CN111929721A - 地震信息采集系统及方法 - Google Patents
地震信息采集系统及方法 Download PDFInfo
- Publication number
- CN111929721A CN111929721A CN202010700844.2A CN202010700844A CN111929721A CN 111929721 A CN111929721 A CN 111929721A CN 202010700844 A CN202010700844 A CN 202010700844A CN 111929721 A CN111929721 A CN 111929721A
- Authority
- CN
- China
- Prior art keywords
- data
- module
- signal processing
- information acquisition
- recording
- 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.)
- Pending
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
- G01V1/38—Seismology; Seismic or acoustic prospecting or detecting specially adapted for water-covered areas
- G01V1/3808—Seismic data acquisition, e.g. survey design
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/24—Recording seismic data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/10—Aspects of acoustic signal generation or detection
- G01V2210/14—Signal detection
- G01V2210/142—Receiver location
- G01V2210/1423—Sea
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Oceanography (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明涉及海洋地质调查领域,提供地震信息采集系统及方法,用于解决近场子波的采集问题。本发明提供的地震信息采集系统,包括数据记录模块;辅助道模块,所述辅助道模块同所述数据记录模块连接,所述辅助道模块将接收到的模拟信号转换为数字信号存储入数据记录模块;信号处理模块,所述信号处理模块同近场检波器连接,所述信号处理模块同所述辅助道模块连接,所述信号处理模块用于将信号进行降压、滤波处理,并将处理后的模拟信号传递给所述辅助道模块。可以准确的采集、记录近场子波数据。
Description
技术领域
本发明涉及海洋地质调查领域,具体涉及地震信息采集系统。
背景技术
空气枪震源一直以来作为海上地震资料采集过程中的主流震源在使用,在地震资料数据处理过程中的反子波算子的求取,一般采用数据处理软件的统计结果来提取,其统计误差比较大,另一种算法就是直接利用空气枪震源室内计算机模拟的远场子波运算,而实际生产过程中,受震源间距变化、个别气枪单枪不点火、不同步、自激、关枪等客观因素的影响,实际的远场子波和室内模拟的远场子波相差往往较大。在实际资料处理中往往得不到很理想的效果。
海洋地震勘探是海洋油气和基础地质调查的重要手段,对海洋地震勘探数据采集而言,传统的采集方式采用非连续记录的方式采集地震数据,一般是根据地质目标以及分辨率要求等因素确定最小、最大偏移距,炮间距以及记录长度,炮间距一般是固定的(比如25m),通过调整船速来保证震源的激发间隔大于单炮记录的长度,保证炮与炮之间不存在混叠。随着地震采集技术的提高,连续记录的方式得到了越来越多的关注,相对于非连续记录方法,连续记录采集不仅能够极大地提高采集效率,而且能够提高数据的密度。
同时,采用连续记录的方式采集地震数据时,震源每隔一段时间激发,而检波器一直在记录,直至震源停止激发。连续记录由于存在混叠能量,需要进行分离,数据分离的好坏直接决定了连续记录数据后续处理的效果。目前,对连续记录进行分离,主要借鉴去噪的思路来处理。
