微地震初至的高精度拾取方法
技术领域
本发明涉及微地震高精度初至拾取方法,具体涉及微地震初至的高精度拾取方法。
背景技术
目前,地震信号初至自动拾取或震相识别方法主要有能量比法、AIC算法、神经网络法、分形分维法、极化分析法以及卡尔曼估计等几种,其中能量比法、AIC算法和神经网络法最为常用。
能量比法是最为快捷、最为广泛应用的一种自动拾取方法。Kannasewich于1981年提出设计计算地震数据的绝对值、能量或包络面的长时窗(LTA)与短时窗(STA)作为识别有效事件的特征函数,这种方法通过计算长短时窗的比值,而认为出现地震信号是这个比值会大于预先设定的门限。目前这种长短时窗比法已成为各个微地震监测公司最为常用的方法。不过这种方法有其缺陷:受短时窗的影响不能准确拾取初至;难以在高振幅噪声中分辨出有用地震信号。在天然地震观测中的初动识别,刘希强等以能量比法为基础结合信号的多种特点设计了应用单台垂向记录进行区域地震事件实时检测的方法。在地震勘探中,左国平(2004)、张伟(2009)等人根据实际情况改进能量比法进行地震波初至的拾取,叶根喜(2008)将能量比法用于矿山安全领域的微地震监测,并对不同窗口长度的能量比特征进行了分析研究。
AIC(Akaike information criterion,赤池信息准则)算法是基于自回归(autoregressive,AR)模型假设的一种算法,在地震监测中常用于信号识别,这种方法的最基本假设是噪声与地震信号都可以用不同的自回归模型表示出来,而且模型的阶数互不相同。它最早根据这个基本假设设计为AR-AIC准则在天然地震中用于P、S波初至的拾取。目前的利用都是根据Maeda(1985)年设计的AIC算法,这种方法直接利用信号的协方差计算AIC的值,避免了AR-AIC法需要迭代计算自回归模型阶数而带来的大计算量,而这种算法的具体推导过程至今仍未公布。我国在天然地震观测中也常用AIC算法进行初至拾取。王海军等(2003)通过对低信噪比的地震数据研究发现在噪声较强的情况下认为AIC值的最低点为初至点并不准确,而AIC曲线的拐点通常对应着信号的初至,并且设计了对AIC曲线进行校正的方法。刘希强等(2009)利用三阶累计量代替Maeda算法中的二阶累积量也就是协方差来设计新的AIC算法,在低信噪比的情况下仍能保持较高精度。但是,AIC法的主要缺陷在于无论所选的数据段中是否真的存在一个地震或微地震有效事件,总会在数据段中找到一个AIC的最小值,这使得无法单一利用AIC算法进行有效事件的初至拾取。
还有人工神经网络、分形维数理论技术也被引用到初至拾取方面中来。
然而,微地震信号不同于一般反射地震信号,其特点是有用信号弱,波场复杂,震相类型多。因此,上述现有的地震信号自动拾取方法对于微地震信号的初至拾取都存在着精度较低的问题。
发明内容
本发明所要解决的技术问题是常规地震信号自动拾取方法缺点的问题。
为了解决上述技术问题,本发明所采用的技术方案是提供一种微地震高精度初至拾取方法,包括以下步骤:
步骤10:利用高阶矩方法增强微地震资料的信噪比;
步骤20:根据当前微地震波x(k)是否存在满足以下全部约束条件,判断该微地震波x(k)是否为微地震初至,所述约束条件包括以下三种:
(1)x(k)>e,e为每一道地震记录的均值;
(2)c1×ma<|x(k)|<c2×ma,ma为每一道地震记录的最大值;
(3)a1×k<|x(k+1)-x(k)|<a2×k,k表示根据射孔或其它视速度资料得到的斜率,c1,c2;a1,a2分别振幅和斜率的门槛值范围系数。
步骤30:在振幅和视速度约束下,围绕微发震事件走时初至的时空变化特征,利用固定大时窗和滑动小时窗内走时初至点能量信息的变化规律,采用多次迭代的方法,实现微地震事件初至的自动拾取。
