基于频谱分解的碳酸盐岩储层识别

频谱分解技术是将地震信号从时间域转换到频率域,分析频率对不同尺度地质体的振幅、相位响应特征的一项技术.频谱分解能够得到高于传统分辨率的解释结果,提高刻画储层分布的能力.本文详述了短时傅里叶变换、连续小波变换和S变换的数学原理及适用性:短时傅里叶变换使用固定时窗,不能根据信号的变化调整分辨率,只适合分析分段平稳或近似平稳的信号;连续小波变换使用移动的、尺度可变的小波作为时窗,具有多分辨率特点,但是实际中选择能反映信号特征的小波函数不易;S变换使用频率的倒数来调节时窗,具有多分辨率特征,对数据处理的适应性较强.将这三种方法分别应用于碳酸盐岩储层发育区,利用靠近地震主频的35 Hz分频剖面,分析了不同时窗大小的短时傅里叶变换效果,不同类型小波的连续小波变换效果,并对比了不同频谱分解算法对储层的描述精度.通过分析得出分频剖面比常规地震剖面更有利于储层识别,且S变换效果最好.     

基于物理小波的频谱分解方法及应用研究

在地震资料频谱分解中,采用匹配地震子波的物理小波,依据地震信号的特征,用振幅、能量衰减率、能量延迟时间及地震子波的中心频率等四类参数构造基本小波,把地震信号分解在小波域,高频分量能够得到精细的刻画.本文以物理小波变换为工具, 给出了该变换中的核函数的选择方法,进而提出了基于物理小波变换的频谱成像方法.我们将此方法用于海上某油田河流相储层的描述,并与常规软件中的小波变换频谱成像结果进行了对比, 结果表明,本文提出的方法更能精细地刻画地质事件.     

希尔伯特-黄变换地震信号时频分析与属性提取

地震信号属于非线性和非平稳信号,传统的分析方法主要包括短时傅立叶变换、小波变换和Cohen类时频分布等等;希尔伯特-黄变换是分析非平稳信号的新方法,该方法的关键部分是信号的经验模态分解,通过经验模态分解,复杂的信号可以分解为有限的数量很少的几个固有模态函数,从而可以得到信号的希尔伯特时频谱;将该方法应用于单个的地震道数据,可以对地震道进行经验模态分解并得到希尔伯特谱,应用于地震剖面,可以得到意义更加明确的瞬时频率和瞬时振幅等地震属性,模型试算和实际应用表明了该方法的有效性.     

水位动态周期性干扰的小波方法分析研究

1 小波分解与重构 对任意信号,离散小波变换是将信号分为低频部分和高频过程.近似主要是系统的低频成分,细节是高频成分.本研究中,对水位数据出现周期性变化的数据进行小波分解和重构,得到剔除干扰后的曲线,并对重构后的水位数据进行再次分解,得到其噪声特征信息.     

利用相关域小波变换进行SWD资料预处理

随钻地震(SWD)的波场十分复杂,对钻头有效信号和地表机械干扰成分的分析是SWD重要的资料预处理步骤.本文利用有效信号和噪声带有周期性或时延差异等时间结构特征,引入相关域小波变换进行SWD信号检测和分析.有效信号在钻柱内往复多次传播,因而带有严格的周期性,泥浆泵等机械发出的噪声也是周期性的,这些成分在自相关域内可以得到很好的凸显.SWD波场的各种成分,由于到达各个接收道的时延不同,在互相关域的特定时延处也能够得到凸显.利用小波变换对这些在相关域内得到凸显的成分进行多分辨分析,能够获得优势频率范围、周期、衰减等主要特征.根据这些信息,设计出合理的SWD处理方法,初步得到了有效信号的直达波.数据试处理结果表明,相关域小波变换是随钻地震的一个有效的预处理方法.     

