CN107991707A - 一种基于shear let域内峰度特性的井中微地震初至波拾取方法 - Google Patents
一种基于shear let域内峰度特性的井中微地震初至波拾取方法 Download PDFInfo
- Publication number
- CN107991707A CN107991707A CN201711268469.3A CN201711268469A CN107991707A CN 107991707 A CN107991707 A CN 107991707A CN 201711268469 A CN201711268469 A CN 201711268469A CN 107991707 A CN107991707 A CN 107991707A
- Authority
- CN
- China
- Prior art keywords
- scale
- kurtosis
- shear
- microseism
- picking
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/40—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
- G01V2210/60—Analysis
- G01V2210/61—Analysis by combining or comparing a seismic data set with other data
- G01V2210/616—Data from specific type of measurement
- G01V2210/6169—Data from specific type of measurement using well-logging
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- Remote Sensing (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种基于shear let域内峰度特性的井中微地震初至波拾取方法,包括步骤1:获取一组二维地震信号,进行离散shear let变换,将所述二维地震信号分解到m个尺度,每个尺度包含n个方向;步骤2:计算相邻高频尺度各个方向的相关能量,每个所述高频尺度内获取n/2个相关能量较高的方向并将其对应的方向系数叠加作为每个高频尺度的对应尺度系数;步骤3:计算每个高频尺度的对应尺度系数的峰度K,求取所述峰度的微分值最大点,位置靠前的点为微地震初至波的初至点;能够根据微地震信号固有的二维时空方向性,对相邻尺度上各方向系数相关能量进行计算,确定有效信号集中的方向,更加准确拾取微地震初至波。
Description
技术领域
本发明涉及地震数据处理技术领域,更具体的是,本发明涉及一种基于shear let域内峰度特性的井中微地震初至波拾取方法。
背景技术
近年来,随着易开采资源的不断减少,非常规油气藏勘探开发成为了全球油气资源领域的新热点。而微地震监测技术的不断发展和应用,加快了非常规油气藏的开采工作。在微地震数据处理中,准确、快速地识别与拾取微地震初至波是微地震震源定位、裂缝预测、震源破裂机制分析等的前提。
根据监测布设方式的不同,微地震监测方法可以分为地面监测和井中监测。其中,井中监测采集到的信号由x,y,z三分量组成,并具有信噪低,频率高的特点。因此,传统的地震数据初至波拾取方法已经显示出了对井中微地震信号的不适应性。针对井中微地震信号,“The use ofwavelet-based denoising techniques to enhance the first-arrivalpicking on seismic traces”中Said Gaci提出离散小波变换与能量比法相结合,将初至点被设为能量比的峰值最大点。“Improved modified energy ratio method using amulti-window approach for accurate arrival picking”中Minho Lee采取一个多重窗口机制来改进能量比法,在噪声幅度较大时依然能保证初至波的拾取。“Identifying P-phase arrivals with noise:An improved Kurtosis method based on DWT and STA/LTA”中Li.Xi bing将离散小波变换、能量比和峰度特性结合在一起,准确有效的拾取到了初至波。然而,上述这些方法都是仅在一维情况下进行初至波拾取,将信号看成是孤立的单道信号,而并没有利用到微地震信号固有的二维时空方向性。
发明内容
本发明设计开发了一种基于shear let域内峰度特性的井中微地震初至波拾取方法,能够根据微地震信号固有的二维时空方向性,对相邻尺度上各方向系数相关能量进行计算,确定有效信号集中的方向,更加准确拾取微地震初至波。
本发明提供的技术方案为:
一种基于shear let域内峰度特性的井中微地震初至波拾取方法,包括如下步骤:
步骤1:获取一组二维地震信号,进行离散shear let变换,将所述二维地震信号分解到m个尺度,每个尺度包含n个方向;
步骤2:计算相邻高频尺度各个方向的相关能量:
Ecj,j+1(l)=E(j,l)E(j+1,l)
其中,Ecj,j+1(l)为相邻高频尺度l方向的相关能量,E(j,l)为j尺度l方向的系数能量,μ(j,l,k)为j尺度l方向k位置上的系数;
每个所述高频尺度内获取n/2个相关能量较高的方向并将其对应的方向系数叠加作为每个高频尺度的对应尺度系数;
步骤3:计算每个高频尺度的对应尺度系数的峰度K:
其中,mi为信号的i阶中心距;
