CN105785437B - 一种异常地震道的自动判别的方法及装置 - Google Patents
一种异常地震道的自动判别的方法及装置 Download PDFInfo
- Publication number
- CN105785437B CN105785437B CN201610265829.3A CN201610265829A CN105785437B CN 105785437 B CN105785437 B CN 105785437B CN 201610265829 A CN201610265829 A CN 201610265829A CN 105785437 B CN105785437 B CN 105785437B
- Authority
- CN
- China
- Prior art keywords
- zero crossing
- seismic
- window data
- crossing number
- road
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000004364 calculation method Methods 0.000 claims abstract description 13
- 230000006698 induction Effects 0.000 claims description 48
- 230000002159 abnormal effect Effects 0.000 claims description 28
- 108010001267 Protein Subunits Proteins 0.000 claims description 6
- 230000004069 differentiation Effects 0.000 abstract description 5
- 238000012544 monitoring process Methods 0.000 abstract description 5
- 238000003908 quality control method Methods 0.000 abstract description 5
- 230000008569 process Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (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
本发明涉及地震数据质量监控领域，尤其涉及一种异常地震道的自动判别的方法及装置。该方法包括：获取地震道的采样点真值；将所述地震道从零时刻开始分成连续并等宽的时窗数据，根据所述采样点真值计算每个时窗数据的过零点次数；将所述每个时窗数据的过零点次数相加获得所述地震道的总过零点次数；比较所述总过零点次数与第一预设值的大小；当所述总过零点次数小于所述第一预设值时，判断所述地震道为死道类型的异常地震道。本申请实施例根据死道类型异常地震道总过零点次数的特征，在判别过程只通过简单的过零点次数统计和比较，与现有技术相比，本申请实施例方法简单，运算效率高，满足了海量地震数据质控的需要。
Description
技术领域
本发明涉及地震数据质量监控领域，尤其涉及一种异常地震道的自动判别的方法及装置。
背景技术
在进行野外地震采集勘探过程中，由于受到周围环境条件或自身设备的影响，导致采集的地震数据中出现异常地震道，从而严重影响了地震记录的面貌和品质，同时也影响了地震数据的正常处理和处理质量。为了保证地震记录的品质，就需要对各种异常地震道进行及时发现和整改。以往施工时，传统方式是通过人的眼睛判别地震数据中的异常地震道，但这种方式既会给质控人员增加劳动强度，又可能会由于经验等原因造成误判；同时随着地震勘探采集技术的发展，采集的地震数据道数迅速增加，单炮的接收道数经常要达到数千道、上万道乃至数万道，并且每天采集的地震数据炮数也有数千炮甚至上万炮。因此，这种人工判别的方式已经不能满足海量地震数据中异常地震道的质控需求。
