正版新书]深度域地震成像新技术理论与实践方伍宝 等 编著 著978

章 绪论
节 深度域地震成像技术的发展历程
一、地震成像技术回顾
二、叠前深度偏移成像技术的发展历程
第二节 深度域成像与时间域成像的区别
第三节 深度域成像技术的作用
第二章 高斯束叠前深度偏移成像技术
节 高斯束方法基本原理
一、射线中心坐标系
二、射线中心坐标系的属性
三、射线中心坐标系下高斯束函数的推导
四、从程函方程和输运方程到高斯束函数
第二节 高斯束偏移成像技术
一、高斯束深度偏移方法与实现
二、起伏地表高斯束偏移技术
三、束优选高斯束偏移技术
第三节 基于高斯束偏移的角度道集提取技术
一、反射张角与方位角的定义
二、反射张角与方位角的计算
第四节 模型测试及实际资料处理
一、3D模型高斯束偏移测试
二、实际资料处理
小结
第三章 逆时叠前深度偏移成像技术
节 RTM偏移算子的构建
一、高阶有限差分方法-
二、紧致差分方法
三、完全匹配层吸收边界条件(PML)
四、RTM成像条件
第二节 RTM偏移并行策略及存储方案
一、基于MPI+0penMP的并行策略
二、面向RTM的波场存储方案
第三节 RTM偏移噪音的产生与压制
一、RTM偏移噪声的产生机理
二、RTM偏移噪声的特点
三、RTM偏移噪声的压制
第四节 模型测试及实际资料处理
一、2D模型测试
二、3D模型测试
三、实际资料处理
小结
第四章 波动方程保幅地震偏移成像技术
节 波动方程保幅地震偏移的单程波动方程
第二节 傅里叶有限差分保幅叠前深度偏移
一、波动方程保幅偏移方法的傅里叶有限差分解法
二、模型数值试验与实际资料处理
第三节 高阶广义屏保幅叠前深度偏移
一、波动方程保幅偏移方法的高阶广义屏解法
二、模型数值试验与实际资料处理
第四节 双平方根方程保幅叠前深度偏移方法
一、DSR方程定义的单程波动方程
二、基于双平方根方程的保幅裂步傅里叶传播算子
三、共炮检距道集保幅叠前深度偏移方法
四、模型数值试验
五、实际资料处理
第五节 波动方程保幅叠前深度偏移与AV0分析
一、水平层状模型试算
二、断层模型试算
三、Marmousi2模型试算
小结
第五章 基于各向异性介质的地震偏移成像技术
节 各向异性介质基本波动理论
一、各向异性介质波动方程及christoffel方程
二、各向异性介质中的对称性
三、TI介质的Thomsen参数表征
四、VTI介质弹性波相速度与群速度
五、TTT介质弹性波相速度与群速度
第二节 各向异性Kirchhoff叠前深度偏移成像技术
一、基于弹性参数的VTI介质射线追踪
二、基于Thomsen参数的VTI介质射线追踪
三、Kirchhoff叠前深度偏移原理
四、模型测试及实际资料试算
第三节 各向异性单程波波动方程偏移成像技术
一、各向同性介质隐函数FD流程
二、VTI介质的离散关系
三、优化的VTI介质FFD
四、脉冲响应
第四节 各向异性RTM成像技术
一、拟声波近似及其控制方程
二、从拟声波近似到纯声波近似
三、TI介质标量波RTM的问题分析
四、模型测试及实际资料试算
小结
第六章 基于GPU的深度域波动方程成像技术
节 面向地震成像计算的GPU／CPU异构并行平台
一、地震叠前深度偏移工业化处理的硬件需求分析
二、用于地震叠前深度偏移处理的CPU／GPU集群架构
第二节 基于GPU的波动方程叠前深度偏移技术
一、基于GPu的WEM实现策略
二、WEM的数据管理
三、WEM的并行设计
四、基于GPU的WEM程序设计
五、模型数值试验与实际资料试处理
第三节 基于GPU的RTM成像技术
一、基于CPU平台的并行设计
二、基于GPU的并行设计
三、模型数值试验与实际资料试处理
小结
第七章 深度域速度分析与建模技术
节 成像道集偏移速度分析技术
一、剩余曲率偏移速度分析技术
二、模型数据测试
第二节 成像道集层析速度反演技术
一、成像道集层析速度反演技术
二、模型数据和实际数据试验
第三节 初始各向异性参数提取技术
一、基于地震数据的初始参数提取技术
二、基于测井地震相结合资料的初始参数提取技术
三、模型数据测试与实际数据试处理
第四节 成像道集各向异性参数层析反演技术
一、成像道集各向异性层析反演技术
二、模型数据测试
第五节 深度域速度建模技术
一、递进式深度域速度建模技术
二、递进式各向异性参数建模技术
小结
第八章 结束语
节 深度域成像技术的应用前提
第二节 深度域成像技术的发展趋势
参考文献
【内容简介】

