RU2009117005A - METHOD FOR SEISMIC DATA PROCESSING USING DISCRETE WAVELET TRANSFORM - Google Patents

METHOD FOR SEISMIC DATA PROCESSING USING DISCRETE WAVELET TRANSFORM Download PDF

Info

Publication number
RU2009117005A
RU2009117005A RU2009117005/28A RU2009117005A RU2009117005A RU 2009117005 A RU2009117005 A RU 2009117005A RU 2009117005/28 A RU2009117005/28 A RU 2009117005/28A RU 2009117005 A RU2009117005 A RU 2009117005A RU 2009117005 A RU2009117005 A RU 2009117005A
Authority
RU
Russia
Prior art keywords
wavelet
vector
coefficients
detailing
seismic
Prior art date
Application number
RU2009117005/28A
Other languages
Russian (ru)
Other versions
RU2412454C2 (en
Inventor
Ольга Марковна Сагайдачная (RU)
Ольга Марковна Сагайдачная
Ксения Александровна Дунаева (RU)
Ксения Александровна Дунаева
Владимир Алексеевич Детков (RU)
Владимир Алексеевич Детков
Александр Сергеевич Сальников (RU)
Александр Сергеевич Сальников
Елена Алексеевна Кравченко (RU)
Елена Алексеевна Кравченко
Original Assignee
Федеральное Государственное Унитарное предприятие Сибирский научно-исследовательский институт геологии, геофизики и минерального сы
Федеральное государственное унитарное предприятие Сибирский научно-исследовательский институт геологии, геофизики и минерального сырья
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 Федеральное Государственное Унитарное предприятие Сибирский научно-исследовательский институт геологии, геофизики и минерального сы, Федеральное государственное унитарное предприятие Сибирский научно-исследовательский институт геологии, геофизики и минерального сырья filed Critical Федеральное Государственное Унитарное предприятие Сибирский научно-исследовательский институт геологии, геофизики и минерального сы
Priority to RU2009117005/28A priority Critical patent/RU2412454C2/en
Publication of RU2009117005A publication Critical patent/RU2009117005A/en
Application granted granted Critical
Publication of RU2412454C2 publication Critical patent/RU2412454C2/en

Links

Landscapes

  • Geophysics And Detection Of Objects (AREA)

Abstract

Способ обработки сейсмических данных с использованием дискретного вейвлет-преобразования, включающий представление сейсмических данных в виде набора сейсмических трасс, отличающийся тем, что каждую из исходных сейсмических трасс, представленную в виде вектора отсчетов, подвергают дискретному вейвлет-преобразованию (М итераций) с получением вектора вейвлет-коэффициентов, содержащего детализирующие вейвлет-коэффициенты Kn с первого по уровень М включительно, а также гладкие вейвлет-коэффициенты последнего уровня преобразования ОМ, далее вектор вейвлет-коэффициентов разделяют на ряд векторов, каждый из которых содержит детализирующие вейвлет-коэффициенты Kn одного уровня и нули на месте всех остальных вейвлет-коэффициентов (детализирующий вектор уровня n), а также вектор, содержащий гладкие вейвлет-коэффициенты OM и нули на месте всех детализирующих коэффициентов (детализирующий вектор уровня М+1), каждый из указанных детализирующих векторов уровней с 1 по М+1, подвергают процедуре обратного дискретного вейвлет-преобразования с получением М+1 слоев детализации d1(n) и разложением (декомпозицией) таким образом исходного сейсмического сигнала на слои детализации d1(n) с различными энергетическими и частотными характеристиками; каждый из указанных слоев детализации d1(n) анализируют по их целевой значимости с учетом решаемой сейсмической задачи, после чего осуществляют выборку значимых отдельных слоев детализации вейвлет-разложения исходного сейсмического сигнала для построения их частичных сумм для последующей обработки и интерпретации сейсмических данных. A method of processing seismic data using a discrete wavelet transform, including the representation of seismic data as a set of seismic traces, characterized in that each of the original seismic traces, presented as a vector of samples, is subjected to a discrete wavelet transform (M iterations) to obtain a wavelet vector -coefficients containing detailed wavelet coefficients Kn from the first to the level M inclusive, as well as smooth wavelet coefficients of the last level of the OM transformation, yes the vector of wavelet coefficients is further divided into a series of vectors, each of which contains detailed wavelet coefficients Kn of the same level and zeros in place of all other wavelet coefficients (detailing a vector of level n), as well as a vector containing smooth wavelet coefficients OM and zeros on in the place of all the detailing coefficients (the detailing vector of the level M + 1), each of these detailing vectors of the levels 1 through M + 1 is subjected to the inverse discrete wavelet transform procedure to obtain M + 1 detail layers d1 (n) and the reduction (decomposition) of the original seismic signal in this way onto the detail layers d1 (n) with different energy and frequency characteristics; each of these detail layers d1 (n) is analyzed according to their target significance taking into account the seismic problem being solved, and then significant individual layers of detail of the wavelet decomposition of the initial seismic signal are sampled to construct their partial sums for subsequent processing and interpretation of seismic data.

