CN112925011B - 一种单井微地震监测方法、存储介质及终端设备 - Google Patents

Abstract

本发明公开了一种单井微地震监测方法、存储介质及终端设备，其中，方法包括步骤：利用已知位置的射孔更新速度模型，进而利用相对定位方法定位周围的微地震事件，再将这些微地震事件作为“伪主事件”重新更新速度模型，再依据重新校正的速度模型和主事件定位方法定位更多的微地震事件，进而重新校正速度模型，不断迭代循环以上过程，速度模型精度得到持续更新，最终获得一个较为精确的速度模型并基于所述精准的速度模型对研究区域内的微地震事件进行监测。本发明不仅利用数量较少的射孔，同时利用水力压裂过程产生的微地震事件不断提高速度模型的精度。该方法具有精确定位时延微地震事件位置的优点，且避免了速度模型和微地震事件“耦合”的缺点。

Description

一种单井微地震监测方法、存储介质及终端设备

技术领域

本发明涉及微地震监测技术领域，尤其涉及一种单井微地震监测方法、存储介质及终端设备。

背景技术

利用微地震监测技术知道水力压裂开采油气资源已经成为一种重要的使用方法和商业手段。微地震监测过程中速度模型对成像精度具有重要影响。传统方法中校正井中微地震监测速度模型的方法主要有两种：一种是利用射孔对由声波测井建立的初始速度模型进行校正，其利用射孔位置已知的特点校正速度模型，当获得的校正速度模型能够较精确的定位射孔位置时，该模型即可被用来进行微地震成像。另外一种是将速度模型和微地震事件同时进行更新校正，不断扰动速度值和微地震事件的位置信息，当获得的数据与观测数据非常接近时，该速度模型即可被接受为最终的速度模型，微地震事件位置即为最终定位的位置。第一种射孔校正的速度模型由于射孔个数和检波器个数太少，约束信息有限，校正的速度模型仅仅能够精确定位距离射孔较近的微地震事件位置，微地震事件位置距离射孔越远，定位误差越大。第二种同时更新速度模型和微地震位置的方法，由于微地震事件位置未知，在拟合观测数据的过程中经常存在耦合现象，即速度模型和微地震事件位置均存在误差，但是计算得到的数据和观测数据能够拟合的很好。因此，该种方法校正的速度模型也不精确，定位的微地震事件也会出现较大的误差。

因此，现有技术还有待于改进和发展。

发明内容

鉴于上述现有技术的不足，本发明的目的在于提供一种单井微地震监测方法、存储介质及终端设备，旨在解决现有方法校正的速度模型也不精确，导致定位的微地震事件出现较大的误差的问题。

本发明的技术方案如下：

一种单井微地震事件监测方法，其中，包括步骤：

利用声波测井数据建立井中初始速度模型，利用射孔对所述初始速度模型进行校正获得一次校正速度模型；

基于所述一次校正速度模型，采用网格搜寻方法获得所有微地震事件的位置，从所述所有微地震事件中拾取距离所述射孔预定距离的近距离微地震事件，并采用主事件定位方法重新定位所述近距离微地震事件的位置；

将重新定位的所述近距离微地震事件作为伪主事件，利用所述伪主事件基于反演方法理论对所述初始速度模型重新进行二次校正，获得二次校正速度模型；

重复采用伪主事件以及反演方法理论对所述初始速度模型进行二次校正，直至采用主事件定位方法重新定位的伪主事件遍布整部研究区域时，则停止二次校正，得到最终的更新速度模型；

