CN112180433B - 地震初至波拾取方法及装置 - Google Patents

地震初至波拾取方法及装置 Download PDF

Info

Publication number
CN112180433B
CN112180433B CN201910597765.0A CN201910597765A CN112180433B CN 112180433 B CN112180433 B CN 112180433B CN 201910597765 A CN201910597765 A CN 201910597765A CN 112180433 B CN112180433 B CN 112180433B
Authority
CN
China
Prior art keywords
clustering
time window
seismic
arrival
average 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.)
Active
Application number
CN201910597765.0A
Other languages
English (en)
Other versions
CN112180433A (zh
Inventor
许银坡
潘英杰
邹雪峰
田磊
余建鹏
赵君
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 National Petroleum Corp
BGP Inc
Original Assignee
China National Petroleum Corp
BGP Inc
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 National Petroleum Corp, BGP Inc filed Critical China National Petroleum Corp
Priority to CN201910597765.0A priority Critical patent/CN112180433B/zh
Publication of CN112180433A publication Critical patent/CN112180433A/zh
Application granted granted Critical
Publication of CN112180433B publication Critical patent/CN112180433B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G01V1/30—Analysis
    • G01V1/303—Analysis for determining velocity profiles or travel times

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Acoustics & Sound (AREA)
  • Environmental & Geological Engineering (AREA)
  • Geology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Geophysics (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本发明公开了一种地震初至波拾取方法及装置，该方法包括：获取待拾取炮的地震道集数据，其中，地震道集数据包括：多个地震道，每个地震道上有多个采样点；根据每个地震道上预先确定的初至波时窗，在每个地震道上选取一个噪音时窗，其中，噪音时窗为初至波到达前与初至波时窗相邻且长度相等的一个时窗；将每个地震道上噪音时窗内各个采样点的均值确定为第一聚类集合，并将每个地震道上初至波时窗内各个采样点的均值确定为第二聚类集合；将每个地震道上初至波时窗内的各个采样点均值，聚类到第一聚类集合或第二聚类集合；根据第一聚类集合和第二聚类集合，确定每个地震道上初至波峰点的位置。本发明能够有效提高地震初至波的拾取精度。

