CN108897038B - 一种微地震事件检测方法及系统 - Google Patents
一种微地震事件检测方法及系统 Download PDFInfo
- Publication number
- CN108897038B CN108897038B CN201810768432.5A CN201810768432A CN108897038B CN 108897038 B CN108897038 B CN 108897038B CN 201810768432 A CN201810768432 A CN 201810768432A CN 108897038 B CN108897038 B CN 108897038B
- Authority
- CN
- China
- Prior art keywords
- data
- time window
- microseism
- data sequence
- sequence
- 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.)
- Expired - Fee Related
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 37
- 238000000546 chi-square test Methods 0.000 claims abstract description 12
- 239000013589 supplement Substances 0.000 claims description 18
- 230000001502 supplementing effect Effects 0.000 claims description 5
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 238000000034 method Methods 0.000 abstract description 16
- 230000000694 effects Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 210000003739 neck Anatomy 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000011435 rock Substances 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
本发明公开一种微地震事件检测方法及系统。该方法包括:获取按时间顺序采集的待检测的微地震数据序列;建立第一时间窗和紧随第一时间窗的第二时间窗,第一时间窗和第二时间窗的容量均为奇数;对微地震数据序列的左侧和右侧进行数据填充;从第一时间窗的中心对准微地震数据序列的第一个数据滑动第一时间窗和第二时间窗,直至第一时间窗的中心对准微地震数据序列的最后一个数据,每滑动一个数据的步长,对第一时间窗内的数据与第二时间窗内的数据进行卡方检验,从而确定微地震数据序列中的各个数据处是否发生微地震波动。本发明的方法及系统,能够有效避免噪声对检测精度的影响,提高检测准确度。
Description
技术领域
本发明涉及微地震事件技术领域,特别是涉及一种微地震事件检测方法及系统。
背景技术
水力压裂微震监测技术是近年来在低渗透率储层压裂、油藏驱动和水驱前缘等领域发展起来的一项重要新技术,也是页岩气开发的重要支撑技术。该项技术在邻井中布置多级三分量检波器排列,监测压裂井目的层段在水力压裂过程中所产生的微震事件,反演微震事件求取震源位置等参数,从而描述水力压裂过程中裂缝生长的几何形状及空间分布,实时提供水力压裂产生裂缝的长度、高度、宽度及方位,实现页岩气的工业化开发。水力压裂微震检测是当前页岩气开发领域科学研究的热点和难点。
微震监测系统中重要的一项工作是微震事件的定位。定位精度是影响微震监测系统应用效果的最为重要的因素,而微震事件定位的准确程度则主要依赖于波动初至(又可称为初至)读取的准确性等有关因素。
但问题是,初至拾取并不如想象中的那般简单。受地面仪器采动以及地质构造的影响,岩石破裂形式十分复杂,继而产生各种形式和能量的微震波动,其形式可多达几十甚至上百种,不仅主频、延时和能量等方面有差异,而且在初至位置附近的波形形态差异巨大,这种波形特征的不统一为初至拾取带来了很大困难。
