CN112285777A - 地震道串感应识别量化方法及装置 - Google Patents
地震道串感应识别量化方法及装置 Download PDFInfo
- Publication number
- CN112285777A CN112285777A CN202011153377.2A CN202011153377A CN112285777A CN 112285777 A CN112285777 A CN 112285777A CN 202011153377 A CN202011153377 A CN 202011153377A CN 112285777 A CN112285777 A CN 112285777A
- Authority
- CN
- China
- Prior art keywords
- seismic
- sampling point
- identification group
- characteristic value
- determining
- 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
- 230000006698 induction Effects 0.000 title claims abstract description 73
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000011002 quantification Methods 0.000 title claims abstract description 20
- 238000005070 sampling Methods 0.000 claims abstract description 67
- 238000001514 detection method Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 11
- 238000003491 array Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 9
- 238000000638 solvent extraction Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000003908 quality control method Methods 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000005672 electromagnetic field Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 238000004804 winding Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000005674 electromagnetic induction Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 239000002699 waste material Substances 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
- G01V1/36—Effecting static or dynamic corrections on records, e.g. correcting spread; Correlating seismic signals; Eliminating effects of unwanted energy
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/50—Corrections or adjustments related to wave propagation
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道串感应识别量化方法及装置,其中该方法包括:将地震道划分为至少一个识别组;针对每个识别组,统计每个样点位置所有地震道上同为正的地震数据的个数,或同为负的地震数据的个数;根据同为正的地震数据的个数或同为负的地震数据的个数,以及识别组中地震道总数量确定每个样点位置的样点特征值;根据样点特征值和样点位置总数量确定识别组的特征值;当识别组的特征值大于设定阈值时,确定该识别组中存在串感应,并将识别组的特征值确定为串感应的相对强度。本发明可以准确的识别和量化串感应的强度。
Description
技术领域
本发明涉及地球物理勘探技术领域,尤其涉及一种地震道串感应识别量化方法及装置。
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。