在上述方法中,步骤10包括以下步骤:
步骤11:计算获得每一道微地震记录不同滑动时窗的微地震资料高阶矩能量比值:
EC=E{[(X-E(X)]K};
其中,Ec(t)为t时刻的能量,E{[(X-E(X)]K}为微地震资料的K阶中心矩,EB(t)指前时窗,EA(t)指后时窗,ED(t)指延迟时窗;
步骤12:对上述能量比值取对数:
R1(t)=log[EC(t)];
其中:
R1(t)用于判断在t时刻是否出现强能量信号的采样点;
R2(t)用于区分强振幅、短延续时间噪声与前强振幅、长延续时间的有效信号;
在噪声延续时间比较长的情况下,R2(t)失去效果,这时可以将前时窗向后推迟一段时间得到延迟时窗,根据延迟时窗内的平均能量值求得R3(t),通过判断R3(t)是否超过门限值来去除长延续时间噪声的影响。
步骤30包括以下步骤:
步骤31、求每一道地震记录的振幅最大值对应的时间位置,然后计算道间时间差满足视速度变化约束条件下所有道振幅最大值的平均值,并把该平均值作为振幅门槛值,拾取保留满足给定振幅门槛值记录道的时间位置,作为初始初至拾取结果;
步骤32、求得微地震记录所有道振幅最大值的平均值作为新的振幅门槛值,计算寻找滑动时窗内满足该振幅门槛值的初至位置;
步骤33、在给定的门限范围内,每一道拾取了多个初至点位置,在这多个初至位置点中再求振幅最大值、次最大值等对应初至点作为更新的初至点,依次循环迭代,在满足视速度条件下,当最大值或次最大值对应的初至道数最大时,作为迭代终止条件,最终找到真实的初至点位置;
步骤34、最后再对拾取的微地震有用事件初至曲线进行进一步的优化处理。
本发明,从初至信息拾取的依据条件分析入手,首先求得每一道的微地震事件记录的振幅极大值,计算满足视速度变化时间范围内振幅最大值的初至点的振幅平均值;再以该平均值设定门槛值,在给定的门槛值范围内计算滑动时窗内的最大值的初至点;依次迭代计算,最终确定事件的所有道的初至点;最后再对拾取的微地震有用事件初至曲线进行进一步的优化处理。不但适应性强,而且结果可靠。
附图说明
图1为一段微地震记录;
图2为图1所示微地震记录经高阶矩处理后的结果;
图3为迭代5次后的结果;
图4为迭代10次后的结果;
图5为初至拾取结果。
具体实施方式
下面结合说明书附图和具体实施例对本发明做出详细的说明。
本发明提供的微地震初至波的高精度拾取方法,包括以下步骤:
众所周知,微地震信号不同于一般反射地震信号,其特点是有用信号弱,波场复杂,震相类型多。因此,微地震信号的初至拾取主要是根据信号的能量、相位及相位视速度特征条件来进行的。为了拾取到准确的微地震事件的震相的走时初至,必须首先进行提高微地震事件信号的信噪比处理。在此前提下,再研究初至拾取方法,方能取得好的效果。
为此,本发明提供的方法,首先对微地震事件记录进行信号处理,增强信号的信噪比,具体包括以下步骤:
步骤10:利用高阶矩方法增强微地震资料的信噪比。具体步骤如下:
步骤11:计算获得每一道微地震记录不同滑动时窗的能量比值:
EC=E{[(X-E(X)]K};
其中:X为窗口长度内微地震记录的样点值,K为矩阶次,取1,2,…,N,N为采样点数。
Ec(t)为相应的微地震波在时刻t的能量(振幅);
E{[(X-E(X)]K}为该微地震波的高阶中心矩。
EB(T)对应前时窗能量值,t范围为t1-t0之间;
EA(T)对应后时窗能量值,t范围为t0-t2之间;
ED(T)表示延迟时窗能量的平均值,t起始于t3,终止于t4。
步骤12:对上述能量比值取对数:
R1(t)=log[EC(t)];
其中:
R1(t)用于判断在t时刻是否出现强能量信号;