除了初至点特征复杂外,初至拾取还面临着另外一个更大的挑战:微震记录是海量数据。并且,这些数据中有很大一部分都是人类或者机械活动所造成的噪声和干扰,与微震无关。除此之外,微震信号本身也并不纯粹,例如我国学者窦林名教授等认为微震信号包括多种信号。目前生产上多采取人工方法分析微震记录从而判断微震事件,然而人工方法无法准确避免噪声和干扰,精度与可靠性差。
发明内容
本发明的目的是提供一种微地震事件检测方法及系统,有效避免噪声对检测精度的影响,提高检测准确度。
为实现上述目的,本发明提供了如下方案:
一种微地震事件检测方法,包括:
获取按时间顺序采集的待检测的微地震数据序列;
建立第一时间窗和第二时间窗,所述第一时间窗和所述第二时间窗的容量均为L个数据,其中L为奇数;所述第二时间窗紧随所述第一时间窗;
对所述微地震数据序列的左侧和右侧进行数据填充,使所述第一时间窗和所述第二时间窗从所述第一时间窗的中心对准所述微地震数据序列的第一个数据滑动至所述第一时间窗的中心对准所述微地震数据序列的最后一个数据时,所述第一时间窗和所述第二时间窗内均填充满L个数据;
从所述第一时间窗的中心对准所述微地震数据序列的第一个数据滑动所述第一时间窗和所述第二时间窗,直至所述第一时间窗的中心对准所述微地震数据序列的最后一个数据,每滑动一个数据的步长,对所述第一时间窗内的数据与所述第二时间窗内的数据进行卡方检验,从而确定所述微地震数据序列中的各个数据处是否发生微地震波动;
记录所有发生微地震波动的数据在所述微地震数据序列中的序号。
可选的,所述对所述微地震数据序列的左侧和右侧进行数据填充,具体包括:
将所述微地震数据序列的左侧补充至少个数据;左侧补充的至少个数据均与所述微地震数据序列最左侧的数据相同;
将所述微地震数据序列的右侧补充至少个数据;右侧补充的至少个数据均与所述微地震数据序列最右侧的数据相同。
可选的,所述每滑动一个数据的步长,对所述第一时间窗内的数据与所述第二时间窗内的数据进行卡方检验,从而确定所述微地震数据序列中的各个数据处是否发生微地震波动,具体包括:
求取所述第一时间窗内所有数据的最大值和最小值,得到取值区间;
将所述取值区间划分为K段,得到K段小区间;
计算所述第一时间窗内的数据介于每个所述小区间内的数量F(n) P(k)和所述第二时间窗内的数据介于每个所述小区间内的数量F(n) Q(k);其中n表示位于所述第一时间窗中心的数据在所述微地震数据序列中的序号;k为小区间序号,k=1,2,…,K;
计算数量差值比率:
根据参数K和置信度α,通过查询卡方表获取卡方值χ2(α,K-1);
判断所述数量差值比率是否大于或等于所述卡方值,得到第一判断结果;
若所述第一判断结果表示所述数量差值比率大于或等于所述卡方值,则确定在所述微地震数据序列的第n个数据处发生微地震波动;若所述第一判断结果表示所述数量差值比率小于所述卡方值,则确定在所述微地震数据序列的第n个数据处未发生微地震波动。
本发明还公开一种微地震事件检测系统,包括:
序列获取模块,用于获取按时间顺序采集的微地震数据序列;
时间窗建立模块,用于建立第一时间窗和第二时间窗,所述第一时间窗和所述第二时间窗的容量均为L个数据,其中L为奇数;所述第二时间窗紧随所述第一时间窗;
数据填充模块,用于对所述微地震数据序列的左侧和右侧进行数据填充,使所述第一时间窗和所述第二时间窗从所述第一时间窗的中心对准所述微地震数据序列的第一个数据滑动至所述第一时间窗的中心对准所述微地震数据序列的最后一个数据时,所述第一时间窗和所述第二时间窗内均填充满L个数据;
微震事件检测模块,用于从所述第一时间窗的中心对准所述微地震数据序列的第一个数据滑动所述第一时间窗和所述第二时间窗,直至所述第一时间窗的中心对准所述微地震数据序列的最后一个数据,每滑动一个数据的步长,对所述第一时间窗内的数据与所述第二时间窗内的数据进行卡方检验,从而确定所述微地震数据序列中的各个数据处是否发生微地震波动;
记录模块,用于记录所有发生微地震波动的数据在所述微地震数据序列中的序号。
可选的,所述数据填充模块,具体包括:
序列左填充单元,用于将所述微地震数据序列的左侧补充至少个数据;左侧补充的至少个数据均与所述微地震数据序列最左侧的数据相同;
序列右填充单元,用于将所述微地震数据序列的右侧补充至少个数据;右侧补充的至少个数据均与所述微地震数据序列最右侧的数据相同。
