基于改进的STA/LTA方法的微地震P波自动拾取技术

基于STA/LTA方法,提出了一种改进的自动拾取P波到时算法.引入权重因子K,构建了一种新的特征函数,提出寻找STA/LTA曲线上的最大值对应时刻为P波到时的方法,并运用Matlab对冬瓜山铜矿微震事件进行初至拾取分析.结果表明:该方法能够准确地拾取微地震P波初至,减少了传统的STA/LTA算法需要调整触发阈值(Thr)的过程,克服了固定阈值不能适应复杂多变信号到时拾取的缺点,具有抗噪性强、稳定性强、拾取精确度高等优势.     

改进双向LSTM的地震震相拾取算法

为了更好地提升识别精度和算法的适应性,针对传统波形检测算法存在依赖人工设定阈值以及震相拾取的精度偏低等问题,提出了一种基于改进双向LSTM的震相拾取算法。该方法利用滤波、归一化、加噪等方式对原始波形数据进行预处理,通过双向LSTM模型对地震信号数据进行自适应深层特征提取;同时为解决双向LSTM模型存在的过拟合问题,引入Spatial-Dropout机制在随机区域对双向LSTM模型进行稀疏性约束;最后引入Time-Distributed机制从时域维度针对事件-噪声的二分类问题自动判定P波到时,并在相关地震数据集上进行对比实验。结果表明:模型对P波拾取的准确率达90%,P波拾取的精确度达80%,与LSTM和GRU等传统RNN网络模型相比,精确度分别提高了6%和5%.同时,该模型不需要人工设定阈值,并且对复杂波形数据的P波拾取问题具有较强的鲁棒性。     

单分量微地震信号的P波S波到时自动拾取方法

 单分量传感器依然是目前矿山中应用最广泛的传感器。针对矿山每天采集到的大量信号,提出了一种针对单分量微地震信号的P 波S 波到时拾取算法。长短时窗均值比法(STA/LTA)可以用来检测信号的变化趋势,结合改进的特征函数对信号的几何特征予以加强,进而可以提高震相识别的精度。随着长短时窗的滑动,信号的变化趋势表现在走势图上,再利用震相到时判别阈值可以初步定位到P 波S 波的到时区间。初步确定到时区间后,分别在P 波S 波的到时区间内应用AR-AIC 准则,可以计算出信号发生突变的位置,这两个点即对应着P 波S 波的到时。结合时差阈值判别和时频图谱,对拾取的结果再次做检验。经过两次判别,有效地提高了该算法的拾取精度。通过对1000 多条单分量微地震信号进行验证,自动拾取能拾取到71%的P 波到时和79%的S 波到时,相同条件下,自动拾取的结果不低于手动拾取的精度,满足矿山应用的要求。     

基于 Shearlet-AIC 算法的微地震初至拾取

初至拾取是微地震数据处理的基本步骤及重要环节,在低信噪比情况下,传统的初至拾取方法性能不佳,无法满足实际需求。为此,提出一种新算法,该算法将时域 微 地 震 数 据 映 射 到 Shearlet 域,利 用 AIC(Akaike Information Criterion) 模型对 Shearlet 域各尺度层的数据实现初步识别,最小 AIC 值作为初至时刻。通过 大量实验验证 Shearlet-AIC 算法在低至 － 13 dB 信噪比下自动拾取的准确性,证实该算法优于传统初至拾取算法,解决了传统初至拾取算法在低信噪比时难以有效拾取微地震初至的难题。     

基于深度学习的井间地震CT初至自动拾取方法

井间地震CT方法能够有效探测岩溶等不良地质,而拾取地震波的初至对其反演结果至关重要,以往井间地震CT初至拾取通过手动标定,效率低,无法满足模型训练要求.本文基于人工源地震初至的时距特征,提出了一种基于深度学习的地震初至训练样本库快速标定方法.利用人工合成数据训练初始网络模型,采用少量人工标定实测数据进一步训练,基于该网...     

基于U-Net的矿山微震初至拾取研究

初至到时拾取是微震数据处理中基础而又重要的环节,关系到整个微震监测系统的精度与可靠性。因此,为了解决传统初至拾取方法存在拾取效率低和拾取精度差的问题,引入深度学习方法,构建U型神经网络(U-Net)来预测三分量矿山微震数据P波、S波和噪声的概率分布,并根据概率峰值提取其初至到达时间。实验结果表明：本文算法的拾取结果准确度高且误差范围较小,与AR pick (auto regression pick)算法相比,其拾取结果具有明显的优越性。所构建的初至拾取模型可用于矿山动力灾害微震监测,解决微震监测的瓶颈问题,为矿山安全生产风险智能监测预警提供强力技术支撑。     

