最小二乘曲线拟合的微地震初至优化拾取方法及应用

水力压裂改造中微地震事件具有能量弱、信噪比变化大、干扰源复杂等特点,对微地震信号进行快速精确的初至拾取是微地震实时监测、指导压裂生产急需解决的关键问题。针对微地震事件时窗能量比法拾取精度低、不同信噪比事件适应性差的特点。首先应用能量比法粗略拾取初至位置。然后应用最小二乘曲线拟合法拟合理论曲线,在拟合曲线定义的前、后时窗范围内二次优化拾取初至。通过实际数据测试,并与能量比法对比,验证了本文方法的有效性与可行性。基于最小二乘曲线拟合的微地震初至优化拾取方法能较快速、准确地拾取不同波形特征、不同信噪比的微地震事件初至,有效提高微地震实时定位的准确性与效率。     

应用图像语义分割网络的微地震事件识别和初至拾取方法

微地震初至精确拾取是目前微地震监测关键环节之一,传统的人工拾取方法耗时长、效率低,在实际应用中容易导致无法及时预警等问题。近年来,基于深度学习的长短期记忆网络模型(LSTM)常用于微地震初至拾取,但在低信噪比环境下拾取准确率较低,且忽视了微地震数据中相邻道初至之间的关联性。针对上述问题,将微地震初至发生前、后看作是图像二分类问题,提出了一种应用图像语义分割网络的微地震事件识别和初至自动拾取方法。应用在矿井中采集的实际微地震数据进行实验,结果表明,对包含岩石破裂、工程爆破等多类型微地震事件,该方法的识别准确率较现有的深度学习方法明显提高,平均拾取误差大幅降低,特别是低信噪比数据的平均拾取误差远小于LSTM法,因而具有良好的实际工程应用价值。     

浅层折射波勘探中初至自动拾取新算法

地震波初至拾取是地震勘探中广泛应用的基础技术,尤其在浅层折射波勘探和层析成像中初至时间拾取精度直接影响地下地层结构的反演结果。由于初至时间对应的并不总是能量比最大值(可能是次极值),以往的滑动时窗能量比法仅根据前后两个滑动时窗能量比的最大值判断初至时间,造成对低信噪比数据的拾取效果不理想,而对高信噪比数据则难以检测能量较弱的折射波。基于此,本文提出多时窗能量比初至拾取算法,该算法在实现过程中结合应用自动质量控制技术,满足了浅层折射波勘探的初至拾取精度要求,且具有较高的稳定性。将该方法应用于准噶尔盆地中部M区地震勘探,取得了非常好的效果。     

初至智能拾取技术

地震记录的初至自动拾取一直是复杂地形和表层条件下地震勘探工作的一个难题。为此,提出了初至智能拾取技术,模拟人机交互初至半自动拾取过程进行初至拾取。首先通过改进Coppens的滑动时窗能量比方法进行"好初至波"拾取;然后通过模拟人工辅助线的"架桥"技术获得可用初至波;再采用波峰(谷)相位域追踪技术获得初至波峰点,进一步采用炸药震源初至波起跳点的相位域估算技术获得初至波起跳点。在南方复杂地区,采用自主研发的Hunter初至智能拾取软件对靶区地震资料进行了初至拾取,并与OMEGA商业软件初至自动拾取结果进行了比较。结果表明,初至智能拾取方法及软件不仅能够实现高精度、高命中率的智能化初至拾取,而且能够提供初至时间、初至波周期和初至波品质等更多的信息;在复杂地区低信噪比地震资料中更能体现Hunter初至智能拾取软件的优越性。     

低信噪比地震资料初至自动拾取技术

为提高低信噪比地震资料初至自动拾取的精度,提出了一种联合应用曲波变换与希尔伯特变换进行初至拾取的方法。首先采用基于Wrapping的快速离散曲波变换算法对检波点静校正和线性动校正后的炮域数据进行曲波变换,然后根据随机噪声和有效初至信号的曲波系数在不同尺度不同方向上的分布差异,设置合适的阈值对曲波系数进行"去噪"处理,最后将处理后的曲波系数进行反变换,获得压制随机噪声后的地震记录。利用希尔伯特变换计算各地震道的瞬时振幅,然后利用改进的瞬时强度比公式逐道计算给定的时窗内各采样点的瞬时强度比,最后根据瞬时强度比极大值确定单炮的初至时间。理论数据和实际资料处理结果表明,对于低信噪比地震资料,利用曲波变换法进行去噪后,数据的信噪比得到了提高。结合具有一定抗噪能力的改进型瞬时强度比初至拾取方法,可以有效地提高自动拾取初至的精度,减少人工修改错误初至的工作量,该方法具有一定的实用价值。     

