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.     

利用SE求取SNMR横向弛豫时间方法研究

自旋回波作为测量T₂时间的重要脉冲序列,由该脉冲系列交变磁场激发而获得的核磁共振信号不受磁场不均匀性的影响,这对于以地磁场作为稳定磁场的SNMR方法来说,可以减小地磁场不均匀对NMR信号的影响,得到真实、可信的T₂值,提高信噪比。将自旋回波信号应用到地面核磁共振找水方法中求取T₂分布,在国内尚属首例,本文借鉴核磁共振测井中的多指数反演方法,采用奇异值分解算法编程,反演得到T₂分布,并与SNMR反演软件的结果T₂*对比。结果证明,用SE信号提取T₂时间,可以减少地磁场不均匀对NMR信号的影响,更真实地反映T₂分布,提高信噪比。      

孔隙介质核磁共振弛豫测量多指数反演影响因素研究

孔隙介质核磁共振（NMR）弛豫信号的多指数反演在NMR岩芯分析与测井解释中起着关键作用.为了在不同信噪比条件下快速反演出高分辨率的弛豫时间谱，本文利用NMR正演模拟信号以及实验室NMR岩芯分析数据，研究横向弛豫时间布点数、原始回波采集个数、时间域数据压缩方式等对反演结果的影响.同时，在不同信噪比（SNR）下对不同的反演算法(SVD、BRD、SIRT)进行比较，考察反演算法对信噪比的敏感程度，并讨论了相应的校正方法.另外，还分析了信噪比对长、短弛豫组分的影响.研究表明在充分采集有用回波的情况下，减少回波个数，反演得到的弛豫时间谱趋向发散；增加布点数可以提高分辨率，但是需要更多的计算时间；时间域数据压缩可以加快反演计算速度；不同算法对信噪比的敏感程度不同，发展相应的校正方法可以提高反演质量.     

(T2,D)二维核磁共振测井识别储层流体的方法

当地层孔隙中油气和水同时存在时,在核磁共振T2分布上不同流体信号往往重叠,很难有效识别.本文采用改变回波间隔测量多组自旋回波串序列实现了(T2, D)二维核磁共振方法,为有效识别储层流体提供了基础.通过数值模拟系统研究了(T2, D)方法在不同储层、不同测量信噪比以及不同外加磁场梯度条件下识别流体的效果.结果表明:(T2,D)方法识别中、低黏度油层具有优势,随着信噪比增加和外加磁场梯度加大,分辨油和水的效果将变好.在气层,对磁场梯度有一定要求,并且,测量数据的信噪比越高,分辨气与水的效果越好,当测量数据信噪比低于70时,(T2,D)方法在气层可能失效.在2MHz共振频率下,利用MARAN核磁共振岩芯分析仪器,对含顺磁性物质的饱和流体岩样进行了实验测量,验证了(T2,D)方法的有效性.     

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.     

（T2,D）二维核磁共振测井识别储层流体的方法

当地层孔隙中油气和水同时存在时,在核磁共振T₂分布上不同流体信号往往重叠,很难有效识别.本文采用改变回波间隔测量多组自旋回波串序列实现了（T₂,D）二维核磁共振方法,为有效识别储层流体提供了基础.通过数值模拟系统研究了（T₂,D）方法在不同储层、不同测量信噪比以及不同外加磁场梯度条件下识别流体的效果.结果表明：（T₂,D）方法识别中、低黏度油层具有优势,随着信噪比增加和外加磁场梯度加大,分辨油和水的效果将变好.在气层,对磁场梯度有一定要求,并且,测量数据的信噪比越高,分辨气与水的效果越好,当测量数据信噪比低于70时（T₂,D）方法在气层可能失效.在2MHz共振频率下,利用MARAN核磁共振岩芯分析仪器,对含顺磁性物质的饱和流体岩样进行了实验测量,验证了（T₂,D）方法的有效性.     

