CN110161560B - 一种微震事件的检测方法和装置 - Google Patents

Abstract

本发明的实施例公开一种微震事件的检测方法和装置，所述方法包括：获取实测的第一微震信号序列；得到第二微震信号序列；对所述第二微震信号序列中的各个数据进行分组，分成I组数据；将序号i的值设为1；将所述第二微震信号序列看作采样间隔为T的信号采样，第i组中的数据看作二维空间中的三个点，多所述三个点进行多项式插值处理，计算系数

将所述序号i的值进行加一处理，然后返回步骤5；直到序号I的值大于I，得到系数序列a₁的一系列值，判断所述系数序列a₁中每一个系数

的异常；将所有判断为异常的系数组成异常系数序列，异常的系数所对应的序号组成异常序号集合，根据所述异常序号集合中的元素，检测微震事件。

Description

一种微震事件的检测方法和装置

技术领域

本发明涉及领域监测，尤其涉及一种微震事件的检测方法和装置。

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。从社会和国家的需求角度考虑，开展微震监测系统方面的研究十分重要，具有重大的社会和经济价值。

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到来了很大困难。进一步的研究还表明，微震震源机制也会影响初至点特征：硬岩剪切作用产生的微震波动大多能量大、主频较高、延时短以及最大峰值位置紧跟初始初至，这类波的初至点清晰、起跳延时短，拾取较为容易；但拉伸作用产生的微震波动大多能量小、主频低、延时长、起跳缓慢、能量分布较为均匀，这类波初至点处振幅较小，容易被干扰信号淹没，初至点的特征表现不一致，初至拾取并不容易；而软岩所产生的微震波动，能量分布集中、初始初至点模糊、分界线不明显，与硬岩有明显的不同，初至拾取也较为困难^[29]。同时，根据国外的研究发现，由于P波速度大于S波速度，很多算法想当然地认为初至波为P波，但事实可能更为复杂：初至可能是P波，也可能是S波，甚至还有可能是异常点(outliers)。根据研究，41％的初至为S波，10％的初至是outliers造成的。这些都给初至拾取带来了相当大的难度。

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。例如，2005年1月月某试验区记录了近1万个微震事件。同时为了满足生产需求，微震监测系统需要一天24小时连续记录。不但如此，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。文献更是将噪声分为三种基本类型：高频(>200Hz)噪声，由各种作业相关活动造成；低频噪声(<10Hz)，通常是由远离记录地点的机器活动造成，以及工业电流(50Hz)。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。

因此，如何从海量数据中识别微震事件、拾取初至，是微震数据处理的基础。与此形成对比的是，生产上多采取人工方法，费时费力且精度与可靠性差，拾取质量无法保证，也无法处理海量数据。初至自动拾取是解决方法之一，微震波动初至自动拾取是微震监测数据处理的关键技术之一，也是实现微震震源自动定位的技术难点。

常见的微震事件检测方法中，判断阈值大小的确定较为随意，没有统一的准则，其普遍适用性存在很大的局限性，尤其是当信噪比较低时，算法的性能受到很大影响。

发明内容

有鉴于此，本发明实施例提供一种微震事件的检测方法和装置，能够提高微震事件的检测精度。

一种微震事件的检测方法，包括：

步骤1，获取实测的第一微震信号序列p(1),p(2),…,p(N),p(N+1),N+1为微震信号序列的长度；

步骤2，将所述第一微震信号序列中的后一个数据减去前一个数据，得到第二微震信号序列；ΔP＝[p(2)-p(1),p(3)-p(2),…,p(N+1)-p(N)]；ΔP的长度为N；

步骤3，对所述第二微震信号序列中的各个数据进行分组，分成I组数据，每组数据包含三个元素；

步骤4，将序号i的值设为1；

步骤5，将所述第二微震信号序列看作采样间隔为T的信号采样，第i组中的数据看作二维空间中的三个点，所述三个点的坐标分别是：

步骤6，多所述三个点进行多项式插值处理，计算系数

步骤7，将所述序号i的值进行加一处理，然后返回步骤5；直到序号i的值大于I，得到系数序列a₁的一系列值

i＝1,2,…,I；

步骤8，判断所述系数序列a₁中每一个系数

的异常；

步骤9，将所有判断为异常的系数组成异常系数序列

异常的系数所对应的序号组成异常序号集合O＝[j₁,j₂,…,j_J]，各个所述序号满足下列关系：j₁＜j₂＜…＜j_J，j₁,j₂,…,j_J∈[1,2,…,I]；

