CN112068193B - 一种微地震剪切源弱事件s波初至自动拾取方法 - Google Patents
一种微地震剪切源弱事件s波初至自动拾取方法 Download PDFInfo
- Publication number
- CN112068193B CN112068193B CN201910497390.0A CN201910497390A CN112068193B CN 112068193 B CN112068193 B CN 112068193B CN 201910497390 A CN201910497390 A CN 201910497390A CN 112068193 B CN112068193 B CN 112068193B
- Authority
- CN
- China
- Prior art keywords
- wave
- arrival
- component
- time
- energy ratio
- 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 50
- 238000012545 processing Methods 0.000 claims abstract description 40
- 239000013598 vector Substances 0.000 claims abstract description 29
- 230000010287 polarization Effects 0.000 claims abstract description 27
- 238000004458 analytical method Methods 0.000 claims abstract description 25
- 239000011159 matrix material Substances 0.000 claims abstract description 15
- 238000005070 sampling Methods 0.000 claims description 21
- 238000013211 curve analysis Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 3
- 239000004576 sand Substances 0.000 claims description 3
- 238000010008 shearing Methods 0.000 claims description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims 1
- 238000000354 decomposition reaction Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
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
本发明提供了一种微地震剪切源弱事件S波初至自动拾取方法及计算机存储介质。该方法通过两两分量偏振分析与旋转处理,从原始微地震三分量矢量波场中分离出P波数据和S波数据以及S波剩余分量T;然后,一方面利用长短时窗能量比法,搜索出P波数据初至时间,另一方面利用S波数据与S波剩余分量T,构建S波协方差矩阵特征值能量比曲线,并自动搜索出与P波相匹配的S波初至时间;最后,通过“零值”处理,去除S波特征值能量比曲线上已经识别出的P波和相匹配的S波数值,再通过给定较小门槛值,实现剩余的微地震弱事件S波初至时间自动拾取。本发明能够实现对微地震事件快速、准确地定位,整个定位过程简单便捷,具有很好的技术应用前景。
Description
技术领域
本发明涉及微地震监测数据处理技术领域,尤其涉及一种微地震剪切源弱事件S波初至自动拾取方法。
背景技术
微地震监测数据处理重点在于事件的准确定位,影响因素主要包括速度模型建立、反演算法的适用性、正演算法的精度、初至拾取等方面。其中,纵、横波初至准确拾取是震源精确定位首要条件之一。井中微地震初至拾取方法,一般采用常规地震直达波初至拾取方法,其原理主要是根据有效波与噪声在能量、偏振特性以及其他一些统计特性上存在区别,获得稳定可靠的初至时间,如能量分析法、自回归AR模型法、偏振分析法等等。
每种类型方法都有各自算法特点,能量分析法是基于长短时窗能量比,当信号到达时,能量比变化快,相应的值会有一个明显的突跳,将该点时间定义为有效事件初至时间,但是信噪比较低情况容易出现误拾、漏拾;自回归AR模型法是基于信号与背景噪音属于不同AR模型,信号到达时AIC值极小值,但是不能直接判断是否是有效信号;偏振分析法是基于有效信号偏振度高、随机信号偏振度低,对应不同线性偏振系数曲线,但是该方法无法单独进行有效信号的检测。
