CN117471525A - 地震数据处理方法、装置及存储介质 - Google Patents
地震数据处理方法、装置及存储介质 Download PDFInfo
- Publication number
- CN117471525A CN117471525A CN202210863928.7A CN202210863928A CN117471525A CN 117471525 A CN117471525 A CN 117471525A CN 202210863928 A CN202210863928 A CN 202210863928A CN 117471525 A CN117471525 A CN 117471525A
- Authority
- CN
- China
- Prior art keywords
- acquisition
- mean square
- root mean
- acquisition device
- abnormal
- 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
- 238000003672 processing method Methods 0.000 title abstract description 16
- 230000002159 abnormal effect Effects 0.000 claims abstract description 136
- 238000000034 method Methods 0.000 claims abstract description 38
- 238000012545 processing Methods 0.000 claims abstract description 34
- 238000001514 detection method Methods 0.000 claims description 131
- 239000011159 matrix material Substances 0.000 claims description 86
- 238000005070 sampling Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 5
- 238000003064 k means clustering Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 abstract description 15
- 230000005856 abnormality Effects 0.000 abstract description 10
- 238000012937 correction Methods 0.000 abstract description 8
- 230000008859 change Effects 0.000 abstract description 4
- 238000011084 recovery Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 15
- 230000002093 peripheral effect Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000000919 ceramic Substances 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 229910052500 inorganic mineral Inorganic materials 0.000 description 2
- 239000011707 mineral Substances 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
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
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
本申请实施例公开了一种地震数据处理方法、装置及存储介质,属于地震勘探技术领域。本申请实施例通过回收的部分采集设备采集的样点值,利用这些样点值的均方根值即能够确定出异常采集信息,无需根据所有采集设备采集的地震数据来生成道集数据或炮集数据,也无需在等待所有采集设备均回收后才能确定异常采集信息,缩短了等待设备回收的时间和数据处理时间,这样,能够更及时的确定出地震数据采集过程中存在的异常,有利于及时对相关问题进行整改,保证了后续数据的质量。
Description
技术领域
本申请涉及地球物理勘探技术领域,特别涉及一种地震数据处理方法、装置及存储介质。
背景技术
地震勘探是指利用人工激发的地震波在地层中的传播来勘探地质情况,主要用于寻找油气等矿产资源。其中,在对地层进行地震勘探时,可以在地层对应的地表布置横纵交叉的多条测线,将某一方向的测线例如横向测线作为检波线,每条检波线可以通过线号来标识,在每条纵向测线与每条检波线的交点上部署采集设备,其中,任一条纵向测线与多条检波线的交点对应同一个点号,该点号实际上为该纵向测线的线号。这样,每个采集设备的部署位置可以通过相应采集设备所在的检波线的线号和在该检波线上所处的点位的点号来表示。之后,在地表的某处激发地震波。地震波向地下传播时,遇到不同弹性的地层界面后会产生反射波或折射波。相应地,各个位置上的采集设备可以接收并记录返回的反射波或折射波,从而得到地震数据。
相关技术中,在将所有的采集设备回收之后,计算设备可以下载所有采集设备采集的地震数据。之后,计算设备将下载的地震数据进行格式转换、分离处理等,得到道集数据或炮集数据,进而根据道集数据或炮集数据来确定异常地震数据。通过确定出的异常地震数据能够确定数据存在的问题或者是定位异常采集设备,从而帮助野外物探队进行过相关的整改,以保障后续采集的地震数据的质量。
然而,由于回收所有采集设备以及基于所有采集设备采集的地震数据获取道集数据或炮集数据所需耗费的时长较长,所以,导致无法及时筛选出异常地震数据,在此基础上,也就无法及时确定出数据存在的问题或者是定位异常采集设备,从而无法及时对相关问题进行整改,影响后续地震数据的质量。
发明内容
本申请实施例提供了一种地震数据处理方法、装置及存储介质,可以及时筛选出采集到的异常地震数据,从而有助于野外物探人员及时定位异常采集设备或异常数据问题。所述技术方案如下:
一方面,提供了一种地震数据处理方法,所述方法包括:
获取多条目标检波线上的多个采集设备中的每个采集设备的地震数据文件,所述地震数据文件包括相应采集设备在采集时间段内采集的样点值;
基于第一时长,将所述采集时间段划分为多个时间窗口;
基于每个采集设备在每个时间窗口内采集的样点值,确定每个采集设备在每个时间窗口内的样点值的均方根值;
基于每个采集设备在每个时间窗口内的样点值的均方根值,确定异常采集信息。