步骤10，根据所述异常序号集合中的元素，检测微震事件。

一种微震事件的检测装置，包括：

获取单元，获取实测的第一微震信号序列p(1),p(2),…,p(N),p(N+1),N+1为微震信号序列的长度；

第一计算单元，将所述第一微震信号序列中的后一个数据减去前一个数据，得到第二微震信号序列；ΔP＝[p(2)-p(1),p(3)-p(2),…,p(N+1)-p(N)]；ΔP的长度为N；

分组单元，对所述第二微震信号序列中的各个数据进行分组，分成I组数据，每组数据包含三个元素；

设定单元，将序号i的值设为1；

第一处理单元，将所述第二微震信号序列作为采样间隔为T的信号采样，第i组中的数据作为二维空间中的三个点，所述三个点的坐标分别是：

第二处理单元，多所述三个点进行多项式插值处理，计算系数

第二计算单元，将所述序号i的值进行加一处理，然后返回步骤5；直到序号i的值大于I，得到系数序列a₁的一系列值

i＝1,2,…,I；

判断单元，判断所述系数序列a₁中每一个系数

的异常；

集合单元，将所有判断为异常的系数组成异常系数序列

异常的系数所对应的序号组成异常序号集合O＝[j₁,j₂,…,j_J]，各个所述序号满足下列关系：j₁＜j₂＜…＜j_J，j₁,j₂,…,j_J∈[1,2,…,I]；

判断单元，根据所述异常序号集合中的元素，检测微震事件。

本发明利用了微震事件的稀疏性(功率数值变化在整个功率数据中占比较小)以及噪声的统计特性，从概率统计的角度避免噪声对功率变化的影响，有效消除那些强噪声造成的功率变化，从而提高了微震事件检测的精度。

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，下面将对实施例或现有技术描述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的前提下，还可以根据这些附图获得其它的附图。

图1为本发明的实施例微震事件的检测方法的示意图；

图2为本发明应用场景的微震事件的检测方法的示意图；

图3为本发明的实施例进行分组的示意图。

图4为本发明的实施例微震事件的检测装置的示意图；

具体实施方式

下面结合附图对本发明实施例进行详细描述。

应当明确，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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

如图1所示，为本发明所述的一种微震事件的检测方法，包括：

步骤101，获取实测的第一微震信号序列p(1),p(2),…,p(N),p(N+1),N+1为微震信号序列的长度；

步骤102，将所述第一微震信号序列中的后一个数据减去前一个数据，得到第二微震信号序列；ΔP＝[p(2)-p(1),p(3)-p(2),…,p(N+1)-p(N)]；ΔP的长度为N；

步骤103，对所述第二微震信号序列中的各个数据进行分组，分成I组数据，每组数据包含三个元素；所述步骤3包括：按照先后顺序，将所述第二微震信号序列中的每3个相邻的数据组成一组，各组之间没有重复的数据。如果最后一个分组不足3个数据，则以所述第二微震信号序列中的最后一个数据充填不足数据。

步骤104，将序号i的值设为1；

步骤105，将所述第二微震信号序列看作采样间隔为T的信号采样，第i组中的数据看作二维空间中的三个点，所述三个点的坐标分别是：

步骤106，多所述三个点进行多项式插值处理，计算系数

步骤107，将所述序号i的值进行加一处理，然后返回步骤5；直到序号i的值大于I，得到系数序列a₁的一系列值

i＝1,2,…,I；

步骤108，判断所述系数序列a₁中每一个系数

的异常；所述步骤8包括：

其中，σ为所述系数序列a₁的方差。

所述步骤108之前，所述方法还包括：

计算系数序列a₁的均值

计算系数序列a₁的方差

步骤109，将所有判断为异常的系数组成异常系数序列

异常的系数所对应的序号组成异常序号集合O＝[j₁,j₂,…,j_J]，各个所述序号满足下列关系：j₁＜j₂＜…＜j_J，j₁,j₂,…,j_J∈[1,2,…,I]；

步骤110，根据所述异常序号集合中的元素，检测微震事件。所述步骤10包括：如果两个相邻的异常序号相差1，即j_L+1-j_L＝1，则认为第L组数据中的第三个数据对应微震事件，即ΔP_3L对应微震事件。

