CN108072896B - 一种全自动地震波初至拾取方法及系统 - Google Patents

一种全自动地震波初至拾取方法及系统 Download PDF

Info

Publication number
CN108072896B
CN108072896B CN201611074327.9A CN201611074327A CN108072896B CN 108072896 B CN108072896 B CN 108072896B CN 201611074327 A CN201611074327 A CN 201611074327A CN 108072896 B CN108072896 B CN 108072896B
Authority
CN
China
Prior art keywords
energy
seismic data
time
break
moment
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
Application number
CN201611074327.9A
Other languages
English (en)
Other versions
CN108072896A (zh
Inventor
陈金焕
段文超
曹永生
朱海伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Petroleum and Chemical Corp
Sinopec Geophysical Research Institute
Original Assignee
China Petroleum and Chemical Corp
Sinopec Geophysical Research Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Petroleum and Chemical Corp, Sinopec Geophysical Research Institute filed Critical China Petroleum and Chemical Corp
Publication of CN108072896A publication Critical patent/CN108072896A/zh
Application granted granted Critical
Publication of CN108072896B publication Critical patent/CN108072896B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
    • 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
    • G01V1/30—Analysis
    • G01V1/303—Analysis for determining velocity profiles or travel times

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

本发明提出了一种全自动地震波初至拾取算法，通过常速扫描炮集地震数据获取参考初至，然后利用改进的Coppens算法计算初至，通过分析拾取准确的初至与拾取不准确的初至的能量比值的差异，数量化能量比值的变化趋势，计算初至的可信度因子，通过设置可信度阈值约束，可以获取准确的初至数据供后续流程使用。本发明方法不仅拾取初至，并且自动的判断初至拾取的是否准确，可以有效地提高初至拾取效率。通过对不同工区的地震资料进行拾取，结果表明该算法可以快速，准确的拾取初至，极大的降低了人工交互操作的时间，有效的提高了初至拾取的效率，节省大量人力。

