CN108089226B - 一种基于道间能量叠加的微地震事件自动识别方法 - Google Patents
一种基于道间能量叠加的微地震事件自动识别方法 Download PDFInfo
- Publication number
- CN108089226B CN108089226B CN201810081964.1A CN201810081964A CN108089226B CN 108089226 B CN108089226 B CN 108089226B CN 201810081964 A CN201810081964 A CN 201810081964A CN 108089226 B CN108089226 B CN 108089226B
- Authority
- CN
- China
- Prior art keywords
- signal
- micro
- perforation
- microseism
- seismic event
- 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 87
- 238000012937 correction Methods 0.000 claims abstract description 17
- 230000015572 biosynthetic process Effects 0.000 claims description 10
- 230000008569 process Effects 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 8
- 238000012544 monitoring process Methods 0.000 description 7
- 230000004913 activation Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000003786 synthesis reaction Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 208000010392 Bone Fractures Diseases 0.000 description 1
- 102000016938 Catalase Human genes 0.000 description 1
- 108010053835 Catalase Proteins 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 206010017076 Fracture Diseases 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 235000008434 ginseng Nutrition 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
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
- 238000012360 testing method 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
- G01V1/288—Event detection in seismic signals, e.g. microseismics
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Emergency Management (AREA)
- Business, Economics & Management (AREA)
- Acoustics & Sound (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明涉及微地震事件识别领域，特别涉及微地震事件道间能量叠加的自动识别方法，所述方法包括：计算射孔信号初至时差文件Δti；利用初至时差文件Δti校正多道微地震信号；将校正后的多道微地震信号能量求和以获得一个高信噪比模型道M(i)；采用STA/LTA法基于模型道能量包络E(i)进行微地震事件的识别。针对常规微地震信号初至拾取方法的弊端，提高微地震事件自动识别方法的可靠性和正确性。
Description
技术领域
本发明涉及微地震事件识别领域，特别涉及微地震事件道间能量叠加的自动识别方法。
背景技术
水力压裂是一项具有广泛应用前景的油气井增产措施，也是产生微地震事件的主要原因。水力压裂的基本理论是：利用地面高压泵向压裂井中注入大量压力液，当压力液注入速度超过油层吸附能力时，压力就会不断增加，当压力达到一定程度时会导致岩石破碎或原有裂缝增长，进而产生一系列可观测的微地震事件。通过在压裂井地表或是相邻监测井中合理布置检波器，便可记录微地震信号。
