基于遗传算法的重力固体潮信号独立元分析与地震前兆信息提取

在对重力固体潮信号的分析中,应用了一种将固体潮信号所含有的各谐波信息分解到3个正交分量上的三维正交分解模型;为了更好地提取各个分量谐波信号,克服传统独立分量分析(ICA)收敛速度慢、局部搜索等缺陷,使用了传统ICA与实数遗传算法(GA)相结合的方法,经验证此方法可行有效;实验中对实测信号与理论信号相结合的信号进行了谐波提取,并对提取出的谐波信号进行分析,捕捉地震前兆信息;分析发现地震前某不定时刻点,在长周期波中波形出现一定程度的奇异,充分反映了震前能量积蓄的变化.因其与地震发生时间之间的不确定性,所以还不能将其作为地震的预测方法.     

基于独立分量分析的多次波盲分离方法研究

独立分量分析是一种以高阶统计量为基础的信号处理方法,它以分离非高斯混合信号为目标,建立起各个分量的统计独立性判据.在传统方法中,多次波压制技术是基于二阶统计量,求得最优解得基本前提是一次波和多次波正交.本文将ICA应用于多次波问题,在对地震数据基本构成作了分析的基础上,建立起多次波盲分离的ICA模型,并对其假设条件和固有不确定问题进行了详细的研究分析,然后给出了基于负熵的快速ICA算法并加以改进,最后进行仿真实验.试验结果表明,该方法能有效地压制地震资料中的多次波信息,较好的恢复一次波信息.     

基于带状混合矩阵ICA实现地震盲反褶积

基于对地震反褶积本质上是一个盲过程的认识，引入高阶统计学盲源分离技术——独立分量分析（ICA）实现地震盲反褶积.在无噪声假设条件下，利用地震记录时间延迟矩阵和地震子波带状褶积矩阵，将地震褶积模型转化为一般线性混合ICA模型，采用FastICA算法，将带状性质作为先验信息，实现所谓带状ICA算法（B\|ICA），得到个数与子波算子长度相等的多个估计反射系数序列和估计子波序列，最后利用褶积模型提供的附加信息从中优选出最佳的反射系数序列及相应的地震子波.模型数据和实际二维地震道数值算例表明：对于统计性反褶积，在不对反射系数作高斯白噪假设，不对子波作最小相位假设的所谓“全盲”条件下，基于ICA方法（反射系数非高斯分布，地震子波非最小相位）可以较好解决地震盲反褶积问题，是基于二阶统计特性的地震信号统计性反褶积方法的提升，具有可行性和应用前景.     

地震盲反褶积综述

从动态系统角度对地震勘探中盲反褶的有关问题进行分析,将线性与非线形地震盲反褶积纳入盲系统辨识的统一框架．综述了几种重要地震盲反褶积方法的原理与效果．指明起源于瞬时混合盲反褶积(或盲源分离)的独立分量分析(ICA)方法在解决一般化地震盲反褶积问题上的重要应用前景,并给出两种可能的解决方案．     

卡尔曼最优估计下独立变量分析地震反射系数提取方法

地震记录卡尔曼估计存在先验信息的不确定性问题,地震记录的独立变量分析的分解分量可以给出卡尔曼估计诸分量更全面的先验信息.独立变量分析迭代逼近输出相互独立的变量,存在源信息独立分量不准确问题,利用卡尔曼估计理论,优化逼近可以减小这种不准确性.考虑两种理论方法的优缺点,把独立分量分析理论和卡尔曼最优估计理论结合起来,研究基于卡尔曼最优估计地震反射系数独立变量分解提取方法.对地震数据进行独立变量分解,得到初始分解分量,对各分量和地震记录建立卡尔曼估计状态方程,根据建立的方程,利用递推寻优过程进行分量的最佳估计,考虑到地震记录的横向相关信息,增加有用信号横向相关信息约束.理论模型和实际资料验证了方法的正确可靠性及应用效果.     