Description

一种全自动地震波初至拾取方法及系统
技术领域
本发明属于石油地震勘探数据处理领域，具体涉及一种全自动地震波初至拾取方法及系统。
背景技术
在地震勘探中，将从炮点激发并最先到达检波点的地震波称为初至波，并将这个到达时间称为地震波初至时间，简称地震波初至。
在地震资料处理过程中，地震波初至拾取是广泛应用的基础技术，地震波初至拾取准确与否对后续处理过程有极大的影响，对于浅层折射波勘探和层析成像的反演结果的影响尤其明显。
在地震资料处理技术中，地震波初至拾取算法多达上百种，归纳起来大概分为能量比算法、分形维算法、相关法、神经网络法和边缘检测法等几大类。然而大部分的地震波初至拾取算法都是基于首先自动的拾取地震波初至，然后通过人工交互的方式检查拾取的地震波初至是否准确，由人工检查修改后才能供下一处理环节使用。这就使得地震波初至拾取成为地震资料处理中需要进行大量人工交互操作的环节。例如在常用的商业软件Omega和Opencps中都有地震波初至自动拾取这一模块，然而也都都需要进行大量的人工交互操作来检查地震波初至拾取是否准确。
现阶段，随着勘探区域的复杂度以及勘探技术的提高，野外采集的地震数据的数据量激增，一个工区经常会采集多达十几或者几十TB的地震数据。一个处理员一天最多交互检查20GB(100炮，7000道，8000个样点)左右的地震数据，因此，需要20个处理员要持续工作25天才能检查完10TB的地震数据拾取的初至。
因此，现有技术中的震资料处理方法，存在的处理周期长，导致处理效率低，同时需要极大的人工成本等技术问题。
发明内容
为解决现有技术中的震资料处理方法，存在的处理周期长，导致处理效率低，同时需要极大的人工成本等技术问题。本发明提供一种全自动地震波初至拾取方法及系统。
本发明提供一种全自动地震波初至拾取方法，其特征在于，包括以下步骤：
S100；首先扫描炮集数据，获取各道地震数据的参考初至；
S200：基于拾取范围和各道地震数据的参考初至拾取初至；
S300：根据能量比值计算拾取初至的可信度；
S400：根据可信度约束输出拾取准确的初至。
在一个实施例中，在所述步骤S100包括以下子步骤：
S110：用N个常数速度vk,k＝1，…，N(递增排列)扫描炮集数据，获取N个能量值Qk，k＝1，…，N；所述能量值Qk由下式获得：
其中：vk为常数速度，递增排列，
O(i)为第i道地震数据的偏移距，
Si(t)为第i道地震数据t时刻的振幅值，
t为地震记录时刻；
S120：计算能量起跳点QT，所述能量起跳点由下式获得：
其中：
表示的是第i个样点之前的能量差的和，
表示的是第i个样点之后的能量差的和；
S130：常数速度的获得，所述常数速度按照下式获得：
vT＝inverseEnergy(QT)
其中：QT为能量起跳点，
vT为对应QT的常数速度；
S140：参考初至的获取，所述参考初至根据下式获得：
其中：O(i)表示第i道地震数据的偏移距，
vT为对应QT的常数速度，
tr(i)表示第i道地震数据的参考初至时间。
在一个实施例中，在所述步骤S200包括以下子步骤：
S210：根据第i道地震数据的参考初至时间为tr(i)、由参数卡获取的拾取范围Tsc，获取第i道地震数据的起止计算时间tb(i)，te(i)，具体算法如下：
tb(i)＝max{0.001s，tr(i)-Tsc}
te(i)＝min{tr(i)+Tsc，T}
其中：tb(i)为第i道地震数据的起始计算时间，
te(i)为第i道地震数据的终止计算时间，
tr(i)为第i道地震数据的参考初至，
Tsc为根据参数卡获取的拾取范围，
T为整道地震数据的时间；
S220：获得领头时窗和长时窗的能量，然后根据比值关系得到能量比值，具体实现方法如下：
获得领头时窗的能量的算法如下：
其中：nl为领头时窗的长度，
E1(t)为领头时窗的能量，
Si(t)为第i道地震数据t时刻的振幅值，
t为地震记录时刻；
获得长时窗的能量的的算法如下：
其中：E2(t)为长时窗的能量，
Si(t)为第i道地震数据t时刻的振幅值，
t为地震记录时刻；
获得能量比值的算法如下：
其中：β为能量比值，
Si(t)为第i道地震数据t时刻的振幅值，
n为一道地震数据的样点个数，
t为地震记录时刻；
获得ER(t)的算法如下：
ER(t)＝E1(t)/(E2(t)+β)
其中：ER(t)为t时刻前后两个时间窗口中能量和的能量比值，
E1(t)为领头时窗的能量，
E2(t)为长时窗的能量，
β为能量比值；
S230：拾取初至，具体算法如下：
tf(i)＝max{ER(t)}，t∈(tb(i)，te(i))