求取所述峰度的微分值最大点,位置靠前的点为微地震初至波的初至点。
优选的是,所述步骤1中:对二维地震信号进行离散shear let变换:
SHψ(f)=<f,ψa,s,t>
Ma,s=SsAa
其中,f为二维地震信号,SHψ(f)为f的shearlet变换,ψa,s,t为shearlet母函数,a∈R+为尺度参数,s∈R为方向参数,t∈R2为位置参数,Ma,s为合成矩阵,Ss为剪切矩阵,Aa为各向异性扩散矩阵;
采样得到:
其中,a=2-j,s=-l,S0为采样选取的剪切矩阵,A0为采样选取的各向异性扩散矩阵,j∈Z为尺度参数,l∈Z为方向参数,k∈Z2为位置参数。
优选的是,所述剪切矩阵Ss和各向异性扩散矩阵Aa分别为:
优选的是,所述步骤1中将二维地震信号分解到4个尺度,每个尺度包含4个方向。
优选的是,所述步骤2中,获取相关能量较高的方向之前还包括将所述相关能量归一化。
优选的是,所述相关能量较高的方向为有效信号集中的方向。
优选的是,所述步骤3中,微地震信号中的随机噪声满足高斯分布,而有效信号满足非高斯分布。
优选的是,当信号趋于高斯分布时,其峰度值为0。
优选的是,当有效信号到达时,峰度值增大。
本发明所述的有益效果为:
本发明所述的一种基于shear let域内峰度特性的井中微地震初至波拾取方法,能够根据微地震信号固有的二维时空方向性,对相邻尺度上各方向系数相关能量进行计算,确定有效信号集中的方向,更加准确拾取微地震初至波。
附图说明
图1为本发明实施例所述的合成微地震信号图。
图2为本发明实施例所述第四尺度第一个方向的系数图。
图3为本发明实施例所述第四尺度第二个方向的系数图。
图4为本发明实施例所述第四尺度第三个方向的系数图。
图5为本发明实施例所述第四尺度第四个方向的系数图。
图6为本发明实施例所述第四尺度各个方向的相关能量图。
图7为本发明实施例所述仿真微地震信号某一道时域波形图
图8为本发明实施例所述仿真微地震信号某一道时域对应的叠加后的第四尺度系数图。
图9为图7中所示时域信号的峰度微分曲线图。
图10为图8中所示处理后系数的峰度微分曲线图。
具体实施方式
下面结合附图对本发明做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施。
本发明提供一种基于shear let域内峰度特性的井中微地震初至波拾取方法,包括如下步骤:
步骤1:获取一组二维地震信号,进行离散shear let变换:
SHψ(f)=<f,ψa,s,t>
Ma,s=SsAa
其中,f为二维地震信号,SHψ(f)为f的shearlet变换,ψa,s,t为shearlet母函数,a∈R+为尺度参数,s∈R为方向参数,t∈R2为位置参数,Ma,s为合成矩阵,Ss为剪切矩阵,Aa为各向异性扩散矩阵;
采样得到:
其中,a=2-j,s=-l,S0为采样选取的剪切矩阵,A0为采样选取的各向异性扩散矩阵,j∈Z为尺度参数,l∈Z为方向参数,k∈Z2为位置参数;
将所述二维地震信号分解到m个尺度,每个尺度包含n个方向;
步骤2:计算相邻高频尺度各个方向的相关能量:
Ecj,j+1(l)=E(j,l)E(j+1,l)
其中,Ecj,j+1(l)为相邻高频尺度l方向的相关能量,E(j,l)为j尺度l方向的系数能量,μ(j,l,k)为j尺度l方向k位置上的系数;
将所述各个方向的相关能量归一化,在每个所述高频尺度内获取n/2个相关能量较高的方向并将其对应的方向系数叠加作为每个高频尺度的对应尺度系数,所述相关能量较高的方向为有效信号集中的方向;
步骤3:计算每个高频尺度的对应尺度系数的峰度K:
其中,mi为信号的i阶中心距;
求取所述峰度的微分值最大点,位置靠前的点为微地震初至波的初至点。
微地震信号中的随机噪声满足高斯分布,而有效信号满足非高斯分布;当信号趋于高斯分布时,其峰度值为0;当有效信号到达时,峰度值增大。
实施例
选取一段带有-5dB高斯白噪声的合成微地震数据进行仿真实验,信号如图1所示:
步骤1:将上述信号进行离散shear let变换,将上述二维地震信号分解到4个尺度,每个尺度包含4个方向;
步骤2:由于井中微地震信号频率较高的特点,在对微地震数据进行Shearlet变换后,有效信号主要集中在高频尺度内,本实施例中,第三尺度和第四尺度为高频尺度,如图2-5所示为第四尺度各个方向的系数;
计算第四尺度各个方向的相关能量并归一化,如图6所示,可以看出前两个方向的相关能量要明显高于其它两个方向,说明这两个方向是信号集中的方向,将上述两个方向系数叠加,作为第四尺度的对应尺度系数,用于后续初至波的拾取;
如图7、8所示,展示了上述仿真微地震信号某一道时域波形与其对应的叠加后的第四尺度系数,可以看到,通过上述处理使得有效信号与噪声差异得到了明显提升,可以更精确的拾取到初至波;
步骤3:计算第四尺度的对应尺度系数的峰度K,求取所述峰度的微分值最大点;
图9、10为图7、8中所示时域信号与处理后系数的峰度微分曲线,A点标记出了信号真实初至点位置,而B点标记了信号峰度微分值最大点。从图中可以看到,经处理后的系数,其峰度微分值最大点更接近于真实初至点,拾取效果更为理想;
同理,采用上述步骤计算第三尺度的峰度的微分值最大点,由于在第三尺度和第四尺度上检测到两了个信号点(即峰度的微分值最大点),取位置靠前的一个点作为此信号最终的初至点。
本发明所述的一种基于shear let域内峰度特性的井中微地震初至波拾取方法,能够根据微地震信号固有的二维时空方向性,对相邻尺度上各方向系数相关能量进行计算,确定有效信号集中的方向,更加准确拾取微地震初至波。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,可容易地实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里示出与描述的图例。