Description

地震初至波拾取方法及装置
技术领域
本发明涉及地球物理勘探领域，尤其涉及一种地震初至波拾取方法及装置。
背景技术
本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
随着高密度高效地震数据采集技术的快速发展，基于初至(地震记录上第一个到达的波称为“初至波”，简称“初至”)的静校正计算，已经在高密度高效地震数据采集资料处理中得到广泛应用。然而，勘探的目标区逐渐由平坦的盆地中心地带转向复杂地表条件的丘陵、山地、戈壁砾石、沙漠等地区，由于这类地区具有地表起伏大、地表覆盖介质变化大的特点，致使单炮初至扭曲，串层现象严重，部分道干扰严重。另外，接收道数越来越多，会形成海量的初至数据，给初至拾取带来了极大的困难。而如果初至拾取问题不能较好地解决，会给静校正量的求解带来极大的困难，残存在地震数据中的低频静校正量会导致叠后地震剖面构造形态的变化，而高频静校正时差会影响叠加剖面的成像品质。因而，对于复杂地表区的地震勘探，如何准确高效地拾取地震资料初至波是恢复地层的真实构造形态，以及提高低幅度构造区地震资料的成像精度的关键问题。
目前，初至波自动拾取的方法主要有如下几种：
第一种，采用短时窗能量平均值和长时窗平均值能量比值法确定初至，能量比法因其简单实用而被广泛应用，但是在复杂近地表条件下，由于初至波能量特征、波形特征、相位特征变化大，又常常受噪音干扰，初至波自动拾取方法的精度仍然无法满足要求。
第二种，基于能量比的改进方法，根据地震道随信号出现其分形维会发生变化的特征确定地震道初至，这种方法能够使比值灵敏地反映地震信号的到达，但当地震记录背景中高频干扰严重时，分形维检测到初至时间的大概位置后，在局部范围内使用极值法拾取的初至时间位置会受到将脉冲的干扰，致使初至拾取的精度受到影响。
第三种，将神经网络学习算法应用到初至拾取中，由于神经网络学习算法存在收敛慢、易陷于局部极值、网络结构难以确定等问题，且因神经网络是静态网络，不能学习额外样本集以扩展网络知识，难以满足复杂地形区初至拾取要求。
综上，现有初至波自动拾取方法，多数是基于鉴别地震道中初至所在部分的特殊性质来实现的，这类方法对噪音比较敏感，当地震记录的噪音较严重时，很难拾取准确的初至达到时间。可见，目前还没有一种初至波自动拾取算法能较好地拾取大数据量、低信噪比的地震资料的初至波。由此，研究一种初至波自动拾取算法以有效拾取大数据量、低信噪比地震资料的初至波显得非常必要。
发明内容
本发明实施例提供一种地震初至波拾取方法，用以解决现有地震初至波拾取方法抗干扰能力较弱，无法对低信噪比地震资料的初至波进行有效拾取的技术问题，该方法包括：获取待拾取炮的地震道集数据，其中，地震道集数据包括：多个地震道，每个地震道上有多个采样点；根据每个地震道上预先确定的初至波时窗，在每个地震道上选取一个噪音时窗，其中，噪音时窗为初至波到达前与初至波时窗相邻且长度相等的一个时窗；将每个地震道上噪音时窗内各个采样点的均值确定为第一聚类集合，并将每个地震道上初至波时窗内各个采样点的均值确定为第二聚类集合；将每个地震道上初至波时窗内的各个采样点均值，聚类到第一聚类集合或第二聚类集合；根据第一聚类集合和第二聚类集合，确定每个地震道上初至波峰点的位置；将每个地震道上初至波时窗内的各个采样点均值，聚类到第一聚类集合或第二聚类集合，包括：
遍历每个地震道上初至波时窗内的各个采样点均值，逐个聚类到第一聚类集合或第二聚类集合，直到聚类后第一聚类集合的期望大于聚类后第二聚类集合的期望，或聚类后第一聚类集合的期望大于聚类前第一聚类集合的期望，或聚类后第一聚类集合的方差大于聚类前第一聚类集合的方差；遍历每个地震道上初至波时窗内的各个采样点均值，逐个聚类到第一聚类集合或第二聚类集合，可以包括：计算第一聚类集合加入每个采样点均值后的第一期望，以及第二聚类集合加入每个采样点均值后的第二期望；将第一期望小于第二期望的采样点均值加入到第一聚类集合，并将第一期望大于第二期望的采样点均值加入到第二聚类集合。
本发明实施例还提供一种地震初至波拾取装置，用以解决现有地震初至波拾取方法抗干扰能力较弱，无法对低信噪比地震资料的初至波进行有效拾取的技术问题，该装置包括：地震数据获取模块，用于获取待拾取炮的地震道集数据，其中，地震道集数据包括：多个地震道，每个地震道上有多个采样点；噪音时窗确定模块，用于根据每个地震道上预先确定的初至波时窗，在每个地震道上选取一个噪音时窗，其中，噪音时窗为初至波到达前与初至波时窗相邻且长度相等的一个时窗；初始聚类集合确定模块，用于将每个地震道上噪音时窗内各个采样点的均值确定为第一聚类集合，并将每个地震道上初至波时窗内各个采样点的均值确定为第二聚类集合；聚类模块，用于将每个地震道上初至波时窗内的各个采样点均值，聚类到第一聚类集合或第二聚类集合；初至波拾取模块，用于根据第一聚类集合和第二聚类集合，确定每个地震道上初至波峰点的位置；所述聚类模块用于遍历每个地震道上初至波时窗内的各个采样点均值，逐个聚类到第一聚类集合或第二聚类集合，直到聚类后第一聚类集合的期望大于聚类后第二聚类集合的期望，或聚类后第一聚类集合的期望大于聚类前第一聚类集合的期望，或聚类后第一聚类集合的方差大于聚类前第一聚类集合的方差；遍历每个地震道上初至波时窗内的各个采样点均值，逐个聚类到第一聚类集合或第二聚类集合，可以包括：计算第一聚类集合加入每个采样点均值后的第一期望，以及第二聚类集合加入每个采样点均值后的第二期望；将第一期望小于第二期望的采样点均值加入到第一聚类集合，并将第一期望大于第二期望的采样点均值加入到第二聚类集合。
