CN105408772B - 多分量微震数据的噪声衰减 - Google Patents
多分量微震数据的噪声衰减 Download PDFInfo
- Publication number
- CN105408772B CN105408772B CN201480011694.7A CN201480011694A CN105408772B CN 105408772 B CN105408772 B CN 105408772B CN 201480011694 A CN201480011694 A CN 201480011694A CN 105408772 B CN105408772 B CN 105408772B
- Authority
- CN
- China
- Prior art keywords
- data
- microseismic data
- microseismic
- operator
- time
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 claims abstract description 58
- 238000001914 filtration Methods 0.000 claims abstract description 20
- 230000010287 polarization Effects 0.000 claims description 34
- 230000003044 adaptive effect Effects 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 15
- 230000000903 blocking effect Effects 0.000 claims description 13
- 238000005192 partition Methods 0.000 claims description 11
- 238000000638 solvent extraction Methods 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 12
- 230000008569 process Effects 0.000 description 8
- 230000006872 improvement Effects 0.000 description 6
- 238000013461 design Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 229930195733 hydrocarbon Natural products 0.000 description 4
- 150000002430 hydrocarbons Chemical class 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 239000002131 composite material Substances 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 239000004215 Carbon black (E152) Substances 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000000638 stimulation Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 238000005755 formation reaction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual 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
- G01V1/288—Event detection in seismic signals, e.g. microseismics
-
- 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
- G01V1/36—Effecting static or dynamic corrections on records, e.g. correcting spread; Correlating seismic signals; Eliminating effects of unwanted energy
- G01V1/364—Seismic filtering
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/40—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging
- G01V1/44—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging using generators and receivers in the same well
- G01V1/48—Processing data
