高效高精度初至波层析静校正方法及应用

研究解决三维复杂地表层析静校正耗时等问题的方法,采用快速初至时间拾取、快速表层模型折射反演、快速计算低频校正量及高频校正量、快速地表一致性和地表非一致性时差校正方法,实现了高效、高精度的快速初至波层析静校正,并经实际二维、三维资料处理证实了该方法及软件具有较高的效率,优于常规地震资料处理中所用的微测井加初至波静校正商业软件的处理效果。     

苏里格地区转换波初至识别方法研究

P-SV转换波静校正是转换波处理中的一个难题,常规的纵波静校正方法不能用于转换波处理。利用初至波进行纵波静校正取得了很好的效果,但是由于转换波初至识别和拾取困难,针对转换波的折射静校正方法一直没有得到较好的应用。对转换波初至的组成和特点进行了讨论,通过推导共检波点道集中初至的时距曲线得到了共检波点道集中P-P-P波初至和P-P-SV波初至在一定偏移据范围内平行的结论。根据这一结论,提出了共检波点域初至波叠加法确定转换波初至的算法,并对苏里格地区的转换波资料进行了转换波初至识别,取得了满意的效果。     

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。     

复杂地区高背景噪音下初至拾取技术

在复杂地表进行地震勘探,受到表层剧烈变化的和地面障碍的影响,原始地震记录的初至形态会严重畸变,特别是在低能量高背景噪音情况下,本来就不清晰的初至受到高能背景噪音的影响更加难以分辨。利用笔者提出的初至拾取预处理方法可以大大提高初至信号与背景噪音的信噪比,从而绝对提高初至拾取的精度和效率。不但为静校正计算提供准确的初至信息,而且可以使其用于炮点位置质量监控。     

人工智能在拾取地震P波初至中的应用 ——以汶川地震余震序列为例

为了准确而迅速地拾取大量地震事件的P波初至, 将深度学习方法引入微地震P波初至到时拾取研究中, 对卷积神经网络的结构进行改造, 以便适应地震波形数据的特点 P波初至拾取的要求。该算法只需要输入10 s窗口的三分量地震波形数据, 就可以自动地判定P波初至时刻, 无需扫描连续波形, 运算时间远远小于长短窗、模板匹配等传统方法。使用该算法训练汶川地震主震后2008年7—8月7467条人工拾取的余震P波初至到时, 将得到的模型对测试集中 1867条数据的计算结果与人工拾取结果对比, 误差小于0.5 s者占比达到98.9%。在低信噪比条件下, 该方法仍能保持较好的拾取能力。     

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,基于该网络模型对未标定的井间地震实测数据剖面进行初至拾取,采用长短时窗比法修正曲线拟合结果,对仍不理想的拾取结果进行人工判别和改正,并将准确标定数据加入训练集,形成新的网络模型;通过迭代实现数据集再生成并获得后续阶段的网络模型.基于上述方法完成了80 000道数据的初至拾取,在充分训练后神经网络具备较高的拾取精度,采用3840组数据对该模型进行测试,发现预测结果与人工拾取结果对比的绝对误差值小于0.2ms的数据占91.8%,说明该方法是一种切实有效且高效的井间地震CT初至拾取方法.     

表层结构精细调查的高精度静校正数据库构建思路

静校正是山地和沙漠地震资料处理的难题之一,其方法众多。本文根据多年的实践经验,利用传统微测井、小折射、地面高程,也利用野外生产炮的初至折射和反射信息,既考虑地震资料处理剖面叠加效果,也考虑区域产状总结一套适合山地复杂近地表的折射静校正处理方法。实际资料处理结果证明了该方法的可行性和有效性。     

三维折射静校正在山地二维直测线中的应用

在地表地质条件复杂、低降速带速度横向变化大、厚度分布不均匀的地区,仅作一般的高程静校和剩余静校无法得到满意的结果。本文介绍了折射静校的方法,利用折射波初至时间求得折延迟时间、折射速度,从而恢复近地表深度模型,消除低降速带对反射时距曲线的影响;给出了折射静校正的基本原理;讨论了初始速度模型的建立和替换速度的参数选取等,在网格的确定上提出了保证迭代收敛的前提下应尽量最小,以最大程度的解决长波长静校正问题的思路。还应用了高程静校、ProMAX折射静校对实际资料作了对比处理,采用三维折射静校正方法很好地解决了黄土塬地区长波长静校正问题,提高了山地地震资料的迭加效果。     

深层高陡地层零井源距垂直地震剖面初至波特征分析及拾取策略

深层高陡地层中零井源距垂直地震剖面(vertical seismic profiling, VSP)初至波出现分叉现象或复波等异常,造成传统VSP初至拾取方法已无法满足处理要求。针对该类特征零井源距VSP初至波拾取面临的难题,通过数值模型正演分析明确深层高陡地层零井源距VSP初至波产生异常的原因。其原因是地层倾角较大时,沿远离井筒的地震波通过高速地层比垂直入射波先到达检波点所至,且地层倾角越大、界面上下介质速度差越大,初至分叉越明显,与实际资料中展示的初至波场特征一致。在此基础上提出了基于正演模式导向的沿浅层“首波”同相轴连续向下拾取的策略,在塔里木盆地中寒1井VSP处理中应用,取得良好的应用效果。     

无射线追踪层析静校技术在川西复杂地区资料处理中的应用

静校正问题已成为解决复杂地区地震成像的关键问题,弄清复杂地区近地表速度模型,解决复杂地区的静校正问题已经成为物探工作者的当务之急.在众多静校正方法中,Osypov提出的无射线追踪的折射层析静校方法首先利用初至旅行时进行视速度和延迟时的估计,然后利用Herglotz-Wiechert公式进行速度模型估计,进而实现静校正量的计算,在反演过程中不进行射线追踪,它既具有首波方法的稳定性,又具有回折波方法的实用性.在分析了影响该方法处理效果的主要参数后,将它应用于川西复杂地区地震资料处理中,应用后炮记录的质量得到了较大的改进,叠加剖面中层位错断现象得到消除,资料品质得到较大提高.该方法能较好地解决复杂地区的静校正问题.     

