CN112987097A - 在被动源地震数据中自动提取体波的处理方法 - Google Patents

在被动源地震数据中自动提取体波的处理方法 Download PDF

Info

Publication number
CN112987097A
CN112987097A CN202110340508.6A CN202110340508A CN112987097A CN 112987097 A CN112987097 A CN 112987097A CN 202110340508 A CN202110340508 A CN 202110340508A CN 112987097 A CN112987097 A CN 112987097A
Authority
CN
China
Prior art keywords
data
amplitude
source seismic
passive
automatically extracting
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
Application number
CN202110340508.6A
Other languages
English (en)
Inventor
王林飞
熊盛青
方捷
刘国峰
薛典军
闫浩飞
何辉
周文月
李芳�
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 Aero Geophysical Survey and Remote Sensing Center for Natural Resources
Original Assignee
China Aero Geophysical Survey and Remote Sensing Center for Natural Resources
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 Aero Geophysical Survey and Remote Sensing Center for Natural Resources filed Critical China Aero Geophysical Survey and Remote Sensing Center for Natural Resources
Priority to CN202110340508.6A priority Critical patent/CN112987097A/zh
Publication of CN112987097A publication Critical patent/CN112987097A/zh
Pending legal-status Critical Current

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
    • G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
    • G01V1/30—Analysis
    • G01V1/307—Analysis for determining seismic attributes, e.g. amplitude, instantaneous phase or frequency, reflection strength or polarity
    • 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
    • G01V2210/30—Noise handling

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

本发明公开了一种在被动源地震数据中自动提取体波的处理方法，包括：对原始数据进行数据截取。对截取到的数据进行数据选择。对选择的数据进行时间域强振幅控制。对进行了时间域强振幅控制后的数据再进行频率域强振幅控制。以及数据输出。借此，本发明的在被动源地震数据中自动提取体波的处理方法，可以有效地识别并压制被动源地震记录中的低频面波，消除相干噪声，从而突出较弱的体波能量。

