CN104487870A - 用于使用移位归一化均方根度量估计时移地震信号记录的系统和方法 - Google Patents
用于使用移位归一化均方根度量估计时移地震信号记录的系统和方法 Download PDFInfo
- Publication number
- CN104487870A CN104487870A CN201380034129.8A CN201380034129A CN104487870A CN 104487870 A CN104487870 A CN 104487870A CN 201380034129 A CN201380034129 A CN 201380034129A CN 104487870 A CN104487870 A CN 104487870A
- Authority
- CN
- China
- Prior art keywords
- signals
- displacement
- time
- signal
- normalized
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000006073 displacement reaction Methods 0.000 claims description 74
- 238000010606 normalization Methods 0.000 claims description 30
- 230000006870 function Effects 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 abstract description 3
- 238000005070 sampling Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 102100027626 Ferric-chelate reductase 1 Human genes 0.000 description 3
- 101000862406 Homo sapiens Ferric-chelate reductase 1 Proteins 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 101000604054 Homo sapiens Neuroplastin Proteins 0.000 description 2
- 101000806155 Homo sapiens Short-chain dehydrogenase/reductase 3 Proteins 0.000 description 2
- 102100037857 Short-chain dehydrogenase/reductase 3 Human genes 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002955 isolation Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 101100129500 Caenorhabditis elegans max-2 gene Proteins 0.000 description 1
- 238000012952 Resampling Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/30—Analysis
- G01V1/308—Time lapse or 4D effects, e.g. production related effects to the formation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/61—Analysis by combining or comparing a seismic data set with other data
- G01V2210/612—Previously recorded data, e.g. time-lapse or 4D
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Fluid Mechanics (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
描述了用于使用移位归一化均方根(sNRMS)度量估计时移地震信号记录的系统和方法。所述方法包括:输入包括相似的或可重复的信号的两个地震轨迹;将所述两个地震轨迹中用于分析的两个信号与其他信号隔离,所述两个信号相对于彼此是时间移位的;以及确定所述两个信号在所述两个信号之间的不同时间位移处的归一化互相关。所述方法还包括确定最接近归一化互相关为最大的零时间位移的最佳时间位移;计算在所述最佳时间位移处的移位归一化均方根值;以及基于所述移位归一化均方根值确定所述两个信号的可重复性特性。
Description
技术领域
本发明一般涉及计算方法并且更具体地涉及使用移位归一化均方根(sNRMS)度量估计时移地震信号记录的计算机系统和计算机实现的方法。
背景技术