重力固体潮信号独立成分的谱相关解调与地震前兆信息提取

重力固体潮信号是一种多谐波的混合信号,为了提取其中所包含的地震前兆异常信息.本文结合重力固体潮的产生机制,建立了一种重力固体潮正交分解模型.在此基础上,利用独立分量分析算法实现重力固体潮信号的加性分解,然后针对独立分量中的调制关系,利用谱相关方法对其进行乘性解调.从而,完整地提取出了重力固体潮信号中丰富的潮汐谐波信息.进一步,引入理论计算值作为实际测量值的参考背景,在独立分量中凸显出原重力固体潮信号中的异常变化特征.通过对云南地区的实际震例研究表明,重力固体潮独立分量的异常特征与地震事件的时序存在密切的相关性.在地震发生前的1~5个月内,对应于重力固体潮信号长周期谐波系的独立分量在时域波形和循环相关谱方面均有明显的异常变化,而且普遍存在,充分反映了这一异常变化与地震前地壳内部能量的变化有关,很有可能就是重力固体潮信号中隐含的地震前兆信息.     

应用独立分量分析方法提取和剥离地磁观测中的轨道交通干扰

应用独立分量分析(ICA)法,通过对一组垂直于天津轨道交通运行方向布设的地磁观测台阵获取的典型轨道交通干扰的多通道数据进行分析,使用满足统计意义上独立且正交的线性变换矩阵对地磁观测台阵中含有轨道交通干扰的多通道观测数据提取独立分量,通过功率谱分析及时频分析方法提取与轨道交通干扰特征一致的独立分量成分.通过对混合矩阵的逆...     

基于Contourlet变换和ICA的多时相遥感图像变化检测

为了提高多时相遥感图像变化检测的精确度和运算效率,本文提出了一种基于Contourlet变换和独立分量分析(ICA-Independent component analysis)的变化检测算法.利用Contourlet变换多尺度、多方向性和各向异性等性质,对图像数据进行多尺度分解,再对分解后的数据进行独立分量分析,利用改进的基于牛顿迭代的固定点ICA算法分离出互相独立的数据分量,然后将分离后的数据分量转变成图像分量,最终对变化图像分量经阈值分割实现变化检测.实验结果表明,与现有的基于PCA、基于ICA、基于小波变换与ICA三种变化检测算法相比,本文算法能有效地分离出变化信息,减少了计算的复杂性,得到的变化图像具有更高的精确度,且对背景有较强的稳健性.     

纪念李世雄教授

本文以笔者所能领悟到的李世雄教授对提升油气勘探科学水平做出的贡献，阐述他近20年来在地震成像、Wavelet、独立分量分析（ICA）和复杂条件下动力学问题的理论方法研究成果，并对李世雄教授为提升年青后学者科学判断力和促进研究群体有效成果产出的指导风范,深表敬意.     

基于改进遗传算法的重力固体潮独立分量分析

重力固体潮信号中的潮汐谐波相互独立,所以,对重力固体潮的谐波分析,就需要提取出各个谐波中的独立成分.据此,在原有独立分量分析算法的基础上,与智能优化算法相结合,提出了一种新的独立分量分析法,基于遗传算法的独立分量分析.对经典遗传算法进行改进,给出了改进后遗传算法的基本原理,讨论了遗传算法独立分量分析的实现过程.同时,应用该方法对重力固体潮信号进行处理,有效地从重力固体潮信号中提取出三个独立分量:长周期波分量、日波分量和半日波分量,以及各成分的特征频率.该方法可行有效,为地球物理信号的分析提供了一个有效的处理方法.     