以下描述应用场景。本发明所提出的微震事件方法，利用了微震信号与背景噪声之间概率分布的差异来实现初至拾取，可以有效解决低信噪比情况下微震事件的检测问题。

如图2所示，所述方法包括：

步骤1，输入数据

输入实测的微震信号序列p(1),p(2),…,p(N),p(N+1),N+1为微震信号序列的长度。

步骤2，数据变换

后一个数据减去前一个数据，得到新的数据矢量：

ΔP＝[p(2)-p(1),p(3)-p(2),…,p(N+1)-p(N)]；此时数据序列ΔP的长度为N。

步骤3，数据分组：按照先后顺序，每3个相邻的数据组成一组，各组之间没有重复的数据，如果最后一组不足3个数据，则以最后一个数据充填不足数据。数据分组的方法见图3所示。

步骤4，假设共分成了I组.现在开始对第i组数据进行处理。

4.1引入时间概念，则数据矢量

ΔP＝[p(2)-p(1),p(3)-p(2),…,p(N+1)-p(N)]可以看成是采样间隔为T的信号采样。则第i组中的数据可以看成是二维空间中的三个点，这三个点的坐标是：

4.2多项式插值处理，即第一个点

和第三个点

之间的任意一点(t,ΔP)，都可以表示为:

ΔP＝a₀+a₁(t-2T-t_i1)

其中系数a₁的表达式为：

为了与其他组得到的系数相区别，将其重新表示为

步骤5，对下一组数据进行同样的处理：i＝i+1,返回第4步。

步骤6，处理完第I组后，得到系数a₁的一系列值：

i＝1,2,…,I

步骤7，估计系数a₁的均值

步骤8，估计系数a₁的方差

步骤9，对每一个系数

i＝1,2,…,I，做如下判断：

步骤10，所有判断为异常的系数组成异常系数序列

共有J个异常系数，其对应的序号组成异常序号集合O＝[j₁,j₂,…,j_J]，其中各个序号满足下列关系：j₁＜j₂＜…＜j_J，j₁,j₂,…,j_J∈[1,2,…,I]。

步骤11，如果某两个相邻异常序号相差1，即j_L+1-j_L＝1，那么则认为第L组数据中的第三个数据对应微震事件，即ΔP_3L对应微震事件。

步骤12，根据上述原则，可以得到微震事件集合

共有M个微震事件。检测完毕。

常用的算法依据功率变化来确定微震事件，其主要缺点是背景噪声会造成微震事件检测的错误。本发明利用了微震事件的稀疏性(功率数值变化在整个功率数据中占比较小)以及噪声的统计特性，从概率统计的角度避免噪声对功率变化的影响，有效消除那些强噪声造成的功率变化，从而提高了微震事件检测的精度。

如图4所示，为一种微震事件的检测装置，包括：

获取单元31，获取实测的第一微震信号序列p(1),p(2),…,p(N),p(N+1),N+1为微震信号序列的长度；

第一计算单元32，将所述第一微震信号序列中的后一个数据减去前一个数据，得到第二微震信号序列；ΔP＝[p(2)-p(1),p(3)-p(2),…,p(N+1)-p(N)]；ΔP的长度为N；

分组单元33，对所述第二微震信号序列中的各个数据进行分组，分成I组数据，每组数据包含三个元素；

设定单元34，将序号i的值设为1；

第一处理单元35，将所述第二微震信号序列作为采样间隔为T的信号采样，第i组中的数据作为二维空间中的三个点，所述三个点的坐标分别是：

第二处理单元36，多所述三个点进行多项式插值处理，计算系数

第二计算单元37，将所述序号i的值进行加一处理，然后返回步骤5；直到序号i的值大于I，得到系数序列a₁的一系列值

i＝1,2,…,I；

判断单元38，判断所述系数序列a₁中每一个系数

的异常；

集合单元39，将所有判断为异常的系数组成异常系数序列

异常的系数所对应的序号组成异常序号集合O＝[j₁,j₂,…,j_J]，各个所述序号满足下列关系：j₁＜j₂＜…＜j_J，j₁,j₂,…,j_J∈[1,2,…,I]；