微地震事件的识别和初至拾取是微地震数据处理的关键环节之一，准确拾取微地震事件的初至时刻对微地震事件的识别以及震源的定位具有重要的意义。长/短时窗比法(STA/LTA)是一种微地震事件自动识别经典算法，最早用于天然地震的震相识别，由于其实现简单、计算效率高，目前仍被广泛应用于微地震事件的自动识别。随后，国内外相关研究人员对STA/LTA法进行改进，以用于拾取微地震信号初至。他们将离散小波变换作为STA/LTA的输入进行初至拾取,将STA/LTA比和修正能量比算法结合，来处理低信噪比的微地震信号，且针对传统拾取方法抗噪性能弱的缺点，提出了SLPEA算法，通过引入权重因子改进了自动拾取P波到时的算法。虽然很多学者提出了拾取微震初至的方法，但是其核心技术仍然是长/短时窗比法(STA/LTA)。长/短时窗比法的基本原理是计算STA(短时窗能量平均值)和LTA(长时窗能量平均值)的比值，并通过比值来展现信号幅度、频率等特征的变化。在微地震信号上，给定一个滑动的长时间窗(LTA)和短时间窗(STA)，在微震信号初至波到达时，STA内的能量平均值的变化要快于LTA内的能量平均值，与此对应的STA/LTA值会显著地升高，且当STA/LTA值超过阈值时，判定该时刻产生了微震事件，从而实现了微地震事件的自动识别。然而由于微地震震级能量小、信噪比较低，严重制约了微地震事件的识别和初至拾取。常规单道微地震记录处理方法容易出现漏检或误检情况。
发明内容
本发明实施例提供一种基于道间能量叠加的微地震事件自动识别方法，针对常规微地震信号初至拾取方法的弊端，提高微地震事件自动识别方法的可靠性和正确性。
本发明是这样实现的，
一种基于道间能量叠加的微地震事件自动识别方法，所述方法包括：
计算射孔信号初至时差文件Δti；
利用初至时差文件Δti校正多道微地震信号；
将校正后的多道微地震信号能量求和以获得一个高信噪比模型道M(i)；
采用STA/LTA法基于模型道能量包络E(i)进行微地震事件的识别。
进一步地，所述方法包括采用FracStar的星形检波器阵列布阵方式，获取压裂井周围所有区域的多道微地震信号，检波器等间距布设在六条测线上，星形中心位于射孔位置正上方，选择一个6层速度模型，每条测线布置6个检波器，道间距65m，偏移距85米，共计36道。
进一步地，当存在射孔数据时，计算射孔信号初至时差文件Δti包括：射孔数据的各道信号初至时刻依次与第一道信号初至时刻做差，获得射孔信号初至时差文件Δti。
进一步地，当没有前期射孔数据时，根据前期声波测井数据计算理论射孔信号初至时差文件Δti。
进一步地，根据前期声波测井数据计算理论射孔信号初至时差文件Δti包括：
根据测井曲线获得不同深度地震波传播速度；
根据获得的深度和速度参数，构建层状速度模型；
利用射线追踪理论获得各道信号理论上的初至时刻。
进一步地，计算射孔信号初至时差文件Δti包括：将射孔数据的各道信号初至时刻依次与第一道信号初至时刻做差，获得射孔信号初至时差文件Δti。
进一步地，利用初至时差文件Δti校正多道微地震信号包括：以微地震数据的第一道信号作为参考道，初至时差文件Δti作为各道信号校正量，对整体微地震数据进行校正，使各道信号初至波到达时刻将集中在某一时刻附近。
进一步地，采用STA/LTA法基于模型道能量包络E(i)进行微地震事件的识别包括：
当短时窗与长时窗内能量平均值的比值R超过阈值Thr时，代表检测到微地震事件，此时对应的时刻Ti即有微地震事件发生，其中阈值Thr是根据实际微地震资料设定的经验值。
本发明与现有技术相比，有益效果在于：
针对传统微地震事件自动识别方法容易出现漏检和误检的缺陷，根据射孔信号能量强，监测数据具有高的信噪比和分辨率，且射孔信号与微地震信号传播路径相似，走时信息相近的特点，利用监测区域地层速度先验信息，基于道间能量叠加技术，提出了基于射孔信号的微地震事件自动识别方法。通过本发明方法利用射孔信号将微地震信号各道初至时刻校正到同一时刻附近。校正后的多道微地震记录能量叠加获得的模型道信噪比显著提高，识别微地震事件更加准确，同时保证各道的微地震事件数量一致性。
针对无前期射孔数据时射孔信号微地震事件自动识别方法不再适用的情况，提出根据声波测井资料构建速度模型，结合实际监测系统检波器布置坐标参数及射孔坐标，采用射线追踪方法正演模拟射孔数据，以模拟射孔数据代替实际射孔数据进行微地震事件识别。
本发明方法采用一系列模拟数据验证了基于道间能量叠加技术的微地震事件自动识别方法的可靠性和正确性。
附图说明
图1为本发明的微震监测系统布阵方式图；
图2为本发明的道间能量叠加技术的微震识别的过程图；2(a)为射孔数据，2(b)为合成数据的处理过程，2(c)为微地震数据，2(d)为校正之后的微地震各道信号，2(e)为对校正之后的微地震各道信号求取振幅能量的结果，2(f)为模型道，2(g)为微地震事件的识别；