可选地,所述基于每个采集设备在每个时间窗口内的样点值的均方根值,确定异常样点值,包括:
基于每个采集设备在每个时间窗口内的样点值的均方根值,确定每个采集设备的样点值的平均均方根值;
获取每个采集设备对应的线号和点号,每个采集设备对应的线号为相应采集设备所在的检波线的线号,每个采集设备对应的点号为相应采集设备在检波线上的点位的点号;
基于每个采集设备的样点值的平均均方根值以及对应的线号和点号,生成每个采集设备的属性集合,所述属性集合包括相应采集设备的样点值的平均均方根值、对应的线号和点号;
基于每个采集设备的属性集合,确定所述异常采集信息。
可选地,所述异常采集信息用于指示所述多个采集设备中的异常采集设备,所述基于每个采集设备的属性集合,确定所述异常采集信息,包括:
基于每个采集设备对应的线号和点号,对所述多个采集设备的多个属性集合进行排列,得到属性集合矩阵,所述属性集合矩阵中同一行的属性集合对应的采集设备对应有相同的线号,同一列的属性集合对应的采集设备对应有相同的点号;
通过孤立森林算法确定所述属性集合矩阵中的异常属性集合;
将所述异常属性集合确定为所述异常采集信息。
可选地,所述基于每个采集设备在每个时间窗口内的样点值的均方根值,确定异常采集信息,包括:
基于每条目标检波线上的每个采集设备在每个时间窗口内的样点值的均方根值,生成相应目标检波线对应的时序均方根矩阵;
基于每条目标检波线对应的时序均方根矩阵,确定每条目标检波线对应的异常采集信息。
可选地,所述基于每条目标检波线上的每个采集设备在每个时间窗口内的样点值的均方根值,生成相应目标检波线对应的时序均方根矩阵,包括:
按照第一目标检波线上的多个第一采集设备分别对应的点号从小到大的顺序以及所述多个时间窗口的先后顺序,对所述第一目标检波线上的各个第一采集设备在每个时间窗口内的样点值的均方根值进行排列,得到所述第一目标检波线对应的时序均方根矩阵;
其中,所述第一目标检波线为所述多条目标检波线中的任一条目标检波线,所述第一目标检波线对应的时序均方根矩阵中的每一行的均方根值为同一个第一采集设备在所述多个时间窗口内的多个均方根值,且所述多个均方根值按照所述多个时间窗口的先后顺序排列,所述第一目标检波线对应的时序均方根矩阵中的每一列的均方根值为所述第一目标检波线上的各个第一采集设备在同一个时间窗口内的均方根值,且各个第一采集设备在同一时间窗口内的均方根值按照各个第一采集设备对应的点号从小到大的顺序排列。
可选地,所述基于每条目标检波线对应的时序均方根矩阵,确定每条目标检波线对应的异常采集信息,包括:
通过k均值聚类算法对第一目标检波线对应的时序均方根矩阵进行检测,得到异常类簇,所述异常类簇包括所述第一目标检波线对应的时序均方根矩阵中的多个异常均方根值;
将所述多个异常均方根值分别对应的第一采集设备和时间窗口作为所述第一目标检波线对应的异常采集信息。
另一方面,提供了一种地震数据处理装置,所述装置包括:
获取模块,用于获取多条目标检波线上的多个采集设备中的每个采集设备的地震数据文件,所述地震数据文件包括相应采集设备在采集时间段内采集的样点值;
划分模块,用于基于第一时长,将所述采集时间段划分为多个时间窗口;
第一确定模块,用于基于每个采集设备在每个时间窗口内采集的样点值,确定每个采集设备在每个时间窗口内的样点值的均方根值;
第二确定模块,用于基于每个采集设备在每个时间窗口内的样点值的均方根值,确定异常采集信息。
可选地,所述第二确定模块主要用于:
基于每个采集设备在每个时间窗口内的样点值的均方根值,确定每个采集设备的样点值的平均均方根值;
获取每个采集设备对应的线号和点号,每个采集设备对应的线号为相应采集设备所在的检波线的线号,每个采集设备对应的点号为相应采集设备在检波线上的点位的点号;
基于每个采集设备的样点值的平均均方根值以及对应的线号和点号,生成每个采集设备的属性集合,所述属性集合包括相应采集设备的样点值的平均均方根值、对应的线号和点号;
基于每个采集设备的属性集合,确定所述异常采集信息。
可选地,所述第二确定模块主要用于:
基于每个采集设备对应的线号和点号,对所述多个采集设备的多个属性集合进行排列,得到属性集合矩阵,所述属性集合矩阵中同一行的属性集合对应的采集设备对应有相同的线号,同一列的属性集合对应的采集设备对应有相同的点号;
通过孤立森林算法确定所述属性集合矩阵中的异常属性集合;
将所述异常属性集合确定为所述异常采集信息。
可选地,所述第二确定模块主要用于:
基于每条目标检波线上的每个采集设备在每个时间窗口内的样点值的均方根值,生成相应目标检波线对应的时序均方根矩阵;
基于每条目标检波线对应的时序均方根矩阵,确定每条目标检波线对应的异常采集信息。
可选地,所述第二确定模块主要用于:
按照第一目标检波线上的多个第一采集设备分别对应的点号从小到大的顺序以及所述多个时间窗口的先后顺序,对所述第一目标检波线上的各个第一采集设备在每个时间窗口内的样点值的均方根值进行排列,得到所述第一目标检波线对应的时序均方根矩阵;
其中,所述第一目标检波线为所述多条目标检波线中的任一条目标检波线,所述第一目标检波线对应的时序均方根矩阵中的每一行的均方根值为同一个第一采集设备在所述多个时间窗口内的多个均方根值,且所述多个均方根值按照所述多个时间窗口的先后顺序排列,所述第一目标检波线对应的时序均方根矩阵中的每一列的均方根值为所述第一目标检波线上的各个第一采集设备在同一个时间窗口内的均方根值,且各个第一采集设备在同一时间窗口内的均方根值按照各个第一采集设备对应的点号从小到大的顺序排列。
可选地,所述第二确定模块主要用于:
通过k均值聚类算法对第一目标检波线对应的时序均方根矩阵进行检测,得到异常类簇,所述异常类簇包括所述第一目标检波线对应的时序均方根矩阵中的多个异常均方根值;
将所述多个异常均方根值分别对应的第一采集设备和时间窗口作为所述第一目标检波线对应的异常采集信息。
另一方面,提供了一种计算设备,所述计算设备包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器执行所述存储器中的可执行指令来执行上述地震数据处理方法。
另一方面,提供了一种计算机可读存储介质,所述存储介质内存储有计算机程序,所述计算机程序被计算机执行时实现上述所述地震数据处理方法的步骤。
另一方面,提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述的地震数据处理方法的步骤。
本申请实施例提供的技术方案带来的有益效果至少包括:
在本申请实施例中,在确定地震采集数据过程中的异常采集信息时,无需根据所有采集设备采集的地震数据来生成道集数据或炮集数据,相应地,也无需在等待所有采集设备均回收后才能确定异常采集信息,也即,本申请实施例通过回收的部分采集设备采集的样点值,利用这些样点值的均方根值即能够确定出异常采集信息,缩短了等待设备回收的时间,且由于相较于根据所有采集设备采集的地震数据生成道集数据或炮集数据,本申请实施例中基于采集设备采集的样点值计算均方根值并基于均方根值确定异常采集信息的数据运算量更小,所以确定异常采集信息所需的时长也更少,这样,能够更为及时的确定出采集过程中存在的异常,有利于及时对相关问题进行整改,保证了后续数据的质量。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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申请的一些实施例,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。