Weak Seismic Signal Extraction Based on the Curvelet Transform

Seismic signal denoising is a key step in seismic data processing. Airgun signals are easy to be interfered with by noise when it travels a long distance due to the weak energy of active source signal of the airgun. Aiming to solve this problem, and considering that the conventional Curvelet transform threshold processing method does not use the seismic spectrum information, we independently process the Curvelet scale layer corresponding to valid data based on the characteristics of the Curvelet transform of multi-scale, multi-direction and capable of expressing the sparse seismic signals in order to fully excavate the information features. Combined with the Curvelet adaptive threshold denoising the algorithm, we apply the Curvelet transform to denoising seismic signals while retaining the weak information in the signal as much as possible. The simulation experiments show that the improved threshold denoising method based on Curvelet transform is superior to the frequency domain filtering, wavelet denoising and traditional Curvelet denoising method in detailed information extraction and signal denoising of low SNR signals. The calculation accuracy of the relative wave velocity variation of underground medium is improved.     

基于Curvelet变换的地震资料信噪分离技术

在地震资料中,噪声干扰严重影响了有效信号的提取,为此必须进行信噪分离处理.本文提出一种基于Curvelet变换和KL变换相结合的软硬阈值折衷处理方法.首先对地震数据进行Curvelet变换,然后对各尺度系数选取适当阈值压制噪声干扰,再利用KL变换提取数据中的相干有效信号,最后重构得到去噪后的记录.经合成记录和实际地震资料处理实验证明,该方法与小波变换法相比较,更能有效进行信噪分离,提高地震剖面信噪比和分辨率.     

连续重力观测潮汐与非潮汐信号提取与处理平台设计与实现

介绍了连续重力观测潮汐与非潮汐信号提取与处理平台的平台架构、数据库、主要功能模块、技术特点与功能特性等。该平台面向中国地震重力站网的大网运维业务需求和海量数据处理需求,以连续重力数据处理中的潮汐信号处理、非潮汐信号处理、时频变换等科学计算为核心,基于大数据技术实现了中国地震重力站网海量数据的自动清理、数据质量自动评估、数据产品自动产出,产出重力潮汐因子、时频图等24种数据产品,提升了连续重力观测数据的应用效能和地震重力站网的运行、管理和服务水平。     

基于稀疏分布特征的井下微地震信号识别与提取方法

井下微震监测获得的地震记录往往包含大量的噪声,记录信噪比很低.有效地震信号的识别与提取是进行后续地震定位等工作之前需要优先解决的问题.经过研究发现,井下水压裂微地震信号具有稀疏分布的特征,而井下环境噪声则具有更多的Gaussian分布特征.为此,本文提出将图像处理领域适宜于稀疏分布信号降噪处理的稀疏码收缩方法应用于井下微震监测数据处理.为解决需要利用与待处理数据中有效信号成分具有相似分布特征的无噪信号序列估算正交基以及计算效率等问题,将原方法与小波变换理论相结合.即通过优选小波基函数作为正交基进行小波变换将信号分解为不同级的小波系数,利用稀疏码收缩方法中对稀疏编码施加的非线性收缩方式作为阈值准则对小波系数进行改造.通过多方面的数值实验证明了该方法在处理地震子波及井下微地震信号方面准确可靠.含噪记录经过处理后有效地震信号的到时、波形、时频谱特征等均能得到良好的识别和恢复.并且该方法具有很强的抗噪能力,当信噪比低至-20~-30db时,仍然能够发挥作用.在处理大量实际井下微震监测数据的过程中,面对多种复杂情况,本方法展现出了计算效率高、计算结果可靠、应用简单等优势,证明了其本身具有实际应用价值,值得进一步的研究和推广.     