其中：tf(i)为拾取的第i道地震数据的初至，
ER(t)为t时刻前后两个时间窗口中能量和的能量比值，
tb(i)为第i道地震数据的起始计算时间，
te(i)为第i道地震数据的终止计算时间，
t为地震记录时刻。
在一个实施例中，在所述步骤S300中，拾取初至的可信度的计算公式如下：
其中：energyQC为基于能量比值的可信度，
maxER为最大能量比值，
m为最大能量比值对应的时间(采样点)，
s为起始计算位置，
ER(k)为k时刻前后两个时间窗口中能量和的能量比值。
根据本发明的另一方面，还提供了一种全自动地震波初至拾取系统，其特征在于，包括以下模块：
参考初至模块，所述参考初至模块用于扫描炮集数据，获取各道地震数据的参考初至；
初至拾取模块，所述初至拾取模块基于拾取范围和各道地震数据的参考初至拾取初至；
可信度获取模块，所述可信度获取模块根据能量比值计算拾取初至的可信度；以及
初至输出模块，所述初至输出模块根据可信度约束输出拾取准确的初至。
在一个实施例中，所述参考初至模块还包括以下子模块：
能量值获取子模块，所述能量值获取子模块用N个常数速度vk,k＝1，…，(递增排列)扫描炮集数据，获取N个能量值Qk，k＝1，…，N；所述能量值Qk由下式获得：
其中：vk为常数速度，递增排列，
O(i)为第i道地震数据的偏移距，
Si(t)为第i道地震数据t时刻的振幅值，
t为地震记录时刻；
能量起跳点获取子模块，所述能量起跳点获取模块用于计算能量起跳点QT，所述能量起跳点由下式获得：
其中：
表示的是第i个样点之前的能量差的和，
表示的是第i个样点之后的能量差的和；
常数速度的获得子模块，所述常数速度的获得模块用于常数速度的获得，所述常数速度按照下式获得：
vT＝inverseEnergy(QT)
其中：QT为能量起跳点，
vT为对应QT的常数速度；
以及，
参考初至获取子模块，所述参考初至获取子模块用于参考初至的获取，所述参考初至根据下式获得：
其中：O(i)表示第i道地震数据的偏移距，
vT为对应QT的常数速度，
tr(i)表示第i道地震数据的参考初至时间。
在一个实施例中，所述初至拾取模块包括以下子模块：
地震数据起止计算时间子模块，所述地震数据起止计算时间子模块根据第i道地震数据的参考初至时间为tr(i)、由参数卡获取的拾取范围Tsc，获取第i道地震数据的起止计算时间tb(i)，te(i)，具体算法如下：
tb(i)＝max{0.001s，tr(i)-Tsc}
te(i)＝min{tr(i)+Tsc，T}
其中：tb(i)为第i道地震数据的起始计算时间，
te(i)为第i道地震数据的终止计算时间，
tr(i)为第i道地震数据的参考初至，
Tsc为根据参数卡获取的拾取范围，
T为整道地震数据的时间；
能量比值获取子模块，所述能量比值获取子模块用于获得领头时窗和长时窗的能量，然后根据比值关系得到能量比值，具体实现方法如下：
获得领头时窗的能量的算法如下：
其中：nl为领头时窗的长度，
E1(t)为领头时窗的能量，
Si(t)为第i道地震数据t时刻的振幅值，
t为地震记录时刻，
获得长时窗的能量的的算法如下：
其中：E2(t)为长时窗的能量，
Si(t)为第i道地震数据t时刻的振幅值，
t为地震记录时刻，
获得能量比值的算法如下：
其中：β为能量比值，
Si(t)为第i道地震数据t时刻的振幅值，
n为一道地震数据的样点个数，
t为地震记录时刻，
获得ER(t)的算法如下：
ER(t)＝E1(t)/(E2(t)+β)
其中：ER(t)为t时刻前后两个时间窗口中能量和的能量比值，
E1(t)为领头时窗的能量，
E2(t)为长时窗的能量，
β为能量比值；
以及，
拾取初至子模块，所述拾取初至子模块用于拾取初至，具体算法如下：
tf(i)＝max{ER(t)}，t∈(tb(i)，te(i))
其中：tf(i)为拾取的第i道地震数据的初至，
ER(t)为t时刻前后两个时间窗口中能量和的能量比值，
tb(i)为第i道地震数据的起始计算时间，
te(i)为第i道地震数据的终止计算时间，
t为地震记录时刻。
在一个实施例中，所述可信度获取模块，其中用于拾取初至的可信度的计算公式如下：
其中：energyQC为基于能量比值的可信度，
maxER为最大能量比值，
m为最大能量比值对应的时间(采样点)，
s为起始计算位置，
ER(k)为k时刻前后两个时间窗口中能量和的能量比值。
与现有技术相比，本发明提出本发明的一种全自动地震波初至拾取方法及系统，本发明的一个或多个实施例可以具有如下优点：
