CN106772591B - 一种适用于提高微地震定位可靠性的联合定位方法 - Google Patents

Abstract

本发明涉及一种适用于提高微地震定位可靠性的联合定位方法，该方法针对网格逐次剖分微地震算法的不足，结合极快速模拟退火算法，形成了基于极快速模拟退火与网格逐次剖分联合的微地震定位算法。该方法采用极快速模拟退火算法在三维目标区域内搜寻能量聚焦较高的圆形区域，然后再利用网格逐次剖分方法在区域内寻找能量聚焦最大值点，有效的解决了网格逐次剖方法在定位高频地震波时由于首次网格剖分尺寸过大而造成的定位失常的问题，在保证计算效率的同时提高了定位可靠性。

Description

一种适用于提高微地震定位可靠性的联合定位方法

技术领域

本发明属于油田压裂微地震定位技术领域，涉及一种适用于提高微地震定位可靠性的联合定位方法。

背景技术

微地震监测是描述水力压裂裂缝发育的一种快速有效的方法，油藏储层改造人员需要对水力压裂效果进行评价，并实时调整压裂施工参数及施工方案，这就需要对微地震数据进行快速处理和微地震事件的精确定位。最初的定位方法主要来源于Geiger提出的单地震事件定位方法，此类方法通过假定震源位置与发震时刻，并由此计算震源到各个检波点的计算到时，用所有检波点的计算到时与观测到时之差作为目标函数，求解目标函数的极小值即可获得震源的时空位置。但是由于水力压裂产生的地震信号十分微弱，观测到的数据普遍具有低信噪比的特征，很难对微地震信号的初至进行准确拾取，且此类方法存在无法引用复杂速度模型的缺陷，因此大大降低了此类方法定位的可靠性。吉林大学2012年博士论文公开了”基于油田压裂微地震监测的震相识别与震源定位方法研究”，提出了一种网格搜索类的定位方法，其将目标区域按精度要求划分为一个个的网格，通过遍历这些网格并对其进行震幅叠加判断该网格是否是一个真正微地震事件发生的位置，但常规网格搜索类定位方法存在计算效率与定位精度无法兼顾的问题。在此基础上，中国专利公报公开了一种利用三维网格逐次剖分的定位方法(公开号CN105954795A)，对常规网格搜索类定位方法进行了改进，同时兼顾了微震事件定位精度与计算效率。但是对于浅层压裂地面监测和井下监测来说，接收到的微地震信号频率相对较高，一般在100Hz～200Hz范围内甚至更高，高频率的地震波信号会使微地震定位的能量聚焦包络较小，在使用网格逐次剖分方法时首次剖分尺寸过大会使网格中心点无法落入包络区，导致定位可靠性下降，但若首次剖分尺寸过小虽然定位可靠性较高，但计算效率较慢，无法满足施工现场实时监测的要求。因此，如何在保证计算效率的同时，提高微地震事件的定位可靠性，是目前亟需解决的问题。

发明内容：

本发明要解决的技术问题是提供一种适用于提高微地震定位可靠性的联合定位方法，该方法可以有效地平衡微地震定位可靠性与计算效率，通过调整模拟退火参数还可以灵活调节较高的可靠性或较高的计算效率，从而避免网格逐次剖分算法在处理高频微地震信号时出现定位失常的问题。

为了解决上述技术问题，本发明的适用于提高微地震定位可靠性的联合定位方法包括以下步骤：

步骤一、在地面布置n个检波器，30≤n≤80，以射孔点为中心建立三维目标区域；

步骤二、建立速度模型并读取n个检波器的微地震记录波形；

步骤三、根据微地震记录波形获取目标区域各体元的位置坐标、各个体元中心到每个检波器在各时刻的震幅大小，采用极快速模拟退火算法搜索目标区域并获得能量聚焦值最大的点；

步骤四、以该能量聚焦最大值点为中心，建立一个新的目标区域；

步骤五、将新的目标区域剖分为一个个的网格并对这些网格进行遍历，并进一步采用极快速模拟退火算法搜索目标区域并获得新的目标区域能量聚焦值最大的点；

步骤六、将当前目标区域寻找得到的能量聚焦值最大点替换先前获得的能量聚焦值最大点；

步骤七、判断是否达到精度要求，若没有达到精度要求，则重复步骤四～六，直至达到精度要求；

所述步骤三中，采用极快速模拟退火算法搜索目标区域并获得能量聚焦值最大的点的步骤如下：

步骤(1)：根据公式(1)对各道检波器采集到的微地震记录波形进行逆时偏移叠加，得到目标区域各体元中心的震幅叠加能量值；

其中E(x_i,y_i,z_i)为目标区域第i个体元中心的震幅叠加能量值，第i个体元中心的位置坐标为p_i＝(x_i,y_i,z_i)，i＝1,2,.......；S(x_i,y_i,z_i,w,j)为目标区域第i个体元中心到第w个检波器在j时刻的震幅大小；M为检波器数量；T为时窗长度；