归一化均方根(NRMS)在2002年被引入作为测量时移地震监视信号在多大程度上重复基线地震信号的度量。但是,业界迅速发现监视信号与基线地震信号之间的轻微时间位移会产生否定NRMS作为可重复性度量和分析参数的可能的异常NRMS值。最近,另一种称之为信号失真比(SDR)的时移地震可重复性度量被引入作为NRMS缺陷的解决方案。即使存在时间位移,SDR也充当度量。但是,SDR丢失了与可与NRMS度量紧密相连用于分析目的的随机噪声和4D噪声中的空间变化的联系。
因此,需要一种用于估计时移地震信号记录以确定例如信号记录的可重复性特性(quality)的方法和系统。
发明内容
本发明的一个方面提供了一种使用移位归一化均方根(sNRMS)度量估计时移地震信号记录的计算机实现的方法。所述方法包括:向计算机输入包括相似的或可重复的信号的两个地震轨迹;由计算机将所述两个地震轨迹中用于分析的两个信号与其他信号隔离,所述两个信号相对于彼此是时间移位的;以及由计算机确定所述两个信号在所述两个信号之间的不同时间位移处的归一化互相关。所述方法还包括:由计算机确定最接近归一化互相关为最大的零时间位移的最佳时间位移;由计算机计算在所述最佳时间位移处的移位归一化均方根值;以及由计算机基于所述移位归一化均方根值确定所述两个信号的可重复性特性。
本发明的另一个方面提供了一种使用移位归一化均方根(sNRMS)度量估计时移地震信号记录的系统。所述系统包括配置为存储包括两个地震轨迹的输入数据的计算机可读存储器,所述地震轨迹包括相似的或可重复的信号。所述系统还包括与所述计算机可读存储器通信的计算机处理器,所述计算机处理器配置为:读取所述输入数据;将所述两个地震轨迹中用于分析的两个信号与其他信号隔离,所述两个信号相对于彼此是时间移位的;确定所述两个信号在所述两个信号之间的不同时间位移处的归一化互相关;确定最接近归一化互相关为最大的零时间位移的最佳时间位移;计算在所述最佳时间位移处的移位归一化均方根值;以及基于所述移位归一化均方根值确定所述两个信号的可重复性特性。
尽管根据本发明一个实施例的所述方法的各种步骤在以上段落里被描述为以特定顺序发生,但本申请不限于各种步骤发生的顺序。实际上,在替代实施例中,所述各种步骤可以以不同于以上或在此以其他方式描述的顺序来执行。
本发明的这些和其他目的、特性或特征,以及操作方法和相关结构元件的功能以及部件的组合和制造的经济性,在参考形成此说明书一部分的附图考虑下述描述和所附权利要求时会变得更加清晰,其中相似参考标记指示各附图中的对应部件。但是,很好理解所述附图仅用于说明和描述的目的,并且不旨在作为本发明限制的定义。如在说明书和权利要求中使用的,除非上下文明确指出,否则单数形式的“一个”、“一”或“这个”包括复数指示对象。
附图说明
图1是根据本发明实施例的用于使用移位归一化均方根(sNRMS)度量估计时移地震记录的方法的流程图;
图2根据本发明实施例描绘了从时间上相对于彼此移位的两个地震轨迹中隔离或窗口截取的两个信号的例子;
图3根据本发明实施例描绘了作为时间位移的函数的归一化互相关和归一化均方根(NRMS)的图;
图4根据本发明其他实施例描绘了在归一化所述两个信号后,作为时间位移的函数的归一化互相关和NRMS的图;
图5A-5D是当可重复性是差、一般、好或者极好的不同条件下的两个时间移位信号(基线信号与重复信号)的图;以及
图6是根据本发明实施例表示用于执行所述方法的计算机系统的示意图。
具体实施方式
在一种实施例中,为了估计时移地震信号记录,可使用移位归一化均方根(sNRMS)度量来替代使用SDR和NRMS度量。移位归一化均方根(sNRMS)施加给被记录两次或更多次的任何类型的数字信号,并且需要度量以比较从所述信号的一个记录到所述信号的另一个记录的信号可重复性(或相似性)。例如,可以使用sNRMS度量估计诸如记录在不同时间(即,被记录的时移)的记录反射地震事件的地震信号的可重复性。
在时移中,当一个或多个监视调查在晚于较早的基线地震调查时间(例如,日历日期)执行时,产生多个地震记录。例如,这可以被执行的目的在于测量由于油藏生产在地表下岩层中引起的微小差异。地震源和接收器的每个位置从反射中产生所述地表下岩层的独特采样。所述独特采样被呈现给解释器作为地震轨迹。因此,例如为比较来自地震轨迹上的关联反射的生产相关改变,用户尝试在较晚的时间在相同地点重复相同测量,其中所述相同地点是在较早时间执行基线调查时所述地震源和接收器位于的地点。因为在非油藏地区中本质上没有物理改变,因此如果重复4D获取,可以期待时移地震轨迹的非油藏地区会具有类似信号或具有展现良好可重复性的信号。移位归一化均方根(sNRMS)度量可被施加于此种情况以估计可重复性或确定测量的可重复性特性。
公共反射点收集中的地震轨迹上的反射源自同样的地下位置。sNRMS可使用轨迹对组合来测量记录的地震轨迹(或地震反射)贯穿所述收集的相似性或可重复性。在较晚的时间处执行监视获取之前,所述轨迹对对理解随机和4D噪音是有用的。
移位归一化均方根(sNRMS)中的单词“移位”涉及一个信号相对于另一个信号移位以便在应用归一化均方根测量之前所述信号被最佳的对准的事实。通过执行移位,当异常NRMS值施加给具有相对位移的信号时,可以消除与异常NRMS值相关的问题。
图1是根据本发明实施例的用于使用移位归一化均方根(sNRMS)度量估计时移地震记录的方法的流程图。所述方法包括在S10输入包括相似的或可重复的信号的两个轨迹(X和Y)。在不同时间进行的地震调查期间获得所述两个轨迹X和Y。所述方法还包括在S12通过在X和Y轨迹中选择时间窗口或门,把所述两个轨迹(X和Y)中用于分析的信号与其他信号隔离。如所记录的,所述两个轨迹中的所述两个信号相对于彼此在时间上类似地移位。
