基于多核模型的地震信号高效稀疏分解

为了提高地震信号分解算法的效率和模型的稀疏度, 本文利用多个核函数作为原子, 自适应地对地震信号进行稀疏分解。通过对地震信号在时频域分别进行全局k均值聚类, 确定字典库中原子备选参数, 然后通过正交最小二乘算法进行信号的稀疏重构。合成资料以及实际地震资料应用结果均表明, 文中所提方法在达到同样的重构精度时, 较大程度地提高了地震信号分解的稀疏度。     

基于二维小波变换的地震资料去噪方法

在油气勘探中,接收到的地震信号包含有效信号和噪声干扰,即要求从强噪声背景中提取出微弱有效信号,去除干扰信号.小波变换是一种时频分析方法,具有多分辨和适应时变信号处理的特性,能将信号进行多尺度分解,各尺度上分解所得的小波变换系数代表原信号在不同分辨率上的信息,根据时频分析结果进行去噪处理,试验显示局部特征并没有得到有效利用.于是针对地震数据及其噪声干扰的特点,利用二维小波变换技术易于分离有效信号和噪声的特点,将其应用于实际地震资料的处理中,对消除面波干扰及其他规则干扰效果很明显,大大提高了地震资料的信噪比和分辨率,有效改善了地震资料的质量.     

地震记录道信号在时间域逐次分离的方法

本文采用从地震记录道信号中逐次分离出具有不同分辨率背景的方法,实现在时间域内对地震记录道信号的分解.此法实际上是通过对地震记录道信号的奇性检测,将信号中低信噪比部分分离出去,保留高信噪比成分,最终达到提高地震记录信噪比的目的.文中从实测炮集记录中分离面波的算例表明,对面波分离的效果优于常规的高通滤波.因此,此法可作为高分辨率处理的手段之一.     

对依据频率的匹配追踪快速算法的改进

匹配追踪(MP)算法是信号自适应分解的一种具体实现方法.依据频率的匹配追踪快速算法利用地震信号有限频带的先验知识,建立以频率为主要搜索目标的字典索引,减少了字典索引和迭代循环的计算量,提高了信号匹配追踪分解的效率和计算速度.改进算法以复地震信号能量极值处的瞬时频率为初始频率,建立频率与尺度参数的关联关系,使循环迭代过程紧密围绕残值信号能量的有效衰减,提高了确定初始频率的针对性.     

双极子分解匹配追踪算法在薄层反演中的应用

匹配追踪算法在地震谱分解、时频分析及薄层反演等领域有广泛的应用。本文利用双极子分解理论建立过完备奇、偶原子库,再通过匹配追踪算法对地震信号进行稀疏分解,以实现薄层反射位置及反射强度的反演。模型试算及对实际数据的运算结果都表明:与传统匹配追踪算法相比,双极子分解匹配追踪算法对地震信号有更高的分解精度,且具有较好的抗噪性。     

基于经验模态分解的广义S变换在低频阴影中的应用

经验模态分解是处理非平稳信号的一种经典时频分析方法。随着在勘探中的广泛应用,也暴露出经验模态分解的许多缺点,如缺乏具体的数学理论支撑、模态混叠等。这些缺点直接影响到实际地震信号处理中含油气层弱信号的提取。基于此,提出了一种通过基于经验模态分解的广义S变换的时频分析方法。首先,对地震数据进行经验模态分解,分解得到的固有模态分量,这是基于地震信号局部特征的时间尺度;其次,根据已有的测井资料选取合适的固有模态分量进行广义S变换;最后,对其进行分频处理和低频阴影分析。对比原地震信号只做广义S变换分频处理,基于经验模态分解的广义S变换能够得到更精确的有效单频剖面。     

地震信号去噪的最优小波基选取方法

利用小波技术进行地震信号去噪处理的效果与最优小波基的选取有关。本文在剖析地震信号特点的基础上,首先从理论上讨论小波基选取准则,再从实验角度进行对比选择,提出在进行小波分解和重构时应分别选择不同的小波基函数,以保证重构信号的精确度,增强对地震信号的处理能力。此方法改变了以往分解与重构处理时均采用同一小波基函数的做法。文中最终选择适合于地震信号去噪处理的bior2.4小波基。对实际资料处理效果的对比分析表明,应用bior2.4小波基处理地震数据,不仅去噪效果好,而且在结果数据中能提取地震信号的有效低频和高频成分,拓宽了地震信号有效频带,并同时提高了地震信号的信噪比和分辨率。     

基于小波分解与高阶统计量的微地震初至拾取方法研究

微地震资料的处理、解释首先需要拾取精确的初至信息。微地震初至的人工拾取虽然精度较高,但工作量大,不能满足实时处理的需要。为此,提出了一种基于小波多尺度分解和高阶统计量相结合的长短时窗峰度比(wavelet transform based short time window kurtosis/long time window kurtosis,W-STK/LTK)微地震初至拾取方法。考虑到有效微地震信号频率较低,而噪声信号频率则相对较高,首先对微地震信号进行小波多尺度分解,剥离有效信号与噪声;接着对分解得到的最大尺度信号应用基于高阶统计量的长短时窗峰度比(STK/LTK)算法;最后在分析特征曲线异常点特征的基础上识别微地震有效信号并拾取初至。模型数据和实际资料测试结果表明,该方法能够从信噪比较低的微地震资料中较准确地拾取微地震P波初至。     

改进的完备经验模态分解与WVD变换相结合在油气检测中的应用

Wigner-Ville分布(WVD)是一种二次型时频分析方法,具有高分辨率和能量集中性等特点,但其本身是一种瞬时自相关函数的傅里叶变换,由于没有移动的时间窗,所以对于多分量信号存在严重的交叉项问题。而改进的完备经验模态分解(ICEEMD)是基于经验模态分解(EMD)的一种最新算法,它可以将非平稳、非线性的地震信号分解为一系列单分量的特征子信号,不仅分解速度快,同时还克服了EMD算法自身存在的模态混叠等问题。首先,逐道对地震数据进行ICEEMD分解,将地震信号分解各个IMF分量;其次,对每道所有的IMF分量进行WVD变换;最后,在南海某工区提取不同的单频剖面,利用"高频能量衰减,低频能量增强"的特点进行含油气性检测。南海某工区地震数据分析处理结果验证了该方法含油气性检测的准确性。     

基于经验小波变换的地震资料噪声压制方法

噪声压制是地震资料处理中重要的环节,目前已有的去噪技术存在着噪声去除不干净、有效信号丢失、不能处理非线性非平稳信号等问题。经验小波变换(Empirical Wavelet Transform,简写为EWT)是一种能自适应分解原始信号的算法,其相较于经典的经验模态分解(Empirical Mode Decomposition,简写为EMD)具有更好的自适应性和完善的数学理论基础。将EWT算法引入到地震资料噪声压制中,选取合适的小波函数并利用EWT算法对目标地震信号进行自适应分解,得到其各个频率尺度的固有模态分量;然后根据原始地震信号的主频设定阈值范围,选取主频值在阈值范围内的固有模态分量进行重构,最终获取去噪后的地震信号。结果表明将EWT噪声压制算法应用于数值模型和实际地震资料中,可以很好地实现有效信号和噪声的分离,结果均比常规算法的去噪效果要好。     

石油企业知识型员工流失的原因分析与思考

对石油企业知识型员工流失的现状进行了描述,并分析了流失的原因;阐述了稳定知识型员工队伍的基本思路;从提高待遇、增进感情、发展事业、制度创新四个方面提出了相应的对策。对石油企业的人力资源管理理念的创新进行思考。