图3(a)为本发明有射孔数据的微地震事件自动识别的处理流程图，图3(b)为本发明无射孔数据的微地震事件自动识别的处理流程图；
图4为本发明横向空间上的适用范围对应的STA/LTA比值结果，其中4(a)为合成微地震数据；4(b)为利用射孔信号初至时差文件校正后的微地震信号；4(c)为本发明方法获得的STA/LTA比值曲线；4(d)是采用STA/LTA法直接对单道信号识别微地震事件对应的STA/LTA比值曲线；
图5为本发明的射孔深度与基于射孔信号的微地震事件识别方法适用范围之间的关系图；
图6为本发明的带衰减合成微地震数据的校正结果图，其中，6(a)为合成数据进行微地震事件识别图，6(b)、6(c)、6(d)、6(e)为对应6(a)的射孔事件和三个微地震事件的放大图；
图7为本发明的方法对应的STA/LTA比值结果图；
图8为本发明的采用STA/LTA方法处理合成微地震记录求得的STA/LTA比率曲线，8(a)、8(b)、8(c)、8(d)、8(e)、8(f)、8(g)、8(h)、8(i)、8(j)、8(k)以及8(l)为12道信号的STA/LTA比率曲线。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
实施例：
本发明实施例采用FracStar的星形检波器阵列布阵方式，获取压裂井周围所有区域的微地震压裂数据，如图1所示。检波器等间距布设在测线L1-L6上，星形中心位于射孔位置(如图1中S0所示)正上方，顶部圆点代表各个检波器坐标，五星形代表射孔坐标，球形区域为微震震源分布范围。本发明方法选择一个6层速度模型(具体参数见表1)，每条测线布置6个检波器，道间距65m，偏移距85米，共计36道。
表1速度模型具体参数
为有效地克服常规基于单道微地震记录处理方法容易出现漏检或误检情况，提出了基于道间能量叠加技术的微地震地动事件识别方法，具体处理过程如图2所示。首先以图1微地震检测系统模型为基础，采用射线追踪理论分别模拟射孔数据(射孔坐标为(0,0,-920))和微地震数据(震源坐标(40,0,-920))，分别如图2(a)和图2(c)所示，波形排列顺序为测线L1(A1-A12)-L6(A1-A12)。
微地震事件识别处理过程如下：
第一步，利用常规方法例如：采用传统STA/LTA法拾取已知射孔数据初至到时。由于射孔信号具有较高的信噪，常规法可以准确拾取其初至到时ti。
第二步，射孔数据的各道信号初至时刻依次与第一道信号初至时刻做差，获得射孔信号初至时差文件Δti，计算过程如表2所示，合成数据的处理过程及结果如图2(b)所示。
表2射孔信号初至时差文件Δti计算示例
第三步，以微地震数据的第一道信号作为参考道，初至时差文件Δti作为各道信号校正量，对整体微地震数据进行校正，使各道信号初至到时基本一致。如图2(d)所示，利用射孔数据初至时差文件Δti校正震源(40,0,-920)的微地震记录，校正之后的微地震各道信号初至波到达时刻集中在某一时刻附近，相差不大。图2(e)为对校正之后的微地震各道信号求取振幅能量的结果。
第四步，将校正后的多道微地震信号能量求和获得一个高信噪比模型道M(i)(参见图2(f))。每道微地震数据能量有效的叠加，很大程度地增加了模型道M(i)信噪比。
第五步，采用STA/LTA法基于模型道能量包络E(i)进行微地震事件的识别，结果如图2(g)所示。STA/LTA法简单、快速，当短时窗与长时窗内能量平均值的比值R超过阈值Thr时，代表检测到微地震事件，此时对应的时刻Ti即判定有微地震事件发生。阈值Thr是根据实际微地震资料设定的经验值。
STA/LTA法定义如下，
E(i)代表模型道能量包络，m表示短时窗长度，n表示长时窗长度,N表示模型道长度。
上述基于道间能量叠加技术的微地震事件识别方法，是在射孔信号已知的条件下所提出的，射孔信号初至时差信息是整个方法的核心。但在一些现场施工条件下，射孔和压裂不在同一时间段进行等原因，导致只有微地震监测数据，而没有射孔信号时，上述方法将不再适用。为了克服没有前期射孔数据所带来的局限性，本发明另一实施例中根据前期声波测井数据计算理论射孔信号初至时差文件Δti。用理论射孔信号初至时差文件Δti代替实际射孔信号初至时差文件进行微地震事件识别，有效的解决了没有射孔数据时，微地震事件识别新方法的局限性。具体实现步骤为：首先根据测井曲线获得不同深度地震波传播速率。然后，根据获得的深度和速度参数，构建层状速度模型。最后，利用射线追踪理论获得各道信号理论上的初至时刻。基于射孔信号的微地震事件自动识别的处理流程如图3(a)所示。针对无射孔情况下，依靠测井曲线构建速度模型的微震事件自动识别的处理流程如图3(b)所示。