基于EWT和Meyer自适应阈值的微震降噪

露天矿采场边坡的微震信号具有振幅弱、噪声多、信噪比低的特征,基于经验小波变换(EWT)及Meyer自适应阈值提出分频降噪方法.首先,针对微震信号的频谱特征,设计一种频谱分割策略,将信号和噪声分解为不同的模态;其次,分析模态的频谱和能量,采用Meyer阈值函数自适应降噪,提高有效信号振幅;最后,借助阈值函数处理包含较少有用信号的模态,重构微震信号以保持其连续性,结果表明,降噪后微震信号信噪比(SNR)高、有效信息多,噪声少;通过多种方法对比,并用信噪比与均方根误差(RMSE)对本次降噪效果进行评价,本文方法较好的保留了微震信号有效信息,降噪效果显著.     

基于自适应噪声完全集合经验模态分解算法和Hurst指数的地震数据去噪方法

在地震观测中,地震数据中普遍包含有噪声信号。由于噪声信号的干扰,地震分析的效率会受到不同程度的影响。传统的去噪方法通常需要噪声的先验知识,并且滤波时会造成部分有效信号丢失。针对这一问题,本文提出一种将自适应噪声完全集合经验模态分解（CEEMDAN）算法与Hurst指数相结合的地震数据去噪方法。首先通过CEEMDAN方法将信号分解为一系列本征模函数（IMF）,然后利用Hurst指数对滤波后的IMF分量进行识别,最后对地震数据IMF分量进行重构,从而实现数据去噪。与传统方法的去噪效果对比表明,本文方法可将低信噪比波形的去噪效果提高32%,将高信噪比波形的去噪效果提高6倍。同时对地磁数据的去噪结果表明,本文方法能够较完整地将地铁噪声从地磁信号波形中滤除。     

基于频率域经验模式分解阈值滤波的核磁共振测井信号去噪

核磁共振测井信号易受到地层环境和测井设备的干扰,使得测井信号信噪比低下,严重影响后续T_2谱的反演和储层参数的计算.将经验模式分解与阈值滤波技术结合,首先通过Fourier变换将含噪的测井信号变换到频率域,再对实部和虚部分别进行经验模式分解后的阈值滤波,最后将去噪后的实部和虚部分量组合成新的复数序列,通过Fourier反变换恢复时域的测井信号,达到压制噪声的目的.应用该方法对仿真和核磁共振测井信号进行了分析,并与小波软阈值去噪结果进行了对比.结果表明:本文方法在消除噪声的同时,能很好地保留核磁共振测井信号的波形和特征,相比小波软阈值滤波方法,去噪后噪声抑制比由18.17提高到了24.33,幅值衰减比由21.54下降到了17.86,很好地保留了峰形特征,突出了反演的T_2曲线中被淹没的有用信息,为孔隙度、可动流体等储层参数的精确计算提供了保障,为核磁共振测井信号的去噪开拓了新思路.     

基于结构化匹配追踪的地震资料去噪技术研究

地震数据往往受噪声干扰,影响有效反射波的识别,因此提高地震资料信噪比在数据处理中尤为重要,我国在此方面研究已经取得进展.结构化匹配追踪算法是一种采用原子字典分组式及树状结构搜索的全局结构化算法,具有运算效率高、速度快的特点.本文在分析结构化匹配追踪算法的基础上提出基于该算法的地震资料去噪技术,根据反射波信号与噪声信号的频段差异,对分解得到的时频原子设置阈值频段,去除含噪成分,从而达到去噪目的.与常规去噪技术相比,该技术精准、快速地分解地震反射波信号与噪声信号,最大限度地减小对地震反射波信号的损害.     

