CN106199520A - 微地震震源定位方法和装置 - Google Patents
微地震震源定位方法和装置 Download PDFInfo
- Publication number
- CN106199520A CN106199520A CN201510290773.2A CN201510290773A CN106199520A CN 106199520 A CN106199520 A CN 106199520A CN 201510290773 A CN201510290773 A CN 201510290773A CN 106199520 A CN106199520 A CN 106199520A
- Authority
- CN
- China
- Prior art keywords
- candidate
- cymoscope
- excitation time
- epicenter excitation
- signal
- 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.)
- Granted
Links
Landscapes
- Geophysics And Detection Of Objects (AREA)
Abstract
提出了一种微地震震源定位方法和装置,该方法包括:建立网格化速度模型,其中候选震源位置处于网格化速度模型的网格点上;利用所述网格化速度模型计算各个检波器上的旅行时时差,所述旅行时时差与候选震源位置和候选震源激发时间相关联;利用所述旅行时时差对相应的检波器上的地震信号进行动校正;对动校正后的各检波器上的地震信号进行叠加,得到叠加信号;以及找到使得所述叠加信号最大的候选震源位置和候选震源激发时间,作为震源位置和震源激发时间。
Description
技术领域
本发明属于地震勘探与开发领域,具体涉及一种微地震震源定位方法和装置。
背景技术
微地震监测技术是通过在井中或地面布置检波器排列接收生产活动所产生或诱导的微小地震事件发出的地震波(微地震事件),进而利用微地震事件来监测生产活动之影响、效果及地下状态的地球物理技术。目前该方法主要用于油田低渗透储层压裂的裂缝动态成像、油田开发过程的动态监测以及矿山开采过程中矿山破裂情况预测。
在微地震监测过程中,震源定位是非常关键的技术。但是这也是一件非常困难的事情,因为无法准确地知道地震波传播路径上的速度,同时由于岩石破裂并形成裂缝的过程是一个连续的过程,而且裂缝很密集,因此准确地识别出某一个裂缝开启时产生的地震波也是非常困难的。
实际工作中,速度往往是用井资料构建的一个一维速度模型来近似。而震源也往往指一个裂缝,并忽略裂缝生长过程和时间,拾取检波器上接收到的该裂缝形成时激发的地震波,然后进行反演。目前常用的震源定位方法是利用单个微地震事件的Geiger法,这是一种绝对定位方法,即求目标函数:的极小值,获得震源参数(t0,x0,y0,z0),其中ti为拾取时间,Ti为计算得到的时间。除了需要速度模型、微地震事件的识别与拾取,这里还需要知道微地震震源激发时间t0,这也是一个难点。因此另外一种微地震震源定位方法采用相对定位方法,这种方法假定已知一个震源为主震源,另外一个与其相邻的震源为次震源,利用这两个微地震事件到同一检波器的时差:δtj=tj,slave-tj,master=(t0S+Tj(S))-(t0M+Tj(M))来确定次震源相对于主震源的位置。这种方法要求主震源位置已知。这是一个限制。于是又出现了双残差法。这个方法是指当两个裂缝的距离很近时,例如储层压裂过程中产生的两个裂缝就很近,它们在同一个检波器上就会产生非常接近的波形,因此可用互相关方法来检测到这样的两个微地震事件,同理如果有多个裂缝非常接近,当他们之间的距离远远小于源到检波器的距离,并且破裂机理一致时,会在同一个检波器上接收多个相似的波形,用波形相关的方法就可以检测出若干个微地震事件。由这些检测到的微地震事件及其相应的时间,可以得到它们之间的相对延迟时。那么由储层的速度以及这些相对延迟时,就可以获得这些裂缝之间的相对位置关系。而且在利用这些事件进行裂缝位置反演的过程中,旅行时计算时波传播路径上速度的不准确性所产生的误差会在相邻两个事件中相同进而消除,从而减少震源反演时对速度模型的依赖。类似地,可以在其它检波器上获得这些裂缝所产生的多个微地震事件,进而可以进行震源反演。震源反演的方法还有直接搜索法。
然而,发明人认识到,目前应用广泛的震源定位方法首先需要拾取微地震事件,这往往比较困难,尤其是信噪比比较低的情况下,拾取微弱的微地震事件就更困难了。
发明内容
本公开的目的在于提供一种无需拾取微地震事件的新的震源定位方法。