基于高阶累积量时间延迟估计的自动剩余静校技术

复杂地表条件工区的地震资料往往存在严重的剩余静校正问题,常用的剩余静校正方法一般要求准确拾取初至旅行时,但在面对低信噪比地震资料时,很可能耗费极高的人力时间成本进行手动初至拾取。发展了基于高阶累积量时间延迟估计的自动剩余静校正方法,采用高阶累积量和相干叠加的方法得到两点间的时延,再使用时延的组合得到炮检点的剩余静校正量。该方法的优势在于,互相关使用两道数据进行时延估计,只利用二维地震信息,而高阶累积量使用多道数据,利用三维地震数据信息增强有效信号;与互相关类方法相比,高阶累积量不再要求噪声为高斯分布,与实际地震资料的情况更加吻合,对背景噪声的压制效果更优;结合地震干涉法中相干叠加的思路进一步提高信号有效叠加次数和信噪比,保证获得稳定可靠的道间时延估计结果。该方法采用完全数据驱动,在面对海量低信噪比地震资料时,可有效避免初至拾取所需的高昂时间人力成本。合成数据实例验证了高阶累积量进行时延估计的良好抗噪性及计算剩余静校正量的有效性。将该方法应用于中国西部某地区实际低信噪比地震资料的处理,明显改善了同相轴的连续性,与基于初至拾取的剩余静校正方法相比,该方法降低了初至拾取所需的大量时间人力成本。     

结合CEEMDAN和主成分分析的低信噪比微地震初至信号检测

微地震资料信噪比过低,传统方法的初至拾取精度与稳定性大多不理想。将基于自适应噪声完备经验模态分解（CEEMDAN）与主成分分析（PCA）相结合,有效地实现了低信噪比资料中的初至特征检测。针对低信噪比微地震资料进行CEEMDAN处理后,对各阶本征模态函数（IMF）进行PCA,再对各阶IMF的主成分进行加权重构,同时对次要成分进行压制与剔除,使三分量信号中具有较强一致性的初至信息得以保留。设计多组不同信噪比的测试信号,对方法的可行性进行测试,并最终应用于三分量实测信号。结果表明,该方法在极低信噪比条件下仍可实现对微地震信号初至的有效识别与检测。     

地震道时窗属性特征检测初至时间的研究

给出了几种用于初至拾取的地震时窗属性特征的算法。经过试算、比较和分析，指出地震分形特征初至拾取的不足；提出地震道时窗内能量比属性特征检测地震初至时间的新方法。该方法能快速和准确拾取初至的起跳时间、抗噪声能力强。合成地震记录试验表明，当随机噪声达75％时，仍能准确拾取初至时间。实际地震资料试算显示，其正确率达90％左右。     

低信噪比地震数据折射初至的判定与识别

静校正是起伏地表条件下地震资料处理的关键技术, 其精度依赖于初至拾取的准确性, 但低信噪比往往导致初至难以被准确地判别与拾取。折射波干涉法可以提高初至折射波的信噪比, 本文在原干涉法的基础上做了三点改进: 通过引入反向互相关函数解决近道地震记录叠加次数低的问题; 分析干涉法产生“假事件”的原因, 并针对互相关扭曲波形产生的“假事件”, 应用子波整形对其进行压制; 在处理实际三维地震资料时, 由于可用于干涉法的炮检点组合数较少导致叠加次数较少, 引入检波点域干涉法, 增加所有道的叠加次数。合成地震记录和实际地震资料处理结果均验证了本文方法的适用性。     

一种强噪声微地震信号P震相初至拾取的新方法

针对水力压裂微地震监测信号信噪比普遍偏低,难以准确拾取初至的问题,提出了一种基于特征函数构建的峰度和小波多尺度分解的P震相初至精确拾取方法。首先利用小波多尺度分解法提取低信噪比微地震数据的主成分,进而构建针对主成分数据的特征函数,并计算该特征函数序列的峰度值,最终将峰度曲线的全局最大斜率定义为P震相的初至。与传统峰度法、小波分解和高阶统计量联合方法相比,该方法能够显著减小拾取误差。将该方法应用于不同信噪比的模拟微地震数据的P震相初至拾取,结果表明:其拾取误差为0.0302×10-3~1.3002×10-3s,同时,相比于小波分解与高阶统计量联合方法,其计算效率稍有提高。将该方法应用于实测微地震数据的P震相初至拾取的结果表明,与人工拾取和传统峰度法相比,拾取结果更接近于人工拾取结果,具有更高的准确率。     