可选的,所述微震事件检测模块,具体包括:
区间计算单元,用于求取所述第一时间窗内所有数据的最大值和最小值,得到取值区间;
区间划分单元,用于将所述取值区间划分为K段,得到K段小区间;
区间数据量计算单元,用于计算所述第一时间窗内的数据介于每个所述小区间内的数量F(n) P(k)和所述第二时间窗内的数据介于每个所述小区间内的数量F(n) Q(k);其中n表示位于所述第一时间窗中心的数据在所述微地震数据序列中的序号;k为小区间序号,k=1,2,…,K;
比率计算单元,用于计算数量差值比率:
卡方值查询单元,用于根据参数K和置信度α,通过查询卡方表获取卡方值χ2(α,K-1);
判断单元,用于判断所述数量差值比率是否大于或等于所述卡方值,得到第一判断结果;
微地震波动确定单元,用于若所述第一判断结果表示所述数量差值比率大于或等于所述卡方值,则确定在所述微地震数据序列的第n个数据处发生微地震波动;若所述第一判断结果表示所述数量差值比率小于所述卡方值,则确定在所述微地震数据序列的第n个数据处未发生微地震波动。
根据本发明提供的具体实施例,本发明公开了以下技术效果:本发明的微地震事件检测方法及系统,利用卡方检验的方法识别微地震波动,关注微地震数据落入某个区间的数量,能够避免依赖于微震数据本身的大小,从而有效避免噪声的影响,提高检测准确度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明微地震事件检测方法实施例的方法流程图;
图2为本发明微地震事件检测系统实施例的系统结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种微地震事件检测方法及系统,有效避免噪声对检测精度的影响,提高检测准确度。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明微地震事件检测方法实施例的方法流程图。
本发明将时间窗口内采样值落入某一区间的次数作为指标,统计次数差值之和,并将此差值之和与卡方值相比较,将比较结果作为微地震波动是否发生的标志。
参见图1,该微地震事件检测方法,包括:
步骤101:获取按时间顺序采集的待检测的微地震数据序列。
待检测的微地震数据序列为p0,p1,…,pN-1,其中N为待检测的微地震数据序列的长度,即待检测的微地震数据序列所包含的微地震数据的数量。
步骤102:建立第一时间窗和第二时间窗,所述第一时间窗和所述第二时间窗的容量均为L个数据,其中L为奇数,且L满足61≤L≤81;所述第二时间窗紧随所述第一时间窗。
步骤103:对所述微地震数据序列的左侧和右侧进行数据填充,使所述第一时间窗和所述第二时间窗从所述第一时间窗的中心对准所述微地震数据序列的第一个数据滑动至所述第一时间窗的中心对准所述微地震数据序列的最后一个数据时,所述第一时间窗和所述第二时间窗内均填充满L个数据。
其中,对所述微地震数据序列的左侧和右侧进行数据填充,具体包括:将所述微地震数据序列的左侧补充至少个数据;左侧补充的至少个数据均与所述微地震数据序列最左侧的数据相同;将所述微地震数据序列的右侧补充至少个数据;右侧补充的至少个数据均与所述微地震数据序列最右侧的数据相同。
步骤104:从所述第一时间窗的中心对准所述微地震数据序列的第一个数据滑动所述第一时间窗和所述第二时间窗,直至所述第一时间窗的中心对准所述微地震数据序列的最后一个数据,每滑动一个数据的步长,对所述第一时间窗内的数据与所述第二时间窗内的数据进行卡方检验,从而确定所述微地震数据序列中的各个数据处是否发生微地震波动。
所述第一时间窗内的数据序列为其中n表示位于所述第一时间窗中心的数据在所述微地震数据序列中的序号;pn为位于所述第一时间窗中心的数据;P表示第一时间窗的数据序列,p表示微地震数据序列内的各个数据;由于第二时间窗紧随第一时间窗,则所述第二时间窗内的数据序列为
其中,每滑动一个数据的步长,对所述第一时间窗内的数据与所述第二时间窗内的数据进行卡方检验,从而确定所述微地震数据序列中的各个数据处是否发生微地震波动,具体包括:
求取所述第一时间窗Pn内所有数据的最大值和最小值,得到取值区间;其中最小值记为p(n) min=min[Pn],最大值记为p(n) max=max[Pn],则取值区间为[p(n) min,p(n) max]。