- G01V1/50—Analysing data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/10—Aspects of acoustic signal generation or detection
- G01V2210/12—Signal generation
- G01V2210/123—Passive source, e.g. microseismics
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/30—Noise handling
- G01V2210/32—Noise reduction
- G01V2210/324—Filtering
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/30—Noise handling
- G01V2210/32—Noise reduction
- G01V2210/324—Filtering
- G01V2210/3246—Coherent noise, e.g. spatially coherent or predictable
-
- 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
- G01V2210/64—Geostructures, e.g. in 3D data cubes
- G01V2210/646—Fractures
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Environmental & Geological Engineering (AREA)
- Acoustics & Sound (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
一种用于处理微震数据的方法，其包括：接收通过一个或多个多分量传感器获取的所述微震数据；将所述微震数据与应用到所述微震数据的全部分量的算子进行卷积；并且将多分量滤波算子应用到经卷积的微震数据。所述微震数据可以由人类活动引起或是完全自然的。所述滤波保留所接收的数据的极性，同时改进所述经滤波的数据的信噪比。
Description
背景技术
微震测量可以被表征为地震学的变体。在常规地震勘探中，放置在预先确定的位置处的震源(例如，一个或多个气枪、振动器或爆炸物)被激活且产生足够的声能以使得声波行进通过地球。该能量的经反射或经折射的部分随后由诸如水听器和地震检波器等地震接收器来记录。
在被动式地震或微震监视中，在已知位置处不存在被主动地控制且被触发的震源。地震能量是通过由在地层内发生的地下移位和改变导致的所谓的微震事件来产生的，且所述微震事件至少部分地产生声波，所述声波进而可以使用适合的接收器来记录。微震事件可以具有人为原因(例如水力压裂)或可以具有完全自然的来源。尽管所述微震事件可能是干扰地下岩石的人类活动的结果，但它们在没有经操作以发射声学信号的任何活动的震源装置的情况下发生。微震可以用于烃工业中，以研究次地表层的石化特性、监视来自储层的烃的产生、监视次地表层的压裂/激励等。在微震勘测中，获取被动地震数据且随后处理所述被动地震数据以确定地球的地下部分的特性。
在微震勘测中，多个地震传感器被布置在接近于地球表面的位置处、被布置在深井和/或浅井中。在多分量微震勘测中，“三分量”传感器用于获取微震数据。三分量传感器包含三个或三个以上通常相互正交取向的粒子运动感测元件。感测元件可以是地震检波器，但还可以是本领域中已知的加速度计或对接近所述传感器的地球的粒子的速度、加速度或运动敏感的任何其它感测装置。响应于所检测到的沿着三个方向敏感的分量中的每一个的粒子运动或加速度，地震传感器产生电和/或光信号。所获取的信号可以用于创建来自每个传感器的信号的时间索引的记录，且此微震数据可以经处理以确定地球的子部分的特性、在地球的子部分中的压裂操作、产生烃的储层的特性等。
噪声滤波在微震数据处理中是重要的，这是因为被动地震解释对数据质量非常敏感。在微震中，所估计的微震事件位置的不确定性很大程度上取决于数据质量。由此，在微震事件的位置中的不确定性可以通过改进经处理地震数据的信噪比来减少。
发明内容
提供本发明内容以引入一系列概念，这些概念在下文在具体实施方式中进一步被描述。本发明内容并不意图标识所要求保护的主题的关键或必需的特征，也不意图用作对限制所要求保护的主题的范围的辅助。现在公开的主题提供用于使多分量微震数据中的噪声衰减的系统和方法。本文所公开的方法和系统试图改进微震数据的信噪比。所述方法和系统可以做到这点，同时保留极化信息。
当前公开的主题提供用于处理微震数据的方法，其包括：接收地震数据，其中所述地震数据是通过一个或多个多分量传感器获取的；使用自适应分块阈值设置算法来划分针对每一个分量的时频域以导出针对每一个分量的时频滤波增益映射；并且将地震数据与使用针对所述微震数据的分量中的每一个的所述时频域中的所述滤波增益映射和应用到地震数据的全部分量的算子进行卷积。
所述方法包括处理经滤波的微震数据以确定以下中的至少一个：至少部分地产生微震数据的一个或多个微震的位置，以及地球的地下部分的特性。
一种方法或系统可以包含在传感器处接收微震数据。所述传感器可以接收在三个轴上的声学信号，所述轴可以是正交的轴。数据的处理可以借助于经编程的计算机来执行，并且一种方法或系统可以包含以下操作中的一些或全部：将经处理的数据放置在存储介质中、将经滤波的数据输出到视觉显示器、将经处理的数据传输到用于进一步处理该数据的单元(举例来说，进一步处理经滤波的数据以确定至少部分地产生微震数据的一个或多个微震的位置和/或确定地球的地下部分的特性)并且在进一步处理之后输出到显示器。