Claims (1)

Способ обработки сейсмических данных с использованием дискретного вейвлет-преобразования, включающий представление сейсмических данных в виде набора сейсмических трасс, отличающийся тем, что каждую из исходных сейсмических трасс, представленную в виде вектора отсчетов, подвергают дискретному вейвлет-преобразованию (М итераций) с получением вектора вейвлет-коэффициентов, содержащего детализирующие вейвлет-коэффициенты Kn с первого по уровень М включительно, а также гладкие вейвлет-коэффициенты последнего уровня преобразования ОМ, далее вектор вейвлет-коэффициентов разделяют на ряд векторов, каждый из которых содержит детализирующие вейвлет-коэффициенты Kn одного уровня и нули на месте всех остальных вейвлет-коэффициентов (детализирующий вектор уровня n), а также вектор, содержащий гладкие вейвлет-коэффициенты OM и нули на месте всех детализирующих коэффициентов (детализирующий вектор уровня М+1), каждый из указанных детализирующих векторов уровней с 1 по М+1, подвергают процедуре обратного дискретного вейвлет-преобразования с получением М+1 слоев детализации d1(n) и разложением (декомпозицией) таким образом исходного сейсмического сигнала на слои детализации d1(n) с различными энергетическими и частотными характеристиками; каждый из указанных слоев детализации d1(n) анализируют по их целевой значимости с учетом решаемой сейсмической задачи, после чего осуществляют выборку значимых отдельных слоев детализации вейвлет-разложения исходного сейсмического сигнала для построения их частичных сумм для последующей обработки и интерпретации сейсмических данных. A method of processing seismic data using a discrete wavelet transform, including the representation of seismic data as a set of seismic traces, characterized in that each of the original seismic traces, presented as a vector of samples, is subjected to a discrete wavelet transform (M iterations) to obtain a wavelet vector -coefficients containing detailing wavelet coefficients K n of the first to M inclusive level and smooth wavelet transform coefficients of the last level M O, alley vector wavelet coefficients are divided into a series of vectors, each of which contains detailing wavelet coefficients K n one level and zeros in place of all other wavelet coefficients (detailing the vector level n), as well as a vector comprising smooth wavelet coefficients O M and zeros in the place of all the detailing coefficients (the detailing level vector of M + 1), each of these detailed leveling vectors from 1 to M + 1 is subjected to the inverse discrete wavelet transform procedure to obtain M + 1 detail layers d1 (n) and p zlozheniem (decomposition) so that the seismic signal source for detailing layers d1 (n) with different power and frequency characteristics; each of these detail layers d1 (n) is analyzed according to their target significance taking into account the seismic problem being solved, and then significant individual layers of detail of the wavelet decomposition of the initial seismic signal are sampled to construct their partial sums for subsequent processing and interpretation of seismic data.
RU2009117005/28A 2009-05-04 2009-05-04 Method to process seismic data using discrete wavelet transform RU2412454C2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
RU2009117005/28A RU2412454C2 (en) 2009-05-04 2009-05-04 Method to process seismic data using discrete wavelet transform