将所述取值区间划分为K段,得到K段小区间。其中K的取值一般为10;各个小区间的序号为k,划分之后的每个小区间可以表示为:
k=1,2,…,K
n=1,2,…,N
计算所述第一时间窗内的数据介于每个所述小区间内的数量F(n) P(k)和所述第二时间窗内的数据介于每个所述小区间内的数量F(n) Q(k)。
计算数量差值比率:
根据参数K和置信度α(α一般取为95%),通过查询卡方表获取卡方值χ2(α,K-1);
判断所述数量差值比率是否大于或等于所述卡方值,得到第一判断结果;
若所述第一判断结果表示所述数量差值比率大于或等于所述卡方值,即γ(n)≥χ2(α,K-1),则确定在所述微地震数据序列的第n个数据处发生微地震波动;若所述第一判断结果表示所述数量差值比率小于所述卡方值,即γ(n)<χ2(α,K-1),则确定在所述微地震数据序列的第n个数据处未发生微地震波动。
步骤105:记录所有发生微地震波动的数据在所述微地震数据序列中的序号。
微地震事件检测所面临的最大问题是噪声对检测精度的不良影响。噪声超过一定程度,会造成检测精度极速下降。而本发明则考察微地震数据落入区间的次数,这种统计方法可以在一定程度上避免噪声的影响。
因此,本发明是对相邻的两个数据序列(P和Q)的分布进行统计刻画,如果两者差值之和小于卡方值,则认为这两个数据序列(P和Q)具有相同的分布,没有微地震波动发生;如果大于卡方值,则认为这两个数据序列(P和Q)的分布不同,意味着微地震波动发生了。利用分布是否相同,可以在一定程度上避免噪声的影响,提高检测精度,并且计算方法十分简单,原理非常明确。
图2为本发明微地震事件检测系统实施例的系统结构图。
参见图2,该微地震事件检测系统,包括:
序列获取模块201,用于获取按时间顺序采集的待检测的微地震数据序列。
时间窗建立模块202,用于建立第一时间窗和第二时间窗,所述第一时间窗和所述第二时间窗的容量均为L个数据,其中L为奇数;所述第二时间窗紧随所述第一时间窗。
数据填充模块203,用于对所述微地震数据序列的左侧和右侧进行数据填充,使所述第一时间窗和所述第二时间窗从所述第一时间窗的中心对准所述微地震数据序列的第一个数据滑动至所述第一时间窗的中心对准所述微地震数据序列的最后一个数据时,所述第一时间窗和所述第二时间窗内均填充满L个数据。
所述数据填充模块203,具体包括:序列左填充单元和序列右填充单元。其中序列左填充单元,用于将所述微地震数据序列的左侧补充至少个数据;左侧补充的至少个数据均与所述微地震数据序列最左侧的数据相同;序列右填充单元,用于将所述微地震数据序列的右侧补充至少个数据;右侧补充的至少个数据均与所述微地震数据序列最右侧的数据相同。
微震事件检测模块204,用于从所述第一时间窗的中心对准所述微地震数据序列的第一个数据滑动所述第一时间窗和所述第二时间窗,直至所述第一时间窗的中心对准所述微地震数据序列的最后一个数据,每滑动一个数据的步长,对所述第一时间窗内的数据与所述第二时间窗内的数据进行卡方检验,从而确定所述微地震数据序列中的各个数据处是否发生微地震波动。
所述微震事件检测模块204,具体包括:
区间计算单元,用于求取所述第一时间窗内所有数据的最大值和最小值,得到取值区间;区间划分单元,用于将所述取值区间划分为K段,得到K段小区间;区间数据量计算单元,用于计算所述第一时间窗内的数据介于每个所述小区间内的数量F(n) P(k)和所述第二时间窗内的数据介于每个所述小区间内的数量F(n) Q(k);其中n表示位于所述第一时间窗中心的数据在所述微地震数据序列中的序号;k为小区间序号,k=1,2,…,K;比率计算单元,用于计算数量差值比率:卡方值查询单元,用于根据参数K和置信度α,通过查询卡方表获取卡方值χ2(α,K-1);判断单元,用于判断所述数量差值比率是否大于或等于所述卡方值,得到第一判断结果;微地震波动确定单元,用于若所述第一判断结果表示所述数量差值比率大于或等于所述卡方值,则确定在所述微地震数据序列的第n个数据处发生微地震波动;若所述第一判断结果表示所述数量差值比率小于所述卡方值,则确定在所述微地震数据序列的第n个数据处未发生微地震波动。
记录模块205,用于记录所有发生微地震波动的数据在所述微地震数据序列中的序号。
根据本发明提供的具体实施例,本发明公开了以下技术效果:本发明的微地震事件检测方法及系统,利用卡方检验的方法识别微地震波动,关注微地震数据落入某个区间的数量,能够避免依赖于微地震数据本身的大小,从而有效避免噪声的影响,提高提高检测准确度。