本发明实施例还提供一种计算机设备，用以解决现有地震初至波拾取方法抗干扰能力较弱，无法对低信噪比地震资料的初至波进行有效拾取的技术问题，该计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述地震初至波拾取方法。
本发明实施例还提供一种计算机可读存储介质，用以解决现有地震初至波拾取方法抗干扰能力较弱，无法对低信噪比地震资料的初至波进行有效拾取的技术问题，该计算机可读存储介质存储有执行上述地震初至波拾取方法的计算机程序。
本发明实施例中，在获取到待拾取炮的地震道集数据后，根据预先确定的初至波时窗，选取每个地震道上初至波到达前与初至波时窗相邻且长度相等的一个时窗作为噪音时窗，进而以第一聚类集合(每个地震道上噪音时窗内各个采样点的均值)和第二聚类集合(每个地震道上初至波时窗内各个采样点的均值)作为初始聚类集合，将每个地震道上初至波时窗内的各个采样点均值，聚类到第一聚类集合或第二聚类集合，以便根据聚类后的第一聚类集合和第二聚类集合确定每个地震道上初至波峰点的位置。
通过本发明实施例，能够精确地确定初至波的边界，消除续至波对初至波的干扰，从而有效提高初至波自动拾取精度。
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他的附图。在附图中：
图1为本发明实施例中提供的一种地震初至波拾取方法流程图；
图2为本发明实施例中提供的一种单炮地震道集数据示意图；
图3为本发明实施例中提供的一种单炮地震道集数据加载初至波时窗的示意图；
图4为本发明实施例中提供的一种单道地震数据示意图；
图5为本发明实施例中提供的一种噪音时窗和初至波时窗内的地震数据示意图；
图6为本发明实施例中提供的一种对噪音时窗和初至波时窗内地震数据聚类结果示意图；
图7为本发明实施例中提供的一种初至波拾取结果示意图；
图8为本发明实施例中提供的一种地震初至波拾取装置示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。
在本说明书的描述中，所使用的“包含”、“包括”、“具有”、“含有”等，均为开放性的用语，即意指包含但不限于。参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”等的描述意指结合该实施例或示例描述的具体特征、结构或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。各实施例中涉及的步骤顺序用于示意性说明本申请的实施，其中的步骤顺序不作限定，可根据需要作适当调整。
由本申请背景技术部分内容可知，现有的地震初至波拾取方法由于对噪音较敏感，只有在信噪比足够大的情况下，拾取结果才比较理想。
发明人经研究发现，聚类是将一个给定的数据集划分为若干个不同簇的过程。“簇”是指包含多个数据对象的一个集合，且该集合满足如下条件：同一簇中的数据对象之间具有较大的相似性，而不同簇中的数据对象具有较小的相似性。聚类算法的思想是尽可能使同一簇中的数据对象之间相似度达到最大，且不同簇间对象相异度达到最大。在实际生产中，对于低信噪比的初至，由于初至波到达前受随机噪音影响，使其难以确定噪音和信号的分界点，初至波到达前的噪音随时间的变化是杂乱无章的，不能用确定的数学公式表示，但噪音一般都属于各态遍历随机过程，根据广义遍历性的定义，时间均值等于总集均值，即总集均值实际上可以用一个样本函数在整个时间轴上的平均值来代替。
基于这种聚类算法思想，结合初至波到达前噪音的特征，本发明实施例提供了一种基于聚类算法的地震初至波拾取方法，可以用于但不限于低信噪比的地震资料的初至拾取。
本发明实施例中提供了一种地震初至波拾取方法，图1为本发明实施例中提供的一种地震初至波拾取方法流程图，如图1所示，该方法可以包括：
S101，获取待拾取炮的地震道集数据，其中，地震道集数据包括：多个地震道，每个地震道上有多个采样点。
需要说明的是，上述待拾取炮可以是对工区进行地震激发的任一单炮；在地震实际勘探过程中，通常会设置一排检波器接收单炮激发的数据，由此，每个单炮的地震道集数据均包含多个地震道，每个地震道为一个检波器采集到的地震记录信号。
需要注意的是，二维地震勘探是由一个单炮激发、一排检波器采集地震信号；而对于三维地震勘探，是由一排炮激发、多排检波器采集地震信号。本发明实施例提供的地震初至波拾取方法，既可以用于二维地震勘探中地震初至波的拾取，也可以用于三维地震勘探中地震初至波的拾取。
S102，根据每个地震道上预先确定的初至波时窗，在每个地震道上选取一个噪音时窗，其中，噪音时窗为初至波到达前与初至波时窗相邻且长度相等的一个时窗。