图1是本申请实施例提供的一种地震数据处理方法的流程图;
图2是本申请实施例提供的一种测线的部署示意图;
图3是本申请实施例提供的一种采集设备中的样点值随采集时刻的变化曲线图;
图4是本申请实施例提供的一种属性集合矩阵的展示图;
图5是本申请实施例提供的第一目标检波线对应的时序均方根矩阵的展示图;
图6是本申请实施例提供的一种地震数据处理装置的结构示意图;
图7是本申请实施例提供的一种用于处理地震数据的计算设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
在对本申请实施例进行详细的解释说明之前,先对本申请实施例涉及的应用场景进行介绍。
目前,在对地层进行地震勘探时,可以在地层对应的地表布置多条测线,每条测线上等距的布置多个采集设备。之后,在地表的某处激发地震波。地震波向地下传播时,遇到不同弹性的地层界面后会产生反射波或折射波。相应地,各个位置上的采集设备可以接收并记录返回的反射波或折射波,从而得到地震数据。通过对各个采集设备的地震数据进行处理并根据处理结果来进行地震解释,可以获得地层的地质情况,进而为寻找油气等矿产资源或者是进行其他工程提供数据支持。然而,采集设备采集的地震数据可能会存在弱能量、持续强噪音等各种问题,因此,保证采集设备采集的地震数据的数据质量至关重要。
基于此,考虑到采集设备无法实时的基于自身记录的地震数据来生成炮集数据或道集数据。因此,通常情况下,在通过部署的采集设备采集一定时长的地震数据之后,由技术人员回收所有的采集设备。在所有采集设备均回收之后,计算设备可以下载所有采集设备采集的地震数据,之后,将下载的地震数据进行格式转换、分离处理等,得到道集数据或炮集数据,进而根据道集数据或炮集数据来确定异常地震数据。通过确定异常地震数据,能够发现地震数据中可能存在的弱能量、持续强噪音等问题,从而能够帮助野外物探人员进行相应的整改,进而保障后续采集的地震数据的数据质量。然而,由于回收所有的采集设备所需时长较长,而且,将所有采集设备的地震数据进行分离处理得到道集数据或炮集数据的过程运算量大,耗时也较长,所以,导致异常地震数据的发现时机较晚,无法及时指导野外物探人员进行相关的问题整改,从而影响地震数据的质量。基于此,本申请实施例提供的一种地震数据处理方法,能够缩短发现采集设备的异常采集信息的时长,从而能够尽早的指导野外物探人员进行相关的问题整改,进而更好的保障后续地震数据的质量。
接下来对本申请实施例提供的地震数据处理方法进行介绍。
本申请实施例提供的地震数据处理方法可以由计算设备来执行,其中,该计算设备可以具有数据处理功能。可选地,该计算设备还可以具有展示数据的功能,例如,展示采集设备采集的地震数据、对地震数据进行处理后的处理结果以及检测到的异常采集信息等。示例性地,该计算设备可以为个人计算机、平板电脑或智能手机等终端设备,当然,也可以为后台服务器,本申请实施例对此不做限定。
图1是本申请实施例提供的一种地震数据处理方法。如图1所示,该方法包括以下步骤:
步骤101:获取多条目标检波线上的多个采集设备中的每个采集设备的地震数据文件,该地震数据文件包括相应采集设备在采集时间段内采集的样点值。
在本申请实施例中,在待勘探地层对应的地表上可以布置有横纵交叉的多条测线。其中,可以将横向测线作为检波线,并通过不同的线号来标识各个检波线。将每条纵向测线与每条检波线的交点作为部署采集设备的点位。其中,位于同一条纵向测线上的点位可以对应同一个点号,该点号即为该纵向测线的线号。这样,每个采集设备的部署位置即可以通过该采集设备所在的检波线的线号和点位对应的点号来标识。
需要说明的是,每相邻的两条横向测线之间的距离可以相同,每相邻的两条纵向测线之间的距离也可以相同。并且,相邻的两条横向测线之间的距离与相邻的两条纵向测线之间的距离可以相等也可以不等,本申请实施例对此不做限定。
示例性地,如图2所示,五条横向测线的线号为L1至L5,四条纵向测线的线号为S1至S4,这样,纵向测线S1与五条横向测线的交点的点号则为S1,纵向测线S2与五条横向测线的交点的点号则为S2,以此类推。其中,图2中A点部署的采集设备的部署位置则可以标识为L3S2。
在本申请实施例中,野外物探人员可以分批回收部署的采集设备,每批回收的可以是部署的所有检波线中的部分检波线上的多个采集设备,该部分检波线即为目标检波线。这样,每当回收一批采集设备后,计算设备可以从回收的每个采集设备中下载地震数据文件,并通过后续步骤中的方法来检测该批采集设备的异常采集信息。
例如,假设一共部署有20条检波线,野外物探人员在一天内能够回收5条检波线上的采集设备,则可以将一天内回收的5条检波线上的采集设备作为一批采集设备。此时,这5条检波线即为目标检波线。需要说明的是,野外物探人员每批回收所针对的目标检波线的数量可能相同也可能不同,该数量由施工效率来决定。
其中,每个采集设备中的地震数据文件包括相应采集设备在采集时间段内采集的样点值以及每个样点值对应的采集时刻。其中,采集时间段是指为多个采集设备进行数据采集的时间段。示例性地,各个采集设备开始采集数据的时刻为2022年7月5日12:00,预设的采集时长为7天,则停止采集数据的时刻为2022年7月12日12:00。这样,该采集时间段即为2022年7月5日12:00至2022年7月12日12:00。
需要说明的是,在本申请实施例中,各个采集设备从开始采集数据时刻起,每隔预设时间间隔记录一个样点值。例如,该预设时间间隔为4毫秒。也即,每个采集设备的地震数据文件中任意两个相邻的样点值对应的采集时刻间隔预设时间间隔。其中,本申请实施例中的样点值可以为振幅值,可以用于反映采集设备接收到的波的能量大小。
步骤102:基于第一时长,将采集时间段划分为多个时间窗口。
在获得多条目标检波线上的每个采集设备的地震数据文件之后,计算设备可以基于任一采集设备的地震数据文件中的第一个样点值和最后一个样点值,确定多个采集设备的采集时间段。或者,计算设备也可以获取用户输入的该多个采集设备的采集时间段。之后,按照第一时长将该采集时间段划分为多个时间窗口,其中,每个时间窗口的时长即为第一时长。
需要说明的是,第一时长可以为综合考虑单炮的相关记录时长和数据计算量来设置。其中,该第一时长大于单炮的相关记录时长。例如,当单炮的相关记录时长为16秒时,第一时长可以为60秒。
示例性地,假设每个采集设备的采集时间段的时长为7天,也即,采集时间段的时长为7*24*3600=604800秒,当第一时长为60秒时,则采集时间段可以被划分为604800/60=10080个时间窗口。
步骤103:基于每个采集设备在每个时间窗口内采集的样点值,确定每个采集设备在每个时间窗口内的样点值的均方根值。
