同步挤压S变换与τ-p变换联合的微地震信号消噪方法

微地震监测是指导页岩气开采水力压裂作业和评价压裂效果的常用手段。地面监测所采集的微地震信号能量弱、信噪比低,微地震事件识别困难,严重影响定位的准确性。针对低信噪比地面微地震监测资料,联合使用同步挤压S变换、谱分解和τ-p变换,提出一种新的消噪方法。首先对监测资料进行时差校正,将微地震信号的同相轴校平;之后使用同步挤压S变换对校平后的资料进行谱分解获取单频切片;再对每个单频切片进行τ-p变换,并根据τ-p变换的结果获取微地震信号位置;最后根据信号的位置在时频域完成消噪。实际低信噪比地面微地震监测数据的处理结果表明,新方法可以获得理想的消噪结果。     

应用OVT域体τ-p变换提高地震资料信噪比

体τ-p变换技术将常规二维τ-p变换去噪方法应用于三维叠后数据体,可显著提高信噪比。OVT(Offset Vector Tile)域道集可延展至全工区的单次覆盖特性,便于在叠前应用体τ-p变换技术。在OVT域将体τ-p变换技术应用于TG地区实际低信噪比数据,并与常规3D-RNA技术进行对比,结果表明:无论是在去噪未实施偏移前还是在去噪实施偏移后,体τ-p变换技术压制随机噪声、提高信噪比的效果均明显优于3D-RNA技术,因此它是一种提高低信噪比地区地震资料成像品质的有效手段。     

基于稀疏离散τ—P变换的叠后地震道内插

τ-p变换是一种有效的地震数据插值方法,但在实际应用中,由于存在着地震数据信息量不足及有限的孔径和离散等因素,往往导致在τ-p域的地震数据插值结果存在假象、不准确。研究表明:在τ-p域对地震数据进行稀疏,即正确选择离散参数的采样对于重建缺失的地震信息非常重要。为此本文提出了一种基于稀疏离散τ-p变换的地震道内插方法。该法根据叠后零炮检距剖面在局部时窗内可以看作是一系列线性同相轴的组合,使用稀疏离散τ-p变换和预条件双共轭梯度算法进行地震道内插。理论数据试算和实际资料处理结果证实该法能使地震数据空间方向的采样得到加密,有效去除了空间假频。     

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。     

基于K-L变换的微地震资料去噪方法

K-L变换是一种有效的地震去噪方法,但对于信号弱、信噪比较低的微地震资料,传统K-L变换方法去噪效果较差。为此,提出基于K-L变换的微地震资料去噪方法。首先利用单道微地震记录求取协方差矩阵,然后对协方差矩阵进行求解特征值和特征向量,通过分析,选取适当的特征值所对应的新分量进行矩阵的重构,最后通过K-L反变换得到去除噪声、有效信号突出的重构信号。该方法应用于四川某地区微地震资料的去噪处理,效果良好。     

基于同步压缩变换微地震弱信号提取方法研究

针对微地震资料的信噪比低,无法清晰识别P波和S波的问题,根据微地震信号具有随机性、非平稳性的特点,研究了基于同步压缩变换(synchrosqueezing transform,SST)微地震弱信号提取方法。首先利用SST对信号进行自适应阈值去噪,然后在有效信号的频率中心附近进行SST系数的积分抽取,再利用抽取的有效信号进行SST重构实现弱信号的提取。应用于合成的含不同强度噪声的非平稳信号模型以及实际微地震单道记录的处理结果表明,该方法具有较好的抗噪能力和较高的信号提取精度。将该方法应用于实际井中微地震数据的试处理和分析,并与常规低通滤波结果进行了对比,表明该方法能够较好地将弱有效信号从噪声中提取出来,具有较好的实用价值。     

拉冬变换去噪模块的开发与应用

本文从拉冬变换的基本概念入手,简单介绍了拉冬变换去噪技术、即将t-x域的数据沿线性、抛物线或双曲线的轨迹转换到τ-p 域。然后在τ-p域中分离相干噪声(包括多次波、线性噪声等),冉将它们转换到t-x域,并从原始地震信号中减去相干噪声(主要是一个减法的去噪过程),即可达到去除噪声、提高信噪比的目的。本文利用拉冬变换去噪技术对多次波比较发育的A工区进行了测试,结果表明利用该方法去除多次波是较理想的。     

基于单道SVD和振幅比的地面微地震资料去噪方法

针对地面微地震资料强周期干扰和随机干扰突出的特点以及单一去噪方法无法有效压制噪声的问题,提出了基于单道奇异值分解(singular value decomposition,SVD)和振幅比的联合去噪方法。首先利用单道微地震记录构建分解矩阵,使矩阵各维具有较强的相关性,然后对分解矩阵进行奇异值分解,选取数值居中部分奇异值进行矩阵重构,以达到压制单道微地震记录强周期干扰的目的。其次采用具有伸缩特性时窗的振幅比法改善有效信号与随机噪声的统计特性差异,有效压制微地震资料中的随机噪声。理论模型数据和四川某地区地面微地震射孔资料应用结果表明,联合去噪方法有效地压制了微地震记录中的噪声,提高了资料的信噪比,在很大程度上改善了单一去噪方法无法较好突出微地震有效信号的不足,为后期微地震资料的处理与解释奠定了良好的基础。     