Description

在被动源地震数据中自动提取体波的处理方法
技术领域
本发明是关于被动源地震技术领域，特别是关于一种在被动源地震数据中自动提取体波的处理方法。
背景技术
基于互相关的被动源地震干涉测量是一种潜在的、经济有效的地质与地球物理研究技术。然而，被动源地震记录常以面波与其它相干噪声为主，从被动源地震记录中提取体波仍然是一项具有挑战性的任务。
理想情况下，即噪声均匀分布时，在地表的两个检波器记录的信号通过互相关可以重构在一个检波点位置记录的波场，就好像在另一个检波点位置有一个震源一样。然而，实践中根本无法满足理想条件，检波器采集的信号常以面波和其它相干噪声为主，体波能量相对较弱，因此，只有压制和消除面波与相干噪声，才能提取较弱的体波能量。图8为原始数据基于互相关形成的拟炮集记录，可见大量噪声分布。
公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
发明内容
本发明的目的在于提供一种在被动源地震数据中自动提取体波的处理方法，可以有效地识别并压制被动源地震记录中的低频面波，消除相干噪声，从而突出较弱的体波能量。
为实现上述目的，本发明提供了一种在被动源地震数据中自动提取体波的处理方法，包括：对原始数据进行数据截取。对截取到的数据进行数据选择。对选择的数据进行时间域强振幅控制。对进行了时间域强振幅控制后的数据再进行频率域强振幅控制。以及数据输出。
在本发明的一实施方式中，对原始数据进行数据截取包括：预设第一阈值，并将所述原始数据中的高振幅记录降低到所述第一阈值以下。
在本发明的一实施方式中，对截取到的数据进行数据选择包括：预设短时间窗口，并计算整个时间记录上每个所述短时间窗口内的均方根振幅值；根据整个时间记录上均方根振幅值能量的分布，选取一个全局阈值；以及将超过全局阈值的所对应的短时间窗口内的数据置为零，得到第一数据。
在本发明的一实施方式中，短时间窗口为1秒，且所述全局阈值为最大均方根振幅值的50％。
在本发明的一实施方式中，对选择的数据进行时间域强振幅控制包括：对所述第一数据使用基于L1迭代加权的最小二乘方法进行计算得到第二数据，公式(1)为，
0≈W(h-d)
Figure BDA0002998994990000021
其中，d为原始数据，h为选择的数据，W为对角矩阵，
Figure BDA0002998994990000022
是拉普拉斯算子，∈是正则化参数。
在本发明的一实施方式中，对进行了时间域强振幅控制后的数据再进行频率域强振幅控制包括：
对所述第二数据进行傅立叶变换，并分别用公式(2)和公式(3)计算信号的谱幅值M和相位
Figure BDA0002998994990000025
公式(2)和公式(3)为，
Figure BDA0002998994990000023
Figure BDA0002998994990000024
其中，F为傅立叶变换算子，R为实部，I为虚部，arctan为反正切函数；
定义第二阈值，并应用滑动窗口对窗口内数据的谱幅值M进行筛选；
将高于第二阀值的谱幅值M降低到第二阀值，得到处理后的谱幅值Md；
根据公式(4)使用谱幅值Md重建信号，公式(4)为，
Figure BDA0002998994990000031
其中，F-1为傅立叶反变换算子，Dr为重建的信号，R为实部。
与现有技术相比，根据本发明的在被动源地震数据中自动提取体波的处理方法，可以有效地识别并压制被动源地震记录中的低频面波，消除相干噪声，从而突出较弱的体波能量。
附图说明
图1是根据本发明一实施方式的在被动源地震数据中自动提取体波的处理方法的简易流程示意图；
图2是根据本发明一实施方式的在被动源地震数据中自动提取体波的处理方法的数据截取过程的示意图；
图3是根据本发明一实施方式的在被动源地震数据中自动提取体波的处理方法的数据选择过程的示意图；
图4是根据本发明一实施方式的在被动源地震数据中自动提取体波的处理方法的时间域强振幅控制的示意图；
图5是根据本发明一实施方式的在被动源地震数据中自动提取体波的处理方法的频率域强振幅控制过程在时间域的示意图；
图6是根据本发明一实施方式的在被动源地震数据中自动提取体波的处理方法的频率域强振幅控制过程在频率域的示意图；
图7是根据本发明一实施方式的在被动源地震数据中自动提取体波的处理方法的互相关形成的拟炮集记录的示意图；
图8是现有原始数据拟炮集记录的示意图。
具体实施方式
下面结合附图，对本发明的具体实施方式进行详细描述，但应当理解本发明的保护范围并不受具体实施方式的限制。
除非另有其它明确表示，否则在整个说明书和权利要求书中，术语“包括”或其变换如“包含”或“包括有”等等将被理解为包括所陈述的元件或组成部分，而并未排除其它元件或其它组成部分。
图1是根据本发明一实施方式的在被动源地震数据中自动提取体波的处理方法的简易流程示意图。图2是根据本发明一实施方式的在被动源地震数据中自动提取体波的处理方法的数据截取过程的示意图。图3是根据本发明一实施方式的在被动源地震数据中自动提取体波的处理方法的数据选择过程的示意图。图4是根据本发明一实施方式的在被动源地震数据中自动提取体波的处理方法的时间域强振幅控制的示意图。图5是根据本发明一实施方式的在被动源地震数据中自动提取体波的处理方法的频率域强振幅控制过程在时间域的示意图。图6是根据本发明一实施方式的在被动源地震数据中自动提取体波的处理方法的频率域强振幅控制过程在频率域的示意图。图7是根据本发明一实施方式的在被动源地震数据中自动提取体波的处理方法的互相关形成的拟炮集记录的示意图。