需要说明的是，本发明实施例是利用每道(即每个地震道)初至波到达前噪音的特征来识别噪音与信号分界点的，因而，可以根据每道初至波上初至波时窗，在初至波到达前选取一个与初至波时窗长度相等的一个时窗作为噪音时窗，以便对初至波时窗和噪音时窗内信号分析来确定噪音与初至波的分界点。
作为一种可选的实施方式，在获取待拾取炮的地震道集数据之后，本发明实施例提供的地震初至波拾取方法可以通过如下步骤来确定初至波时窗：以激发点为中心点、炮线为纵轴、接收线为横轴，构建直角坐标系；将待拾取炮的地震道集数据在直角坐标系中划分为多个区域，其中，每个区域内的地震道集数据按照炮检距从小到大排序；根据每个区域确定的初至波时窗，采用空间内插技术，确定待拾取炮每个地震道的初至波时窗。本发明利用分区域的空间内插技术精准地确定每道初至波的时窗范围，能够减小初至波的搜索范围。
S103，将每个地震道上噪音时窗内各个采样点的均值确定为第一聚类集合，并将每个地震道上初至波时窗内各个采样点的均值确定为第二聚类集合。
由于噪音时窗和初至波时窗是两个时间长度相等的时窗，但噪音时窗内的信号是初至波到达前的纯噪音信号；而初至波时窗内的信号是初至波到达后包含了初至波和噪音的信号；两个时窗内的信号差异是比较大，因而可以将每个地震道上噪音时窗内各个采样点的均值作为一个聚类簇(即第一聚类集合)，将每个地震道上初至波时窗内各个采样点的均值作为另一个聚类簇(即第二聚类集合)，进而对初至波时窗内各个采样点均值进行聚类，其中，第一聚类集合的聚类中心为噪音时窗内各个采样点均值的期望，第二聚类集合的聚类中心为初至波时窗内各个采样点均值的期望。
本发明实施例提供的地震初至波拾取方法在计算每个地震道上噪音时窗和初至波时窗内各个采样点的均值的时候，可以通过Hilbert变换、包络、滑动时窗法等技术突出初至波边界的属性特征，作为一种可选的实施方式，可以通过如下步骤来实现：获取每个地震道上噪音时窗和初至波时窗内的原始地震道信号；对原始地震道信号进行希尔伯特变换，得到虚地震道信号；根据原始地震道信号和虚地震道信号计算原始地震信号的包络；基于原始地震道信号包络，采用滑动时窗法求解每个地震道上噪音时窗和初至波时窗内每个采样点的均值。
S104，将每个地震道上初至波时窗内的各个采样点均值，聚类到第一聚类集合或第二聚类集合。
作为一种可选的实施方式，上述S104可以通过如下步骤来实现：遍历每个地震道上初至波时窗内的各个采样点均值，逐个聚类到第一聚类集合或第二聚类集合，直到聚类后第一聚类集合的期望大于聚类后第二聚类集合的期望，或聚类后第一聚类集合的期望大于聚类前第一聚类集合的期望，或聚类后第一聚类集合的方差大于聚类前第一聚类集合的方差。
具体地，遍历每个地震道上初至波时窗内的各个采样点均值，逐个聚类到第一聚类集合或第二聚类集合，可以包括：计算第一聚类集合加入每个采样点均值后的第一期望，以及第二聚类集合加入每个采样点均值后的第二期望；将第一期望小于第二期望的采样点均值加入到第一聚类集合，并将第一期望大于第二期望的采样点均值加入到第二聚类集合。
S105，根据第一聚类集合和第二聚类集合，确定每个地震道上初至波峰点的位置。
在将初至波时窗内各个采样点均值聚类到第一聚类集合和第二聚类集合后，可以根据聚类后的第一聚类集合和第二聚类集合，确定每个地震道上初至波峰点的位置。
由上可知，本发明实施例提供的地震初至波拾取方法，在获取到待拾取炮的地震道集数据后，根据预先确定的初至波时窗，选取每个地震道上初至波到达前与初至波时窗相邻且长度相等的一个时窗作为噪音时窗，进而以第一聚类集合(每个地震道上噪音时窗内各个采样点的均值)和第二聚类集合(每个地震道上初至波时窗内各个采样点的均值)作为初始聚类集合，将每个地震道上初至波时窗内的各个采样点均值，聚类到第一聚类集合或第二聚类集合，以便根据聚类后的第一聚类集合和第二聚类集合确定每个地震道上初至波峰点的位置。
通过本发明实施例，能够精确地确定初至波的边界，消除续至波对初至波的干扰，从而有效提高初至波自动拾取精度。
作为一种优选的实施方式，本发明实施例提供了一种基于K均值聚类算法的初至波自动拾取方法，首先将单炮地震道集数据划分到直角坐标系中不同的区域，采用空间内插技术，确定工区待拾取炮每道初至波的时窗范围；然后取初至波时窗前与初至波时窗长度相等的一个时窗作为噪音时窗，通过Hilbert变换、包络、滑动时窗法等技术确定两个时窗(噪音时窗和初至波时窗)内每个采样点的均值；然后将两个时窗内采样点的均值分别作为两个聚类簇(初始化为噪音时窗内采样点的均值为第一个聚类，初至波时窗内采样点的均值为第二个聚类)，将初至波时窗内每个采样点的均值按期望变化最小原则划分给两个聚类；最后根据分类后第一个聚类集合内采样点均值的方差(或期望)与原始噪音时窗内采样点均值的方差(或期望)，或者分类后第二个聚类采样点均值的期望与第一个聚类内采样点均值的期望的关系，找出噪音和信号的分界点，基恩人确定初至波峰点的位置。
本发明实施例提供的基于K均值聚类算法的初至波自动拾取方法具体可以包括如下步骤：
①激发并采集记录单炮地震数据(地震采集道数为m，每道采样点数为n)。
②以激发点的位置为中心点，炮线为纵轴，接收线为横轴，将单炮地震道集数据在直角坐标系中分成N个区域集合，将每个区域内的s地震道按照炮检距从小到大排序，在每个区域选择初至时窗，在工区的不同位置选择种子炮，将种子炮的地震道分区域设计初至波时窗，根据种子炮每个区域的初至波时窗，采用空间内插技术，确定工区待拾取炮每道初至波的时窗范围。
