CN105403918A - 一种三分量微地震数据有效事件识别方法及系统 - Google Patents

Abstract

本发明公开了一种三分量微地震数据有效事件识别方法及系统，其中，该方法包括：获取三分量微地震数据；将所述三分量微地震数据分解为数据段，每一个所述数据段内包含相对应的三分量信号数据，计算每一分量信号的时频谱图；从所述三分量信号的目标频率中筛选出有效频带，并基于所述有效频带，分别计算所述三分量信号的基于有效频带的限定相位相关(POC)系数；对所述三分量信号的POC系数进行综合分析，识别所获取的三分量微地震数据是否为有效事件。

Description

一种三分量微地震数据有效事件识别方法及系统

技术领域

本发明涉及地球物理领域水力压裂诱发微地震监控技术领域，特别涉及一种三分量微地震数据有效事件识别方法及系统。

背景技术

目前，由于水力压裂产生的微地震的震级能量较小，并且采集环境受到噪音的影响，微地震数据记录信噪比低，导致有效事件很难识拾取。然而，微地震的震相识别、拾取却又是进行微地震震源定位和微地震震源机制反演分析的重要步骤。

一般情况下，业内较常用的是时间域长短时均值比方法(STA/LTA法)，或者是根据到时信号能量而构建的时间序列互相关方法。

就STA/LTA法而言，其通常应用于天然地震，但由于微地震数据通常信噪比较低，将导致该方法灵敏度较差，造成拾取错误或者无法拾取。而互相关方法则完全基于数据的振幅信息，因此在较强背景噪音条件下将导致互相关系数失真。

发明内容

有鉴于此，为解决上述技术问题，本发明提出一种三分量微地震数据有效事件识别方法及系统，能够快速提取有效信息，准确识别有效事件。

一方面，本发明提出一种三分量微地震数据有效事件识别方法，该方法包括：

获取三分量微地震数据；

将所述三分量微地震数据分解为数据段，每一个所述数据段内包含相对应的三分量信号数据，计算每一分量信号的时频谱图；

从所述三分量信号的目标频率中筛选出有效频带，并基于所述有效频带，分别计算所述三分量信号的基于有效频带的限定相位相关(POC)系数；

对所述三分量信号的POC系数进行综合分析，识别所获取的三分量微地震数据是否为有效事件。

可选地，在一些实施例中，上述三分量微地震数据有效事件识别方法还包括：根据识别出的有效事件，对所述微地震的震源进行定位和/或对所述微地震的震源机制进行反演分析。

可选地，在一些实施例中，所述对三分量信号的POC系数进行综合分析，识别所获取的三分量微地震数据是否为有效事件的步骤进一步包括：

判断所述三分量信号的POC系数是否同时达到预先设置的阈值，如果所述三分量信号的POC系数没有达到所述阈值，则所述三分量微地震数据为背景噪音；

如果所述三分量信号的POC系数同时达到所述阈值，则所述三分量微地震数据为有效事件。

可选地，在一些实施例中，所述计算每一分量信号的时频谱图的步骤进一步包括：

利用魏格纳分布的方法，求取所述每一分量信号的时频谱图tf_i： ${\mathrm{tf}}_i(N_1,N_2)={\∫}_{-\mathrm{\∞}}^{\mathrm{\∞}}{x}_i(N_1+\frac{\mathrm{\τ}}{2})x_i{(N_1-\frac{\mathrm{\τ}}{2})}^{*}{e}^{-2{\mathrm{\πi\τN}}_2}d\mathrm{\τ},$ 其中，x_i为所述三分量信号，i＝1,2,3；τ为时间延迟，N₁为时间方向坐标，N₂为频率方向坐标；时频谱图的大小为N₁＝0，…，2M₁和N₂＝0，…，2M₂。

可选地，在一些实施例中，所述从三分量信号的目标频率中筛选出有效频带的步骤进一步包括：

建立一个所述有效频带的选择函数Mask；

获取所述时频谱频带范围MM₁和MM₂，其中，0≤MM₁≤MM₂≤M₂；并根据设置的所述有效频带的筛选条件，得到：

$Mask=\left\{\begin{array}{c}=1,M{M}_1\≤N_2\≤M{M}_2\\ =0,0\≤N_z\≤{\mathrm{MM}}_1,{\mathrm{MM}}_2\≤N_2\≤M_2\end{array}\right.;$