步骤(2)：当E(x_i,y_i,z_i)≥E(x_i-1,y_i-1,z_i-1)时，将E(x_i,y_i,z_i)代替为当前最优解，即将第i个体元中心作为当前能量聚焦值最大点，当E(x_i,y_i,z_i)≤E(x_i-1,y_i-1,z_i-1)时，以概率P接受E(x_i,y_i,z_i)为当前最优解；

其中T_k为第k次迭代时的温度值；

T_k＝T₀exp(-ck^1/2N) (3)

公式(3)中，T₀为初始退火温度，T₀在1.0～1.5之间；c为调整算法退火温度的常数，c在0到2之间；N为能量聚焦点的个数，N等于目标区域体元的个数；

步骤(3)：判断是否满足极快速模拟退火迭代终止条件，若满足任一终止条件则迭代终止，将当前能量聚焦值最大点作为目标区域的能量聚焦值最大点，然后转步骤四；否则转步骤(4)；极快速模拟退火迭代终止条件如下：1、当前的极快速模拟退火温度T_k降低到最低设定温度；2、震幅叠加能量值达到设定标准阈值之上；3、经过L次迭代计算后旧值仍没有被代替；

步骤(4)根据公式(4)随机调整位置，选取下一个体元i+1，第i+1个体元中心的位置为p_i+1＝(x_i+1,y_i+1,z_i+1)，然后返回步骤(1)；

其中 和是第i个体元在x方向上的最大边界值与最小边界值，y、z方向同上，μ为随机变量：

其中sgn为符号函数，α取值范围在[-1,1]之间；

步骤八：结束。

有益效果：本发明针对网格逐次剖分微地震算法的不足，结合极快速模拟退火算法，形成了基于极快速模拟退火与网格逐次剖分联合的微地震定位算法，有效的解决了网格逐次剖方法在定位高频地震波时由于首次网格剖分尺寸过大而造成的定位失常的问题，在保证计算效率的同时提高了定位可靠性。

附图说明：

图1是本发明的适用于提高微地震定位可靠性的联合定位方法流程图。

图2是地层模型参数及正演模拟示意图；

图3是96道150Hz地震波合成数据结果；

图4(a)是网格逐次剖分方法定位结果图；

图4(b)是本发明方法定位结果图。

具体实施方式：

下面结合附图和实施例对本发明作进一步的详细说明：

本发明在网格逐次剖分方法的基础上采用极快速模拟退火算法与网格逐次剖分方法相结合的微地震定位方案。基本思路是采用极快速模拟退火算法在空间中找到能量聚焦包络区后，再对能量聚焦包络区使用网格逐次剖分算法逐步获得能量最大值点，进一步提高定位精度。如图1所示，该方法具体如下：

步骤一：在地面布置n个检波器，30≤n≤80，以射孔点为中心建立三维目标区域；

步骤二：建立速度模型并读取n个检波器的微地震记录波形；

步骤三、根据微地震记录波形获取目标区域各体元的位置坐标、各个体元中心到每个检波器在各时刻的震幅大小，采用极快速模拟退火算法搜索目标区域并获得能量聚焦值最大的点；

步骤四、以该能量聚焦最大值点为中心，建立一个新的目标区域；

步骤五、将新的目标区域剖分为一个个的网格并对这些网格进行遍历，并进一步采用极快速模拟退火算法搜索目标区域并获得新的目标区域能量聚焦值最大的点；

步骤六、将当前目标区域寻找得到的能量聚焦值最大点替换先前能量聚焦值最大点；

步骤七、判断是否达到精度要求，若当前能量聚焦值最大点与微地震事件发生位置之间的距离大于设定的精度要求，则重复步骤四～六，直至达到设定的精度要求；

步骤八：结束

所述步骤三中，采用极快速模拟退火算法搜索目标区域并获得能量聚焦值最大的点的步骤如下：

步骤(1)：根据公式(1)对各道检波器采集到的微地震记录波形进行逆时偏移叠加，得到目标区域各体元中心的震幅叠加能量值；

其中E(x_i,y_i,z_i)为目标区域第i个体元中心的震幅叠加能量值，第i个体元中心的位置坐标为p_i＝(x_i,y_i,z_i)，i＝1,2,.......；S(x_i,y_i,z_i,w,j)为目标区域第i个体元中心到第w个检波器在j时刻的震幅大小；M为检波器数量；T为时窗长度；