目前,对地震连续记录的分离的方法难以估算混叠能量,尤其是在海底地质复杂的条件下,难以将存在能量混叠的连续记录转换为单炮记录,导致地震连续记录分离的效果不好。
发明内容
本发明解决的技术问题为近场子波的采集问题,提供地震信息采集系统。
为了解决上述技术问题,本发明提供的技术方案为:
地震信息采集系统,包括
数据记录模块;
辅助道模块,所述辅助道模块同所述数据记录模块连接,所述辅助道模块将接收到的模拟信号转换为数字信号存储入数据记录模块;
信号处理模块,所述信号处理模块同近场检波器连接,所述信号处理模块同所述辅助道模块连接,所述信号处理模块用于将信号进行降压、滤波处理,并将处理后的模拟信号传递给所述辅助道模块。
将每一炮气枪震源近场检波器接收到的近场子波实时记录,用于辅助地震连续记录的分离。
通过此种方式采集的数据用于辅助地震连续记录的数据,可以提高分离效率和精准度。
优选地,所述辅助道模块不少于一个,所述信号处理模块不少于一个。
优选地,所述辅助道模块为4个,所述信号处理模块为4个,一个所述信号处理模块同一个所述辅助道模块连接。
优选地,所述信号处理模块包括降压电路和滤波电路,所述降压电路的的输出端同所述滤波电路连接,所述降压电路的降压比例可调。
优选地,所述信号处理模块处理的信号包括但不限于近场子波信号、气枪压力信号、气枪深度信号、气枪控制信号的其中一种或几种。
优选地,一个信号处理模块处理一种信号。
一种地震信息数据采集方法,包括:
S10.通过正演模拟生成连续记录数据和非连续记录数据,所述非连续记录数据不存在混叠能量的数据;
S20.将获得的连续记录数据和非连续记录数据制作成标签数据,所述标签数据包括输入数据和目标数据,所述输入数据包括从所述连续记录数据中截取出的伪单炮记录和震源深度、震源产生的近场子波信号数据、震源压力、震源激发的时间间隔,所述目标数据为非连续记录数据;
S30.构建神经网络模型,将所述标签数据输入神经网络模型进行训练,得到训练后的神经网络模型;
S40.将实际测量的地震连续记录进行伪分离,即根据震源的激发时刻及预设的记录长度,从连续记录数据中截取部分数据,得到实测的伪单炮记录,将伪单炮记录和权利要求1~6中数据记录模块记录的近场子波信号数据、气枪压力信号数据、气枪深度信号数据、气枪控制信号数据,输出即为常规的单炮记录。
优选地,所述气枪控制信号数据为气枪激发的时间间隔。
优选地,所述神经网络模型,所述神经网络模型为径向基神经网络模型。
发明人在多年的海洋地质调查试验中,发现近场子波数据的采集和记录是较为困难的,一是该数据通常无法实时采集,在201810542378.2中,发明人公开了一种近场子波数据的采集系统,可以有效的采集近场子波;二是该数据通常用于计算远场子波,二远场子波也可以通过其他形式获取,例如模拟,该数据的可替换性较强,实际调研人员记录的优先级不是很高。
同时,对地震连续记录的分离的方法难以估算混叠能量,尤其是在海底地质复杂的条件下,难以将存在能量混叠的连续记录转换为单炮记录,导致地震连续记录分离的效果不好。发明人在201910847226.8公开了一种基于神经网络的多道地震连续记录分离方法,该方法采用全连接神经网络,可以有效分离连续记录。但是发明人发现该方法的分离效果仍有待提高。
发明人为了进一步高效分离地震连续记录,将震源的参数引入了神经网络,发现可以在一定程度提高分离效果。
发明人在一次实验过程中,巧合之下将近场子波数据作为了神经网络的输入,发现在一定程度上提高了地震连续记录的分离效果。基于该偶然的发现,发明尝试了多种神经网络模型,发现径向基神经网络模型在增加近场子波数据作为输入后,可以更加有效的分离地震连续记录。
进一步,发明人对神经网络模型的输入进一步优化,在训练时,采用正演模拟的记录数据和震源参数进行训练,实际运行中将实际采集的数据同近场子波及气枪震源的参数作为神经网络的输入,显著的提高了连续记录的分离效果。
与现有技术相比,本发明具有的有益效果为:可以准确的采集、记录近场子波数据;为近场子波数据的应用提供了新的方向,为地震连续记录的分离提供了新的方法,并提高了分离准确度。
附图说明
图1为一种地震信息采集系统的示意图。
图2为一种地震信息采集方法的示意图。
具体实施方式
以下实施例是对本发明的进一步说明,不是对本发明的限制。
实施例1
地震信息采集系统,包括
数据记录模块;
辅助道模块,所述辅助道模块同所述数据记录模块连接,所述辅助道模块将接收到的模拟信号转换为数字信号存储入数据记录模块;