Deghosting by echo‐deblending

A marine source generates both a direct wavefield and a ghost wavefield. This is caused by the strong surface reflectivity, resulting in a blended source array, the blending process being natural. The two unblended response wavefields correspond to the real source at the actual location below the water level and to the ghost source at the mirrored location above the water level. As a consequence, deghosting becomes deblending (‘echo‐deblending’) and can be carried out with a deblending algorithm. In this paper we present source deghosting by an iterative deblending algorithm that properly includes the angle dependence of the ghost: It represents a closed‐loop, non‐causal solution. The proposed echo‐deblending algorithm is also applied to the detector deghosting problem. The detector cable may be slanted, and shot records may be generated by blended source arrays, the blending being created by simultaneous sources. Similar to surface‐related multiple elimination the method is independent of the complexity of the subsurface; only what happens at and near the surface is relevant. This means that the actual sea state may cause the reflection coefficient to become frequency dependent, and the water velocity may not be constant due to temporal and lateral variations in the pressure, temperature, and salinity. As a consequence, we propose that estimation of the actual ghost model should be part of the echo‐deblending algorithm. This is particularly true for source deghosting, where interaction of the source wavefield with the surface may be far from linear. The echo‐deblending theory also shows how multi‐level source acquisition and multi‐level streamer acquisition can be numerically simulated from standard acquisition data. The simulated multi‐level measurements increase the performance of the echo‐deblending process. The output of the echo‐deblending algorithm on the source side consists of two ghost‐free records: one generated by the real source at the actual location below the water level and one generated by the ghost source at the mirrored location above the water level. If we apply our algorithm at the detector side as well, we end up with four ghost‐free shot records. All these records are input to migration. Finally, we demonstrate that the proposed echo‐deblending algorithm is robust for background noise.     

基于迭代残差网络的双能CT图像材料分解研究

双能计算机断层成像技术(DECT)由于其材料分解能力,在高级成像应用中发挥着重要作用.图像域分解直接对CT图像进行线性矩阵反演,但分解后的材料图像会受到噪声和伪影的严重影响.虽然各种正则化方法被提出来解决这个问题,但它们仍然面临着两个挑战:繁琐的参数调整和过度平滑导致的图像细节损失.为此,本文提出一种基于迭代残差网络的...     

电磁法数据处理的奇异值分解法

本文提出用奇异值分解方法处理电磁响应数据.根据电磁响应数据的奇异值分布特征,可以指出有用信号和随机误差所对应的奇异值范围.截断随机误差所对应的奇异值,利用与有用信号对应的特征象重构数据,可以消除随机误差.对加入随机噪声的理论数据处理的结果表明,这种方法的效果明显,随机噪声的标准差可降低60％多.另外,利用不同区段的特征象重构数据,可区分不同级次的电磁响应特征.最后,给出对实测数据处理的结果.     

基于压缩感知的高分辨率平面波分解方法研究

平面波分解方法是地震资料处理中的一项关键技术,它广泛地运用在平面波偏移、各类Beam偏移等成像方法中.平面波分解不仅可以提高偏移成像的效率,而且可以压制地震资料中的随机噪音,提高地震数据的信噪比.线性Radon变换（LRT）是一种常见的实现平面波分解的方法,但常规的LRT存在以下两个缺点：（1）分辨率受测不准原理限制;（2）变换结果存在很多噪音和空间假频.为了克服LRT的上述缺点,本文提出一种基于压缩感知的高分辨率平面波分解方法,并利用加权匹配追踪（WMP）技术实现了该方法.该方法将LRT视为一个参数估计问题,并将LRT结果的稀疏性作为约束条件,在压缩感知理论的指导下利用WMP方法得到高分辨率、高信噪比的平面波分解结果.另外,该方法还可以用于提取地震数据的线性信号、压制随机噪音、实现高维地震数据规则化等地震资料处理技术.数值实验结果证明：WMP方法可以有效地提取地震数据中的线性信号,提高LRT的分辨率和信噪比,从而改善平面波分解的质量.     

Noise suppression for microseismic data by non‐subsampled shearlet transform based on singular value decomposition

The existence of strong random noise in surface microseismic data may decrease the utility of these data. Non‐subsampled shearlet transform can effectively suppress noise by properly setting a threshold to the non‐subsampled shearlet transform coefficients. However, when the signal‐to‐noise ratio of data is low, the coefficients related to the noise are very close to the coefficients associated with signals in the non‐subsampled shearlet transform domain that the coefficients related to the noise will be retained and be treated as signals. Therefore, we need to minimise the overlapping coefficients before thresholding. In this paper, a singular value decomposition algorithm is introduced to the non‐subsampled shearlet transform coefficients, and low‐rank approximation reconstructs each non‐subsampled shearlet transform coefficient matrix in the singular value decomposition domain. The non‐subsampled shearlet transform coefficients of signals have bigger singular values than those of the random noise, which implies that the non‐subsampled shearlet transform coefficients can be well estimated by taking only a few largest singular values. Therefore, those properties of singular value decomposition may significantly help minimise overlapping of noise and signals coefficients in the non‐subsampled shearlet transform domain. Finally, the denoised microseismic data are obtained easily by giving a simple threshold to the reconstructed coefficient matrix. The performance of the proposed method is evaluated on both synthetic and field microseismic data. The experimental results illustrate that the proposed method can eliminate random noise and preserve signals of interest more effectively.     