目前，在地震数据质量监控领域，形成了针对最大振幅异常、平均振幅异常、单频干扰等类型异常地震道的多种自动判别方法，但这些方法计算过程复杂，运算速度较慢，质控效率低。现有的方法不能适应地震采集技术的发展，也不能满足每日海量地震数据质量监控效率的需求，因此，如何快速的自动判别异常地震道是当前地震数据质量监控领域亟需解决的问题。
发明内容
本申请实施例提供。提供了一种异常地震道的自动判别的方法和装置，以快速的自动判别异常地震道。
为达到上述目的，一方面，本申请实施例提供了一种异常地震道的自动判别的方法，该方法包括：
获取地震道的采样点真值；
将所述地震道从零时刻开始分成连续并等宽的时窗数据，根据所述采样点真值计算每个时窗数据的过零点次数；
将所述每个时窗数据的过零点次数相加获得所述地震道的总过零点次数；
比较所述总过零点次数与第一预设值的大小；
当所述总过零点次数小于所述第一预设值时，判断所述地震道为死道类型的异常地震道。
进一步地，该方法还包括：
当所述总过零点次数不小于所述第一预设值时，对所述地震道进行单频干扰类型的异常地震道判别。
进一步地，所述单频干扰类型的异常地震道判别包括：
将所述总过零点次数除以所述时窗数据的总个数，获得所述时窗数据的过零点次数平均值；
计算所述每个时窗数据的过零点次数与所述过零点次数平均值的差值，获取所述差值的绝对值中的最大值；
比较所述最大值与第二预设值的大小；
当所述最大值小于所述第二预设值时，判断所述地震道为单频干扰类型的异常地震道。
进一步地，该方法还包括：
当所述最大值不小于所述第二预设值时，对所述地震道进行串感应类型的异常地震道判别。
进一步地，所述串感应类型的异常地震道判别包括：
计算异常时窗数据的个数，所述异常时窗数据为过零点次数小于第三预设值时对应的时窗数据；
计算所述异常时窗数据的个数与所述时窗数据的总个数的比值；
比较所述比值与第四预设值的大小；
当所述比值大于所述第四预设值时，判断所述地震道为串感应类型的异常地震道。
另一方面，本申请实施例还提供了一种异常地震道的自动判别的装置，该装置包括：
采样点真值获取单元，用于获取地震道的采样点真值；
过零点次数计算单元，用于将所述地震道从零时刻开始分成连续并等宽的时窗数据，根据所述采样点真值计算每个时窗数据的过零点次数；
总过零点次数计算单元，用于将所述每个时窗数据的过零点次数相加获得所述地震道的总过零点次数；
死道类型比较单元，用于比较所述总过零点次数与第一预设值的大小；
死道类型判断单元，用于当所述总过零点次数小于所述第一预设值时，判断所述地震道为死道类型的异常地震道。
进一步地，该装置还包括：
单频干扰类型判别单元，用于当所述总过零点次数不小于所述第一预设值时，对所述地震道进行单频干扰类型的异常地震道判别。
进一步地，所述单频干扰类型判别单元包括：
过零点次数平均值计算子单元，用于将所述总过零点次数除以所述时窗数据的总个数，获得所述时窗数据的过零点次数平均值；
过零点次数差值计算子单元，用于计算所述每个时窗数据的过零点次数与所述过零点次数平均值的差值，获取所述差值的绝对值中的最大值；
单频干扰类型比较子单元，用于比较所述最大值与第二预设值的大小；
单频干扰类型判断子单元，用于当所述最大值小于所述第二预设值时，判断所述地震道为单频干扰类型的异常地震道。
进一步地，该装置还包括：
串感应类型判别单元，用于当所述最大值不小于所述第二预设值时，对所述地震道进行串感应类型的异常地震道判别。
进一步地，所述串感应类型判别单元包括：
异常时窗数据个数计算子单元，用于计算异常时窗数据的个数，所述异常时窗数据为过零点次数小于第三预设值时对应的时窗数据；
异常时窗比值计算子单元，用于计算所述异常时窗数据的个数与所述时窗数据的总个数的比值；
串感应类型比较子单元，用于比较所述比值与第四预设值的大小；
串感应类型判断子单元，用于当所述比值大于所述第四预设值时，判断所述地震道为串感应类型的异常地震道。
本申请实施例通过将地震道分成多个连续等宽的时窗数据，利用所述时窗数据和所述地震道中过零点次数的差别实现了对死道类型、单频干扰类型和串感应类型的异常地震道的自动判别，本申请实施例的判别过程通过简单的过零点次数统计和比较，不仅实现了对死道类型、单频干扰类型和串感应类型的异常地震道的自动判别，同时方法简单，运算效率高，满足了海量地震数据质控的需要。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例的异常地震道的自动判别的方法的第一实施例流程图；