一方面,提出了一种微地震震源定位方法,包括:建立网格化速度模型,其中候选震源位置处于网格化速度模型的网格点上;利用所述网格化速度模型计算各个检波器上的旅行时时差,所述旅行时时差与候选震源位置和候选震源激发时间相关联;利用所述旅行时时差对相应的检波器上的地震信号进行动校正;对动校正后的各检波器上的地震信号进行叠加,得到叠加信号;以及找到使得所述叠加信号最大的候选震源位置和候选震源激发时间,作为震源位置和震源激发时间。
另一方面,提出了一种微地震震源定位装置,包括:用于建立网格化速度模型的部件,其中候选震源位置处于网格化速度模型的网格点上;用于利用所述网格化速度模型计算各个检波器上的旅行时时差的部件,所述旅行时时差与候选震源位置和候选震源激发时间相关联;用于利用所述旅行时时差对相应的检波器上的地震信号进行动校正的部件;用于对动校正后的各检波器上的地震信号进行叠加,得到叠加信号的部件;以及用于找到使得所述叠加信号最大的候选震源位置和候选震源激发时间,作为震源位置和震源激发时间的部件。
附图说明
通过结合附图对本公开示例性实施方式进行更详细的描述,本公开的上述以及其它目的、特征和优势将变得更加明显,其中,在本公开示例性实施方式中,相同的参考标号通常代表相同部件。
图1示出了根据本发明的一个实施例的一种微地震震源定位方法的流程图。
具体实施方式
下面将参照附图更详细地描述本公开的优选实施方式。虽然附图中显示了本公开的优选实施方式,然而应该理解,可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了使本公开更加透彻和完整,并且能够将本公开的范围完整地传达给本领域的技术人员。
实施例1
图1示出了根据本发明的一个实施例的一种微地震震源定位方法的流程图,包括:
步骤101,建立网格化速度模型,其中候选震源位置处于网格化速度模型的网格点上;
步骤102,利用所述网格化速度模型计算各个检波器上的旅行时时差,所述旅行时时差与候选震源位置和候选震源激发时间相关联;
步骤103,利用所述旅行时时差对相应的检波器上的地震信号进行动校正;
步骤104,对动校正后的各检波器上的地震信号进行叠加,得到叠加信号;以及
步骤105,找到使得所述叠加信号最大的候选震源位置和候选震源激发时间,作为震源位置和震源激发时间。
本实施例通过叠加法压制噪声,并通过寻找使得叠加信号最大的候选震源位置和候选震源激发时间作为震源位置和震源激发时间,避免了对微地震事件的拾取,从而能够在信噪比低的情况下确定震源位置和震源激发时间。
建立网格化速度模型
在一个示例中,可以利用本领域技术人员已知的任意方式来建立网格化速度模型,并使得候选震源位置处于网格化速度模型的网格点上,其中候选震源位置可以是估计的可能震源位置,候选震源激发时间可以是与该可能震源位置相对应的估计的可能震源激发时间。
计算各个检波器上的旅行时时差
可利用上述速度模型计算计算各个检波器上的旅行时时差,也就是说,针对各个检波器,可利用速度模型计算出其与可能震源位置和可能震源激发时间相关联的可能的旅行时时差。这里,由于旅行时与震源位置和检波器位置相关,而且与震源激发时间有关,因此该时差与震源参数(即震源位置和震源激发时间)(t0,x0,y0,z0)相关,其中(x0,y0,z0)是震源位置,t0是震源激发时间。旅行时时差的计算可基于本领域技术人员已知的方式来实现。
地震信号的动校正
在一个实施例中,可利用所计算的旅行时时差对相应的检波器上的地震信号进行动校正,换言之,即对每个检波器,都利用所计算的与其相对应的旅行时时差对该检波器上的地震信号进行动校正。该动校正可利用本领域技术人员已知的手段进行。
叠加
在一个示例中,对动校正后的各检波器上的地震信号进行叠加,得到叠加信号,以压制噪声并增强有效信号。由于旅行时时差与震源参数(t0,x0,y0,z0)相关,因此,叠加后的数据也与震源参数(t0,x0,y0,z0)相关,即可形成如下叠加数据:
其中,Aj表示第j个检波器上接收到的地震信号,即观测到的微地震数据,Tj表示微地震信号从震源传播至第j个检波器的旅行时,N表示检波器的总数。
可以用候选震源激发时间和候选震源位置作为(t0,x0,y0,z0)带入上述公式,得到基于候选震源激发时间和候选震源位置的叠加信号。
在另一个示例中,在叠加时还可以加入矩张量进行约束,例如形成如下的叠加信号:
其中Φj(x0,y0,z0)=sign(M(x0,y0,z0)·Gj(x0,y0,z0)),M(x0,y0,z0)为矩张量,G(x0,y0,z0)为格林函数。
震源并不一定是各向同性的,也即同一震源在不同方向产生的地震波的极性可能不同。本示例在震源定位过程中考虑了极化效应,在叠加过程中加入了矩张量进行约束以进行极化校正,解决了该问题,进一步提高了叠加效果,并改善了定位效果。
确定震源位置和震源激发时间
在一个示例中,寻找使得叠加数据D(t0,x0,y0,z0)最大的震源参数(t0,x0,y0,z0)(即找到使得所述叠加信号最大的候选震源位置和候选震源激发时间),作为确定的震源位置和震源激发时间。该示例是基于这也样的原理,即当寻找到的是真实的震源位置及震源激发时间时,叠加信号应该是最大的。可采用针对各个候选震源位置和候选震源激发时间进行扫描(或搜索)的方法,来寻找使叠加信号最大的震源位置和震源激发时间。