基于所述更新速度模型对研究区域内的微地震事件进行监测。

所述的单井微地震事件监测方法，其中，所述采用主事件定位方法重新定位所述近距离微地震事件的位置的步骤包括：

确定一个已知位置的微地震事件并作为主事件；

利用其它未知位置的微地震事件与所述主事件的时间差校正其它微地震事件的位置。

所述的单井微地震事件监测方法，其中，所述利用其它未知位置的微地震事件与所述主事件的时间差校正其它微地震事件的位置的步骤包括：

采用目标函数：

对微地震事件的位置进行校正，其中，nr是检波器个数，N1，N2分别是主事件和其它微地震事件的个数，t＝O+T，t是达到时刻，o是起始时刻，T是走时，

和

是第i个和第j个事件在检波器r上观测到的P波和S波到达时刻，oⁱ和o^j分别是第i个和第j个事件的真正起始时刻，

和

分别表示第i个和第j个事件在检波器r上计算到的P波和S波走时；

利用高斯-牛顿方法计算目标函数的贝塞尔矩阵和海森矩阵，沿着矩阵的方向逐渐改变微地震事件的位置，直到所述目标函数最小，最终可获得其它微地震事件的位置。

所述的单井微地震事件监测方法，其中，所述反演方法为贝叶斯方法、模拟退火法或基因算法中的一种。

所述的单井微地震事件监测方法，其中，利用所述伪主事件基于反演方法理论对所述初始速度模型重新进行二次校正，获得二次校正速度模型的步骤包括：

将初始速度模型m表示为P波的速度值和S波的速度值两部分，

其中，T表示速度模型的层位个数，

是第j层的P波和S波速度值；

利用概率来表征最终的反演模型参数，获得二次校正速度模型，其公式表示为：

其中，d是观测的数据，m是模型参数,p(m)表示先验的模型信息,p(d)是观测的数据概率，p(d|m)是似然函数，p(m|d)是后验模型概率；

采用似然函数衡量观测数据和更新后速度模型计算的数据匹配程度的概率；

计算最终的后验概率密度。

所述的单井微地震事件监测方法，其中，所述采用似然函数衡量观测数据和更新后速度模型计算的数据匹配程度的概率，其表达式为：

其中，Φ(m)是目标函数，表示为：

其中，nr是检波器的个数，r1和r2表示检波器的编号，

是第i个事件到达检波器r1，r2的到时，

是事件i到检波器r1的P波和S波走时，

是第i个事件到检波器r1，r2的观测到时差，

是第i个事件到检波器r1，r2的计算到时差，α_P，α_S，α_PS是权重因子，C_P，C_S，C_PS是各自的协方差矩阵。

所述的单井微地震事件监测方法，其中，采用马氏链方法或最大后验概率方法计算最终的后验概率密度。

所述的单井微地震事件监测方法，其中，采用马氏链方法计算最终的后验概率密度的步骤包括：

输入第j个速度模型m^j；

随机的选择一个层位，依据该层位原来的数值产生一个新的P波速度值或S波速度值，公式为：

v＝v^k+μ×σ_k

其中，v是新的速度值，v^k是原来的速度值，μ是一个区间U[0，1]服从均匀分布的随机数，σ_k＝σ_P或σ_k＝σ_S，σ_P，σ_S是P波和S波速度值的标准差，一个新的模型m由此产生；

依据新的模型m计算其似然函数p(d|m)；

产生一个服从区间为U[0，1]均匀分布的随机数μ，将该随机数与接收概率α比较：

其中，p(m)和p(m^j)是模型m和m^j的先验信息，q(m|m^j)和q(m^j|m)是模型m^j转换到m或m转换到m^j的后验分布，如果μ≤α,m^j+1＝m,否则,m^j+1＝m^j。

一种存储介质，其中，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如本发明所述的单井微地震事件监测方法中的步骤。

一种终端设备，其中，包括处理器，适于实现各指令；以及存储介质，适于存储多条指令，所述指令适于由处理器加载并执行本发明所述的单井微地震事件监测方法中的步骤。

有益效果：本发明首先依赖射孔对初始速度模型进行一次校正，获得的一次校正速度模型可以准确定位射孔的位置，但是距离射孔较远的微地震事件定位误差较大；因此，本发明利用Master-event location定位方法减小微地震事件对速度模型的依赖，依靠精确的射孔位置和一次校正速度模型对射孔周围的微地震事件进行精确定位，在将这些精确定位的微地震事件作为伪主事件，利用Bayesian inference理论重新校正所述初始速度模型。由于有效信息的增多，获得的更新后速度模型能够准确地定位射孔以及伪主事件局域范围内的微地震事件，最后利用该更新后速度模型和Master-event location方法对局部范围内的其它微地震事件定位，继而重新校正初始速度模型；周而复始，水力压裂中能够精确定位的区域逐渐扩大，进而随着伪主事件遍布研究区域各个位置，获得的最终反演模型就能够对该研究区域内的所有微地震事件进行精确定位。

