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。     

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。     

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。     

基于深度残差网络的初至拾取软件开发

基于残差的优化卷积神经网络—深度残差网络(ResNet)能够对图像进行有效的识别分类。将深度残差网络应用于地震数据的初至识别,借助Hadoop分布式批处理计算系统和TensorFlow人工智能学习平台开发了基于残差网络深度学习的初至波自动拾取软件。采用不同地区、不同震源类型和不同地表的地震数据对深度残差神经网络模型进行训练和验证,最终得到一个精度较高的地震初至自动拾取网络模型。本文总结了深度残差网络的基本方法原理、初至波自动拾取软件实现的关键步骤、地震初至自动拾取网络模型的训练、并验证了拾取效果和效率。     

面向地震波初至智能拾取的超分辨率深度残差方法研究

针对常规语义分割网络在初至拾取中存在的精度低、泛化能力差等问题，基于U-Net网络，结合残差学习模块和亚像素卷积方法，构建了一种超分辨率深度残差网络的初至智能拾取方法(SD-Net)。该方法使用具有跳跃连接的U型网络融合地震数据的多尺度信息，通过端到端的训练方式简化工作。首先，在SD-Net的下采样阶段引入残差学习模块，克服深层网络退化问题，有效提高对地震数据的学习能力；其次，上采样阶段采用亚像素卷积方法，通过卷积和多通道间的像素重组实现特征图超分辨率重建，以更高精度定位初至；另外，利用迁移学习将模型应用于中、低信噪比模拟数据，仅需少量标注数据即可训练得到最优初至拾取模型。实际算例表明：与U-Net方法相比，SD-Net训练效率明显提高；网络模型具有更高准确率和鲁棒性；迁移学习模型预测的结果验证了SD-Net具有较强的泛化能力；该方法在实际生产应用中对实现高效、准确的初至智能拾取具有重要意义。     

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.     

深度学习在中低信噪比地震数据初至拾取中的应用研究

随着地震勘探地区的复杂化和地震装备及采集技术的发展,采集到的中低信噪比地震数据数量急剧增加,传统的初至拾取方法由于效率低、精度差己不能满足资料处理需求。针对这一问题,在充分分析传统语义分割网络方法基础上,提出了一种由编码器和解码器两部分组成的端到端的深度学习网络模型融合自注意力机制的空洞卷积空间金字塔池化(Adaptive Aggregation Net, AANet)。实验结果表明,训练后的网络模型能够高质量地拾取中低信噪比地震数据中的初至时刻,在测试集中的预测评价指标均交并比(Mean Intersection over Union, MIoU)达到99.9%。AANet提高了中低信噪比地震数据初至拾取的精度和效率,有良好应用前景。     

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。     

基于超虚干涉法约束的模糊C均值聚类地震初至自动提取

在静校正和层析成像等地震数据处理中,准确并快速地拾取初至是随后速度结构成像和地震资料综合解释的前提。手动拾取方法难以适用于海量地震数据处理,且存在人为误差。对于低信噪比地震数据,相关法、能量比值法（STA/LTA）、分形维法等常规自动拾取方法需不断调整参数以达到设定拾取精度,导致稳定性变差。为此,提出一种基于超虚干涉（SVI）约束的模糊C均值（FCM）聚类地震初至自动拾取方法。FCM聚类分析是一种非监督的机器学习方法,仅依赖数据本身进行分类,可更灵活、方便地应用于实际地震初至拾取;对于低信噪比数据,须预先利用SVI法加强远炮检距等弱初至信号的能量,提高地震数据的信噪比,以实现地震初至的准确、稳定拾取。理论模型数据和实际地震资料测试结果进一步表明了该方法的稳定性和高效性。     

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。     

基于动态惩罚加权的浅水OBN直达波与折射波初至联合二次定位方法

海底节点(OBN)法在海洋地震勘探中表现出巨大优势。在实际作业中,由于受海浪、洋流和潮汐等因素影响,OBN实际沉放位置往往偏离预设位置,影响后期数据处理,因此需通过二次定位获取节点在海底的真实位置。在浅海地区,直达波初至数量少、方位分布不均且受炮端干扰,初至难以准确拾取,导致无法利用直达波初至实现精确定位。为此,通过引入信息量更丰富的宽方位折射波初至,实现了一种直达波与折射波联合的OBN定位方法;同时,应用基于动态惩罚加权函数的目标函数,并采用模拟退火法迭代求解,获得更准确的二次定位结果,克服了利用单一直达波定位时因初至信息量不足带来的误差,提高了二次定位精度。利用理论模型数据对方法的有效性和稳定性进行了测试,并应用于M海域实际OBN资料,取得了良好的定位效果,验证了方法的实用性。     

人工智能和视速度约束的地震波初至拾取方法

初至拾取是近地表静校正处理的重要步骤之一.随着采集密度的不断提高,地震数据量不断增加,迫切需要发展新的方法解决大数据量的初至自动拾取问题.传统方法通过人工交互拾取和质量控制,在面对庞大数据量的高密度数据时效率很低,而基于深度学习的初至自动拾取方法效率较高.在用于初至自动拾取的各种深度学习算法中,全卷积神经网络(FCN)...     

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。     

一种适于存在极性反转的微震初至到时拾取方法

地面微震监测资料的信噪比往往很低,从中识别微震事件和拾取微震到时数据仍然是个难题。当不同道的微震存在初至极性反转时,常用的多道微震记录波形相似系数函数会导致微震事件的识别与拾取遗漏。为此,提出一种适于存在极性反转的微震初至到时拾取方法。利用所有道两两之间的互相关函数最大幅值对应的延时数据,求取各道微震事件的相对到时;用各道的相对到时对微震事件初至到时进行时差校正后,利用相邻道零延迟相乘再叠加得到参考道,并用长短时窗能量均值比(STA/LTA)算法确定参考道上微震初至到时;最后,将各道的微震相对到时分别与参考道初至到时相加得到各道微震的绝对到时。合成数据和实际资料的处理结果表明,利用相邻道零延迟相乘能有效克服初至极性反转对微震识别和初至拾取带来的不利影响,为微震事件识别和到时拾取提供信噪比较高的参考道,提高了微震事件识别和初至到时拾取的精度。     

提高初至波二次定位精度技术的探讨

检波器二次定位是浅海地震资料采集的关键技术之一。影响二次定位精度的因素较多,为此,对初至波二次定位精度的影响因素和提高定位精度的技术进行了系统的分析研究。重点讨论了初至拾取的精度控制、关联炮点的选择、速度参数的确定和检波点位置的求解算法等。认为初至拾取是影响定位精度的主要因素,合理选择拾取初至波的地震道、依据数据的信噪比选择合适的初至拾取方式,以及合理选择关联炮点等是提高定位精度的有效措施。设计了5种精度分析措施,可以进行单点和整条拖缆的定位精度误差评价。将提高定位精度的方法应用于山东龙口某浅海地区,并与一次定位和水鸟系统二次定位的结果做对比,结果表明,该方法可以更好地提高地震资料的品质,并具有较好的适应性。