实施例2
本发明另一实施例提出了一种微地震震源定位装置,包括:用于建立网格化速度模型的部件,其中候选震源位置处于网格化速度模型的网格点上;用于利用所述网格化速度模型计算各个检波器上的旅行时时差的部件,所述旅行时时差与候选震源位置和候选震源激发时间相关联;用于利用所述旅行时时差对相应的检波器上的地震信号进行动校正的部件;用于对动校正后的各检波器上的地震信号进行叠加,得到叠加信号的部件;以及用于找到使得所述叠加信号最大的候选震源位置和候选震源激发时间,作为震源位置和震源激发时间的部件。
在一个示例中,可以在上述叠加的过程中加入矩张量进行约束。
在一个示例中,叠加信号可表示为:
其中,Aj表示第j个检波器上的地震信号,Tj表示地震信号从震源传播至第j个检波器的旅行时,N表示检波器的总数,(x0,y0,z0)是候选震源位置,t0是候选震源激发时间。
在一个示例中,所述叠加信号可表示为:
其中Φj(x0,y0,z0)=sign(M(x0,y0,z0)·Gj(x0,y0,z0)),M(x0,y0,z0)为矩张量,G(x0,y0,z0)为格林函数,Aj表示第j个检波器上的地震信号,Tj表示地震信号从震源传播至第j个检波器的旅行时,N表示检波器的总数,(x0,y0,z0)是候选震源位置,t0是候选震源激发时间。
在一个示例中,可以通过针对各个候选震源位置和候选震源激发时间进行扫描,来找到使得所述叠加信号最大的候选震源位置和候选震源激发时间,作为震源位置和震源激发时间。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (10)
1.一种微地震震源定位方法,包括:
建立网格化速度模型,其中候选震源位置处于网格化速度模型的网格点上;
利用所述网格化速度模型计算各个检波器上的旅行时时差,所述旅行时时差与候选震源位置和候选震源激发时间相关联;
利用所述旅行时时差对相应的检波器上的地震信号进行动校正;
对动校正后的各检波器上的地震信号进行叠加,得到叠加信号;以及
找到使得所述叠加信号最大的候选震源位置和候选震源激发时间,作为震源位置和震源激发时间。
2.根据权利要求1所述的微地震震源定位方法,其中,在上述叠加的过程中加入矩张量进行约束。
3.根据权利要求1所述的微地震震源定位方法,其中,所述叠加信号表示为:
其中,Aj表示第j个检波器上的地震信号,Tj表示地震信号从震源传播至第j个检波器的旅行时,N表示检波器的总数,(x0,y0,z0)是候选震源位置,t0是候选震源激发时间。
4.根据权利要求2所述的微地震震源定位方法,其中,所述叠加信号表示为:
其中Φj(x0,y0,z0)=sign(M(x0,y0,z0)·Gj(x0,y0,z0)),M(x0,y0,z0)为矩张量,G(x0,y0,z0)为格林函数,Aj表示第j个检波器上的地震信号,Tj表示地震信号从震源传播至第j个检波器的旅行时,N表示检波器的总数,(x0,y0,z0)是候选震源位置,t0是候选震源激发时间。
5.根据权利要求1所述的微地震震源定位方法,其中,通过针对各个候选震源位置和候选震源激发时间进行扫描,来找到使得所述叠加信号最大的候选震源位置和候选震源激发时间,作为震源位置和震源激发时间。
6.一种微地震震源定位装置,包括:
用于建立网格化速度模型的部件,其中候选震源位置处于网格化速度模型的网格点上;
用于利用所述网格化速度模型计算各个检波器上的旅行时时差的部件,所述旅行时时差与候选震源位置和候选震源激发时间相关联;
用于利用所述旅行时时差对相应的检波器上的地震信号进行动校正的部件;
用于对动校正后的各检波器上的地震信号进行叠加,得到叠加信号的部件;以及
用于找到使得所述叠加信号最大的候选震源位置和候选震源激发时间,作为震源位置和震源激发时间的部件。
7.根据权利要求6所述的微地震震源定位装置,其中,在上述叠加的过程中加入矩张量进行约束。
8.根据权利要求6所述的微地震震源定位装置,其中,所述叠加信号表示为:
其中,Aj表示第j个检波器上的地震信号,Tj表示地震信号从震源传播至第j个检波器的旅行时,N表示检波器的总数,(x0,y0,z0)是候选震源位置,t0是候选震源激发时间。
9.根据权利要求7所述的微地震震源定位装置,其中,所述叠加信号表示为:
其中Φj(x0,y0,z0)=sign(M(x0,y0,z0)·Gj(x0,y0,z0)),M(x0,y0,z0)为矩张量,G(x0,y0,z0)为格林函数,Aj表示第j个检波器上的地震信号,Tj表示地震信号从震源传播至第j个检波器的旅行时,N表示检波器的总数,(x0,y0,z0)是候选震源位置,t0是候选震源激发时间。