坚硬顶板诱发煤体冲击破坏的微震效应

利用TDS-6微震采集系统测试了忻州窑煤矿组合煤岩试样变形破裂直至冲击破坏过程中的微震信号,特别是冲击破坏前后微震频谱的变化规律.采用SOS微震监测系统,对忻州窑煤矿8929工作面冲击矿压的微震活动规律进行了监测,结果表明：（1）冲击前兆信号呈现低频特征,随着与主震间隔的时间越短,主频越低.主震信号频谱较宽,但低频（0～50 Hz）成份增加,余震信号呈现高频特性.（2）微震信号的频次、累积能量与主频之间呈负相关关系.尤其当工作面顶板来压以及诱发冲击矿压时,微震信号的主频达到最低值.（3）现场监测表明,冲击前兆微震信号的主频为0～50 Hz,且振幅较低.冲击主震信号频谱较宽,但较低频（0～20 Hz）成份明显增加,同时振幅达到极值.余震信号主频为0～200 Hz,呈现高频、低振幅特征.     

希尔伯特—黄变换在地电阻率数据处理中的应用

希尔伯特—黄变换用于处理非线性非平稳信号,由经验模态分解和希尔伯特谱分析2部分组成。本文采用希尔伯特—黄变换方法,相继对大同地震台地电阻率月值数据和宝昌地震台地电阻率月值、整点值数据进行处理。结果显示:(1)大同、宝昌地震台地电阻率月值数据对应的Hilbert谱具有较高分辨率,高幅值在归一化频率0.05—0.15区间内呈"余弦"变化形态;(2)希尔伯特—黄变换在提取地电阻率异常变化、高频信息及去除噪声等方面效果较好,在未来地电资料处理中具有广泛的应用前景。     

谱分解在含气检测中的应用

由于含气砂岩的非均质性,地震波在经过含气砂岩时高频能量衰减强,低频能量衰减弱.从而在储层的下方可能出现低频强振幅的阴影区.因此,可用时频分析直接对储层的含气性进行检测.时频连续小波变换是对连续小波变换方法的改进.变换的结果是时频域,不需要尺度-频率的转换;且时频分辨率高.本文将它用于储层含气性检测.     

基于小波包变换的滤波方法

基于小波包变换的基本原理,提出了对不同频率范围的信号和噪声进行滤波处理的方法．利用该方法可将噪声与信号分离以及将不同频段信号分解,从而达到滤波的目的．仿真结果表明,小波包变换具有许多其它分析手段所不具备的优点,是一种有效的滤波方法,可应用于地震信号的预处理     

基于高通滤波的频率-空间域经验模态分解压制高频噪声

高频噪声压制是高分辨率地震数据处理中提高信噪比的关键性问题.本文针对f-x(频率-空间)反褶积空间预测滤波器无法处理非平稳、非线性信号的缺点,提出了一种基于高通滤波的频率-空间域经验模态分解(Empirical Mode Decomposition in the frequency-space domain,f-xEMD)压制地震剖面中高频噪声的方法.该方法采用全域高通滤波从原始数据中分离出含有部分有效信号的高频数据,将其变换到f-x域,然后在滑动的短窗口内提取每一个频率的空变数据序列进行EMD分解得到高频复本征模态函数(Intrinsic Mode Function,IMF)IMF1,将所有频率的IMF1序列反Fourier变换到时间域得到噪声剖面,将其与原始数据相减,达到高频噪声压制的目的.该方法可克服传统EMD分解方法中的模态混叠现象,保护陡倾角反射同相轴;压制后的噪声剖面中不包含有效信号能量,地震剖面的信噪比得到了提高.模拟数据和实际数据处理结果充分证明了该方法的有效性.     