本方法及系统在尽可能准确拾取初至的前提下，对自动拾取初至进行判断是否是拾取准确的初至，在少量人工交互操作下可以将初至拾取结果应用到下一个处理环节，可以极大的降低地震资料处理的周期，节省大量人力。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
在下文中将基于实施例并参考附图来对本发明进行更详细的描述。其中：
图1是本发明实施例一中的全自动地震波初至拾取方法的流程图；
图2是本发明实施例二中基于常速扫描地震数据获取的速度能量交汇图；
图3是本发明实施例二基于扫描炮集数据获取参考初至位置图；
图4是本发明实施例二初至拾取准确的能量比值显示图1；
图5是本发明实施例二初至拾取准确的能量比值显示图2；
图6是本发明实施例三中的炮集数据初至拾取结果；
图7是本发明实施例三中的初至拾取的可信度因子；
图8是本发明实施例五中的炮集数据初至拾取结果和初至拾取的可信度因子。
在附图中，相同的部件使用相同的附图标记。附图并未按照实际的比例。
具体实施方式
下面将结合附图对本发明作进一步说明。
实施例一
本实施例提供一种全自动地震波初至拾取方法，其特征在于，包括以下步骤：
S100；首先扫描炮集数据，获取各道地震数据的参考初至；
S200：基于拾取范围和各道地震数据的参考初至拾取初至；
S300：根据能量比值计算拾取初至的可信度；
S400：根据可信度约束输出拾取准确的初至。
如图1所示，为本实施例的方法流程图，由图1可以看出，该方法主要分为以下四步，首先通过扫描炮集数据获取参考初至，然后基于改进的Coppens算法拾取初至，然后利用能量比值变化规律计算拾取初至的可信度，最后根据可信度约束输出准确的初至。
实施例二
在本实施例中，为本发明中的方法的具体的算法的集合，具体的方法如下：
步骤S100：扫描炮集数据获取参考初至，具体方法如下：
对炮集地震数据进行常速扫描，获取不同扫描速度区间的能量，计算能量的起跳位置对应的速度，再根据偏移距计算各道的参考初至时间。具体的实现过程为：
S110：用N个常数速度vk,k＝1，…，N(递增排列)扫描炮集数据，获取N个能量值Qk，k＝1，…，N，能量值Qk由式(1)获得：
其中vk为常数速度，递增排列，O(i)表示第i道地震数据的偏移距；Si(t)为第i道地震数据t时刻的振幅值，t为地震记录时刻。
S120：计算能量起跳点QT，能量起跳点由式(2)获得
其中
表示的是第i个样点之前的能量差的和，或者用Qi1表示，表示的是第i个样点之后的能量差的和，或者用Qi2表示；
S130：常数速度的获得，所述常数速度按照式(3)获得：
vT＝inverseEnergy(QT)， (3)
其中QT为能量起跳点，vT为对应QT的常数速度；式(3)为常数速度vT和能量起跳点QT之间的一个一一对应函数；
S140：参考初至的获取，所述参考初至根据下式获得：
其中O(i)表示第i道地震数据的偏移距，vT为对应QT的常数速度，tr(i)表示第i道地震数据的参考初至时间。
在图2中给出了基于常速扫描地震数据获取的速度能量交汇图，图中箭头处为能量起跳位置，图3给出了基于扫描炮集数据获取参考初至获取的参考初至位置，可见图中上侧的线与初至位置比较吻合。
S200：基于拾取范围和各道地震数据的参考初至拾取初至；具体方法如下：
对于任何一道地震数据，已知其参考初至时间，根据拾取范围可以计算出该道的起止计算时间，在这个范围内根据改进的Coppens算法拾取初至。具体实现过程为：
S210：对于第i道地震数据，已知其参考初至时间为tr(i)，根据参数卡可以获取拾取范围Tsc，获取第i道地震数据的起止计算时间tb(i)，te(i)，获得方法为式(5)所示：
tb(i)＝max{0.001s，tr(i)-Tsc}，te(i)＝min{tr(i)+Tsc，T}， (5)
其中tb(i)为第i道地震数据的起始计算时间，
te(i)为第i道地震数据的终止计算时间，
tr(i)为第i道地震数据的参考初至，
Tsc为根据参数卡获取的拾取范围，
T为整道地震数据的时间。
S220：根据改进的Coppens算法计算能量比值，获得领头时窗和长时窗的能量，然后根据比值关系得到能量比值，具体实现方法如式(6)所示：
ER(t)＝E1(t)/(E2(t)+β)， (6)
其中前后两个时窗分别称为领头时窗和长时窗，能量分别为 和其中nl为领头时窗的长度，能量比值ER(t)为t时刻前后两个时间窗口中能量和的能量比值。
S230：拾取初至，具体方法如式(7)所示：
tf(i)＝max{ER(t)}，t∈(tb(i)，te(i))， (7)