Claims (9)
1.一种基于shear let域内峰度特性的井中微地震初至波拾取方法,其特征在于,包括如下步骤:
步骤1:获取一组二维地震信号,进行离散shear let变换,将所述二维地震信号分解到m个尺度,每个尺度包含n个方向;
步骤2:计算相邻高频尺度各个方向的相关能量:
Ecj,j+1(l)=E(j,l)E(j+1,l)
<mrow>
<mi>E</mi>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>,</mo>
<mi>l</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munder>
<mo>&Sigma;</mo>
<mi>k</mi>
</munder>
<mi>&mu;</mi>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>,</mo>
<mi>l</mi>
<mo>,</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
其中,Ecj,j+1(l)为相邻高频尺度l方向的相关能量,E(j,l)为j尺度l方向的系数能量,μ(j,l,k)为j尺度l方向k位置上的系数;
每个所述高频尺度内获取n/2个相关能量较高的方向并将其对应的方向系数叠加作为每个高频尺度的对应尺度系数;
步骤3:计算每个高频尺度的对应尺度系数的峰度K:
<mrow>
<mi>K</mi>
<mo>=</mo>
<mfrac>
<msub>
<mi>m</mi>
<mn>4</mn>
</msub>
<msubsup>
<mi>m</mi>
<mn>2</mn>
<mn>2</mn>
</msubsup>
</mfrac>
<mo>-</mo>
<mn>3</mn>
</mrow>
其中,mi为信号的i阶中心距;
求取所述峰度的微分值最大点,位置靠前的点为微地震初至波的初至点。
2.如权利要求1所述的基于shearlet域内峰度特性的井中微地震初至波拾取方法,其特征在于,所述步骤1中:对二维地震信号进行离散shearlet变换:
SHψ(f)=<f,ψa,s,t>
<mrow>
<msub>
<mi>&psi;</mi>
<mrow>
<mi>a</mi>
<mo>,</mo>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>=</mo>
<mo>|</mo>
<mi>det</mi>
<mi> </mi>
<msub>
<mi>M</mi>
<mrow>
<mi>a</mi>
<mo>,</mo>
<mi>s</mi>
</mrow>
</msub>
<msup>
<mo>|</mo>
<mrow>
<mo>-</mo>
<mn>1</mn>
<mo>/</mo>
<mn>2</mn>
</mrow>
</msup>
<mi>&psi;</mi>
<mrow>
<mo>(</mo>
<mrow>
<msubsup>
<mi>M</mi>
<mrow>
<mi>a</mi>
<mo>,</mo>
<mi>s</mi>
</mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mi>x</mi>
<mo>-</mo>
<mi>t</mi>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
Ma,s=SsAa
其中,f为二维地震信号,SHψ(f)为f的shearlet变换,ψa,s,t为shearlet母函数,a∈R+为尺度参数,s∈R为方向参数,t∈R2为位置参数,Ma,s为合成矩阵,Ss为剪切矩阵,Aa为各向异性扩散矩阵;
采样得到:
<mrow>
<msub>
<mi>&psi;</mi>
<mrow>
<mi>j</mi>
<mo>,</mo>
<mi>l</mi>
<mo>,</mo>
<mi>k</mi>
</mrow>
</msub>
<mo>=</mo>
<mo>|</mo>
<mi>det</mi>
<mi> </mi>
<msub>
<mi>A</mi>
<mn>0</mn>
</msub>
<msup>
<mo>|</mo>
<mrow>
<mi>j</mi>
<mo>/</mo>
<mn>2</mn>
</mrow>
</msup>
<mi>&psi;</mi>
<mrow>
<mo>(</mo>
<msubsup>
<mi>S</mi>
<mn>0</mn>
<mi>l</mi>
</msubsup>
<msubsup>
<mi>A</mi>
<mn>0</mn>
<mi>j</mi>
</msubsup>
<mi>x</mi>
<mo>-</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
其中,a=2-j,s=-l,S0为采样选取的剪切矩阵,A0为采样选取的各向异性扩散矩阵,j∈Z为尺度参数,l∈Z为方向参数,k∈Z2为位置参数。
3.如权利要求2所述的基于shearlet域内峰度特性的井中微地震初至波拾取方法,其特征在于,所述剪切矩阵Ss和各向异性扩散矩阵Aa分别为:
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>S</mi>
<mi>s</mi>
</msub>
<mo>=</mo>
<mfenced open = "(" close = ")">