核磁共振测井的正则化-启发式阈值降噪研究

核磁共振(NMR)测井是在高温、高压的极端条件下进行,样品体积小,回波幅度微弱.受到来源复杂的噪声影响,NMR信号通常被淹没在噪声中,测量数据的信噪比较低.提出正则化-启发式阈值算法(Regularization Heursure, R-Heursure)对小波分解后的细节系数阈值降噪,正则化因子的选取与地层孔隙结构和测量数据的原始信噪比相关.通过最大相关系数能量准则选取最优化的母小波函数、消失矩和分解层次,采用正则化因子约束估计的阈值,使选取的阈值恰好能大于噪声水平而不损失小孔(或微孔)的响应信息.数值模拟和实际测井资料处理验证了R-Heursure算法的降噪性能,NMR测井数据的信噪比得以有效改善,为储层评价提供更准确的信息.     

First-break picking for microseismic data based on cascading use of Shearlet and Stockwell transforms

First-break picking of microseismic data is a significant step in microseismic monitoring. There is a great error in conventional first-break picking methods based on time domain analysis in low signal to noise ratio. S-transform may provide a novel approach, it can extract the time–frequency features of the signal and reduce the picking error because of its high time–frequency resolution and good time–frequency clustering; however, the S-transform is not well suited for microseismic data with high noise. For applications to array data where the weak signal has spatial coherency as well as some distinct temporal characteristics, we propose to combine the shearlet transform with a time–frequency transform. In the proposed method, the shearlet transform is used to capture spatial coherency features of the signal. The information of the signal and noise in shearlet domain is represented by shearlet coefficients. We use the correlation of signal coefficients at adjacent fine scales to give prominence to signal features to accurately discriminate the signal from noise. The prominent signal coefficients make the signal better gathered in time–frequency spectrum of the S-transform. Finally, we can get reliable and accurate first breaks based on the change of energy. The performance of the proposed method was tested on synthetic and field microseismic data. The experimental results indicated that our method is outstanding in terms of both picking precision and adaptability to noise.     

基于Context模型的Shearlet变换地面微地震随机噪声压制

地面微地震监测采集到的微地震信号通常能量微弱,信噪比低,如何提高微震数据的信噪比是数据处理的难题.Shearlet变换是一种新型的多尺度几何分析方法,具有敏感的方向性和较强的稀疏表示特性,能起到很好的随机噪声压制效果.由于地面微震数据的有效信号大多被淹没在噪声中,基于传统阈值的Shearlet变换（the traditional threshold-based Shearlet transform TST）只考虑到尺度或方向的阈值,在去噪过程中会过度扼制有效信号系数,造成有效信号能量损失.因而,本文建立Context模型,得到基于Context模型的Shearlet变换（the Context-model-based Shearlet transform CMST）方法,改进传统Shearlet阈值方法的不足.我们通过所建立的Context模型将能量相近的各方向系数划分为同一组,并分组估计阈值,分别处理各部分系数,达到微弱同相轴有效恢复的目的.通过TST及CMST的模拟实验与实际地面微震记录处理结果对比可知,本文方法在低信噪比条件下比对比方法更加有效地恢复地面微震数据的微弱信号,随机噪声压制效果明显,在-10 dB条件下,提升信噪比18.3741 dB.     

基于参考线圈和变步长自适应的磁共振信号噪声压制方法

核磁共振地下水探测仪的灵敏度高,接收到的纳伏级磁共振探测信号极易受到强工频谐波噪声的干扰,导致信号特征参数提取的准确度降低,影响反演解释的水文地质参数结果.为了解决这一难题,基于相关抵消的原理,针对全波磁共振信号,设计带有参考线圈的90°移相自适应噪声抵消系统,理论计算了参考线圈相对于探测线圈的距离,提出变步长LMS算法进行噪声压制.仿真结果表明,在不同的信号强度及不同的信噪比下,当信号与工频谐波干扰频谱不重合时,采用设计的自适应噪声抵消系统和变步长算法,信噪比可以提高到5.94 dB以上,初始振幅、弛豫时间特征参数的拟合误差在2.8%以内;当信号与工频谐波干扰频谱重合时,采用双向自适应滤波算法,信噪比可以达到5dB以上,初始振幅、弛豫时间特征参数的拟合误差在10%以内,可以满足实际应用的要求;实测数据处理进一步证明了方法的有效性.     

