微地震监测数据时频域去噪方法

原始微地震监测数据的信噪比相对较低,监测数据品质决定了微地震有效信号的定位精度,提高监测数据信噪比是微地震处理的关键环节。改进S变换对窗函数进行能量归一化处理,解决了常规S变换时频谱中频率定位不准的问题,具有更高的时频分辨率精度。利用改进S变换的良好二维时频域聚焦特性,设计时变的二维时频域滤波器,将时频域去噪方法引入到微地震监测数据的去噪处理中。利用改进S变换对微地震监测数据进行时频分析,能够更加准确地分析不同信号分量的振幅能量以及频率随时间的变化情况,实现微地震有效信号分量与噪声干扰分量的有效分离。通过合成模拟信号和实际井中微地震监测数据的试处理和对比分析,验证了该方法的可行性和有效性。     

微地震数据去噪方法综述

随着常规油气藏资源不断枯竭,非常规油气藏的勘探开发已逐渐成为一种必然趋势,从而使得微地震监测技术快速发展。微地震事件的发生持续时间短、声波频率高,使得实际采集到的微地震数据信噪比较低。本文首先简要介绍了微地震监测技术能够在非常规油气藏开发中保证高效的增产,以及微地震噪声压制在微地震监测技术数据处理流程中是关键一步,直接影响着后续微地震研究的准确性和可靠性;并对地面微地震监测数据中的噪声源进行分析,归纳了地面微地震监测中常见噪声：强脉冲干扰、工业交流电干扰、钻井干扰、声波干扰、规则干扰等,分析了其各自的基本特点。然后,概述了地面微地震数据去噪方法已取得的成果,按频率、传播方向、空间分布区域等特性进行分类,分析各种去噪方法在实际应用过程中针对的噪声类型,以及在去噪过程中对有效信号造成的影响等。最后,基于深度学习具有更强的复杂函数表征能力,分析了3种典型深度学习模型的结构及特点;结合在其他相关领域数据去噪问题的成功应用,深度学习可以解决目前微地震数据噪声压制存在的问题,可以作为微地震数据去噪的一种新方法;考虑到目前微地震数据样本数量可能影响深度学习在微地震监测中大规模的应用,本文提出用生成式对抗网络来构建微地震数据样本库以解决该问题,并将其用于后续深度学习过程中的模型训练。     

基于中值滤波和seislet阈值法联合压制混叠噪声方法

混采技术可以实现多台震源同时激发产生地震波场,有效提高采集效率,但是混采技术会产生严重的混叠干扰,降低地震数据的信噪比。针对此问题,引入多级中值滤波,设计了一种基于seislet域阈值去噪和多级中值滤波相结合的混叠噪声压制方法。该方法首先采用大步长中值滤波和seislet域阈值去噪相结合的方法得到初始压制混叠噪声的地震数据,再利用混叠算子计算去混叠噪声后地震数据的伪分离数据,然后求取该伪分离数据和原始混叠地震数据的差值,再次应用较小步长中值滤波提取剩余信号,并与上一步骤得到的去混叠后的地震数据相加,并再次进行seislet域阈值去噪,依次循环,直到信噪比达到期望值。通过模拟数据测试,并与F-K域迭代阈值去噪方法和常规seislet域迭代阈值方法相比,本方法在压制混叠噪声的同时,可以更好地保护有效信号。     

基于广义S变换的地震资料信噪分离方法

基于S变换具有良好的时频聚焦性和分时分频性,将可灵活选取窗函数的广义S变换引入到地震信号去噪处理中,系统研究了广义S变换在地震资料信噪分离中的应用。首先对地震数据进行广义S变换,然后对含噪频率剖面选取适当阈值压制噪声干扰,提取有效信号,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,该方法能有效地进行信噪分离,提高地震剖面信噪比和分辨率。     

