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。     

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。     

基于小波分解与Akaike信息准则的微地震初至拾取方法

微地震震源的定位要求精确确定初至,人工拾取微地震有效事件需要很大的工作量。首先讨论了Akaike信息准则(AIC)初至拾取方法;然后根据微地震信号在相邻小波尺度上连续的特点,将基于AIC的初至拾取方法与小波多尺度分析方法相结合,对微地震资料进行多尺度分析;最后利用AIC拾取初至,并根据初至的分布特点确定地震记录中是否存在有效的微地震事件。克服了传统AIC法由于噪声影响使初至点模糊而难以准确拾取的缺点。模型与实际资料的应用表明,基于小波分解与AIC相结合的初至拾取方法能够从信噪比低的资料中较准确地识别出有效微地震事件。     

基于多道相似系数的微地震事件自动识别

水力压裂微地震事件的自动识别是微地震数据处理流程中的一项关键步骤。目前常用于微地震事件识别的STA/LTA方法仅利用单道的振幅(或能量)特征差异进行事件识别,因此,容易遗漏低信噪比事件。针对这一问题,提出了一种基于多道相似系数的微地震事件自动识别新方法。该方法的基本思路是在一个滑动时窗内对分段记录进行时差校正后计算其多道相似系数,并利用该相似系数作为检测微地震事件存在与否的依据。合成数据试算结果表明,该方法能够成功识别出信噪比仅为-2.5dB的有效事件。将此方法应用于实际资料的处理,微地震事件识别的准确率达到90%以上。通过与STA/LTA方法处理结果进行对比分析,证明了该方法是一种更为有效的微地震事件识别方法。     

S-变换初至拾取技术及其在复杂山区中的应用

初至的拾取在地震资料处理中有着非常重要的作用,它是折射波资料分析、VSP处理和井间地震资料处理的基础工作,并为其他处理工作提供可靠参数。提出了基于S-变换的初至拾取技术,设计单道模型将S-变换与不同时窗长度的短时窗傅里叶变换以及小波变换进行初至拾取的比较,并对不同信噪比的理论模型进行初至拾取,对比得出该方法具有容噪性好、初至拾取准确、适应性强等特性。该技术应用于复杂山区低信噪比地区实际地震资料处理中,取得较好的效果。     

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。     

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。     

井中微地震监测记录强背景干扰信号压制方法

井中微地震监测过程中因压裂施工、井筒噪声和仪器噪声等因素可能产生持续的强能量背景干扰信号。这些干扰信号严重影响了有效微地震事件的识别与初至拾取,它们具有时变非平稳随机信号特点,常规时域或频域滤波的预处理方法对其压制效果并不理想,过度滤波则可能对有效微地震信号造成损害。针对上述问题,以井中微地震监测三分量记录信号之间的同步与相关分析为基础,提出了基于多维经验模态分解的微地震监测记录中背景干扰信号的识别与压制方法。该方法通过对三分量微地震监测记录进行多维经验模态分解,获得不同阶次的本征模态函数分量,然后根据偏振属性的变化从中识别并去除与背景干扰信号对应的成分,以达到净化监测记录的目的。实际资料处理结果表明,与常规预处理方法相比,此方法能够有效识别和压制持续背景干扰信号,显著降低监测记录的噪声水平,有助于改善弱信噪比微地震信号的识别及初至拾取的效果。     

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。     

地面微地震监测资料静校正方法研究

针对地面微地震监测缺乏近地表速度资料和由于信噪比较低使得各条测线上初至走时拾取不全的问题,研究了利用射孔资料、声波测井资料及微地震事件监测资料进行地面微地震资料静校正的方法.讨论了初至拾取方法,对于不连续道的初至拾取,提出了用引导道方法拾取射孔事件和射孔点附近强微地震事件在各条测线的初至;通过声波测井资料建立基准面以下地层的初始速度模型,计算射孔事件的理论走时,进而求取初始静校正量;针对浅部和深部地层速度变化对初至影响程度的不同,设计了浅部二维速度模型和深部一维速度模型,根据射孔事件的实际初至运用反演方法校正初始速度模型,再用反演校正后的速度模型来正演射孔事件理论走时,求取总静校正量.最后,通过实际资料处理验证了静校正方法的应用效果.     

一种实现初至波自动拾取的方法

根据初至波特点，基于数字图像处理技术，提出了应用边缘检测和边缘追踪技术进行初至波自动拾取的方法。该方法的实现过程为：①对地震记录做单道归一化处理；②将地震记录转化为灰度图；③应用边缘检测方法确定初至波的位置；④采用中值滤波处理消除异常点干扰；⑤利用边缘追踪算法拾取初至波。实例表明，应用边缘检测和边缘追踪技术进行初至波自动拾取快速有效。     

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。     

含气储层预测方法及应用

由于红台气田储层物性横向变化剧烈，利用地震属性及反演预测含气储层效果不明显，而利用地震资料高阶谱分析非高斯信息的方法进行含气储层预测，几乎还没有人在此方面开展过研究。为此，在对吐哈盆地红台油气田构造、沉积研究分析基础上，研究利用地震资料进行砂体储层含油气预测的新技术。从讨论实际地震记录高阶累积量分析入手，研究利用高阶累积量计算高阶谱的方法；在分析高阶累积量及高阶谱提取分离具有非高斯分布信号时，详细讨论了产生具有高斯分布及非高斯分布的地震记录的地质条件及原因；阐明了用地震资料的低频高阶谱预测砂体含油气性的机制；从理论模型上论证了研究方法的正确性。并利用该方法把计算结果和实际产油气井资料进行符合率验证分析，验证结果总体符合率超过７０％，较好地解决了该地区含气储层的预测问题，并在此基础上进行了有利含气储层的预测。     