以多个采集设备中的任一采集设备为例,计算设备获取该采集设备在每个时间窗口内采集的样点值,之后,基于该采集设备在每个时间窗口内采集的样点值,确定该采集设备在相应时间窗口内的样点值的均方根值。
示例性地,在本申请实施例中,计算设备在获取到每个采集设备的地震数据文件之后,可以加载各个采集设备的地震数据文件,从而得到该地震数据文件中包含的样点值和对应的采集时刻。之后,对于任一时间窗口,该计算设备可以获取采集时刻位于该时间窗口内的样点值。
例如,假设每个采集设备的采集时间段的时长为7天,也即604800秒,采集设备每隔4毫秒记录一个样点值,这样,一个采集设备的地震数据文件中将包括604800*1000/4=151200000个样点值,由前述示例可知,当第一时长为60秒时,则可以划分得到10080个时间窗口,这样,每个时间窗口内将包含有151200000/10080=15000个样点值。
可选地,在本申请实施例中,在得到地震数据文件包含的样点值和对应的采集时刻之后,该计算设备还可以以采集时刻为横轴,以样点值为纵轴,显示样点值随采集时刻的变化曲线。例如,图3为本申请实施例示出的采集设备中的样点值随采集时刻的变化曲线。该变化曲线是将不同采集时刻对应的样点值进行连接后得到,其中,划分的时间窗口可以如图3所示,每个时间窗口均对应的一个数据段。
以多个时间窗口中的任一时间窗口为例,计算设备可以通过下述公式(1)来计算该采集设备在时间窗口内的样点值的均方根值。
其中,x1至xn为该采集设备在该时间窗口内采集的n个样点值,RMS为该采集设备在该时间窗口内的样点值的均方根值。
通过上述方法,计算设备可以获得该采集设备在多个时间窗口内的样点值的均方根值。例如,假设时间窗口的数量为k个,则计算设备将获得该采集设备的k个均方根值,分别为(RMS1,RMS2…,RMSk)。
对于多个采集设备中的每个采集设备,计算设备均可以通过上述方法确定出各个采集设备在多个时间窗口内的多个均方根值。
步骤104:基于每个采集设备在每个时间窗口内的样点值的均方根值,确定异常采集信息。
在确定出每个采集设备在每个时间窗口内的样点值的均方根值之后,计算设备可以根据每个采集设备在每个时间窗口内的样点值的均方根值来确定异常采集信息,其中,该异常采集信息可以指示该多个采集设备中的异常采集设备,也可以指示异常采集设备的采集时间段内存在异常样点值的时间窗口。
示例性地,在第一种实现方式中,计算设备基于每个采集设备在每个时间窗口内的样点值的均方根值,确定每个采集设备的样点值的平均均方根值;获取每个采集设备对应的线号和点号,每个采集设备对应的线号为相应采集设备所在的检波线的线号,每个采集设备对应的点号为相应采集设备在检波线上的点位的点号;基于每个采集设备的样点值的平均均方根值以及对应的线号和点号,生成每个采集设备的属性集合,该属性集合包括相应采集设备的样点值的平均均方根值、对应的线号和点号;基于每个采集设备的属性集合,确定异常采集信息。
仍以多个采集设备中的任一采集设备为例,计算设备可以计算该采集设备在多个时间窗口内的多个样点值的均方根值的平均值,从而得到该采集设备的样点值的平均均方根值。
例如,假设该采集设备在k个时间窗口内的k个均方根值为(RMS1,RMS2…,RMSk),则计算设备可以通过下述公式(2)获得该采集设备的样点值的平均均方根值。
通过上述方法,计算设备可以确定出每个采集设备的样点值的平均均方根值。
另外,由前述介绍的采集设备的部署方式可以看出,每个采集设备的部署位置可以由该采集设备所在的检波线的线号和在该检波线上的点位的点号来标识。基于此,在本申请实施例中,计算设备还可以获取每个采集设备对应的线号和点号。其中,每个采集设备的地震数据文件的文件头中可以包含有相应采集设备对应的线号和点号,在这种情况下,计算设备可以直接读取每个采集设备的地震数据文件的文件头中的线号和点号,从而得到相应采集设备对应的线号和点号。
在获得每个采集设备的样点值的平均均方根值、对应的线号和点号之后,计算设备可以基于每个采集设备的样点值的平均均方根值、对应的线号和点号,生成相应采集设备的属性集合。
示例性地,以任一采集设备为例,假设该采集设备的平均均方根值为RVi j,对应的线号为Li,对应的点号为Sj,则该采集设备的属性集合
在得到各个采集设备的属性集合之后,计算设备可以基于各个采集设备对应的线号和点号,对多个采集设备的多个属性集合进行排列,得到属性集合矩阵,其中,该属性集合矩阵中同一行的属性集合对应的采集设备对应有相同的线号,同一列的属性集合对应的采集设备对应有相同的点号;之后,计算设备可以通过孤立森林算法确定该属性集合矩阵中的异常属性集合;将异常属性集合确定为异常采集信息。
其中,计算设备可以从多个采集设备中确定对应的线号相同的采集设备,将线号相同的采集设备的属性集合按照各个采集设备对应的点号从小到大的顺序排列成行。之后,将各个线号对应的各行属性集合再按照线号从小到大的顺序排列成列,如此,即得到了属性集合矩阵。
例如,假设多条目标检波线的线号分别为L1,L2,…,Li,每条检波线上的点位的点号分别为S1,S2,…,Sj,则属性集合矩阵可以如下式(3)所示。
其中,该属性集合矩阵中的每个元素为一个属性集合,任一属性集合的上标为该属性集合对应的采集设备对应的点号,下标为该属性集合对应的采集设备对应的线号。例如,为线号L2,点号S2处的采集设备的属性集合。
在生成属性集合矩阵之后,计算设备可以利用孤立森林算法,从该属性集合矩阵的多个元素中确定异常元素,也即,确定该属性集合矩阵包括的多个属性集合中的异常属性集合。其中,采用孤立森林算法确定异常属性集合的过程可以参考相关技术中检测异常样本点的实现方式,其中,每个属性集合即相关于一个样本点,本申请实施例在此不再赘述。
在确定出属性集合矩阵中的一个或多个异常属性集合之后,计算设备可以将该一个或多个异常属性集合作为异常采集信息。在此基础上,基于一个异常属性集合中的线号和点号即能够定位出一个采集设备,该采集设备即为异常采集设备。
可选地,在通过上述方式获得异常采集信息之后,计算设备也可以直接显示该异常采集信息,或者是将该异常采集信息发送至其他设备进行显示,以此来提示野外物探人员在数据采集过程中存在的问题,从而使得野外物探人员可以基于该异常采集信息进行相关问题整改,例如,基于该异常采集信息更换异常采集设备或对相应地样点值进行处理等。
可选地,在本申请实施例中,计算设备还可以基于属性集合矩阵显示对应的矩阵展示图。例如,当属性集合矩阵包括3行15列时,每行对应一个线号,每列对应一个点号,则假设3行对应的线号为L1至L3,15列对应的点号为S1至S15,则该属性集合矩阵的展示图可以如图4所示,此时,图中每个方框既可以代表相应位置上的采集设备的属性集合,也可以直接代表相应位置上的采集设备。在此基础上,当确定出异常指示信息之后,计算设备还可以基于确定出的异常指示信息包含的异常属性集合在属性集合矩阵的展示图中显示提示信息。例如,可以在该展示图上标注对应位置处的方框,如此可以更为清楚的指示出异常采集设备所在的位置。