基于道间能量叠加理论的微地震事件自动识别过程的是：将校正后的多道微地震信号能量进行叠加获得高信噪比的模型道M(i)，模型道M(i)信噪比越高，在后续处理过程中越能准确识别微地震事件。由监测系统检波器布置方式可知当微震震源距离射孔位置越近时，通过射孔信号初至时差文件Δti校正后的微地震数据，各道信号初至到时在某一时刻附近的集中性越强，多道微地震信号叠加获得模型道M(i)信噪比越高。反之，震源距离射孔位置越远，则校正后微地震数据各道信号初至到时集中度越差，叠加获得模型道M(i)信噪比越低。当模型道信噪比低于单道信号信噪比时，基于道间能量叠加技术的微地震事件自动识别方法与常规基于单道数据处理的微地震事件识别相比将不再有优势。
为验证本发明实施例微地震识别方法的适用性和优势范围，对偏离射孔坐标不同距离的震源做了大量实验，震源在射孔垂直方向-920m上沿X轴方向每30m取一个，如震源坐标(0,0,-920)，(30,0,-920)，(60,0,-920),…,(300,0,-920)，对不同震源的模拟信号加入强度相同的随机噪声，分别绘制采用常规STA/LTA法针对单道信号识别微地震事件获得STA/LTA比值曲线，和基于道间能量叠加技术的微地震事件识别方法获得STA/LTA比值曲线。
首先采用模拟数据校验新方法在横向空间上的适用范围。此合成微地震数据包含了6个有效微震事件(如图4(a))。这些事件由50Hz Ricker(雷克子波)应用射线追踪理论计算的旅行时作延迟合成求得。其所对应的是微震震源为(0,0,-920)、(60,0,-920)、(90,0,-920)、(120,0,-920)、(180,0,-920)、(240,0,-920)、(270,0,-920)、(300,0,-920)。图4(b)是利用射孔信号初至时差文件校正后的微地震信号。如图4(c)是采用本发明方法获得的STA/LTA比值曲线；图4(d)是采用STA/LTA法直接对单道信号识别微地震事件对应的STA/LTA比值曲线。
由图4(c)可以看出，当震源偏移射孔位置越远时，基于射孔信号的微地震事件识别方法获得的STA/LTA曲线峰值越低。震源(270,0,-920)和单道信号对应的STA/LTA比值曲线峰值一致，而震源(300,0,-920)对应的STA/LTA比值曲线峰值小于单道信号对应的STA/LTA比值曲线峰值，即基于射孔信号的微地震事件识别方法准确性优势不再存在。也就是说当震源覆盖范围在距离射孔坐标270m范围内，本发明实施例方法与传统的基于单道记录识别微地震事件方法相比是绝对可靠的，而且在微地震事件识别准确性方面具有绝对的优势。
上述实验分析了射孔深度恒定为920m时，微地震事件识别方法的适用范围。为了检验不同的射孔深度对微地震事件识别方法适用范围的影响，在上述实验基础上，仅改变射孔深度，其他参数不变，重复上述实验。获得了微地震事件识别新方法适用范围与射孔深度的关系(如图5)。由图5可以看出，基于射孔信号的微地震事件识别方法的适用范围与射孔深度(震源深度)呈正比例关系。地面上布置的检波器个数越多，方法越有效；地层速度越大，则导致校正时间差小，从而微震能量叠加越集中，方法越有效。
为了验证本发明实施例方法的效果，采用合成数据进行微地震事件识别(如图6(a)。合成的微地震记录中包含一个射孔事件和三个微地震事件。同时，对不同微震记录按照指数规律进行了道间的衰减，以期更真实的模拟地震波产生的衰减效应。
采用本发明实施例方法处理模拟数据时，首先得到射孔数据各道信号初至时刻，并以第一道信号初至到时为基准，计算射孔数据初至时差文件Δti。将第一道信号作为基准，初至时差文件Δti为校正量，对整体微地震数据进行校正，校正结果放大图如图6(b)、6(c)、6(d)、6(e)所示。
然后，将校正后的多道信号能量进行叠加获得高信噪比模型道M(i)，针对模型道M(i)采用STA/LTA法识别微地震事件，识别结果如图7所示。图中箭头的4个峰值均高于设定的触发阈值，且分别对应于模拟数据中4个有效事件的时刻。结果标志着，虽然这些微地震事件各不相同(信噪比、能级、位置、发震时刻)，但新方法仍然能够将它们识别出来。其中包括小能级低信噪比的第4个微震事件。
为了验证本发明实施例方法的应用效果，再应用STA/LTA方法处理此合成数据。在求取STA/LTA比值时选择的长、短时窗长度分别为200个和30个采样点，触发阈值为2。图8中的8(a)、8(b)、8(c)、8(d)、8(e)、8(f)、8(g)、8(h)、8(i)、8(j)、8(k)以及8(l)为该模拟数据中每一道信号的STA/LTA比值。通过该图发现，在前2个事件在每道信号中的STA/LTA比值都超过了预先设定的触发阈值，即检测到微地震事件存在。然而，在最后一个事件中，过低的信噪比造成所对应的时段内后三道记录的STA/LTA值都在触发阈值内。因此，在微地震事件自动识别时，此类事件通常会被视作噪声并删除。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于道间能量叠加的微地震事件自动识别方法，其特征在于，所述方法包括：
计算射孔信号初至时差文件Δti；
利用初至时差文件Δti校正多道微地震信号；