地面微地震水力压裂监测可行性分析

作为水力压裂监测的最有效手段,微地震监测越来越受到人们的重视,特别是地面微地震监测因为便于施工、观测充分等优点成为研究的热点,然而由于微地震的特殊性,是否能够在地面强噪声环境下接收到有效的微地震事件,成为地面微地震监测整个技术环节的关键点。文中从水力压裂的产生能量、地面压裂车组噪声的干扰情况以及不同深度微地震传播的差异三个方面进行了深入分析,从"信(有效事件)噪(地面噪声)"两个角度,得出了地面微地震可以接收到可靠的压裂信号的结论。在Yan227水平井水力压裂地面微地震采集的实际数据验证了该方法的实用性,为地面微地震技术开展提供了依据。     

叠前逆时偏移去噪波场分离法与其他方法的比较

基于双程波动方程的逆时偏移(RTM)具有原理简单、无倾角限制、具有可以适用于速度任意变化的模型,对各类波正确成像等优点,但采用互相关成像条件会产生严重的低频噪声问题。笔者分析低频噪声的产生机制后提供了一个有效的波场分离去噪方法,将震源和检波点波场分离成不同方向的单成波分量,只对有效路径上的分量进行互相关成像,从而达到去除噪声的目的。并通过模型测试对比了坡印廷矢量滤波、拉普拉斯滤波、波场分离滤波这三种方法的去噪效果,结果表明基于波场分离的去噪方法效果更好。     

一种改进型seislet域迭代阈值压制混叠噪声方法

高效混叠采集技术可以实现多组激发源同时激发产生地震波场,大大提高采集效率,但是由于相邻激发源之间较短的等待时间,会使得地震数据产生严重的混叠干扰,影响地震数据成像质量。针对此问题,设计了一种改进型seislet域迭代阈值压制混叠噪声方法。该方法首先采用中值滤波对经过NMO后的混叠数据进行滤波,然后利用seislet域迭代阈值去噪技术提取剩余的有效信号,并和经过中值滤波后的结果相加,接着再利用混叠算子计算去混叠噪声后地震数据的伪分离结果,然后求取该伪分离数据和原始混叠地震数据的差值,再次重复上述步骤,将每步骤提取的剩余有效信号进行累加,直到信噪比达到期望值,输出最终压制混叠噪声的地震数据。通过数据验证,本文改进方法可以在压制混叠干扰的同时,有效的保护信号。     

基于多道信噪能量统计的微地震有效信号识别方法

在微地震监测中有效微地震信号的识别是关键步骤。常规的微地震有效信号识别方法基于单道长短时窗能量比,受噪音影响较大,对于信噪比较低的事件无法准确识别。利用多道记录数据之间的信号相关性好而信号与噪音相关性差的特点,通过记录道自相关求取总能量和相邻记录互相关求取信号能量,以有效信号能量所占比即含信能量比作为门槛值进行有效信号识别,信号识别过程中利用多道互相关对噪音进行了有效压制,提高了微地震信号识别的压噪能力,通过模型数据和实际资料处理验证了方法的有效性。     

盲源分离算法在大地电磁信号去噪中的应用

鉴于大地电磁信号的特点,大地电磁信号的去噪问题一直是研究的热点问题,而盲源分离技术是进行现代信号处理的有力工具。阐述了大地电磁信号的特点和它的噪声分类,利用盲源分离算法维持信号频率不变性的特点,并结合大地电磁信号的频谱特征,提出利用盲源分离算法来对大地电磁信号进行噪声分析和噪声去除。实验证明,无论是直接应用盲源分离算法来对大地电磁信号进行噪声去除,还是应用盲源分离对噪声进行分析后结合其他方法进行去噪处理,都能有效地去除噪声,减少脉冲干扰地影响,提高信号的整体平滑度。     

地面微地震压裂监测技术在煤层气开发中的应用

在煤层气的开采过程中,压裂改造是煤层气储量得以有效开发利用的重要手段。地面微地震压裂监测技术可以对压裂过程中煤(岩)层破裂产生的微地震波进行监测,进而识别煤岩层中裂缝的走向、空间形态、改造规模等。基于三维网格搜索定位与波形叠加相干能量定位的地面微地震监测数据,通过一系列的滤波、去噪,剔除无效事件、速度分析等,可以获取强干扰条件下更准确的微地震事件定位信息;依据与时间相关的微地震事件定位信息,获得微地震事件四维立体图,进而掌握压裂缝隙方向及高度;并利用水力压裂裂缝建模技术,构建离散裂缝网络模型,估算压裂改造体积。实践中表明,该方法的应用有利于控制压裂改造效果,提供缝控储量准确信息。     