附图说明
图1示出针对x、y和z分量的单分量时频域划分；
图2示出针对三个分量(x、y和z)的时频域的共同划分；
图3示出对被实际噪声污染的合成信号的滤波结果的示例，子图分别示出：(a)输入多分量数据、(b)经小波变换滤波的数据、(c)已经如本文中所公开那样的进行滤波的经滤波的数据、(d)无噪声数据、(e)在经小波变换滤波的数据中的误差、(f)在已经如本文中所公开的那样进行滤波的经滤波的数据中的误差；
图4示出三个滤波器的性能的比较，所述三个滤波器从上到下为如本文中所公开的滤波器、极化滤波器、以及小波变换滤波器，每个滤波器被绘制为SNR滤波改进对被不同水平的实际噪声所污染的合成微震事件的输入SNR；以及
图5示出当将小波变换滤波器和如本文中所公开的滤波器应用到实际微震事件时所获得的波形。
具体实施方式
对所公开的概念的实施例的以下说明并不意图限制如所要求保护的本发明的范围、适用性或配置。下文可以在没有所有特定细节的情况下描述一些实施例。例如，可以框图示出电路以便不以不必要的细节模糊实施例。在其它情况下，可以在没有不必要的细节的情况下示出熟知的电路、过程、算法、结构、以及技术以便避免混淆实施例。
一些实施例可以被描述为一个过程，该过程被描绘为流程表、流程图、数据流图、结构图、或框图。尽管流程表可以将操作描述为顺序过程，但是许多操作可以并行或同时执行。此外，操作的次序可以重新安排。过程在其操作完成时终止，但可能具有未包含在图中的另外步骤且可以在任何步骤或框处开始或结束。过程可以与方法、函数、步骤、子例程、子程序等相对应。当过程与函数相对应时，其终止对应于函数返回到调用函数或主函数。
在实施例中，提供适用于微震数据的滤波器，其增强数据的信噪比而同时保留极化信息。在一些方面中，可以使用两个或三个滤波器/滤波步骤的组合以用于增强数据的信噪比而同时保留极化信息。例如，在一些方面中，极化滤波器可以应用到微震数据以预调节该数据。在一些实施例中，自适应多分量分块阈值设置滤波器可以应用到微震数据。设置且在一些实施例中，从自适应多分量分块阈值设置滤波器的应用获得的结果可以用于构建经典的最佳维纳滤波器，该维纳滤波器进而可以应用到微震数据。
本主题提供用于处理微震数据的方法，其包括：接收地震数据，其中所述地震数据是通过一个或多个多分量传感器获取的；使用自适应分块阈值设置算法来划分针对每一个分量的时频域以导出针对每一个分量的时频滤波增益映射(以下称为衰减映射)；并且将地震数据与使用针对所述微震数据的分量中的每一个的所述时频域中的所述滤波增益映射和应用到地震数据的全部分量的算子进行卷积。
多分量传感器通常以3个分量获取数据，所述3个分量是位移的正交轴(通常被称作x轴、y轴和z轴)。然而，该方面的方法具有更加一般的应用且可以应用于在具有不同数目的分量的替代传感器中获取数据的情况。
在典型的布置中，传感器将是多分量地震检波器，所述地震检波器可以布置在地表水平处或者布置在监视井或一组监视井中的井底处。当布置在井底时，多分量地震检波器通常被聚集成垂直地震剖析(VSP)工具。
地震传感器的集合可以形成接收器网络，其例如以约1毫秒的采样率(例如，在样本之间的间隔，其至少为十分之一毫秒但不超过10毫秒)连续地记录声学数据。
当微震事件发生时，幅度和/或频率的变化将呈现在所记录的数据中。可以通过测量主要和次要经拦截的波的到达时间和极化来从该变化检测到微震事件。这些测量值随后可以被反过来以确定微震事件位置和发起时间和/或地球的地下部分的特性。
该方面的方法可以包含处理经滤波的微震数据以确定至少部分地产生地震数据的微震事件的位置的另外步骤。替代地或另外地，该方面的方法可以包含处理经滤波的地震数据以确定地球的地下部分的一个或多个特性的另外步骤。
优选地，与地震数据卷积的算子保留数据的极化。数据的极化是微震事件的检测和定位的重要因素，并且因此需要保留在经滤波的数据中以改进检测和位置预期。
与微震数据卷积的所述算子使用针对地震数据的分量中的每一个的、在时频域中的衰减映射。
对于在时频域中的给定点，可以使用的特定算子是跨所述点处的全部分量的所有增益中的最大增益。
所述方法包括使用自适应分块阈值设置算法来划分针对每个分量的时频域以导出所述衰减映射。时频块的使用将所述方法的稳固性改进到离群值，所述离群值是孤立的能量峰值。自适应分块阈值设置将时频域划分成可变大小的非相同分块。这样的划分可以是基于斯坦无偏风险估计(SURE)的最小化的，所述斯坦无偏风险估计直接估计在真实信号和经滤波的信号之间的风险或二次误差。
阈值的选择可以是基于统计假设测试的，并且具体来说可以从均值噪声能量导出。
在特定优选的实施例中，自适应分块阈值设置算法返回时频域的分区其包括Ix个不同大小的分块并且对于大小为的给定的分块分区的滤波增益(衰减映射)通过下式给出：
其中，表示在分块中的xn分量上的噪声的方差，gk，l表示时频小波函数，算子()+表示在零与该算子所应用到的值之间的最大值，k，l∈时间×频率，β1≥0，β2≥0且λ是用于分离噪声和信号系数的阈值。
应用与所述数据卷积的所述算子，也称为多分量滤波算子的步骤可以将经滤波的信号导出为：
其中a3C[k，l]是与数据进行卷积的算子，fk，l表示时频小波函数且A是大于或等于1的用户控制的参数，且Nsamples是在地震数据中的时间样本的数目。小波函数是原子，且主原子系数与信号相关联而其余的系数与噪声相关联。