由于在水力压裂裂缝过程中,监测到的微地震事件震相类型复杂,可能是P波、S波组合,也可能只产生单一的P波或S波,并且信号能量不等。当岩石破碎时,大多数情况下剪切震源比较多,会出现大量弱事件S波,而这些事件是压裂过程中裂缝发育真实反应。这些事件具有能量弱、低频、受井周边环境影响及各类噪音的干扰,用常规初至识别方法拾取初至时间效果不佳。因此,如何从复杂的微地震监测数据记录中识别出更加准确、稳定的能量弱的微地震事件S波初至,是亟待解决的技术问题。
发明内容
针对上述技术问题,本发明提供了一种新的微地震剪切源弱事件S波初至自动拾取方法,包括以下步骤:
S100,针对微地震P波信号,从原始微地震三分量矢量波场中分解出沿波传播方向P波分量;
S200,针对微地震S波信号,从原始微地震三分量矢量波场中分解出垂直传播方向S波分量和切向S波剩余分量T;
S300,根据P波分量计算P波长短时窗能量比,并基于P波长短时窗能量比构建P波特征曲线;
S400,在P波特征曲线上搜索出P波长短时窗能量比大于给定的P波初至识别门槛值的峰值,拾取所述峰值对应的时间样点作为P波初至时间tP;
S500,根据S波分量和S波剩余分量T,构建S波瞬时协方差矩阵,计算其最大特征值,通过计算最大特征值前后时窗能量比,构建S波特征值瞬时能量比曲线;
S600,确定与P波初至时间tP相匹配的S波初至时间tS的可能的时间范围,在此时间范围内,从S波特征值瞬时能量比曲线上搜索出与P波初至时间tP相匹配的S波初至时间tS;
S700,在P波初至时间tP和S波初至时间tS位置附近,对S波特征值瞬时能量比曲线的数据进行置零处理,以去除S波特征值瞬时能量比曲线上已经识别出的P波初至和S波初至;
S800,在经过置零处理的S波特征值瞬时能量比曲线上,搜索出S波特征值瞬时能量比大于预设的弱事件S波初至识别门槛值的极值,拾取所述极值对应的时间样点作为所求的微地震剪切源弱事件S波初至时间t* S。
根据本发明的实施例,上述步骤S100包括以下步骤:
S110,针对微地震P波信号,通过矢端曲线分析,对原始微地震三分量中的X分量和Y分量进行偏振分析与旋转处理,获得波传播径向分量R和切向分量T;
S120,再通过矢端曲线分析,对波传播径向分量R和原始微地震三分量中的Z分量进行偏振分析与旋转处理,获得沿波传播方向P波分量和垂直传播方向N分量。
根据本发明的实施例,上述步骤S200包括以下步骤:
S210,针对微地震S波信号,通过矢端曲线分析,对原始微地震三分量中的X分量和Y分量进行偏振分析与旋转处理,获得波传播径向分量R和切向分量T;
S220,再通过矢端曲线分析,对波传播径向分量R和原始微地震三分量中的Z分量进行偏振分析与旋转处理,获得垂直传播方向S波分量和切向S波剩余分量T。
根据本发明的实施例,在上述步骤S300中,按照下式计算P波长短时窗能量比,以构建P波特征曲线:
其中,ERPi为时间样点i对应的P波长短时窗能量比,Pi为时间样点i对应的P波分量,L1和L2分别为给定的长时窗和短时窗。
根据本发明的实施例,上述步骤S400包括以下步骤:
S410,定义P波初至识别门槛值KP,在P波特征曲线上搜索出P波长短时窗能量比大于等于P波初至识别门槛值时对应的时间样点的位置TKP,其中:
当i<TKP且ERPi<KP
当i=TKP且ERPi≥KP
S420,定义P波初至搜索时窗的大小WP,搜索在P波初至搜索时窗[TKP,TKP+WP]内P波特征曲线上的峰值FP:
FP=max{ERPi}且i∈[TKP,TKP+WP]
S430,将搜索出的峰值FP所对应的时间样点tP作为P波初至时间。
根据本发明的实施例,上述步骤S500包括以下步骤:。
S510,根据S波分量和切向S波剩余分量T,构建以下S波瞬时协方差矩阵CCSi:
其中,Si、TSi分别为样点i处的S波分量瞬时振幅、切向S波剩余分量T瞬时振幅,∑表示对样点时窗内数值求和;
S520,对S波协方差矩阵CCSi进行奇异值SVD分解,计算出其最大特征值λSi:
CCSi={λ1,λ2}USUS -1
λSi=max{λ1,λ2}
其中,{λ1,λ2}、US分别为S波特征值、特征向量。
S530,按照下式计算S波最大特征值λSi前后时窗能量比,:
其中,EERSi为时间样点i的S波最大特征值前后时窗能量比,L为给定的时窗。
根据本发明的实施例,上述步骤S600包括以下步骤:
S610,根据已有微地震观测系统和测井数据,定义与P波初至时间tP相匹配的S波初至时间的可能的时间范围[tP+Δt1,tP+Δt2];
S620,在时间范围[tP+Δt1,tP+Δt2]内,从S波特征值瞬时能量比曲线上搜索出峰值FS:
FS=max{EERSi}且i∈[tP+Δt1,tP+Δt2]
S630,将搜索出的峰值FP对应的时间样点tS定义为与P波初至时间tP相匹配的S波初至时间。
根据本发明的实施例,上述步骤S700包括以下步骤:
S710,分别定义P波初至“零值”处理时窗大小ΔtP0、S波初至“零值”处理时窗大小ΔtS0;
S720,在P波初至时间tP和S波初至时间tS位置附近,当i∈[tP-ΔtP0,tP+ΔtP0]或i∈[tS-ΔtS0,tS+ΔtS0]时,对S波特征值瞬时能量比曲线的数据进行置零处理,令EERSi=0。
根据本发明的实施例,上述步骤S800包括以下步骤:
S810,针对经过置零处理的S波特征值瞬时能量比曲线,设定S波初至识别门槛值KS,在S波特征值瞬时能量比曲线上搜索出S波特征值瞬时能量比大于等于S波初至识别门槛值时对应的时间样点的位置TKS,以判断有无弱事件S波信号,其中:
当i<TKS且EERSi<KS
当i=TKS且EERSi≥KS
S820,若有弱事件S波信号,则定义S波初至搜索时窗的大小WS,搜索在S波初至搜索时窗[TKS,TKS+WS]内S波特征值瞬时能量比曲线上的极值FS:
FS=max{EERSi}且i∈[TKS,TKS+WS]
S830,将搜索出的极值FS所对应的时间样点t* S作为所求的微地震弱事件S波初至时间。
此外,本发明还提供一种计算机存储介质,其中存储有用于实现上述方法的计算机程序。
与现有技术相比,上述方案中的一个或多个实施例可以具有如下优点或有益效果:
本发明提供了一种能量较弱的非匹配的微地震事件S波初至时间自动拾取方法,通过两两分量偏振分析与旋转处理,从原始微地震三分量矢量波场中分离出P波数据和S波数据以及S波剩余分量T;然后,一方面利用长短时窗能量比法,搜索出P波数据初至时间,另一方面利用S波数据与S波剩余分量T,构建S波协方差矩阵特征值能量比曲线,并自动搜索出与P波相匹配的S波初至时间;最后,通过“零值”处理,去除S波特征值能量比曲线上已经识别出的P波和相匹配的S波数值,再给定较小门槛值,就能实现剩余的微地震弱事件S波初至时间自动拾取。本发明能够实现对微地震事件快速、准确地定位,整个定位过程简单便捷,具有很好的技术应用前景。
本发明的其它特征和优点将在随后的说明书中阐述,并且部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
通过结合附图阅读下文示例性实施例的详细描述可更好地理解本公开的范围。其中所包括的附图是:
图1是本发明实施例一的微地震弱事件S波初至自动拾取方法的工作流程图;
图2是本发明实施例二的微地震事件三分量数据:(a)Z分量;(b)X分量;(c)Y分量;
图3是本发明实施例二的微地震事件三分量数据矢量分解出沿传播方向P波分量;
图4是本发明实施例二的微地震事件三分量数据矢量分解出垂直传播方向S波分量与其剩余分量;
图5是本发明实施例二的微地震事件P波分量数据长短时窗能量比曲线:虚线为门槛值;
图6是本发明实施例二的微地震事件S波分量特征值能量比曲线:箭头为与P波匹配的S波初至;
图7是本发明实施例二的图6“零值”处理后微地震弱事件S波特征值能量比曲线:虚线为门槛值;
图8是本发明实施例二的识别出的S波弱事件初至在微地震事件S波分量上箭头标识。
具体实施方式
微地震弱事件初至识别是微地震弱信号处理关键技术之一。本发明通过两两分量偏振分析与旋转处理,从原始微地震三分量矢量波场中分离出P波数据和S波数据以及S波剩余分量T;然后,一方面利用长短时窗能量比法,搜索出P波数据初至时间,另一方面利用S波数据与S波剩余分量T,构建S波协方差矩阵特征值能量比曲线,并自动搜索出与P波相匹配的S波初至时间;最后,通过“零值”处理,去除S波特征值能量比曲线上已经识别出的P波和相匹配的S波数值,再给定较小门槛值,就能实现剩余的微地震弱事件S波初至时间自动拾取。
为使本发明的目的、技术方案和优点更加清楚,下面结合附图及实施例来详细说明本发明的实施方法,借此对本发明如何应用技术手段来解决技术问题,并达成技术效果的实现过程能充分理解并据以实施。
实施例一
本实施例提供了一种基于矢量波场分离的微地震剪切源弱事件S波初至自动拾取方法。如图1所示,该方法主要包含以下五个步骤:
第一步,针对P波信号,通过矢端曲线分析,对原始微地震三分量中的X、Y分量进行偏振分析与旋转处理,分别获得波传播径向分量R与切向分量T,再对R分量与原始Z分量数据进行偏振分析与旋转处理,分别获得沿波传播方向P波分量、垂直传播方向N分量,同样地,针对S波信号,通过两两分量偏振分析与旋转,可以获得垂直传播方向S波分量和切向S波剩余分量T;