图2是本申请实施例的异常地震道的自动判别的方法的第二实施例流程图；
图3是本申请实施例的异常地震道的自动判别的方法的第三实施例流程图；
图4是本申请实施例的异常地震道的自动判别的装置结构图；
图5是本申请实施例的包含死道类型的异常地震道的地震数据；
图6是本申请实施例的包含单频干扰类型的异常地震道的地震数据；
图7是本申请实施例的包含串感应类型的异常地震道的地震数据。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。
下面结合附图，对本申请实施例的具体实施方式作进一步的详细说明。
以下首先介绍本申请一种异常地震道的自动判别的方法的第一实施例。结合附图1，该实施例包括：
S101、获取地震道的采样点真值。
S102、将所述地震道从零时刻开始分成连续并等宽的时窗数据，根据所述采样点真值计算每个时窗数据的过零点次数。
本申请实施例中，将地震道从零时刻开始分成N个连续的、等宽度的时窗数据，。其中时窗个数N等于地震道的道长除以时窗宽度的结果值再取整。进一步的，本申请实施例的时窗数据的宽度为200ms，但在实际应用中，可根据采集的地震记录的实际情况进行设定，本申请实施例并不以此为限。
进一步的，本申请实施例中根据采样点真值计算每个时窗内的过零点次数Zi(i＝1，2，……，N；N为时窗个数)。其中，时窗数据中相邻两个采样点真值相乘小于零则存在一个过零点，本申请实施例中，从每个时窗数据内的第一个采样点开始，判断相邻的两个采样点之间是否存在过零点，以此类推，从而计算每个时窗数据的过零点次数。
S103、将所述每个时窗数据的过零点次数相加获得所述地震道的的总过零点次数。
本申请实施例中，将每个时窗数据的过零点次数相加可以获得所述地震道的总过零点次数，即地震道的总过零点次数即为N个时窗数据的过零点次数相加的和
S104、比较所述总过零点次数与第一预设值的大小。
在地震采集中，由于检波器或采集站工作状态等原因，地震数据中会存在死道类型的异常地震道，如图5所示，道号为4968、4969、4970的地震道均为死道类型的异常地震道，死道类型的异常地震道的特征近似于拉直杠，因此死道类型的异常地震道总过零点次数一般都为零或个数很少，因此，可以利用这一特征，通过比较地震道过零点次数与第一预设值的大小来判断死道类型的异常地震道。本申请实施例中，第一预设值也称为死道门槛值，一般为与所述地震道的道长相等的1HZ单频余弦波存在的过零点次数，但在实际应用中，可根据采集的地震记录的实际情况进行设定，本申请实施例并不以此为限。
S105、当所述总过零点次数小于所述第一预设值时，判断所述地震道为死道类型的异常地震道。
本申请实施例中，当所述总过零点次数小于第一预设值时，说明地震道的总过零点次数小，则判断所述地震道为死道类型的异常地震道。本申请实施例中利用死道类型地震道总过零点次数小的特点，将地震道总过零点次数与第一预设值进行比较，地震道总过零点次数小于死道门槛值时，则判定所述地震道为死道类型的异常地震道，本申请实施例的方法通过简单的过零点次数统计和比较，运算过程简单，计算速度快，并能准确的对死道类型的地震道进行自动识别，与现有技术相比，极大的提高了死道类型的地震道识别的效率。
在上述第一实施例的基础上，以下提供本申请一种异常地震道的自动判别的方法的第二实施例。结合附图2，该实施例包括：
S201、将所述总过零点次数除以所述时窗数据的总个数，获得所述时窗数据的过零点次数平均值。
本申请实施例中，将所述总过零点次数除以时窗数据的总个数N，获得所述时窗数据的过零点次数的平均值Zav。
S202、计算所述每个时窗数据的过零点次数与所述过零点次数平均值的差值，获取所述差值的绝对值中的最大值。
本申请实施例中，在获得所述时窗数据的过零点次数的平均值Zav后，计算每个时窗数据的过零点次数Zi与过零点次数的平均值Zav的差值的绝对值DZi，获得DZi的最大值Dmax。
S203、比较所述最大值与第二预设值的大小；