优选地，所述方法包含在卷积所接收的地震数据之前将极化滤波器应用到所述数据的初始步骤。应用极化滤波器(例如，诸如由De Franco和Musacchio在Geophysics.66(3)，932-938，2001中提出的极化滤波器)可以使数据中的噪声衰减同时保留极化。然而，该预处理并不去除所有噪声，且为了使在极化滤波之后剩余的噪声衰减，随后应用了本方面的多分量滤波。然而，两个滤波器的组合可以比独立地应用每个滤波器更好地改进在经滤波的数据中的信噪比和P波方位角误差。
在一些实施例中，所述方法可以进一步包括使用经滤波的地震数据来产生维纳滤波器。维纳滤波器通常将不仅使最终输出平滑，而且还可以对信噪比添加小的改进。
该方面的方法可以包含上述优选或可选的特征中的一些、全部或不包含这些特征的任意组合。
在典型的布置中，传感器将是多分量地震检波器，该多分量地震检波器可以布置在地表水平处或者布置在一组监视井中的井底处。当布置在井底时，多分量地震检波器通常被聚集成垂直地震剖面(VSP)工具。
地震传感器的集合可以形成接收器网络，其通常以约1毫秒的采样率连续地记录声学数据。
当地震事件发生时，幅度和/或频率的变化将呈现于所记录的数据中。地震事件可以通过测量主要和次要经拦截的波的到达时间和极化来从该变化检测到。这些测量值随后可以反过来预测地震事件位置和发起时间和/或地球的地下部分的特性。
所述方法优选地进一步包括将极化滤波器应用到所接收的微震数据。应用极化滤波器(例如，诸如由诸如由De Franco和Musacchio在Geophysics.66(3)，932-938，2001中提出的极化滤波器)可以使数据中的噪声衰减同时保留极化。然而，该预处理并不去除所有噪声，且为了使在极化滤波之后剩余的噪声衰减，随后应用本方面的多分量滤波。然而，两个滤波器的组合可以改进在经滤波的数据中的信噪比和P波方位角误差。
所述方法可以进一步包括使用经滤波的微震数据来产生维纳滤波器。维纳滤波器通常将不仅使最终输出平滑，而且还可以对信噪比添加小的改进。
如上面所提到的，所述方法使用应用到微震数据的三个分量的自适应分块阈值设置(BT)算法。自适应分块阈值设置算法可以返回时频域的分区和针对微震数据中的分量中的每一个的衰减系数的相关联的时频滤波增益映射。
用于自适应分块阈值设置(BT)算法的阈值可以使用噪声方差来确定。在一些实施例中，阈值的选择可以是基于均值噪声能量的统计假设测试的，例如，基于在划分中的自由度的数值。
在本方面的一些实施例中，多分量滤波器可以使用ax、ay和az衰减映射来设计，使得针对每个分量产生衰减映射且以保持极化信息的方式跨所述衰减映射来执行滤波。
多分量滤波算子还可以应用在时频域中。
在一个实施例中，接收通过多分量传感器所获取的微震数据；所述多分量微震数据被接收为来自多分量传感器的信号。所接收的多分量微震数据可以使用极化滤波器来滤波。在实施例中，将可能已经应用了极化滤波器的多分量微震数据与应用到所述数据的所有三分量信号的算子a3C进行卷积。可以使用ax、ay和az衰减映射来设计多分量滤波算子以用于所接收的多分量微震数据。在一些方面中，通过将多分量滤波算子应用到微震数据所产生的经滤波的信号可以用于设计维纳滤波器，所述维纳滤波器自身随后可以被应用到经滤波的微震数据以提供进一步的滤波。在本发明的实施例中，经滤波的多分量微震数据可以被处理以确定地球的地下部分的特性、产生地球的内部部分的图像，以监视烃储层的特性和/或以管理/监视压裂/激励过程。在一些方面中，微震的位置可以通过处理已经根据本文中所公开的方法进行滤波的多分量微震数据来确定。
如上文所描述，本主题的实施例提供适合于多分量地震数据的复合滤波器。新滤波器的目标是增强数据信噪比而同时保留极化信息。在一些实施例中，单个滤波器可以用于实现此目标，且在一些实施例中，两个或三个滤波器的组合可以用于实现此目标。多个滤波器中的第一个可以是极化滤波器，该极化滤波器可以被应用以预调节多分量微震数据。这之后可以是第二滤波器的应用，该第二滤波器是自适应多分量分块阈值设置技术。在实施例中，该滤波器保留数据的极化，同时减少在所记录的分量中的每一个中的噪声。因为该滤波器在时频域中操作，所以该滤波器可以得益于在此域中可以出现的在信号与噪声之间的可能的分离。从此方法的应用所获得的结果可以在一些方面中用于构建第三滤波器，即最佳维纳滤波器。在实施例中，使用合成数据来测试，测得信噪比改进在8到12dB范围内，同时保留了数据的极化。
该方面的方法可以包含上述优选或任选的特征中的一些、全部或不包含所述特征的任意组合。
本主题还包含用于执行上述方面中的任一个的方法的计算机程序、具有这样的计算机程序的计算机可读数据载体以及被编程以执行上述方面中的任一个的方法的计算机系统。
在微震数据处理中，小波变换滤波器可以用于减少微震噪声。时频域可以提供在信号和噪声之间的可能的分离。在该域中，可求平方和的信号可以写成原子(即，小波函数gk，l)的线性组合，其中k和l表示时间和缩放/频率指数。这些原子可以通过缩放母小波函数g和使其移位来获得。给定大于或等于一的冗余真实因数A，这样的信号s可以写成
其中Nsamples是在所考虑的信号中的时间样本的数目。
参数A由用户控制。如果将A设定成一，则所述原子形成正交分解基。另一方面，如果将A设定成大于一的数，则可用的信息是冗余的，这在需要噪声减少的情况中可以是有用的。实际上，可用的原子的集合是A正交基的并集。