地震道串感应是野外地震数据采集过程中经常遇到的一种干扰信号。由于这种感染信号一般总是在同一时刻出现一组(或全部)连续的地震道上,而且波形类似于脉冲传群,因此被形象的成为“串感应”,如图1和图2所示。其中,图1为相关前地震记录,其中几条横向的“黑线”是串感应,图2为串感应在相关后地震记录的表现特征。
“串感应”的存在由来已久,是对地震资料危害严重的地震干扰。以往地震采集采用接收道数较少的仪器接收地震记录,且施工环境也相对简单,排列遭遇“串感应”的机会比现在少很多;并且过去一半只用全频监视记录来识别“串感应”,只要“串感应”的能量不至于强到可干扰目的层成像就视为有效记录;此外,还有不少“串感应”是不可抗力的自然现象,因此默许了“串感应”的存在。但是,如今的精细勘探要求在环境背景下通过分频扫描来识别“串感应”,就突显了“串感应”的危害性,引起了人们的高度重视。
包括地震检波器在内的地震数据采集和记录系统是把地震波传输并转换为数字信号的主体,设计制造这一系统的初衷是力求保真地震记录信息。任何地震数据采集和记录系统记录的都是电信号,系统就会因不可能做到绝对屏蔽而受到外界电磁信号的影响。这就是说在模数转换器之前的模拟电路(包括检波器)中,在响应地震信号的同时总是或多或少地也在响应环境的电磁信号,如排列穿越高压线时在相应的地震道上会产生50Hz工业交流电干扰。试验证明“串感应”并非振动干扰,所以它是一种源于自然的电磁信号。实质上“串感应”就是一种特殊的电磁场,当它以一定强度作用于模拟地震道时,就会在地震记录上形成不希望的“串感应”。
“串感应”是外界电磁干扰作用于地震数据采集系统的结果。现今勘探市场广泛应用的检波器类型主要为电磁感应式,其原理电路可简化为一个处在磁场中可移动的电感,当电感(线圈)两端输入共模信号时,因线圈的储能、反射和不平衡作用就会感应出差模信号,特别是对于绕向相反的双绕组线圈检波器,这一感应信号会得到加强。对特定的地震道而言,仪器设计有足够高的共模信号抑制能力,一般不会因外界存在共模干扰而输出差模信号,所以带电感(线圈)的模拟检波器是响应瞬间共模干扰信号并形成“串感应”的源头。“串感应”总是出现在一组连续的地震道上,这与勘探仪器进入采集状态的等效电路有关。
遥测仪器每一个独立的站单元都有自己的电路和技术指标,当各个站单元通过电缆(有线遥测仪器)节联到主机就构成了一个新的电路集,自然就有相应的特性指标。但因这种特性一般不影响采集效果且具有不确定性(与环境和站体联接方式密切相关),所以一般都不给出节联状态下的系统技术指标。实际上从直流电气特性分析,可将处于采集(节联)状态的仪器系统简单地等效为负载连续分布的串联电路体,当系统中某个站体遭受高压共模干扰时,因压差的作用电路就会自动将这一共模干扰传播(传送)到远端站体,并经过站体输给地震道。此时因共模信号对模拟检波器线圈的作用,就会在相应道上产生感应信号,进而在所有遭受干扰的地震道上形成人们熟知的“串感应”,这就是“串感应”形成的基本原理。
综上所述,产生“串感应”的外因是由于自然界存在能作用采集装备的瞬间电磁场,内因是地震道接入足够的带电感线圈的模拟检波器,必要条件是经电缆节联为采集状态下的地面电子设备具有输送共模干扰的能力。外因、内因、必要条件三者缺一不可,只有它们共同存在并互相作用才有可能在地震数据采集过程中产生“串感应”。
在实际勘探工作中,同样的采集装备在不同的工区,或在同一工区的不同的时段,所遭受的“串感应”机会和强弱程度有着明显的区别。例如,在近炮点区域,地震信号能量比较强,在这个区域发生的串感应必须很强才能达到影响地震信号的程度,而在远炮点则相反,当串感应在地震记录上的强度达到足以影响资料品质的时候,这炮就需要被视为废炮或者进行补炮,这个质量控制过程一般是通过看地震记录的方式实现,但是当前采集的道数一般都是上万道,通过查看地震记录准确的判断串感应的影响程度效率十分低,实际操作时很容易出现误判和漏判,因此找到一种准确的识别和量化串感应的强度的方法和装置十分有必要。
发明内容
本发明实施例提供一种地震道串感应识别量化方法,用以准确的识别和量化串感应的强度,该方法包括:
将地震道划分为至少一个识别组;
针对每个识别组,统计每个样点位置所有地震道上同为正的地震数据的个数,或同为负的地震数据的个数;
根据同为正的地震数据的个数或同为负的地震数据的个数,以及识别组中地震道总数量确定每个样点位置的样点特征值;
根据样点特征值和样点位置总数量确定识别组的特征值;
当识别组的特征值大于设定阈值时,确定该识别组中存在串感应,并将识别组的特征值确定为串感应的相对强度。
本发明实施例还提供一种地震道串感应识别量化装置,用以准确的识别和量化串感应的强度,该装置包括:
划分模块,用于将地震道划分为至少一个识别组;
针对每个识别组,统计模块,用于统计每个样点位置所有地震道上同为正的地震数据的个数,或同为负的地震数据的个数;
确定模块,用于根据同为正的地震数据的个数或同为负的地震数据的个数,以及识别组中地震道总数量确定每个样点位置的样点特征值;
确定模块,还用于根据样点特征值和样点位置总数量确定识别组的特征值;