在实际地震采集中，由于经常受到电网、钻井、采油设施等影响，地震数据中会存在单频干扰类型的异常地震道，如图6所示，道号为6911～6918的地震道为单频干扰类型的异常地震道，单频干扰类型的异常地震道的特征是频率比较单一，每个时窗数据的过零点次数都近似相等，因此可以利用这一特征，通过比较最大值DZi与第二预设值的大小来实现对单频干扰类型的异常地震道的自动判别。本申请实施例中，第二预设值也称为单频干扰门槛值，一般为2，但在实际应用中，可根据采集的地震记录的实际情况进行设定，本申请实施例并不以此为限。
S204、当所述最大值小于所述第二预设值时，判断所述地震道为单频干扰类型的异常地震道。
本申请实施例中，当所述最大值DZi小于第二预设值时，说明此时所述每个时窗数据的过零点次数Zi都近似相等，则确认所述地震道是单频干扰类型的异常地震道。本申请实施例中利用单频干扰类型的异常地震道频率单一，每个时窗数据的过零点次数都近似相等的特征，当时窗数据的过零点次数的平均值小于单频干扰门槛值时，则确定所述地震道为单频干扰类型的异常地震道，本申请实施例的方法只通过简单的过零点次数的统计和比较，运算过程简单，计算速度快，不仅能准确的对单频干扰类型的异常地震道进行自动判别，同时也极大提高了单频干扰类型的异常地震道识别的效率。
在上述第二实施例的基础上，以下提供本申请一种异常地震道的自动判别的方法的第三实施例。结合附图3，该实施例包括：
S301、计算异常时窗数据的个数，所述异常时窗数据为过零点次数小于第三预设值时对应的时窗数据。
本申请实施例中，当所述最大值不小于所述第二预设值时，表明所述地震道不是单频干扰类型的异常地震道，则可以对所述地震道进行串感应类型的异常地震道判别。本申请实施例中，当时窗数据的过零点次数小于第三预设值时，则对应的时窗数据为异常时窗数据。本申请实施例中，将每个时窗数据的过零点次数Zi与小于第三预设值作对比，从而计算出异常时窗数据的个数，异常时窗数据的个数表明了所述地震道中过零点次数的分布状况，用于后续判断所述地震道是否为串感应类型的异常地震道。本申请实施例中，所述第三预设值也称为串感应第一门槛值，一般为2，但在实际应用中，可根据采集的地震记录的实际情况进行设定，本申请实施例并不以此为限。
S302、计算所述异常时窗数据的个数与所述时窗数据的总个数的比值。
本申请实施例中，计算异常时窗数据的个数与所述时窗数据的总个数N的比值，从而可以通过所述计算的比值反映出所述时窗数据中过零点次数的分布情况。
S303、比较所述比值与第四预设值的大小。
在地震采集中，由于受到外界电磁干扰的影响，地震数据中会存在串感应类型的异常地震道，如图7所示，道号为17795～17995的地震道均为串感应类型的异常地震道，串感应类型的地震数据表现为连续有多道地震道，表现为平行于计时线的一串串直线，因此串感应类型的异常地震道部分时窗数据内的过零点次数很少，甚至为零，因此可以利用这一特征，通过比较所述比值与第四预设值的大小，从而实现对串感应类型异常地震道的自动判别。本申请实施例中，所述第四预设值也称为串感应第二门槛值，一般为30％，但在实际应用中，可根据采集的地震记录的实际情况进行设定，本申请实施例并不以此为限。
S304、当所述比值大于所述第四预设值时，判断所述地震道为串感应类型的异常地震道。
本申请实施例中，当所述比值大于所述第四预设值时，说明此时异常时窗数据的个数较多，表明大部分时窗数据的过零点次数小，这符合串感应类型的异常地震道的特征，此时确认所述地震道为串感应类型的异常地震道。本申请实施例利用串感应类型的异常地震道部分时窗数据内的过零点次数很少的特征，当所述异常时窗数据的个数与所述时窗数据的总个数的比值大于第四预设值时，确认所述地震道是串感应类型的异常地震道。本申请实施例的方法只通过简单的过零点次数的统计和比较，运算过程简单，计算速度快，能准确的对串感应类型的异常地震道进行自动判别，解决了现有技术中无法对串感应类型的异常地震道进行自动判别的问题。
此外，需要进一步说明的是，本申请实施例依次进行了死道类型、单频干扰类型、串感应类型的地震道进行判别，但本申请实施例并不以此判别顺序为限，即死道类型、单频干扰类型、串感应类型的判别并不限制顺序。但由于死道类型的异常地震道过零点次数一般都为零或个数很少，其表现特征与单频干扰类型的异常地震道和串感应类型的异常地震道的表现特征是相同的。为了避免误判为单频干扰类型的异常地震道或串感应类型的异常地震道，对死道类型的异常地震道的判别步骤要先与对单频干扰类型的异常地震道和串感应类型的异常地震道的判别。