用基于相似的相干算法计算三维地震属性

地震相关性是用来计算由构造、地层、岩性、孔隙的变化及油气层等因素引起的地震响应横向变化的一种方法。它不象晕渲地形图,必须通过层位拾取才能得到断层和河道的3D可视化。地震相关性是用原始的地震资料进行计算,因而不存在由解释者或层位自动拾取程序产生的偏差。 我们介绍一种稳健、多道、基于相似的相干算法。它可以分析那些质量比用三道互相关算法处理的资料更差的地震资料。这种基于相似的第二代相干算法的垂向分辨率优于原始的零平均互相干算法,从而减少上覆和下覆地层特征的混合。我们一般用尽量小的时窗分析地层特征,时窗大小受输入的地震资料中有意义的最高频率的严重影响。在这种限制下,你可以用我们新的基于相似的相干算法,来处理用传统的方法沿着地震层位的波峰或波谷拾取的“一个采样点厚度”的地震数据体,该数据体的振幅远远高于周围的地震噪声。相反,较长的分析时窗,对于分析近垂直的构造特征,如断层,能得到较好的效果。这个时窗长度应与地震资料的最低频率有关。 该算法除了计算整个数据体的倾角/方位角以外,还能计算传统的复数道属性(包括振幅包络、相位、频率和带宽)。这些属性是用相关分析窗口中地震资料沿着反射层倾角倾斜叠加的结果提取的。这些更稳健的复数道属性可以与相干性     

基于局部相关谱约束的多道匹配追踪算法识别微地震信号

多道匹配追踪算法是将地震记录中的每一道信号分解成一系列相同位移参数、频率参数及相位参数但振幅不同的匹配原子的线性组合。在地震剖面中,有效信号往往具有一定的方向性。为了利用信号的方向性等特征,提出了基于局部相关谱约束的多道匹配跟踪算法。利用局部窗口内的相关谱作为权重,对每次匹配跟踪的方向进行约束,对模拟以及实际的三分量微地震信号分别采用传统的多道匹配跟踪算法和本文提出的方法进行处理。为了验证该算法的准确性及可行性,采用STA/LTA算法对其结果进行事件拾取对比分析,结果表明基于相关谱约束的多道匹配跟踪算法能显著提高微震信号的信噪比,在一定程度上降低了微震事件误判的机率,且使STA/LTA算法的峰值提高1.2倍左右,提高了微震事件检测的可能性,可较为准确地识别出微震信号。     

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。     

利用单井微地震波形能量反演震源机制

微地震震源机制包含关于储层以及裂缝特征信息,对于评价水力压裂储层改造效果具有十分重要意义。在单井井中观测条件下,采用传统S/P波振幅比方法求解微地震震源机制,受观测方位角单一、张角有限的影响,效果往往不理想。本文探讨了微地震事件P、S波能量与裂缝破裂面参数之间的联系,发现微地震事件能量对裂缝破裂面参数较敏感。在已知震源位置及标量地震矩的前提下,采用微地震事件P、S波能量作为反演特征参数,利用加权K最近邻算法建立目标函数,反演求解微地震震源机制。模型测试表明,在监测数据不含噪声的情况下,使用该方法反演的震源机制解准确率高达97%;在有噪声情况下,当信噪比较高时,本文方法与S/P波振幅比方法效果相当,当信噪比较低时,本方法反演精度优于S/P波振幅比方法。将该方法应用于实际微地震监测资料,取得了较好的应用效果。     

基于时频分析的初至拾取方法研究

地震记录的初至拾取是地震资料处理的基础工作,特别是静校正、层析成像等后续处理对初至拾取的精度要求较高。当初至波到达时,其信号的振幅、频率、相位均会发生变化,基于此,提出了一种基于时频分析的初至拾取算法,该算法在噪声判别系数的约束下,利用小波变换时频分析提取信号的瞬时相位谱,然后利用瞬时相位谱的过零点属性拾取初至。为了提高计算效率,在给定时窗内部计算信号的瞬时相位谱,并且利用多个不同的噪声判别系数初至拾取的统计结果确定最终的初至时间。理论信号和实际地震资料处理结果表明,该方法具有较好的抗噪能力,初至拾取的精度比较高。     

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。     

基于单道奇异值分解的微地震资料去噪方法

奇异值分解(SVD)是一种利用地震资料的相关性进行去噪的有效方法。但对于信号较弱、信噪比极低的微地震资料,传统SVD方法处理效果较差。针对单道微地震记录噪声周期性较强的特点,提出了一种基于单道SVD的去噪方法。首先利用单道微地震记录来构建分解矩阵,然后对矩阵进行奇异值分解,通过对奇异值分布规律的分析,选取适当的奇异值实现矩阵的重构,最后通过SVD反变换得到重构信号,从而达到去除噪声、突出有效信号的目的。实践表明,该方法能有效去除微地震记录中的噪声,为微地震事件的正确识别与震源的准确定位提供强有力的前提保障。