第二步,输入第一步矢量波场分离出的P波分量数据,计算长短时窗能量比ERPi,设定门槛值,自动搜索ERPi大于门槛值的峰值,其对应的时间为微地震事件P波初至时间tP;
第三步,将第一步矢量波场分离出的S波分量与切向S波剩余分量T,构建S波瞬时协方差矩阵CCSi,计算其最大特征值λSi,在此基础上进一步计算特征值相应的瞬时能量比EERSi;
第四步,根据第二步识别出的微地震事件P波初至时间tP,设计同一微地震事件与P波相匹配S波初至可能时间范围[tP+Δt1,tP+Δt2],在S波特征值瞬时能量比EERSi曲线上搜索匹配S波初至时间tS;
第五步,在识别出的微地震事件P波初至时间tP和相匹配S波初至时间tS位置附近,对S波特征值瞬时能量比EERSi曲线数据进行“零值”处理,再设定一个较小门槛值,就能自动搜索出EERSi曲线数“零值”处理后的峰值时间,即为微地震剪切源能量较弱事件S波初至时间t* S。
下面具体介绍各步骤。
首先,对原始微地震三分量数据进行两两分量偏振分析与旋转处理,矢量分解出沿传播方向P波分量、垂直传播方向S波分量和切向S波剩余分量T。
本实施例优选法采用已知算法--矢端曲线分析法,针对P波信号,对原始微地震三分量X、Y分量进行偏振分析,获得水平方位角α。然后,根据旋转式,对原始X、Y分量数据进行旋转处理,获得新的两分量水平径向分量R、水平切向分量T:
其中,i为时间样点,Xi、Yi分别为原始X、Y分量瞬时振幅,RPi、TPi分别为旋转后水平径向分量R、水平切向分量T瞬时振幅。
以同样的操作,针对P波信号,对原始微地震三分量Z分量和新的R分量进行偏振分析,获得垂向偏振角β,并进一步作旋转处理,得到沿传播方向P波分量与垂直传播方向N分量:
其中,Zi为原始Z分量瞬时振幅,Pi、NPi分别为旋转后沿传播方向P波分量、垂直传播方向N分量瞬时振幅。
同样地,针对S波信号,通过两两分量偏振分析与旋转,可以获得垂直传播方向S波分量和切向S波剩余分量T,对应的瞬时振幅分别为Si、TSi。
然后,定义长时窗L1、短时窗L2,对权力2中P波分量数据进行长短时窗能量比计算:
其中,ERPi为时间样点i对应的P波长短时窗能量比。
定义门槛值KP,搜索P波特征曲线ERPi大于门槛值时对应的时间样点位置TKP,即出现事件判断标准:当i<TKP且ERPi<KP;当i=TKP且ERPi≥KP。
再定义初至搜索时窗大小WP,搜索出时窗内峰值FP对应的时间样点tP,即实现微地震事件P波初至时间自动拾取:FP=max{ERPi}且i∈[TKP,TKP+WP]。
其次,针对S波,定义样点时窗大小,由原始三分量数据矢量分解出的S波分量和切向S波剩余分量T,构建S波瞬时协方差矩阵:
其中,Si、TSi分别为样点i处的S波分量瞬时振幅、切向S波剩余分量T瞬时振幅,∑表示对样点时窗内数值求和。
对S波协方差矩阵CCSi奇异值SVD分解,计算出相应最大特征值λSi:
CCSi={λ1,λ2}USUS -1且λSi=max{λ1,λ2} (5)
其中,{λ1,λ2}、US分别为S波特征值、特征向量。
再定义时窗L,计算所有S波最大特征值λSi数据前后时窗能量比,获得S波初至识别特征值能量比曲线EERSi:
根据已有微地震观测系统和测井数据,定义同一微地震事件中P波初至tP相匹配的S波初至可能出现的时间范围[tP+Δt1,tP+Δt2],对EERSi数据搜索出该时间段内峰值FS:FS=max{EERSi}且i∈[tP+Δt1,tP+Δt2],将搜索出的峰值FP对应的时间样点tS定义为与微地震事件P波相匹配的S波初至时间。
最后,去除P波初至、与其相匹配的S波初至,开展剩余弱事件S波初至时间识别,要求分别定义P波初至“零值”处理时窗大小ΔtP0、相匹配S波初至“零值”处理时窗大小ΔtS0,对S波最大特征值瞬时能量比EERSi数据进行“零值”删选处理:当i∈[tP-ΔtP0,tP+ΔtP0]或i∈[tS-ΔtS0,tS+ΔtS0]时,EERSi=0。
针对新的EERSi数据,设定一个较小门槛值KS,搜索大于门槛值时对应的时间样点位置TKS,判断有无弱事件S波信号:当i<TKS且EERSi<KS;当i=TKS且EERSi≥KS。如果有,定义S波初至搜索时窗大小WS,开展极值搜索:FS=max{EERSi}且i∈[TKS,TKS+WS]。
最终在EERSi数据上搜索出的极值FS对应的时间样点t*S,即为本实施例所求的微地震弱事件S波初至时间。
实施例二
下面从微地震实际事件资料应用中说明本发明S波初至自动拾取过程。
图2为本实施例的实际微地震事件三分量单道数据,它由多个P波、S波组成,本实施例除了识别主要的、能量较强的P波、匹配S波初至之外,主要目的是根据图1所示的工作流程,准确地拾取弱能量S波初至:
首先,根据图1所示的工作流程,对如图2所示的原始微地震事件三分量数据开展矢量分解,即通过式(1)、(2),进行两两分量偏振分析和旋转处理,获得事件沿传播方向、达到三分量检波器之前的P波分量,如图3所示,在能量上,它是原始三分量P波矢量求和,并且主要包含P波信号、基本无S波。同样操作,针对S波,开展两两分量偏振分析与旋转处理,矢量分解出垂直传播方向S波和切向S波剩余分量T,如图4所示。其中,S分量主要包含S波信号,剩余分量T则主要是噪音以及极少量残余微地震信号。
然后,利用长短时窗能量比式(3),计算P波分量能量比(如图5所示),给定门槛值(如图5中虚线数值“20”),可以识别出5个事件P波初至。
其次,针对S波分量,再根据式(4)、(5),构建S波协方差矩阵,计算S波最大特征值,目的是用最大特征值代替原始微地震数据,计算能量比识别事件特征曲线EERSi(如图6所示),可以提高事件识别精度、较大地减少干扰。针对每一个识别出的P波初至时间,定义匹配S波时间范围,寻找S波特征曲线EERSi上区域峰值对应的时间样点,即为与P波相匹配的S波初至时间,如图6所示,图中箭头表示识别的5个相应的S波初至时间。
最后,尝试着在S波特征曲线EERSi上进一步识别出能量更小、无P波匹配的S波初至。本发明采用“零值”处理方式,将识别出的P波初至时间和相匹配的S波初至时间附近,对S波特征曲线EERSi数据“至零”,获得新的EERSi数据。这样操作意义是,为了更容易识别出能量级别较小的S波初至,尽可能减少S波分量中残余P波和能量中强S波,给一个较小的门槛值,就能快速地在S波新的特征曲线EERSi数据识别出区域峰值,其对应时间就是弱事件S波初至时间。如图7所示,在新的EERSi数据中,给一个较小门槛值(“15”数值),识别出6个弱事件S波初至时间。
将这6个弱事件S波初至时间位置标识在S波分量上(如图8所示的箭头),都是真实的能量非常弱的S波,较好地验证了本发明的识别弱事件S波初至自动拾取方法的准确性。这充分说明了本发明的识别弱事件S波初至自动拾取方法具有较好的实际应用价值。
上述实施例充分证明了本发明在地震资料的处理中能提高去噪的质量,改善资料成像和保真度,为后续进行储层地质分析奠定了良好的基础,具有很好的应用前景。
实施例三
此外,本发明还提供一种计算机存储介质,其特征在于,其中存储有用于实现上述方法的计算机程序,在此不再赘述。
应该理解的是,本发明所公开的实施例不限于这里所公开的特定处理步骤或材料,而应当延伸到相关领域的普通技术人员所理解的这些特征的等同替代。还应当理解的是,在此使用的术语仅用于描述特定实施例的目的,而并不意味着限制。
说明书中提到的“实施例”意指结合实施例描述的特定特征、或特性包括在本发明的至少一个实施例中。因此,说明书通篇各个地方出现的短语“实施例”并不一定均指同一个实施例。
本领域的技术人员应该明白,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。本领域的技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储介质(RAM)、内存、只读存储介质(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM或技术领域内所公知的任意其它形式的存储介质中。
虽然本发明所公开的实施方式如上,但所述的内容只是为了便于理解本发明而采用的实施方式,并非用以限定本发明。任何本发明所属技术领域内的技术人员,在不脱离本发明所公开的精神和范围的前提下,可以在实施的形式上及细节上作任何的修改与变化,但本发明的保护范围,仍须以所附的权利要求书所界定的范围为准。
Claims (10)
1.一种微地震剪切源弱事件S波初至自动拾取方法,其特征在于,包括:
S100,针对微地震P波信号,从原始微地震三分量矢量波场中分解出沿波传播方向P波分量;
S200,针对微地震S波信号,从原始微地震三分量矢量波场中分解出垂直传播方向S波分量和切向S波剩余分量T;
S300,根据P波分量计算P波长短时窗能量比,并基于P波长短时窗能量比构建P波特征曲线;
S400,在P波特征曲线上搜索出P波长短时窗能量比大于等于给定的P波初至识别门槛值的峰值,拾取所述峰值对应的时间样点作为P波初至时间tP;
S500,根据S波分量和切向S波剩余分量T,构建S波瞬时协方差矩阵,计算其最大特征值,通过计算最大特征值前后时窗能量比,构建S波特征值瞬时能量比曲线;
S600,确定与P波初至时间tP相匹配的S波初至时间tS的可能的时间范围,在此时间范围内,从S波特征值瞬时能量比曲线上搜索出与P波初至时间tP相匹配的S波初至时间tS;
S700,在P波初至时间tP和S波初至时间tS位置附近,对S波特征值瞬时能量比曲线的数据进行置零处理,以去除S波特征值瞬时能量比曲线上已经识别出的P波初至和S波初至;