本申请实施例还相应提供一种异常地震道的自动判别的装置，如图4所示，该装置包括：
采样点真值获取单元401，用于获取地震道的采样点真值；
过零点次数计算单元402，用于将所述地震道从零时刻开始分成连续并等宽的时窗数据，根据所述采样点真值计算每个时窗数据的过零点次数；
总过零点次数计算单元403，用于将所述每个时窗数据的过零点次数相加获得所述地震道的总过零点次数；
死道类型比较单元404，用于比较所述总过零点次数与第一预设值的大小；
死道类型判断单元405，用于当所述总过零点次数小于所述第一预设值时，判断所述地震道为死道类型的异常地震道。
进一步地，该装置还包括：
单频干扰类型判别单元，用于当所述总过零点次数不小于所述第一预设值时，对所述地震道进行单频干扰类型的异常地震道判别。
进一步地，所述单频干扰类型判别单元包括：
过零点次数平均值计算子单元，用于将所述总过零点次数除以所述时窗数据的总个数，获得所述时窗数据的过零点次数平均值；
过零点次数差值计算子单元，用于计算所述每个时窗数据的过零点次数与所述过零点次数平均值的差值，获取所述差值的绝对值中的最大值；
单频干扰类型比较子单元，用于比较所述最大值与第二预设值的大小；
单频干扰类型判断子单元，用于当所述最大值小于所述第二预设值时，判断所述地震道为单频干扰类型的异常地震道。
进一步地，该装置还包括：
串感应类型判别单元，用于当所述最大值不小于所述第二预设值时，对所述地震道进行串感应类型的异常地震道判别。
进一步地，所述串感应类型判别单元包括：
异常时窗数据个数计算子单元，用于计算异常时窗数据的个数，所述异常时窗数据为过零点次数小于第三预设值时对应的时窗数据；
异常时窗比值计算子单元，用于计算所述异常时窗数据的个数与所述时窗数据的总个数的比值；
串感应类型比较子单元，用于比较所述比值与第四预设值的大小；
串感应类型判断子单元，用于当所述比值大于所述第四预设值时，判断所述地震道为串感应类型的异常地震道。
本实施例的装置的各组成部分分别用于实现前述实施例的方法的各步骤，由于在方法实施例中，已经对各步骤进行了详细说明，在此不再赘述。
本申请实施例通过将地震道分成多个连续等宽的时窗数据，利用所述时窗数据和所述地震道中过零点次数的差别实现了对死道类型、单频干扰类型和串感应类型的异常地震道的自动判别，本申请实施例在判别过程通过简单的过零点次数统计和比较，不仅实现了对死道类型、单频干扰类型和串感应类型的异常地震道的自动判别，同时方法简单，运算效率高，满足了海量地震数据质控的需要。
在一个或多个示例性的设计中，本申请实施例所描述的上述功能可以在硬件、软件、固件或这三者的任意组合来实现。如果在软件中实现，这些功能可以存储与电脑可读的媒介上，或以一个或多个指令或代码形式传输于电脑可读的媒介上。电脑可读媒介包括电脑存储媒介和便于使得让电脑程序从一个地方转移到其它地方的通信媒介。存储媒介可以是任何通用或特殊电脑可以接入访问的可用媒体。例如，这样的电脑可读媒体可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁性存储装置，或其它任何可以用于承载或存储以指令或数据结构和其它可被通用或特殊电脑、或通用或特殊处理器读取形式的程序代码的媒介。
以上所述的具体实施例，对本申请的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本申请实施例的具体实施例而已，并不用于限定本申请的保护范围，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (6)
1.一种异常地震道的自动判别的方法，其特征在于，该方法包括：
获取地震道的采样点真值；
将所述地震道从零时刻开始分成连续并等宽的时窗数据，根据所述采样点真值计算每个时窗数据的过零点次数；
将所述每个时窗数据的过零点次数相加获得所述地震道的总过零点次数；
比较所述总过零点次数与第一预设值的大小；
当所述总过零点次数小于所述第一预设值时，判断所述地震道为死道类型的异常地震道；