串联去噪技术在金属矿地震勘探中的应用

金属矿地震勘探中原始数据的信噪比很低,多种干扰混杂在记录中,常规去噪手段难以达到理想效果。针对金属矿地震数据中强线性干扰,设计了f-k 滤波、Radon 变换方法二级衰减; 针对强随机噪声,设计Radon 变换以及Curvelet 域组合变换法二级衰减,组成了f-k 滤波法、Radon 变换及Curvelet 域组合变换法串联去噪方法。应用于金昌金属矿多类混杂强噪声的地震实际数据中,大幅提高了数据的信噪比,经验证本文方法实用、有效。     

最小噪声分离在航空电磁数据噪声压制中的应用

时间域航空电磁数据经预处理后,仍存在残余噪声,影响电磁探测对地下异常的识别能力。笔者提出一种基于最小噪声分离的去噪方法,将一组含噪电磁数据通过旋转矩阵线性变换为按照信噪比大小排列的最小噪声分离成分,利用信噪比较大的最小噪声分离成分重构电磁数据,以达到分离噪声的目的。仿真数据去噪结果表明：最小噪声分离不仅能够有效压制晚期道剖面噪声,还能准确分辨异常信息;晚期道信噪比较测线滤波提高了11.28 dB,实测数据的噪声水平也由±50 nT/s降低到±10 nT/s。     

小波去噪在地震信号处理中的应用

在地震信号处理的若干环节中,将有效信息从含有噪声的干扰背景中提取出来,进而提高地震数据信号的信噪比和分辨率成为地震信号处理的关键一步。利用小波变换方法可对地震信号进行去噪,更准确地将有效信号和噪声区分开来,并可在最大限度去除噪声的同时,尽可能多地保留有效信号。本文结合小波变换的阈值去噪方法,探讨小波变换技术在地震信号去噪中的应用。     

LIFT去噪方法在低信噪比资料处理中的应用

传统去噪一般都是通过各种方法将原始数据分离为有效信号和噪声,从而达到去噪目的,在去噪的过程中,忽略了信号保真的处理原则,在去掉噪声的同时有可能也损害了有效信号。这里从传统去噪方法存在的问题入手,通过对传统去噪方法的原理分析,研究了LIFT去噪技术。LIFT去噪的核心是首先建立信号模型,然后将原始地震信号和信号模型相减,求得剩余信号。通过对剩余信号进行针对性的去噪处理,去除剩余信号中存在的噪声,然后再与信号模型进行合并重构,得到新的具有高信噪比、高保真的地震信号。将该方法在低信噪比地震资料处理中进行了实例测试,取得了理想的应用效果。     

基于匹配小波包算法的地震信号去噪

地震资料的信噪比是影响地震资料质量的关键因素之一。目前的去噪方法中,在滤波的同时会损伤有效信号,因此提出基于匹配算法的去噪方法,利用和地震信号匹配的小波包对信号进行分解,用选出的波形代表有效信号达到去噪的效果。实验分析表明,利用匹配小波包算法能够很好地压制地震信号白噪声,提高信噪比。当噪声能量小于有效信号周期能量时,小波包算法去噪效果比小波收缩阈值法好,信噪比提高5 dB ±。     

二维小波变换与中值滤波联合去噪方法研究

由于随机噪声是一种频带较宽的干扰波,因此依靠单一的去噪处理方式往往难以获得清晰反映目标体的地震信息。小波变换能够较好的去除高斯噪声,保留有效波中、高频成分,提高记录的信噪比,但去除脉冲噪声的效果却并不理想;中值滤波具有良好的边缘保持特性,虽低频去噪声效果有限,但去除脉冲噪声效果明显。因此可利用二维小波变换与中值滤波优势互补的方法,进行叠前去噪处理,达到去除宽频随机噪声的目的。首先运用二维小波变换的理论,采用自适应门限阀值方法进行去噪,同时结合中值滤波方法联合去噪。模型与实际数据的应用效果表明,联合去噪方法可有效压制噪声能量、保留高频有效信号、提高地震记录信噪比与分辨率。     