需要说明的是，在将每炮的地震道集在直角坐标系中分成N个区域集合的时候，N可以是1、2、4、8等整数，即取2的大于等于0的整数幂次方，其中，N的取值越大，初至时窗范围越小，拾取初至精度越高。需要注意的是，在工区的不同位置选择种子炮的时候，如果近地表构造相对水平，可选择能一个代表勘探区域构造特点的种子炮，划分为一个区域即可，如果近地表构造复杂，可选择多个种子炮，划分尽可能多的区域，通过空间内插技术精确确定每道初至波的范围。
③以任意第j道初至波时窗的顶部为起点，向上取长度等于初至波时窗长度的噪音噪音时窗，噪音时窗数据标记为WN(j)，初至波时窗标记为WS(j)，两个时窗的长度相等。其中，1≤j≤m。
④对WN(j)和WS(j)两个时窗内的原始信号Xj(t)进行Hilbert变换得到虚地震道原始地震道信号的包络/>由包络得到：
利用滑动算子m获取两个时窗内每个采样点的均值：
其中，m表示滑动时窗的长度，t为第j道两个时窗内采样点的点号。
⑤将两个时窗内每个采样点的均值分为两个聚类簇，初始化为噪音时窗WN(j)内每个采样点的均值为第一个聚类C1，初至波时窗WS(j)内每个采样点的均值为第二个聚类C2。根据两个时窗内每个点的均值分别计算两个时窗WN(j)和WS(j)内各个采样点均值的期望，并将计算得到的两个期望作为两个初始聚类集合的聚类中心：/>这里的a为迭代次数，令迭代次数变量a＝0。
⑥将初至波时窗WS(j)内待分类的数据集中的样本点按期望变化最小原则分划给两个聚类集合中的某个聚类集合，即如果满足如下条件：
则判断式中/>表示/>加入对应的聚类后的期望，上角标a表示迭代次数。
⑦计算重新分类后的各聚类的期望和方差，聚类C1的中心为时窗WN(j)内的每个采样点均值和从初至波时窗WS(j)中选择的采样点均值组成新的数据集得到的聚类中心：
聚类C2中心为初至波时窗WS(j)内的采样点均值中剔除掉被选择到聚类C1后剩余的采样点均值得到的聚类中心：
利用公式②、④和⑤，可分别计算得到两个聚类中心的方差：
式中和/>分别为经过a+1次迭代后重新分类后聚类C1中数据的起始样点，和/>分别为经过a+1次迭代后重新分类后聚类C2中数据的起始样点。
需要注意的是，如果聚类C1中和/>之间样点不连续，即中间某些采样点不在聚类C1中，在公式(4)计算时应剔除掉。同理，如果聚类C2中/>和/>之间样点不连续，即中间某些采样点不在聚类C2类中，在公式(5)计算时应剔除掉。
⑧聚类C1中采样点均值的方差(或期望)大于原噪音时窗WN(j)内采样点均值的方差(或期望)的(1+ε0)倍，或者聚类C2中采样点均值的期望小于聚类C1中采样点均值期望的(1+ε1)倍，即如果满足如下任意一个条件：
则结束分类，确定初至波的位置；否则，转至⑥～⑧，继续进行分类。
可选地，ε0的范围为0＜ε0＜1，优选为0.5；ε1的范围为0＜ε1＜1，优选为1。
⑨对每一炮中的每一道，均按照步骤④～⑧的方法确定初至波峰点的位置。
假设某一工区三维地震采集数据中某单炮包含36个排列接收点、每个排列的地震采集道数为10082道，采样间隔4ms，每道采样点数为750，图2所示为该单炮第12个排列接收点采集的原始地震道集数据。
图3所示为在图2所示的单炮地震道集数据上加载初至波时窗的示意图，如图3所示，两条黑色折线之间的区域为初至波时窗。
本发明实施例以图2和图3中第2926个地震道的地震数据为例来进行详细说明。
以第2926道初至波时窗的顶部为起点，向上取长度等于初至波时窗长度的噪音，作为噪音时窗，标记为WN(2926)；初至波时窗标记为WS(2926)；两个时窗的长度相等。图4示出了单道上噪音时窗和初至波时窗范围(时间范围128ms～956ms)内的原始地震数据，如图4所示，单道(第2926个地震道)地震记录中line2到line1为噪音时窗，line2到line3为包含初至的时窗，两个时窗的长度相等。
对图4中WN(2926)和WS(2926)两个时窗内的原始信号X2926(t)通过Hilbert变换、包络、滑动时窗等计算得到的每个采样点的均值如图5所示，其中，滑动时窗的长度为20。
将两个时窗内每个采样点的均值分为两个聚类簇，初始化为噪音时窗WN(2926)内每个采样点的均值为第一个聚类C1，初至波时窗WS(2926)内每个采样点的均值为第二个聚类C2。根据两个时窗内每个点的均值分别计算两个时窗WN(2926)和WS(2926)内采样点均值的期望，并将计算得到的两个期望作为两个初始聚类中心，即：
将初至波时窗WS(2926)内待分类的数据集中的样本点按期望变化最小原则分划给两个聚类C1和C2中的某一类，即如果满足：
则判断式中/>表示/>加入对应的聚类后的期望，上角标a表示迭代次数。
计算重新分类后的各聚类的期望和方差，聚类C1的中心为时窗WN(2926)内的每个采样点均值和从初至波时窗WS(2926)中选择的采样点均值组成新的数据集得到的聚类中心，即
聚类C2中心为初至波时窗WS(2926)内的采样点均值中剔除掉被选择到聚类C1后剩余的采样点均值得到的聚类中心：