图2根据本发明实施例描绘了从时间上相对于彼此移位的轨迹X和Y中隔离或窗口截取的两个信号20和22的例子。在此例子中,所选的时间窗口介于大约0秒和大约0.05秒之间。在此例子中,窗口截取的信号20和22具有大致相同的频率(例如,20Hz)。但是,所述两个信号20和22具有不同幅度和不同事件时间。如图2中所示,信号20的幅度大约是信号22的幅度的两倍。还如图2中所示,信号22在时间上相对于信号20移位。信号20和信号22之间的时间位移大约是-0.006秒。如果对信号20和22施加归一化均方根(NRMS),这会导致异常NRMS值。
所述方法还包括在S14确定所述两个信号20和22在所述两个信号之间的不同时间位移处的归一化互相关。作为时间位移τ的函数的归一化互相关φxy(τ)可以由下述方程(1)表达:
其中xi表示信号20,并且yi+τ表示相对于信号20在时间上移位τ个采样的信号22。
所述方法还包括在S16确定最接近互相关为最大的零时间位移τ=0的最佳时间位移τmax。最好对准信号20和22的时间位移τmax导致最大的或极大的互相关。记为τmax的此时间位移接近零时间位移(在图3中大约-0.006秒)。
图3根据本发明实施例描绘了作为时间位移τ的函数的归一化互相关φxy(τ)30和归一化均方根(NRMS)32的图。如图3所示,互相关曲线30的极大值点31发生在对应于最佳时间位移τmax33的信号20和22的最佳对准处。最佳时间位移τmax33接近零时间位移并且在此情况中等于大约-6x10-3秒。
归一化互相关可以在信号20和22的时域或者频域中执行。在某些情况中,对准两个信号20和22的最佳时间位移τmax33可能未落到原始数据的离散采样上。在此情况中,在应用互相关之前,所述窗口截取的数据可以被重采样成更细的采样间隔,或者可以对互相关使用合适的插值方法以获得时间位移的分数采样部分。
NRMS 32作为时间位移τ的函数使用下述方程(2)计算。
NRMS 32提供了获取轨迹Y中的信号22相对于轨迹X中的信号20时间移位的NRMS的总体行为。如图3中可指示的,由于偶发事件,NRMS 32在等于40X10-3的时间位移处具有更好的极小值。因为在互相关中可以有一个或多个极小值,“最接近”等于零的时间位移的极大归一化互相关31被使用以确定最佳时间位移。
所述方法还包括在S18,一旦从归一化互相关极大值31中确定出最佳时间位移τmax,计算在所述最佳时间位移τmax处的移位归一化均方根(sNRMS)值。可以使用作为时间位移的函数的NRMS以及确定当时间位移等于最佳时间位移时的NRMS值来计算所述sNRMS值。所述sNRMS可以从上述NRMS曲线32中以图解的方式确定并且当时间位移τ等于最佳时间位移τmax33时被读出以获得sNRMS值34。在此例子中,sNRMS值34等于大约0.7。替代地,可以使用下述方程(3)计算sNRMS值。
另外,使用NRMS曲线32通过读取τ等于零的NRMS的值,也可以在时间位移τ等于零处以图解的方式确定“经典”NRMS。图3在35处指示了经典NRMS值。在此例子中,经典NRMS值大约等于1。替代地,还可以使用下述方程(4)计算经典NRMS。
所述方法还包括,可选地,在S20,在计算τ处的NRMS之前归一化信号20的峰值幅度或能量并且归一化信号22的峰值幅度或能量,而不是让信号20的幅度是信号22的幅度的两倍。在一种实施例中,就在S18之前,在计算sNRMS(τmax)之前,此归一化可以对τmax33的时间位移信号22和信号20执行。但是,此归一化可以应用于所述方法中的任何阶段,例如,在S12把所述两个信号与所述两个轨迹中的其他信号隔离之后。
所述两个信号20和22的幅度的差异影响sNRMS的值但是不影响归一化互相关。因此,如果希望为具有相等幅度的信号确定sNRMS值,则在使用图形确定方法或使用方程(3)计算sNRMS值之前,移位的信号22可以与信号20同比例。通过把信号20和22的幅度除以它们各自的峰值幅度或者把每个信号的幅度除以所述信号的能量的平方根可以归一化信号20和22,其中每个平方信号下面的面积对应于所述信号20和22的“能量”。
在一种实施例中,所述方法还包括在S22基于所述sNRMS值确定所述信号20和22的可重复性特性。sNRMS具有与NRMS相同范围的值。完美的可重复性具有为零的值。最坏的可重复性具有对应于同一信号但具有相反极性的为2的值。两个随机高斯噪声信号会具有1.414(即)的值。例如,0.15或更小的sNRMS可以指示极好的可重复性。范围0.15到0.35内的sNRMS可以指示好的可重复性。范围0.35到0.8内的sNRMS可以指示一般的可重复性。低于0.8的sNRMS可以指示差的可重复性。可重复性的特性随着sNRMS减小而增加,正如以下段落中将进一步详细解释的。