10.根据权利要求5所述的微地震震源定位装置,其中,通过针对各个候选震源位置和候选震源激发时间进行扫描,来找到使得所述叠加信号最大的候选震源位置和候选震源激发时间,作为震源位置和震源激发时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510290773.2A CN106199520B (zh) | 2015-05-30 | 微地震震源定位方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510290773.2A CN106199520B (zh) | 2015-05-30 | 微地震震源定位方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106199520A true CN106199520A (zh) | 2016-12-07 |
CN106199520B CN106199520B (zh) | 2018-08-31 |
Family
ID=
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106680869A (zh) * | 2017-02-28 | 2017-05-17 | 中国石油大学(北京) | 微地震事件的检测和定位方法与装置 |
CN107045141A (zh) * | 2017-02-24 | 2017-08-15 | 北京科技大学 | 基于反时到时差数据库的微地震/地震震源快速定位方法 |
CN108873063A (zh) * | 2017-05-16 | 2018-11-23 | 大庆市弘洋石油科技开发有限公司 | 一种微地震矩张量反演的方法及装置 |
CN109188361A (zh) * | 2018-09-12 | 2019-01-11 | 中国矿业大学 | 一种能精确定位co2炮位置的工作面地震探测方法 |
CN109188515A (zh) * | 2018-10-31 | 2019-01-11 | 中国石油化工股份有限公司 | 微地震监测裂缝震源点位置计算方法及系统 |
CN109188516A (zh) * | 2018-10-31 | 2019-01-11 | 中国石油化工股份有限公司 | Radon域能量扫描叠加的微地震事件定位方法 |
CN109828302A (zh) * | 2019-01-17 | 2019-05-31 | 西人马(西安)测控科技有限公司 | 一种基于多振动传感器的震源定位方法及装置 |
CN110133715A (zh) * | 2019-05-29 | 2019-08-16 | 长江大学 | 一种基于初至时差和波形叠加的微地震震源定位方法 |
CN110967739A (zh) * | 2018-09-30 | 2020-04-07 | 中国石油化工股份有限公司 | 基于误差正态分布的微地震识别质量分析方法及系统 |
CN111221036A (zh) * | 2020-01-21 | 2020-06-02 | 中南大学 | 一种含未知空洞的目标区域震源定位方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102495425A (zh) * | 2011-11-14 | 2012-06-13 | 北京科技大学 | 一种基于能量的微地震震源自动定位方法 |
US20120236685A1 (en) * | 2011-03-18 | 2012-09-20 | Chevron U.S.A. Inc. | System and method for seismic imaging with reduced computational cost |
CN102841373A (zh) * | 2012-08-23 | 2012-12-26 | 中国石油集团川庆钻探工程有限公司地球物理勘探公司 | 基于方位角约束的微地震事件定位方法 |
CN102928873A (zh) * | 2012-10-30 | 2013-02-13 | 中国石油集团川庆钻探工程有限公司地球物理勘探公司 | 基于四维能量聚焦的地面微地震定位方法 |
CN103576188A (zh) * | 2012-07-26 | 2014-02-12 | 中国石油化工股份有限公司 | 一种消除速度误差影响的震源定位方法 |
CN104076392A (zh) * | 2014-05-28 | 2014-10-01 | 中国矿业大学(北京) | 基于网格搜索和牛顿迭代的微震震源定位联合反演方法 |
CN104133246A (zh) * | 2014-07-31 | 2014-11-05 | 中国石油天然气集团公司 | 一种微地震事件扫描定位方法及装置 |
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120236685A1 (en) * | 2011-03-18 | 2012-09-20 | Chevron U.S.A. Inc. | System and method for seismic imaging with reduced computational cost |
