Восстановление признаков Amplitude Versus Angle (AVA) в предстековых стеках с помощью обучения словарю

С расширением разведки нефти и газа в глубокие и сложные месторождения техника предстековой инверсии amplitude versus angle (AVA) сталкивается с трудностями из‑за затухания амплитуды и искажения фазы, вызываемых поглощением в породе, что ограничивает точность характеристики сейсмических атрибутов. Чтобы устранить ограничения существующих методов компенсации, в частности низкую устойчивость к шуму и недостаточную латеральную непрерывность, мы предлагаем метод восстановления AVA‑признаков в предстековых стеках на основе обучения словарю. Сначала локальные AVA‑признаки, извлечённые из каротажных данных, используются для формирования обучающей выборки с помощью скользящего временного окна, после чего алгоритм K‑SVD (K‑Singular Value Decomposition) обучает избыточный словарь, обеспечивающий разрежённое представление сигналов без затухания. Затем процесс обучения словарю встраивается в функцию целевой оптимизации компенсации поглощения: атомы словаря и разрежённые коэффициенты попеременно оптимизируются с помощью алгоритма ортогонального согласованного поиска (OMP) и градиентного спуска (GD) для эффективного разделения сигнала и шума. Синтетические тесты показывают, что по сравнению с традиционными методами предложенный подход восстанавливает слабую энергию отражений, компенсирует угловую зависимость искажений амплитуды и имеет сниженную зависимость от точности Q‑модели при заметно улучшенной устойчивости к шуму. Применение к полевым данным демонстрирует преимущества метода в повышении латеральной непрерывности и восстановлении AVA‑откликов в сложных геологических условиях, обеспечивая основанную на данных поддержку для высокоточной предстековой инверсии упругих параметров.