稳健主成分分析在地震资料异常值噪声压制中的应用

提高地震数据的信噪比是地震资料处理的重要目标之一。传统的地震去噪方法虽然可以有效压制随机噪声,但对非高斯分布的异常值噪声压制效果欠佳。本研究展示了一种基于稳健主成分分析的地震数据异常值噪声压制方法。该方法在频率-空间域通过对地震数据实施稳健低秩近似来求取理想无噪声数据。在目标函数构建方面,采用核范数最小化模型求取理想的低秩近似数据,并使用l₁范数最小化模型来估计异常值噪声。此外,运用增广拉格朗日乘子法求解该反演问题。最后,模型数据和实际资料的去噪结果验证了本研究方法的有效性,与传统F-XY域预测滤波法去噪结果进行对比,也显示本研究方法在有效压制异常值噪声的同时能更好地保护有效波能量。     

去噪技术在地震资料处理中的应用

讨论了目前提高地震资料信噪比的方法及应用技术。通过对原始地震记录中普遍存在的噪声进行了分析。对于无规则噪声，应采用f-x域随机噪声衰减或多项式拟合的办法；对于有规则噪声，倾角滤波或FK滤波手段则更为有效。强调了在去噪过程中选择去噪参数的重要性。阐明了同相叠加技术也是一种提高地震资料信噪比的有效手段。总之。针对不同的噪声，应采用不同的去噪方法。实际地震资料处理表明，上述几种去噪方法对提高地震资料的信噪比是行之有效的。     

基于模拟退火法的磁共振测深多源谐波噪声压制方法

磁共振测深找水方法在高电磁噪声环境下应用时,往往会因为电磁噪声的干扰导致实测数据信噪比降低,反演结果难以准确地确定实际地下水体的分布状况,降低方法的应用效果。针对磁共振测深找水方法在实际野外数据采集工作中常面临的多源谐波噪声干扰问题,在模型去噪的基础上推导出网格搜索同步删除法,进一步提出了效率更高的模拟退火同步删除法。仿真结果表明,2种方法均能有效压制多源谐波噪声,而模拟退火同步删除法能够更快速地搜索谐波基频值,相较网格搜索同步删除法在双基频谐波情况下工作效率提高2.35倍,大大降低了去噪流程的时间成本,且对多源谐波噪声也能取得较好的去噪效果。将该去噪算法应用于实例中,反演结果和钻孔资料的对比表明,模拟退火同步删除法可以有效压制磁共振测深方法实测数据中的多源谐波噪声,显著提高磁共振测深方法的应用效果。     

基于模拟退火法的磁共振测深多源谐波噪声压制方法

磁共振测深找水方法在高电磁噪声环境下应用时,往往会因为电磁噪声的干扰导致实测数据信噪比降低,反演结果难以准确地确定实际地下水体的分布状况,降低方法的应用效果。针对磁共振测深找水方法在实际野外数据采集工作中常面临的多源谐波噪声干扰问题,在模型去噪的基础上推导出网格搜索同步删除法,进一步提出了效率更高的模拟退火同步删除法。仿真结果表明,2种方法均能有效压制多源谐波噪声,而模拟退火同步删除法能够更快速地搜索谐波基频值,相较网格搜索同步删除法在双基频谐波情况下工作效率提高2.35倍,大大降低了去噪流程的时间成本,且对多源谐波噪声也能取得较好的去噪效果。将该去噪算法应用于实例中,反演结果和钻孔资料的对比表明,模拟退火同步删除法可以有效压制磁共振测深方法实测数据中的多源谐波噪声,显著提高磁共振测深方法的应用效果。