如图1至图7所示，根据本发明优选实施方式的一种在被动源地震数据中自动提取体波的处理方法，包括：对原始数据进行数据截取。对截取到的数据进行数据选择。对选择的数据进行时间域强振幅控制。对进行了时间域强振幅控制后的数据再进行频率域强振幅控制。以及数据输出。
在本发明的一实施方式中，对原始数据进行数据截取包括：预设第一阈值，并将所述原始数据中的高振幅记录降低到所述第一阈值以下。
在本发明的一实施方式中，对截取到的数据进行数据选择包括：预设短时间窗口，并计算整个时间记录上每个所述短时间窗口内的均方根振幅值；根据整个时间记录上均方根振幅值能量的分布，选取一个全局阈值；以及将超过全局阈值的所对应的短时间窗口内的数据置为零，得到第一数据。
在本发明的一实施方式中，短时间窗口为1秒，且所述全局阈值为最大均方根振幅值的50％。
在本发明的一实施方式中，对选择的数据进行时间域强振幅控制包括：对所述第一数据使用基于L1迭代加权的最小二乘方法进行计算得到第二数据，公式(1)为，
0≈W(h-d)
Figure BDA0002998994990000051
其中，d为原始数据，h为选择的数据，W为对角矩阵，
Figure BDA0002998994990000052
是拉普拉斯算子，∈是正则化参数。
在本发明的一实施方式中，对进行了时间域强振幅控制后的数据再进行频率域强振幅控制包括：
对所述第二数据进行傅立叶变换，并分别用公式(2)和公式(3)计算信号的谱幅值M和相位
Figure BDA0002998994990000053
公式(2)和公式(3)为，
Figure BDA0002998994990000054
Figure BDA0002998994990000055
其中，F为傅立叶变换算子，R为实部，I为虚部，arctan为反正切函数；
定义第二阈值，并应用滑动窗口对窗口内数据的谱幅值M进行筛选；
将高于第二阀值的谱幅值M降低到第二阀值，得到处理后的谱幅值Md；
根据公式(4)使用谱幅值Md重建信号，公式(4)为，
Figure BDA0002998994990000061
其中，F-1为傅立叶反变换算子，Dr为重建的信号，R为实部。
在实际应用中，本发明的在被动源地震数据中自动提取体波的处理方法，具体流程如下：
1、数据截取：首先选择一个阈值(如最大振幅的70％)来将高振幅记录降低到阈值以下；
2、数据选择：首先选择一个短时间窗口(如1s)，然后计算整个时间记录上每个短时间窗口内的均方根值。根据整个记录上均方根能量的分布，选取一个全局阀值(如最大均方根振幅值的50％)，将超过该均方根阈值的所对应的时间窗口内的数据置为零；
3、时间域强振幅控制：使用基于L1迭代加权的最小二乘方法。它采用拟合的思想对原始数据d进行处理从而得到处理后的数据h(公式(1))。
0≈W(h-d)
Figure BDA0002998994990000062
其中，W是一个对角矩阵，权重沿着对角线分布，
Figure BDA0002998994990000063
是拉普拉斯算子，∈是正则化参数。
4、频率域强振幅控制：首先对数据进行傅立叶变换，再分别用公式(2)和公式(3)计算信号的谱幅值M和相位
Figure BDA0002998994990000064
Figure BDA0002998994990000065
Figure BDA0002998994990000066
其中F为傅立叶变换算子，R和I分别表示实部和虚部，arctan为反正切函数。然后定义一个阈值(如最大谱幅值M的65％)，并应用滑动窗口对窗口内数据的谱幅值M进行筛选，将高于阀值的谱幅值M降低到该阀值，得到处理后的谱幅值Md。最后根据公式(4)使用Md重建信号。
Figure BDA0002998994990000071
在这里，F-1是傅立叶反变换算子，Dr为重建的信号，R为实部。频率域强振幅控制过程保持了原始相位。
如图6所示，数据处理压制了低频信号，而高频部分的信号未受到明显影响。对经上述流程处理后的数据进行互相关计算，得到的拟炮集记录如图7所示。与原始数据拟炮集记录(图8)相比，相干噪声逐渐消失，低频面波得到压制，体波能量逐渐增强。其中图7中的(a)为数据截取和数据选择，(b)为时间域强振幅控制，(c)为频率域强振幅控制。
总之，本发明的在被动源地震数据中自动提取体波的处理方法，可以有效地识别并压制被动源地震记录中的低频面波，消除相干噪声，从而突出较弱的体波能量。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请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，本申请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。
本申请是参照根据本申请实施例的方法、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。
前述对本发明的具体示例性实施方案的描述是为了说明和例证的目的。这些描述并非想将本发明限定为所公开的精确形式，并且很显然，根据上述教导，可以进行很多改变和变化。对示例性实施例进行选择和描述的目的在于解释本发明的特定原理及其实际应用，从而使得本领域的技术人员能够实现并利用本发明的各种不同的示例性实施方案以及各种不同的选择和改变。本发明的范围意在由权利要求书及其等同形式所限定。