该方法还包括：
当所述总过零点次数不小于所述第一预设值时，对所述地震道进行单频干扰类型的异常地震道判别；
所述单频干扰类型的异常地震道判别包括：
将所述总过零点次数除以所述时窗数据的总个数，获得所述时窗数据的过零点次数平均值；
计算所述每个时窗数据的过零点次数与所述过零点次数平均值的差值，获取所述差值的绝对值中的最大值；
比较所述最大值与第二预设值的大小；
当所述最大值小于所述第二预设值时，判断所述地震道为单频干扰类型的异常地震道。
2.如权利要求1所述的异常地震道的自动判别的方法，其特征在于，该方法还包括：
当所述最大值不小于所述第二预设值时，对所述地震道进行串感应类型的异常地震道判别。
3.如权利要求2所述的异常地震道的自动判别的方法，其特征在于，所述串感应类型的异常地震道判别包括：
计算异常时窗数据的个数，所述异常时窗数据为过零点次数小于第三预设值时对应的时窗数据；
计算所述异常时窗数据的个数与所述时窗数据的总个数的比值；
比较所述比值与第四预设值的大小；
当所述比值大于所述第四预设值时，判断所述地震道为串感应类型的异常地震道。
4.一种异常地震道的自动判别的装置，其特征在于，该装置包括：
采样点真值获取单元，用于获取地震道的采样点真值；
过零点次数计算单元，用于将所述地震道从零时刻开始分成连续并等宽的时窗数据，根据所述采样点真值计算每个时窗数据的过零点次数；
总过零点次数计算单元，用于将所述每个时窗数据的过零点次数相加获得所述地震道的总过零点次数；
死道类型比较单元，用于比较所述总过零点次数与第一预设值的大小；
死道类型判断单元，用于当所述总过零点次数小于所述第一预设值时，判断所述地震道为死道类型的异常地震道；
该装置还包括：
单频干扰类型判别单元，用于当所述总过零点次数不小于所述第一预设值时，对所述地震道进行单频干扰类型的异常地震道判别；
所述单频干扰类型判别单元包括：
过零点次数平均值计算子单元，用于将所述总过零点次数除以所述时窗数据的总个数，获得所述时窗数据的过零点次数平均值；
过零点次数差值计算子单元，用于计算所述每个时窗数据的过零点次数与所述过零点次数平均值的差值，获取所述差值的绝对值中的最大值；
单频干扰类型比较子单元，用于比较所述最大值与第二预设值的大小；
单频干扰类型判断子单元，用于当所述最大值小于所述第二预设值时，判断所述地震道为单频干扰类型的异常地震道。
5.如权利要求4所述的异常地震道的自动判别的装置，其特征在于，该装置还包括：
串感应类型判别单元，用于当所述最大值不小于所述第二预设值时，对所述地震道进行串感应类型的异常地震道判别。
6.如权利要求5所述的异常地震道的自动判别的装置，其特征在于，所述串感应类型判别单元包括：
异常时窗数据个数计算子单元，用于计算异常时窗数据的个数，所述异常时窗数据为过零点次数小于第三预设值时对应的时窗数据；
异常时窗比值计算子单元，用于计算所述异常时窗数据的个数与所述时窗数据的总个数的比值；
串感应类型比较子单元，用于比较所述比值与第四预设值的大小；
串感应类型判断子单元，用于当所述比值大于所述第四预设值时，判断所述地震道为串感应类型的异常地震道。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610265829.3A CN105785437B (zh) | 2016-04-26 | 2016-04-26 | 一种异常地震道的自动判别的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610265829.3A CN105785437B (zh) | 2016-04-26 | 2016-04-26 | 一种异常地震道的自动判别的方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105785437A CN105785437A (zh) | 2016-07-20 |
| CN105785437B true CN105785437B (zh) | 2018-03-13 |
Family
ID=56398665