判断单元310，根据所述异常序号集合中的元素，检测微震事件。

所述分组单元包括：

按照先后顺序，将所述第二微震信号序列中的每3个相邻的数据组成一组，各组之间没有重复的数据。

为了描述的方便，描述以上装置是以功能分为各种单元/模块分别描述。当然，在实施本发明时可以把各单元/模块的功能在同一个或多个软件和/或硬件中实现。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (6)

1.一种微震事件的检测方法，其特征在于，包括：

步骤1，获取实测的第一微震信号序列p(1),p(2),…,p(N),p(N+1),N+1为微震信号序列的长度；

步骤2，将所述第一微震信号序列中的后一个数据减去前一个数据，得到第二微震信号序列；ΔP＝[p(2)-p(1),p(3)-p(2),…,p(N+1)-p(N)]；ΔP的长度为N；

步骤3，对所述第二微震信号序列中的各个数据进行分组，分成I组数据，每组数据包含三个元素；

步骤4，将序号i的值设为1；

步骤5，将所述第二微震信号序列看作采样间隔为T的信号采样，第i组中的数据看作二维空间中的三个点，所述三个点的坐标分别是：

步骤6，多所述三个点进行多项式插值处理，计算系数

步骤7，将所述序号i的值进行加一处理，然后返回步骤5；直到序号i的值大于I，得到系数序列a₁的一系列值

步骤8，判断所述系数序列a₁中每一个系数

的异常；

步骤9，将所有判断为异常的系数组成异常系数序列

异常的系数所对应的序号组成异常序号集合O＝[j₁,j₂,…,j_J]，各个所述序号满足下列关系：j₁＜j₂＜…＜j_J，j₁,j₂,…,j_J∈[1,2,…,I]；

步骤10，根据所述异常序号集合中的元素，检测微震事件；

其中，所述步骤8包括：

其中，σ为所述系数序列a₁的方差；

其中，所述步骤8之前，所述方法还包括：

计算系数序列a₁的均值

计算系数序列a₁的方差

2.根据权利要求1所述的方法，其特征在于，所述步骤3包括：

按照先后顺序，将所述第二微震信号序列中的每3个相邻的数据组成一组，各组之间没有重复的数据。

3.根据权利要求2所述的方法，其特征在于，所述步骤3还包括：

如果最后一个分组不足3个数据，则以所述第二微震信号序列中的最后一个数据充填不足数据。

4.根据权利要求1所述的方法，其特征在于，所述步骤10包括：

如果两个相邻的异常序号相差1，即j_L+1-j_L＝1，则认为第L组数据中的第三个数据对应微震事件，即ΔP_3L对应微震事件。

5.一种微震事件的检测装置，其特征在于，包括：

获取单元，获取实测的第一微震信号序列p(1),p(2),…,p(N),p(N+1),N+1为微震信号序列的长度；

第一计算单元，将所述第一微震信号序列中的后一个数据减去前一个数据，得到第二微震信号序列；ΔP＝[p(2)-p(1),p(3)-p(2),…,p(N+1)-p(N)]；ΔP的长度为N；

分组单元，对所述第二微震信号序列中的各个数据进行分组，分成I组数据，每组数据包含三个元素；

设定单元，将序号i的值设为1；

第一处理单元，将所述第二微震信号序列作为采样间隔为T的信号采样，第i组中的数据作为二维空间中的三个点，所述三个点的坐标分别是：

第二处理单元，多所述三个点进行多项式插值处理，计算系数

第二计算单元，将所述序号i的值进行加一处理，然后返回步骤5；直到序号i的值大于I，得到系数序列a₁的一系列值

计算系数序列a₁的均值

计算系数序列a₁的方差

判断单元，判断所述系数序列a₁中每一个系数

的异常；

其中，σ为所述系数序列a₁的方差；

集合单元，将所有判断为异常的系数组成异常系数序列

异常的系数所对应的序号组成异常序号集合O＝[j₁,j₂,…,j_J]，各个所述序号满足下列关系：j₁＜j₂＜…＜j_J，j₁,j₂,…,j_J∈[1,2,…,I]；

判断单元，根据所述异常序号集合中的元素，检测微震事件。

6.根据权利要求5所述的装置，其特征在于，所述分组单元包括：

按照先后顺序，将所述第二微震信号序列中的每3个相邻的数据组成一组，各组之间没有重复的数据。

Images