其中，所述有效频带的时频谱图项f_i(N₁，N₂）＝tf_i(N₁，N₂)*Mask，Mask取值为1时表示筛选出需要保留的频带成分；Mask取值为0时则表示剔除不需要保留的频带成分。

可选地，在一些实施例中，所述基于所述有效频带，分别计算所述三分量信号的POC系数进一步包括：

分别计算所述三分量信号中，两两分量信号基于所述有效频带的POC系数；其中12、13、23分别代表第1和第2分量、第1和第3分量、以及第2和第3分量的相关系数，所述三分量信号通过所述POC系数相互联合约束；其中，所述基于有效频带的POC系数的计算方法包括：

1)计算所述有效频带的时频谱图f₁(n₁，n₂)和f₂(n₁，n₂)的傅里叶图像F₂(k₁，k₂)和F₂(k₁，k₂)；其中，n₁为转换后的时间方向坐标且n₁＝-M₁，…，M₁；n₂为转换后的频率方向坐标转换且n₂＝-M₂，…，M₂；

2)计算得到f₁(n₁，n₂)和f₂(n₁，n₂)的傅里叶图像的互相关谱

其中，是F₂(k₁，k₂)的共轭；

3)计算POC系数其为所述互相关谱的二维逆傅里叶变换。

另一方面，为实现上述三分量微地震数据有效事件识别方法，本发明还提出一种三分量微地震数据有效事件识别系统，该系统包括：

数据分解模块，用于将所获取的三分量微地震数据分解为数据段，每一个所述数据段内包含相对应的三分量信号数据；

频谱计算模块，用于计算每一分量信号的时频谱图；

频率筛选模块，用于从所述三分量信号的目标频率中筛选出有效频带；

系数计算模块，用于分别计算基于所述有效频带的所述三分量信号的基于有效频带的限定相位相关(POC)系数；

约束分析模块，用于对所述三分量信号的POC系数进行综合分析，识别所获取的三分量微地震数据是否为有效事件。

可选地，在一些实施例中，上述三分量微地震数据有效事件识别系统还包括：

震源定位模块，用于根据识别出的有效事件定位所述微地震的震源；和/或，机制反演模块，用于根据识别出的有效事件对所述微地震的震源机制进行反演分析。

可选地，在一些实施例中，所述约束分析模块进一步包括：

判断单元，用于判断所述三分量信号的POC系数是否同时达到预先设置的阈值；

分析单元，用于根据所述判断单元的判断结果，利用所述POC系数对所述三分量信号进行相互联合约束分析；

输出单元，用于输出所述分析单元的分析结果。

可选地，在一些实施例中，所述频谱计算模块进一步用于：利用魏格纳分布的方法，求取所述每一分量信号的时频谱图tf_i： ${\mathrm{tf}}_i(N_1,N_2)={\∫}_{-\mathrm{\∞}}^{\mathrm{\∞}}{x}_i(N_1+\frac{\mathrm{\τ}}{2})x_i{(N_1-\frac{\mathrm{\τ}}{2})}^{*}{e}^{-2{\mathrm{\πi\τN}}_2}d\mathrm{\τ};$ 其中，x_i为所述三分量信号，i＝1,2,3；τ为时间延迟，N₁为时间方向坐标，N₂为频率方向坐标；时频谱图的大小为N₁＝0，…，2M₁和N₂＝0，…，2M₂；和/或，所述系数计算模块进一步用于：分别计算所述三分量信号中，两两分量信号基于所述有效频带的POC系数；其中，所述三分量信号通过所述POC系数相互联合约束。

相对于现有技术，本发明各实施例具有以下优点：

本发明各实施例基于信号的频率和相位信息，对信噪比较低的数据进行进一步提取有效信息，并采用有效频率方法能够对目标频率进行筛选，从而使整个系数的指示作用更加明确。

本发明实施例的更多特点和优势将在之后的具体实施方式予以说明。

附图说明

构成本发明实施例一部分的附图用来提供对本发明实施例的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明实施例提供的微地震的数据识别分析方法流程示意图；