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610265829.3A Active CN105785437B (zh) | 2016-04-26 | 2016-04-26 | 一种异常地震道的自动判别的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105785437B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106768296B (zh) * | 2016-12-26 | 2019-04-19 | 中北大学 | 一种应用于地下挖掘系统的区分地面震动信号干扰的方法 |
| CN109557583B (zh) * | 2017-09-26 | 2020-12-01 | 中国石油化工股份有限公司 | 一种地震属性提取方法及系统 |
| CN107884826A (zh) * | 2017-12-13 | 2018-04-06 | 中国石油集团川庆钻探工程有限公司地球物理勘探公司 | 地震数据中死道识别方法及优化地震数据处理的方法 |
| CN110927782A (zh) * | 2018-09-20 | 2020-03-27 | 中国石油化工股份有限公司 | Unite地震采集仪数据的有效信号确定方法及系统 |
| CN112285777A (zh) * | 2020-10-26 | 2021-01-29 | 中国石油天然气集团有限公司 | 地震道串感应识别量化方法及装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101029935A (zh) * | 2006-03-01 | 2007-09-05 | 北京中油天强勘探技术有限公司 | 地震勘探野外采集过程的控制方法 |
| CN102004264A (zh) * | 2010-10-18 | 2011-04-06 | 中国石油化工股份有限公司 | 一种地震采集资料质量定量分析与评价方法 |
| CN104316963A (zh) * | 2014-10-21 | 2015-01-28 | 中国石油天然气股份有限公司 | 一种异常道识别方法 |
| CN104459779A (zh) * | 2014-12-09 | 2015-03-25 | 中国石油天然气集团公司 | 一种异常地震道的自动识别的方法和装置 |
| CN104570074A (zh) * | 2013-10-16 | 2015-04-29 | 中国石油化工股份有限公司 | 一种基于奇异值分解技术的废道识别方法 |
| CN104570118A (zh) * | 2013-10-29 | 2015-04-29 | 中国石油化工股份有限公司 | 一种基于双因素的自动识别与去除工业干扰的方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB0015974D0 (en) * | 2000-06-30 | 2000-08-23 | Geco As | Quality control of data |
-
2016
- 2016-04-26 CN CN201610265829.3A patent/CN105785437B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101029935A (zh) * | 2006-03-01 | 2007-09-05 | 北京中油天强勘探技术有限公司 | 地震勘探野外采集过程的控制方法 |
| CN102004264A (zh) * | 2010-10-18 | 2011-04-06 | 中国石油化工股份有限公司 | 一种地震采集资料质量定量分析与评价方法 |
| CN104570074A (zh) * | 2013-10-16 | 2015-04-29 | 中国石油化工股份有限公司 | 一种基于奇异值分解技术的废道识别方法 |
| CN104570118A (zh) * | 2013-10-29 | 2015-04-29 | 中国石油化工股份有限公司 | 一种基于双因素的自动识别与去除工业干扰的方法 |