确定模块,还用于当识别组的特征值大于设定阈值时,确定该识别组中存在串感应,并将识别组的特征值确定为串感应的相对强度。
本发明实施例还提供一种计算机设备,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,所述处理器执行所述计算机程序时实现上述地震道串感应识别量化方法。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有执行上述地震道串感应识别量化方法的计算机程序。
本发明实施例中,通过统计识别组中每个样点位置所有地震道上同为正的地震数据的个数或同为负的地震数据的个数,来计算样点特征值和识别组的特征值。由于识别组的特征值可以反映识别组中正号地震数据或者负号地震数据的所占比例,通过该所占比例与正常情况下的设定阈值进行比较,即可判断出识别组中是否存在串感应;并且识别组的特征值可以准确的反应串感应对地震数据的影响程度,是对串感应准确的量化,可以用来进行串感应强度的判别,用于指导进行野外地震数据的质量控制。
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为本发明实施例中相关前地震记录的示意图;
图2为本发明实施例中串感应在相关后地震记录的表现特征的示意图;
图3为本发明实施例中地震道串感应识别量化方法的流程图;
图4为本发明实施例中地震道和样点数据的示意图;
图5为本发明实施例中地震道串感应识别量化装置的结构示意图;
图6为本发明实施例中计算机设备的结构示意图。
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。
发明人在研究中发现,要找到准确的识别和量化串感的方法,必须找到串感应地震记录不同于正常地震记录的特征,然后把这种特征用数字进行表示。
在可控震源施工中,相关前地震记录的一系列脉冲,在相关后地震记录的特征是规律出现频率相近的波形(参见图2所示),发生串感的相邻的两道数据有一定的相似性,其相似系数的大小与串感脉冲与本道平均振幅的比值有关,比值越大,串感现象越明显。对比分析得出,相邻两道的波形相似是区别于正常地震记录的最大特征,如果能够找到一种准确的描述波形相似的算法,就能识别和量化串感应。
通过进一步研究发明人发现,对于一个正常的一个地震排列在同一时间样点上,其正负号的分布倾向于随机性,也就是正值和负值的个数各为50%或以50%为中心的一个小范围进行浮动,发生串感时,其浮动范围就会增大,由于在相关前的串感会影响到相关后整个地震记录上,因此对地震记录进行每一个样点统计出正负号的比例,然后进行累加,得出的统计值就能识别和量化串感应。
基于上述研究发现,本发明实施例提供了一种地震道串感应识别量化方法,如图3所示,该方法包括步骤301至步骤305:
步骤301、将地震道划分为至少一个识别组。
在划分时,统计每一检波线排列包含的排列道数;根据排列道数和预设的一个识别组中包含的地震道的数量,将多个检波线排列划分为同一识别组,或者将一个检波线排列划分为多个识别组。
一个识别组中包含的地震道的数量太少和太多都不行,道数太少,达不到统计效果,容易出现误判,道数太多,当串感应出现在部分排列上时,容易出现漏判。一般情况下,可以预设的一个识别组中包含的地震道的数量为150至200道,以达到较佳的统计效果。
不同检波线排列中包含的排列道数的数量不等,有些检波线排列中包含的排列道数为几道,有些检波线排列的中包含的排列道数为400多道,当检波线排列中包含的排列道数较少时,为了满足预设的一个识别组中包含的地震道的数量,可以将多个检波线排列划分为同一识别组;当检波线排列中包含的排列道数较多时,可能一个检波线排列中包含的排列道数就超出了预设的一个识别组中包含的地震道的数量,此时可以将一个检波线排列划分为多个识别组。
步骤302、针对每个识别组,统计每个样点位置所有地震道上同为正的地震数据的个数,或同为负的地震数据的个数。
示例性的,如图4所示,为地震道和样点数据的示意图。从图4中可以看出,地震数据有正号有负号,在本发明实施例中,可以统计每个样点位置所有地震道上同为正的地震数据的个数,或者还可以统计同为负的地震数据的个数。示例性的,当一个识别组中包含200个地震道时(即N=200),则统计这200个地震道上的200个地震数据同为正的个数,或同为负的个数,当一个识别组中包含3000个样点位置(即S=3000)时,可以统计得到3000个同为正的地震数据的个数,或同为负的地震数据的个数。
步骤303、根据同为正的地震数据的个数或同为负的地震数据的个数,以及识别组中地震道总数量确定每个样点位置的样点特征值。
步骤304、根据样点特征值和样点位置总数量确定识别组的特征值。
在本发明实施例中,对每个样点特征值的绝对值求和,得到求和值;根据样点位置总数量和求和值计算特征平均值;对特征平均值进行归一化处理,得到识别组的特征值。
在另一中实现方式中,可以以公式形式表述上述计算识别组的特征值TN的过程,具体的,该公式如下所示:
其中,S表示样点位置总数量;abs(TSi)表示求样点特征值TSi的绝对值。