图2为本发明实施例提供的微地震的数据识别分析方法中记录的含有有效事件的微地震三分量数据；

图3为本发明实施例提供的微地震的数据识别分析方法中含有有效事件的微地震记录片段；

图4a-4c分别为本发明实施例中三分量对应的时频谱图；

图5a-5c分别为本发明实施例中计算的基于有效频带的POC系数。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，在不冲突的情况下，本发明实施例及实施例中的特征可以相互组合。

下面结合附图，对本发明的各实施例作进一步说明：

方法实施例

为实现快速提取微地震的有效信息，本实施例提出一种微地震的数据识别分析方法，该方法包括以下步骤：

S100：获取三分量微地震数据；

S102：将三分量微地震数据分解为数据段，每一个数据段内包含相对应的三分量信号数据，计算每一分量信号的时频谱图；

S104：从三分量信号的目标频率中筛选出有效频带，并基于有效频带，分别计算三分量信号的基于有效频带的限定相位相关(POC)系数；

S106：对三分量信号的POC系数进行综合分析，识别所获取的三分量微地震数据是否为有效事件。

本实施例中，鉴于通常微地震数据记录中的有效事件非常稀疏，采用数据分段处理，可以对每一段数据进行自动判断。通过对目标频率进行筛选获取有效频带，进而基于有效频带计算POC系数，对三分量信号的POC系数进行综合分析来识别有效事件，可以使整个系数的指示作用更加明确，可显著提高现场检测和分析的效率。

需要说明的是，有效频带指微地震事件的频带，一般情况下可以从采集的数据获得。

作为一种可选的实施方式，上述微地震的数据识别分析方法中，对三分量信号的POC系数进行综合分析可进一步包括以下处理步骤：

判断三分量信号的POC系数是否同时达到预先设置的阈值，如果三分量信号的POC系数没有达到阈值，则三分量微地震数据为背景噪音；如果三分量信号的POC系数同时达到阈值，则三分量微地震数据为有效事件。

需要说明的是，三分量信号的POC系数的阈值可作为参数预先设置，一般可取值0.5等。

作为一种可选的实施方式，上述微地震的数据识别分析方法中，计算每一分量信号的时频谱图进一步包括：

利用魏格纳分布的方法，求取所述每一分量信号的时频谱图tf_i：

${\mathrm{tf}}_i(N_1,N_2)={\∫}_{-\mathrm{\∞}}^{\mathrm{\∞}}{x}_i(N_1+\frac{\mathrm{\τ}}{2})x_i{(N_1-\frac{\mathrm{\τ}}{2})}^{*}{e}^{-2{\mathrm{\πi\τN}}_2}d\mathrm{\τ};$

其中，x_i为所述三分量信号，i＝1,2,3；τ为时间延迟，N₁为时间方向坐标，N₂为频率方向坐标；时频谱图的大小为N₁＝0，…，2M₁和N₂＝0，…，2M₂；M₁和M₂可确保坐标范围为奇数，以便下面进行操作。

作为一种可选的实施方式，上述微地震的数据识别分析方法中，从三分量信号的目标频率中筛选出有效频带的步骤进一步包括：

1)建立一个所述有效频带的选择函数Mask，所述选择函数Mask(N₁，N₂)的大小为N₁＝0，…，2M₁和N₂＝0，…，2M₂；

2)获取所述时频谱频带范围MM₁和MM₂，其中，0≤MM₁≤MM₂≤M₂；并根据设置的所述有效频带的筛选条件，得到：

$Mask=\left\{\begin{array}{c}=1,M{M}_1\≤N_2\≤M{M}_2\\ =0,0\≤N_z\≤{\mathrm{MM}}_1,{\mathrm{MM}}_2\≤N_2\≤M_2\end{array}\right.;$

其中，所述有效频带的时频谱图项f_i(N₁，N₂)＝tf_i(N₁，N₂）*Mask，Mask取值为1时表示筛选出需要保留的频带成分；Mask取值为0时则表示剔除不需要保留的频带成分。