GHM类正交多小波变换及其在地震资料去噪中的应用

多小波是对小波理论的一个新发展,它可以同时满足正交性、对称性、短支撑等良好的特性要求。文中介绍了多小波基本理论、多小波变换具体过程及预处理方法,提出了基于GHM类多小波变换的地震资料软阈值去噪方法,通过对合成数据和实际资料进行处理分析,表明多小波变换在有效压制随机噪声的同时,能较好地保留原信号的特征信息,是一种行之有效的去噪方法     

一种边缘保持的地震数据插值方法

在地震数据处理中,地震数据插值方法常常用来解决地震数据空间采样率低和不规则的问题.本文提出了一种基于边缘保持滤波器的地震数据插值方法.在该方法中,对于一个1D信号,逐点滑动一个处理窗口,将信号分成多个信号片段.对于某一个待恢复的缺失采样点,存在多个包含(或邻近)该采样点的信号片段可以用来估计它.采用多项式来拟合这些信号片段,并选择拟合误差最小的信号片段估计此缺失采样点,达到边缘保持的目的.对于2D地震信号,先沿不同方向扫描抽取1D信号,然后采用上述1D边缘保持插值算法分别进行处理,得到沿不同方向的插值结果.对于任一待插值采样点,选取对应拟合误差最小的方向的插值结果作为最后输出的2D数据的插值结果.理论模型和实际资料的处理结果表明,所提方法具有保边缘、抗假频及能够进行不规则数据重建等特点,既能有效的实现不规则地震数据的重建,又能很好的保持原有数据的边缘特征.     

基于信号整体与局部特征的地震数据自动处理方法研究

提出一种基于信号整体与局部特征的地震数据自动处理新方法, 该方法不同于以往仅采用包络线互相关来直接检测事件. 新方法依然按照检测、 识别、 关联和定位等4个步骤进行处理, 但在进行单个震相信号检测的同时, 也检测信号波列并利用其包络线特征来识别和关联震相. 文中详细阐述了数据处理过程中如何定义一个波列及抽取和应用其特征. 相关的数据处理技术目前已成功应用于区域台网的日常数据处理分析中. 作为例子, 给出了对新疆区域台网连续16天数据进行测试处理的结果. 实际应用结果表明, 这种新方法可以大幅度降低自动处理结果的误检、 漏检率, 在实际应用中具有很好的前景.      

Fractional S-transform-part 2: Application to reservoir prediction and fluid identification

The fractional S-transform (FRST) has good time–frequency focusing ability. The FRST can identify geological features by rotating the fractional Fourier transform frequency (FRFTfr) axis. Different seismic signals have different optimal fractional parameters which is not conducive to multichannel seismic data processing. Thus, we first decompose the common-frequency sections by the FRST and then we analyze the low-frequency shadow. Second, the combination of the FRST and blind-source separation is used to obtain the independent spectra of the various geological features. The seismic data interpretation improves without requiring to estimating the optimal fractional parameters. The top and bottom of a limestone reservoir can be clearly recognized on the common-frequency section, thus enhancing the vertical resolution of the analysis of the low-frequency shadows compared with traditional ST. Simulations suggest that the proposed method separates the independent frequency information in the time–fractional-frequency domain. We used field seismic and well data to verify the proposed method.     

基于自适应阈值RCSST变换的金属矿山地地区地震信号随机噪声消减

随着陆地地震勘探工作的加深,勘探环境变得越来越复杂,获得的地震信号信噪比越来越低,这给地震成像和数据解释带来了巨大的困难.为了解决这一技术难题,本文针对云南山地金属矿区的勘探环境提出了一种基于自适应阈值递归循环平移的Shearlet变换去噪算法（Recursive Cycle Spinning Shearlet Transform,RCSST）.首次将递归循环平移与Shearlet变换相结合,利用Shearlet变换的多尺度多方向特性对平移后的地震资料进行分解变换,之后,我们又提出了一种全新的自适应阈值,避免了信号系数被过度扼杀,同时也保护了有效信号.实验表明基于自适应阈值的RCSST算法克服了传统Shearlet变换去噪算法在低信噪比下易出现假轴的弊端并且能够有效地保护信号的幅度.在处理较低信噪比的模拟和实际云南山地地区地震资料的过程中,本文方法能够较好的压制随机噪声和保护有效信号.