微地震有效事件自动识别与定位方法

微地震有效事件自动识别与定位是进行微地震实时监测的关键。自动识别的准确性对随后的震源定位精度有很大影响。本文在讨论长短时窗能量比(STA/LTA)法基础上,讨论了基于特征值分析且抗噪能力较强的识别方法。结合多道检波器相互位置及有效信号的空间相关关系,根据P、S波的传播特征,通过研究有效微地震信号在相邻道之间及多道之间的变化特征,形成了多级检波器微地震有效事件的自动识别方法。在对初至有效波进行拉平的基础上,利用叠加能量和相关特性,采用跟踪分量方法进行扫描叠加,并以非均-化互相关准则作为初至校平的判断依据,建立了微地震事件的自动扫描定位方法。应用该方法对实际资料进行有效微地震事件的识别与定位,结果与实际情况基本吻合。该方法可克服以往微地震人工识别和定位的缺陷,提高微地震监测的效率。     

模型初至地表一致性静校正

为了解决新疆沙漠地区近地表速度随沙丘厚度增加给地震资料处理造成的困难,提出一种模型初至地表一致性静校正方法。此法不采用传统的初至折射静校正的概念,而是充分利用全部初至波(包含直达波、反射波和多层折射波的初至信息),因而提高了计算静校正的精度。模型初至是利用指数形式拟合各炮拾取的初至时的平均值取得的,因此所确定的模型初至曲线平滑掉了各种干扰和地表变化的影响,仅包含近地表的地层厚度和速度与炮检距的变化。由于此法采用了拟合计算方式,从而增强了自动拾取初至的能力,它是一种有效而实用的大静校正量的计算方法。     

基于QT的能量比法地震波初至拾取系统设计

 利用能量比法拾取地震波初至的基本思路为：在初至到来之前地震波的振幅很小,而在初至到来之后,其振幅增加到很大,因此在初至附近的两时窗内的能量比值会很大,只要找到地震道上能量比的最大值点,此点对应的时间即为初至时间。本文在Linux工作环境下,以QT为开发平台,利用能量比法实现了SEG Y格式地震文件的读取,并以共炮点、共接收点和共炮检距的方式对初至时间进行交互式自动采集与检验校正,提高了初至拾取的效率和精度。     

声波测井资料弱初至波检测新方法

提出一种基于对波形包络信号进行统计分析的初至波检测新方法．该方法利用信号道大、小时窗内波形包络能量的比值变化来检测初至信号．实际资料试处理结果表明，对多层套管井全波资料和裂缝地层环行声波资料进行处理时，取０．２～０．４倍脉冲极值作为门槛值可检测到各种弱初至波。     

利用能量比法拾取地震初至的一种改进方法

介绍了能量比法拾取地震道初至的一种改进方法，即利用时窗滚动来计算能量比值，并从比值特征中判断初至。在以前的计算中是把要计算的地震道划分成许多个时窗，然后逐个求能量比值。由于各道初至的到达有先有后，如果静态地划分时窗，有可能初至到达前后时窗的能量比值并不是最大的，也就是说这时的拾取结果是错误的。但是通过时窗滚动可以多次计算初至前后时窗内的能量比值，经比较得出最佳比值。改进的方法能快速准确地拾取地震道的初至，并且可以提高拾取的精度和稳定性。     

基于混合网络U-SegNet的地震初至自动拾取

传统初至拾取方法拾取效果和效率不能兼顾、算法稳定性差、工业化应用成熟度不高;基于深度学习的初至拾取方法制作标签耗时费力、数据预处理过程繁琐、网络结构过于复杂,导致训练和测试效率较低。为此,将U-Net与SegNet深度学习网络的优点相结合,构建新的混合网络U-SegNet,并基于U-SegNet自动拾取初至。U-SegNet以SegNet结构为基础,通过在解码器网络的反卷积层之前融合跳跃连接信息,提供编码器网络的多尺度信息,以获得更好的性能,并且其上采样操作将U-Net中的反卷积改为反池化,池化索引被传递到上采样层,网络模型收敛更快。因此,U-SegNet网络结构更利于分割背景噪声区域和含噪信号区域,从而提高初至拾取精度。基于U-SegNet的初至自动拾取流程包括制作训练数据集、设计网络模型、训练网络模型、测试网络模型和实际资料应用。测试和应用结果表明,所提方法的初至拾取效率约为某商业软件的2.2倍,且易于工业化应用,具有良好的发展前景。