S800,在经过置零处理的S波特征值瞬时能量比曲线上,搜索出S波特征值瞬时能量比大于等于预设的弱事件S波初至识别门槛值的极值,拾取所述极值对应的时间样点作为所求的微地震剪切源弱事件S波初至时间t* S。
2.如权利要求1所述的微地震剪切源弱事件S波初至自动拾取方法,其特征在于,所述步骤S100包括以下步骤:
S110,针对微地震P波信号,通过矢端曲线分析,对原始微地震三分量中的X分量和Y分量进行偏振分析与旋转处理,获得波传播径向分量R和水平切向分量;
S120,再通过矢端曲线分析,对波传播径向分量R和原始微地震三分量中的Z分量进行偏振分析与旋转处理,获得沿波传播方向P波分量和垂直传播方向N分量。
3.如权利要求1所述的微地震剪切源弱事件S波初至自动拾取方法,其特征在于,所述步骤S200包括以下步骤:
S210,针对微地震S波信号,通过矢端曲线分析,对原始微地震三分量中的X分量和Y分量进行偏振分析与旋转处理,获得波传播径向分量R和切向S波剩余分量T;
S220,再通过矢端曲线分析,对波传播径向分量R和原始微地震三分量中的Z分量进行偏振分析与旋转处理,获得垂直传播方向S波分量和切向S波剩余分量T。
5.如权利要求4所述的微地震剪切源弱事件S波初至自动拾取方法,其特征在于,所述步骤S400包括以下步骤:
S410,给定P波初至识别门槛值KP,在P波特征曲线上搜索出P波长短时窗能量比大于等于给定的P波初至识别门槛值时对应的时间样点的位置TKP,其中:
当i<TKP且ERPi<KP
当i=TKP且ERPi≥KP
S420,定义P波初至搜索时窗的大小WP,搜索在P波初至搜索时窗[TKP,TKP+WP]内P波特征曲线上的峰值FP:
FP=max{ERPi}且i∈[TKP,TKP+WP]
S430,将搜索出的峰值FP所对应的时间样点tP作为P波初至时间。
6.如权利要求1所述的微地震剪切源弱事件S波初至自动拾取方法,其特征在于,所述步骤S500包括以下步骤:
S510,根据S波分量和切向S波剩余分量T,构建以下S波瞬时协方差矩阵CCSi:
其中,Si、TSi分别为样点i处的S波分量瞬时振幅、切向S波剩余分量T瞬时振幅,∑表示对样点时窗内数值求和;
S520,对S波协方差矩阵CCSi进行奇异值SVD分解,计算出其最大特征值λSi:
λSi=max{λ1,λ2}
其中,{λ1,λ2}、US分别为S波特征值、特征向量,
S530,按照下式计算S波最大特征值λSi前后时窗能量比:
其中,EERSi为时间样点i的S波最大特征值前后时窗能量比,L为给定的时窗。
7.如权利要求1所述的微地震剪切源弱事件S波初至自动拾取方法,其特征在于,所述步骤S600包括以下步骤:
S610,根据已有微地震观测系统和测井数据,定义与P波初至时间tP相匹配的S波初至时间的可能的时间范围[tP+Δt1,tP+Δt2];
S620,在时间范围[tP+Δt1,tP+Δt2]内,从S波特征值瞬时能量比曲线上搜索出峰值FS;
S630,将搜索出的峰值FS对应的时间样点tS定义为与P波初至时间tP相匹配的S波初至时间。
8.如权利要求5所述的微地震剪切源弱事件S波初至自动拾取方法,其特征在于,所述步骤S700包括以下步骤:
S710,分别定义P波初至置零处理时窗大小ΔtP0、S波初至置零处理时窗大小ΔtS0;
S720,在P波初至时间tP和S波初至时间tS位置附近,当i∈[tP-ΔtP0,tP+ΔtP0]或i∈[tS-ΔtS0,tS+ΔtS0]时,
对S波特征值瞬时能量比曲线的数据进行置零处理,令EERSi=0。
9.如权利要求5所述的微地震剪切源弱事件S波初至自动拾取方法,其特征在于,所述步骤S800包括以下步骤:
S810,针对经过置零处理的S波特征值瞬时能量比曲线,预设S波初至识别门槛值KS,在S波特征值瞬时能量比曲线上搜索出S波特征值瞬时能量比大于等于预设的S波初至识别门槛值时对应的时间样点的位置TKS,以判断有无弱事件S波信号,其中:
当i<TKS且EERSi<KS
当i=TKS且EERSi≥KS
S820,若有弱事件S波信号,则定义S波初至搜索时窗的大小WS,搜索在S波初至搜索时窗[TKS,TKS+WS]内S波特征值瞬时能量比曲线上的峰值FS;
S830,将搜索出的峰值FS所对应的时间样点t* S作为所求的微地震弱事件S波初至时间。