核磁共振共轭梯度解谱方法研究

核磁共振（NMR）解谱技术是核磁共振资料应用的基础和关键.本文将核磁共振解谱的混定线性反演问题转化为求目标函数极小值的最优化问题,然后利用共轭梯度算法具有二次终止性、收敛速度快的特点解决上述最优化问题.将该方法应用于无噪声和不同信噪比的理论数据解谱以及岩心NMR实验解谱并与真谱及实验室国外软件解谱结果对比表明：在信噪比SNR≥5时解谱结果和真谱符合得很好,谱线光滑连续;随着信噪比的降低对初始点的要求随之提高;两块岩心解谱结果与实验室结果符合得很好,利用解谱结果计算的核磁孔隙度与实验室氦孔隙度绝对误差分别为0.78%和0.57%.因此,本文方法有效、实用,具有较强的抗噪能力,对初始点的要求不高,能够应用于生产和科研实践中.     

高铁震源地震信号的稀疏化建模

我国每天有数千趟高铁列车运行在两万多公里的高铁线路上,不但会引起高铁路基的振动,还会激发出地震波.地震检波器所接收到的数据中不仅包含窄带分立谱特性的高铁震源地震信号,还包含宽频带特性的背景信号.如何实现从检波器所接收到的高铁震源地震数据中分离出高铁震源地震信号和宽频带背景信号是准确利用该类信号的关键.考虑到高铁震源地震信号与宽频带信号在频率域明显的形态特征差异,本文首次将形态成分分析这种信号分离手段引入到高铁震源地震信号处理中,实现高铁震源地震信号的稀疏化建模并进而实现从接收数据中分离出高铁震源地震信号以及宽频带背景信号.对北京大学在中国南方某高铁沿线采集到的大量高铁震源地震数据进行处理,结果表明:采用形态成分分析并结合分块坐标松弛算法,能够实现实际采集高铁震源地震数据中的高铁震源地震信号和宽频带信号的分离.     

4D signal enhancement using singular-value decomposition: application to mapping oil–water contact movement across the Nelson Field

A new method for time‐lapse signal separation and enhancement using singular‐value decomposition is presented. Singular‐value decomposition is used to separate a 4D signal into its constituent parts: common geology, time‐lapse response and noise. Synthetic tests which demonstrate the advantages of the singular‐value decomposition technique over traditional differencing methods are also presented. This signal separation and enhancement technique is used to map out both the original and moved oil–water contacts across the Nelson Field. The singular‐value decomposition technique allows the oil–water contact to be mapped across regions which would have been missed using traditional differencing methods. In particular, areas toward the edges of the field are highlighted by the technique. The oil–water contact is observed to move upwards across the field, with the largest movements being associated, as anticipated, with natural production. The results obtained are broadly consistent with those predicted by the reservoir simulator model. Singular‐value decomposition is demonstrated to be a useful tool for enhancing the time‐lapse signal and for gaining confidence in areas where traditional differencing fails.     

地震数据正交投影分解方法的研究与应用

地震记录正交分解是值得研究的重要问题.本文将人工神经网络自组织学习算法引入到地震数据处理中,提出地震数据神经网络正交分解方法.在分解后的特征子空间中进行特征提取来消除相干和随机噪声,提高地震记录的信噪比.研究结果表明,这种实现方法是可行的,因特征滤波或数据压缩一般只需为数不多的主分量,本文的方法可根据滤波需要自适应提取所需主分量,可免去大量无用的计算,因此,本方法可降低滤波的计算成本,参与分解的道数越多效果越明显.最后,给出了对实际资料进行特征滤波的一个应用实例.