CN110967739A - 基于误差正态分布的微地震识别质量分析方法及系统 - Google Patents

基于误差正态分布的微地震识别质量分析方法及系统 Download PDF

Info

Publication number
CN110967739A
CN110967739A CN201811159477.9A CN201811159477A CN110967739A CN 110967739 A CN110967739 A CN 110967739A CN 201811159477 A CN201811159477 A CN 201811159477A CN 110967739 A CN110967739 A CN 110967739A
Authority
CN
China
Prior art keywords
normal distribution
micro
seismic
energy
value
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.)
Granted
Application number
CN201811159477.9A
Other languages
English (en)
Other versions
CN110967739B (zh
Inventor
王瑜
郭全仕
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
Priority to CN201811159477.9A priority Critical patent/CN110967739B/zh
Publication of CN110967739A publication Critical patent/CN110967739A/zh
Application granted granted Critical
Publication of CN110967739B publication Critical patent/CN110967739B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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

本发明公开了一种基于误差正态分布的微地震识别质量分析方法及系统。该方法可以包括：根据包含多个微地震监测道的记录，计算每个点每个时刻的事件能量扫描叠加值；根据每个点每个时刻的事件能量扫描叠加值，获得每一个微地震监测道的最大的事件能量扫描叠加值，进而获得能量扫描叠加特征值函数，能量扫描叠加特征值函数服从正态分布；计算能量扫描叠加特征值函数的置信参数，根据置信参数，分析微地震识别质量。本发明通过长短时窗叠加能量信噪比值，服从正态分布的规律，实现微地震识别质量评价，运算的速度快，效率高，相对简单易于实现。