本实施例中，由于观测到得地震数据的有效信息常常集中分布在某一特定频率带范围内，频带范围之外的成分一般为干扰信息的频率成分，因此可以限定用于进行POC系数计算的频率成分。并且，设置针对时频谱有效的频带范围为MM₁和MM₂，定义他们的范围满足0≤MM₁≤MM₂≤M₂。因此，本实施例设置一个有效频带选择函数Mask，该选择函数Mask(N₁，N₂)大小为N₁＝0，…，2M₁和N₂＝0，…，2M₂。其中，需要保留的部分值为1，不需要保留的成分值为0，然后选择函数和原数据相乘，就可以得到有效频带的时频谱图项，用于后面的POC系数求解。

需要说明的是，有效频带的大致范围为100-1000HZ。

作为一种可选的实施方式，上述微地震的数据识别分析方法中，基于有效频带，分别计算三分量信号的POC系数进一步包括：

分别计算三分量信号中，两两分量信号基于有效频带的POC系数，即：其中12、13、23分别代表第1和第2分量、第1和第3分量、以及第2和第3分量的相关系数。

由于时频谱图的尺寸大小为N₁＝0，…，2M₁和N₂＝0，…，2M₂，但为方便后面的计算，将时间、频率方向坐标分别修改为：n₁＝-M₁，…，M₁和n₂＝-M₂，…，M₂。其中，三分量信号通过POC系数相互联合约束，基于有效频带的POC系数的计算方法包括：

1)计算所述有效频带的时频谱图f₁(n₁，n₂)和f₂(n₁，n₂)的傅里叶图像F₁(k₁，k₂)和F₂(k₁，k₂)；

2)计算得到f₁(n₁，n₂)和f₂(n，n₂)的傅里叶图像的互相关谱

${\stackrel{\‾}{R}}_{12}(k_1,k_2)=\frac{F_1(k_1,k_2)\stackrel{\‾}{F_2}(k_1,k_2)}{\left|F_1(k_1,k_2)\stackrel{\‾}{F_2}(k_1,k_2)\right|};$ 其中，是F₂(k₁，k₂)的共轭；

3)计算POC系数其为所述互相关谱的二维逆傅里叶变换。

因此，相对于STA/LTA法和互相关方法，上述各实施例基于信号的频率和相位信息，一方面能够对信噪比较低的数据进行进一步提取有效信息，另一方面采用改进的有效频率方法计算有效频带，能够对目标频率进行筛选，从而使整个系数的指示作用更加明确。因此，上述各实施例通过基于有效频带计算POC系数可实现自动拾取，可显著提高现场检测和分析的效率。

针对三分量检波器接收微震数据，利用魏格纳分布求取信号的时频谱图，然后计算改进的基于有效频带的phase-onlycorrelation(POC，位相限定相关系数)，通过三分量数据的综合分析，实现了对地震纵波(p波)震相的快速准确识别和拾取。

基于前述各实施例，作为一种可选的实施方式，上述微地震的数据识别分析方法还可包括：根据识别出的有效事件，对所述微地震的震源进行定位和/或对所述微地震的震源机制进行反演分析。

本实施例中，有效事件指记录中压裂诱发的微地震信号，通过提取到有效事件，可以用来进行微地震的震源定位、震源机制反演，自动识别并拾取地震纵波(p波)震相。p波是一种压力波，沿传播方向扩散，因此采集同时到达检波的三个分量，当三分量数据两两相关系数同时达到阈值，可以认为三分量有相同的信号，可以认为此同时到达的信号为P波。