将校正后的多道微地震信号能量求和以获得一个高信噪比模型道M(i)；
采用STA/LTA法基于模型道能量包络E(i)进行微地震事件的识别；
当没有前期射孔数据时，根据前期声波测井数据计算理论射孔信号初至时差文件Δti；
根据前期声波测井数据计算理论射孔信号初至时差文件Δti包括：
根据测井曲线获得不同深度地震波传播速度；
根据获得的深度和速度参数，构建层状速度模型；
利用射线追踪理论获得各道信号理论上的初至时刻。
2.按照权利要求1所述的方法，其特征在于，所述方法包括采用FracStar的星形检波器阵列布阵方式，获取压裂井周围所有区域的多道微地震信号，检波器等间距布设在六条测线上，星形中心位于射孔位置正上方，选择一个6层速度模型，每条测线布置6个检波器，道间距65m，偏移距85米，共计36道。
3.按照权利要求1或2所述的方法，其特征在于，当存在射孔数据时，计算射孔信号初至时差文件Δti包括：射孔数据的各道信号初至时刻依次与第一道信号初至时刻做差，获得射孔信号初至时差文件Δti。
4.按照权利要求1所述的方法，其特征在于，利用初至时差文件Δti校正多道微地震信号包括：以微地震数据的第一道信号作为参考道，初至时差文件Δti作为各道信号校正量，对整体微地震数据进行校正，使各道信号初至波到达时刻将集中在某一时刻附近。
5.按照权利要求1所述的方法，其特征在于，采用STA/LTA法基于模型道能量包络E(i)进行微地震事件的识别包括：
当短时窗与长时窗内能量平均值的比值R超过阈值Thr时，代表检测到微地震事件，此时对应的时刻Ti即有微地震事件发生，其中阈值Thr是根据实际微地震资料设定的经验值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810081964.1A CN108089226B (zh) | 2018-01-29 | 2018-01-29 | 一种基于道间能量叠加的微地震事件自动识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810081964.1A CN108089226B (zh) | 2018-01-29 | 2018-01-29 | 一种基于道间能量叠加的微地震事件自动识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108089226A CN108089226A (zh) | 2018-05-29 |
| CN108089226B true CN108089226B (zh) | 2019-07-12 |
Family
ID=62183470
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810081964.1A Active CN108089226B (zh) | 2018-01-29 | 2018-01-29 | 一种基于道间能量叠加的微地震事件自动识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108089226B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109283576B (zh) * | 2018-11-26 | 2020-06-09 | 辽宁工程技术大学 | 一种以振幅为特征函数的自动拾取p波震相方法 |
| CN111337975B (zh) * | 2020-03-24 | 2021-12-14 | 吉林大学 | 一种基于方差分形维数的微地震事件自动识别方法 |
| CN112649512B (zh) * | 2020-12-14 | 2022-05-13 | 中南大学 | 一种岩体声发射初至自适应识别方法 |
| CN114166214B (zh) * | 2021-11-12 | 2023-06-06 | 海南大学 | 基于sta/lta算法的管道连接器检测方法和系统 |
| WO2023184055A1 (en) * | 2022-03-28 | 2023-10-05 | Saudi Arabian Oil Company | A method and system for determining first breaks of sonic waveforms |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106646598A (zh) * | 2016-12-27 | 2017-05-10 | 吉林大学 | 一种fast‑aic法微地震信号拾取方法 |