Description

基于误差正态分布的微地震识别质量分析方法及系统
技术领域
本发明涉及石油地球物理勘探领域，更具体地，涉及一种基于误差正态分布的微地震识别质量分析方法及系统。
背景技术
在水力压裂和储层监测的工程中，微地震震源定位是一个非常重要的研究课题。通过对水力压裂过程中地下岩层裂缝的发育状况实时监测，可以为压裂后的油藏施工调整快速提出理论依据。由于水力压裂产生的地震信号十分微弱，微地震监测方法成为储层属性描述一种快速有效的方法。微地震信号与天然地震信号具有类似的震源机制和信号特征。压裂施工中，对裂缝的实时监测是最重要的环节。微地震现场实时监测，可以实时提供裂缝几何形态、裂缝网络扩展过程，裂缝的参数(长、高、宽)，为压裂施工实时调整压裂工程参数提供了直观准确的依据，直接影响本次压裂改造的效果。
在微地震监测技术的应用上，由于施工不同监测方式自动识别技术不同、微地震事件识别缺少质控评价体系，直接影响微地震事件的有效性和定位精度有差异；造成处理结果和综合解释存在较大的误差，造成利用微地震监测技术进行区块总体性评价困难。因此，有必要开发一种基于误差正态分布的微地震识别质量分析方法及系统。
公开于本发明背景技术部分的信息仅仅旨在加深对本发明的一般背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
发明内容
本发明提出了一种基于误差正态分布的微地震识别质量分析方法及系统，其能够通过长短时窗叠加能量信噪比值，服从正态分布的规律，实现微地震识别质量评价，运算的速度快，效率高，相对简单易于实现。
根据本发明的一方面，提出了一种基于误差正态分布的微地震识别质量分析方法。所述方法可以包括：根据包含多个微地震监测道的记录，计算每个点每个时刻的事件能量扫描叠加值；根据所述每个点每个时刻的事件能量扫描叠加值，获得每一个微地震监测道的最大的事件能量扫描叠加值，进而获得能量扫描叠加特征值函数，所述能量扫描叠加特征值函数服从正态分布；计算所述能量扫描叠加特征值函数的置信参数，根据所述置信参数，分析微地震识别质量。
优选地，所述每个点每个时刻的事件能量扫描叠加值为：
Figure BDA0001819689810000021
其中，br(η,τ)为点η、时刻τ的事件能量扫描叠加值，un为微地震监测道记录，n为微地震监测道，N为总监测道数，tηn为从点η到n道计算的最大震相走时。
优选地，根据所述最大的事件能量扫描叠加值与所述时刻的对应关系，拟合符合正态分布的所述能量扫描叠加特征值函数。
优选地，所述能量扫描叠加特征值函数的置信参数为：
Figure BDA0001819689810000022
其中，σ为置信参数。
优选地，根据所述置信参数，分析微地震识别质量包括：σ越大表示微地震识别的可信度越小，σ越小表示微地震识别的可信度越大。
根据本发明的另一方面，提出了一种基于误差正态分布的微地震识别质量分析系统，其特征在于，该系统包括：存储器，存储有计算机可执行指令；处理器，所述处理器运行所述存储器中的计算机可执行指令，执行以下步骤：根据包含多个微地震监测道的记录，计算每个点每个时刻的事件能量扫描叠加值；根据所述每个点每个时刻的事件能量扫描叠加值，获得每一个微地震监测道的最大的事件能量扫描叠加值，进而获得能量扫描叠加特征值函数，所述能量扫描叠加特征值函数服从正态分布；计算所述能量扫描叠加特征值函数的置信参数，根据所述置信参数，分析微地震识别质量。
优选地，所述每个点每个时刻的事件能量扫描叠加值为：
Figure BDA0001819689810000031
其中，br(η,τ)为点η、时刻τ的事件能量扫描叠加值，un为微地震监测道记录，n为微地震监测道，N为总监测道数，tηn为从点η到n道计算的最大震相走时。
优选地，根据所述最大的事件能量扫描叠加值与所述时刻的对应关系，拟合符合正态分布的所述能量扫描叠加特征值函数。
优选地，所述能量扫描叠加特征值函数的置信参数为：
Figure BDA0001819689810000032
其中，σ为置信参数。
优选地，根据所述置信参数，分析微地震识别质量包括：σ越大表示微地震识别的可信度越小，σ越小表示微地震识别的可信度越大。
其有益效果在于：
(1)运算的速度快，效率高；
(2)相对简单易于实现；
(3)通过长短时窗的叠加能量信噪比值构建正态分布函数，计算尺度函数来求取质控评价参数，对每个事件进行可信度评价；通过阈值来筛选可信度低的事件，提供微地震事件定位精度。
本发明的方法和装置具有其它的特性和优点，这些特性和优点从并入本文中的附图和随后的具体实施方式中将是显而易见的，或者将在并入本文中的附图和随后的具体实施方式中进行详细陈述，这些附图和具体实施方式共同用于解释本发明的特定原理。
附图说明
通过结合附图对本发明示例性实施例进行更详细的描述，本发明的上述以及其它目的、特征和优势将变得更加明显，其中，在本发明示例性实施例中，相同的参考标号通常代表相同部件。
图1示出了根据本发明的基于误差正态分布的微地震识别质量分析方法的步骤的流程图。
图2示出了根据本发明的一个实施例的能量扫描叠加特征值函数的示意图。
图3示出了根据本发明的一个实施例的能量扫描叠加特征值函数服从正态分布的示意图。
具体实施方式
下面将参照附图更详细地描述本发明。虽然附图中显示了本发明的优选实施例，然而应该理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了使本发明更加透彻和完整，并且能够将本发明的范围完整地传达给本领域的技术人员。
图1示出了根据本发明的基于误差正态分布的微地震识别质量分析方法的步骤的流程图。
在该实施例中，根据本发明的基于误差正态分布的微地震识别质量分析方法可以包括：步骤101，根据包含多个微地震监测道的记录，计算每个点每个时刻的事件能量扫描叠加值；步骤102，根据每个点每个时刻的事件能量扫描叠加值，获得每一个微地震监测道的最大的事件能量扫描叠加值，进而获得能量扫描叠加特征值函数，能量扫描叠加特征值函数服从正态分布；步骤103，计算能量扫描叠加特征值函数的置信参数，根据置信参数，分析微地震识别质量。
在一个示例中，每个点每个时刻的事件能量扫描叠加值为：
Figure BDA0001819689810000051