步骤305、当识别组的特征值大于设定阈值时,确定该识别组中存在串感应,并将识别组的特征值确定为串感应的相对强度。
由于在步骤304中进行了归一化处理,识别组的特征值在0至1之间,正常的地震记录特征值一般小于等于0.1,发生串感应时一般要大于这个数值,数值越大,代表串感应越强。
本发明实施例中,通过统计识别组中每个样点位置所有地震道上同为正的地震数据的个数或同为负的地震数据的个数,来计算样点特征值和识别组的特征值。由于识别组的特征值可以反映识别组中正号地震数据或者负号地震数据的所占比例,通过该所占比例与正常情况下的设定阈值进行比较,即可判断出识别组中是否存在串感应;并且识别组的特征值可以准确的反应串感应对地震数据的影响程度,是对串感应准确的量化,可以用来进行串感应强度的判别,用于指导进行野外地震数据的质量控制。
本发明实施例中还提供了一种地震道串感应识别量化装置,如下面的实施例所述。由于该装置解决问题的原理与地震道串感应识别量化方法相似,因此该装置的实施可以参见地震道串感应识别量化方法的实施,重复之处不再赘述。
如图5所示,该装置500包括划分模块501、统计模块502和确定模块503。
其中,划分模块,用于将地震道划分为至少一个识别组;
针对每个识别组,统计模块,用于统计每个样点位置所有地震道上同为正的地震数据的个数,或同为负的地震数据的个数;
确定模块,用于根据同为正的地震数据的个数或同为负的地震数据的个数,以及识别组中地震道总数量确定每个样点位置的样点特征值;
确定模块,还用于根据样点特征值和样点位置总数量确定识别组的特征值;
确定模块,还用于当识别组的特征值大于设定阈值时,确定该识别组中存在串感应,并将识别组的特征值确定为串感应的相对强度。
在本发明实施例的一种实现方式中,划分模块501,用于:
统计每一检波线排列包含的排列道数;
根据排列道数和预设的一个识别组中包含的地震道的数量,将多个检波线排列划分为同一识别组,或者将一个检波线排列划分为多个识别组。
在本发明实施例的一种实现方式中,确定模块503,用于:
其中,ni表示第i个样点位置所有地震道上同为正的地震数据的个数,或同为负的地震数据的个数;N表示地震道总数量。
在本发明实施例的一种实现方式中,确定模块503,用于:
对每个样点特征值的绝对值求和,得到求和值;
根据样点位置总数量和求和值计算特征平均值;
对特征平均值进行归一化处理,得到识别组的特征值。
在本发明实施例的一种实现方式中,确定模块503,用于:
其中,S表示样点位置总数量;abs(TSi)表示求样点特征值TSi的绝对值。
本发明实施例中,通过统计识别组中每个样点位置所有地震道上同为正的地震数据的个数或同为负的地震数据的个数,来计算样点特征值和识别组的特征值。由于识别组的特征值可以反映识别组中正号地震数据或者负号地震数据的所占比例,通过该所占比例与正常情况下的设定阈值进行比较,即可判断出识别组中是否存在串感应;并且识别组的特征值可以准确的反应串感应对地震数据的影响程度,是对串感应准确的量化,可以用来进行串感应强度的判别,用于指导进行野外地震数据的质量控制。
本发明实施例还提供一种计算机设备,图6为本发明实施例中计算机设备的示意图,该计算机设备能够实现上述实施例中的地震道串感应识别量化方法中全部步骤,该计算机设备具体包括如下内容:
处理器(processor)601、存储器(memory)602、通信接口(CommunicationsInterface)603和通信总线604;
其中,所述处理器601、存储器602、通信接口603通过所述通信总线604完成相互间的通信;所述通信接口603用于实现相关设备之间的信息传输;
所述处理器601用于调用所述存储器602中的计算机程序,所述处理器执行所述计算机程序时实现上述实施例中的地震道串感应识别量化方法。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有执行上述地震道串感应识别量化方法的计算机程序。
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 (12)
1.一种地震道串感应识别量化方法,其特征在于,所述方法包括:
将地震道划分为至少一个识别组;
针对每个识别组,统计每个样点位置所有地震道上同为正的地震数据的个数,或同为负的地震数据的个数;
根据同为正的地震数据的个数或同为负的地震数据的个数,以及识别组中地震道总数量确定每个样点位置的样点特征值;
根据样点特征值和样点位置总数量确定识别组的特征值;
当识别组的特征值大于设定阈值时,确定该识别组中存在串感应,并将识别组的特征值确定为串感应的相对强度。
2.根据权利要求1所述的方法,其特征在于,将地震道划分为至少一个识别组,包括:
统计每一检波线排列包含的排列道数;
根据排列道数和预设的一个识别组中包含的地震道的数量,将多个检波线排列划分为同一识别组,或者将一个检波线排列划分为多个识别组。
4.根据权利要求3所述的方法,其特征在于,根据样点特征值和样点位置总数量确定识别组的特征值,包括:
对每个样点特征值的绝对值求和,得到求和值;
根据样点位置总数量和求和值计算特征平均值;
对特征平均值进行归一化处理,得到识别组的特征值。
6.一种地震道串感应识别量化装置,其特征在于,所述装置包括:
划分模块,用于将地震道划分为至少一个识别组;
针对每个识别组,统计模块,用于统计每个样点位置所有地震道上同为正的地震数据的个数,或同为负的地震数据的个数;
确定模块,用于根据同为正的地震数据的个数或同为负的地震数据的个数,以及识别组中地震道总数量确定每个样点位置的样点特征值;
确定模块,还用于根据样点特征值和样点位置总数量确定识别组的特征值;
确定模块,还用于当识别组的特征值大于设定阈值时,确定该识别组中存在串感应,并将识别组的特征值确定为串感应的相对强度。
7.根据权利要求6所述的装置,其特征在于,划分模块,用于:
统计每一检波线排列包含的排列道数;
根据排列道数和预设的一个识别组中包含的地震道的数量,将多个检波线排列划分为同一识别组,或者将一个检波线排列划分为多个识别组。
9.根据权利要求8所述的装置,其特征在于,确定模块,用于:
对每个样点特征值的绝对值求和,得到求和值;
根据样点位置总数量和求和值计算特征平均值;
对特征平均值进行归一化处理,得到识别组的特征值。
11.一种计算机设备,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5任一所述方法。
12.一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5任一所述方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011153377.2A CN112285777A (zh) | 2020-10-26 | 2020-10-26 | 地震道串感应识别量化方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011153377.2A CN112285777A (zh) | 2020-10-26 | 2020-10-26 | 地震道串感应识别量化方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112285777A true CN112285777A (zh) | 2021-01-29 |
Family
ID=74423351
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011153377.2A Pending CN112285777A (zh) | 2020-10-26 | 2020-10-26 | 地震道串感应识别量化方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112285777A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101051087A (zh) * | 2006-04-04 | 2007-10-10 | 吉林石油集团有限责任公司 | 一种解决地震勘探仪器串感应的方法 |
US20080236809A1 (en) * | 2007-03-26 | 2008-10-02 | J.I. Livingstone Enterprises Inc. | Drilling, completing and stimulating a hydrocarbon production well |
CN105607121A (zh) * | 2016-02-02 | 2016-05-25 | 中国矿业大学(北京) | 一种煤炭陷落柱识别方法和装置 |
CN105785437A (zh) * | 2016-04-26 | 2016-07-20 | 中国石油天然气集团公司 | 一种异常地震道的自动判别的方法及装置 |
WO2019094225A1 (en) * | 2017-11-07 | 2019-05-16 | Halliburton Energy Services, Inc. | Pipe thickness estimation with automatic channel quality assessment |
-
2020
- 2020-10-26 CN CN202011153377.2A patent/CN112285777A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101051087A (zh) * | 2006-04-04 | 2007-10-10 | 吉林石油集团有限责任公司 | 一种解决地震勘探仪器串感应的方法 |
US20080236809A1 (en) * | 2007-03-26 | 2008-10-02 | J.I. Livingstone Enterprises Inc. | Drilling, completing and stimulating a hydrocarbon production well |