计算两个聚类中心的方差：
式中和/>分别为经过a+1次迭代后重新分类后聚类C1中数据的起始样点，和/>分别为经过a+1次迭代后重新分类后聚类C2中数据的起始样点，当a+1＝68时停止分类。
如果聚类C1中采样点均值的期望2.26×10-5是原噪音时窗WS(2926)内采样点均值的方差(或期望)1.95×10-5的1.52倍，聚类C1中采样点均值的方差6.7×10-9是原噪音时窗WN(2926)内采样点均值的方差4.2×10-9的1.59倍，由于两个值均大于阈值1.5，则结束分类，第2926道分类的结果如图6所示，正方形的点属于聚类C2，圆形点属于聚类C1，以分类位置为起点，以一个子波长度15个采样点为标准，向后局部范围内搜索初至波峰点，则初至时间为808ms。
最终拾取的结果如图7所示。
本发明实施例中还提供了一种地震初至波拾取装置，如下面的实施例所述。由于该装置实施例解决问题的原理与地震初至波拾取方法相似，因此该装置实施例的实施可以参见方法的实施，重复之处不再赘述。
图8为本发明实施例中提供的一种地震初至波拾取装置示意图，如图8所示，该装置包括：地震数据获取模块81、噪音时窗确定模块82、初始聚类集合确定模块83、聚类模块84和初至波拾取模块85。
其中，地震数据获取模块81，用于获取待拾取炮的地震道集数据，其中，地震道集数据包括：多个地震道，每个地震道上有多个采样点；噪音时窗确定模块82，用于根据每个地震道上预先确定的初至波时窗，在每个地震道上选取一个噪音时窗，其中，噪音时窗为初至波到达前与初至波时窗相邻且长度相等的一个时窗；初始聚类集合确定模块83，用于将每个地震道上噪音时窗内各个采样点的均值确定为第一聚类集合，并将每个地震道上初至波时窗内各个采样点的均值确定为第二聚类集合；聚类模块84，用于将每个地震道上初至波时窗内的各个采样点均值，聚类到第一聚类集合或第二聚类集合；初至波拾取模块85，用于根据第一聚类集合和第二聚类集合，确定每个地震道上初至波峰点的位置。
由上可知，本发明实施例提供的地震初至波拾取装置，通过地震数据获取模块81获取到待拾取炮的地震道集数据后，通过噪音时窗确定模块82根据预先确定的初至波时窗，选取每个地震道上初至波到达前与初至波时窗相邻且长度相等的一个时窗作为噪音时窗，通过初始聚类集合确定模块83将每个地震道上噪音时窗内各个采样点的均值确定为第一聚类集合，并将每个地震道上初至波时窗内各个采样点的均值确定为第二聚类集合；进而通过聚类模块84以第一聚类集合(每个地震道上噪音时窗内各个采样点的均值)和第二聚类集合(每个地震道上初至波时窗内各个采样点的均值)作为初始聚类集合，将每个地震道上初至波时窗内的各个采样点均值，聚类到第一聚类集合或第二聚类集合，以便初至波拾取模块85根据聚类后的第一聚类集合和第二聚类集合确定每个地震道上初至波峰点的位置。
通过本发明实施例，能够精确地确定初至波的边界，消除续至波对初至波的干扰，从而有效提高初至波自动拾取精度。
在一种可选的实施例中，本发明实施例提供的地震初至波拾取装置中，聚类模块84用于遍历每个地震道上初至波时窗内的各个采样点均值，逐个聚类到第一聚类集合或第二聚类集合，直到聚类后第一聚类集合的期望大于聚类后第二聚类集合的期望，或聚类后第一聚类集合的期望大于聚类前第一聚类集合的期望，或聚类后第一聚类集合的方差大于聚类前第一聚类集合的方差。
进一步地，一种可选的实施例中，本发明实施例提供的地震初至波拾取装置还可以包括：初至波时窗确定模块86，用于以激发点为中心点、炮线为纵轴、接收线为横轴，构建直角坐标系，并将待拾取炮的地震道集数据在直角坐标系中划分为多个区域，根据每个区域确定的初至波时窗，采用空间内插技术，确定待拾取炮每个地震道的初至波时窗，其中，每个区域内的地震道集数据按照炮检距从小到大排序。
本发明实施例中还提供了一种计算机设备，用以解决现有地震初至波拾取方法抗干扰能力较弱，无法对低信噪比地震资料的初至波进行有效拾取的技术问题，该计算设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述任意一种可选的或优选的地震初至波拾取方法。
本发明实施例中还提供了一种计算机可读存储介质，用以解决现有地震初至波拾取方法抗干扰能力较弱，无法对低信噪比地震资料的初至波进行有效拾取的技术问题，该计算机可读存储介质存储有上述任意一种可选的或优选的地震初至波拾取方法的计算机程序。
综上所述，本发明利用分区域的空间内插技术精准地确定每道初至波的时窗范围，减小初至波的搜索范围，考虑了初至波到达前随机噪音的变化特征，通过Hilbert变换、包络、滑动时窗法等技术突出初至波边界的属性特征，利用K均值聚类算法能精确地将噪音和信号进行分离，同时能有效地避免续至波对初至波的干扰，实现对大数据量、低信噪比的地震资料较为可靠的自动初至波定位，拾取精准度得到较大地提高。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种地震初至波拾取方法，其特征在于，包括：
获取待拾取炮的地震道集数据，其中，所述地震道集数据包括：多个地震道，每个地震道上有多个采样点；