其中，br(η,τ)为点η、时刻τ的事件能量扫描叠加值，un为微地震监测道记录，n为微地震监测道，N为总监测道数，tηn为从点η到n道计算的最大震相走时。
在一个示例中，根据最大的事件能量扫描叠加值与时刻的对应关系，拟合符合正态分布的能量扫描叠加特征值函数。
在一个示例中，能量扫描叠加特征值函数的置信参数为：
Figure BDA0001819689810000052
其中，σ为置信参数。
在一个示例中，根据置信参数，分析微地震识别质量包括：σ越大表示微地震识别的可信度越小，σ越小表示微地震识别的可信度越大。
具体地，根据本发明的基于误差正态分布的微地震识别质量分析方法可以包括：
一般处理中，通过对已知震源(射孔)拉平的手段使微地震信号在时间域近似于同步信号，采用各道包络叠加成像得到的最大能量值函数值，形成事件能量扫描叠加特征值函数Ne(η,τ)，进行微地震事件的识别。假设有N个微地震监测道的记录，通过公式(1)计算每个点每个时刻的事件能量扫描叠加值，通过求取震源可能出现的空间范围内各个震源的事件能量扫描最大叠加值brmax(η,τ)，每一个时刻τ都有对应该时刻有最大的事件能量扫描叠加值，根据时刻τ与最大的事件能量扫描叠加值的一一对应关系，即最大的事件能量扫描叠加值对于时刻τ的分布，拟合符合正态分布的能量扫描叠加特征值函数Ne(η,τ)，根据能量比-偏振度响应值设置动态门限值进行微地震事件的识别。
从微地震事件能量扫描叠加原理可知，一般越接近震源的真实位置，其能量最大，并有距离真实位置越远，其能量叠加值变小的趋势，并且叠加的能量函数值形态呈现为两头低，中间高的趋势，从原理和统计学概念上类似数学中正态分布。
若将事件能量扫描叠加特征值函数Ne(η,τ)为A，那么A近似服从一个数学期望为μ，尺度参数为σ的概率分布，根据每个点每个时刻的事件能量扫描叠加值，获得每一个微地震监测道的最大的事件能量扫描叠加值，进而获得能量扫描叠加特征值函数为：
Figure BDA0001819689810000061
则事件能量扫描叠加特征值函数为正态随机变量，服从正态分布，这里的τ为微地震记录的时间序列，那么可以将尺度参数σ作为事件识别质量的置信参数。
根据微地震事件识别过程计算的能量叠加值序列A1、A2、……、Anτ，通过公式(2)计算能量扫描叠加特征值函数的置信参数，根据置信参数，分析微地震识别质量：σ越大，能量叠加函数分布越分散，能量叠加值不突出，曲线越扁，表示微地震识别的可信度越小，σ越小，能量叠加函数越集中，能量最大值越大，曲线越瘦高，表示微地震识别的可信度越大。还可以通过设定阈值来筛选可信度低的事件，从而实现对可信度进行评价。
本方法通过长短时窗叠加能量信噪比值，服从正态分布的规律，实现微地震识别质量评价，运算的速度快，效率高，相对简单易于实现。
应用示例
为便于理解本发明实施例的方案及其效果，以下给出一个具体应用示例。本领域技术人员应理解，该示例仅为了便于理解本发明，其任何具体细节并非意在以任何方式限制本发明。
根据本发明的基于误差正态分布的微地震识别质量分析方法可以包括：
根据包含多个微地震监测道的记录，通过公式(1)计算每个点每个时刻的事件能量扫描叠加值；根据每个点每个时刻的事件能量扫描叠加值，获得每一个微地震监测道的最大的事件能量扫描叠加值，进而获得能量扫描叠加特征值函数，能量扫描叠加特征值函数服从正态分布；通过公式(2)计算能量扫描叠加特征值函数的置信参数，根据置信参数，分析微地震识别质量：σ越大表示微地震识别的可信度越小，σ越小表示微地震识别的可信度越大。
以一口地面水力压裂微地震监测资料为实例。观测井为直井，井口相对坐标：0，0，0；射孔点位置：300，300，1240。
计算每个点每个时刻的事件能量扫描叠加值；获得每一个微地震监测道的最大的事件能量扫描叠加值，图2示出了根据本发明的一个实施例的能量扫描叠加特征值函数的示意图，纵轴为能量值，从图上可以清楚的看到有5个明显的微地震事件。
图3示出了根据本发明的一个实施例的能量扫描叠加特征值函数服从正态分布的示意图。
选取其中一个微地震事件，选取适当的时窗内的该事件的能量扫描叠加函数值作为正态分布函数，如图3所示，根据公式(2)计算正态分布函数的置信函数σ，根据σ的大小判断微地震事件可信度，其中σ越小，表示微地震识别的可信度越大。综上所述，本发明通过长短时窗叠加能量信噪比值，服从正态分布的规律，实现微地震识别质量评价，运算的速度快，效率高，相对简单易于实现。
本领域技术人员应理解，上面对本发明的实施例的描述的目的仅为了示例性地说明本发明的实施例的有益效果，并不意在将本发明的实施例限制于所给出的任何示例。
根据本发明的实施例，提供了一种基于误差正态分布的微地震识别质量分析系统，其特征在于，该系统包括：存储器，存储有计算机可执行指令；处理器，所述处理器运行所述存储器中的计算机可执行指令，执行以下步骤：根据包含多个微地震监测道的记录，计算每个点每个时刻的事件能量扫描叠加值；根据每个点每个时刻的事件能量扫描叠加值，获得每一个微地震监测道的最大的事件能量扫描叠加值，进而获得能量扫描叠加特征值函数，能量扫描叠加特征值函数服从正态分布；计算能量扫描叠加特征值函数的置信参数，根据置信参数，分析微地震识别质量。
在一个示例中，每个点每个时刻的事件能量扫描叠加值为：
Figure BDA0001819689810000081
其中，br(η,τ)为点η、时刻τ的事件能量扫描叠加值，un为微地震监测道记录，n为微地震监测道，N为总监测道数，tηn为从点η到n道计算的最大震相走时。
在一个示例中，根据最大的事件能量扫描叠加值与时刻的对应关系，拟合符合正态分布的能量扫描叠加特征值函数。
在一个示例中，能量扫描叠加特征值函数的置信参数为：
Figure BDA0001819689810000091
其中，σ为置信参数。
在一个示例中，根据置信参数，分析微地震识别质量包括：σ越大表示微地震识别的可信度越小，σ越小表示微地震识别的可信度越大。
本系统通过长短时窗叠加能量信噪比值，服从正态分布的规律，实现微地震识别质量评价，运算的速度快，效率高，相对简单易于实现。
本领域技术人员应理解，上面对本发明的实施例的描述的目的仅为了示例性地说明本发明的实施例的有益效果，并不意在将本发明的实施例限制于所给出的任何示例。
以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。