图4根据本发明其他实施例描绘了在归一化所述信号20和22后,作为时间位移τ的函数的归一化互相关φxy(τ)40和NRMS 42的图。除了信号20和22在此被进一步归一化以便时间位移信号22上的峰值幅度或能量匹配信号20上的峰值幅度或能量以外,以与图3同样的方式获得图4。如图4所示,互相关曲线40的极大值点41发生在对应于最佳时间位移τmax43的信号20和22的最佳对准处。所述方法还包括一旦从归一化互相关极大值41中确定出最佳时间位移τmax43,计算sNRMS值44。所述sNRMS值44可以从上述NRMS曲线40中以图解的方式确定并且当时间位移τ等于最佳时间位移τmax43时被读出以获得sNRMS值44。替代地,可以使用方程(3)计算sNRMS值44。
图4示出在此归一化过程之后,以图解方式或使用方程(3)确定的sNRMS值44现在接近于零,指示所述两个信号20和22基本上是可重复的,即具有极好的可重复性。
图5A-5D是根据本发明实施例,当可重复性是差(图5A)、一般(图5B)、好(图5C)或者极好(图5D)的不同条件下的两个时间位移信号(基线信号50与重复信号52、54、56和58)的图。在这些图中,基线信号50对应于带有方块点的曲线。对图5A-5D中每个实例,sNRMS值可以被计算和呈现为百分值(即,100X方程3)。例如,在如图5A所示的差的可重复性的情况中,计算出的sNRMS值等于大约117.54。在如图5B所示的一般的可重复性的情况中,sNRMS值等于大约80.82。在如图5C所示的好的可重复性的情况中,sNRMS值等于大约34.09。在如图5D所示的极好的可重复的情况中,sNRMS值等于大约14.09。
信号失真比(SDR)与NRMS的关系可以在Juan Cantillo在2012年4月的The Leading Edge中第405-413页的“Throwing aNew Light on Time-Lapse Technology,Metrics and 4D repeatabilitywith SDR”找到,(以下被成为“Cantillo”),其内容通过引用被结合在此。SDR与用百分比表示的NRMS之间的关系可以由从Cantillo抽取的下述方程(5)给出。
其中τ对应于时间位移并且f对应于信号的频率。
使用方程(5),SDR与用百分比表示的NRMS之间的近似关系(6)可以通过将τ设定成等于零来确定。
因此,对使用在此描述的方法计算得到的、分别针对差、一般、好、极好的可重复性的每个上述sNRMS值,可以使用关系(6)得到对应的SDR值。表1提供了从用于4个可重复性场景的每一个的sNRMS值中得到的对应的SDR值。另外,如表1可指出的,可重复性特性随着sNRMS值减小而增加(例如,从差到极好)。
表1
可重复性 | sNRMS(百分比表示) | 得到的SDR |
差 | 117.54 | 0.7239 |
一般 | 80.72 | 1.5349 |
好 | 34.09 | 8.6070 |
极好 | 14.72 | 46.1378 |
类似地,使用Cantillo中确定的SDR值,可以使用方程(6)得到对应的sNMRS值。在此方面,Cantillo提供了用于确定SDR的两种不同方法。针对两种Cantillo方法的SDR值(SDR1和SDR2)以及他们对应得到的sNRMS值(sNRMS1和sNRMS2)在表2中给出。
表2
如在表2中可看到的,随着两个信号之间的可重复性变差(从极好变到差),Cantillo中用来计算SDR的两个方程产生发散的SDR值SDR1和SDR2。另外,SDR值随着可重复性特性增加(从差变到极好的可重复性)而增加。而且,如表1和表2可看到的,由于使用在此描述的方法获得的sNRMS的值(极好的可重复性是14.72并且好的可重复性是34.09)与从SDR2(极好的可重复性是45.5304并且好的可重复性是8.009)中得到的sNRMS值(极好的可重复性是14.82并且好的可重复性是35.34)是近似相等的,因此对极好和好的情形来说,把SDR联系到sNRMS的方程是好的近似。但是,如表1和表2可看到的,使用在此描述的方法得到的sNRMS与从SDR中得到的sNRMS在差的可重复性下是背离的,此处从SDR中得到的sNRMS变得不实际(得到的sNRMS大于200)。
因此,使用在此描述的方法得到的sNRMS对任何水平的可重复性都是强健的,但同时从SDR中得到的sNRMS对具有差的可重复性的数据是不强健的并且可能失去它的物理意义。仅对在小的时间位移处的好的到极好的特性数据来说,SDR度量可以近似与在此描述的sNRMS度量相联系。
在此描述的sNRMS方法提供NRMS的有效估计。在此描述的sNRMS方法强健地使用地震数据集合间的时间位移来工作并且可以被用作有效可重复性度量和进一步分析4D数据这两者。
作为度量,在此描述的sNRMS方法可以被用作协同处理4D地震数据中的特性控制(QC)度量。但是,除了被用作QC度量,在此描述的sNRMS方法可进一步被用在基线地震数据的分析中,以在时移抗震规划中使用。
在一种实施例中,以上描述的一个或多个方法可以被实现为可由计算机执行的一系列指令。如可理解的,术语“计算机”在此被用于包括任何类型的计算系统或设备,包括个人计算机(例如,桌面计算机、膝上型计算机、或任何其他手持计算设备)、或大型计算机(例如,IBM主机)、或超级计算机(例如,CRAY计算机)、或分布式计算环境中的多个网络计算机。
例如,所述一个或多个方法可以被实现为可被存储在计算机可读介质中的软件程序应用,所述介质诸如硬盘、CDROM、光盘、DVD、磁光盘、RAM、EPROM、EEPROM、磁卡或光卡、闪存卡(例如,USB闪存卡)、PCMCIA存储器卡、智能卡、或其他介质。