R2(t)用于区分强振幅、短延续时间噪声与前强振幅、长延续时间的有效信号;在噪声延续时间比较长的情况下,R2(t)失去效果,这时可以将前时窗向后推迟一段时间得到延迟时窗,根据延迟时窗内的平均能量值求得R3(t),通过判断R3(t)是否超过门限值来去除长延续时间噪声的影响。
通过上述步骤10,使微地震事件的信号信噪比得到了大大增强。如图1和图2所示,有效信号得到明显增强。
步骤20:微地震事件的信号信噪比增强后,根据每一道微地震波上是否存在满足以下全部约束条件的采样点,判断该微地震波是否为微地震初至波,所述约束条件包括以下三种:
(1)x(k)>e,e为每一道地震记录的均值,
i为采样点,N为采样点数;
(2)c
1×ma<|x(k)|<c
2×ma,ma为每一道地震记录的最大值(有时最大值对应的点不是初至),
(3)a1×k<|x(k+1)-x(k)|<a2×k,k表示根据射孔或其它视速度资料得到的斜率。c1,c2;a1,a2分别振幅和斜率的门槛值范围系数。
v*为射孔或其它资料的视速度。
如果微地震记录上的某一道地震波满足了上面的三个条件,那么认为该道地震波就是所要拾取的微地震初至波。
步骤30:以振幅(能量)信息为基础,在视速度约束下,紧紧围绕微地震事件的走时初至的时空变化特征(即初至同相轴的变化特征),利用固定大时窗和滑动小时窗内走时初至点能量信息的变化规律进行多次迭代,实现微地震初至的自动拾取,其结果如图3、图4和图5所示,具体步骤如下:
步骤31、求每一道地震记录的振幅最大值对应的时间位置,然后计算道间时间差满足视速度变化约束条件下所有道振幅最大值的平均值,并把该平均值作为振幅门槛值,拾取保留满足给定振幅门槛值记录道的时间位置,作为初始初至拾取结果;
步骤32、每个事件所有道初至对应的振幅不可能都是最大值,因此在某个给定振幅门槛值范围内,只有几道满足条件(理论上至少两道,只要存在微地震事件,一般都能满足),这时把这些满足条件的某几道记下来,并计算其振幅最大值的平均值。然后利用求得的振幅最大值的平均值作为新的振幅门槛值,计算寻找滑动时窗内满足该振幅门槛值的初至位置。注意滑动时窗的大小设置,如果选得太小,即在时窗内不能包括从一道到最后一道的初至位置,容易漏掉事件初至点;如果滑动时窗选得太大,又选多了事件的初至点位置。
步骤33、在给定的门限范围内,每一道不可能拾取一个初至点位置。因为给定的门槛值范围内不可能一道就有一个点满足条件,得到多个初至点位置,因此,在给定的门限范围内,每一道拾取了多个初至点位置,在这多个初至位置点中再求振幅最大值、次最大值等对应初至点作为更新的初至点,依次循环迭代,在满足视速度条件下,当最大值或次最大值对应的初至道数最大时,作为迭代终止条件,最终找到真实的初至点位置;
步骤34、最后再对拾取的微地震有用事件初至曲线进行进一步的优化处理。
本发明,针对低信噪比微地震事件的特点,提出了一种高阶矩增强微地震资料信噪比有效微地震事件初至自动拾取方法。常规能量比方法对低信噪比资料,拾取效果不理想,而本发明提出的高阶矩长短时窗比方法,同时对数据取对数计算融合到算法中,有效事件信号得到了明显的增强。在此基础上,从初至信息拾取的依据条件分析入手,首先求得每一道的微地震事件记录的振幅极大值,计算满足视速度变化时间范围内振幅最大值的初至点的振幅平均值;以该平均值设定门槛值,在给定的门槛值范围内计算滑动时窗内的最大值的初至点;依次迭代计算,最终确定事件的所有道的初至点。最后再对拾取的微地震有用事件初至曲线进行进一步的优化处理。不同地区实际资料的应用效果表明,本发明的低信噪比微地震资料最优处理流程和微地震事件初至自动拾取方法不但适应性强,而且结果可靠。
本发明不局限于上述最佳实施方式,任何人应该得知在本发明的启示下作出的结构变化,凡是与本发明具有相同或相近的技术方案,均落入本发明的保护范围之内。