基于UNet++的地震P波初至拾取研究

基于UNet++对P波初至拾取进行研究，首先对UNet++进行降维，并从网络结构的深度和单个Block的操作两方面对原始网络进行改进；然后给模型选择损失函数和优化器，让模型能够有优化的目标和方向；接着进行数据的预处理，筛选信噪比小于20 dB的数据出来，对其进行小波阈值去噪、归一化处理；最后是训练和验证，选择在验证集上表现最优的一个模型作为最终模型。经过150条测试集数据的测试，证明所使用方法在均值、方差、命中率3项指标上均优于STA/LTA和AR-AIC,其中P波初至拾取的精确率高达98.00%,为P波初至自动拾取提供了一种新思路。     

基于波形互相关的微地震事件自动识别及初至拾取

根据具有相似震源位置及破裂机理的微地震事件通常在地震记录上表现出相似波形特征的原理, 提出一种基于波形互相关的微地震事件自动识别及初至拾取方法。首先, 通过计算道间互相关函数, 对微地震记录进行时差校正; 然后, 通过计算道间相似系数的方法识别连续地震记录中的微地震事件。在完成事件识别的同时, 对时差校正后的多道记录进行叠加, 并采用STA/LTA方法对叠加道进行初至拾取, 结合各道间的时差信息即可获得各道微地震事件的初至到时。为了检验所提方法的可行性和有效性, 分别对模型数据和实际资料进行处理,结果表明利用所提方法可以在有效地识别微地震事件的同时, 得到较为准确的初至拾取结果。     

小波分析与振幅比法联合拾取P波初至时间

振幅比法是一种准确有效的初至拾取方法,但是振幅比法在信噪比偏低时会产生误判现象。针对这种情况,提出了小波分析与振幅比法联合拾取P波初至时间的方法。小波-振幅比法是将小波分析与振幅比法结合起来,首先对爆破信号进行小波去噪,基于小波分析的滤噪理论包括信号分解、各分解层次硬阈值去噪与信号重构三个步骤,提高了爆破信号的信噪比,最后使用振幅比法拾取P波初至时间。以2014年7月28日11时监测到的一个矿震事件为例,用小波-振幅比联合方法准确拾取爆破信号P波初至时间,计算得出x、y、z三个方向的定位误差小于42米,符合空间位置定位（x,y,z误差小于50米）的要求;说明了通过小波滤噪方法可以有效提高爆破信号信噪比并且提高了P波到时拾取的准确度,提高了定位精度,具有较好的应用前景。     

利用小波变换提高地震波初至拾取的精确度

众所周知,折射静校正是中国西北地区地震资料处理中十分重要的环节,而准确地拾取初至又是折射静校正的基础.然而,这些地区的地震记录中,初至波却常常受到各种干扰的影响,使得其波形发生畸变,从而导致初至拾取不准确.文章首先分析了最常见的引起初至波难以准确拾取的情况,并提出了初至拾取预处理的方法.具体采用小波阈值去噪并结合连续小波变换的方法,恢复初至波的最大振幅波形,并突出初至波的起跳时刻,从而提高初至拾取的准确度.通过理论模型研究和实际资料试算表明,该方法具有很好的应用前景,它对于目前常用的拾取初至起跳时刻和拾取初至波最大峰值时刻的两类拾取方法,都具有非常重要的意义.     

一种针对气枪记录的三阶段初至震相拾取方案

针对气枪震源数据信噪比较低和自动拾取初至效果较差的问题, 通过引入地震勘探方法来进行初至震相拾取。首先压制噪声; 然后利用传统的勘探方法, 进行特征曲线计算; 最后结合保边平滑方法, 确定初至时间的三阶段方案, 降低自动拾取方法对数据信噪比要求。在此基础上, 根据实际数据特点, 设计自动拾取流程, 并用此流程对长江安徽段的主动源数据进行自动拾取。与传统方法相比, 所提方法对数据信噪比要求更低, 可为后续处理提供更多可用资料。     

基于叠前反演流体识别与频散AVO反演的研究

由于纵波不能在流体中传播,叠后地震反演得到纵波波阻抗是无法识别储层中的流体。基于横波在流体中传播特点,利用叠前数据丰富的运动学与动力学信息获得弹性参数进行储层流体识别是可行的,但受到地震反问题固有的“病态解”等不确定性的影响,在进行叠前地震反演时会产生较为严重的多解性与不确定性,从而影响了后续的储层岩性与流体识别的精度。基于以上问题本论文以储层埋藏较深、钻井资料较少的D2地区为研究目标,采用测井岩石物理敏感分析、敏感流体因子反演和频散AVO反演三种技术综合来提高储层预测的精度,实际资料的应用效果表明采用多种技术方法来进行储层的流体识别是可行的。     

层析静校正在楚雄盆地探区的应用

楚雄盆地地表高程变化剧烈,地表条件变化明显,工区地形起伏变化很大,静校正问题异常严重。层析静校正是一种非线性模型反演技术,它利用地震初至波的走时和射线路径反演介质速度场。这项技术不受地表及近地表结构纵横向变化的约束,使用的是地震初至波的到达时间,得到的结果是地下不同深度的速度值,更加符合低速带速度并非严格成层的实际情况。本文将层析静校正与野外静校正和折射静校正的应用效果进行了对比分析,总结了层析静校正方法在楚雄盆地探区攻关处理中的应用。     

