Bayes决策理论下的速度谱智能化解释及建模方法

伍国富 肖明图 王华忠 凌越 赵玉合

摘要：高精度的速度建模作为强非线性问题，需要一个比较正确的初始速度模型，而基于ＣＭＰ道集的初始背景速度扫描估计是最稳健的方法。面对规模巨大的ＣＭＰ道集，研究智能化的初始背景速度掃描估计方法是有必要的，其核心是合理的速度谱解释。这可以看作是基于速度谱解释人员的先验知识和层位约束信息，在Ｂａｙｅｓ决策意义下，在高维速度谱数据体中，以风险决策函数值最小为原则、挑选最合理的时间—速度（ＴＶ）对。为此，提出了一套以人工交互拾取速度谱逻辑思想为指导的决策框架。首先生成速度谱数据体及类叠加剖面，通过计算相干属性从类叠加剖面提取层位结构；再依据结构信息对速度谱能量团进行犓均值聚类，对于每个类别以先验信息和数据空间分析的统计信息为约束，自动迭代搜寻使代价函数最小的ＴＶ 对；最后通过插值平滑生成速度场，且经过基于统计量约束的质量控制降低了横向不连续性。该方法将层位信息的利用贯穿到从聚类到自动拾取的整个过程，并且将解释人员的先验认识及邻域拾取结果量化为自动拾取时的约束量，体现了速度谱解释的智能化，缩短了速度建模周期。

关键词：ＣＭＰ道集，智能化速度建模，Ｂａｙｅｓ决策，层位约束，聚类

中图分类号：Ｐ６３１文献标识码：Ａ doi：１０．１３８１０／ｊ．ｃｎｋｉ．ｉｓｓｎ．１０００-７２１０．２０２３．０３．０１１