其中，根据识别出的有效事件，可以用来进行微地震震源定位和微地震震源机制反演分析，定位的常规方法包括但不限于以下所列：

1)以波场逆时不变性理论为基础的成像类定位方法；

2)根据波形的时移和叠加思想，借鉴绕射叠加或Kirchhoff偏移的成像类定位方法。

3)借鉴常规地震偏移的思想并采用地震干涉思想中互相关成像条件的互相关偏移方法。

下面结合图1至图5c，对上述微地震的数据识别分析方法实施例的流程作进一步说明：

1)输入三分量微地震有效事件，如图2所示。

2)将数据分为数据段，每一个数据段内包含相对应的三分量成分x_i，i＝1,2,3，如图3。

3)针对每一组三分量数据，采取魏格纳分布的方法，分别对每一分量求取他们的时频谱图tf_i，i＝1,2,3，如图4a-4c所示。

${\mathrm{tf}}_i(N_1,N_2)=\underset{-\mathrm{\∞}}{\overset{\mathrm{\∞}}{\∫}}{x}_i(N_1+\frac{\mathrm{\τ}}{2})x_i{(N_1-\frac{\mathrm{\τ}}{2})}^{*}{e}^{-2{\mathrm{\πi\τN}}_2}d\mathrm{\τ}$

其中，τ为时间延迟。N₁为时间方向坐标，N₂为频率方向坐标。因此时频谱图的大小为N₁＝0，…，2M₁和N₂＝0，…，2M₂。

4)分别计算三分量中，两两分量的基于有效频带的POC系数，其中12、13、23分别代表第1和第2分量、第1和第3分量、以及第2和第3分量的相关系数。如图5a-5c所示。

由于时频谱图的尺寸大小为N₁＝0，…，2M₁和N₂＝0，…，2M₂，为方便后面的计算，将时间和频率方向坐标修改为：n₁＝-M₁，…，M₁，和n₂＝-M₂，…，M₂。计算时频谱图f₁(n₁，n₂)和f₂(n₁，n₂)，进而计算得到他们的傅里叶图像，然后可以计算得到这两时频谱图的互相关谱为：

其中，是F₂(k₁，k₂)的共轭。

POC系数定义为该互相关谱的二维逆傅里叶变换，以j＝12为例，POC系数表达为： ${\stackrel{\‾}{r}}_{12}\left(n_1,n_2\right)=\frac{1}{N_1{N}_2}{\mathrm{\Σ}}_{n_1=-M_1}^{M_1}{\mathrm{\Σ}}_{n_2=-M_2}^{M_2}{\stackrel{\‾}{R}}_{12}\left(k_1,k_2\right)W_{N_1}^{-k_1{n}_1}{W}_{N_2}^{-k_2{n}_2}$

需要说明的是，获得数据的频谱特征后，有效频带范围内的频率成分体现了信号的本质特征，有效频带范围外的频率成分一般认为是背景噪音。这里，有效频率可为300-600Hz，大概为傅里叶变换的能量谱中能量达到峰值的30％以上的频率。