CN105607121A (zh) * | 2016-02-02 | 2016-05-25 | 中国矿业大学(北京) | 一种煤炭陷落柱识别方法和装置 |
CN105785437A (zh) * | 2016-04-26 | 2016-07-20 | 中国石油天然气集团公司 | 一种异常地震道的自动判别的方法及装置 |
WO2019094225A1 (en) * | 2017-11-07 | 2019-05-16 | Halliburton Energy Services, Inc. | Pipe thickness estimation with automatic channel quality assessment |
Non-Patent Citations (1)
Title |
---|
罗福龙: "地震勘探中"串感应"的防范与消除", 石油地球物理勘探, vol. 43, no. 1 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102262246B (zh) | 海上地震数据采集方法和装置 | |
US5373486A (en) | Seismic event classification system | |
Nakano et al. | Discrimination of seismic signals from earthquakes and tectonic tremor by applying a convolutional neural network to running spectral images | |
CN105242309A (zh) | 一种地震数据中规则干扰的压制方法及装置 | |
CN113721213B (zh) | 生命体检测方法、终端及存储介质 | |
Akhouayri et al. | Automatic detection and picking of P-wave arrival in locally stationary noise using cross-correlation | |
Mota et al. | A comparison of cycle spinning versus stationary wavelet transform for the extraction of features of partial discharge signals | |
CN108549078A (zh) | 一种雷达脉冲信号跨信道合并及检测方法 | |
CN109100813B (zh) | 一种基于协同滤波消除地面核磁共振数据中尖峰噪声的方法 | |
CN102944895A (zh) | 一种地震记录面波干扰压制方法及装置 | |
CN108281155A (zh) | 基于瑞丽散射的过零检测方法在光纤水听系统中的应用 | |
CN112285777A (zh) | 地震道串感应识别量化方法及装置 | |
CN105938205A (zh) | 一种多道瞬变电磁法接收波形记录合成方法与装置 | |
CN117272138A (zh) | 一种基于参考道数据约束与深度学习的地磁数据去噪方法及系统 | |
CN117031566A (zh) | 一种地磁异常数据集的构建方法及系统 | |
GB2273362A (en) | Extraction from spatially coherent noise of a time-variable signal of finite spatial extension | |
CN114114382A (zh) | 用于地震预报的监测数据处理方法、地震预报方法和系统 | |
Dokht et al. | Combining deep learning and the Source‐Scanning Algorithm for improved seismic monitoring | |
CN113050167B (zh) | 地震数据的噪声压制方法及装置 | |
CN116088049B (zh) | 基于子波变换的最小二乘逆时偏移地震成像方法及装置 | |
CN112230286B (zh) | 降低隧道无线地震仪噪声的方法及系统 | |
CN113900147A (zh) | 沙丘鸣震压制方法及系统 | |
KR102476177B1 (ko) | 탐지 전 추적기법과 동적필터를 사용한 해양포유류 신호 주파수 특성 자동 추출 방법 및 이를 위한 시스템 | |
CN114970647B (zh) | 基于概率神经网络的电磁数据识别方法及系统 | |
CN117471550B (zh) | 一种基于卡尔曼滤波的微地震事件检测方法及系统、存储介质和检测设备 |
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 |