多波地震油气储层的自组织神经网络学习与预测

如何充分挖掘出地震数据的有效信息以更有效预测出地震油气储层的分布情况,一直是业内所追求的目标。多波地震数据所包含的纵、横波数据不仅含有大量对油气敏感的特征信息,而且二者对油气响应存在差异,利用好这种差异可有效降低地震反演中的多解性问题。为此,设计了一种基于自组织神经网络的多波地震油气储层分布预测方案。首先,通过聚类分析优选出对油气响应比较敏感的地震属性,然后,对优选优化后的属性进行多波复合运算提取油气特征信息。最后,根据输入样本属性数据集设计自组织神经网络结构,计算神经元与样本的距离确定最佳匹配单元,更新调整网络权值,完成网络训练,得到预测结果。应用结果表明,基于本方案所预测的地震油气藏分布范围与实际情况基本吻合,有效地降低了反演结果的不确定性,从而验证了自组织神经网络应用于地震油气储层预测的有效性和可行性。     

基于Sinc插值与相关谱的纵横波速度比扫描方法

在多分量地震技术中，准确地求取出纵、横波速比（γ）是多分量资料处理、反演、解释各环节中的一个重要步骤。由于地下同一层位具有相同的波阻抗比，因此该层位的反射纵波和反射转换波相互关联，纵横波速比与时间比存在相互转化关系。基于Sinc插值算法与相关系数谱分析的纵横波速比扫描方法是通过设置一系列γ，利用Sinc插值算法将纵波拉伸后与转换波进行互相关，当互相关系数达到最大时即可求出相应的γ。理论数据和实际资料的测试，验证了该方法的有效性、准确性和实用性。     

利用相干数据体检测断层与特殊岩性体

利用三维地震资料解决复杂的地质问题具有明显的优越性 ,因为三维地震数据体包含丰富的地层、岩性等信息。然而采用常规三维地震资料的解释方法 ,工作量很大 ,而且很难得到断层和特殊岩性体清晰而准确的直观图像。利用相干数据体检测方法可以解决这一问题。相干数据体是通过对道间相似性等属性的计算 ,实现三维振幅数据体向三维相似系数等属性体的转换。利用相干属性体可对断层做自动、半自动解释 ,也可以实现特殊岩性体的准确成像 ;既可以降低劳动强度 ,又可以缩短三维地震资料的解释周期。文中详细描述了相干数据体算法以及断层和特殊岩性体的自动检测方法 ,实际资料处理展示了相干属性体的良好应用前景     

基于地震反演约束的储层建模方法及应用

为了提高储层预测及表征精度,对基于地震反演约束的储层三维建模技术方法进行了研究及应用.首先利用地质统计学反演方法生成纵波阻抗三维数据体,与常规确定性反演结果相比,地质统计学反演方法建立的波阻抗数据体具有较高的纵向分辨能力和横向预测趋势,可反映井间薄储层的厚度及物性变化.其次,建立了纵波阻抗与岩性及孔隙度、渗透率、饱和度的岩石物理模版,其低阻抗值代表储层发育好的层段和位置.最后,以纵波阻抗数据体作为趋势约束,采用随机模拟算法,建立了研究区的岩性模型及储层属性模型.通过实钻井检验,模型结果与井点资料符合较好,显示了模型的精度和本文方法的可靠性,可以满足精细油藏描述和剩余油挖潜需求.     

基于贝叶斯理论的振幅随偏移距变化三参数同步反演

受多种因素的影响，常规叠后地震道波阻抗反演不能得到可靠的波阻抗及其他岩性信息，而叠前波阻抗反演却可以得到比常规叠后波阻抗反演更丰富、更有效的岩性信息。为此建立了振幅随偏移距变化（AVO）波阻抗反演公式的一阶差分模型及褶积模型，推导了基于贝叶斯理论的AVO波阻抗反演公式，给出了采用Huber分布作为模型参数的先验分布及测井数据的参数协方差矩阵作为约束条件的实现方法，并利用共轭梯度法计算了纵、横波阻抗及密度。结果表明，利用该方法可提高叠前反演问题的稳定性和反演结果的可靠性，反演得到的纵、横波阻抗及密度可用来进一步计算流体及孔隙度等信息，为岩性及含油气性解释提供可靠依据。     

负载特性对地震模拟振动台控制性能影响分析

一般试验时将试件与台面视为整体与实际存在较大的差异,严重影响波形的再现精度.针对这一问题,对地震模拟振动台系统与试件依照弹簧-阻尼模型进行建模,并分析了负载质量、频率、阻尼等因素对地震模拟振动台控制性能的影响.仿真分析表明:无论是负载质量、负载频率和负载阻尼在各阶频率处均出现峰值,并且均以第一阶影响为主,与单自由度负载...