Claims (6)

1.一种在被动源地震数据中自动提取体波的处理方法，其特征在于，包括：
对原始数据进行数据截取；
对截取到的数据进行数据选择；
对选择的数据进行时间域强振幅控制；
对进行了时间域强振幅控制后的数据再进行频率域强振幅控制；以及
数据输出。
2.如权利要求1所述的在被动源地震数据中自动提取体波的处理方法，其特征在于，对原始数据进行数据截取包括：预设第一阈值，并将所述原始数据中的高振幅记录降低到所述第一阈值以下。
3.如权利要求1所述的在被动源地震数据中自动提取体波的处理方法，其特征在于，对截取到的数据进行数据选择包括：
预设短时间窗口，并计算整个时间记录上每个所述短时间窗口内的均方根振幅值；
根据整个时间记录上均方根振幅值能量的分布，选取一个全局阈值；以及
将超过全局阈值的所对应的短时间窗口内的数据置为零，得到第一数据。
4.如权利要求1所述的在被动源地震数据中自动提取体波的处理方法，其特征在于，所述短时间窗口为1秒，且所述全局阈值为最大均方根振幅值的50％。
5.如权利要求1所述的在被动源地震数据中自动提取体波的处理方法，其特征在于，对选择的数据进行时间域强振幅控制包括：对所述第一数据使用基于L1迭代加权的最小二乘方法进行计算得到第二数据，公式(1)为，
0≈W(h-d)
Figure FDA0002998994980000021
其中，d为原始数据，h为选择的数据，W为对角矩阵，
Figure FDA0002998994980000022
是拉普拉斯算子，∈是正则化参数。
6.如权利要求1所述的在被动源地震数据中自动提取体波的处理方法，其特征在于，对进行了时间域强振幅控制后的数据再进行频率域强振幅控制包括：
对所述第二数据进行傅立叶变换，并分别用公式(2)和公式(3)计算信号的谱幅值M和相位
Figure FDA0002998994980000023
公式(2)和公式(3)为，
Figure FDA0002998994980000024
Figure FDA0002998994980000025
其中，F为傅立叶变换算子，R为实部，I为虚部，arctan为反正切函数；
定义第二阈值，并应用滑动窗口对窗口内数据的谱幅值M进行筛选；
将高于第二阀值的谱幅值M降低到第二阀值，得到处理后的谱幅值Md；
根据公式(4)使用谱幅值Md重建信号，公式(4)为，
Figure FDA0002998994980000026
其中，F-1为傅立叶反变换算子，Dr为重建的信号，R为实部。
CN202110340508.6A 2021-03-30 2021-03-30 在被动源地震数据中自动提取体波的处理方法 Pending CN112987097A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110340508.6A CN112987097A (zh) 2021-03-30 2021-03-30 在被动源地震数据中自动提取体波的处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110340508.6A CN112987097A (zh) 2021-03-30 2021-03-30 在被动源地震数据中自动提取体波的处理方法

Publications (1)

Publication Number Publication Date
CN112987097A true CN112987097A (zh) 2021-06-18

Family

ID=76338329

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110340508.6A Pending CN112987097A (zh) 2021-03-30 2021-03-30 在被动源地震数据中自动提取体波的处理方法

Country Status (1)