步骤(2)：当E(x_i,y_i,z_i)≥E(x_i-1,y_i-1,z_i-1)时，将E(x_i,y_i,z_i)代替为当前最优解，即将第i个体元中心作为当前能量聚焦值最大点，当E(x_i,y_i,z_i)≤E(x_i-1,y_i-1,z_i-1)时，以概率P接受E(x_i,y_i,z_i)为当前最优解；

其中T_k为第k次迭代时的温度值；

T_k＝T₀exp(-ck^1/2N) (3)

公式(3)中，T₀为初始退火温度，T₀在1.0～1.5之间；c为调整算法退火温度的常数，c在0到2之间；N为能量聚焦点的个数，N等于目标区域体元的个数；

步骤(3)：判断是否满足极快速模拟退火迭代终止条件，若满足任一终止条件则迭代终止，将当前能量聚焦值最大点作为目标区域的能量聚焦值最大点，然后转步骤四；否则转步骤(4)；极快速模拟退火迭代终止条件如下：1、当前的极快速模拟退火温度T_k降低到最低设定温度，最低设定温度趋于0度(当该温度趋于0时，无论再迭代多少次都不会等于0)；2、震幅叠加能量值达到设定标准阈值之上，其中标准阈值根据振幅大小来设定；3、经过L次迭代计算后旧值仍没有被代替；

步骤(4)根据公式(4)随机调整位置，选取下一个体元i+1，第i+1个体元中心的位置为p_i+1＝(x_i+1,y_i+1,z_i+1)，然后返回步骤(1)；

其中 和是第i个体元在x方向上的最大边界值与最小边界值，y、z方向同上，μ为随机变量：

其中sgn为符号函数，α取值范围在[-1,1]之间；

步骤八：结束。

实施例1：采用现有技术的三维网格逐次剖分的方法对微地震事件进行定位

首先采用网格逐次剖分算法对模拟微地震事件进行定位处理，建立一个7层的地层模型，地震波采用120Hz的地震子波进行模拟，地面布置六条测线，呈星型状排列，每条测线布置16个检波器(96道)，设置微地震事件发生的位置为(-225，-147，-1062)。

A、在射孔附近定义一个三维目标区域，设定目标区域的位置为X∈[-300,300]，Y∈[-300,300]，Z∈[-1200,-800]，即该区域有可能发生微震事件。并在选定目标区域选取一道作为参考道M，要求该道具有相对较清晰的初至同相轴，及较高信噪比。

B、选定首次网格剖分的尺寸为40m，将选定的目标区域按照网格尺寸剖分为若干个三维网格，设置最小尺寸差为L_min。

C、建立一个相对准确的速度模型，如图2所示。

D、读取各检波器的数据，每个检波器数据为一道数据。96道的合成数据如图3所示。

E、在该速度模型下遍历每一个网格进行正演计算，计算出各道相对参考道的走时差并进行偏移。

F、将这些偏移过的数据进行整体叠加，计算出各个网络的能量聚焦值E，得到最大能量聚焦值的位置为(-296，-32，-940)。

本实例中采用了网格逐次剖分算法对高频率微地震事件进行了定位处理，尽管其计算时间较短，只花费了60s左右，但由于网格逐次剖分算法本身的局限性，导致定位结果与实际结果相差较大，与真实震源位置误差达到了182m，造成了定位失常。

实施例2：

采用本发明对模拟震源(即微地震事件发生的位置)进行定位，为了方便比较，其模拟模型和实施例1相同，建立一个7层的地层模型，地震波采用120Hz的地震子波进行模拟，地面布置六条测线，呈星型状排列，每条测线布置16个检波器(96道)，设置微地震事件发生的位置为(-225，-147，-1062)。

A、在射孔附近定义一个三维目标区域，设定目标区域的位置为X∈[-300,300]，Y∈[-300,300]，Z∈[-1200,-800]，即该区域有可能发生微震事件。并选定目标区域选取一道作为参考道M，要求该道具有相对较清晰的初至同相轴，及较高信噪比。