信号处理模块,所述信号处理模块同近场检波器连接,所述信号处理模块同所述辅助道模块连接,所述信号处理模块用于将信号进行降压、滤波处理,并将处理后的模拟信号传递给所述辅助道模块。所述辅助道模块为4个,所述信号处理模块为4个,一个所述信号处理模块同一个所述辅助道模块连接。所述信号处理模块包括降压电路和滤波电路,所述降压电路的的输出端同所述滤波电路连接,所述降压电路的降压比例可调。降压电路可以采用电阻分压法实现降压。
所述辅助道模块包括第一辅助道模块、第二辅助道模块、第三辅助道模块和第四辅助道模块,所述信号处理模块包括第一信号处理模块、第二信号处理模块、第三信号处理模块和第四信号处理模块。
所述第一信号处理模块用于对近场检波器输出的近场子波信号进行降压、滤波处理,并将处理后的近场子波信号输入所述第一辅助道模块;所述第一辅助道模块用于将所述第一信号处理模块输出的近场子波信号由模拟信号转为数字信号数据后存储至所述数据记录模块。
所述第二信号处理模块对气枪压力传感器输出的气枪压力信号进行降压、滤波处理,并将处理后的气枪压力信号输入所述第二辅助道模块;所述第二辅助道模块用于将所述第二信号处理模块输出的气枪压力信号由模拟信号转为数字信号数据后存储至所述数据记录模块。
所述第三信号处理模块用于对气枪深度传感器(用于检测气枪在水中的深度)输出的气枪深度信号进行降压、滤波处理,并将处理后的气枪深度信号输入所述第三辅助道模块;所述第三辅助道模块用于将所述第三信号处理模块输出的气枪深度信号由模拟信号转为数字信号数据后存储至所述数据记录模块。
所述第四信号处理模块用于对气枪控制器输出的气枪控制信号进行降压、滤波处理,并将处理后的气枪控制信号输入所述第四辅助道模块;所述第四辅助道单元用于将所述第四信号处理模块输出的气枪控制信号由模拟信号转为数字信号后存储至所述数据记录系统。本实施例中的控制信号为时间间隔。
所述气枪控制信号数据为气枪激发的时间间隔。所述神经网络模型,所述神经网络模型为径向基神经网络模型。
将每一炮气枪震源近场检波器接收到的近场子波实时记录,用于辅助地震连续记录的分离。通过此种方式采集的数据用于辅助地震连续记录的数据,可以提高分离效率和精准度。
实施例2
一种地震信息采集方法,包括:
S10.通过正演模拟生成连续记录数据和非连续记录数据,所述非连续记录数据不存在混叠能量的数据;
设置若干个震源,震源可以是气枪震源,一个震源为一个炮点,震源按预设的时间间隔进行激发。对于连续记录的方式,检波器持续进行接收直至所有的震源停止激发;而对应非连续记录,检波器不持续接收而是只记录震源的每一次激发,每一次激发结束后,检波器停止接收,直至下一次激发,检波器才开始接收。
可以通过两次正演模拟来分别获得连续记录数据和非连续记录单炮数据,只需要将两次正演模拟的参数和数值模型设置为相同即可。
在进行非连续记录数据的模拟中,在新的一次激发炮开始模拟之前,重置波场为0值波场,各个激发炮之间相互独立,互不干涉。在对进行连续记录数据的模拟中,在每一次激发炮结束之后,保存最后两个时刻的波场作为下一次激发炮模拟的初始波场。连续记录模拟和非连续记录模拟的区别在于开始新的一次激发炮的模拟是否有重置初始波场。
对于非连续记录模式,每一次激发对应形成一个单炮记录。而对于连续记录模式,一个记录文件中包含多个伪单炮记录。
S20.将获得的连续记录数据和非连续记录数据制作成标签数据,所述标签数据包括输入数据和目标数据,所述输入数据包括从所述连续记录数据中截取出的伪单炮记录和震源深度、震源产生的近场子波信号数据、震源压力、震源激发的时间间隔,所述目标数据为非连续记录数据;
S30.构建神经网络模型,将所述标签数据输入神经网络模型进行训练,得到训练后的神经网络模型;
S40.将实际测量的地震连续记录进行伪分离,即根据震源的激发时刻及预设的记录长度,从连续记录数据中截取部分数据,得到实测的伪单炮记录,将伪单炮记录和实施例1中数据记录模块记录的近场子波信号数据、气枪压力信号数据、气枪深度信号数据、气枪控制信号数据,输出即为常规的单炮记录。
所述气枪控制信号数据为气枪激发的时间间隔。
所述神经网络模型,所述神经网络模型为径向基神经网络模型。
上列详细说明是针对本发明可行实施例的具体说明,以上实施例并非用以限制本发明的专利范围,凡未脱离本发明所为的等效实施或变更,均应包含于本案的专利范围中。
Claims (9)
1.地震信息采集系统,其特征在于,包括
数据记录模块;
辅助道模块,所述辅助道模块同所述数据记录模块连接,所述辅助道模块将接收到的模拟信号转换为数字信号存储入数据记录模块;
信号处理模块,所述信号处理模块同近场检波器连接,所述信号处理模块同所述辅助道模块连接,所述信号处理模块用于将信号进行降压、滤波处理,并将处理后的模拟信号传递给所述辅助道模块。
