。最小二乘逆时偏移（Least-squares reverse-time migration - LSRTM）利用逆算子克服了这些问题。我们进一步发展了LSRTM，使偏移成像的噪音得到进一步压制，补偿了照明不均，并且提高了偏移成像的分辨率。

(a) RTM+Laplace

(b) RTM+Deprimary

(c) LSRTM+Deprimary

与常规逆时偏移对比:

利用Deprimary成像条件：压制低、高频噪音

基于稀疏约束最小二乘逆时偏移：提高分辨率、压制噪音、补偿不均匀照明

QRTM

地球介质是非完全弹性的，粘滞性（由Quality factor Q度量）普遍存在地下介质，引起地震波能量衰减和速度变化。为了更精确地偏 移成像，考虑粘滞性（反Q）的逆时偏移（QRTM）被提出。我们开发了基于分数阶粘声/粘弹波动方程的稳定QRTM，有效地补偿了粘滞性带 来的地震波能量的衰减，获得了振幅均匀、清晰的偏移成像。

（a）速度模型

（b）RTM成像无粘滞数据

（c）RTM成像粘滞数据

（d）QRTM成像粘滞数据

对比:

如果模型无粘滞性，常规RTM能给出清晰的偏移成像（如图b）。如果模型包含粘滞性，常规RTM不能清晰地偏移成像 （如图c），而QRTM能补偿粘滞带来的地震数据振幅衰减，给出清晰的偏移成像（如图d）。

AI叠后去噪

结合人工智能，对叠后数据进行去噪，消除随机噪音和相干噪音，极大地提高成像信噪比。