伍國富 肖明圖 王華忠 凌越 趙玉合

摘要：高精度的速度建模作為強(qiáng)非線性問題，需要一個(gè)比較正確的初始速度模型，而基于ＣＭＰ道集的初始背景速度掃描估計(jì)是最穩(wěn)健的方法。面對(duì)規(guī)模巨大的ＣＭＰ道集，研究智能化的初始背景速度掃描估計(jì)方法是有必要的，其核心是合理的速度譜解釋。這可以看作是基于速度譜解釋人員的先驗(yàn)知識(shí)和層位約束信息，在Ｂａｙｅｓ決策意義下，在高維速度譜數(shù)據(jù)體中，以風(fēng)險(xiǎn)決策函數(shù)值最小為原則、挑選最合理的時(shí)間—速度（ＴＶ）對(duì)。為此，提出了一套以人工交互拾取速度譜邏輯思想為指導(dǎo)的決策框架。首先生成速度譜數(shù)據(jù)體及類疊加剖面，通過計(jì)算相干屬性從類疊加剖面提取層位結(jié)構(gòu)；再依據(jù)結(jié)構(gòu)信息對(duì)速度譜能量團(tuán)進(jìn)行犓均值聚類，對(duì)于每個(gè)類別以先驗(yàn)信息和數(shù)據(jù)空間分析的統(tǒng)計(jì)信息為約束，自動(dòng)迭代搜尋使代價(jià)函數(shù)最小的ＴＶ 對(duì)；最后通過插值平滑生成速度場，且經(jīng)過基于統(tǒng)計(jì)量約束的質(zhì)量控制降低了橫向不連續(xù)性。該方法將層位信息的利用貫穿到從聚類到自動(dòng)拾取的整個(gè)過程，并且將解釋人員的先驗(yàn)認(rèn)識(shí)及鄰域拾取結(jié)果量化為自動(dòng)拾取時(shí)的約束量，體現(xiàn)了速度譜解釋的智能化，縮短了速度建模周期。

關(guān)鍵詞：ＣＭＰ道集，智能化速度建模，Ｂａｙｅｓ決策，層位約束，聚類

中圖分類號(hào)：Ｐ６３１文獻(xiàn)標(biāo)識(shí)碼：Ａ doi：１０．１３８１０／ｊ．ｃｎｋｉ．ｉｓｓｎ．１０００-７２１０．２０２３．０３．０１１