小波分析方法在钻孔应变数字化资料处理中的应用

基于小波变换理论,提出应用小波变换的分析方法来识别和分离不同频率信息、提取地震趋势异常和短临异常。研究表明,利用小波变化可以较容易地识别和剔除佘山台钻孔应变的地震干扰、气压干扰、仪器故障干扰等影响钻孔应变观测资料精度的诸多干扰。利用小波变换方法对面应变日均值进行分析,发现在海域大震前,小波变换第三阶细节部分在震前出现持续数月以上的高频脉冲,且面应变有鼓包现象。     

基于小波变换方法的包头台形变分析

采用小波变换方法相继对包头台洞体应变和水管倾斜进行处理,研究形变数据固体潮、同震响应和周期性特征等。采用db4作为母小波对包头台形变进行5阶小波分解．分解后的细节部分能清晰地显示出包括1／3日波、半日波、日波和半月波等在内的固体潮汐波。对于2008年以来全球发生的M≥8．0级地震．包头台水管倾斜NS分量均有显著的同震响应现象发生．且在小波分解后的不同阶曲线中同震响应后续波形表现各异．另外在部分地震之前能观测到异常变化。采用Moflet小波作为母小波对包头台水管倾斜NS分量进行小波变换分析．获得的小波变换系数分布图能清晰地显示出倾斜数据中存在的包括半日潮和日潮在内的周期特征及其随时间变化情况。     

小波变换方法在辽宁跨断层形变资料分析中的应用

运用二进小波变换方法,分析了辽宁省跨断层观测资料不同尺度的小波变换的细节信号变换特征。研究结果表明,不同尺度小波变换分解的细节信号显示出不同的时变特征,可以识别和提取原始测值中不易分辨的震前异常。当尺度为3时的细节信号的年周期特征被打破,或者当尺度为3时的细节信号变化超出2倍均方差时,测点周围250km左右范围内发生中强地震的可能性很大。     

利用小波变换识别山西测震台网震相

为有效提高山西测震台网震相识别精度,在论述小波变换原理基础上,结合台网记录的震相特征,针对干扰大、能量弱的震相,采用小波变换进行分析。常见噪声干扰相对地震信号频率较高,小波变换能够有效压制噪声,提高震相识别精度;对于能量较弱的震相,可以利用小波变换分解信号,按频率逐层进行震相识别。分析认为,小波变换是识别山西地区震相的有效方法。     

短时气压干扰下TJ-Ⅰ、TJ-Ⅱ型体应变观测频谱对比分析

短时气压干扰是形变观测中常见且显著的影响因素之一。本文选取易县地震台2015年3月1日至12月31日的TJ-Ⅰ型和TJ-Ⅱ型体应变观测分钟数据为研究对象,对受气压干扰的主测项与钻孔气压观测值进行对比分析,利用小波变换方法分别提取出高、低气压环境干扰下两台仪器观测值在不同频段的频谱特征,结果显示:对于短时气压干扰,TJ-Ⅰ型与TJ-Ⅱ型体应变均与气压变化发生同步响应;在高气压干扰下,两套体应变主测项及其辅助气压测项分别在其小波6阶细节上的变化同步且相关系数接近;对于低气压干扰,TJ-Ⅱ型体应变主测项与其钻孔气压测项在高频6阶的节相关系数更大,说明TJ-Ⅱ型体应变更易于在高阶细节部分识别低气压干扰。     

小波分析方法在宁夏短水准资料分析中的应用

建立了小波分解模型,应用该模型将宁夏红果子形变台及苏峪口形变台短水准观测资料中的不同周期成分进行了有效分离。分离后的3阶近似及3阶细节部分所显示的异常变化能够更直观和显著地对应宁夏及周边地区发生的地震。     

利用小波变换方法分析形变观测资料的正常背景变化特征

为定量刻画数字化形变观测资料中背景信息和噪声的时 频分布特征, 本文应用二进小波变换方法, 通过对小波分解的主模特征和随机白噪声识别因子变化特征分析, 剖析了山东数字化形变观测资料的正常动态背景和噪声变化规律. 结果表明, 当尺度取2, 3和4时, 分解后的细节部分存在着1/4日波、 半日波、 日波和半月波等准循环周期信号, 其中尤以尺度为3时的信号波幅最大; 尺度取1和5时的细节部分主要包含着噪声; 通过分析和追踪指定尺度的数字化形变观测资料小波变换的非震异常特征变化, 可望捕捉到与强地震孕育过程有关的前兆异常信息.      