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.     

丘陵地带地震资料随机噪声压制新技术:高阶加权阈值函数的Shearlet变换

随着山地和丘陵地震勘探环境的复杂化,传统的消噪方法已经难以有效地压制地震记录中的随机噪声.Shearlet变换是一种新的多尺度多方向的时频分析方法,具有良好的稀疏表示特性,并且在每个尺度进行方向分解,非常适合用于地震信号随机噪声的压制.但是传统的Shearlet变换去噪方法采用的是硬阈值,在抑制随机噪声的同时也消除了很多有效信号,使得去噪之后的地震资料出现虚假的同相轴,为了解决这一问题我们提出高阶加权阈值函数.高阶加权阈值函数不但整体上连续性较好,而且克服了硬阈值函数存在剧烈的变化的缺点以及软阈值在处理较大Shearlet系数总存在恒定偏差的问题,同时保留了传统的软硬阈值函数的优点.实验结果表明这种基于高阶加权阈值函数的Shearlet变换去噪的方法,可以有效的消除模拟地震信号和实际丘陵地带地震信号中的随机噪声,同时很好的保留有效信号的幅度.     

一种自适应增益限的反Q滤波

地层的Q吸收会造成地震波振幅衰减、相位畸变,分辨率和信噪比明显降低.反Q滤波可消除由于地层Q吸收造成的振幅衰减和相位畸变,从而提高地震资料的分辨率;但反Q滤波振幅补偿的数值不稳定性问题会严重降低地震资料的信噪比,并产生很多假象.截止频率法和稳定因子法反Q滤波振幅补偿方法虽可控制数值非稳定性问题,但振幅补偿函数的增益限为一个时不变的常数,且与地震数据动态范围无关,其经常会压制深层地震波的高频成分,反而降低地震资料的分辨率;因此,本文在研究截止频率法和稳定因子法的基础上,结合地震数据的动态范围对地震记录分辨率的影响,提出了一种自适应增益限的反Q滤波振幅补偿方法,其增益限和稳定因子都是时变的,且都自适应于地震数据有效频带的截止频率.合成数据和实际数据试算表明,本文的自适应增益限的反Q滤波方法可恢复地震信号有效频带范围内的能量,且能较好地控制数值非稳定性问题,最终获得高分辨率和高信噪比的地震数据.     

频谱成像技术在稠油热采地震监测中的应用

频谱成像技术可有效的描述地质反射层厚度的非连续性和岩性的非均质性,其在理论上主要是依据薄层反射的调谐原理,过去通常采用以离散傅里叶变换为基础的算法,但是,该方法存在着明显的局限性,因为估算的地震振幅谱的重要特征是所选时窗长度的函数.如果所选时窗过短,振幅谱会与变换窗函数褶积,失去频率的局部化特征,而且过短的时窗会使子波的旁瓣呈现为单一反射的假象.增加时窗长度,会改善频率的分辨率.但如果所选时窗过长,时窗内的多个反射会使振幅谱以槽痕为特征,很难分清单个反射的振幅谱特征.由于在实际运用中,以傅里叶变换相关的算法的时窗问题,难以选择好时窗长度,而且无法定量分析时窗长度产生的偏差,因而会使振幅谱的估算产生偏差.以小波变换为基础的时频分析技术成了非平稳性信号的重要分析工具,在很多实际应用中已取代了傅里叶变换的分析方法.以小波变换为基础的瞬时谱分析技术能得到精确的时频分析结果,同时避免了时窗问题.它反映出了储层在纵向上时间及厚度上变化情况和横向上的地质不连续性的信息,因此能使解释人员快速而有效地描述储层特征的空间变化.