使用 sudipfilt 函数进行地震数据分离
网络中没有找到关于该函数的介绍,那就自己研究一下。分享给大伙一起学习起来吧。
sudipflit用于具有倾角的数据处理,通过将数据集转换为f-k域,对不同倾角的数据进行滤波,在装换为时域信号。可以将该还是理解为一个滤波器,根据amps设置结果可以设置为低通,高通,带通和带阻等多种形式。
以下是其使用方法:
基本语法
sudipfilt < input.su > output.su [options]
关键参数
SUDIPFILT - DIP–or better–SLOPE Filter in f-k domain
sudipfilt outfile [optional parameters]
Required Parameters:
dt=(from header) if not set in header then mandatory
dx=(from header, d1) if not set in header then mandatory
Optional parameters:
slopes=0.0 monotonically increasing slopes
amps=1.0 amplitudes corresponding to slopes
bias=0.0 slope made horizontal before filtering
verbose=0 verbose = 1 echoes information
tmpdir= if non-empty, use the value as a directory path
prefix for storing temporary files; else if the
the CWP_TMPDIR environment variable is set use
its value for the path; else use tmpfile()
示例命令
低通滤波器(amps=1,0)
suplane > suplane.data
sudipfilt < suplane.data dt=1 dx=1 slopes=-1.4,0.8,1.5,2.5 amps=0,1,1,0> suplane.data.dip
参数使用最简单的两个,slopse=1.5,2,这个决定了滤波的斜率,amps=1,0,表示大于该斜率的被保留。
slopes=1.5,2 amps=1,0

slopes=0.5,1 amps=1,0

这里可以看出所有大于(0.5,1)斜率的信号均被去除。
slopes=0.5,1.2 amps=1,0

随着斜率的增大,一组斜率信号开始现行出来。

在继续正方向增大斜率
slopes=0.5,1.5 amps=1,0

当斜率增加到(0.5,2.5)时第三条斜率数据开始出现
slopes=0.5,2.5 amps=1,0

slopes=0.5,4.7 amps=1,0

此时第三组斜率斜率的数据已尽完全出现,可以理解为一个低通滤波器,两个参数决定了低通滤波器的截止频率,截止频率越高,可以通过的数据就越多,这里可以看出经过f-k域滤波器后的数据信噪比出现了明显的波动,分析可能是两个参数差异过大,将第一个参数调大。

第一个参数调大后滤波器截止频率没有发生变化,但时域信号信噪比明显得到改善。此时我们反转滤波器参数,使其变成一个高通滤波器,显示结果与预期完全一致,并且可以从图像中看到信号的截止斜率大致方向。
slopes=2.5,4.7 amps=0,1

然后我们再添加一个负向斜率的低通滤波
slopes=-3.5,-1,1.7,2 amps=1,0,1,0
对代码进行解释,函数要求slopse必须是线性增加的,因此将负向斜率放在前面(-3.5,-1)决定了负斜率大小,amps前两位决定了滤波器的类型,这里是低通,运行结果:

从图中可以看出,负向斜率的数据也被删除,调整参数,让输出效果更好一点。
slopes=-4,-0.77,1.7,2 amps=1,0,1,0

此时调整参数,让负斜率为低通,正斜率高通,此时显示的效果
slopes=-4,-0.77,1.7,2 amps=1,0,0,1

继续调整参数,把正负斜率为同一源信号的保留
slopes=-1,0.1,1.7,2 amps=1,0,0,1

调整滤波器结构参数,
slopes=-6,-0.2,1.6,1.9 amps=1,0,1,0
slopes=-6,-0.2,1.6,1.9 amps=1,0,1,0

过滤掉最大的正负斜率,得到三个斜率中中间部分数据。最后我们尝试保留水平同相轴数据。
slopes=-6,-0.4,0.5,0.8 amps=1,0,1,0

此时只保留了斜率为0的同相轴数据,通过反复的测试,终于搞清楚slopse和amps的作用,在软件说明中没有给出具体的解释,那么就靠尝试吧,还有一个参数是bias,尝试更改不同数值,比较输出差异,以上结果均为bias=0,下面在其他参数不变的情况下,将bias改为0.2

bias=0.4

bias=0.6

保留的数据被增强,考虑到可能是线性放大的作用,背景噪声同时被增强。

4943

被折叠的 条评论
为什么被折叠?



