基于K-support范数改进含噪地震数据全波形反演

全波形反演（FWI）是一种可实现高分辨率成像的地震数据处理方法。在该方法带来模型空间收敛点高分辨率的反演部分中，局部数值优化算法基于最小二乘形式的范数最小化目标函数。由于范数对离群值和噪声敏感，该方法常导致不准确的成像结果。因此，提出一种具有更实用松弛形式的新正则化形式，以解决使用范数导致的过拟合缺陷，即K-support范数，其具有更合理且更紧的约束形式。与最小化范数的最小二乘方法不同，我们的K-support约束结合了范数和范数。然后，采用二次罚函数法将非线性问题线性化以减轻计算负担。本文引入K-support范数的概念，并将该方案与二次罚问题结合，以提高对背景噪声的收敛性和鲁棒性。在数值示例中，通过与传统范数在含噪数据集上的比较，测试了两个合成模型以阐明K-support范数的有效性。实验结果表明，基于新正则化形式的改进FWI有效提高了反演精度和稳定性，即使在低信噪比（SNR）数据下也显著增强了深度反演的横向分辨率。