根据每个地震道上预先确定的初至波时窗，在每个地震道上选取一个噪音时窗，其中，所述噪音时窗为初至波到达前与所述初至波时窗相邻且长度相等的一个时窗；
将每个地震道上噪音时窗内各个采样点的均值确定为第一聚类集合，并将每个地震道上初至波时窗内各个采样点的均值确定为第二聚类集合；
将每个地震道上初至波时窗内的各个采样点均值，聚类到第一聚类集合或第二聚类集合；
根据第一聚类集合和第二聚类集合，确定每个地震道上初至波峰点的位置；
将每个地震道上初至波时窗内的各个采样点均值，聚类到第一聚类集合或第二聚类集合，包括：
遍历每个地震道上初至波时窗内的各个采样点均值，逐个聚类到第一聚类集合或第二聚类集合，直到聚类后第一聚类集合的期望大于聚类后第二聚类集合的期望，或聚类后第一聚类集合的期望大于聚类前第一聚类集合的期望，或聚类后第一聚类集合的方差大于聚类前第一聚类集合的方差；
遍历每个地震道上初至波时窗内的各个采样点均值，逐个聚类到第一聚类集合或第二聚类集合，包括：计算第一聚类集合加入每个采样点均值后的第一期望，以及第二聚类集合加入每个采样点均值后的第二期望；将第一期望小于第二期望的采样点均值加入到第一聚类集合，并将第一期望大于第二期望的采样点均值加入到第二聚类集合。
2.如权利要求1所述的方法，其特征在于，在将每个地震道上噪音时窗内各个采样点的均值确定为第一聚类集合，并将每个地震道上初至波时窗内各个采样点的均值确定为第二聚类集合之前，所述方法包括：计算每个地震道上噪音时窗和初至波时窗内各个采样点的均值，该步骤包括：
获取每个地震道上噪音时窗和初至波时窗内的原始地震道信号；
对所述原始地震道信号进行希尔伯特变换，得到虚地震道信号；
根据所述原始地震道信号和所述虚地震道信号计算原始地震信号的包络；
基于所述原始地震道信号包络，采用滑动时窗法求解每个地震道上噪音时窗和初至波时窗内每个采样点的均值。
3.如权利要求1至2任一项所述的方法，其特征在于，在获取待拾取炮的地震道集数据之后，所述方法还包括：
以激发点为中心点、炮线为纵轴、接收线为横轴，构建直角坐标系；
将所述待拾取炮的地震道集数据在所述直角坐标系中划分为多个区域，其中，每个区域内的地震道集数据按照炮检距从小到大排序；
根据每个区域确定的初至波时窗，采用空间内插技术，确定待拾取炮每个地震道的初至波时窗。
4.一种地震初至波拾取装置，其特征在于，包括：
地震数据获取模块，用于获取待拾取炮的地震道集数据，其中，所述地震道集数据包括：多个地震道，每个地震道上有多个采样点；
噪音时窗确定模块，用于根据每个地震道上预先确定的初至波时窗，在每个地震道上选取一个噪音时窗，其中，所述噪音时窗为初至波到达前与所述初至波时窗相邻且长度相等的一个时窗；
初始聚类集合确定模块，用于将每个地震道上噪音时窗内各个采样点的均值确定为第一聚类集合，并将每个地震道上初至波时窗内各个采样点的均值确定为第二聚类集合；
聚类模块，用于将每个地震道上初至波时窗内的各个采样点均值，聚类到第一聚类集合或第二聚类集合；
初至波拾取模块，用于根据第一聚类集合和第二聚类集合，确定每个地震道上初至波峰点的位置；
所述聚类模块用于遍历每个地震道上初至波时窗内的各个采样点均值，逐个聚类到第一聚类集合或第二聚类集合，直到聚类后第一聚类集合的期望大于聚类后第二聚类集合的期望，或聚类后第一聚类集合的期望大于聚类前第一聚类集合的期望，或聚类后第一聚类集合的方差大于聚类前第一聚类集合的方差；
遍历每个地震道上初至波时窗内的各个采样点均值，逐个聚类到第一聚类集合或第二聚类集合，包括：计算第一聚类集合加入每个采样点均值后的第一期望，以及第二聚类集合加入每个采样点均值后的第二期望；将第一期望小于第二期望的采样点均值加入到第一聚类集合，并将第一期望大于第二期望的采样点均值加入到第二聚类集合。
5.如权利要求4所述的装置，其特征在于，所述装置还包括：初至波时窗确定模块，用于以激发点为中心点、炮线为纵轴、接收线为横轴，构建直角坐标系，并将所述待拾取炮的地震道集数据在所述直角坐标系中划分为多个区域，根据每个区域确定的初至波时窗，采用空间内插技术，确定待拾取炮每个地震道的初至波时窗，其中，每个区域内的地震道集数据按照炮检距从小到大排序。
6.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至3任一项所述地震初至波拾取方法。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有执行权利要求1至3任一项所述地震初至波拾取方法的计算机程序。
CN201910597765.0A 2019-07-04 2019-07-04 地震初至波拾取方法及装置 Active CN112180433B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910597765.0A CN112180433B (zh) 2019-07-04 2019-07-04 地震初至波拾取方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910597765.0A CN112180433B (zh) 2019-07-04 2019-07-04 地震初至波拾取方法及装置