Claims (10)

1.一种基于误差正态分布的微地震识别质量分析方法，其特征在于，包括：
根据包含多个微地震监测道的记录，计算每个点每个时刻的事件能量扫描叠加值；
根据所述每个点每个时刻的事件能量扫描叠加值，获得每一个微地震监测道的最大的事件能量扫描叠加值，进而获得能量扫描叠加特征值函数，所述能量扫描叠加特征值函数服从正态分布；
计算所述能量扫描叠加特征值函数的置信参数，根据所述置信参数，分析微地震识别质量。
2.根据权利要求1所述的基于误差正态分布的微地震识别质量分析方法，其中，所述每个点每个时刻的事件能量扫描叠加值为：
Figure FDA0001819689800000011
其中，br(η,τ)为点η、时刻τ的事件能量扫描叠加值，un为微地震监测道记录，n为微地震监测道，N为总监测道数，tηn为从点η到n道计算的最大震相走时。
3.根据权利要求1所述的基于误差正态分布的微地震识别质量分析方法，其中，根据所述最大的事件能量扫描叠加值与所述时刻的对应关系，拟合符合正态分布的所述能量扫描叠加特征值函数。
4.根据权利要求1所述的基于误差正态分布的微地震识别质量分析方法，其中，所述能量扫描叠加特征值函数的置信参数为：
Figure FDA0001819689800000021
其中，σ为置信参数。
5.根据权利要求1所述的基于误差正态分布的微地震识别质量分析方法，其中，根据所述置信参数，分析微地震识别质量包括：
σ越大表示微地震识别的可信度越小，σ越小表示微地震识别的可信度越大。
6.一种基于误差正态分布的微地震识别质量分析系统，其特征在于，该系统包括：
存储器，存储有计算机可执行指令；
处理器，所述处理器运行所述存储器中的计算机可执行指令，执行以下步骤：
根据包含多个微地震监测道的记录，计算每个点每个时刻的事件能量扫描叠加值；
根据所述每个点每个时刻的事件能量扫描叠加值，获得每一个微地震监测道的最大的事件能量扫描叠加值，进而获得能量扫描叠加特征值函数，所述能量扫描叠加特征值函数服从正态分布；
计算所述能量扫描叠加特征值函数的置信参数，根据所述置信参数，分析微地震识别质量。
7.根据权利要求6所述的基于误差正态分布的微地震识别质量分析系统，其中，所述每个点每个时刻的事件能量扫描叠加值为：
Figure FDA0001819689800000022
其中，br(η,τ)为点η、时刻τ的事件能量扫描叠加值，un为微地震监测道记录，n为微地震监测道，N为总监测道数，tηn为从点η到n道计算的最大震相走时。
8.根据权利要求6所述的基于误差正态分布的微地震识别质量分析系统，其中，根据所述最大的事件能量扫描叠加值与所述时刻的对应关系，拟合符合正态分布的所述能量扫描叠加特征值函数。
9.根据权利要求6所述的基于误差正态分布的微地震识别质量分析系统，其中，所述能量扫描叠加特征值函数的置信参数为：
Figure FDA0001819689800000031
其中，σ为置信参数。
10.根据权利要求6所述的基于误差正态分布的微地震识别质量分析系统，其中，根据所述置信参数，分析微地震识别质量包括：
σ越大表示微地震识别的可信度越小，σ越小表示微地震识别的可信度越大。
CN201811159477.9A 2018-09-30 2018-09-30 基于误差正态分布的微地震识别质量分析方法及系统 Active CN110967739B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811159477.9A CN110967739B (zh) 2018-09-30 2018-09-30 基于误差正态分布的微地震识别质量分析方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811159477.9A CN110967739B (zh) 2018-09-30 2018-09-30 基于误差正态分布的微地震识别质量分析方法及系统