5)分析判断，POC系数是否同时达到给定的阈值(如0.5)，如果达到，可以判断为有效事件，如果系数没有达到阈值，则判断为背景噪音。

需要说明的是，对于前述的方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明所必需的。

系统实施例

相对应地，为实现上述各方法实施例，本实施例提出一种三分量微地震数据有效事件识别系统，该系统包括以下结构组成：

数据分解模块，用于将三分量微地震数据分解为数据段，每一个数据段内包含相对应的三分量信号数据；

频谱计算模块，用于计算每一分量信号的时频谱图；

频率筛选模块，用于从三分量信号的目标频率中筛选出有效频带；

系数计算模块，用于分别计算基于有效频带的三分量信号的基于有效频带的限定相位相关(POC)系数；

约束分析模块，用于对三分量信号的POC系数进行综合分析，识别所获取的三分量微地震数据是否为有效事件。

作为一种可选的实施方式，上述微地震的数据识别分析系统还包括：

震源定位模块，用于根据识别出的有效事件定位所述微地震的震源；和/或，机制反演模块，用于根据识别出的有效事件对所述微地震的震源机制进行反演分析。

作为一种可选的实施方式，上述微地震的数据识别分析系统中，约束分析模块进一步包括：

判断单元，用于判断三分量信号的POC系数是否同时达到预先设置的阈值；

分析单元，用于根据判断单元的判断结果，利用POC系数对三分量信号进行相互联合约束分析；

输出单元，用于输出分析单元的分析结果。

进一步来讲，上述三分量微地震数据有效事件识别系统中，频谱计算模块可进一步用于利用魏格纳分布的方法，求取每一分量信号的时频谱图tf_i： ${\mathrm{tf}}_i(N_1,N_2)={\∫}_{-\mathrm{\∞}}^{\mathrm{\∞}}{x}_i(N_1+\frac{\mathrm{\τ}}{2})x_i{(N_1-\frac{\mathrm{\τ}}{2})}^{*}{e}^{-2{\mathrm{\πi\τN}}_2}d\mathrm{\τ};$ 其中，x_i为所述三分量信号，i＝1,2,3；τ为时间延迟，N₁为时间方向坐标，N₂为频率方向坐标；时频谱图的大小为N₁＝0，…，2M₁和N₂＝0，…，2M₂。

可选地，系数计算模块进一步用于分别计算三分量信号中，两两分量信号基于有效频带的POC系数，即：其中12、13、23分别代表第1和第2分量、第1和第3分量、以及第2和第3分量的相关系数。其中，三分量信号通过POC系数相互联合约束。

由于上述系统实施例与前述方法实施例相互对应，其实现过程可相互参照，此处不再赘述。

显然，本领域的技术人员应该明白，上述的本发明的微地震的数据识别分析方法各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。存储装置为非易失性存储器，如：ROM/RAM、闪存、磁碟、光盘等。

以上仅为本发明的实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种三分量微地震数据有效事件识别方法，其特征在于，包括：

获取三分量微地震数据；

将所述三分量微地震数据分解为数据段，每一个所述数据段内包含相对应的三分量信号数据，计算每一分量信号的时频谱图；

从所述三分量信号的目标频率中筛选出有效频带，并基于所述有效频带，分别计算所述三分量信号的基于有效频带的限定相位相关(POC)系数；

对所述三分量信号的POC系数进行综合分析，识别所获取的三分量微地震数据是否为有效事件。

2.根据权利要求1所述的三分量微地震数据有效事件识别方法，其特征在于，该方法还包括：

根据识别出的有效事件，对所述微地震的震源进行定位和/或对所述微地震的震源机制进行反演分析。

3.根据权利要求2所述的三分量微地震数据有效事件识别方法，其特征在于，所述对三分量信号的POC系数进行综合分析，识别所获取的三分量微地震数据是否为有效事件的步骤进一步包括：

判断所述三分量信号的POC系数是否同时达到预先设置的阈值，如果所述三分量信号的POC系数没有达到所述阈值，则所述三分量微地震数据为背景噪音；

如果所述三分量信号的POC系数同时达到所述阈值，则所述三分量微地震数据为有效事件。

4.根据权利要求1、2或3所述的三分量微地震数据有效事件识别方法，其特征在于，所述计算每一分量信号的时频谱图的步骤进一步包括：

利用魏格纳分布的方法，求取所述每一分量信号的时频谱图tf_i：

${\mathrm{tf}}_i(N_1,N_2)={\∫}_{-\mathrm{\∞}}^{\mathrm{\∞}}{x}_i(N_1+\frac{\mathrm{\τ}}{2})x_i{(N_1-\frac{\mathrm{\τ}}{2})}^{*}{e}^{-2{\mathrm{\πi\τN}}_2}d\mathrm{\τ};$

其中，x_i为所述三分量信号，i＝1,2,3；τ为时间延迟，N₁为时间方向坐标，N₂为频率方向坐标；时频谱图的大小为N₁＝0，…，2M₁和N₂＝0，…，2M₂。

5.根据权利要求4所述的三分量微地震数据有效事件识别方法，其特征在于，所述从三分量信号的目标频率中筛选出有效频带的步骤进一步包括：

建立一个所述有效频带的选择函数Mask；

获取所述时频谱频带范围MM₁和MM₂，其中，0≤MM₁≤MM₂≤M₂；并根据设置的所述有效频带的筛选条件，得到：

$Mask=\left\{\begin{array}{c}=1,{\mathrm{MM}}_1\≤N_2\≤{\mathrm{MM}}_2\\ =0,0\≤N_2\≤{\mathrm{MM}}_1,{\mathrm{MM}}_2\≤N_2\≤M_2\end{array}\right.;$