附图说明

图1为本发明一种单井微地震监测方法较佳实施例的流程图。

图2为本发明提供的一种单井微地震监测方法中速度模型的校正流程图。

图3为本发明终端设备的原理框图。

具体实施方式

本发明提供一种单井微地震监测方法、存储介质及终端设备，为使本发明的目的、技术方案及效果更加清楚、明确，以下对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。

本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。

微地震是一种小型的地震(mine tremor or microseismic)，在地下矿井深部开采过程中发生岩石破裂和地震活动，常常是不可避免的现象。由开采诱发的地震活动，微地震事件通常定义为在开采坑道附近的岩体内因应力场变化导致岩石破坏而引起的那些地震事件。利用微地震监测技术指导水力压裂开采油气资源已经成为一种重要的实用方法和商业手段，微地震监测过程中速度模型对成像精度具有重要影响。由于现有技术校正的速度模型不精确，导致由校正后的速度模型定位的微地震事件也会出现较大的误差。

基于此，本发明提供了一种井中微地震监测方法，如图1所示，其包括步骤：

S10、利用声波测井数据建立井中初始速度模型，利用射孔对所述初始速度模型进行校正获得一次校正速度模型；

S20、基于所述一次校正速度模型，采用网格搜寻方法获得所有微地震事件的位置，从所述所有微地震事件中拾取距离所述射孔预定距离的近距离微地震事件，并采用主事件定位方法重新定位所述近距离微地震事件的位置；

S30、将重新定位的所述近距离微地震事件作为伪主事件，利用所述伪主事件基于反演方法理论对所述初始速度模型重新进行二次校正，获得二次校正速度模型；

S40、重复采用伪主事件以及反演方法理论对所述初始速度模型进行二次校正，直至采用主事件定位方法重新定位的伪主事件遍布整部研究区域时，则停止二次校正，得到最终的更新速度模型；

S50、基于所述更新速度模型对研究区域内的微地震事件进行监测。

在本实施例中，如图2所示，首先依赖射孔对初始速度模型进行一次校正，获得的一次校正速度模型可以准确定位射孔的位置，但是距离射孔较远的微地震事件定位误差较大；因此，本实施例利用主事件定位方法减小微地震事件对速度模型的依赖，依靠精确的射孔位置和一次校正速度模型对射孔周围的微地震事件进行精确定位，在将这些精确定位的微地震事件作为伪主事件，利用反演方法理论重新校正所述初始速度模型。由于有效信息的增多，获得的更新后速度模型能够准确地定位射孔以及伪主事件局域范围内的微地震事件，最后利用该更新后速度模型和主事件定位方法对局部范围内的其它微地震事件定位，继而重新校正初始速度模型；周而复始，水力压裂中能够精确定位的区域逐渐扩大，进而随着伪主事件遍布研究区域各个位置，获得的最终更新模型就能够对该研究区域内的所有微地震事件进行精确定位。

本实施例利用相对定位技术中Master-event location(主事件定位)技术具有对速度模型误差容忍度高，在不精确的模型中也能依据主事件位置获得周围事件准确位置的特点，利用已知位置的射孔定位周围的微地震事件，再将这些微地震事件作为“伪主事件”重新更新速度模型，再依据重新校正的速度模型和Master-event location方法定位更多的微地震事件，进而重新校正速度模型。不断迭代循环以上过程，速度模型精度得到持续更新，最终获得一个较为精确的速度模型。本实施例不仅利用数量较少的射孔，同时利用水力压裂过程产生的微地震事件不断提高速度模型的精度，该方法具有精确定位时延微地震事件位置的优点，且避免了速度模型和微地震事件“耦合”的缺点。

在一些实施方式中，所述利用声波测井数据建立井中初始速度模型，利用射孔对所述初始速度模型进行校正获得一次校正速度模型的步骤包括：利用声波测井数据建立井中初始速度模型，然后利用反演方法不断扰动初始模型的速度值大小，利用已经获得准确位置的射孔事件进行正演获得计算的地震波到时信息。当计算的到时信息与真实观测得到的到时信息拟合较好时，则停止扰动初始速度模型，获得一次校正速度模型。