对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (4)
1.一种微地震事件检测方法,其特征在于,包括:
获取按时间顺序采集的待检测的微地震数据序列;
建立第一时间窗和第二时间窗,所述第一时间窗和所述第二时间窗的容量均为L个数据,其中L为奇数;所述第二时间窗紧随所述第一时间窗;
对所述微地震数据序列的左侧和右侧进行数据填充,使所述第一时间窗和所述第二时间窗从所述第一时间窗的中心对准所述微地震数据序列的第一个数据滑动至所述第一时间窗的中心对准所述微地震数据序列的最后一个数据时,所述第一时间窗和所述第二时间窗内均填充满L个数据;
从所述第一时间窗的中心对准填充前的所述微地震数据序列的第一个数据滑动所述第一时间窗和所述第二时间窗,直至所述第一时间窗的中心对准填充前的所述微地震数据序列的最后一个数据,每滑动一个数据的步长,对所述第一时间窗内的数据与所述第二时间窗内的数据进行卡方检验,从而确定所述微地震数据序列中的各个数据处是否发生微地震波动;
记录所有发生微地震波动的数据在所述微地震数据序列中的序号;
所述对所述微地震数据序列的左侧和右侧进行数据填充,具体包括:
将所述微地震数据序列的左侧补充至少个数据;左侧补充的至少个数据均与所述微地震数据序列最左侧的数据相同;
将所述微地震数据序列的右侧补充至少个数据;右侧补充的至少个数据均与所述微地震数据序列最右侧的数据相同。
2.根据权利要求1所述的一种微地震事件检测方法,其特征在于,所述每滑动一个数据的步长,对所述第一时间窗内的数据与所述第二时间窗内的数据进行卡方检验,从而确定所述微地震数据序列中的各个数据处是否发生微地震波动,具体包括:
求取所述第一时间窗内所有数据的最大值和最小值,得到取值区间;
将所述取值区间划分为K段,得到K段小区间;
计算所述第一时间窗内的数据介于每个所述小区间内的数量F(n) P(k)和所述第二时间窗内的数据介于每个所述小区间内的数量F(n) Q(k);其中n表示位于所述第一时间窗中心的数据在所述微地震数据序列中的序号;k为小区间序号,k=1,2,…,K;
计算数量差值比率:
根据参数K和置信度α,通过查询卡方表获取卡方值χ2(α,K-1);
判断所述数量差值比率是否大于或等于所述卡方值,得到第一判断结果;
若所述第一判断结果表示所述数量差值比率大于或等于所述卡方值,则确定在所述微地震数据序列的第n个数据处发生微地震波动;若所述第一判断结果表示所述数量差值比率小于所述卡方值,则确定在所述微地震数据序列的第n个数据处未发生微地震波动。
3.一种微地震事件检测系统,其特征在于,包括:
序列获取模块,用于获取按时间顺序采集的待检测的微地震数据序列;
时间窗建立模块,用于建立第一时间窗和第二时间窗,所述第一时间窗和所述第二时间窗的容量均为L个数据,其中L为奇数;所述第二时间窗紧随所述第一时间窗;
数据填充模块,用于对所述微地震数据序列的左侧和右侧进行数据填充,使所述第一时间窗和所述第二时间窗从所述第一时间窗的中心对准所述微地震数据序列的第一个数据滑动至所述第一时间窗的中心对准所述微地震数据序列的最后一个数据时,所述第一时间窗和所述第二时间窗内均填充满L个数据;
微震事件检测模块,用于从所述第一时间窗的中心对准填充前的所述微地震数据序列的第一个数据滑动所述第一时间窗和所述第二时间窗,直至所述第一时间窗的中心对准填充前的所述微地震数据序列的最后一个数据,每滑动一个数据的步长,对所述第一时间窗内的数据与所述第二时间窗内的数据进行卡方检验,从而确定所述微地震数据序列中的各个数据处是否发生微地震波动;
记录模块,用于记录所有发生微地震波动的数据在所述微地震数据序列中的序号;
所述数据填充模块,具体包括:
序列左填充单元,用于将所述微地震数据序列的左侧补充至少个数据;左侧补充的至少个数据均与所述微地震数据序列最左侧的数据相同;
序列右填充单元,用于将所述微地震数据序列的右侧补充至少个数据;右侧补充的至少个数据均与所述微地震数据序列最右侧的数据相同。
4.根据权利要求3所述的一种微地震事件检测系统,其特征在于,所述微震事件检测模块,具体包括:
区间计算单元,用于求取所述第一时间窗内所有数据的最大值和最小值,得到取值区间;
区间划分单元,用于将所述取值区间划分为K段,得到K段小区间;