其中：tf(i)为拾取的第i道地震数据的初至，ER(t)为t时刻前后两个时间窗口中能量和的能量比值，
tb(i)为第i道地震数据的起始计算时间，
te(i)为第i道地震数据的终止计算时间，
t为地震记录时刻。
S300：根据能量比值计算拾取初至的可信度；具体方法如下：
如果一道地震数据的初至拾取准确，那么这个初至所对应的最大能量比值起跳呈现明显的山峰状，同时在它前面没有比较大的局部最大能量比值。反之，如果初至拾取不准确，则不具备上述特点。图4，和图5清晰地展示了上述规律，初至拾取准确的道集中最大能量比值山峰状比较明显，这个最大能量比值之前没有比较大的局部能量比值；而初至拾取不准确的道集中能量起跳不明显，也无明显的山峰状，区分不出局部最大能量比值。根据这些特点设计基于能量比值的可信度公式，如式(8)所示：
其中：energyQC为基于能量比值的可信度，maxER为最大能量比值，m为最大能量比值对应的时间(采样点)，s为起始计算位置，该起始计算位置就是起始计算时间；ER(k)为k时刻前后两个时间窗口中能量和的能量比值。规定当可信度为1表示最可信，可信度为0表示最不可信。
S400：根据可信度约束输出拾取准确的初至；具体方法如下
在初至拾取后续的计算中，对初至的要求并不是全部初至都要参与后续计算，可以根据参数卡界面上可信度约束，输出拾取准确的初至。
实施例三
本实施例为一种全自动地震波初至拾取系统，其特征在于，包括以下模块：
参考初至模块，所述参考初至模块用于扫描炮集数据，获取各道地震数据的参考初至；
初至拾取模块，所述初至拾取模块基于拾取范围和各道地震数据的参考初至拾取初至；
可信度获取模块，所述可信度获取模块根据能量比值计算拾取初至的可信度；以及
初至输出模块，所述初至输出模块根据可信度约束输出拾取准确的初至。
在一些实施例中，与实施例二对应的步骤中还存在与之对应的子模块，从而执行与之对应的步骤，实现所述功能，达到本发明的目的。在此不再赘述。
实施例四
本实施例属于本发明在具体工区的应用，本发明中的方法和系统，能够准确的拾取初至并快速准确的识别出拾取不好的初至，通过对实际工区数据的测试，验证了初至拾取算法和可信度因子的可靠性。以彰武工区的数据为例，图6中展示的是某炮集初至拾取结果，其中图6中上侧的点表示初至位置，图7中展示的是该炮初至的可信度，其中图7中上侧的点表示初至是否准确的可信度，可以看到右边有两道154和164道地震数据初至拾取不准确，对应的两道的可信度因子为0.6，明显小于其他初至拾取准确的道集。通过控制可信度阈值可以很容易去掉拾取不准确的初至。
实施例五
本实施例属于本发明在具体工区的应用，本发明中的方法和系统，可以在保证准确度的前提下，节约人力成本，同时效率较高：以礁石坝南工区为例，该工区共有68个地震数据文件，共12TB的地震数据，如果采用人工交互方式检查初至拾取是否准确，20个处理员最少也要花费一个月的时间才能检查完。在本发明中，利用5个计算节点的资源，硬件信息为每个节点包含2个CPU，CPU为Intel(R)Xeon(R)CPU E5-2670v2@2.50GHz，每个CPU 10核心，共计20核，耗费15小时完成。图8中给出了该工区某炮地震数据的一个排列的初至拾取结果和初至可信度结果，其中左侧3051-3061和右侧3261-3275道初至拾取不准确，相应的可信度也都在0.6以下，控制可信度的阈值，可以较为准确的去除拾取不准确的初至。
本发明是一种全自动地震波初至拾取算法，通过验证地震波初至拾取结果准确率较高，判断初至拾取是否准确的准确率也高，拾取结果可靠。同时本发明可以有效减少人工交互操作检查初至是否准确的环节，以礁石坝南工区为例，该工区共有68个地震数据文件，共12TB的地震数据，如果采用人工交互方式检查初至拾取是否准确，20个处理员最少也要花费一个月的时间才能检查完。在本发明中，利用5个计算节点的资源，硬件信息为每个节点包含2个CPU，CPU为Intel(R)Xeon(R)CPU E5-2670v2@2.50GHz，每个CPU 10核心，共计20核，耗费15小时完成。极大的提高了地震处理效率。
本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
虽然已经参考优选实施例对本发明进行了描述，但在不脱离本发明的范围的情况下，可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是，只要不存在结构冲突，各个实施例中所提到的各项技术特征均可以任意方式组合起来。本发明并不局限于文中公开的特定实施例，而是包括落入权利要求的范围内的所有技术方案。