CN102495425A (zh) * | 2011-11-14 | 2012-06-13 | 北京科技大学 | 一种基于能量的微地震震源自动定位方法 |
CN103576188A (zh) * | 2012-07-26 | 2014-02-12 | 中国石油化工股份有限公司 | 一种消除速度误差影响的震源定位方法 |
CN102841373A (zh) * | 2012-08-23 | 2012-12-26 | 中国石油集团川庆钻探工程有限公司地球物理勘探公司 | 基于方位角约束的微地震事件定位方法 |
CN102928873A (zh) * | 2012-10-30 | 2013-02-13 | 中国石油集团川庆钻探工程有限公司地球物理勘探公司 | 基于四维能量聚焦的地面微地震定位方法 |
CN104076392A (zh) * | 2014-05-28 | 2014-10-01 | 中国矿业大学(北京) | 基于网格搜索和牛顿迭代的微震震源定位联合反演方法 |
CN104133246A (zh) * | 2014-07-31 | 2014-11-05 | 中国石油天然气集团公司 | 一种微地震事件扫描定位方法及装置 |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107045141A (zh) * | 2017-02-24 | 2017-08-15 | 北京科技大学 | 基于反时到时差数据库的微地震/地震震源快速定位方法 |
CN107045141B (zh) * | 2017-02-24 | 2019-05-10 | 北京科技大学 | 基于反时到时差数据库的微地震/地震震源快速定位方法 |
CN106680869B (zh) * | 2017-02-28 | 2017-12-19 | 中国石油大学(北京) | 微地震事件的检测和定位方法与装置 |
CN106680869A (zh) * | 2017-02-28 | 2017-05-17 | 中国石油大学(北京) | 微地震事件的检测和定位方法与装置 |
CN108873063A (zh) * | 2017-05-16 | 2018-11-23 | 大庆市弘洋石油科技开发有限公司 | 一种微地震矩张量反演的方法及装置 |
CN109188361A (zh) * | 2018-09-12 | 2019-01-11 | 中国矿业大学 | 一种能精确定位co2炮位置的工作面地震探测方法 |
CN109188361B (zh) * | 2018-09-12 | 2021-07-16 | 中国矿业大学 | 一种能精确定位co2炮位置的工作面地震探测方法 |
CN110967739A (zh) * | 2018-09-30 | 2020-04-07 | 中国石油化工股份有限公司 | 基于误差正态分布的微地震识别质量分析方法及系统 |
CN110967739B (zh) * | 2018-09-30 | 2021-11-05 | 中国石油化工股份有限公司 | 基于误差正态分布的微地震识别质量分析方法及系统 |
CN109188515B (zh) * | 2018-10-31 | 2021-02-26 | 中国石油化工股份有限公司 | 微地震监测裂缝震源点位置计算方法及系统 |
CN109188516A (zh) * | 2018-10-31 | 2019-01-11 | 中国石油化工股份有限公司 | Radon域能量扫描叠加的微地震事件定位方法 |
CN109188516B (zh) * | 2018-10-31 | 2021-07-20 | 中国石油化工股份有限公司 | Radon域能量扫描叠加的微地震事件定位方法 |
CN109188515A (zh) * | 2018-10-31 | 2019-01-11 | 中国石油化工股份有限公司 | 微地震监测裂缝震源点位置计算方法及系统 |
CN109828302A (zh) * | 2019-01-17 | 2019-05-31 | 西人马(西安)测控科技有限公司 | 一种基于多振动传感器的震源定位方法及装置 |
CN110133715A (zh) * | 2019-05-29 | 2019-08-16 | 长江大学 | 一种基于初至时差和波形叠加的微地震震源定位方法 |
CN111221036A (zh) * | 2020-01-21 | 2020-06-02 | 中南大学 | 一种含未知空洞的目标区域震源定位方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110945385B (zh) | 利用地层知识库从地震和井数据识别地层 | |
