基于经验模式分解的去噪方法

 根据经验模式分解（Empirical Mode Decomposition, 简称EMD）方法分解白噪声而得到的本征模式函数分量的能量密度与其平均周期的乘积为一常量这一特性,本文建立了一种滤波去噪方法,即EMD滤波去噪法。通过模拟数据试验分析表明：EMD可以作为一种去噪滤波器,EMD方法的去噪能力与噪声水平有关,对于噪声方差小于信号振幅且无高频信号时,其滤波去噪的效果良好;EMD方法的去噪能力还与待滤波数据中是否含有高频信号有关,而当噪声水平较大且待滤波的序列中又具有高频信号时,滤波曲线会出现明显的失真现象。     

基于二次小波变换的地震信号去噪方法

本文在Donoho的小波域阚值去噪处理方法基础上，提出一种基于二次小波变换的地震信号去噪方法，该法是对地震信号进行多尺度小波变换，然后对主要由噪声控制的尺度1上的小波系数再进行第二次多尺度小波变换，并将二次小波变换后的尺度1上的小波系数置零，将其余尺度上的小波系数重构，最后对处理后地震剖面进行小波域阈值去噪处理。通过理论模型和实际资料的处理结果表明，本文所述方法能有效地改善地震剖面处理效果，提高地震资料的信噪比。     

一种改进的多次小波变换地震信号去噪方法

根据小波变换下信号和噪声在多尺度空间中的不同特性,对不同尺度下的小波系数用阈值处理,改进了多次小波变换应用于地震信号去噪的方法。数据仿真和实际应用表明,该方法可以有效压制随机噪声,对提高地震记录信噪比和分辨率都有较好的效果。     

LIFT去噪方法在地震资料处理中的应用

对地震资料去噪处理的效果直接影响后续处理以及资料解释的精度。以往的去噪处理方法，在提高资料信噪比的同时也损害了有效信号，不能保存原始记录中有效信号的原貌。LIFT（1inear interference filter technique）去噪方法的原理是：首先从原始数据中求取信号模型道，并从原始数据中将其减掉，将噪声数据分离出来；然后对分离出来的噪声数据（含有高百分比的噪声和低百分比的有效信号）进行再次去噪处理，得到剩余数据（二次信号数据）；最后将剩余数据与信号模型道进行数据重构。对重构数据的分析表明，LIFT去噪方法不仅可以提高地震数据的信噪比，还可以最大限度地保存原始数据中的有效信号。将LIFT去噪方法应用于大庆油田实际地震资料的去噪处理，对单炮记录去噪效果的分析表明，不仅有效信号得到了很好的恢复，一些在原始数据中肉眼观察不到的噪声在分离出来的噪声记录上也被很好地显示出来；LIFT方法去噪的叠加剖面与常规方法去噪的叠加剖面的对比分析表明，用LIFT方法去噪后，噪声得到了很好的压制，资料的信噪比得到了提高，同相轴的连续性增强了，剖面上能量横向分布趋于合理。     

双谱信号重构技术在重力数据去噪中的应用

一个实信号可以用一个谐波信号序列来拟合,计算实信号的双谱,通过Fourier变换推算出谐波信号的系数和相位角与实信号双谱振幅谱和相位谱之间的关系,可以实现信号重构。谐波基频的准确估算是信号重构的关键,经过试验分析,取双谱振幅谱的第一个峰值对应的频率作为估算基频。构成实信号的谐波项数是未知的,通过设立系数因子控制谐波项数,可以满足不同频率（或波数）段信号的拟合,实现噪声压制。数值模拟和实际应用结果表明,双谱信号重构技术不仅能有效压制随机噪声,还可以进行异常分离。     

基于CEEMD的地震数据小波阈值去噪方法研究

考虑到地震信号的非平稳性和去噪方法对非平稳信号的适应性,针对互补集合经验模态分解(CEEMD)舍弃高频分量的去噪方法和小波阈值去噪方法存在的不足,提出了基于CEEMD的地震数据小波阈值去噪方法。CEEMD是EMD(经验模态分解)的改进型算法,它既保留了EMD处理非平稳信号的优势,又能有效地克服EMD的模态混叠问题;但是,单纯的CEEMD分解去噪会在去除高频噪声的同时压制高频的有效信息。将CEEMD分解与小波阈值去噪相结合,对CEEMD去噪要舍弃的含噪声较多的高频固有模态函数(IMF)分量进行小波阈值去噪,以保留这些分量中的有效信息。模型数据和实际地震资料的测试结果表明,无论对于低噪声还是强噪声地震数据,基于CEEMD的小波阈值去噪方法的去噪效果都优于单纯的CEEMD去噪方法和小波阈值去噪方法。     

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.     