在基于小波变换的滤波的类型中，主要原子系数与信号相关联且剩余的系数与噪声相关联。因此，挑战在于发现用于在噪声和信号系数之间的分离的令人满意的阈值“λ”。
为了去除噪声，第一方法由用零替换小波系数构成，所述小波系数低于λ。此方法被称为“硬阈值设置”。此方法的替代方案被称作软阈值设置算子。在时频域中，用于滤波器的维纳和软阈值设置算子可以被描述为广义功率减法算子的特定情况：
其中，算子()+表示在零与算子所应用到的值之间的最大值。因此，对于x实数，(x)+＝max(x，0)；
是噪声方差；以及
sn是含噪信号。
应当注意，当：
·β1＝0.5且β2＝1时，算子是软阈值设置算子。
·λ＝1且β1＝β2＝1时，则算子是维纳算子。
通过示例的方式且不失一般性，可以假设待处理的微震数据是从三分量(3C)地震检波器获取的多分量微震数据。含噪3C分量可以用(xn、yn、zn)表示。当被应用到由x分量记录的xn含噪信号时，自适应分块阈值设置(BT)算法返回时频域的分区(Bxi)i∈Ix。该分区由Ix个不同大小的分块组成。图1从左到右示出针对x、y和z分量的时频域的划分。
对于给定分块滤波增益(衰减映射)是恒定的且通过下式给出
其中：表示在分块中的xn分量上的噪声的方差。(假设含噪记录xn的噪声方差是已知的——所述方差可以例如从之前的记录或者在激励过程期间估计)；并且gk，l表示时频小波函数。
类似地，当应用到yn(或zn)含噪分量时，自适应分块阈值设置算法返回分区(或)和相关联的衰减系数的时频滤波增益映射(衰减映射)ay(或az)(参考等式(4)和(5))。
应注意，如果将每个系数映射应用到其相关联的数据，则所述系数映射将充当单个分量滤波器。因此，与多分量微震数据相关联的极化信息将不被保留。出于该原因，本主题的实施例提供保留极化的多分量滤波器。多分量微震数据(在示例中的3C数据)可以与算子a3C卷积，所述算子被应用到所有三分量信号。图2示出用于从图1中所示的三个分量导出的共同算子a3C的时频域的分区。
在实施例中，为了设计多分量滤波算子，ax、ay和az衰减映射可以用于非主动式(non-aggressive)方法中且a3C可以被定义为：
a3C[k，l]＝max(ax[k，l]，ay[k，l]，az[k，l])，(6)
其中，k和l分别表示时间和频率指数。
可以证实，如果三分量信号中的两个是死迹线(trace)(即，所记录的幅度等于零)，则相关联的衰减映射也将等于零。因此，a3C等于非死迹线的衰减映射。因此，根据本公开的实施例的多分量滤波器输出与在将单分量滤波器应用到非死区时使用该单分量滤波器获得的信号相同。因此，本本公开的实施例的多分量滤波器保留微震数据的极化。
在本公开的实施例中，通过3C自适应分块阈值设置方法(BT3C)处理的数据通过等式(7)、(8)和(9)给出。
在本公开的实施例中，3C自适应分块阈值设置方法提供经滤波的信号，所述经滤波的信号可以用于设计维纳滤波器。在本公开的这些方面中，维纳滤波器将不仅使最终输出平滑，而且还将对信噪比(SNR)添加小的增强。
因此通过等式(10)、(11)和(12)给出使用经滤波的信号来设计的维纳滤波器的时频增益。出于实际原因，根据本公开的实施例，通过自适应多分量分块阈值设置(BT3C)和维纳滤波器(W)的组合提供的滤波器将被称作BT3CW。在本公开的一些方面中，如果在应用BT3CW滤波方法之前将极化滤波器(P)应用到3C微震数据，则整体方法将被称作PBT3CW。
其中：
以及
因此，最终多分量经滤波的信号通过下式给出：
根据本公开的实施例的滤波过程是使用合成微震信号来测试的，其中将不同水平的实际噪声添加到所述信号。这是通过图3图示出的。图3中的这些迹线包含来自覆盖在彼此上的X、Y和Z分量的数据。这些分量无法如图中所示的那样被区分，但滤波器的效果是显而易见的。无噪声合成信号在左下方面板中示出。左上方面板表示被噪声污染的信号，其被称作输入数据。顶部和底部中间面板分别表示经小波变换滤波的输出和相关联的滤波误差。右上方和右下方面板表示经PBT3CW滤波的输出和其相关联的滤波误差。在此示例中，输入数据的SNR是5.7dB。这使用小波变换滤波器改进到10.5dB而利用PBT3CW滤波器改进到17.9dB。P波方位角误差对于两个滤波器都小于0.5度，这指示极化被保留。
图4示出根据输入噪声水平的三个滤波器(即，根据本公开的实施例的PBT3CW滤波器、小波变换滤波器和极化滤波器)的SNR改进。针对25dB的输入SNR的范围进行比较。如由在图中的顶部曲线所示，PBT3CW滤波器提供在8到12dB的范围内的信噪比改进，而由底部曲线示出的小波变换滤波器针对相同的输入噪声范围将所述数据改进了大致4到5dB。如由在图中的中间曲线所示，极化滤波器提供6到9dB的信噪比改进。
图5显示在将小波变换滤波器和PBT3CW应用到真实的微震事件时所获得的波形。微震事件由八个井底多分量地震检波器记录。PBT3CW滤波器明显地提供具有较高SNR的输出数据。在此图中，如在图3中，这些迹线包含来自覆盖在彼此上的X、Y和Z分量的数据。这些分量无法如图所示的那样被区分，但可以清楚地看见滤波器的效果。
本公开的一些实施例提供用于多分量微震数据的新的复合滤波器(PBT3CW)。所述滤波器可以保留检测和定位地震事件/微震所需的信息。PBT3CW是基于利用极化滤波器预调节含噪数据的。自适应多分量分块阈值设置(BT3C)技术用于从经预处理的数据提取所感兴趣的信号。BT3C可需要噪声方差以作为输入。通过BT3C提供的信号可以用于设计用于维纳滤波器的输入。PBT3CW可以用于时频域中，其中由于所述PBT3CW的自适应分块方法，所述PBT3CW对离群值是非常稳固的。
