低震级地震与人工爆破记录的时频分析

时频分析是为了对非平稳信号进行分析而引入的,可以给出某一时间点或小时间段内的频谱信息.典型的时频分析方法有短时傅里叶变换、小波变换和希尔伯特黄变换等.由于短时傅里叶变换计算速度较快,而且对本研究里的地震信号具有不错的分辨率,利用短时傅里叶变换对地震和爆破信号进行分析.     

利用小波包变换时频谱识别宁夏及邻区的地震和爆破

采用dmey小波基函数分别对地震和爆破事件的垂直向记录信号进行小波包变换,计算各事件信号的归一化时频谱值以及P波和S波时频谱值达到最大时的频率fmp和fms,比较地震信号和爆破信号P波段(0～6.25Hz)和S波段(0～6.25Hz)在各相同分解频带内的瞬时谱最大值差异,寻找合适的单项定量识别指标,并综合各单项识别指标形成综合识别判据。运用综合识别判据对银川台记录到的宁夏及邻区14个地震事件和19个爆破事件进行判别,结果表明,各单项定量识别指标的识别率均在80%以上,综合判别结果均与事件的真实类型一致。     

基于S变换的山西地区不同地震事件频谱特征分析

应用S变换和广义S变换获得山西地区地震、爆破、塌陷的时频特征,结果表明,S变换可显示不同地震事件较完整的时频分布信息,广义S变换对事件在具体频率的分辨率上有明显的提高,结合两种方法可得到对应事件较完整的时频特征。综合分析认为,地震的震源机制较复杂,高频能量丰富,地震频谱频带范围较宽,一般在0～20 Hz左右,高频成分较多,峰值多在10 Hz;爆破的震源简单,一般主要产生在P波群,爆破的频带较窄,一般在0～10 Hz,频率偏低,一般在3～4 Hz左右;塌陷属于瞬时压缩源,能量释放时间短,波的传播路径简单,频带窄,集中于0～10 Hz,主频率集中在0～3 Hz。     

地震与爆破的小波包识别判据研究

利用sym5小波包基函数对小震级天然地震和人工爆破波形进行4层小波包分解并绘制了时频谱图.通过时频谱图可直观得出, 爆破频率成分简单, 时频谱聚集性较好. 为寻求定量的识别指标, 综合P波和S波小波包变换结果, 提出并定义了P/S能量比. 分析识别效果较好的 P/S能量比判据得出爆破的P波主频集中在频段3.125—9.375 Hz处, 地震频率成分较复杂, S波在高频12.5—23.4375 Hz处也较发育, 在这些频段上, 爆破的P波与S波差异要大于地震的P波与S波差异. 作为小波包判据研究的补充, 文中也提取分析了P波的能量比与S波的能量比. 能量比判据识别结果表明, 人工爆破与天然地震的频率成分存在差异, 通过小波包变换能够提取有效的识别判据.      

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.     

天然地震与人工爆破波形信号HHT特征提取和SVM识别研究

天然地震和人工爆破信号属于非线性非平稳信号,而传统信号分析方法是针对线性系统平稳信号的,本文采用希尔伯特—黄变换(Hilbert-Huang Transform,简称HHT)试图提取可明确区分天然地震和人工爆破事件的波形特征.通过经验模态分解(Empirical Mode Decomposition,简称EMD)把原信...     

基于能量比的天然地震与人工爆破自动识别算法研究

研究了从天然地震和人工爆破事件的波形记录中提取出来的能量比特征在天然地震和人工爆破事件的自动识别中的有效性及适用性。对波形记录进行了4层小波变换,然后对变换得到的小波系数提取能量比特征,最后利用支持向量分类机ν-SVC进行识别效果检验。实验证明,由bior2.2小波包分解后提取出来的能量比特征对天然地震和人工爆破事件的识别效果很好,可用于实际的自动识别系统作为识别判据之一。     

小地震与人工爆破记录的时频分析

基于Matlab软件,编制了对近震记录进行时-频分析试验研究的程序,搜集2006—2008年间首都圈地区震级介于ML2.4~2.7的5次天然地震和5次人工爆破的27个台站的宽频带记录,根据震中距离的相似性挑选5组天然地震和人工爆破地震,分析其时频特征。对于所有的数据都给出其三分向的时频图、原始波形图和频谱图,以及水平向和三分向的叠加图。分析结果表明,天然地震和人工爆破的记录具有明显不同的时频特征,天然地震的时频呈现出"多峰"特征,而人工爆破的时频分布则相对"少峰";天然地震的时频峰值分布在较宽的频率范围内,人工爆破的峰值则分布在频率较低的相对狭窄的范围内。通过以上实践,发现时频分析在分析不同时间点的频谱信息以及整个数据的时频分布特点时比傅里叶变换具有优势。     

天然地震与人工爆破的波形小波特征研究

研究了如何从天然地震和人工爆破事件的波形记录中提取出有效、适用的波形特征,以用于对爆破事件的识别.首先对波形记录进行了4层小波包变换;然后对变换得到的最后一层小波包系数提取3种波形特征:能量比特征、香农熵特征及对数能量熵特征;最后利用v-SVC支持向量分类机对这3种特征的分类能力进行了外推检验.通过选用不同地区、不同台站、不同震级的天然地震与人工爆破的波形记录,力求提取的特征量能尽可能地反映天然地震与人工爆破波形的本质区别,尽量弱化震中距、震级等因素对识别效果的影响.结果表明,上述3种特征中以香农熵特征的识别效果最好,能反映天然地震与人工爆破的本质区别,可作为识别天然地震与人工爆破的一个有效判据.     

