Adaptiv POCS-interpolationsmetod styrd av lateral begränsning

Skarpare bilder under markytan från ofullständiga data

Olje- och gasprospektering, geotermiska projekt och jordbävningsstudier förlitar sig alla på seismiska undersökningar: kontrollerade vibrationer som skickas ner i marken och registreras tillbaka vid ytan. I verkligheten innehåller dessa mätningar ofta luckor på grund av kostnad, terräng eller miljömässiga begränsningar. Denna artikel presenterar ett nytt sätt att ”fyll i luckorna” i sådana seismiska register så att geovetare kan se djupare och tydligare in i jorden samtidigt som beräkningskostnader hålls praktiska.

Varför saknade spår spelar roll

Seismiska bilder byggs upp av många tätt placerade mätningar, eller spår, som ligger sida vid sida. När för många spår saknas blir bilden av underjorden bruten och brusig, vilket gör viktiga steg som att avbilda förkastningar, kartlägga berglager eller uppskatta reservoaregenskaper mycket mindre tillförlitliga. Befintliga matematiska metoder kan gissa den saknade informationen genom mönster i tid och frekvens, och nyare maskininlärningsmetoder försöker lära dessa mönster från stora träningsmängder. Men maskininlärning är dyrt och kräver mycket data, medan traditionella metoder ofta förbiser hur starkt intilliggande spår liknar varandra lateralt, vilket leder till utsmetade strukturer och extra brus.

En smartare användning av närliggande information

Författarna bygger vidare på en välkänd matematisk ram kallad projection onto convex sets, som upprepade gånger styr datan mot olika "tillåtna" villkor tills de överensstämmer. Den klassiska versionen upprätthåller två huvudvillkor: att kända mätningar förblir oförändrade och att datan ser kompakt och välbehållen ut i en gles transform, till exempel ett frekvens–vågtalsdomän. Den nya metoden lägger till en tredje ingrediens: en explicit lateral begränsning som uppmuntrar intilliggande spår att variera mjukt där geologin är kontinuerlig, samtidigt som skarpa förändringar tillåts där underjorden verkligen bryts, till exempel vid förkastningar eller abrupta berggränser.

Anpassning till komplex geologi

För att undvika att blint utjämna allt delar metoden först varje spår i korta tidsfönster och jämför varje fönster med sina närmaste kända grannar. Från dessa jämförelser bygger den en likhetskarta som framhäver var spåren liknar varandra och var de skiljer sig. I fönster med hög likhet—typiskt för milt lagerberg—låter algoritmen närliggande spår kraftigt styra rekonstruktionen, vilket effektivt undertrycker slumpmässigt brus och fyller i saknade spår på ett sätt som respekterar lateral kontinuitet. I fönster med låg likhet—typiskt för komplexa förkastningar eller abrupta förändringar—lindrar den det laterala draget, så att verkliga geologiska brytningar inte spädas ut av överdriven utjämning. Detta adaptiva beteende styrs av en justerbar styrparameter vars praktiska intervall fastställs genom systematisk testning.

Att väga noggrannhet mot effektivitet

Forskarna visar matematisk att, under standardantaganden, konvergerar deras procedur med tre villkor till en stabil lösning. De analyserar också hur mycket extra beräkning det nya laterala steget tillför jämfört med en respekterad tidigare version av metoden. Båda angreppssätten domineras av samma kärntransform i frekvensdomänen, så det tillkommande arbetet ökar bara den linjära delen av kostnaden snarare än att ändra den övergripande tillväxthastigheten. I praktiken innebär detta att den förbättrade metoden körs något långsammare men håller sig väl inom rimliga gränser för stora seismiska datamängder, vilket gör den lämplig för verkliga prospekteringsprojekt.

Tydligare tester på syntetiska och verkliga undersökningar

Teamet testar sin metod på två typer av data. Först använder de syntetiska seismiska register genererade från den komplexa Marmousi-geologimodellen, med slumpmässigt borttagna spår som motsvarar 30 %, 50 % och till och med 70 % dataförlust. I samtliga fall rekonstruerar den nya metoden händelser som är mer lateralt kontinuerliga, med mindre synligt brus och frekvensinnehåll närmare originalets fulla data än den äldre algoritmen. Därefter tillämpar de metoden på verkliga post-stack-data från ett olje- och gasfält i östra Kina. Här ger också den nya metoden renare sektioner, bättre kontinuitet i milt varierande zoner och förbättrad bevarande av viktiga geologiska detaljer, vilket bekräftas av kvantitativa mått på fel, signal‑till‑brus‑förhållande och strukturell likhet.

Vad detta betyder för att se under marken

För icke-specialister är huvudbudskapet att detta arbete erbjuder ett mer tillförlitligt sätt att omvandla ofullständiga, brusiga seismiska registreringar till sammanhängande bilder av underjorden utan att förlita sig på tung maskininlärningsutrustning. Genom att noggrant och adaptivt använda likheten mellan intilliggande spår fyller metoden i saknad information samtidigt som verkliga geologiska egenskaper—som förkastningar och abrupta bergförändringar—behålls intakta. Resultatet är en datagrund med högre trohet för vidare bearbetning och tolkning, vilket i slutändan kan stödja bättre beslut inom resursprospektering och övervakning av underjorden, även när fältförhållanden förhindrar insamling av perfekt tät data.

Citering: Qin, Z., Pan, S., Chen, J. et al. Adaptive lateral constraint-driven POCS interpolation method. Sci Rep 16, 11518 (2026). https://doi.org/10.1038/s41598-026-39281-1

Nyckelord: seismisk interpolering, bildning av underjorden, geofysisk databehandling, brusundertryckning, kontinuitet i förkastningar och lager