2.根据权利要求1所述的地震信息采集系统,其特征在于,所述辅助道模块不少于一个,所述信号处理模块不少于一个。
3.根据权利要求2所述的地震信息采集系统,其特征在于,所述辅助道模块为4个,所述信号处理模块为4个,一个所述信号处理模块同一个所述辅助道模块连接。
4.根据权利要求1所述的地震信息采集系统,其特征在于,所述信号处理模块包括降压电路和滤波电路,所述降压电路的的输出端同所述滤波电路连接,所述降压电路的降压比例可调。
5.根据权利要求1所述的地震信息采集系统,其特征在于,所述信号处理模块处理的信号包括但不限于近场子波信号、气枪压力信号、气枪深度信号、气枪控制信号的其中一种或几种。
6.根据权利要求1所述的地震信息采集系统,其特征在于,一个信号处理模块处理一种信号。
7.根据权利要求1所述的地震信息采集系统方法,其特征在于,包括:
S10.通过正演模拟生成连续记录数据和非连续记录数据,所述非连续记录数据不存在混叠能量的数据;
S20.将获得的连续记录数据和非连续记录数据制作成标签数据,所述标签数据包括输入数据和目标数据,所述输入数据包括从所述连续记录数据中截取出的伪单炮记录和震源深度、震源产生的近场子波信号数据、震源压力、震源激发的时间间隔,所述目标数据为非连续记录数据;
S30.构建神经网络模型,将所述标签数据输入神经网络模型进行训练,得到训练后的神经网络模型;
S40.将实际测量的地震连续记录进行伪分离,即根据震源的激发时刻及预设的记录长度,从连续记录数据中截取部分数据,得到实测的伪单炮记录,将伪单炮记录和权利要求1~6中数据记录模块记录的近场子波信号数据、气枪压力信号数据、气枪深度信号数据、气枪控制信号数据,输出即为常规的单炮记录。
8.根据权利要求7所述的地震信息采集系统,其特征在于,所述气枪控制信号数据为气枪激发的时间间隔。
9.根据权利要求7所述的地震信息采集系统,其特征在于,所述神经网络模型,所述神经网络模型为径向基神经网络模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010700844.2A CN111929721A (zh) | 2020-07-20 | 2020-07-20 | 地震信息采集系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010700844.2A CN111929721A (zh) | 2020-07-20 | 2020-07-20 | 地震信息采集系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111929721A true CN111929721A (zh) | 2020-11-13 |
Family
ID=73312616
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010700844.2A Pending CN111929721A (zh) | 2020-07-20 | 2020-07-20 | 地震信息采集系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111929721A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112444858A (zh) * | 2020-12-09 | 2021-03-05 | 中国科学院地质与地球物理研究所 | 基于边云协同的地震实时监测ai计算方法、装置及介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108761536A (zh) * | 2018-05-30 | 2018-11-06 | 广州海洋地质调查局 | 地震信息采集系统 |
CN110568485A (zh) * | 2019-09-06 | 2019-12-13 | 广州海洋地质调查局 | 一种基于神经网络的多道地震连续记录分离方法 |
-
2020
- 2020-07-20 CN CN202010700844.2A patent/CN111929721A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108761536A (zh) * | 2018-05-30 | 2018-11-06 | 广州海洋地质调查局 | 地震信息采集系统 |