替代地,部分或全部软件程序产品可以经由网络从远程计算机或服务器下载,所述网络诸如互联网、ATM网络、广域网(WAN)或局域网。
替代地,代替或者除了将所述方法实现为包含在计算机中的计算机程序产品(例如,软件产品)以外,所述方法可以被实现为硬件,其中例如专用集成电路(ASIC)可以设计为执行所述方法。
图6是根据本发明实施例表示用于执行所述方法的计算机系统60的简图。如图6所示,计算机系统60包括处理器(一个或多个处理器)62和与处理器62通信的存储器64。计算机系统60还可包括用于输入数据的输入设备66(诸如键盘、鼠标等)和诸如用于显示计算结果的显示设备的输出设备68。
如可从以上描述理解的,计算机可读存储器64可被配置成存储包括两个地震轨迹的输入数据,所述地震轨迹包括相似的或可重复的信号。与计算机可读存储器64通信的计算机处理器62被配置为:读取所述输入数据;将所述两个地震轨迹中用于分析的两个信号与其他信号隔离,所述两个信号相对于彼此是时间移位的;确定所述两个信号在所述两个信号之间的不同时间位移处的归一化互相关;确定最接近归一化互相关为最大的零时间位移的最佳时间位移;计算在所述最佳时间位移处的移位归一化均方根值;以及基于所述移位归一化均方根值确定所述两个信号的可重复性特性。
尽管本发明为了说明的目的,基于目前认为的最实际和优选的实施例而已被详尽的描述,应该理解,这些细节仅用作说明目的并且本发明不限于公开的实施例,而且相反,其旨在覆盖落入所附权利要求的精神和范围内的修改和等价安排。例如,要理解本发明考虑到,在某种可能程度,任何实施例的一个或多个特征可以与任何其他实施例的一个或多个特征结合。
而且,由于本领域技术人员会容易想到无数修改和改变,所以不期望将本发明限制于在此描述的确切结构和操作。因此,所有合适的修改和等价应当被认为落入本发明的精神和范围内。
Claims (14)
1.一种用于使用移位归一化均方根(sNRMS)度量估计时移地震信号记录的计算机实现的方法,所述方法包括:
向计算机输入包括相似的或可重复的信号的两个地震轨迹;
由计算机将所述两个地震轨迹中用于分析的两个信号与其他信号隔离,所述两个信号相对于彼此是时间移位的;
由计算机确定所述两个信号在所述两个信号之间的不同时间位移处的归一化互相关;
由计算机确定最接近归一化互相关为最大的零时间位移的最佳时间位移;
由计算机计算在所述最佳时间位移处的移位归一化均方根值;以及
由计算机基于所述移位归一化均方根值确定所述两个信号的可重复性特性。
2.如权利要求1所述的方法,其中可重复性特性随着移位归一化均方根值减小而增加。
3.如权利要求1所述的方法,其中隔离所述两个信号包括在所述两个地震轨迹中选择时间窗口。
4.如权利要求1所述的方法,其中确定所述归一化互相关包括计算所述两个信号的乘积。
5.如权利要求1所述的方法,其中确定所述归一化互相关包括确定所述两个信号在时域或频域中的互相关。
6.如权利要求1所述的方法,其中计算在所述最佳时间位移处的移位归一化均方根值包括:使用作为时间位移的函数的归一化均方根以及确定当时间位移等于最佳时间位移时的归一化均方根值。
7.如权利要求1所述的方法,还包括:归一化所述两个信号以使所述两个信号的峰值幅度或能量相等。
8.如权利要求7所述的方法,其中归一化所述两个信号包括:把每个信号的幅度除以每个各自信号的峰值幅度或者把每个信号的幅度除以每个各自信号的能量的平方根。
9.一种用于使用移位归一化均方根(sNRMS)度量估计时移地震信号记录的系统,所述系统包括:
计算机可读存储器,被配置为存储包括两个地震轨迹的输入数据,所述地震轨迹包括相似的或可重复的信号;以及
与所述计算机可读存储器通信的计算机处理器,所述计算机处理器被配置为:
读取所述输入数据;
将所述两个地震轨迹中用于分析的两个信号与其他信号隔离,所述两个信号相对于彼此是时间移位的;
确定所述两个信号在所述两个信号之间的不同时间位移处的归一化互相关;
确定最接近归一化互相关为最大的零时间位移的最佳时间位移;
计算在所述最佳时间位移处的移位归一化均方根值;以及
基于所述移位归一化均方根值确定所述两个信号的可重复性特性。
10.如权利要求9所述的系统,其中可重复性特性随着移位归一化均方根值减小而增加。
11.如权利要求9所述的方法,其中所述处理器被配置为通过在所述两个地震轨迹中选择时间窗口来隔离所述两个信号。
12.如权利要求9所述的方法,其中所述处理器被配置为通过使用作为时间位移的函数的归一化均方根以及确定当时间位移等于最佳时间位移时的归一化均方根值,来计算在所述最佳时间位移处的移位归一化均方根值。
13.如权利要求9所述的方法,其中所述处理器被配置为进一步归一化所述两个信号以使所述两个信号的幅度相等。
14.如权利要求13所述的方法,其中所述处理器被配置为通过把每个信号的幅度除以每个各自信号的峰值幅度或者把每个信号的幅度除以每个各自信号的能量的平方根,来归一化所述两个信号。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/535,642 | 2012-06-28 | ||
US13/535,642 US20140003191A1 (en) | 2012-06-28 | 2012-06-28 | System and method for evaluating a time-lapse seismic signal recording using shifted normalized root mean square metric |