基于STFT和CNN的地震信号分类识别研究

地震信号分类——即信号震源类型的分类,尤其是天然地震和人工爆破的分类对于地震目录的清洗和强震实时预警等具有重要意义.本文首先对原始波形信号进行必要的预处理,然后对预处理后的信号进行分帧加窗,对窗内信号采用短时傅里叶变换,将原始波形信号从时域转换成时频域信号,生成时频谱图,每条波形生成一个时频图像;经过反复多次试验比较,将原尺寸时频谱图统一缩放为32×32像素大小的灰度图像,该灰度图像作为卷积神经网络(CNN)的输入,此时的分类效果和计算效率最优.采用以上方法对2010年至2016年发生在河北三河和北京通州等地区,震级为1.5 ～2.8级之间的54个天然地震事件的1674条波形和63个人工爆破事件的1509条波形,采用五折交叉验证法进行分类,得到的平均准确率为97.39％,与传统的支持向量机(SVM)方法和多层感知器(MLP)方法对比,分类准确率有大幅提升,与使用梅尔倒谱系数(MFCC)构建的CNN分类器方法对比,本文方法信噪比更低,分类准确率提高约1.5％.实验结果表明,采用短时傅里叶变换提取地震信号时频域特征,生成时频谱图,使用卷积神经网络对地震信号进行分类具有良好的分类效果.     

希尔伯特—黄变换在地震信号时频分析中的应用研究

将希尔伯特—黄变换(HHT)应用于天然地震信号处理中,通过对天然地震波信号进行HHT时频分析,获得该信号的三维Hilbert时频谱、边际谱、瞬时能量谱和Hilbert能量谱。通过分析,可以看出HHT方法能敏感地提取到地震波信号随时间和频率动态变化的不同阶段的主要特征,其图像清晰,能够反映能量突变点信息,其时频局部定位能力较强。边际谱、瞬时能量谱和Hilbert能量谱能提取出地震波信号其他新的特性,可对信号的时频分析起到补充作用。结果表明,HHT方法能准确描述地震信号的非线性时变特征,是地震信号时频分析的有效工具。     

天然地震与人工爆破的波形小波特征研究div

研究了如何从天然地震和人工爆破事件的波形记录中提取出有效、适用的波形特征,以用于对爆破事件的识别．首先对波形记录进行了4层小波包变换;然后对变换得到的最后一层小波包系数提取3种波形特征:能量比特征、香农熵特征及对数能量熵特征;最后利用upsilon;-SVC支持向量分类机对这3种特征的分类能力进行了外推检验．通过选用不同地区、不同台站、不同震级的天然地震与人工爆破的波形记录,力求提取的特征量能尽可能地反映天然地震与人工爆破波形的本质区别,尽量弱化震中距、震级等因素对识别效果的影响．结果表明,上述３种特征中以香农熵特征的识别效果最好,能反映天然地震与人工爆破的本质区别,可作为识别天然地震与人工爆破的一个有效判据．      

二阶同步挤压S变换及其在地震谱分解中的应用

同步挤压S变换是一种处理非平稳信号的新时频变换方法,通过"挤压"信号的S变换结果,可以得到高分辨率的时频谱.但是,当信号的相位随时间呈非线性变化时,同步挤压S变换计算出的瞬时频率会出现误差,并造成时频谱分辨率降低.为了改善其对于该类信号的时频分析效果,我们利用时间和频率的二阶偏导数对瞬时频率计算式进行修正,提出二阶同步挤压S变换.合成信号处理结果表明,二阶同步挤压S变换的分辨率不但明显高于常用时频变换,在信号瞬时频率随时间呈二次或正弦变化的情况下,其时频挤压效果也好于同步挤压S变换.我们将二阶同步挤压S变换应用到天然气地震勘探资料的谱分解当中,结果表明,二阶同步挤压S变换可以很好地检测到与天然气相关的谱异常.因此,二阶同步挤压变换对于地震解释是一种很有潜力的方法.     