术语“存储介质”可以表示用于存储数据的一个或多个装置，其包含只读存储器(ROM)、随机存取存储器(RAM)、磁RAM、磁芯存储器、磁盘存储介质、光学储存介质、闪速存储器装置和/或用于存储信息的其它机器可读介质。术语“计算机可读介质”包含但不限于便携式或固定存储装置、光学存储装置、无线信道以及能够存储、包含或携带指令和/或数据的各种其它介质。
可以通过硬件、软件、固件、中间件、微代码、硬件描述语言或其任何组合来实施上述主题的实施例。当在软件、固件、中间件或微对码中实施时，执行必要任务的程序代码或代码段可以存储在诸如存储介质的机器可读介质中。处理器可以执行必要的任务。代码段可以表示步骤、函数、子程序、程序、例程、子例程、模块、软件包、类，或指令、数据结构或程序语句的任意组合。代码段可以通过传递和/或接收信息、数据、自变量、参数或存储器内容而耦合到另一代码段或硬件电路。信息、自变量、参数、数据等可以经由包含存储器共享、消息传递、令牌传递、网络传输等的任何合适的方式传递、转发或传输。
将会意识到，以上详细地描述的示例实施例可以在它们举例说明的概念的范围内修改和改变。上文所提到的或在上文单个的实施例中示出的特征可以任何组合连同已经具体示出和描述的那些特征一起使用。应清楚地理解，仅通过示例的方式来进行此描述且此描述并不作为对如所要求保护的本发明的范围的限制。
Claims (12)
1.一种用于处理微震数据的方法，包括：
接收所述微震数据，其中所述微震数据是通过一个或多个多分量传感器获取的；
使用自适应分块阈值设置算法来划分针对每一个分量的时频域以导出针对每一个分量的衰减映射；
将所述微震数据与应用到所述微震数据的全部分量的算子进行卷积，其中，所述算子使用针对所述微震数据的分量中的每一个的所述时频域中的所述衰减映射；并且
其中与所述微震数据卷积的所述算子保留所述数据的极化。
2.根据权利要求1所述的方法，其中对于在所述时频域中的给定点，与所述数据卷积的所述算子是在所述点处的跨所述全部分量的所有增益中的最大增益。
3.根据权利要求1所述的方法，其中所述自适应分块阈值设置算法返回所述时频域的分区(Bxi)i∈Ix，所述分区(Bxi)i∈Ix包括Ix个不同大小的分块并且对于大小为的给定的分块分区的衰减映射，即分区的滤波增益通过下式给出：
其中表示在所述分块中的xn分量上的噪声的方差，gk，l表示时频小波函数，算子()+表示在零与该算子所应用到的值之间的最大值，k，l∈时间×频率，β1≥0，β2≥0且λ是用于分离噪声和信号系数的阈值。
4.根据权利要求1所述的方法，其中应用与所述数据卷积的所述算子将经滤波的信号导出为：
其中k，l∈时间×频率，a3C[k，l]是与所述数据卷积的所述算子，gk，l表示时频小波函数且A是大于或等于1的用户控制的参数，所述微震数据的三个分量为xn，yn,zn，且Nsamples是在所述微震数据中的时间样本的数目。
5.根据权利要求1所述的方法，进一步包括：
在卷积所述数据之前将极化滤波器应用到所接收的微震数据。
6.根据权利要求1所述的方法，进一步包括：
使用经滤波的微震数据来产生维纳滤波器。
7.根据权利要求1所述的方法，进一步包括：
处理经滤波的微震数据以确定至少部分地产生所述微震数据的微震事件的位置。
8.一种用于处理微震数据的方法，包括：
接收所述微震数据，其中所述微震数据是通过一个或多个多分量传感器获取的；
使用自适应分块阈值设置算法来划分针对每一个分量的时频域以导出针对每一个分量的衰减映射；
将所述微震数据与应用到所述微震数据的所有三个分量的算子进行卷积，其中，所述算子使用针对所述微震数据的分量中的每一个的所述时频域中的所述衰减映射；并且
处理经滤波的微震数据以确定以下中的至少一个：至少部分地产生所述微震数据的一个或多个微震的位置，以及地球的地下部分的特性；
其中与所述微震数据卷积的所述算子保留所述数据的极化。
9.根据权利要求8所述的方法，进一步包括：
将极化滤波器应用到所接收的微震数据。
10.根据权利要求8所述的方法，进一步包括：
使用所述经滤波的微震数据来产生维纳滤波器。
11.根据权利要求8所述的方法，其中用于所述自适应分块阈值设置(BT)算法的阈值是使用噪声方差来确定。
12.根据权利要求8所述的方法，其中与所述微震数据卷积的所述算子是使用ax、ay和az衰减映射来设计的。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201361750502P | 2013-01-09 | 2013-01-09 | |
| US61/750,502 | 2013-01-09 | ||
| PCT/IB2014/058144 WO2014108843A1 (en) | 2013-01-09 | 2014-01-09 | Noise attenuation of multicomponent microseismic data |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105408772A CN105408772A (zh) | 2016-03-16 |
| CN105408772B true CN105408772B (zh) | 2019-09-03 |