区间数据量计算单元,用于计算所述第一时间窗内的数据介于每个所述小区间内的数量F(n) P(k)和所述第二时间窗内的数据介于每个所述小区间内的数量F(n) Q(k);其中n表示位于所述第一时间窗中心的数据在所述微地震数据序列中的序号;k为小区间序号,k=1,2,…,K;
比率计算单元,用于计算数量差值比率:
卡方值查询单元,用于根据参数K和置信度α,通过查询卡方表获取卡方值χ2(α,K-1);
判断单元,用于判断所述数量差值比率是否大于或等于所述卡方值,得到第一判断结果;
微地震波动确定单元,用于若所述第一判断结果表示所述数量差值比率大于或等于所述卡方值,则确定在所述微地震数据序列的第n个数据处发生微地震波动;若所述第一判断结果表示所述数量差值比率小于所述卡方值,则确定在所述微地震数据序列的第n个数据处未发生微地震波动。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810768432.5A CN108897038B (zh) | 2018-07-13 | 2018-07-13 | 一种微地震事件检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810768432.5A CN108897038B (zh) | 2018-07-13 | 2018-07-13 | 一种微地震事件检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108897038A CN108897038A (zh) | 2018-11-27 |
CN108897038B true CN108897038B (zh) | 2019-07-05 |
Family
ID=64348990
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810768432.5A Expired - Fee Related CN108897038B (zh) | 2018-07-13 | 2018-07-13 | 一种微地震事件检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108897038B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110286408A (zh) * | 2019-06-28 | 2019-09-27 | 广东石油化工学院 | 一种微震事件检测方法及系统 |
CN110361779B (zh) * | 2019-07-14 | 2021-10-01 | 广东石油化工学院 | 一种基于卡方分布的微震事件检测方法和系统 |
CN110703319B (zh) * | 2019-09-26 | 2021-06-11 | 广东石油化工学院 | 一种基于Khinchin-Einstein定理的微震事件检测方法和系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN107526713A (zh) * | 2017-07-04 | 2017-12-29 | 北京航天易联科技发展有限公司 | 一种被动式太赫兹人体安检仪成像时间的确定方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6686738B2 (en) * | 2001-04-17 | 2004-02-03 | Baker Hughes Incorporated | Method for determining decay characteristics of multi-component downhole decay data |
-
2018
- 2018-07-13 CN CN201810768432.5A patent/CN108897038B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN107526713A (zh) * | 2017-07-04 | 2017-12-29 | 北京航天易联科技发展有限公司 | 一种被动式太赫兹人体安检仪成像时间的确定方法和装置 |
Non-Patent Citations (4)
Title |
---|