PCT/US2013/036009 WO2014003868A2 (en) | 2012-06-28 | 2013-04-10 | System and method for evaluating a time-lapse seismic signal recording using shifted normalized root mean square metric |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104487870A true CN104487870A (zh) | 2015-04-01 |
Family
ID=48170822
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201380034129.8A Pending CN104487870A (zh) | 2012-06-28 | 2013-04-10 | 用于使用移位归一化均方根度量估计时移地震信号记录的系统和方法 |
Country Status (8)
Country | Link |
---|---|
US (1) | US20140003191A1 (zh) |
EP (1) | EP2867704A2 (zh) |
CN (1) | CN104487870A (zh) |
AU (1) | AU2013281190A1 (zh) |
BR (1) | BR112014029421A2 (zh) |
CA (1) | CA2875950A1 (zh) |
RU (1) | RU2015102656A (zh) |
WO (1) | WO2014003868A2 (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105301650A (zh) * | 2015-10-09 | 2016-02-03 | 中国石油天然气集团公司 | 一种海上拖缆采集的时移地震数据的质量监测方法和装置 |
CN106383362A (zh) * | 2016-08-19 | 2017-02-08 | 中国海洋石油总公司 | 一种提高薄储层时移地震差异识别能力的方法 |
CN106842322A (zh) * | 2015-12-04 | 2017-06-13 | 中国石油化工股份有限公司 | 一种二氧化碳驱油监控地震时差校正方法 |
CN108614296A (zh) * | 2018-06-06 | 2018-10-02 | 中国石油集团东方地球物理勘探有限责任公司 | 观测系统重复性确定方法及装置 |
CN111983684A (zh) * | 2019-05-24 | 2020-11-24 | 中国石油天然气集团有限公司 | 四维地震数据的时间校准方法及系统 |
CN112014881A (zh) * | 2020-08-27 | 2020-12-01 | 中海石油(中国)有限公司 | 基于时移地震的水驱速度预测方法 |
CN113568042A (zh) * | 2021-07-21 | 2021-10-29 | 中海石油(中国)有限公司 | 一种提高时移地震数据可重复性的拖缆采集方法和系统 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112198550B (zh) * | 2019-07-08 | 2023-09-26 | 中国石油天然气集团有限公司 | 一种时移地震数据可重复性度量方法及装置 |
CN113568040B (zh) * | 2021-07-20 | 2024-01-26 | 中海石油(中国)有限公司 | 一种时移地震采集数据的可重复性分析方法及系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4346461A (en) * | 1980-02-01 | 1982-08-24 | Chevron Research Company | Seismic exploration using vibratory sources, sign-bit recording, and processing that maximizes the obtained subsurface information |
US6757217B2 (en) * | 2001-08-31 | 2004-06-29 | Exxonmobil Upstream Research Company | Method for time-aligning multiple offset seismic data volumes |
GB2420408B (en) * | 2004-11-19 | 2008-03-12 | Geophysique Cie Gle | Method for processing at least two sets of seismic data |
US9772415B2 (en) * | 2011-08-05 | 2017-09-26 | Saudi Arabian Oil Company | Correcting time lapse seismic data for overburden and recording effects |