基于经验模态分解互信息熵与同步压缩变换的微地震信号去噪方法研究

针对微地震信号具有随机性、非平稳性与时频耦合的特点以及经验模态分解(Empirical Mode Decomposition,EMD)的模态混叠问题,提出了基于经验模态分解互信息熵与同步压缩变换(Synchrosqueezing Transform,SST)的微地震信号去噪方法。首先对微地震信号进行经验模态分解,获得从高频到低频排列的固有模态函数(Intrinsic Mode Function,IMF)分量;然后求取相邻固有模态函数分量之间的互信息熵,从而辨识出高频与低频部分的分界;最后利用同步压缩变换提取高频部分的有效信号,将其与低频部分重构,实现微地震信号的有效去噪。利用不同噪声强度的理论模型和实际资料,对本文方法与直接舍弃高频成分的去噪方法进行了对比,结果表明,本文方法能够很好地去除微地震信号中的混叠噪声,并将有效信号从噪声中提取出来,提高了资料的信噪比。     

自适应数据驱动的紧框架微地震数据随机噪声压制

地面微地震数据的信噪比很低,严重影响初至拾取的精度及反演结果的可靠性。本文首先采用基于弱纹理块的噪声估计方法求取含噪微地震数据中的噪声方差,然后采用数据驱动紧框架方法去噪,有效地压制实际微地震数据中的随机噪声,提高数据的信噪比。理论模型和实际资料的处理结果表明,该方法可以去除传统方法在低信噪比数据去噪后引入的背景斑块,且去噪后的信噪比得到了极大的提高。因此,相对于传统的方法,本文方法具有显著的优势及较好的应用价值。     

时频域变分模态分解地震资料去噪方法

强噪声干扰、信噪比过低是造成深层地震资料成像不佳的主要因素。为此,提出在时频域内将变分模态分解算法应用于分频地震资料的噪声压制处理的新思路。首先,通过希尔伯特-黄变换（HHT）构建地震数据的解析信号,将地震数据转换到时频域,在时频域进行分频变分模态分解;随后,分析有效信号与噪声在时频切片上的能量分布,在此基础上优选出有效信号模态分量重构时频切片;最后反变换回时空域,达到噪声压制的目的。应用模型数据分析了关键参数对去噪效果的影响;实际资料的应用结果表明该算法可有效压制较强的随机背景噪声,同时对陡倾角的线性干扰也有明显的压制作用。     

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。     

利用局部τ-p变换增强叠后地震信号

τ-p变换在地震数字处理中有广泛的应用。τ-p域中的τ为直线方程t=τ+px在x=0时的时间轴上的截距,这种形式的τ-p变换称为全τ-p变换。若将时间轴平移至x=x_m时,则此种形式的π-p变换称为局部τ-p变换。局部τ-p变换并不改变全τ-p变换所具有的特点,但可以节省计算工作量。局部τ-p变换可以用于增强叠后地震信号,和通常的相干加强作用十分相似。局部τ-p变换和相干加强在计算中都要计算相似系数,所不同的是计算权系数的方法,前者使用相似系数加一个门槛值,后者采用对相似系数作平滑处理。实践表明,局部τ-p变换增强信号的效果要好于相干加强处理的效果。     

利用残差网络和地震发射层析成像的微地震事件检测

地震发射层析成像(Seismic emission tomography,SET)是一种适用于地面微地震监测的震源定位方法,该方法利用地面众多站点监测的信号对储层特定范围分层成像,通过图像判定微地震事件并确定震源坐标。传统处理方法通常采用人工看图判断一段信号的SET是否包含有效微地震事件。然而人工判别方法难以完成对海量监测数据的全部处理,无法充分发挥SET方法的优势。针对此问题,采用残差网络对微地震监测数据的SET数据进行处理,实现微地震事件自动识别。首先,利用合成数据和实际油井的水力压裂地面微地震监测数据进行SET,构建SET图像样本数据集;然后对残差网络进行训练和测试,得到事件识别准确率最高的残差网络模型;再使用训练好的残差网络对不同信噪比的合成信号,以及多口油气井的地面微地震监测信号的SET数据进行事件检测。测试结果表明,基于残差网络和SET的方法能够有效检测微地震事件,且具有较强的抗噪能力和泛化能力。     

