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 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.     

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。     

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.     

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Occam反演算法的微地震速度模型反演

为了能够对微地震震源进行精确定位, 需要已知压裂井和监测井所在工区内准确的地层速度模型。针对这一问题, 在采用Occam反演算法的基础上, 提出一种利用初至波的走时差信息代替旅行时进行速度模型反演的方法。利用该方法, 可以在无须已知射孔起始时间的情况下反演得到地层速度模型。通过模型数据的处理以及对结果的分析, 表明虽然受到初至到时拾取误差的影响, 采用上述方法反演得到的速度模型会存在一定的误差, 但利用该模型可以将射孔位置定位到其真实位置附近, 表明该速度模型可用于进行微地震震源定位。     

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.     

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。     

低信噪比地震记录中信号初至的估计

给出一种基于赤池信息量准则(AIC)算法和信号幅值比的混合方法来估计低信噪比地震记录中信号的初至．用信号的AIC曲线和幅值比曲线构造一种叠如曲线，对叠加曲线进行类似于坐标旋转的校正，利用校正后的叠加曲线可以准确估计低信噪比记录中信号的初至．用该方法对乌鲁木齐台记录到的35次天然地震中P波、S波和Lg波进行初至估计，P波初至估计误差的均方误差为0．71，后续震相(S波、Lg波)初至估计误差的均方误差为1．64，其结果均优于传统AIC算法的估计结果．     

改进的神经网络并行算法及其在地震初至拾取中的应用

针对经典BP神经网络易于陷入局部极小点、易于产生振荡等缺点,提出了神经网络初始权值的二分法,改进了一种网络结构自动确定算法,并将随机算子和遗忘因子引入BP神经网络中.在提高全局寻优能力的同时,加快了网络的收敛速度.在分析了神经网络内在并行性的基础上,基于MPI实现了改进算法的并行化,将算法应用于地震资料的初至拾取,并取得了良好的应用效果,验证了算法的有效性.     

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。     

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。     

微震信号初至拾取的AIC算法及其分析

为了提高微震信号P波初至到时的拾取精度,对微震信号初至拾取的赤池信息量准则(AIC)算法包括AR-AIC算法、VAR-AIC算法进行分析和对比,给出AR模型阶数M、特征函数、时窗长度对拾取结果影响及其选取规律。结果表明:AR模型阶数M对AR-AIC算法的计算精度和计算速度有较大影响,AR模型阶数M越大,算法计算速度越慢,AR模型阶数M应选择AIC(M)最小值时的阶数M或者选择AIC(M)最小值稍前的阶数M;特征函数、时窗长度对VAR-AIC算法的计算精度有影响,特征函数建议选择CF₄,时窗长度建议选择600～1 000个采样点,时窗结束时刻为信号最大振幅值时刻,开始时刻为信号最大振幅时刻向前移动600～1 000个采样点。     

炮点空间位置检测技术研究

该项目对炮点空间位置自动检测技术进行了研究,通过自动拾取初至时间反演共中心点面元上的速度,再通过此速度计算直达波旅行时,比较该旅行时与拾取的初至时间之间的误差,即为偏点误差。误差越大,偏点偏移距离越远。给定误差阈值,检测出偏点;再通过给定步长(一般为一个道距或半个道距)进行偏点偏移距离扫描,重复计算误差,选取误差最小的点作为正确的位置,从而确定校正量。     

一种动态匹配特征子波拾取地震同相轴的技术

在传统的地震资料解释或速度分析等过程中,通常都是依靠人工识别与拾取,不但工作量大,而且效率非常低.因此,工业界开始使用各种算法来进行地震同相轴的自动识别与拾取,但是这些算法存在较多的缺陷,精度不高.地震剖面可视为由地震子波与反射系数褶积构成,子波以及噪音的存在对剖面的自动拾取带来一定困难.通过对地震子波进行特征抽取,并...     

地震波初至旅行时计算策略

以波前扩展法为基础,提出了适合强速度纵横向变化的有限差分法地震波初至旅行时外推策略,即在计算时采用二阶精度的有限差分法对程函方程进行了近似计算.在没有出现对负数开平方的情况下只计算三个可能的体波,当出现已知条件不满足或算法不稳定(如对负数开平方)的情况时就计算可能的3个首波和两个散射波,两种情况下都取其最小值作为地震初至旅行时.采用二分法的旅行时查找方法,完成了初至旅行时算法的改进.复杂模型试算结果表明,该方法提高了初至旅行时计算的精度和稳定性.     

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。     

利用偏振约束对AIC方法自动拾取微震初至的改进

初至拾取是影响微震事件分析精度的重要因素之一。本文结合微震事件偏振特性和AIC（Akaike Information Criterion, 最小信息准则）函数特性,提出了一种利用偏振约束实现AIC初至拾取的改进方法：可以将偏振分析拾取微震初至的应用扩展至单分量的微震数据,该方法将单分量微震数据视为三分量微震数据的一种特殊形式,利用三分量微震数据协方差矩阵的最大值序列对AIC方法进行约束,从而快速准确的拾取到微震数据的初至。文中应用该方法对不同信噪比的合成数据和实测数据进行了验证,同时与STA/LTA（Short Time Average/ Long Time Average,长短时平均）、Maeda-AIC和偏振分析方法进行了对比,结果显示该算法速度略低于上述三种方法,但精度和可靠性优于其他三种方法,同时与其他改进算法对比,不用设置阈值,并且选取时窗的长短对拾取结果几乎没有影响,可极大的提高算法的自动化程度。