B、建立速度模型并读取地震记录；

C、在该速度模型下首先采用极快速模拟退火算法搜索目标区域并获得能量聚焦值最大的点，该点坐标为(-191，-214，-926)；

D、以该能量聚焦最大值点为中心，建立一个新的目标区域X∈[-300,-100]，Y∈[-300,-100]，Z∈[-1000,-800]；

E、将新的目标区域剖分为一个个的网格并对这些网格进行遍历，网格尺寸为20m，并进一步寻找能量聚焦值；

F、将当前寻找得到的能量聚焦值替换先前能量聚焦值；

G、逐渐缩小网格尺寸，最后得到最大能量聚焦值的位置为(-224，-148，-1061)。

本实施例中采用了本发明的极快速模拟退火与网格逐次剖分联合定位算法对高频率微地震事件进行了定位处理，尽管其计算时间较网格逐次剖分算法较长(116s)，但其定位可靠性大大提高，定位精度达到了1m左右。

Claims (1)

1.一种适用于提高微地震定位可靠性的联合定位方法，其特征在于包括以下步骤：

步骤一、在地面布置n个检波器，30≤n≤80，以射孔点为中心建立三维目标区域；

步骤二、建立速度模型并读取n个检波器的微地震记录波形；

步骤三、根据微地震记录波形获取目标区域各体元的位置坐标、各个体元中心到每个检波器在各时刻的震幅大小，采用极快速模拟退火算法搜索目标区域并获得能量聚焦值最大的点；

步骤四、以该能量聚焦最大值点为中心，建立一个新的目标区域；

步骤五、将新的目标区域剖分为一个个的网格并对这些网格进行遍历，并进一步采用极快速模拟退火算法搜索目标区域并获得新的目标区域能量聚焦值最大的点；

步骤六、将当前目标区域寻找得到的能量聚焦值最大点替换先前获得的能量聚焦值最大点；

步骤七、判断是否达到精度要求，若没有达到精度要求，则重复步骤四～六，直至达到精度要求；

所述步骤三中，采用极快速模拟退火算法搜索目标区域并获得能量聚焦值最大的点的步骤如下：

步骤(1)：根据公式(1)对各道检波器采集到的微地震记录波形进行逆时偏移叠加，得到目标区域各体元中心的震幅叠加能量值；

其中E(x_i,y_i,z_i)为目标区域第i个体元中心的震幅叠加能量值，第i个体元中心的位置坐标为p_i＝(x_i,y_i,z_i)，i＝1,2,.......；S(x_i,y_i,z_i,w,j)为目标区域第i个体元中心到第w个检波器在j时刻的震幅大小；M为检波器数量；T为时窗长度；

步骤(2)：当E(x_i,y_i,z_i)≥E(x_i-1,y_i-1,z_i-1)时，将E(x_i,y_i,z_i)代替为当前最优解，即将第i个体元中心作为当前能量聚焦值最大点，当E(x_i,y_i,z_i)≤E(x_i-1,y_i-1,z_i-1)时，以概率P接受E(x_i,y_i,z_i)为当前最优解；

其中T_k为第k次迭代时的温度值；

T_k＝T₀exp(-ck^1/2N) (3)

公式(3)中，T₀为初始退火温度，T₀在1.0～1.5之间；c为调整算法退火温度的常数，c在0到2之间；N为能量聚焦点的个数，N等于目标区域体元的个数；

步骤(3)：判断是否满足极快速模拟退火迭代终止条件，若满足任一终止条件则迭代终止，将当前能量聚焦值最大点作为目标区域的能量聚焦值最大点，然后转步骤四；否则转步骤(4)；极快速模拟退火迭代终止条件如下：1、当前的极快速模拟退火温度T_k降低到最低设定温度；2、震幅叠加能量值达到设定标准阈值之上；3、经过L次迭代计算后旧值仍没有被代替；

步骤(4)根据公式(4)随机调整位置，选取下一个体元i+1，第i+1个体元中心的位置为p_i+1＝(x_i+1,y_i+1,z_i+1)，然后返回步骤(1)；

其中 和是第i个体元在x方向上的最大边界值与最小边界值，y、z方向同上，μ为随机变量：

其中sgn为符号函数，α取值范围在[-1,1]之间；

步骤八：结束。