在第二种实现方式中,计算设备可以基于每条目标检波线上的每个采集设备在每个时间窗口内的样点值的均方根值,生成相应目标检波线对应的时序均方根矩阵;之后,基于每条目标检波线对应的时序均方根矩阵,确定每条目标检波线对应的异常采集信息。
由步骤103中的介绍可知,对于任一采集设备,计算设备可以计算得到该采集设备在多个时间窗口内的多个均方根值。基于此,在本步骤中,计算设备首先可以基于各个采集设备所对应的线号,确定出位于同一目标检波线上的多个采集设备,之后,根据位于同一目标检波线上的多个采集设备在每个时间窗口内的样点值的均方根值,确定该目标检波线对应的时序均方根矩阵。
示例性地,以多条目标检波线中的任一检波线为例,将该检波线称为第一目标检波线。计算设备首先从多个采集设备中确定出对应的线号为第一目标检波线的线号的采集设备,下文中将这些采集设备称为第一采集设备。之后,计算设备按照第一目标检波线上的多个第一采集设备分别对应的点号从小到大的顺序以及多个时间窗口的先后顺序,对第一目标检波线上的各个第一采集设备在每个时间窗口内的样点值的均方根值进行排列,得到第一目标检波线对应的时序均方根矩阵。其中,第一目标检波线对应的时序均方根矩阵中的每一行的均方根值为同一个第一采集设备在多个时间窗口内的多个均方根值,且该多个均方根值按照多个时间窗口的先后顺序排列,第一目标检波线对应的时序均方根矩阵中的每一列的均方根值为第一目标检波线上的各个第一采集设备在同一个时间窗口内的均方根值,且各个第一采集设备在同一时间窗口内的均方根值按照各个第一采集设备对应的点号从小到大的顺序排列。
也即是,对于第一目标检波线上的任一第一采集设备,计算设备首先将该第一采集设备在多个时间窗口内的多个均方根值按照时间窗口的先后顺序排列成一行。之后,再将多个第一采集设备对应的多行均方根值按照各个第一采集设备对应的点号从小到大的顺序进行排列,从而得到时序均方根矩阵。
例如,对于目标检波线Li,假设检波线上的多个点位的点号为S1,S2,…,Sj,多个时间窗口为T1,T2,…,Tk,则目标检波线Li对应的时序均方根矩阵如下式(4)所示。
其中,该时序均方根矩阵中每个均方根值的上标为时间窗口,下标为该均方根值对应的采集设备的点号。例如,为目标检波线Li上点号S2处的采集设备在时间窗口T2内的样点值的均方根值。
在确定出第一目标检波线对应的时序均方根矩阵之后,计算设备可以通过k均值聚类算法对第一目标检波线对应的时序均方根矩阵进行检测,得到异常类簇,该异常类簇包括第一目标检波线对应的时序均方根矩阵中的多个异常均方根值;将该多个异常均方根值分别对应的第一采集设备和时间窗口作为第一目标检波线对应的异常采集信息。
其中,计算设备首先可以基于该时序均方根矩阵中的各个均方根值,通过肘部法确定出聚类数量K。之后,计算设备可以根据该聚类数量K对该时序均方根矩阵中的均方根值进行聚类,从而得到K个类簇。其中,每个类簇包括多个均方根值。在确定出K个类簇之后,对于任一个类簇,计算设备可以计算该类簇的簇中心与其余的每个类簇的簇中心之间的相对距离,如果该多个相对距离的平均值大于参考阈值,则确定该类簇为异常类簇,否则,则确定该类簇为正常类簇。其中,参考阈值可以为预设的阈值,例如,该参考阈值可以为该时序均方根矩阵中的所有均方根值的平均值。
在确定出异常类簇之后此时,计算设备可以将该异常类簇中包括的均方根值作为异常均方根值,进而将该异常均方根值对应的第一采集设备和时间窗口作为该第一目标检波线对应的异常采集信息。此时,该异常采集信息能够指示哪个采集设备在哪个时间窗口内采集的样点值存在异常。
例如,假设确定的异常类簇中包括这一均方根值,则基于该均方根值可以获知第一目标检波线上点号为S2处的采集设备在时间窗口T2内采集的样点值存在异常。
当通过上述方式获得异常采集信息之后,该计算设备还可以直接显示该异常采集信息,或者是将该异常采集信息发送至其他设备进行显示,以此来提示野外物探人员在数据采集过程中存在的问题,从而使得野外物探人员可以基于该异常采集信息进行相关问题整改,例如,基于该异常采集信息更换异常采集设备或对相应地样点值进行处理等。
可选地,在本申请实施例中,计算设备在确定第一目标检波线对应的时序均方根矩阵之后,还可以显示该时序均方根矩阵的展示图。例如,当该第一目标检波线对应的时序均方根矩阵包括5行10列时,每行对应一个点号,每列对应一个时间窗口,假设5行对应的点号为S1至S5,10列对应的时间窗口为T1至T10,则该时序均方根矩阵的展示图可以如图5所示,此时,图中每个方框位于第一目标检波线上对应点号的点位处的采集设备在对应的时间窗口内的均方根值。在此基础上,当确定出第一目标检波线的异常采集信息之后,计算设备还可以基于该异常采集信息在该时序均方根矩阵的展示图上显示提示信息,例如,可以在该展示图上标注对应位置处的方框,如此可以更为明确的指示出哪个采集设备的哪个时间窗口内的样点值存在异常。
上述是以第一目标检波线为例进行说明,对于多条目标检波线中的每条目标检波线,计算设备均可以参考上述方法来确定相应目标检波线对应的异常采集信息。
可选地,在一些可能的情况中,计算设备可以通过上述介绍的第一种实现方式确定异常属性集合,并通过第二种实现方式确定各条目标检波线对应的异常采集信息。之后,计算设备可以异常属性集合和各条目标检波线对应的异常采集信息均作为检测到的异常采集信息。
可选地,在另一些可能的情况中,计算设备可以首先通过上述介绍的第一种实现方式确定异常属性集合,之后,确定异常属性集合对应的异常采集设备。之后,确定该异常采集设备所在的目标检波线,并通过第二种实现方式中介绍的方法确定该异常采集设备所在的目标检波线对应的异常采集信息。
在本申请实施例中,在确定地震采集数据过程中的异常采集信息时,无需根据所有采集设备采集的地震数据来生成道集数据或炮集数据,在此基础上,也就无需等待所有采集设备均回收后才能确定异常采集信息,也即,本申请实施例通过回收的部分检波线上的采集设备采集的样点值,利用这些样点值的均方根值即能够确定出异常采集信息,缩短了等待设备回收的时间,且由于相较于根据所有采集设备采集的地震数据生成道集数据或炮集数据,本申请实施例中基于采集设备采集的样点值计算均方根值并基于均方根值确定异常采集信息的数据运算量更小,所以确定异常采集信息所需的时长也更少,这样,能够更为及时的确定出采集过程中存在的异常,有利于及时对相关问题进行整改,保证了后续数据的质量。
接下来,对本申请实施例提供的地震数据处理装置进行介绍。
参见图6,本申请实施例提供了一种地震数据处理装置600,该装置600包括:
获取模块601,用于获取多条目标检波线上的多个采集设备中的每个采集设备的地震数据文件,地震数据文件包括相应采集设备在采集时间段内采集的样点值;
划分模块602,用于基于第一时长,将采集时间段划分为多个时间窗口;
第一确定模块603,用于基于每个采集设备在每个时间窗口内采集的样点值,确定每个采集设备在每个时间窗口内的样点值的均方根值;
第二确定模块604,用于基于每个采集设备在每个时间窗口内的样点值的均方根值,确定异常采集信息。
可选地,第二确定模块604主要用于:
基于每个采集设备在每个时间窗口内的样点值的均方根值,确定每个采集设备的样点值的平均均方根值;
