Автоматический выбор параметра регуляризации в разреженном параболическом преобразовании Радона для подавления кратных волн

Авторы

  • С.К. Карякин ПАО Пермнефтегеофизика 614090, Пермь, ул. Лодыгина, 34 Автор

DOI:

https://doi.org/10.17072/psu.geol.25.3.247

Ключевые слова:

преобразование Радона, кратные волны, регуляризация, ℓ1-норма, L-кривая, GCV, обратные задачи, сейсмическая обработка, адаптивный выбор параметра

Аннотация

В работе рассматривается задача подавления кратных волн на основе высокоразрешающего параболического преобразования Радона, сформулированная как некорректная линейная обратная задача. Показано, что для данной постановки естественной является ℓ1-регуляризация, поскольку она согласуется с гипотезой разреженности модели в области Радона и обеспечивает более высокую селективность разделения первичных и кратных волн по сравнению с квадратичной регуляризацией. Основное внимание уделено выбору параметра регуляризации λ, от которого одновременно зависят устойчивость решения, степень подавления кратных и сохранность полезного сигнала. Предлагается теоретически обоснованная схема объективного выбора λ на основе метода L-кривой и критерия GCV-типа, адаптированного к нелинейной ℓ1-постановке через эффективное число степеней свободы. Обосновано, что для нестационарных сейсмических данных наиболее перспективен не глобальный, а локальный оконный выбор параметра λ. Представлена алгоритмическая схема реализации подхода, обсуждены его ограничения и направления дальнейшей апробации на реальных данных. Научная новизна работы состоит в переносе объективных критериев выбора параметра регуляризации в постановку разреженного радоновского преобразования с локальной адаптацией к структуре данных. Работоспособность подхода продемонстрирована численным примером на синтетических данных, воспроизводящих сейсмогеологические условия платформенного разреза. Энергия кратной волны подавлена на 91 %, коэффициент корреляции восстановленного целевого отражения с эталоном составил 0,99.

Скачивания

Данные по скачиваниям пока не доступны.

Библиографические ссылки

Тихонов А. Н. О решении некорректно поставленных задач и методе регуляризации // Доклады Академии наук СССР. 1963. Т. 151, № 3. С. 501–504.

Тихонов А. Н., Арсенин В. Я. Методы решения некорректных задач. М.: Наука, 1979.

Carmack P. S., Spence J. S., Schucany W. R. Generalised correlated cross-validation // Journal of Nonparametric Statistics. 2012. Vol. 24, No. 2.

P. 269–282.

Golub G. H., Heath M., Wahba G. Generalized cross-validation as a method for choosing a good ridge parameter // Technometrics. 1979. Vol. 21, No. 2. P. 215–223. DOI: 10.1080/00401706. 1979.10489751 EDN: HMRAZX

Hampson D. Inverse velocity stacking for multiple elimination // Journal of the Canadian Society of Exploration Geophysicists. 1986. Vol. 22, No. 1. P. 44–55.

Hansen P. C. Analysis of discrete ill-posed problems by means of the L-curve // SIAM Review. 1992. Vol. 34, No. 4. P. 561–580.

Hansen P. C., O'Leary D. P. The use of the L- curve in the regularization of discrete ill-posed problems // SIAM Journal on Scientific Computing. 1993. Vol. 14, No. 6. P. 1487–1503.

Hastie T., Tibshirani R., Friedman J. The Elements of Statistical Learning: Data Mining, Inference, and Prediction. 2nd ed. New York: Springer,

2009.

Park T., Casella G. The Bayesian Lasso // Journal of the American Statistical Association. 2008. Vol. 103, No. 482. P. 681–686.

Sacchi M. D., Ulrych T. J. High-resolution velocity gathers and offset space reconstruction // Geophysics. 1995. Vol. 60, No. 4. P. 1169–1177.

Stein C. M. Estimation of the mean of a multivariate normal distribution // The Annals of Statistics. 1981. Vol. 9, No. 6. P. 1135–1151.

Tibshirani R. Regression shrinkage and selection via the lasso // Journal of the Royal Statistical Society: Series B (Methodological). 1996. Vol. 58, No. 1. P. 267–288.

Trad D., Ulrych T., Sacchi M. Latest views of the sparse Radon transform // Geophysics. 2003. Vol. 68, No. 1. P. 386–399.

Wahba G. Spline Models for Observational Data. Philadelphia: SIAM, 1990.

Zhang Q., Wang H., Chen W., Huang G. A local Radon transform for seismic random noise attenuation // Journal of Applied Geophysics. 2021. Vol. 186. Art. 104264. DOI: 10.1016/j.jappgeo.2021. 104264 EDN: RVDOBX

Zou H., Hastie T., Tibshirani R. On the “degrees of freedom” of the lasso // The Annals of Statistics. 2007. Vol. 35, No. 5. P. 2173–2192.

Загрузки

Опубликован

21.11.2026

Выпуск

Раздел

ГЕОФИЗИКА