    随着RTM技术的进步，发展了震源波场重构的方法，这样只需保存每个时刻震源波场的边界信息，然后在检波点波场进行逆推时作为边界条件再重构震源波场，虽然存储量大大减少，I／O问题也得到解决，但计算量增加近50%。另外，常规地震处理面元下（12.5m×2.5m）的炮集数据都在几TB到几十TB之间，成像空间在1000×1000×1000左右，处理步数为8000～12000步。下面以RTM为例进行需求分析：
     基于上述对RTM基本原理和计算过程的分析，通常RTM处理算法巾须考虑的主要因素有：
     （1）计算效率：RTM中最耗时的计算是利用有限差分算法进行波场外推，为典型的单指令多数据的处理操作，非常适合GPU处理。例如NvidiaTeslaKeplerK10有3072个核，可以同时处理3072个样本，尤其对于RTM的单精度计算，具有非常高的处理效率。
     （2）GPU显存：显存的大小决定了每块显卡能处理的波场大小。RTM处理时，若不采用数据交换策略，每块显卡上要存放正推波场、反推波场、速度场、成像场等至少6个同等大小的波场，否则需要在多卡上分块计算，或者利用流式在单卡上进行处理。
     （3）GPU与内存的数据交换速度：RTM是大数据吞吐的处理，炮集数据、波场数据等需要在GPU与内存直接进行交换，因此，GPU与内存之间的数据交换速度就非常关键。目前GPU大多采用PCIE与总线相连，PCIE二代的传输速率在4～5GB／s左右，PCIE三代可达到10GB／s，且支持双向数据传输。
     （4）CPU、CPU在RTM处理中的作用在不同的算法设计中有所不同，但总的来说，CPL主要负责GPU的控制、数据的准备、数据在节点间的发送与接收等。因而，面向RTM处理的集群对CPU的性能要求可适当低些。
     （5）CPU内存的大小：CPU内存上要存放炮集数据、速度场数据、成像数据、波场中间数据等，尤其是波场中间数据，因此也需要较大的内存空间。算法不同，需求有些差异，一般每块GPU配备48GB以上的内存。
     （6）节点间网络连接：RTM处理需要在节点间进行大量的数据传输。随着节点数规模的增加，对网络的传输能力和拓扑设计的挑战也越大，节点间的数据交换量主要是炮集数据，如果采用多卡处理单炮的算法，则每个时间步都需要交换重叠区的数据。目前，大规模集群的网络通信主要有以太网和Infiniband网卡两种，前者的万兆网卡通讯速度在1GB／s左右，且随着节点增多，路由的计算和等待负担增大，容易引起性能下降。后者是近年来发展起来成熟的节点间通信方式，通讯带宽可到40GB／s，且其路由策略适合点点之间通信，因而迅速成为大规模集群的首选。
     （7）本地外存：RTM处理中会产生一些临时结果，上述临时结果可以保存在本地外存上，也可以视网络通信压力，保存在高速的网络树上。

《深度域地震成像新技术理论与实践》共分八章，第一章对地震成像理论的发展历程和叠前深度偏移成像技术的特点进行了一个较为系统的阐述；第二章介绍了高斯束叠前深度偏移成像技术；第三章介绍了逆时叠前深度偏移成像技术；第四章介绍了波动方程保幅地震偏移成像技术；第五章介绍了基于各向异性介质的地震偏移成像技术；第六章介绍了基于GPU的深度域波动方程成像技术；第七章介绍了深度域速度分析与建模技术；第八章是作者对高精度深度域地震成像新技术应用条件和发展趋势的一些认识。

　　本书从理论研究与生产实践两方面，对影响地震偏移成像的三项关键技术-地震成像、速度建模和高性能计算的*发展进行了较为系统详尽的阐述。一方面有助于地震资料处理初学者对地震偏移成像理论有一个较全面的认识；另一方面有助于地震处理人员利用*发展技术解决生产中遇到的技术难题；同时也有助于地震偏移成像方法技术研究人员进行深层次的前沿理论技术研究。