US8717845B2 (en) * | 2011-08-24 | 2014-05-06 | Pgs Geophysical As | Quality-based steering methods and systems for 4D geophysical surveys |
-
2012
- 2012-06-28 US US13/535,642 patent/US20140003191A1/en not_active Abandoned
-
2013
- 2013-04-10 WO PCT/US2013/036009 patent/WO2014003868A2/en active Application Filing
- 2013-04-10 AU AU2013281190A patent/AU2013281190A1/en not_active Abandoned
- 2013-04-10 EP EP13718268.9A patent/EP2867704A2/en not_active Withdrawn
- 2013-04-10 CN CN201380034129.8A patent/CN104487870A/zh active Pending
- 2013-04-10 CA CA2875950A patent/CA2875950A1/en not_active Abandoned
- 2013-04-10 BR BR112014029421A patent/BR112014029421A2/pt not_active IP Right Cessation
- 2013-04-10 RU RU2015102656A patent/RU2015102656A/ru unknown
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105301650A (zh) * | 2015-10-09 | 2016-02-03 | 中国石油天然气集团公司 | 一种海上拖缆采集的时移地震数据的质量监测方法和装置 |
CN106842322A (zh) * | 2015-12-04 | 2017-06-13 | 中国石油化工股份有限公司 | 一种二氧化碳驱油监控地震时差校正方法 |
CN106383362A (zh) * | 2016-08-19 | 2017-02-08 | 中国海洋石油总公司 | 一种提高薄储层时移地震差异识别能力的方法 |
CN106383362B (zh) * | 2016-08-19 | 2018-06-19 | 中国海洋石油集团有限公司 | 一种提高薄储层时移地震差异识别能力的方法 |
CN108614296A (zh) * | 2018-06-06 | 2018-10-02 | 中国石油集团东方地球物理勘探有限责任公司 | 观测系统重复性确定方法及装置 |
CN111983684A (zh) * | 2019-05-24 | 2020-11-24 | 中国石油天然气集团有限公司 | 四维地震数据的时间校准方法及系统 |
CN111983684B (zh) * | 2019-05-24 | 2023-09-26 | 中国石油天然气集团有限公司 | 四维地震数据的时间校准方法及系统 |
CN112014881A (zh) * | 2020-08-27 | 2020-12-01 | 中海石油(中国)有限公司 | 基于时移地震的水驱速度预测方法 |
CN112014881B (zh) * | 2020-08-27 | 2023-10-27 | 中海石油(中国)有限公司 | 基于时移地震的水驱速度预测方法 |
CN113568042A (zh) * | 2021-07-21 | 2021-10-29 | 中海石油(中国)有限公司 | 一种提高时移地震数据可重复性的拖缆采集方法和系统 |
CN113568042B (zh) * | 2021-07-21 | 2024-01-26 | 中海石油(中国)有限公司 | 一种提高时移地震数据可重复性的拖缆采集方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
BR112014029421A2 (pt) | 2017-06-27 |
WO2014003868A2 (en) | 2014-01-03 |
EP2867704A2 (en) | 2015-05-06 |
US20140003191A1 (en) | 2014-01-02 |
AU2013281190A1 (en) | 2014-12-04 |
CA2875950A1 (en) | 2014-01-03 |
WO2014003868A3 (en) | 2014-03-20 |
RU2015102656A (ru) | 2016-08-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104487870A (zh) | 用于使用移位归一化均方根度量估计时移地震信号记录的系统和方法 | |
Chen | Fast waveform detection for microseismic imaging using unsupervised machine learning | |
