SUMMARY

Short-period internal multiples, resulting from closely spaced interfaces, may interfere with their generating (bandlimited) primaries, and hence they pose a long-standing challenge in their prediction and removal. A recently proposed method based on the Marchenko equation enables removal of the entire overburden-related scattering by means of calculating an inverse transmission response. However, the method relies on time windowing and can thus be inexact in the presence of short-period internal scattering. In this work, we present a detailed analysis of the impact of band-limitation on the Marchenko method. We show the influence of an incorrect first guess, and that adding multidimensional energy conservation and a minimum phase principle may be used to correctly account for both long- and short-period internal multiple scattering. The proposed method can currently only be solved for media with a laterally invariant overburden, since a multidimensional minimum phase condition is not well understood for truly 2-D and 3-D media. We demonstrate the virtue of the proposed scheme with a complex acoustic numerical model that is based on sonic log measurements in the Middle East. The results suggest not only that the conventional scheme can be robust in this setting, but that the ‘augmented’ Marchenko method is superior, as the latter produces a structural image identical to one where the finely layered overburden is missing. This is the first demonstration of a data-driven method to account for short-period internal multiples beyond 1-D.

中文翻译：

---

具有水平分层覆盖层的介质中短周期内部倍数的数据驱动控制

概要

由紧密间隔的接口产生的短周期内部倍数可能会干扰它们的生成（带限）原色，因此，它们在预测和删除方面提出了长期的挑战。最近基于马尔琴科方程式提出的方法能够通过计算反向传输响应来消除整个与上覆层相关的散射。但是，该方法依赖于时间窗，因此在存在短时内部散射的情况下可能不精确。在这项工作中，我们详细介绍了谱带限制对Marchenko方法的影响。我们显示了不正确的首次猜测的影响，并且添加多维能量守恒和最小相位原理可用于正确考虑长周期和短周期内部多次散射。由于对于真正的2D和3D媒体并没有很好地理解多维最小相位条件，因此目前只能解决横向覆盖不均匀的媒体。我们通过基于中东声波测井测量的复杂声学数值模型证明了该方案的优点。结果表明，不仅传统方案在这种情况下可能是鲁棒的，而且“增强型”马尔琴科方法更优越，因为后者产生的结构图像与缺少精细分层的上覆层的图像相同。这是一种数据驱动方法的首次演示，该方法可解决一维以外的短期内部倍数问题。因为对于真正的2D和3D媒体，多维最小相位条件尚未得到很好的理解。我们通过基于中东声波测井测量的复杂声学数值模型证明了该方案的优点。结果表明，不仅传统方案在这种情况下可能是鲁棒的，而且“增强型”马尔琴科方法更优越，因为后者产生的结构图像与缺少精细分层的上覆层的图像相同。这是一种数据驱动方法的首次演示，该方法可解决一维以外的短期内部倍数问题。因为对于真正的2D和3D媒体，多维最小相位条件尚未得到很好的理解。我们通过基于中东声波测井测量的复杂声学数值模型证明了该方案的优点。结果表明，不仅传统方案在这种情况下可能是鲁棒的，而且“增强型”马尔琴科方法更优越，因为后者产生的结构图像与缺少精细分层的上覆层的图像相同。这是一种数据驱动方法的首次演示，该方法可解决一维以外的短期内部倍数问题。结果表明，不仅传统方案在这种情况下可能是鲁棒的，而且“增强型”马尔琴科方法更优越，因为后者产生的结构图像与缺少精细分层的上覆层的图像相同。这是一种数据驱动方法的首次演示，该方法可解决一维以外的短期内部倍数问题。结果表明，不仅传统方案在这种情况下可能是鲁棒的，而且“增强型”马尔琴科方法更优越，因为后者产生的结构图像与缺少精细分层的上覆层的图像相同。这是一种数据驱动方法的首次演示，该方法可解决一维以外的短期内部倍数问题。