获取每个采集设备对应的线号和点号,每个采集设备对应的线号为相应采集设备所在的检波线的线号,每个采集设备对应的点号为相应采集设备在检波线上的点位的点号;
基于每个采集设备的样点值的平均均方根值以及对应的线号和点号,生成每个采集设备的属性集合,属性集合包括相应采集设备的样点值的平均均方根值、对应的线号和点号;
基于每个采集设备的属性集合,确定异常采集信息。
可选地,第二确定模块604主要用于:
基于每个采集设备对应的线号和点号,对多个采集设备的多个属性集合进行排列,得到属性集合矩阵,属性集合矩阵中同一行的属性集合对应的采集设备对应有相同的线号,同一列的属性集合对应的采集设备对应有相同的点号;
通过孤立森林算法确定属性集合矩阵中的异常属性集合;
将异常属性集合确定为异常采集信息。
可选地,第二确定模块604主要用于:
基于每条目标检波线上的每个采集设备在每个时间窗口内的样点值的均方根值,生成相应目标检波线对应的时序均方根矩阵;
基于每条目标检波线对应的时序均方根矩阵,确定每条目标检波线对应的异常采集信息。
可选地,第二确定模块604主要用于:
按照第一目标检波线上的多个第一采集设备分别对应的点号从小到大的顺序以及多个时间窗口的先后顺序,对第一目标检波线上的各个第一采集设备在每个时间窗口内的样点值的均方根值进行排列,得到第一目标检波线对应的时序均方根矩阵;
其中,第一目标检波线为多条目标检波线中的任一条目标检波线,第一目标检波线对应的时序均方根矩阵中的每一行的均方根值为同一个第一采集设备在多个时间窗口内的多个均方根值,且多个均方根值按照多个时间窗口的先后顺序排列,第一目标检波线对应的时序均方根矩阵中的每一列的均方根值为第一目标检波线上的各个第一采集设备在同一个时间窗口内的均方根值,且各个第一采集设备在同一时间窗口内的均方根值按照各个第一采集设备对应的点号从小到大的顺序排列。
可选地,第二确定模块604主要用于:
通过k均值聚类算法对第一目标检波线对应的时序均方根矩阵进行检测,得到异常类簇,异常类簇包括第一目标检波线对应的时序均方根矩阵中的多个异常均方根值;
将多个异常均方根值分别对应的第一采集设备和时间窗口作为第一目标检波线对应的异常采集信息。
综上所述,在本申请实施例中,在确定地震采集数据过程中的异常采集信息时,无需根据所有采集设备采集的地震数据来生成道集数据或炮集数据,在此基础上,也就无需等待所有采集设备均回收后才能确定异常采集信息,也即,本申请实施例通过回收的部分检波线上的采集设备采集的样点值,利用这些样点值的均方根值即能够确定出异常采集信息,缩短了等待设备回收的时间,且由于相较于根据所有采集设备采集的地震数据生成道集数据或炮集数据,本申请实施例中基于采集设备采集的样点值计算均方根值并基于均方根值确定异常采集信息的数据运算量更小,所以确定异常采集信息所需的时长也更少,这样,能够更为及时的确定出采集过程中存在的异常,有利于及时对相关问题进行整改,保证了后续数据的质量。
需要说明的是,上述实施例提供的地震数据处理装置在处理地震数据时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的地震数据处理装置与地震数据处理方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
图7是根据一示例性实施例示出的一种用于处理地震数据的计算设备700的结构框图。上述实施例中的计算设备即可通过该计算设备700来实现。其中,该计算设备700可以是智能手机、平板电脑、笔记本电脑、台式电脑等。
通常,计算设备700包括有:处理器701和存储器702。
处理器701可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器701可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器701也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器701可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器701还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器702可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器702还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器702中的非暂态的计算机可读存储介质用于存储至少一个指令,其中,该至少一个指令用于被处理器701所执行以实现本申请中方法实施例提供的地震数据处理方法。
在一些实施例中,计算设备700还可选包括有:外围设备接口703和至少一个外围设备。处理器701、存储器702和外围设备接口703之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口703相连。具体地,外围设备包括:射频电路704、显示屏705、摄像头组件706、音频电路707、定位组件708和电源709中的至少一种。
外围设备接口703可被用于将I/O(Input/Output,输入/输出)相关的至少一个外围设备连接到处理器701和存储器702。在一些实施例中,处理器701、存储器702和外围设备接口703被集成在同一芯片或电路板上;在一些其他实施例中,处理器701、存储器702和外围设备接口703中的任意一个或两个可以在单独的芯片或电路板上实现,本实施例对此不加以限定。
射频电路704用于接收和发射RF(Radio Frequency,射频)信号,也称电磁信号。射频电路704通过电磁信号与通信网络以及其他通信设备进行通信。射频电路704将电信号转换为电磁信号进行发送,或者,将接收到的电磁信号转换为电信号。可选地,射频电路704包括:天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路704可以通过至少一种无线通信协议来与其它计算设备进行通信。该无线通信协议包括但不限于:万维网、城域网、内联网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity,无线保真)网络。在一些实施例中,射频电路704还可以包括NFC(Near Field Communication,近距离无线通信)有关的电路,本申请对此不加以限定。
显示屏705用于显示UI(User Interface,用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏705是触摸显示屏时,显示屏705还具有采集在显示屏705的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器701进行处理。此时,显示屏705还可以用于提供虚拟按钮和/或虚拟键盘,也称软按钮和/或软键盘。在一些实施例中,显示屏705可以为一个,设置计算设备700的前面板;在另一些实施例中,显示屏705可以为至少两个,分别设置在计算设备700的不同表面或呈折叠设计;在再一些实施例中,显示屏705可以是柔性显示屏,设置在计算设备700的弯曲表面上或折叠面上。甚至,显示屏705还可以设置成非矩形的不规则图形,也即异形屏。显示屏705可以采用LCD(Liquid Crystal Display,液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