化工系统动态信号去噪方法的探讨

在分析线性滤波器原理的基础上，建立了化工系统动态信号的最优线性滤波器的数学模型，并以加氢裂化反应器出口温度信号的除噪为例比较了滤波器模型参数对去噪效果的影响。     

基于改进PSO-ICA的地震信号去噪方法

为了改善常规固定步长独立分量分析(ICA)算法的叠前地震信号去噪效果,本文提出一种基于混沌粒子群优化(PSO)的改进ICA算法。该算法利用混沌PSO动态调整相对梯度ICA的步长函数,减小ICA算法的稳态误差。在混沌PSO优化过程中,采用一种基于反正切函数的非线性递减惯性权重,提高PSO迭代初期的全局搜索能力和迭代后期的局部搜索能力。模型试算和实际单炮记录处理结果表明:本文提出的改进ICA算法去噪效果明显,有效信号损失小。与其他算法相比,改进ICA算法不仅能很好地保护有效地震信号,而且能提高信噪比。     

基于EMD-小波包的随钻测量信号去噪方法

为了降低随钻测量过程中噪声对信号的影响,针对经验模态分解(EMD)去噪方法粗糙和小波包去噪方法缺乏自适应的问题,提出了一种基于EMD-小波包的随钻测量信号去噪方法。利用EMD分解自适应的特点将随钻测量信号分解成几个IMF分量;根据信号自相关函数的特性找出主要含噪的IMF分量,再利用小波包阈值去噪方法将含噪IMF分量中的噪声去除;将去噪后的IMF分量和剩余的分量重构,得到去噪后的随钻测量信号。为验证方法的有效性,进行了随钻测量实验并用该方法对采集的信号进行处理。结果表明该方法能够很好地去除随钻测量信号中噪声的干扰,提高信号的信噪比。     

基于数据驱动紧框架理论的三维地震数据去噪与重建

由于受经济成本、地质条件等因素限制,地震采集数据一般为欠采样数据且含有噪声,将对数据处理和地质解释产生严重影响。为此,基于数据驱动紧框架（data-driven tight frame,DDTF）理论,研究了三维地震数据去噪和重建问题。DDTF理论限定学习字典为一组平移不变的冗余小波紧框架,通过进一步控制字典的自由度,使DDTF算法拥有良好的鲁棒性,并且利用小波紧框架完美的重构特性,可更好地保留数据的精细特征。仿真实验和实际数据应用结果表明： DDTF算法对结构简单的三维合成地震数据及结构复杂的实际三维地震数据都具有良好的去噪和重建效果,但计算效率较低,还需进一步改进;曲波变换对实际数据的去噪和重建效果较差;块匹配四维协同滤波的去噪和重建结果过于光滑,会丢失一些结构特征。     

地震图像随机噪声的非局部均值去噪法

随机噪声的存在往往会影响地震图像分析的准确度。为了提高图像分析质量,提出了一种基于非局部均值滤波（ Non Local Means）抑制地震图像随机噪声的新方法。在对滤波像素点去噪时,该方法分配给每个相似像素点的权重不依赖于2个像素点的空间距离,而是依赖以该像素点为中心的图像子块与以当前像素点为中心的子块之间的相似性,且滤波参数h的选取对滤波效果起到至关重要的作用。结合实例,对地震资料进行了具体分析。结果表明,与传统方法（如中值滤波、高斯滤波）相比,采用非局部均值滤波方法合成地震记录和实际数据时,既能有效地抑制地震随机噪声,又能较好地保留地震同相轴陡变处或同相轴弯曲处的边缘细节信息,具有实用性和有效性。     

非抽样离散小波变换叠前地震数据重建方法

叠前地震数据包含了丰富的地层信息,但在实际勘探中由于受采集条件等影响,叠前地震数据地震道缺失现象严重。针对规则采样不规则道缺失的插值恢复问题,一些传统的插值方法无能为力或者插值效果不佳,而近年来发展起来的非抽样离散小波变换（UDWT）,具有很好的稀疏表示能力,比傅里叶变换能更加稀疏地表示地震数据;根据压缩感知理论,即使不满足Nyquist采样定理的要求,利用极少的观测数据,也可能较好地恢复缺失的地震数据。本文提出一种基于UDWT的地震数据插值方法,对地震数据做插值和规则化处理,可以提高叠前地震数据的完整性,理论模型和实际资料的重建效果验证了方法的有效性和实用性。     