Huang et al. | Micro-seismic event detection and location in underground mines by using Convolutional Neural Networks (CNN) and deep learning | |
US10705056B2 (en) | Method for analyzing cement integrity in cased wells using sonic logging | |
US11768307B2 (en) | Machine-learning based fracture-hit detection using low-frequency DAS signal | |
CN104769215B (zh) | 用于特征化地下储层裂缝网络中的不确定性的系统和方法 | |
US10977489B2 (en) | Identification of natural fractures in wellbore images using machine learning | |
US11428835B2 (en) | Facilitating hydrocarbon exploration and extraction by applying a machine-learning model to seismic data | |
JP2020521140A (ja) | 周波数領域における地震速度反転のための振幅に依存しない勾配の計算 | |
AU2018335567B2 (en) | System and method for deriving reservoir stresses from 4D seismic data | |
US11061156B2 (en) | Microseismic velocity models derived from historical model classification | |
US20150355354A1 (en) | Method of analyzing seismic data | |
US11754736B2 (en) | System and method for classifying seismic data by integrating petrophysical data | |
CN110515122A (zh) | 正演网格搜索定位及微地震信号识别方法及装置 | |
CN106707336B (zh) | 用于油田开发区的区分断层上下盘的方法 | |
US11719842B2 (en) | Machine learning platform for processing data maps | |
Parimontonsakul et al. | A Machine Learning Based Approach to Automate Stratigraphic Correlation through Marker Determination | |
CN106199520A (zh) | 微地震震源定位方法和装置 | |
CN106199520B (zh) | 微地震震源定位方法和装置 | |
US11960045B2 (en) | Method of characterising a subsurface region using multiple point statistics | |
Wellmann et al. | Automated geological model updates during TBM operation–An approach based on probabilistic machine learning concepts | |
US20240027640A1 (en) | Machine learning guided subsurface formation microseismic imaging | |
JP2019178913A (ja) | 弾性波の初動画像抽出のための学習方法 | |
US20240070459A1 (en) | Training machine learning models with sparse input | |
US20240230939A1 (en) | Geobodies extraction technique through seismic attributes | |
US20230273338A1 (en) | Well correlation using global and local machine learning models |
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 |