Family
ID=51166585
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201480011694.7A Expired - Fee Related CN105408772B (zh) | 2013-01-09 | 2014-01-09 | 多分量微震数据的噪声衰减 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US10585198B2 (zh) |
| EP (1) | EP2943811A4 (zh) |
| CN (1) | CN105408772B (zh) |
| WO (1) | WO2014108843A1 (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR3053125B1 (fr) | 2016-06-23 | 2018-07-27 | Storengy | Procede de caracterisation du sous-sol d'une region utilisant des signaux sismiques passifs, et systeme correspondant |
| SG11201810324QA (en) * | 2016-09-07 | 2018-12-28 | Halliburton Energy Services Inc | Adaptive signal detection for communicating with downhole tools |
| US20200284937A1 (en) * | 2019-03-04 | 2020-09-10 | Chevron U.S.A. Inc. | System and method for displaying seismic events in distributed acoustic sensing data |
| CN112444853B (zh) * | 2019-08-30 | 2024-04-09 | 中国石油化工股份有限公司 | 一种地面微地震噪音压制方法 |
| CN112558147B (zh) * | 2019-09-25 | 2023-10-10 | 中国石油化工股份有限公司 | 一种井中微地震数据的偏振分析方法及系统 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4887243A (en) * | 1982-12-27 | 1989-12-12 | Mobil Oil Corporation | Removal of surface multiples |
| US4757480A (en) * | 1986-04-24 | 1988-07-12 | Amoco Corporation | Method and apparatus for filtering seismic data |
| GB9800741D0 (en) * | 1998-01-15 | 1998-03-11 | Geco As | Multiple attenuation of multi-component sea-bottom data |
| DE602007009938D1 (zh) * | 2006-06-30 | 2010-12-02 | Spectraseis Ag | |
| GB2456985B (en) * | 2006-11-10 | 2011-05-25 | Magnitude Spas | System and method for determing seismic event location |
| EP2150841A1 (en) * | 2007-05-17 | 2010-02-10 | Spectraseis AG | Seismic attributes for reservoir localization |
| WO2013137974A1 (en) * | 2012-03-12 | 2013-09-19 | Exxonmobil Upstream Research Company | Direct arrival signature estimates |
| GB201304866D0 (en) * | 2013-03-18 | 2013-05-01 | Geco Technology Bv | Processing microseismic data |
-
2014
- 2014-01-09 WO PCT/IB2014/058144 patent/WO2014108843A1/en active Application Filing
- 2014-01-09 CN CN201480011694.7A patent/CN105408772B/zh not_active Expired - Fee Related
- 2014-01-09 EP EP14738312.9A patent/EP2943811A4/en not_active Withdrawn
- 2014-01-09 US US14/760,009 patent/US10585198B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN105408772A (zh) | 2016-03-16 |