A method for microseismic event detection and P‐phase picking;G-Akis Tselentis,et al.;《SEG San Antonio 2011 Annual Meeting》;20111231;第1638-1642页 |
A multi-window algorithm for real-time automatic detection and picking of P-phases of microseismic events;Zuolin Chen and Robert R. Stewart;《CREWES Research Report》;20061231;第1-9页 |
Strategy for automated analysis of passive microseismic data based on S-transform, Otsu’s thresholding, and higher order statistics;G-Akis Tselentis,et al.;《GEOPHYSICS》;20121231;第43-54页 |
基于STA/LTA方法的微地震事件自动识别技术;段建华,等;《煤田地质与勘探》;20150228;第76-81页 |
Also Published As
Publication number | Publication date |
---|---|
CN108897038A (zh) | 2018-11-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108535773B (zh) | 一种微地震事件检测方法及系统 | |
CN108897038B (zh) | 一种微地震事件检测方法及系统 | |
CN104297785B (zh) | 岩相约束储层物性参数反演方法及装置 | |
CN102373923B (zh) | 一种储层识别方法 | |
CN104533370A (zh) | 压裂水平井油藏、裂缝、井筒全耦合模拟方法 | |
CN105717540A (zh) | 一种微幅度构造精细预测方法 | |
CN104375172B (zh) | 火山岩下伏地层的构造形态正确成像的方法 | |
CN105093313A (zh) | 一种岩溶型油藏单井油气产能预测方法及装置 | |
CN109655903A (zh) | 页岩层横波速度预测方法及系统 | |
CN104316958A (zh) | 一种识别不同尺度地层断裂的相干处理方法 | |
EP3004542B1 (en) | A system for computing the radius of investigation in a radial, composite reservoir | |
CN112147684A (zh) | 表征同沉积断层活动强度的方法和装置 | |
CN107728214A (zh) | 一种裂缝预测方法 | |
CN106249297A (zh) | 基于信号估计的水力压裂微地震震源定位方法及系统 | |
CN105259571A (zh) | 一种地层倾角检测方法 | |
CN110389382A (zh) | 一种基于卷积神经网络的油气藏储层表征方法 | |
CN108535777B (zh) | 一种地震波初至检测方法及系统 | |
CN104142624B (zh) | 一种基于波形匹配的时间同步方法及系统 | |
CN106522921A (zh) | 动态约束的随机建模方法及装置 | |
CN106199710A (zh) | 基于混合倾角扫描振幅变化率的潜山储层地震识别方法 | |
CN110146920A (zh) | 基于幅值相对变化的微震事件检测方法和系统 | |
CN108535778B (zh) | 一种地震波初至检测方法及系统 | |
CN111259509B (zh) | 一种钻井过程仿真方法以及系统 | |
CN109989743A (zh) | 一种确定泥浆滤液侵入深度的方法及系统 | |
CN108205158A (zh) | 一种基于指数约束的地层孔隙压力预测方法及系统 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190705 Termination date: 20200713 |