同步提取三参数小波变换及其在储层含气性检测中的应用

随着我国石油勘探程度的不断加深,非常规油气藏逐步成为了油气勘探的重点.由于致密砂岩具有低孔、低渗、非均质性强等特性,因此迫切需要高精度时频分析后处理方法对该类气藏进行有效表征.本文提出了一种同步提取三参数小波变换(Synchroextracting Three-Parameter Wavelet Transform, SETPWT)新方法,该方法具有小波变换多尺度多分辨率的特性,通过改变三个参数来调节小波基的主频、带宽及相位,灵活匹配多种类型的合成信号以及地震子波;与传统时频分析方法相比,同步提取三参数小波变换在三参数小波变换结果的基础上引入同步提取算子(Synchronous Extraction Operator, SEO),通过SEO提取与信号理想时频谱高度相关的时频信息,去除多余能量,从而实现非平稳信号的高精度时频表征.合成信号算例表明,同步提取三参数小波变换的分辨率不但明显高于常用时频变换,同时具有优于同步提取变换(Synchroextracting Transform, SET)的抗噪性能;将同步提取三参数小波变换应用到地震资料含气性检测中,进一步验证了该时频算法在致密砂岩...     

基于小波分析的断层检测

断层在地震数据中显示出奇异性,经过小波变换可以得到断层位置处地震数据的奇异性属性.对包含断层的地震数据进行小波分析处理,能够得到断层的垂直和水平位置.在实际地震资料中将地震信号表示成不同尺度和不同位置的基本单元,然后对变换系数进行极值提取,检测出不同尺度下的地震信号突变特征,从而进行断层检测.对实际地震资料进行地震信号奇异性检测时,首先将地震剖面划分成层,然后在每一层内将尺度参数进行离散化,计算地震记录的小波变换系数,对于某一个尺度求取每一道小波变换系数的最大值,将每一道地震记录小波变换系数的最大值根据原地震道的位置进行排列,得到奇异性曲线.对于某一尺度,断层所在的水平位置对应着奇异性曲线的最值位置,最后绘出整个剖面的极值点检测结果.     

基于广义S变换研究地震地层特征

将S变换引入到地震地层研究中,用广义S变换代替短时Fourier变换或连续小波变换,用于地震数据频谱分解和提取地震旋回特征.为此,首先研究了S变换的性质及其与短时Fourier变换、连续小波变换的比较,进一步给出广义S变换的特点,说明其如何获得更高分辨率.同时,对前述方法进行数值实现,模型数据试算结果表明算法的正确和有效性.在上述工作基础上,本文首次提出用广义S变换进行地震频谱分解和研究地震旋回,给出实现策略及2D实际地震数据试算结果,证明方法的有效性,为进一步实用化奠定理论和方法基础.     

基于Hilbert-Huang变换和随机子空间识别的模态参数识别

基于Hilbert-Huang变换和随机子空间识别技术提出了两种土木工程结构的模态参数识别方法。方法一是基于Hilbert-Huang变换和自然激励技术,通过经验模态分解和Hilbert变换提取信号的瞬时特性,进而利用自然激励技术和模态分析的基本理论识别结构的模态参数;方法二是基于经验模态分解和随机子空间识别技术,通过经验模态分解对信号进行预处理,进而运用随机子空间识别方法处理得到的结构单阶模态响应以识别结构的模态参数。利用这两种方法,通过对一12层钢筋混凝土框架模型振动台试验测点加速度记录的处理,识别了该模型结构的模态参数。识别结果与传统的基于傅里叶变换的识别结果及有限元分析结果的对比验证了这两种方法的可行性和实用性。     

带有低通滤波的广义S变换在探地雷达层位识别中的应用

同其它分析时变信号的方法相比,S变换具有独特的优点.但是S变换的时窗函数形式固定,限制了其在信号分析和处理中的应用.针对这一问题,本文对S变换进行了改进和推广,在S变换的时窗函数中引入调节参数,同时将低通滤波函数融入其中,提出了一种广义S变换.通过调节参数大小来调节广义S变换的时间分辨率和频率分辨率,从而使该变换具有很强的适用性.本文使用该变换对实测探地雷达数据进行了层位识别研究,取得了较好的效果.     