在一些实施方式中，基于所述一次校正速度模型，将研究区域按照网格划分为较密集的网格点，依次对网格的断点进行正演，当正演计算的时间信息与微地震事件观测到的时间信息拟合较好时，该网格搜寻方法获得的网格点即认为为微地震事件位置。选取定位后距离射孔距离较近的事件，例如距离射孔20米范围以内的微地震事件，采用主事件定位方法重新定位所述这些微地震事件的位置。

在一些实施方式中，所述采用主事件定位方法重新定位所述近距离微地震事件的位置的步骤包括：确定一个已知位置的微地震事件并作为主事件；利用其它未知位置的微地震事件与所述主事件的时间差校正其它微地震事件的位置。

具体来讲，所述利用其它未知位置的微地震事件与所述主事件的时间差校正其它微地震事件的位置的步骤包括：采用目标函数：

对微地震事件的位置进行校正，其中，nr是检波器个数，N1，N2分别是主事件和其它微地震事件的个数，t＝O+T，t是达到时刻，o是起始时刻，T是走时，

和

是第i个和第j个事件在检波器r上观测到的P波和S波到达时刻，oⁱ和o^j分别是第i个和第j个事件的真正起始时刻，

和

分别表示第i个和第j个事件在检波器r上计算到的P波和S波走时；利用高斯-牛顿方法计算目标函数的贝塞尔矩阵和海森矩阵，沿着矩阵的方向逐渐改变微地震事件的位置，直到所述目标函数最小，最终可获得其它微地震事件的位置，这些微地震事件即可以作为“伪主事件”继续更新速度模型。

在本实施例中，主事件定位方法可以忽略速度模型误差，对主事件位置周围事件进行精确定位。在一个速度模型中，如果距离较近的相邻的事件到达检波器的射线路径基本相同。那么如果一个事件可以在该速度模型中得到精确定位，那么利用主事件定位方法，射线路径中经过的速度模型的误差则不会影响相邻事件的定位精度。因此，依据上述原理，可以将速度模型中的误差对定位的影响去除，仅仅依赖于相邻事件中的局部速度模型就可以获得周围事件的准确位置，从而避免了速度误差对定位精度的影响。

在一些实施方式中，将重新定位的所述近距离微地震事件作为伪主事件，利用所述伪主事件基于反演方法理论对所述初始速度模型重新进行二次校正，获得二次校正速度模型。本实施例中，所述反演方法为贝叶斯方法、模拟退火法或基因算法中的一种。

作为举例，利用伪主事件并采用Bayesian inference(贝叶斯方法)对所述初始速度模型重新进行二次校正，获得二次校正速度模型的步骤包括：

将初始速度模型m表示为P波的速度值和S波的速度值两部分，

其中，T表示速度模型的层位个数，

是第j层的P波和S波速度值；利用概率来表征最终的反演模型参数，获得二次校正速度模型，其公式表示为：

其中，d是观测的数据，m是模型参数,p(m)表示先验的模型信息,p(d)是观测的数据概率，p(d|m)是似然函数，p(m|d)是后验模型概率；采用似然函数衡量观测数据和更新后速度模型计算的数据匹配程度的概率；计算最终的后验概率密度。

在本实施例中，所述采用似然函数衡量观测数据和更新后速度模型计算的数据匹配程度的概率，其表达式为：

其中，Φ(m)是目标函数，表示为：

其中，nr是检波器的个数，r1和r2表示检波器的编号，

是第i个事件到达检波器r1,r2的到时，

是事件i到检波器r1的P波和S波走时，

是第i个事件到检波器r1,r2的观测到时差，

是第i个事件到检波器r1，r2的计算到时差，α_P，α_S，α_PS是权重因子，C_P，C_S，C_PS是各自的协方差矩阵。

在一些实施方式中，采用马氏链方法或最大后验概率方法计算最终的后验概率密度，但不限于此。作为举例，采用马氏链方法计算最终的后验概率密度的步骤包括：

输入第j个速度模型m^j；

随机的选择一个层位，依据该层位原来的数值产生一个新的P波速度值或S波速度值，公式为：

v＝v^k+μ×σ_k

其中，v是新的速度值，v^k是原来的速度值，μ是一个区间U[0，1]服从均匀分布的随机数，σ_k＝σ_P或σ_k＝σ_S，σ_P，σ_S是P波和S波速度值的标准差，一个新的模型m由此产生；