Publications (2)

Publication Number Publication Date
CN110967739A true CN110967739A (zh) 2020-04-07
CN110967739B CN110967739B (zh) 2021-11-05

Family

ID=70028931

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811159477.9A Active CN110967739B (zh) 2018-09-30 2018-09-30 基于误差正态分布的微地震识别质量分析方法及系统

Country Status (1)

Country Link
CN (1) CN110967739B (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4330872A (en) * 1974-09-23 1982-05-18 Mobil Oil Corporation Common-offset-distance seismic trace filtering
US7546228B2 (en) * 2003-04-30 2009-06-09 Landmark Graphics Corporation Stochastically generating facility and well schedules
CN102841373A (zh) * 2012-08-23 2012-12-26 中国石油集团川庆钻探工程有限公司地球物理勘探公司 基于方位角约束的微地震事件定位方法
CN104360384A (zh) * 2014-11-13 2015-02-18 中国石油天然气集团公司 基于纵横波能量自动扫描的微地震事件定位方法及装置
CN105372696A (zh) * 2014-09-02 2016-03-02 中国石油化工股份有限公司 一种微地震的定位方法和系统
CN105589100A (zh) * 2014-10-21 2016-05-18 中国石油化工股份有限公司 一种微地震震源位置和速度模型同时反演方法
US9372279B2 (en) * 2001-05-08 2016-06-21 Shuji Mori Method of determining petroleum location
CN106154324A (zh) * 2015-04-13 2016-11-23 中石化石油工程地球物理有限公司胜利分公司 基于多道扫描叠加的井下微地震事件自动识别方法
CN106154334A (zh) * 2015-04-13 2016-11-23 中石化石油工程地球物理有限公司胜利分公司 基于网格搜索的井下微地震事件实时反演定位方法
CN106199520A (zh) * 2015-05-30 2016-12-07 中国石油化工股份有限公司 微地震震源定位方法和装置
CN106353821A (zh) * 2015-07-17 2017-01-25 中国石油化工股份有限公司 一种微地震事件定位方法
CN107272066A (zh) * 2017-06-22 2017-10-20 东华理工大学 一种含噪地震信号初至走时拾取方法及装置
CN107870359A (zh) * 2016-09-28 2018-04-03 中国石油化工股份有限公司 微地震事件识别方法及装置