基于时频能量重排的改进小波变换谱分解

小波变换作为一种具有多分辨率特征的时频分析方法已被地球物理学家广泛应用,受不确定性原理影响,其时频分辨率有限.能量重排小波变换通过对小波变换能谱向其局部重心进行重新分配,进一步提高了时频谱图的精度.拟合信号和实际地震数据表明,利用该方法能够更准确地刻画信号的时频特征,有助于获得更好的解释效果.     

同步挤压广义S变换在南海油气识别中的应用

受窗函数的影响,短时傅里叶变换、小波变换、S变换等传统时频分析方法的分辨率不高.为了提高信号时频变换分辨率,发展了同步挤压小波变换算法;该算法将信号的时频谱值向其中心频率位置挤压,改善了信号时频分析结果,使得信号时频分辨率得到了很大的提升.但由于传统算法时窗固定,处理缺乏灵活性;因此,本文对S变换窗函数进行扩展,提出了同步挤压广义S变换.通过自适应窗函数挤压信号在S域的时频谱值,提高了算法的灵活性和时频分析聚焦能力.运用同步挤压广义S变换对南海某工区实际地震数据进行分频处理,结果显示含油气层能量随着频率的增加而逐渐衰减.因此,使用同步挤压广义S变换对地震数据进行分析处理,不仅可以对储层含油气性进行准确的检测,还可以对地层进行精确的标定.     

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.     

爆破、塌陷识别研究进展综述

简要介绍当前国内外关于天然地震与爆破、塌陷等非天然地震特征研究及事件类型识别的进展。对各类事件的定义及主要波形特征进行简要综述,重点介绍了事件类型判定的各类识别方法。与自然界天然地震不同,非天然地震由人工干预或人类活动间接引发。爆破是炸药在爆炸瞬间能量迅速释放,部分能量以地震波形式向外传播,引起地表振动而产生破坏效应的一种地震;塌陷是由于岩层崩塌陷落而形成的地震。虽然在地震台网记录到的天然地震与爆破、塌陷的波形存在一定的共性特征,但由于震源类型、波的传播路径、震源深度等不同,各类事件的波形记录在P波初动、P波与S波最大振幅比、持续时间、震相、短周期面波发育情况、发震时刻、空间位置分布以及频谱特征等方面差异明显。目前主要有两类方法来识别地震与爆破、塌陷等非天然事件。一类为直接基于波形在信号、数据方面的特征,通过定性分析来进行事件类型判定,如波形时频分析对比法、小波变换、相关系数等;另一类为统计学领域诸如模式识别等算法,利用统计算法综合考虑多个事件特征判据的定量判定阀值来实现地震与爆破、塌陷事件类型的识别,如最小距离法、改进的连续亨明方法、Fisher方法、逐步代价最小决策法、支持向量机、前馈神经网络等。两类方法本质上均为提取有效特征判据,即对数据进行降维使用,未将事件记录的全部信息用于事件判定。因此,有必要使用一种可从全部事件记录中自动提取各类信息并可组合底层特征的算法来对各类事件进行判断识别。     

用小波变换能量线性度方法识别天然地震与爆破或塌方

为了提取天然地震和爆破或塌方记录波形在震源深度、震源尺度、震源破裂机制、地震波传播途径、地震波衰减等方面的差异特征信息,本对山东数字化台网记录的天然地震和爆破或塌方波形进行了小波多分辨率的能量线性度特征分析,提出了用小波变换能量线性度方法识别天然地震与爆破或塌方事件．结果表明：在精细结构小波分解信号“能量”线性度方面,天然地震主要集中在-2．0～1．0之间,爆破或塌方主要集中在2．0～3．4之间;在精细结构小波分解信号“能量”最大值对应的小波分解尺度方面,爆破或塌方主要集中在4～5,频段集中在0．7～3．1Hz之间,而天然地震主要集中在1～2,频段集中在6．25～25Hz之间．     

基于小波变换方法的爆破、塌陷和地震信号分析

采用Matlab的小波变换方法,对山西省数字化台网记录的爆破、塌陷与地震信号进行了6层多尺度分解,通过比较、分析,得出爆破、塌陷与地震信号在各层分解后存在一定的差异,该研究为识别非天然地震中的爆破、塌陷提供了有效的方法。     

基于非二次幂Curvelet变换的最小二乘匹配算法及其应用

本文提出了基于非二次幂Curvelet变换的最小二乘匹配算法.首先,根据输入地震信号的频谱和方向等特征进行非二次幂Curvelet变换,根据其特征不同,最大程度地将有效信号和噪声分开;然后,在噪声能量集中的非二次幂Curvelet子记录上对输入数据和预测的噪声模型进行最小二乘匹配滤波处理.本方法提高了常规最小二乘匹配算法在时间空间域内进行信噪分离的稳定性和准确性.对含有面波的实际地震数据进行测试,其结果表明本方法可以有效地压制面波干扰,特别是当面波和有效信号有交叉或重叠等现象出现时,能较好地保护反射同相轴信息.本方法还可用于对含自由表面多次波和层间多次波等地震数据进行自适应信噪分离.