Claims (6)

1.一种全自动地震波初至拾取方法，包括以下步骤：
S100；首先扫描炮集数据，获取各道地震数据的参考初至；
S200：基于拾取范围和各道地震数据的参考初至拾取初至；
S300：根据能量比值计算拾取初至的可信度；
S400：根据可信度约束输出拾取准确的初至；
其特征在于，所述步骤S100包括以下子步骤：
S110：用N个常数速度vk,k＝1，…，N(递增排列)扫描炮集数据，获取N个能量值Qk，k＝1，…，N；所述能量值Qk由下式获得：
其中：vk为常数速度，递增排列，
O(i)为第i道地震数据的偏移距，
si(t)为第i道地震数据t时刻的振幅值，
t为地震记录时刻；
S120：计算能量起跳点QT，所述能量起跳点由下式获得：
其中：
表示的是第i个样点之前的能量差的和，
表示的是第i个样点之后的能量差的和；
S130：常数速度的获得，所述常数速度按照下式获得：
vT＝inverseEnergy(QT)
其中：QT为能量起跳点，
vT为对应QT的常数速度；
S140：参考初至的获取，所述参考初至根据下式获得：
其中：O(i)表示第i道地震数据的偏移距，
vT为对应QT的常数速度，
tr(i)表示第i道地震数据的参考初至时间。
2.根据权利要求1所述的全自动地震波初至拾取方法，其特征在于，所述步骤S200包括以下子步骤：
S210：根据第i道地震数据的参考初至时间为tr(i)、由参数卡获取的拾取范围Tsc，获取第i道地震数据的起止计算时间tb(i)，te(i)，具体算法如下：
tb(i)＝max{0.001s，tr(i)-Tsc}
te(i)＝min{tr(i)+Tsc，T}
其中：tb(i)为第i道地震数据的起始计算时间，
te(i)为第i道地震数据的终止计算时间，
tr(i)为第i道地震数据的参考初至，
Tsc为根据参数卡获取的拾取范围，
s为起始计算位置，
T为整道地震数据的时间；
S220：获得领头时窗和长时窗的能量，然后根据比值关系得到能量比值，具体实现方法如下：
获得领头时窗的能量的算法如下：
其中：nl为领头时窗的长度，
E1(t)为领头时窗的能量，
Si(t)为第i道地震数据t时刻的振幅值，
t为地震记录时刻；
获得长时窗的能量的的算法如下：
其中：E2(t)为长时窗的能量，
Si(t)为第i道地震数据t时刻的振幅值，
t为地震记录时刻；
获得能量比值的算法如下：
其中：β为能量比值，
Si(t)为第i道地震数据t时刻的振幅值，
n为一道地震数据的样点个数，
t为地震记录时刻；
获得ER(t)的算法如下：
ER(t)＝E1(t)/(E2(t)+β)
其中：ER(t)为t时刻前后两个时间窗口中能量和的能量比值，
E1(t)为领头时窗的能量，
E2(t)为长时窗的能量，
β为能量比值；
S230：拾取初至，具体算法如下：
tf(i)＝max{ER(t)}，t∈(tb(i)，te(i))
其中：tf(i)为拾取的第i道地震数据的初至，
ER(t)为t时刻前后两个时间窗口中能量和的能量比值，
tb(i)为第i道地震数据的起始计算时间，
te(i)为第i道地震数据的终止计算时间，
t为地震记录时刻。
3.根据权利要求2所述的全自动地震波初至拾取方法，其特征在于，所述步骤S300中，拾取初至的可信度的计算公式如下：
其中：energyQC为基于能量比值的可信度，
maxER为最大能量比值，
m为最大能量比值对应的时间(采样点)，
s为起始计算位置，
ER(k)为第k点的能量比值。
4.一种全自动地震波初至拾取系统，包括以下模块：
参考初至模块，所述参考初至模块用于扫描炮集数据，获取各道地震数据的参考初至；
初至拾取模块，所述初至拾取模块基于拾取范围和各道地震数据的参考初至拾取初至；
可信度获取模块，所述可信度获取模块根据能量比值计算拾取初至的可信度；以及
初至输出模块，所述初至输出模块根据可信度约束输出拾取准确的初至；