基于Curvelet变换的地震资料信噪分离技术

在地震资料中,噪声干扰严重影响了有效信号的提取,为此必须进行信噪分离处理.本文提出一种基于Curvelet变换和KL变换相结合的软硬阈值折衷处理方法.首先对地震数据进行Curvelet变换,然后对各尺度系数选取适当阈值压制噪声干扰,再利用KL变换提取数据中的相干有效信号,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,该方法与小波变换法相比较,更能有效进行信噪分离,提高地震剖面信噪比和分辨率.     

基于相似变换的CT图像缺陷定位方法

为对CT图像中的缺陷进行简单有效定位,提出一种基于相似变换的缺陷定位新方法。在提出并证明相似变换性质的基础上用该法对验证CT图像进行缺陷定位,从定位结果的分析得出基于相似变换缺陷定位方法的有效性和准确性。从不同模板定位结果的比较得出人为构建模板的可行性。     

基于LSTM网络的在线藻类时序数据预测研究:以三峡水库为例

三峡水库在不同水位调控期支流回水区末端水深变化幅度较大,加之复杂水动力变化产生的生境异质性,塑造出有别于浅水湖泊的水华暴发特征.本研究基于库区4条支流——香溪河、澎溪河、大宁河及草堂河部署的自动监测数据,利用小波变换(WT)和长短期记忆网络(LSTM)构建藻类时序变化预测模型,并探讨神经网络层数、每层隐藏神经元数、时间步长数等关键参数的最优组合.结果表明:WT-LSTM模型可有效预测在线获取的叶绿素a浓度变化,模型在4条支流的均方根误差(RMSE)为0.049～0.221μg/L,平均相对误差(MRE)为0.43%～1.12%;预测结果揭示深度神经网络方法可有效地提取在线藻类时序数据特征,而相较于深度置信网络(DBN),LSTM在4条支流叶绿素a预测的平均RMSE和MRE分别降低了9.20%和3.06%;在线监测数据的小波降噪并未影响叶绿素a的变化趋势,且WT-LSTM模型对叶绿素a预测效果显著提升于WT-DBN,平均RMSE和MRE分别降低了51.72%和59.24%;通过设置不同时间步长的预测实验,证实24 h内模型精度会随着预测步长的增加而降低,但模型平均相对误差可保持在13%以内,且对区间内叶绿素a极大值的预测精度要优于其平均值.本研究为水华预测上耦合在线监测与深度学习提供了研究范例,通过4个站点数据的交叉验证实验,亦证实具有统计学关联性的不同空间数据合并后可延展时序模型的学习样本,增强模型在实际应用中的稳健性.     

基于沃尔什变换和高斯模型的测井曲线分层方法

在分析了单独利用沃尔什变换或高斯模型进行测井曲线自动分层优缺点的基础上,提出了一种沃尔什变换和高斯模型联合的测井曲线自动分层方法.该方法融合了沃尔什变换简单、快速的特点,同时又利用了高斯模型对沃尔什变换分层的边界进行校正,实现了测井曲线由粗到细的分层过程.实例应用表明,该方法能够利用多条测井曲线进行自动分层,效果良好,验证了模型的可靠性和实用性.     

基于连续小波变换的大地电磁信号谱估计方法

在基于连续小波变换的大地电磁信号谱估计方法中 ,通过引入整体平均、小波系数收缩和显著性检验等统计技术 ,以提高谱估计的精度 .文中同时讨论了连续小波变换中各种参数的选取问题 ,给出了Morlet小波函数中尺度与傅里叶频率之间转换的经验公式 ,并给出了谱估计的具体算法 .结果表明 ,本文方法可有效压制较强的白噪声和局部相关噪声 .与FFT谱估计方法相比 ,该方法大大降低了对信号记录长度的要求 ,因而对大地电磁信号的处理有实际意义 .