基于多尺度分解的微地震噪声压制与初至检测方法研究

地面微地震数据信噪比很低,严重影响了初至拾取的精度及反演结果的可靠性。为此,对基于改进的完备总体经验模态分解(ICEEMD)的去噪方法与初至检测方法进行了研究,首先利用ICEEMD将非平稳信号分解为一系列相对平稳的固有模态函数,然后提出了一种自适应间隔阈值去除固有模态中噪声成分的方法,最后将去噪后的分量相加重构去噪后的信号。应用Hilbert变换计算每个分量的振幅,然后计算持续能量比,利用给定的阈值找到局部最大值,计算得到高能量的地震信号的到达时间。理论模型数据及实际微地震资料的处理结果表明,去噪后数据的信噪比得到了改进,相对于传统的空间域滤波与变换域阈值去噪,该去噪方法具有显著的优势及较好的应用价值,与Hilbert变换结合的初至检测方法可以有效地检测微地震信号初至。     

基于小波变换与奇异值分解的地震资料去噪新方法

为了有效地去除地震资料中的随机噪声,充分利用小波变换(WT)去噪和奇异值分解(SVD)去噪方法的优点,提出了一种新的基于小波变换和奇异值分解(WT-SVD)的地震资料去噪方法。该方法首先进行小波软阈值去噪,有效地降低噪声的方差;然后进行基于倾角扫描的奇异值分解去噪,识别噪声点,自动追踪同相轴,并进行同相轴拉平处理,充分利用了奇异值分解方法处理水平同相轴噪声效果好的优点。理论模型和实际资料的去噪结果表明,该研究提出的WT-SVD方法简单易行,比单一的SVD方法和WT方法的去噪效果更显著,有效地消除了地震资料中的随机噪声,显著地提高了地震资料的信噪比。     

地面微地震有源噪声自动识别与匹配压制方法

微地震监测技术通过对非常规储层压裂改造引发的震源点进行成像,实时提供压裂施工过程中产生的裂隙高度、长度、宽度和方位角等信息,为致密储层压裂提供指导,以提高油气采收率。在地面布设站点进行监测时,因微地震信号传播距离较远、近地表吸收衰减严重、地面有源噪声较多,微地震数据具有信号能量弱、噪声干扰强和信噪比低等特点,严重制约微地震事件的定位精度。噪声源多分布于地表,根据有源噪声与由储层向上传播的微地震事件在能量、频率、传播速度和源位置等方面的差异,本文提出微地震有源噪声自动识别与匹配方法。综合长短时窗能量比与微地震量板方法,自动识别有源噪声干扰,并进行噪声源位置和传播速度的三维最优并行搜索;利用同时确定的最优噪声源位置和传播速度对微地震数据进行动校正处理,得到噪声标准道,通过能量自适应匹配处理压制有源噪声。正演模拟数据和实际微地震数据去噪效果证明,本文方法能有效压制有源噪声,显著提高微地震数据品质,为后续微地震事件精确定位奠定了基础。     

τ-p变换方法及其在地震资料处理中的应用(Ⅰ)

本文简述了τ-p方法研究的发展概况,对τ-p的物理基础作了初步讨论。用比较简洁而又严格的数学方法推导出τ-p变换公式和在计算机上实现的数学模型。试验表明,用文中的数学模型作的变换效果较好。文中给出了用τ-p法消除野外资料中面波的例子。还对三分量地震记录的X分量(SV波)和Z分量(纵波)在τ-p域中的特点进行了初步分析。     

地面微地震资料弱信号提取方法研究

针对地面微地震有效信号特点和资料采集方式,结合微地震信号高阶累积量统计特征分析,考虑到有效信号和噪声在时空方向的不同分布特征,研究了时间和空间两个方向地面微地震信号的四阶累积量估计方法;考虑到贝叶斯估计方法对于弱信号估计的优势,研究了基于贝叶斯框架的四阶累积量的自适应算法,把信号四阶累积量的联合概率密度函数作为原信号的概率密度函数进行最大后验概率估计,建立了地面微地震资料四阶累积量贝叶斯估计方法;提取弱信号的同时不可避免会提取到弱的无用相关信号,使得弱有效信号不易识别,根据区域相关噪声在时间方向具有区域均匀分布而有效信号具有局部分布的特点,提出进一步采用自适应减法剔除贝叶斯估计结果中的这种区域性相关噪声.通过系列方法的分析研究,形成了地面微地震有效信号的有效提取方法.利用该方法对实际资料进行处理,取得了较好的效果.     

基于Contourlet变换的K-L变换地震随机噪声自适应衰减方法

地震资料中有效反射信号具有丰富的纹理及边缘特性,在Contourlet变换域系数较大并具有相关性,而随机噪声均匀分布于Contourlet变换域且系数较小。考虑K-L变换具有分类特征提取的优势,在Contourlet变换基础上应用K-L变换,采用最大似然估计法和多尺度噪声估计法估算地震记录中有效信号及随机噪声的Contourlet系数方差,并将其应用到K-L变换域能量百分比阈值函数的定义中,自适应地确定用于K-L反变换的特征向量,修改Contourlet变换的系数,再进行Contourlet反变换压制随机噪声。数值模拟及实际地震资料去噪效果表明,基于Contourlet变换的K-L变换去噪方法不仅可以有效地压制地震资料中的随机噪声,提高地震资料信噪比,而且具有较好的保真性。