其特征在于，所述参考初至模块还包括以下子模块：
能量值获取子模块，所述能量值获取子模块用N个常数速度vk,k＝1，…，N(递增排列)扫描炮集数据，获取N个能量值Qk，k＝1，…，N；所述能量值Qk由下式获得：
其中：vk为常数速度，递增排列，
O(i)为第i道地震数据的偏移距，
Si(t)为第i道地震数据t时刻的振幅值，
t为地震记录时刻，
能量起跳点获取子模块，所述能量起跳点获取模块用于计算能量起跳点QT，所述能量起跳点由下式获得：
其中：
表示的是第i个样点之前的能量差的和，
表示的是第i个样点之后的能量差的和；
常数速度的获得子模块，所述常数速度的获得模块用于常数速度的获得，所述常数速度按照下式获得：
vT＝inverseEnergy(QT)
其中：QT为能量起跳点，
vT为对应QT的常数速度；
以及，
参考初至获取子模块，所述参考初至获取子模块用于参考初至的获取，所述参考初至根据下式获得：
其中：O(i)表示第i道地震数据的偏移距，
vT为对应QT的常数速度，
tr(i)表示第i道地震数据的参考初至时间。
5.根据权利要求4所述的全自动地震波初至拾取系统，其特征在于，所述初至拾取模块包括以下子模块：
地震数据起止计算时间子模块，所述地震数据起止计算时间子模块根据第i道地震数据的参考初至时间为tr(i)、由参数卡获取的拾取范围Tsc，获取第i道地震数据的起止计算时间tb(i)，te(i)，具体算法如下：
tb(i)＝max{0.001s，tr(i)-Tsc}
te(i)＝min{tr(i)+Tsc，T}
其中：tb(i)为第i道地震数据的起始计算时间，
te(i)为第i道地震数据的终止计算时间，
tr(i)为第i道地震数据的参考初至，
Tsc为根据参数卡获取的拾取范围，
s为起始计算位置，
T为整道地震数据的时间；
能量比值获取子模块，所述能量比值获取子模块用于获得领头时窗和长时窗的能量，然后根据比值关系得到能量比值，具体实现方法如下：
获得领头时窗的能量的算法如下：
其中：nl为领头时窗的长度，
E1(t)为领头时窗的能量，
Si(t)为第i道地震数据t时刻的振幅值，
t为地震记录时刻，
获得长时窗的能量的的算法如下：
其中：E2(t)为长时窗的能量，
Si(t)为第i道地震数据t时刻的振幅值，
t为地震记录时刻，
获得能量比值的算法如下：
其中：β为能量比值，
Si(t)为第i道地震数据t时刻的振幅值，
n为一道地震数据的样点个数，
t为地震记录时刻；
获得ER(t)的算法如下：
ER(t)＝E1(t)/(E2(t)+β)
其中：ER(t)为t时刻前后两个时间窗口中能量和的能量比值，
E1(t)为领头时窗的能量，
E2(t)为长时窗的能量，
β为能量比值；
以及，
拾取初至子模块，所述拾取初至子模块用于拾取初至，具体算法如下：
tf(i)＝max*ER(t)}，t∈(tb(i)，te(i))
其中：tf(i)为拾取的第i道地震数据的初至，
ER(t)为t时刻前后两个时间窗口中能量和的能量比值，
tb(i)为第i道地震数据的起始计算时间，
te(i)为第i道地震数据的终止计算时间，
t为地震记录时刻。
6.根据权利要求5所述的全自动地震波初至拾取系统，其特征在于，所述可信度获取模块，其中用于拾取初至的可信度的计算公式如下：
其中：energyQC为基于能量比值的可信度，
maxER为最大能量比值，
m为最大能量比值对应的时间(采样点)，
s为起始计算位置，
ER(k)为k时刻前后两个时间窗口中能量和的能量比值。
CN201611074327.9A 2016-11-18 2016-11-29 一种全自动地震波初至拾取方法及系统 Active CN108072896B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN2016110156829 2016-11-18
CN201611015682 2016-11-18