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。     

Lamb Wave Arrival Time Extraction Using Hilbert-Huang Transform for Improved Tomography Image

Travel time Lamb wave tomography has been shown to be an effective nondestructive evaluation (NDE) technique for plate-like structures.The methods used previously to extract arrival times of the fastest or multi Lamb wave modes are mostly based on various time-frequency methods such as Wigner-Ville distribution,short-time Fourier transform,and recently explored wavelet transform(WT).Frankly speaking,uses of these signal processing methods improve the accuracy of the arrival time extraction to a great extent...     

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。     

采用小波变换对自发耳声发射信号的检测研究

自发耳声发射信号的检测方法通常采用周期图法 ,为了推动自发耳声发射在临床生理和病理上的应用 ,需要有较高频率分辨率和准确率的稳健算法推向临床。论文在研究自发耳声发射信号的检测方法时 ,通过对连续小波变换的两种快速算法的比较 ,发现调频 Z变换方法比 Mellin变换方法在提高自发耳声发射信号的频率分辨率方面具有更大的优越性 ,提高了自发耳声发射信号谱峰识别的准确性和简易性。调频 Z变换方法对推动自发耳声发射在临床生理和病理上的应用有更大的潜力。     

在卫星干扰源定位系统中信号时间差计算的小波变换方法

在卫星干扰源的卫星定位理论中,需要通过计算信号的时间差和多普勒频差来确定卫星干扰源的位置.测量两颗相近位置卫星的时间差和多普勒频率差的精度,决定了卫星定位的准确度.本文研究计算时间差的信号处理及其计算.利用小波变换方法计算两个信号的相关特性可以减少计算的数据量,同时可以根据需要,很快得出所需要的信号时间差.     

矿山微震信号小波分析与研究

 针对目前人工信号识别技术和傅里叶变换在分析识别矿山微震信号时的局限性,提出Matlab小波工具箱分析方法。首先对矿山实际监测到的干扰矿震信号进行小波变换,对小波分解之后的矿震信号进行频谱分析,结果表明能够准确地观察到信号的突变点,确定矿震信号P波初到时,从而更加精确得出矿震震源的位置和能量大小;其次对受干扰矿震信号进行小波消噪,同时对小波分析的4种阈值降噪方法进行分析对比,发现无偏似然估计阈值效果最好,显示了小波分析的强大消噪功能。研究结果表明,小波分析具有良好的矿震信号识别效果和消噪能力,是矿震信号处理和分析的一种有效方法。     

用小波变换和神经网络检测心室晚电位

提出了一种基于小波变换和神经网络的晚电位时域检测改进方法 .对矢量幅值波进行连续小波变换 ,然后从矢量幅值波的时频能量分布中提取心室晚电位的 8个特征值 ,送入人工神经网络进行晚电位的自动检测 .实验结果表明 :这种检测方法可有效降低噪声影响 ,提高心室晚电位的检测准确率 .     

基于小波域局部二值模式和活动轮廓模型的纹理图像分割

提出一种双树复小波域局部二值模式和活动轮廓模型的纹理图像分割方法.该方法首先使用双树复合小波(DTCWT)分解纹理图像,然后使用局部二值模式(LBP)提取纹理特征.利用最大熵准则对纹理特征图像进行选择.活动轮廓模型(ACM)用于最后得分割.实验结果表明提出的方法对于合成纹理和自然场景数据集达到了较高的分割精度.     

基于SVD/小波的MEMS陀螺误差分析及降噪处理

陀螺仪作为导航系统的核心传感器,其输出信号的精度对导航结果有着重要的影响。针对微机电系统(micro electro mechanical system,MEMS)陀螺成本低、应用广泛但精度低、噪声大的使用现状,选取小波分析方法对MEMS陀螺信号进行误差分析,针对误差分析结果提出了一种小波分析结合奇异值分解(singular value decomposition,SVD)的降噪方法以剔除微弱噪声信号。针对小波分析存在的小波分解层数和小波系数难以选取的问题,提出一种自适应选取小波分解层数和变换小波系数的改进小波算法;通过引入SVD以改进小波变换检测微弱信号中噪声的劣势问题,设计双轴电动转台的静、动态试验,静态试验进行信号的误差分析,动态试验验证改进算法的精度,得出改进算法比之传统小波算法降噪性能提升的结论。     

采用IEWT-SAE算法的配电变压器故障诊断方法

为识别配电变压器运行过程中存在的潜伏性故障,提出一种基于改进经验小波变换(improve empirical wavelet transform,IEWT)及堆栈自编码器(stacked auto-encoder,SAE)算法的故障诊断新方法. 首先,利用顺序统计滤波包络法来改进经验小波变换完成对振动信号的分解,得到一组经验小波分量并计算其与原始信号之间的K-L散度值,以剔除干扰分量. 然后,选取K-L散度值低的经验小波分量作为SAE的输入数据进行特征的自适应提取,再用Softmax分类器完成故障诊断,并在堆栈自编码器训练过程中引入樽海鞘群算法实现参数寻优. 最后,在10kV油浸式变压器上搭建数据采集平台进行故障模拟及分类测试. 实验结果表明,所提方法的分类精度达99.5%,在识别准确率、诊断时间上均优于对比方法.