10.一种计算机存储介质,其特征在于,其中存储有用于实现如权利要求1至9中任意一项所述方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910497390.0A CN112068193B (zh) | 2019-06-10 | 2019-06-10 | 一种微地震剪切源弱事件s波初至自动拾取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910497390.0A CN112068193B (zh) | 2019-06-10 | 2019-06-10 | 一种微地震剪切源弱事件s波初至自动拾取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112068193A CN112068193A (zh) | 2020-12-11 |
CN112068193B true CN112068193B (zh) | 2022-05-03 |
Family
ID=73658171
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910497390.0A Active CN112068193B (zh) | 2019-06-10 | 2019-06-10 | 一种微地震剪切源弱事件s波初至自动拾取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112068193B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113359183B (zh) * | 2021-05-25 | 2023-09-29 | 哈尔滨工程大学 | 一种针对极地冰层的震源定位方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104216008A (zh) * | 2013-06-05 | 2014-12-17 | 中国石油天然气集团公司 | 一种井中压裂微地震事件识别方法 |
CN104914468A (zh) * | 2015-06-09 | 2015-09-16 | 中南大学 | 一种矿山微震信号p波初至时刻联合拾取方法 |
CN106154332A (zh) * | 2015-05-13 | 2016-11-23 | 中国石油化工股份有限公司 | 一种井中微地震纵横波事件初至识别方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2868167B1 (fr) * | 2004-03-23 | 2006-05-19 | Inst Francais Du Petrole | Methode pour imager dans une formation souterraine des interfaces geologiques fortement pentees, donnant lieu a des reflexions prismatiques |
US20150109885A1 (en) * | 2013-09-26 | 2015-04-23 | Conocophillips Company | Method for correcting first break arrival time |
DE112015002700B4 (de) * | 2015-03-11 | 2021-12-23 | Shandong University | TBM-3D-Vorauserkundungssystem mit Integration von Gesteinsbruch-Epizentrum und aktivem Epizentrum |
KR101738445B1 (ko) * | 2016-11-16 | 2017-05-22 | 한국지질자원연구원 | 다중채널 탄성파 탐사자료에 대한 음원-수진기 배열을 고려하는 초동 선정 방법 |
CN106646598B (zh) * | 2016-12-27 | 2018-09-07 | 吉林大学 | 一种fast-aic法微地震信号拾取方法 |
-
2019
- 2019-06-10 CN CN201910497390.0A patent/CN112068193B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104216008A (zh) * | 2013-06-05 | 2014-12-17 | 中国石油天然气集团公司 | 一种井中压裂微地震事件识别方法 |
CN106154332A (zh) * | 2015-05-13 | 2016-11-23 | 中国石油化工股份有限公司 | 一种井中微地震纵横波事件初至识别方法 |
CN104914468A (zh) * | 2015-06-09 | 2015-09-16 | 中南大学 | 一种矿山微震信号p波初至时刻联合拾取方法 |
Non-Patent Citations (4)
Title |