Country Link
CN (1) CN112987097A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140254317A1 (en) * 2013-03-05 2014-09-11 Arthur Thompson Correlation Techniques for Passive Electroseismic and Seismoelectric Surveying
CN104335072A (zh) * 2012-02-06 2015-02-04 离子地球物理公司 利用多个阵列的集成的被动和主动地震勘测
CN111103621A (zh) * 2019-12-09 2020-05-05 东华理工大学 一种主动源共成像点叠加多道面波分析方法
US20200200932A1 (en) * 2018-09-26 2020-06-25 Beijing Petrosound Technology Co.,Ltd. Method for exploring passive source seismic frequence resonance
CN111458749A (zh) * 2020-04-13 2020-07-28 中国地质大学（北京） 应用于被动源地震勘探的面波与体波的分离方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104335072A (zh) * 2012-02-06 2015-02-04 离子地球物理公司 利用多个阵列的集成的被动和主动地震勘测
US20140254317A1 (en) * 2013-03-05 2014-09-11 Arthur Thompson Correlation Techniques for Passive Electroseismic and Seismoelectric Surveying
US20200200932A1 (en) * 2018-09-26 2020-06-25 Beijing Petrosound Technology Co.,Ltd. Method for exploring passive source seismic frequence resonance
CN111103621A (zh) * 2019-12-09 2020-05-05 东华理工大学 一种主动源共成像点叠加多道面波分析方法
CN111458749A (zh) * 2020-04-13 2020-07-28 中国地质大学（北京） 应用于被动源地震勘探的面波与体波的分离方法及系统

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
AARON J. GIRARD, JEFFREY SHRAGGE: "Automated processing strategies for ambient seismic data", 《GEOPHYSICAL PROSPECTING》 *
CLAERBOUT J. F.: "《Geophysical Image Estimation by Example》", 31 December 2014, LULU PRESS *
NADER A. ISSA，等: "Passive seismic imaging at reservoir depths using ambient seismic noise recorded at the Otway CO2 geological storage research facility", 《GEOPHYS. J. INT.》 *
ZHANG PAN，等: "passive-source multitaper-spectral method based low-frequency data reconstruction for active seismic sources", 《APPLIED GEOPHYSICS》 *
方捷，刘国峰: "被动源反射数据预处理及其质量控制", 《中国地球科学联合学术年会 2020》 *

Similar Documents

Publication Publication Date Title
Wang et al. Adaptive stabilization for Q-compensated reverse time migration
Gómez et al. A simple method inspired by empirical mode decomposition for denoising seismic data
Parolai Denoising of seismograms using the S transform
CN107144879B (zh) 一种基于自适应滤波与小波变换结合的地震波降噪方法
CN107942390B (zh) 一种基于自适应复锐化扩散的沙漠地区地震勘探去噪方法
CN105242309B (zh) 一种地震数据中规则干扰的压制方法及装置
CN101598812B (zh) 去除数字检波器单点接收地震记录中的异常噪声方法
Choi et al. Time-domain full-waveform inversion of exponentially damped wavefield using the deconvolution-based objective function
CN107798156B (zh) 一种频率域2.5维粘弹性波数值模拟方法及装置
WO2002095449A1 (en) Non-stationary filter design and application for processing of seismic signals
Hu et al. Ground-roll noise extraction and suppression using high-resolution linear Radon transform
Ouadfeul et al. Random seismic noise attenuation data using the discrete and the continuous wavelet transforms
Aghayan et al. Seismic denoising using the redundant lifting scheme
Jeng et al. Adaptive filtering of random noise in near-surface seismic and ground-penetrating radar data
CN105301634B (zh) 利用近震源检波器记录提高可控震源单炮相关质量的方法
Zheng et al. Microseismic event denoising via adaptive directional vector median filters
Wang et al. Adaptive frequency-domain nonlocal means for seismic random noise attenuation
CN112987097A (zh) 在被动源地震数据中自动提取体波的处理方法
CN104502977A (zh) 一种井控保幅高分辨率地震资料处理方法
Abd El-Aal Eliminating upper harmonic noise in vibroseis data via numerical simulation
CN109212609A (zh) 基于波动方程延拓的近地表噪音压制方法
CN112764108B (zh) 一种基于改进经验小波变换的新型地震资料噪声压制算法
CN110837119B (zh) 一种增强反q值补偿稳定性的地震资料处理方法及系统
CN111929726A (zh) 地震相干数据体处理方法及装置
CN114114422B (zh) 基于方向性多尺度分解的叠前地震数据噪声消除方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210618