利用小波变换分析朝鲜核爆波形特征

基于小波变换方法,对2009-2017年黑龙江省牡丹江地震台（MDJ）记录的5次朝鲜核爆信号进行Daubechies小波8层多尺度分解,通过对比分析近似和细节部分信息,发现核爆信号进行小波分解后,在不同层存在相同特征,且有别于地震信号分解后在相应各层的特征。可见,利用该方法可有效识别朝鲜核爆。     

应用小波变换提取林甸5.1级地震的前兆异常信息

应用了小波变换理论,对2005年林甸地震的前兆数据进行分析,研究在不同尺度下前兆数据的细节变化。结果表明,小波变换的多尺度分析方法将前兆数据分解成若干频段,容易识别和提取原始测值中不易分辨的震前异常,提高了识别前兆数据异常的能力。     

利用小波变换方法识别山西形变异常信息

文章主要根据小波变换方法在不同尺度时细节的变化特征,通过一些震例对山西数字形变资料进行分析研究,发现,经过小波变换处理后的数据在细节部分达到第5层、第6层时,震前资料会显示出比较同步的长周期信号,这为识别和提取数字洞体形变资料中的趋势异常和短期异常提供了新的探索思路和方法。     

湟源地震台钻孔数据的小波分析研究

针对湟源地震台钻孔应变观测数据的实际情况,并根据本台仪器所处环境,受干扰情况,运用连续小波变换、二进小波变换、离散小波变换,多分辨分析、Symlets分解与重构算法等方法,对湟源地震台钻孔应变数据进行分析研究,结果表明该方法能够有效地将数据变化、突跳和地震同震效应从原数据中突显出来,并且能够根据不同的需要突显出有用的信息,更好地为地震预报服务。     

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．     

汶川MS8.0级地震前后ULF电磁辐射频谱特征研究

本文基于电磁波频谱理论研究方法,对2008年四川汶川M_S8.0地震前后金河、剑阁及郑州二砂三个电磁波台站的观测资料进行FFT和小波变换分析,研究了电磁辐射数据快速傅里叶频谱变化特征和在不同尺度下小波变化的分解,发现在汶川地震前确实有异常信息存在.结果表明:(1) FFT动态谱图像说明,地震前电磁波频谱变化特征较明显,在时间、频段上均显示了阶段性进程特征,且随着震中距的增大,辐射能量越小,异常出现的时间越晚;(2) 小波分解显示了地震前电磁波异常信号低频部分出现的时间较早;距震中较近的台站,异常信息在高频部分相对明显;距震中稍远的台站,异常信息在低频部分相对明显.     

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.     

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。     

利用小波方法分析新43泉气氡异常特征

2010年7月2日、2012年1月8日先后在新疆和硕县境内发生MS4.7和MS5.0两次地震,新43泉距两次地震震中均小于200 km,利用小波变换对气氡资料进行分析后发现,两次地震前3～6个月气氡资料出现异常.又对2012年轮台、和静两次5级以上震例进行验证,结果令人满意,认为小波分析方法是地震前兆数据处理的一种有效方法.     

Wavelet‐based cepstrum decomposition of seismic data and its application in hydrocarbon detection

How to use cepstrum analysis for reservoir characterization and hydrocarbon detection is an initial question of great interest to exploration seismologists. In this paper, wavelet‐based cepstrum decomposition is proposed as a valid technology for enhancing geophysical responses in specific frequency bands, in the same way as traditional spectrum decomposition methods do. The calculation of wavelet‐based cepstrum decomposition, which decomposes the original seismic volume into a series of common quefrency volumes, employs a sliding window to move over each seismic trace sample by sample. The key factor in wavelet‐based cepstrum decomposition is the selection of the sliding‐window length as it limits the frequency ranges of the common quefrency section. Comparison of the wavelet‐based cepstrum decomposition with traditional spectrum decomposition methods, such as short‐time Fourier transform and wavelet transform, is conducted to demonstrate the effectiveness of the wavelet‐based cepstrum decomposition and the relation between these two technologies. In hydrocarbon detection, seismic amplitude anomalies are detected using wavelet‐based cepstrum decomposition by utilizing the first and second common quefrency sections. This reduces the burden of needing dozens of seismic volumes to represent the response to different mono‐frequency sections in the interpretation of spectrum decomposition in conventional spectrum decomposition methods. The model test and the application of real data acquired from the Sulige gas field in the Ordos Basin, China, confirm the effectiveness of the seismic amplitude anomaly section using wavelet‐based cepstrum decomposition for discerning the strong amplitude anomalies at a particular quefrency buried in the broadband seismic response. Wavelet‐based cepstrum decomposition provides a new method for measuring the instantaneous cepstrum properties of a reservoir and offers a new field of processing and interpretation of seismic reflection data.