<mtable>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mi>s</mi>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>1</mn>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>A</mi>
<mi>a</mi>
</msub>
<mo>=</mo>
<mfenced open = "(" close = ")">
<mtable>
<mtr>
<mtd>
<mi>a</mi>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<msqrt>
<mi>a</mi>
</msqrt>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>.</mo>
</mrow>
4.如权利要求1所述的基于shear let域内峰度特性的井中微地震初至波拾取方法,其特征在于,所述步骤1中将二维地震信号分解到4个尺度,每个尺度包含4个方向。
5.如权利要求1所述的基于shear let域内峰度特性的井中微地震初至波拾取方法,其特征在于,所述步骤2中,获取相关能量较高的方向之前还包括将所述相关能量归一化。
6.如权利要求5所述的基于shear let域内峰度特性的井中微地震初至波拾取方法,其特征在于,所述相关能量较高的方向为有效信号集中的方向。
7.如权利要求1所述的基于shear let域内峰度特性的井中微地震初至波拾取方法,其特征在于,所述步骤3中,微地震信号中的随机噪声满足高斯分布,而有效信号满足非高斯分布。
8.如权利要求7所述的基于shear let域内峰度特性的井中微地震初至波拾取方法,其特征在于,当信号趋于高斯分布时,其峰度值为0。
9.如权利要求8所述的基于shear let域内峰度特性的井中微地震初至波拾取方法,其特征在于,当有效信号到达时,峰度值增大。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711268469.3A CN107991707A (zh) | 2017-12-05 | 2017-12-05 | 一种基于shear let域内峰度特性的井中微地震初至波拾取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711268469.3A CN107991707A (zh) | 2017-12-05 | 2017-12-05 | 一种基于shear let域内峰度特性的井中微地震初至波拾取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107991707A true CN107991707A (zh) | 2018-05-04 |
Family
ID=62035705
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711268469.3A Pending CN107991707A (zh) | 2017-12-05 | 2017-12-05 | 一种基于shear let域内峰度特性的井中微地震初至波拾取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107991707A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109031416A (zh) * | 2018-06-22 | 2018-12-18 | 长江大学 | 微地震p波初至拾取的方法 |
CN109031419A (zh) * | 2018-07-27 | 2018-12-18 | 长江大学 | 一种拾取微地震初至的方法及系统 |
CN109212608A (zh) * | 2018-06-11 | 2019-01-15 | 吉林大学 | 基于3D shearlet变换的井中微地震信号去噪方法 |
CN111175827A (zh) * | 2020-02-28 | 2020-05-19 | 西安石油大学 | 一种增强地震勘探信号的高性能时频域滤波方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103616722A (zh) * | 2013-11-28 | 2014-03-05 | 中国石油天然气股份有限公司 | 一种初至波旅行时拾取方法及装置 |
CN104914468A (zh) * | 2015-06-09 | 2015-09-16 | 中南大学 | 一种矿山微震信号p波初至时刻联合拾取方法 |
CN106771928A (zh) * | 2017-01-10 | 2017-05-31 | 河南理工大学 | 一种局部放电脉冲初至时刻在线拾取方法 |
CN106886044A (zh) * | 2017-03-02 | 2017-06-23 | 吉林大学 | 一种基于剪切波与Akaike信息准则的微地震初至拾取方法 |
-
2017
- 2017-12-05 CN CN201711268469.3A patent/CN107991707A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103616722A (zh) * | 2013-11-28 | 2014-03-05 | 中国石油天然气股份有限公司 | 一种初至波旅行时拾取方法及装置 |
CN104914468A (zh) * | 2015-06-09 | 2015-09-16 | 中南大学 | 一种矿山微震信号p波初至时刻联合拾取方法 |