Publications (2)

Publication Number Publication Date
CN108072896A CN108072896A (zh) 2018-05-25
CN108072896B true CN108072896B (zh) 2019-08-27

Family

ID=62161343

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611074327.9A Active CN108072896B (zh) 2016-11-18 2016-11-29 一种全自动地震波初至拾取方法及系统

Country Status (1)

Country Link
CN (1) CN108072896B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110837113B (zh) * 2018-08-16 2021-12-31 中国石油化工股份有限公司 基于样本属性段的初至归位方法及其系统
CN110954941B (zh) * 2018-09-26 2021-08-24 中国石油化工股份有限公司 一种自动化初至拾取方法及系统
CN110045417B (zh) * 2019-05-22 2020-08-25 西南石油大学 基于两阶段优化的初至波自动拾取方法
CN112904422B (zh) * 2019-11-19 2024-03-26 中国石油天然气集团有限公司 一种拾取炸药震源地震数据初至时间起跳点的方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102313901A (zh) * 2010-06-29 2012-01-11 中国石油天然气集团公司 一种初至波迭代拾取的方法
CN104570076A (zh) * 2013-10-17 2015-04-29 中国石油化工股份有限公司 一种基于二分法的地震波初至自动拾取方法
CN105204065A (zh) * 2015-10-09 2015-12-30 中国石油天然气集团公司 一种拾取初至波的方法和装置
WO2016060513A1 (ko) * 2014-10-17 2016-04-21 한국지질자원연구원 탄성파 다성분 자료에 대한 중합전 egs 구조보정 방법
CN106154332A (zh) * 2015-05-13 2016-11-23 中国石油化工股份有限公司 一种井中微地震纵横波事件初至识别方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102313901A (zh) * 2010-06-29 2012-01-11 中国石油天然气集团公司 一种初至波迭代拾取的方法
CN104570076A (zh) * 2013-10-17 2015-04-29 中国石油化工股份有限公司 一种基于二分法的地震波初至自动拾取方法
WO2016060513A1 (ko) * 2014-10-17 2016-04-21 한국지질자원연구원 탄성파 다성분 자료에 대한 중합전 egs 구조보정 방법
CN106154332A (zh) * 2015-05-13 2016-11-23 中国石油化工股份有限公司 一种井中微地震纵横波事件初至识别方法
CN105204065A (zh) * 2015-10-09 2015-12-30 中国石油天然气集团公司 一种拾取初至波的方法和装置

Also Published As

Publication number Publication date
CN108072896A (zh) 2018-05-25

Similar Documents

Publication Publication Date Title
CN108072896B (zh) 一种全自动地震波初至拾取方法及系统
CN110188720A (zh) 一种基于卷积神经网络的目标检测方法及系统
CN110263705A (zh) 面向遥感技术领域两期高分辨率遥感影像变化检测方法
CN109271888A (zh) 基于步态的身份识别方法、装置、电子设备
CN112926405A (zh) 一种安全帽佩戴检测方法、系统、设备及存储介质
CN110163836A (zh) 基于深度学习用于高空巡检下的挖掘机检测方法
CN104181596A (zh) 地质层位自动追踪方法及装置
KR102593835B1 (ko) 휴리스틱 가우스 클라우드 변환에 기반하는 얼굴인식 기술
CN104570076A (zh) 一种基于二分法的地震波初至自动拾取方法
CN107679469A (zh) 一种基于深度学习的非极大值抑制方法
CN106291764A (zh) 基于大数据和气象分析场的气象预报方法和系统
CN110688955A (zh) 一种基于yolo神经网络的建筑构建目标检测方法
CN113568043A (zh) 基于深度卷积神经网络的三阶段震相拾取方法
CN110991284A (zh) 一种基于场景预分类的光学遥感图像语句描述生成方法
CN109670423A (zh) 一种基于深度学习的图像识别系统、方法及介质
CN110263835A (zh) 基于深度学习和贝叶斯网络的岩石类别自动识别方法
CN114169425A (zh) 训练目标跟踪模型和目标跟踪的方法和装置
CN109685823A (zh) 一种基于深度森林的目标跟踪方法
CN112084913B (zh) 一种端到端的人体检测与属性识别方法
CN106055636A (zh) 一种岩石便携智能识别方法
CN109540138B (zh) 基于视觉神经网络的室内导航方法、系统及可读存储器
Aldabbagh et al. Classification of chili plant growth using deep learning
CN109472289A (zh) 关键点检测方法和设备
CN113486734B (zh) 一种步态识别方法、系统、设备及存储介质
CN113657287A (zh) 一种基于深度学习改进YOLOv3的目标检测方法

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
GR01 Patent grant
GR01 Patent grant