| EP2943811A1 (en) | 2015-11-18 |
| US10585198B2 (en) | 2020-03-10 |
| EP2943811A4 (en) | 2016-04-27 |
| WO2014108843A1 (en) | 2014-07-17 |
| US20150338537A1 (en) | 2015-11-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11880011B2 (en) | Surface wave prediction and removal from seismic data | |
| US20170363756A1 (en) | Systems and methods for acquiring seismic data with gradient data | |
| US20200217979A1 (en) | Observation-driven method based on iir wiener filter for microseismic data denoising | |
| US9261613B2 (en) | Passive monitoring method for seismic events | |
| US9541659B2 (en) | Noise removal from 3D seismic representation | |
| US10317554B2 (en) | Noise attenuation via thresholding in a transform domain | |
| US9841518B2 (en) | Noise attenuation | |
| US11536863B2 (en) | Noise attenuation of multiple source seismic data | |
| CN105408772B (zh) | 多分量微震数据的噪声衰减 | |
| US7864628B2 (en) | Flexural wave attenuation | |
| RU2737846C2 (ru) | Система установки наземных сейсмических датчиков с парами смежных многокомпонентных сейсмических датчиков на расстоянии в среднем по меньшей мере двадцать метров | |
| US9753166B2 (en) | P-wave and S-wave separation of seismic data in the presence of statics and irregular geometry | |
| US20150032379A1 (en) | Attenuation of multiple reflections | |
| EP2075597A2 (en) | Spectral conditioning for surface seismic data | |
| WO2016176235A1 (en) | Time lapse seismic data processing | |
| US8441890B2 (en) | Removing ground-roll from geophysical data using source-receiver interferometry | |
| US20180095186A1 (en) | Noise models by selection of transform coefficients | |
| US20190391289A1 (en) | Machine Learning Techniques for Noise Attenuation in Geophysical Surveys | |
| US20120143511A1 (en) | Removing ground roll from geophysical data | |
| US20230028066A1 (en) | Systems and methods for noise attenuation of land continuous records | |
| WO2016154411A1 (en) | Noise mitigation for seismic survey multi-datasets | |
| Nasr et al. | The correlation polarization method: A novel automatic technique for seismic event detection and first-break picking | |
| Oumarou | Analysis of 3D post-stack data from offshore east Scotland |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190903 Termination date: 20210109 |