CN110568485A (zh) * | 2019-09-06 | 2019-12-13 | 广州海洋地质调查局 | 一种基于神经网络的多道地震连续记录分离方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112444858A (zh) * | 2020-12-09 | 2021-03-05 | 中国科学院地质与地球物理研究所 | 基于边云协同的地震实时监测ai计算方法、装置及介质 |
CN112444858B (zh) * | 2020-12-09 | 2022-03-22 | 中国科学院地质与地球物理研究所 | 基于边云协同的地震实时监测ai计算方法、装置及介质 |
US11513245B2 (en) | 2020-12-09 | 2022-11-29 | Institute Of Geology And Geophysics, Chinese Academy Of Sciences | Artificial intelligence calculation method and apparatus for monitoring earthquake in real time based on edge cloud cooperation, and storage medium |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1748380B (zh) | 测试声源的方法和装置 | |
CN108805269B (zh) | 一种基于lstm循环神经网络拾取震相到时的方法 | |
CN110568485B (zh) | 一种基于神经网络的多道地震连续记录分离方法 | |
US4323990A (en) | Seismic exploration system | |
CN111487678B (zh) | 一种确定高分辨率小多道地震最小偏移距和系统延迟的分析方法 | |
CN110632662A (zh) | 一种利用DCNN-Inception网络自动识别微地震信号的算法 | |
WO2012071233A2 (en) | Identifying invalid seismic data | |
CN111929721A (zh) | 地震信息采集系统及方法 | |
US10191169B2 (en) | Distributed seismic node computing | |
CN113534259B (zh) | 一种可控震源高效采集实时叠前时间偏移成像方法 | |
CN111352160A (zh) | 一种海底地震仪自动重定位装置及方法 | |
US20210157021A1 (en) | Seismic data filtering based on distances between seismic sources | |
US4397007A (en) | Real-time monitor for marine seismic exploration system | |
CN113570041B (zh) | 一种神经网络以及利用该神经网络压制海上光纤拖缆地震数据噪声的方法 | |
CN113671564B (zh) | 基于narx动态神经网络的微地震有效事件自动拾取方法 | |
CN111257940B (zh) | 一种组合式海底地震仪姿态自动校正装置及方法 | |
CN104280766B (zh) | 一种利用局部数据同相轴斜率的直接偏移方法 | |
CN112179566A (zh) | 针对海洋拖揽采集的枪阵震源漏气的预警方法及系统 | |
US4813026A (en) | Method for logarithmic analysis of seismic reflection signals | |
CN111965729A (zh) | 可控震源组合中心实时监控方法、系统及装置 | |
CN106842294B (zh) | 一种滩涂地带obc采集资料分离方法 | |
CN112731519B (zh) | 确定颤动时间区间的方法和装置 | |
CN105807319B (zh) | 一种近场子波气泡周期拾取方法和系统 | |
US4021772A (en) | System for recording seismic reflection signals in true amplitude | |
CN117538936B (zh) | 一种石油地球物理勘探中炮集异常道快速检测方法及系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201113 |