---|
A first arrival picking method of microseismic data based on single time window with window length independent;Tong Shen et al.;《Journal of Seismology》;20180828;第22卷(第6期);第1613-1627页 * |
Arrival-time picking method based on approximate negentropy for microseismic data;Yue Li et al.;《Journal of Applied Geophysics》;20181231;第152卷;第100-109页 * |
一种地震P波和S波初至时间自动拾取的新方法;何先龙等;《地球物理学报》;20160731;第59卷(第7期);第2519-2527页 * |
最小二乘曲线拟合的微地震初至优化拾取方法及应用;刘腾蛟等;《石油地球物理勘探》;20181231;第53卷;第124-129页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112068193A (zh) | 2020-12-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106154332B (zh) | 一种井中微地震纵横波事件初至识别方法 | |
CN112068195B (zh) | 微地震p&s波匹配事件初至自动拾取方法和计算机存储介质 | |
CN111767674B (zh) | 一种基于主动域适应的测井岩性识别方法 | |
CN112068193B (zh) | 一种微地震剪切源弱事件s波初至自动拾取方法 | |
Dong et al. | Bayesian inversion of interface-wave dispersion for seabed shear-wave speed profiles | |
CN106842299B (zh) | 一种基于地震属性的裂缝定量化预测的方法 | |
CN112068194B (zh) | 微地震弱事件p波初至自动拾取方法和计算机存储介质 | |
CN111339986B (zh) | 基于时域/频域分析的装备用频规律挖掘方法和系统 | |
CN109031416A (zh) | 微地震p波初至拾取的方法 | |
CN107664771B (zh) | 一种基于相似性系数的微地震全波形定位方法 | |
NO343122B1 (no) | Analyse av geologiske strukturer basert på seismiske attributter | |
Laouami | Proposal for a new site classification tool using microtremor data | |
CN112630839B (zh) | 一种测井曲线标准化方法及系统 | |
CN113093274B (zh) | 低级序断层识别的方法、装置、终端及存储介质 | |
Shumway et al. | Mixed signal processing for regional and teleseismic arrays | |
Ren et al. | Classification of tectonic and nontectonic earthquakes by an integrated learning algorithm | |
CN111123356B (zh) | 基于初至信息的异常道智能判识方法 | |
CN113219526A (zh) | 一种地震波初至自动拾取与筛选方法 | |
CN112649851A (zh) | 一种横波分裂垂直地震剖面裂缝预测方法及系统 | |
CN112987091A (zh) | 储层检测方法、装置、电子设备和存储介质 | |
CN111474580A (zh) | 一种基于炮检距矢量片的方位角道集提取方法和系统 | |
CN111239823A (zh) | 一种侵入岩分布的识别方法 | |
Errington | Sensor placement for microseismic event location | |
CN110716230B (zh) | 一种井地联合微地震定位方法 | |
CN115220100B (zh) | 一种碳酸盐岩水窜通道的分析方法及系统 |
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 |