依据新的模型m计算其似然函数p(d|m)；

产生一个服从区间为U[0，1]均匀分布的随机数μ，将该随机数与接收概率α比较：

其中，p(m)和p(m^j)是模型m和m^j的先验信息，q(m|m^j)和q(m^j|m)是模型m^j转换到m或m转换到m^j的后验分布，如果μ≤α，m^j+1＝m，否则，m^j+1＝m^j。

本实施例采用Bayesian inference反演方法将反演结果用概率的思想表示，摒弃了拟合数据选择最小误差模型过程中数据噪声对反演结果的影响。最终提取概率模型的一些特征，例如平均值和方差，来表征速度模型和对反演结果进行评价。该方法同时可以消除陷入局部最小值的缺点，在所有的模型中选择最优解。

在一些实施方式中，还提供一种存储介质，其中，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如本发明所述的单井微地震事件监测方法中的步骤。

在一些实施方式中，还提供一种终端设备，如图3所示，其包括至少一个处理器(processor)20；显示屏21；以及存储器(memory)22，还可以包括通信接口(CommunicationsInterface)23和总线24。其中，处理器20、显示屏21、存储器22和通信接口23可以通过总线24完成相互间的通信。显示屏21设置为显示初始设置模式中预设的用户引导界面。通信接口23可以传输信息。处理器20可以调用存储器22中的逻辑指令，以执行上述实施例中的方法。

此外，上述的存储器22中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。

存储器22作为一种计算机可读存储介质，可设置为存储软件程序、计算机可执行程序，如本公开实施例中的方法对应的程序指令或模块。处理器20通过运行存储在存储器22中的软件程序、指令或模块，从而执行功能应用以及数据处理，即实现上述实施例中的方法。

存储器22可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端设备的使用所创建的数据等。此外，存储器22可以包括高速随机存取存储器，还可以包括非易失性存储器。例如，U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等多种可以存储程序代码的介质，也可以是暂态存储介质。

此外，上述存储介质以及终端设备中的多条指令处理器加载并执行的具体过程在上述方法中已经详细说明，在这里就不再一一陈述。

综上所述，本发明根采用迭代的方法校正速度模型，在利用射孔校正初始速度模型的基础之上，每次先利用主事件定位方法摒弃速度误差对微地震事件定位的影响，选取距离固定事件位置较近的微地震事件进行定位。再利用这些定位的事件重新校正速度模型。最终，随着迭代次数的增加，已经获得精确定位的微地震事件数量逐渐增加，空间分布也更加广泛。进而利用这些“伪主事件”更好的约束速度模型信息。该方法利用更多的微地震事件对速度模型进行约束，克服了仅仅利用射孔约束速度模型中有效信息较少，对速度模型约束能力不足的缺点。同时先定位微地震事件位置，再更新速度模型，避免了同时校正微地震事件位置和速度模型导致的“耦合”现象。同时，该方法也符合水力压裂过程中产生的微地震事件逐渐从射孔位置向周围空间扩散的特点，每个时间段都可以更新一个速度模型，对产生的微地震事件进行实时准确定位，便于实时评估压裂情况，起到时延成像的特点。

应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (8)

1.一种单井微地震事件监测方法，其特征在于，包括步骤：

利用声波测井数据建立井中初始速度模型，利用射孔对所述初始速度模型进行校正获得一次校正速度模型；

基于所述一次校正速度模型，采用网格搜寻方法获得所有微地震事件的位置，从所述所有微地震事件中拾取距离所述射孔预定距离的近距离微地震事件，并采用主事件定位方法重新定位所述近距离微地震事件的位置；

将重新定位的所述近距离微地震事件作为伪主事件，利用所述伪主事件基于反演方法理论对所述初始速度模型重新进行二次校正，获得二次校正速度模型；

重复采用伪主事件以及反演方法理论对所述初始速度模型进行二次校正，直至采用主事件定位方法重新定位的伪主事件遍布整部研究区域时，则停止二次校正，得到最终的更新速度模型；