摄像头组件706用于采集图像或视频。可选地,摄像头组件706包括前置摄像头和后置摄像头。通常,前置摄像头设置在计算设备的前面板,后置摄像头设置在计算设备的背面。在一些实施例中,后置摄像头为至少两个,分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种,以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality,虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中,摄像头组件706还可以包括闪光灯。闪光灯可以是单色温闪光灯,也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合,可以用于不同色温下的光线补偿。
音频电路707可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波,并将声波转换为电信号输入至处理器701进行处理,或者输入至射频电路704以实现语音通信。出于立体声采集或降噪的目的,麦克风可以为多个,分别设置在计算设备700的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器701或射频电路704的电信号转换为声波。扬声器可以是传统的薄膜扬声器,也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时,不仅可以将电信号转换为人类可听见的声波,也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中,音频电路707还可以包括耳机插孔。
定位组件708用于定位计算设备700的当前地理位置,以实现导航或LBS(LocationBased Service,基于位置的服务)。定位组件708可以是基于GPS(Global PositioningSystem,全球定位系统)、北斗系统或伽利略系统的定位组件。
电源709用于为计算设备700中的各个组件进行供电。电源709可以是交流电、直流电、一次性电池或可充电电池。当电源709包括可充电电池时,该可充电电池可以是有线充电电池或无线充电电池。有线充电电池是通过有线线路充电的电池,无线充电电池是通过无线线圈充电的电池。该可充电电池还可以用于支持快充技术。
在一些实施例中,计算设备700还包括有一个或多个传感器。该一个或多个传感器包括但不限于:加速度传感器、陀螺仪传感器、压力传感器、光学传感器以及接近传感器。
本申请实施例不仅提供了一种计算设备,包括处理器和用于存储处理器可执行指令的存储器,其中,处理器被配置为执行图1所示的地震数据处理方法,而且,本申请实施例还提供了一种计算机可读存储介质,该存储介质内存储有计算机程序,该计算机程序被处理器执行时可以实现图1所示的地震数据处理方法。
本领域技术人员可以理解,图7中示出的结构并不构成对计算设备700的限定,可以包括比图示更多或更少的组件,或者组合某些组件,或者采用不同的组件布置。
本申请实施例还提供了一种非临时性计算机可读存储介质,当所述存储介质中的指令由计算设备的处理器执行时,使得计算设备能够执行上述实施例提供的地震数据处理方法。
本申请实施例还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例提供的地震数据处理方法。
需要说明的是,本申请实施例所涉及的信息(包括但不限于用户设备信息、用户个人信息等)、数据(包括但不限于用于分析的数据、存储的数据、展示的数据)以及信号,均为经用户授权或者经过各方充分授权的,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
以上所述并不用以限制本申请实施例,凡在本申请实施例的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请实施例的保护范围之内。
Claims (10)
1.一种地震数据处理方法,其特征在于,所述方法包括:
获取多条目标检波线上的多个采集设备中的每个采集设备的地震数据文件,所述地震数据文件包括相应采集设备在采集时间段内采集的样点值;
基于第一时长,将所述采集时间段划分为多个时间窗口;
基于每个采集设备在每个时间窗口内采集的样点值,确定每个采集设备在每个时间窗口内的样点值的均方根值;
基于每个采集设备在每个时间窗口内的样点值的均方根值,确定异常采集信息。
2.根据权利要求1所述的方法,其特征在于,所述基于每个采集设备在每个时间窗口内的样点值的均方根值,确定异常样点值,包括:
基于每个采集设备在每个时间窗口内的样点值的均方根值,确定每个采集设备的样点值的平均均方根值;
获取每个采集设备对应的线号和点号,每个采集设备对应的线号为相应采集设备所在的检波线的线号,每个采集设备对应的点号为相应采集设备在检波线上的点位的点号;
基于每个采集设备的样点值的平均均方根值以及对应的线号和点号,生成每个采集设备的属性集合,所述属性集合包括相应采集设备的样点值的平均均方根值、对应的线号和点号;
基于每个采集设备的属性集合,确定所述异常采集信息。
3.根据权利要求2所述的方法,其特征在于,所述异常采集信息用于指示所述多个采集设备中的异常采集设备,所述基于每个采集设备的属性集合,确定所述异常采集信息,包括:
基于每个采集设备对应的线号和点号,对所述多个采集设备的多个属性集合进行排列,得到属性集合矩阵,所述属性集合矩阵中同一行的属性集合对应的采集设备对应有相同的线号,同一列的属性集合对应的采集设备对应有相同的点号;
通过孤立森林算法确定所述属性集合矩阵中的异常属性集合;
将所述异常属性集合确定为所述异常采集信息。
4.根据权利要求1所述的方法,其特征在于,所述基于每个采集设备在每个时间窗口内的样点值的均方根值,确定异常采集信息,包括:
基于每条目标检波线上的每个采集设备在每个时间窗口内的样点值的均方根值,生成相应目标检波线对应的时序均方根矩阵;
基于每条目标检波线对应的时序均方根矩阵,确定每条目标检波线对应的异常采集信息。
5.根据权利要求4所述的方法,其特征在于,所述基于每条目标检波线上的每个采集设备在每个时间窗口内的样点值的均方根值,生成相应目标检波线对应的时序均方根矩阵,包括:
按照第一目标检波线上的多个第一采集设备分别对应的点号从小到大的顺序以及所述多个时间窗口的先后顺序,对所述第一目标检波线上的各个第一采集设备在每个时间窗口内的样点值的均方根值进行排列,得到所述第一目标检波线对应的时序均方根矩阵;