CN106771928A (zh) * | 2017-01-10 | 2017-05-31 | 河南理工大学 | 一种局部放电脉冲初至时刻在线拾取方法 |
CN106886044A (zh) * | 2017-03-02 | 2017-06-23 | 吉林大学 | 一种基于剪切波与Akaike信息准则的微地震初至拾取方法 |
Non-Patent Citations (3)
Title |
---|
刘劲松 等: "微地震信号到时自动拾取方法", 《地球物理学报》 * |
程瑶: "基于shearlet相关性的S变换在微地震初至拾取中的应用", 《中国优秀硕士学位论文全文数据库•工程科技I辑》 * |
黄良文 等: "《统计学(第三版)》", 30 September 2012, 中国统计出版社 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109212608A (zh) * | 2018-06-11 | 2019-01-15 | 吉林大学 | 基于3D shearlet变换的井中微地震信号去噪方法 |
CN109031416A (zh) * | 2018-06-22 | 2018-12-18 | 长江大学 | 微地震p波初至拾取的方法 |
CN109031419A (zh) * | 2018-07-27 | 2018-12-18 | 长江大学 | 一种拾取微地震初至的方法及系统 |
CN111175827A (zh) * | 2020-02-28 | 2020-05-19 | 西安石油大学 | 一种增强地震勘探信号的高性能时频域滤波方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107991707A (zh) | 一种基于shear let域内峰度特性的井中微地震初至波拾取方法 | |
CN109283492B (zh) | 多目标方位估计方法及水声垂直矢量阵列系统 | |
CN109815942B (zh) | 基于海洋环境噪声信号的简正波特征提取方法 | |
Weirathmueller et al. | Source levels of fin whale 20 Hz pulses measured in the Northeast Pacific Ocean | |
CN108983284B (zh) | 一种适用于海上斜缆数据的f-p域鬼波压制方法 | |
CN105629317B (zh) | 一种基于站间传递函数的大地电磁噪声压制方法 | |
CN107817527A (zh) | 基于块稀疏压缩感知的沙漠地震勘探随机噪声压制方法 | |
CN110058305A (zh) | 一种基于卷积神经网络的das地震数据降噪方法 | |
CN102073064B (zh) | 一种利用相位信息提高速度谱分辨率的方法 | |
CN107612629A (zh) | 一种基于环境感知的隐蔽水声通信方法 | |
CN110389377B (zh) | 基于波形互相关系数相乘的微震偏移成像定位方法 | |
Gitterman et al. | Spectral classification methods in monitoring small local events by the Israel seismic network | |
CN105158734B (zh) | 一种基于阵不变量的单矢量水听器被动定位方法 | |
CN107561589A (zh) | 一种近地表横波层速度模型建立方法 | |
Wang et al. | Automatic event detection and picking of P, S seismic phases for earthquake early warning and application for the 2008 Wenchuan earthquake | |
RU2009147275A (ru) | Способы и системы для обработки акустических волновых сигналов | |
CN102338885B (zh) | 三分量vsp资料初至时间自动拾取方法 | |
CN106353812A (zh) | 基于慢度‑时间的双源距全波列测井横波速度提取方法 | |
CN107783191A (zh) | 多维空间时空时频峰值滤波消减地震勘探随机噪声的方法 | |
Plescia et al. | Teleseismic P‐wave coda autocorrelation imaging of crustal and basin structure, Bighorn Mountains Region, Wyoming, USA | |
Dong et al. | Arrival-time detection with multiscale wavelet analysis and source location of acoustic emission in rock | |
CN107121705B (zh) | 一种基于自动反相校正和峰度值比较的探地雷达回波信号去噪算法 | |
CN101825722B (zh) | 一种鲁棒的地震信号瞬时频率的估计方法 | |
CN105676292A (zh) | 一种基于二维曲波变换的三维地震数据去噪方法 | |
CN110673210B (zh) | 一种地震原始数据信噪比定量分析评价方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180504 |
|
RJ01 | Rejection of invention patent application after publication |