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
RU2009117005/28A RU2412454C2 (en) 2009-05-04 2009-05-04 Method to process seismic data using discrete wavelet transform

Publications (2)

Publication Number Publication Date
RU2009117005A true RU2009117005A (en) 2010-11-10
RU2412454C2 RU2412454C2 (en) 2011-02-20

Family

ID=44025793

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2009117005/28A RU2412454C2 (en) 2009-05-04 2009-05-04 Method to process seismic data using discrete wavelet transform

Country Status (1)

Country Link
RU (1) RU2412454C2 (en)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10352145B2 (en) 2011-03-11 2019-07-16 Schlumberger Technology Corporation Method of calibrating fracture geometry to microseismic events
RU2575947C2 (en) 2011-11-04 2016-02-27 Шлюмбергер Текнолоджи Б.В. Simulation of interaction between frac job fractures in system of complex fractures
US10422208B2 (en) 2011-11-04 2019-09-24 Schlumberger Technology Corporation Stacked height growth fracture modeling
RU2637255C2 (en) * 2013-07-02 2017-12-01 Шлюмбергер Текнолоджи Б.В. Method for checking fracture geometry for microseismic events
US9677393B2 (en) * 2013-08-28 2017-06-13 Schlumberger Technology Corporation Method for performing a stimulation operation with proppant placement at a wellsite
WO2016209100A1 (en) * 2015-06-22 2016-12-29 Schlumberger Technology Corporation A computer-implemented method and a system for processing acoustic signals
RU2620785C1 (en) * 2016-06-14 2017-05-29 Общество с ограниченной ответственностью "Макросейс" Method of determining the location of the microseismic focus

Also Published As

Publication number Publication date
RU2412454C2 (en) 2011-02-20

Similar Documents

Publication Publication Date Title
RU2009117005A (en) METHOD FOR SEISMIC DATA PROCESSING USING DISCRETE WAVELET TRANSFORM
Wang et al. Wav2vec-switch: Contrastive learning from original-noisy speech pairs for robust speech recognition
CN110335587B (en) Speech synthesis method, system, terminal device and readable storage medium
Bonnefoy et al. A dynamic screening principle for the lasso
US10657437B2 (en) Training of front-end and back-end neural networks
Zhang et al. Learning of structured graph dictionaries
DE602006016451D1 (en) METHOD FOR THE WAVELET EXPLORATION OF ELECTROMAGNETIC MEASUREMENT DATA OF CONTROLLED SOURCES
Wang et al. Adaptive dictionary learning for blind seismic data denoising
CN105844331B (en) The training method of nerve network system and the nerve network system
JP5859584B2 (en) Image recognition system based on cascading overcomplete dictionary
US20220130407A1 (en) Method for isolating sound, electronic equipment, and storage medium
Kim et al. Integer-only zero-shot quantization for efficient speech recognition
Zhang et al. Birdsoundsdenoising: Deep visual audio denoising for bird sounds
Serizel et al. Mini-batch stochastic approaches for accelerated multiplicative updates in nonnegative matrix factorisation with beta-divergence
CN110244361B (en) Seismic data separation method and system based on interpolation and de-aliasing simultaneous processing
JP6099032B2 (en) Signal processing apparatus, signal processing method, and computer program
CN115587321A (en) Electroencephalogram signal identification and classification method and system and electronic equipment
CN117076858B (en) Deep learning-based low-frequency geomagnetic strong interference suppression method and system
CN113782044B (en) Voice enhancement method and device
Casebeer et al. Deep tensor factorization for spatially-aware scene decomposition
CN115691535A (en) RNN-based high signal-to-noise ratio voice noise reduction method, device, equipment and medium
Aruna et al. Field programmable gate array implementation of an adaptive filtering based noise reduction and enhanced compression technique for healthcare applications
Murase et al. Diffuse noise suppression with asynchronous microphone array based on amplitude additivity model
CN112634930B (en) Multichannel sound enhancement method and device and electronic equipment
CN110210317B (en) Method, apparatus and computer readable storage medium for detecting fundamental frequency

Legal Events

Date Code Title Description
PC43 Official registration of the transfer of the exclusive right without contract for inventions

Effective date: 20200514