其中,所述第一目标检波线为所述多条目标检波线中的任一条目标检波线,所述第一目标检波线对应的时序均方根矩阵中的每一行的均方根值为同一个第一采集设备在所述多个时间窗口内的多个均方根值,且所述多个均方根值按照所述多个时间窗口的先后顺序排列,所述第一目标检波线对应的时序均方根矩阵中的每一列的均方根值为所述第一目标检波线上的各个第一采集设备在同一个时间窗口内的均方根值,且各个第一采集设备在同一时间窗口内的均方根值按照各个第一采集设备对应的点号从小到大的顺序排列。
6.根据权利要求5所述的方法,其特征在于,所述基于每条目标检波线对应的时序均方根矩阵,确定每条目标检波线对应的异常采集信息,包括:
通过k均值聚类算法对第一目标检波线对应的时序均方根矩阵进行检测,得到异常类簇,所述异常类簇包括所述第一目标检波线对应的时序均方根矩阵中的多个异常均方根值;
将所述多个异常均方根值分别对应的第一采集设备和时间窗口作为所述第一目标检波线对应的异常采集信息。
7.一种地震数据处理装置,其特征在于,所述装置包括:
获取模块,用于获取多条目标检波线上的多个采集设备中的每个采集设备的地震数据文件,所述地震数据文件包括相应采集设备在采集时间段内采集的样点值;
划分模块,用于基于第一时长,将所述采集时间段划分为多个时间窗口;
第一确定模块,用于基于每个采集设备在每个时间窗口内采集的样点值,确定每个采集设备在每个时间窗口内的样点值的均方根值;
第二确定模块,用于基于每个采集设备在每个时间窗口内的样点值的均方根值,确定异常采集信息。
8.根据权利要求7所述的装置,其特征在于,所述第二确定模块主要用于:
基于每个采集设备在每个时间窗口内的样点值的均方根值,确定每个采集设备的样点值的平均均方根值;
获取每个采集设备对应的线号和点号,每个采集设备对应的线号为相应采集设备所在的检波线的线号,每个采集设备对应的点号为相应采集设备在检波线上的点位的点号;
基于每个采集设备的样点值的平均均方根值以及对应的线号和点号,生成每个采集设备的属性集合,所述属性集合包括相应采集设备的样点值的平均均方根值、对应的线号和点号;
基于每个采集设备的属性集合,确定所述异常采集信息。
9.根据权利要求8所述的装置,其特征在于,所述第二确定模块主要用于:
基于每个采集设备对应的线号和点号,对所述多个采集设备的多个属性集合进行排列,得到属性集合矩阵,所述属性集合矩阵中同一行的属性集合对应的采集设备对应有相同的线号,同一列的属性集合对应的采集设备对应有相同的点号;
通过孤立森林算法确定所述属性集合矩阵中的异常属性集合;
将所述异常属性集合确定为所述异常采集信息。
10.一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内存储有计算机程序,所述计算机程序被计算机执行时实现权利要求1-6任一所述地震数据方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210863928.7A CN117471525A (zh) | 2022-07-20 | 2022-07-20 | 地震数据处理方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210863928.7A CN117471525A (zh) | 2022-07-20 | 2022-07-20 | 地震数据处理方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117471525A true CN117471525A (zh) | 2024-01-30 |
Family
ID=89628002
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210863928.7A Pending CN117471525A (zh) | 2022-07-20 | 2022-07-20 | 地震数据处理方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117471525A (zh) |
-
2022
- 2022-07-20 CN CN202210863928.7A patent/CN117471525A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20190197365A1 (en) | Device and method for processing metadata | |
CN108027650A (zh) | 用于测量显示器之间的角度的方法和使用该方法的电子设备 | |
CN106383780A (zh) | 一种Monkey测试方法及装置 | |
CN111192005A (zh) | 政务业务处理方法、装置、计算机设备及可读存储介质 | |
CN109696706B (zh) | 盐构造检测方法、装置及存储介质 | |
CN108764530B (zh) | 油井抽油机的工作参数配置方法及装置 | |
CN111797017B (zh) | 存储日志的方法、装置、测试设备及存储介质 | |
CN111255434A (zh) | 气井的试井方法、装置和计算机存储介质 | |
CN111353513B (zh) | 一种目标人群筛选的方法、装置、终端和存储介质 | |
CN109281648B (zh) | 确定油藏的合理井网密度的方法和装置 | |
CN117471525A (zh) | 地震数据处理方法、装置及存储介质 | |
CN113361386B (zh) | 虚拟场景的处理方法、装置、设备及存储介质 | |
CN111159551B (zh) | 用户生成内容的显示方法、装置及计算机设备 | |
CN110824566B (zh) | 地震属性融合方法、装置及存储介质 | |
CN114598992A (zh) | 信息交互方法、装置、设备及计算机可读存储介质 | |
CN113936240A (zh) | 确定样本图像的方法、装置、设备及存储介质 | |
CN114280686A (zh) | 碳酸盐岩储层的岩心物性分析方法及设备 | |
CN110580561B (zh) | 一种油井增油效果的分析方法、装置及存储介质 | |
CN112860261A (zh) | 静态代码检查方法、装置、计算机设备及可读存储介质 | |
CN111736215A (zh) | 断层断距确定方法及装置 | |
CN113009573A (zh) | 地震数据采集方法、装置、计算机设备及存储介质 | |
CN114721046A (zh) | 缝洞检测方法、装置、计算机存储介质 | |
CN110058306B (zh) | 确定三维速度体的方法、装置及计算机存储介质 | |
CN113342635A (zh) | 差异代码覆盖率的获取、差异代码文件发送方法及装置 | |
CN111932045B (zh) | 油井清洗方式的确定方法、装置及存储介质 |
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 |