Publications (2)

Publication Number Publication Date
CN112180433A CN112180433A (zh) 2021-01-05
CN112180433B true CN112180433B (zh) 2023-08-22

Family

ID=73914458

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910597765.0A Active CN112180433B (zh) 2019-07-04 2019-07-04 地震初至波拾取方法及装置

Country Status (1)

Country Link
CN (1) CN112180433B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113109869A (zh) * 2021-03-30 2021-07-13 成都理工大学 一种页岩超声测试波形初至的自动拾取方法
CN114114416A (zh) * 2021-11-26 2022-03-01 同济大学 一种基于强噪音弱信号检测的初至拾取方法
CN115047523B (zh) * 2022-05-27 2024-05-07 青岛海洋地质研究所 一种基于密度聚类算法的地震数据动校正方法
CN117828379B (zh) * 2024-03-05 2024-05-07 山东省地质测绘院 基于多源数据融合的地下资源探测方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101609160A (zh) * 2008-06-19 2009-12-23 中国石油天然气集团公司 一种抗背景噪音强的地震数据初至波自动拾取方法
CN102338885A (zh) * 2011-06-20 2012-02-01 中国海洋石油总公司 三分量vsp资料初至时间自动拾取方法
CN105204065A (zh) * 2015-10-09 2015-12-30 中国石油天然气集团公司 一种拾取初至波的方法和装置
WO2016141598A1 (zh) * 2015-03-12 2016-09-15 中国矿业大学(北京) 共姿态道集地表一致性振幅补偿方法及装置
CN108279436A (zh) * 2017-12-20 2018-07-13 中国石油天然气股份有限公司 一种拾取地震波初至的方法及装置
CN108919353A (zh) * 2018-07-03 2018-11-30 华北科技学院 一种微震波形初至到时的自动分级拾取与优选方法
CN109725345A (zh) * 2018-11-15 2019-05-07 中国石油天然气集团有限公司 一种初至波正演模拟方法及装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1128373C (zh) * 2001-01-21 2003-11-19 周熙襄 用初至波对地震勘探资料进行短波长静校正处理的方法
GB2494903B (en) * 2011-09-22 2017-12-27 Advanced Risc Mach Ltd Graphics processing systems
US9103935B2 (en) * 2013-02-04 2015-08-11 King Fahd University Of Petroleum And Minerals Method of first arrival picking of seismic refraction data
KR101738445B1 (ko) * 2016-11-16 2017-05-22 한국지질자원연구원 다중채널 탄성파 탐사자료에 대한 음원-수진기 배열을 고려하는 초동 선정 방법

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101609160A (zh) * 2008-06-19 2009-12-23 中国石油天然气集团公司 一种抗背景噪音强的地震数据初至波自动拾取方法
CN102338885A (zh) * 2011-06-20 2012-02-01 中国海洋石油总公司 三分量vsp资料初至时间自动拾取方法
WO2016141598A1 (zh) * 2015-03-12 2016-09-15 中国矿业大学(北京) 共姿态道集地表一致性振幅补偿方法及装置
CN105204065A (zh) * 2015-10-09 2015-12-30 中国石油天然气集团公司 一种拾取初至波的方法和装置
CN108279436A (zh) * 2017-12-20 2018-07-13 中国石油天然气股份有限公司 一种拾取地震波初至的方法及装置
CN108919353A (zh) * 2018-07-03 2018-11-30 华北科技学院 一种微震波形初至到时的自动分级拾取与优选方法
CN109725345A (zh) * 2018-11-15 2019-05-07 中国石油天然气集团有限公司 一种初至波正演模拟方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
通过无监督机器学习自动拾取微震事件;Y.K.Chen等;世界地震译丛(第05期);全文 *

Also Published As

Publication number Publication date
CN112180433A (zh) 2021-01-05

Similar Documents

Publication Publication Date Title
CN112180433B (zh) 地震初至波拾取方法及装置
CN109212597B (zh) 基于深度信念网络和扫描叠加的微震源自动定位方法
CN110609320B (zh) 一种基于多尺度特征融合的叠前地震反射模式识别方法
CN110441819B (zh) 一种基于均值偏移聚类分析的地震初至波自动拾取方法
EP2761329B1 (fr) Procede de validation d'image d'entrainement pour la modelisation geostatistique multipoint du sous-sol
US8566069B2 (en) Method for geologically modeling seismic data by trace correlation
US20110037473A1 (en) Data acquisition method with a three dimensional small bin electromagnetic consecutive array
CN101609160B (zh) 一种抗背景噪音强的地震数据初至波自动拾取方法
CN102073067B (zh) 一种提高地震数据初至波自动拾取效率的方法
CN111596366B (zh) 一种基于地震信号优化处理的波阻抗反演方法
CN104570076B (zh) 一种基于二分法的地震波初至自动拾取方法
CN108828668B (zh) 一种叠前时间偏移数据处理方法及装置
US11209563B2 (en) Data optimization method and integral prestack depth migration method
CN111381275A (zh) 一种地震数据的初至拾取方法和装置
CN104570122B (zh) 基于反射波的地震数据静校正方法及装置
CN112305591B (zh) 隧道超前地质预报方法、计算机可读存储介质
CN105093296A (zh) 一种优化观测系统的方法及装置
WO2021127382A1 (en) Full waveform inversion in the midpoint-offset domain
AU2006237348A1 (en) Method of processing seismic data for AVO or AVOA characterisation
CN102053275B (zh) 一种用于单点地震室内组合的相对静校正量计算方法
CN112464725A (zh) 基于深度学习网络的初至拾取方法及装置
CN108375789A (zh) 联合采集地震数据的同步匹配方法
CN114861515A (zh) 层速度数据体的计算方法、装置、设备及介质
CN109188516B (zh) Radon域能量扫描叠加的微地震事件定位方法
CN107918152B (zh) 一种地震相干层析成像方法

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