| CN107132578A (zh) * | 2017-04-06 | 2017-09-05 | 吉林大学 | 一种微地震地面监测速度模型校正算法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10120102B2 (en) * | 2015-11-04 | 2018-11-06 | General Electric Company | Fluid sensor cable assembly, system, and method |
-
2018
- 2018-01-29 CN CN201810081964.1A patent/CN108089226B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106646598A (zh) * | 2016-12-27 | 2017-05-10 | 吉林大学 | 一种fast‑aic法微地震信号拾取方法 |
| CN107132578A (zh) * | 2017-04-06 | 2017-09-05 | 吉林大学 | 一种微地震地面监测速度模型校正算法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108089226A (zh) | 2018-05-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108089226B (zh) | 一种基于道间能量叠加的微地震事件自动识别方法 | |
| CN106353792B (zh) | 一种适用于水力压裂微震震源定位的方法 | |
| AU2013217518B2 (en) | Integrated passive and active seismic surveying using multiple arrays | |
| CN107728200B (zh) | 地面微地震压裂裂缝动态展布实时监测方法 | |
| CN104656142B (zh) | 一种利用垂直地震剖面与测井联合的地震层位标定方法 | |
| CN104280775B (zh) | 一种基于全波形矢量偏移叠加的微地震监测定位方法 | |
| CN110133715B (zh) | 一种基于初至时差和波形叠加的微地震震源定位方法 | |
| Wang et al. | Current developments on micro-seismic data processing | |
| KR20200014387A (ko) | 지하 구조물의 검출 | |
| CN105807316B (zh) | 基于振幅叠加的地面观测微地震速度模型校正方法 | |
| CN107490808B (zh) | 一种高可靠性地震勘探观测系统的建立方法 | |
| CN102004264A (zh) | 一种地震采集资料质量定量分析与评价方法 | |
| CN106646598A (zh) | 一种fast‑aic法微地震信号拾取方法 | |
| CN110529087A (zh) | 一种评价地层水力压裂效果的方法及装置 | |
| US20170097430A1 (en) | Method of using semblance of corrected amplitudes due to source mechanisms for microseismic event detection and location | |
| CN105093314B (zh) | 一种测定微地震震源的方法 | |
| CN104570087A (zh) | 利用瞬时属性进行地震数据初至及同相轴拾取的方法 | |
| CN104459787B (zh) | 一种垂直接收阵列地震记录的速度分析方法 | |
| CN108375789B (zh) | 联合采集地震数据的同步匹配方法 | |
| CN112305591B (zh) | 隧道超前地质预报方法、计算机可读存储介质 | |
| CN111352153B (zh) | 一种基于瞬时相位互相关加权的微地震干涉定位方法 | |
| CN105093316B (zh) | 沿井轨迹搜索的地面阵列式微地震数据静校正方法 | |
| CN111337975B (zh) | 一种基于方差分形维数的微地震事件自动识别方法 | |
| Woo et al. | Processing Ambient Noise Data Using Phase Cross‐Correlation and Application Toward Understanding Spatiotemporal Environmental Effects | |
| Goertz-Allmann et al. | Integrating active with passive seismic data to best constrain CO2 injection monitoring |
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 |