| CN104316963A (zh) * | 2014-10-21 | 2015-01-28 | 中国石油天然气股份有限公司 | 一种异常道识别方法 |
| CN104459779A (zh) * | 2014-12-09 | 2015-03-25 | 中国石油天然气集团公司 | 一种异常地震道的自动识别的方法和装置 |
Non-Patent Citations (4)
| Title |
|---|
| 地震数据高效采集实时质控技术;孙哲 等;《2015年物探技术研讨会》;20151231;第38-41页 * |
| 基于BP算法的地震资源勘探废道处理技术研究;王慧 等;《仪表技术》;20151231(第4(2015)期);第4-7页 * |
| 基于奇异值分解的废道自动识别算法;曹永生 等;《地球物理学进展》;20151031;第30卷(第5期);摘要，第1节第1、5段，第2.2节，及图3 * |
| 高密点地震信号废道自动识别及初至拾取方法研究;罗光;《中国优秀硕士学位论文全文数据库 基础科学辑》;20120715(第07期);第A011-30页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105785437A (zh) | 2016-07-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105785437B (zh) | 一种异常地震道的自动判别的方法及装置 | |
| CN106209862B (zh) | 一种盗号防御实现方法及装置 | |
| CN108200030A (zh) | 恶意流量的检测方法、系统、装置及计算机可读存储介质 | |
| CN107665333A (zh) | 一种基于卷积神经网络的不雅图片识别方法、终端、设备及计算机可读存储介质 | |
| CN109117634A (zh) | 基于网络流量多视图融合的恶意软件检测方法及系统 | |
| CN104459779A (zh) | 一种异常地震道的自动识别的方法和装置 | |
| CN102891761B (zh) | 设备性能预测处理方法及装置 | |
| CN109039503A (zh) | 一种频谱感知方法、装置、设备及计算机可读存储介质 | |
| CN105403863B (zh) | 基于多特征提取的雷达脉冲重复间隔调制识别方法 | |
| CN107167833B (zh) | 一种γ谱假峰甄别方法、存储介质和系统 | |
| CN107993304A (zh) | 一种数据处理方法、装置、设备及计算机可读存储介质 | |
| CN106405230A (zh) | 频率测量方法和装置 | |
| CN109507709A (zh) | 核脉冲信号处理方法及装置 | |
| CN103220054B (zh) | 一种基于Gabor算法的认知无线电频谱感知方法和系统 | |
| CN106991303A (zh) | 一种手势验证码的识别方法及装置 | |
| CN110261746A (zh) | 基于振荡波电压周期衰减特性的电缆缺陷检测方法 | |
| CN108494511A (zh) | 一种基于绝对值累积的动态到达频谱感知方法 | |
| CN104281850A (zh) | 一种文字区域识别方法和装置 | |
| CN107317708A (zh) | 一种法院业务应用系统的监测方法及装置 | |
| CN104932742A (zh) | 一种触屏设备获取多点操作轨迹的方法及系统 | |
| CN107632760A (zh) | 书写笔迹圈选方法及装置、触摸设备、可读存储介质 | |
| CN106792730A (zh) | 一种终端侧干扰测量方法、基站及终端 | |
| CN104459485B (zh) | 局部放电超声信号的处理方法和装置 | |
| CN104865601B (zh) | 确定地震勘探中采集的地震记录的类型的方法 | |
| CN205003237U (zh) | 一种接地网上引导体线缺陷筛选检测的装置 |
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 |