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4330872A (en) * 1974-09-23 1982-05-18 Mobil Oil Corporation Common-offset-distance seismic trace filtering
US9372279B2 (en) * 2001-05-08 2016-06-21 Shuji Mori Method of determining petroleum location
US7546228B2 (en) * 2003-04-30 2009-06-09 Landmark Graphics Corporation Stochastically generating facility and well schedules
CN102841373A (zh) * 2012-08-23 2012-12-26 中国石油集团川庆钻探工程有限公司地球物理勘探公司 基于方位角约束的微地震事件定位方法
CN105372696A (zh) * 2014-09-02 2016-03-02 中国石油化工股份有限公司 一种微地震的定位方法和系统
CN105589100A (zh) * 2014-10-21 2016-05-18 中国石油化工股份有限公司 一种微地震震源位置和速度模型同时反演方法
CN104360384A (zh) * 2014-11-13 2015-02-18 中国石油天然气集团公司 基于纵横波能量自动扫描的微地震事件定位方法及装置
CN106154324A (zh) * 2015-04-13 2016-11-23 中石化石油工程地球物理有限公司胜利分公司 基于多道扫描叠加的井下微地震事件自动识别方法
CN106154334A (zh) * 2015-04-13 2016-11-23 中石化石油工程地球物理有限公司胜利分公司 基于网格搜索的井下微地震事件实时反演定位方法
CN106199520A (zh) * 2015-05-30 2016-12-07 中国石油化工股份有限公司 微地震震源定位方法和装置
CN106353821A (zh) * 2015-07-17 2017-01-25 中国石油化工股份有限公司 一种微地震事件定位方法
CN107870359A (zh) * 2016-09-28 2018-04-03 中国石油化工股份有限公司 微地震事件识别方法及装置
CN107272066A (zh) * 2017-06-22 2017-10-20 东华理工大学 一种含噪地震信号初至走时拾取方法及装置

Also Published As

Publication number Publication date
CN110967739B (zh) 2021-11-05

Similar Documents

Publication Publication Date Title
US11500117B1 (en) Method and system for evaluating filling characteristics of deep paleokarst reservoir through well-to-seismic integration
CA2743611C (en) Methods and systems for monitoring and modeling hydraulic fracturing of a reservoir field
SA518400558B1 (ar) تقدير للإجهادات الأفقية والثوابت غير الخطية في تركيبات متباينة مثل طبقات كربونات متعاقبة في خزانات الصخر الطيني العضوي
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
US20060062084A1 (en) Microseismic event detection and location by continuous map migration
CN104765064A (zh) 一种微地震干涉成像的方法
CN110529087B (zh) 一种评价地层水力压裂效果的方法及装置
Mittal et al. Testing the performance of earthquake early warning system in northern India
WO2012139082A1 (en) Event selection in the image domain
US20190094397A1 (en) Surface detection and location of microseismic events and earthquakes without the use of a velocity model
US11789173B1 (en) Real-time microseismic magnitude calculation method and device based on deep learning
CN115327616B (zh) 一种海量数据驱动的矿山微震震源自动定位方法
CN107255834A (zh) 一种基于地震约束的声波测井曲线校正方法
CN113534240A (zh) 微地震事件检测与定位方法及系统
CN105431750A (zh) 可压裂性测试方法及系统
CN112415571B (zh) 一种微地震定位方法、存储介质及设备
Xu et al. An automatic P-wave onset time picking method for mining-induced microseismic data based on long short-term memory deep neural network
Yoon et al. A detailed view of the 2020–2023 Southwestern Puerto Rico seismic sequence with deep learning
CN110967739B (zh) 基于误差正态分布的微地震识别质量分析方法及系统
CN104536046B (zh) 基于地震记录的震源激发信号一致性评价方法
US20200271810A1 (en) Hybrid Residual Moveout Error Estimation
CN114488293A (zh) 基于敏感测井曲线的高分辨率反演方法
CN112230275A (zh) 地震波形的识别方法、装置及电子设备
Wadge et al. Identification and analysis of the alignments of point-like features in remotely-sensed imagery: volcanic cones in the Pinacate volcanic field, Mexico
CN110967756B (zh) 基于正态分布的微地震定位精度评价方法及系统

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