Mai et al. | The earthquake‐source inversion validation (SIV) project | |
Unglert et al. | Principal component analysis vs. self-organizing maps combined with hierarchical clustering for pattern recognition in volcano seismic spectra | |
Schimmel et al. | Using instantaneous phase coherence for signal extraction from ambient noise data at a local to a global scale | |
Huang et al. | Unveiling the signals from extremely noisy microseismic data for high-resolution hydraulic fracturing monitoring | |
US7636275B2 (en) | Direct time lapse inversion of seismic data | |
Zhong et al. | Statistical analysis of background noise in seismic prospecting | |
Chamarczuk et al. | Unsupervised learning used in automatic detection and classification of ambient‐noise recordings from a large‐N array | |
CN103869362A (zh) | 体曲率获取方法和设备 | |
Zhong et al. | Statistical properties of the random noise in seismic data | |
Sharbati et al. | Cluster analysis of near-fault ground motions based on the intensity of velocity pulses | |
Zhang et al. | First break of the seismic signals in oil exploration based on information theory | |
Naghadeh et al. | Source wavelet phase extraction | |
CN109991661B (zh) | 油气检测方法及装置 | |
Santos et al. | Automatic zero-phase wavelet estimation from seismic trace using a multilayer perceptron neural network: An application in a seismic well-tie | |
Li et al. | Signal-to-noise ratio enhancement for downhole microseismic data based on 3D shearlet transform | |
CN114185097B (zh) | 预测钻前潜在井漏风险层的方法及装置 | |
Kaul et al. | Log Pattern Recognition Using Siamese Neural Networks for Enhancing Well Correlation | |
Wang et al. | An Improved Automatic First Arrival Picking Method Based on EMD and AIC | |
Zaręba et al. | Some statistical consideration of azimuth and inclination angles determination based on walk-away VSP data in Python | |
Zhang et al. | First arrivals picking based on graph signal theory | |
Trofimov et al. | Inverse Dynamic Seismic Problem Solution in the HRS-Geo Technology | |
Truong et al. | Detecting Events in Distributed Acoustic Sensing Data Using DBSCAN and CNNs | |
Li et al. | A Clustering-Based Dispersion Analysis Approach for Borehole Acoustic Waves and Its Application |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150401 |