应用双向长短时记忆神经网络的微地震信号降噪方法

地面微地震监测数据噪声干扰强、信噪比低,对后续的微地震初至拾取、成像定位等产生严重影响。因此,微地震信号降噪是微地震数据预处理中的关键步骤,而常规降噪方法常依赖于算法参数的设置,不具备普遍的适用性。为此,提出了一种应用双向长短时记忆(Bi-LSTM)神经网络的微地震信号降噪方法。首先,使用合成信号和实际信号构造样本数据集,对构建的Bi-LSTM模型进行训练和测试,得到降噪效果最好的模型;然后,利用训练好的Bi-LSTM网络对不同信噪比的合成信号和川渝地区油气井的实际压裂监测微地震信号进行降噪处理。降噪后的实际微地震信号用于地震发射层析成像,并分析图像以实现地面微地震信号的震源定位。实验分析结果表明,该方法能够有效降低微地震信号中的各类噪声,提高信噪比,从而提高震源定位的精度。与传统算法相比,该方法不需要参数调整,具有良好的泛化特性。     

基于CUDA的地震信号频率补偿并行算法

基于压缩感知的地震信号频率补偿算法可有效拓宽地震信号的频谱,提高地震资料的分辨率。虽然该算法具有良好的拓频效果,但对于高维度、大规模的地震数据时效较低。经过分析发现该算法的计算瓶颈在于计算反射系数部分的大量代数运算和重构信号部分的卷积运算,为此,提出一种基于CUDA的并行方案对该算法进行并行优化。首先,改变地震数据的组织形式,使其存取效率更高,且更适合并行处理;然后,重新设计计算反射系数串行代码,利用CUDA(Compute Unified Device Architecture)平台调用GPU大量轻量级线程对其中的代数运算进行并行化;最后,利用卷积定理改变了时域信号卷积计算方式,采用cufft库函数将两个时域信号的卷积转换到频域进行计算。结果表明,在保证计算精度的前提下,与串行算法相比,并行算法在PC端获得了4倍以上的总体加速比。     

Method of characteristics attributes reconstruction based on seismic wave attenuation

According to apparent absorption and attenuation characteristics of the hydrocarbon-bearing reservoir, a characteristic attribute reconstructing method based on seismic wave attenuation has been developed to identify the reservoir fluids. The seismic absorption and attenuation theory is the foundation of this method. A seismic characteristic attribute function has been deduced by changing the strata quality factor expression. According to this function, we reconstruct new seismic attributes by using the common seismic attributes of amplitude class, frequency class and absorption & attenuation class. Based on the designed viscoelastic medium model, the examine result shows that the new attributes can emphasize the changing characteristics of reservoirs fluid-bearing and verify the new method. Applied the technique to Lao168 well block to identify the reservoir hydrocarbon-bearing of channel sandstone, we achieved a good result that the distribution of the fluid was accurately depicted.     

基于地震波衰减的特征属性重构方法

以储层流体识别为目的,提出了基于地震波衰减的特征属性重构方法。首先从地震波衰减理论出发,通过改变地层品质因子表达式,推导了地震特征属性函数,利用振幅类、频率类及衰减属性重构新的地震属性;然后设计粘弹性介质模型进行试算,结果表明,利用特征属性函数重构的地震属性能较好地突出储层含流体变化特征,从而验证了基于地震波衰减的特征属性重构方法识别储层含油气性的有效性。将该方法应用于老河口油田北部老168井区河道砂岩储层油气识别,基于叠后地震资料精细刻画了储层流体的展布特征,取得了较好的应用效果。     

基于双谱信号重构的物探数据插值方法

实信号可以用谐波信号来描述,谐波信号的系数、相位角由实信号的双谱振幅谱、相位谱推算得到,由此实现对实信号的重构,即双谱信号重构。在信号重构过程中,通过缩小信号的采样间隔可以实现数据的内插。数值模拟和实际应用结果表明,对于重力异常等具有确定性分布的信号,用基于双谱信号重构的数据插值方法内插出来的数据具有高保真性。     

叠前含随机噪声地震数据抛物Radon变换法重建

抛物Radon变换法是地震数据插值和外推的有效方法。由于该方法是沿抛物线路径进行积分的数据处理方法，所以在对地震数据插值重建的同时，可以压制随机噪声，提高地震资料的信噪比。为此，研究了抛物Rodon变换法在含随机噪声地震资料缺失数据重建中的作用，通过模拟的水平层状介质模型和二维复杂Marmousi模型数据插值和外推计算结果验证了方法的有效性，并通过实际地震数据的处理结果证明，抛物Radon变换法可以在数据外推的同时有效地提高地震资料的信噪比，是一种实用的叠前地震数据预处理方法。