基于所述更新速度模型对研究区域内的微地震事件进行监测；

利用所述伪主事件基于反演方法理论对所述初始速度模型重新进行二次校正，获得二次校正速度模型的步骤包括：

将初始速度模型m表示为P波的速度值和S波的速度值两部分，

其中，T表示速度模型的层位个数，

是第j层的P波和S波速度值；

利用概率来表征最终的反演模型参数，获得二次校正速度模型，其公式表示为：

其中，d是观测的数据，m是模型参数,p(m)表示先验的模型信息,p(d)是观测的数据概率，p(d|m)是似然函数，p(m|d)是后验模型概率；

采用似然函数衡量观测数据和更新后速度模型计算的数据匹配程度的概率，其表达式为：

其中，Φ(m)是目标函数，表示为：

其中，nr是检波器的个数，r1和r2表示检波器的编号，

是第i个事件到达检波器r1,r2的到时，

是事件i到检波器r1的P波和S波走时，

是第i个事件到检波器r1,r2的观测到时差，

是第i个事件到检波器r1,r2的计算到时差，α_P,α_S,α_PS是权重因子，C_P,C_S,C_PS是各自的协方差矩阵；

计算最终的后验概率密度。

2.根据权利要求1所述的单井微地震事件监测方法，其特征在于，所述采用主事件定位方法重新定位所述近距离微地震事件的位置的步骤包括：

确定一个已知位置的微地震事件并作为主事件；

利用其它未知位置的微地震事件与所述主事件的时间差校正其它微地震事件的位置。

3.根据权利要求2所述的单井微地震事件监测方法，其特征在于，所述利用其它未知位置的微地震事件与所述主事件的时间差校正其它微地震事件的位置的步骤包括：

采用目标函数：

对微地震事件的位置进行校正，其中，nr是检波器个数，N1，N2分别是主事件和其它微地震事件的个数，t＝O+T，t是达到时刻，o是起始时刻，T是走时，

和

是第i个和第j个事件在检波器r上观测到的P波和S波到达时刻，oⁱ和o^j分别是第i个和第j个事件的真正起始时刻，

和

分别表示第i个和第j个事件在检波器r上计算到的P波和S波走时；

利用高斯-牛顿方法计算目标函数的贝塞尔矩阵和海森矩阵，沿着矩阵的方向逐渐改变微地震事件的位置，直到所述目标函数最小，最终可获得其它微地震事件的位置。

4.根据权利要求1所述的单井微地震事件监测方法，其特征在于，所述反演方法为贝叶斯方法、模拟退火法或基因算法中的一种。

5.根据权利要求1所述的单井微地震事件监测方法，其特征在于，采用马氏链方法或最大后验概率方法计算最终的后验概率密度。

6.根据权利要求5所述的单井微地震事件监测方法，其特征在于，采用马氏链方法计算最终的后验概率密度的步骤包括：

输入第j个速度模型m^j；

随机的选择一个层位，依据该层位原来的数值产生一个新的P波速度值或S波速度值，公式为：

其中，v是新的速度值，v^k是原来的速度值，μ是一个区间U[0,1]服从均匀分布的随机数，σ_k＝σ_P或σ_k＝σ_S,σ_P,σ_S是P波和S波速度值的标准差，一个新的模型m由此产生；

依据新的模型m计算其似然函数p(d|m)；

产生一个服从区间为U[0,1]均匀分布的随机数μ，将该随机数与接收概率α比较：

其中，p(m)和p(m^j)是模型m和m^j的先验信息，q(m|m^j)和q(m^j|m)是模型m^j转换到m或m转换到m^j的后验分布，如果μ≤α,m^j+1＝m,否则,m^{j +1}＝m^j。

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一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1-6任意一项所述的单井微地震事件监测方法中的步骤。

8.一种终端设备，其特征在于，包括处理器，适于实现各指令；以及存储介质，适于存储多条指令，所述指令适于由处理器加载并执行权利要求1-6任意一项所述的单井微地震事件监测方法中的步骤。

Images