其中，所述有效频带的时频谱图项f_i(N₁，N₂)＝tf_i(N₁，N₂)*Mask，Mask取值为1时表示筛选出需要保留的频带成分；Mask取值为0时则表示剔除不需要保留的频带成分。

6.根据权利要求5所述的三分量微地震数据有效事件识别方法，其特征在于，所述基于所述有效频带，分别计算所述三分量信号的POC系数进一步包括：

分别计算所述三分量信号中，两两分量信号基于所述有效频带的POC系数其中12、13、23分别代表第1和第2分量、第1和第3分量、以及第2和第3分量的相关系数；所述三分量信号通过所述POC系数相互联合约束；其中，所述基于有效频带的POC系数的计算方法包括：

1)计算所述有效频带的时频谱图f₁(n₁，n₂)和f₂(n₁，n₂)的傅里叶图像分别为F₁(k₁，k₂)和F₂(k₁，k₂)；其中，n₁为转换后的时间方向坐标且n₁＝-M₁，…，M₁；n₂为转换后的频率方向坐标转换且n₂＝-M₂，…，M₂；

2)计算得到f₁(n₁，n₂)和f₂(n₁，n₂)的傅里叶图像的互相关谱：

${\stackrel{\‾}{R}}_{12}(k_1,k_2)=\frac{F_1(k_1,k_2)\stackrel{\‾}{F_2}(k_1,k_2)}{\left|F_1(k_1,k_2)\stackrel{\‾}{F_2}(k_1,k_2)\right|};$ 其中，是F₂(k₁，k₂)的共轭；

3)计算POC系数其为所述互相关谱的二维逆傅里叶变换。

7.一种三分量微地震数据有效事件识别系统，其特征在于，包括：

数据分解模块，用于将所获取的三分量微地震数据分解为数据段，每一个所述数据段内包含相对应的三分量信号数据；

频谱计算模块，用于计算每一分量信号的时频谱图；

频率筛选模块，用于从所述三分量信号的目标频率中筛选出有效频带；

系数计算模块，用于分别计算基于所述有效频带的所述三分量信号的基于有效频带的限定相位相关(POC)系数；

约束分析模块，用于对所述三分量信号的POC系数进行综合分析，识别所获取的三分量微地震数据是否为有效事件。

8.根据权利要求7所述的三分量微地震数据有效事件识别系统，其特征在于，还包括：

震源定位模块，用于根据识别出的有效事件定位所述微地震的震源；和/或，

机制反演模块，用于根据识别出的有效事件对所述微地震的震源机制进行反演分析。

9.根据权利要求8所述的三分量微地震数据有效事件识别系统，其特征在于，所述约束分析模块进一步包括：

判断单元，用于判断所述三分量信号的POC系数是否同时达到预先设置的阈值；

分析单元，用于根据所述判断单元的判断结果，利用所述POC系数对所述三分量信号进行相互联合约束分析；

输出单元，用于输出所述分析单元的分析结果。

10.根据权利要求7、8或9所述的三分量微地震数据有效事件识别系统，其特征在于：

所述频谱计算模块进一步用于：利用魏格纳分布的方法，求取所述每一分量信号的时频谱图tf_i： ${\mathrm{tf}}_i(N_1,N_2)={\∫}_{-\mathrm{\∞}}^{\mathrm{\∞}}{x}_i(N_1+\frac{\mathrm{\τ}}{2})x_i{(N_1-\frac{\mathrm{\τ}}{2})}^{*}{e}^{-2{\mathrm{\πi\τN}}_2}d\mathrm{\τ};$ 其中，x_i为所述三分量信号，i＝1,2,3；τ为时间延迟，N₁为时间方向坐标，N₂为频率方向坐标；时频谱图的大小为N₁＝0，…，2M₁和N₂＝0，…，2M₂；和/或，

所述系数计算模块进一步用于：分别计算所述三分量信号中，两两分量信号基于所述有效频带的POC系数；其中，所述三分量信号通过所述POC系数相互联合约束。