最小二乘逆时偏移(Least-Square Reverse Time Migration,LSRTM)相比于常规偏移具有更高的成像分辨率、振幅保幅性及均衡性等优势,是当前研究的热点之一.然而,目前LSRTM算法大多是基于二阶常密度标量声波方程建立的,忽略了密度变化对振...最小二乘逆时偏移(Least-Square Reverse Time Migration,LSRTM)相比于常规偏移具有更高的成像分辨率、振幅保幅性及均衡性等优势,是当前研究的热点之一.然而,目前LSRTM算法大多是基于二阶常密度标量声波方程建立的,忽略了密度变化对振幅的影响,因而基于振幅匹配策略的常规LSRTM很难在变密度介质下取得保真的成像结果.一阶速度-应力方程能够很好地处理变密度介质,但简单地将一阶速度-应力方程应用到LSRTM中缺乏理论基础.为此,本文从LSRTM的正问题入手,提出了基于交错网格的一阶速度-应力方程LSRTM理论方法.首先将一阶波动方程线性化,建立了一阶方程LSRTM的目标泛函,随后推导其伴随方程,并借助伴随状态法给出了迭代更新流程,最终建立了基于一阶速度-应力方程LSRTM的理论框架.进一步,通过在相位编码LSRTM中引入随机最优化思想,极大地减小了计算量、提高了计算效率.最后,通过模型试算验证了本算法的正确性和有效性.展开更多
文摘最小二乘逆时偏移(Least-Square Reverse Time Migration,LSRTM)相比于常规偏移具有更高的成像分辨率、振幅保幅性及均衡性等优势,是当前研究的热点之一.然而,目前LSRTM算法大多是基于二阶常密度标量声波方程建立的,忽略了密度变化对振幅的影响,因而基于振幅匹配策略的常规LSRTM很难在变密度介质下取得保真的成像结果.一阶速度-应力方程能够很好地处理变密度介质,但简单地将一阶速度-应力方程应用到LSRTM中缺乏理论基础.为此,本文从LSRTM的正问题入手,提出了基于交错网格的一阶速度-应力方程LSRTM理论方法.首先将一阶波动方程线性化,建立了一阶方程LSRTM的目标泛函,随后推导其伴随方程,并借助伴随状态法给出了迭代更新流程,最终建立了基于一阶速度-应力方程LSRTM的理论框架.进一步,通过在相位编码LSRTM中引入随机最优化思想,极大地减小了计算量、提高了计算效率.最后,通过模型试算验证了本算法的正确性和有效性.
