应用TAUP变换压制海洋高分辨率地震勘探中的线性干扰

线性干扰的去除对于海洋浅水高分辨率地震勘探剖面质量的提高具有重要意义.本文对海洋高分辨率地震勘探线性干扰波特性进行了研究,分析了TAUP变换去除线性干扰的基本原理,并将其应用于海洋高分辨率地震勘探中线性干扰的去除.实际处理效果表明,经TAUP变换处理后的叠加剖面,其线性干扰去除效果明显,剖面信噪比得以提升.通过与FXCNS、多道倾角滤波去除线性噪音效果对比,使用TAUP变换压制线性噪音的技术方法在渤海地区高分辨率地震勘探资料处理中可获得更为明显的效果.     

2020年10月22日四川北川MS4.7地震强震动特征分析

2020年10月22日11时03分37秒四川省绵阳市北川县发生MS4.7地震,四川强震动台网与预警烈度速报台网在震区建成较密集的台站,获取了532组三分量加速度记录,有助于开展区域地震动衰减和地震动特征研究.本文对强震记录进行常规处理后计算出强震动记录的相关参数,利用克里金插值方法得到地震动峰值加速度PGA和峰值速度PGV的空间分布图,长轴呈北西—南东方向.分析强震动记录PGA、PGV随距离的衰减规律,与常用衰减关系预测值进行对比,此次地震PGA的衰减特性与俞言祥和汪素云(2006)提出的中国西部地区水平向基岩加速度衰减关系有较好的一致性.北川MS4.7地震获得的密集强震动记录为建立区域衰减关系,以及开展基于经验格林函数方法(EGFM)再现大震强地震动场展布等研究提供了重要的数据支撑.     

海上多次波的联合衰减法

地震勘探尤其是海上地震勘探中存在着各类多次波,由于多次波的存在严重影响了速度分析、叠加、偏移成像等地震资料处理,海上多次波主要有全程多次波和层间多次两大类,为了压制海上不同类型的多次波,本文首先分析波场外推、预测反褶积和拉东变换衰减不同多次波的理论基础,然后联合采用这些方法,分别衰减全程多次波和层间多次波;即：首先对炮记录或者接收点记录进行波场外推,建立海底多次波模型,预测并减去全程多次波,然后利用预测反褶积衰减掉周期性明显的多次波,最后将数据转换到τ-p域,用拉冬变换根据同一时间多次波和有效波在速度等方面的差异,进一步分离层间多次波和剩余的全程多次波,并在该域中切除分离出的多次波,从而实现联合多次波衰减处理.通过对悉尼海区和里海等实际地震资料的处理证明,文提出的联合多次波衰减方法在海洋地震资料的处理中有着广泛的应用,联合衰减多次波处理流程具有快速、简洁、易于实现的特点,经处理后的地震资料有效信号损失小、保福性好的特点,有利于速度分析、叠加、叠前偏移等的后续处理工作.     

河北文安5.1级地震首都圈实时强震动台网加速度记录分析

通过分析首都圈实时强震动台网对文安5.1级地震的强震动记录及其加速度等值线图的对比,结果表明:(1)仪器记录峰值加速度衰减特性可以反映地震宏观特征;(2)仪器记录峰值加速度衰减关系可以作为基岩水平理论衰减关系峰值加速度的一种标定方法;(3)这次地震为我们今后进行强震动观测提供了重要的经验启示及改进方向.     

双相介质地震勘探纵向分辨率研究

利用地震响应分辨地下地质现象的能力,取决于地震记录分辨率的大小,基于双相介质模型研究地震勘探分辨率可以促进油气资源、海洋高分辨率地震勘探技术的应用与开发.基于BISQ双相介质模型,结合相速度与衰减分析,研究了雷克子波在双相介质中传播时纵向分辨率随传播距离的变化.同时,分析了渗透率、黏滞系数、喷射流长度等模型参数变化对于纵向分辨率的影响.研究表明:由于BISQ模型的衰减机制,雷克子波在传播过程中,主频不断向低频端移动,分辨率不断降低;在其他条件相同时,渗透率增加,分辨率相对较高,黏滞系数增加,分辨率相对较低,喷射流长度增加,分辨率相对较低;子波纵向分辨率在传播距离不非常大的情况下,分辨率与传播距离可以近似的作为线性关系处理.     

基于典型分解的地震勘探随机噪声模拟方法

随着矿产资源勘探的发展,地震勘探采集环境越来越复杂,接收到的反射地震记录中常常包含大量的干扰,从而造成野外地震资料信噪比低、面貌复杂、有效信息难以分辨,这对提取和利用地震记录中的有效信息造成了障碍。传统数值模拟的记录一般不具有包含各种成因的随机干扰噪声背景,虽然理论记录的处理效果都很好,但却很难处理实际低信噪比的地震资料。截至目前,地震勘探随机噪声模拟方法少有成形理论可以参考,对地震勘探随机噪声特性的认识存在一定的理想化和局限性。许多研究在进行噪声模拟时,添加的是在后续叠加处理时一般都能消除的白噪声,不能接近实际资料的处理。本文基于随机函数的典型分解理论,在用Marmousi模型记录的基础上,根据CMP道集的相干特性计算出可加性随机干扰,这种随机干扰因为与CMP道集记录具有类似的相干性而更接近实际地震资料的干扰背景。此方法可以指导地震勘探的野外观测系统的设计、地震数据的后期处理和解释。     

苏里格气田地震资料叠前保幅去噪技术研究

为了满足岩性勘探的需要,苏里格地区开展了高密度地震采集方法.采集技术的进步极大的提高了地震记录的品质,同时对开展以岩性预测为目标的保幅处理提出了更高的要求.而叠前去噪作为室内去噪处理的主战场,在保幅处理中起到重要作用.本文针对苏里格地区地震资料干扰波类型多、背景噪音强的特点,采用多域多方法联合去噪思路,对叠前地震数据上的噪声采用分频压制线性及异常强能量干扰、自适应单频波衰减及高精度反假频去除多次波等保幅去噪方法.在提高信噪比的同时,达到保幅处理效果,提高了处理结果的可靠性,使钻井成功率大大提高,从而大幅度提高了苏里格气田的经济效益.该技术系列对国内其它低孔低渗致密砂岩油气藏研究同样具有借鉴意义.     

基于小波包和峰度赤池信息量准则的P波震相自动识别方法

基于小波包变换和峰度赤池信息量准则(AIC), 提出了一种新的自动识别P波震相的综合方法, 即小波包-峰度AIC方法． 首先对由加权长短时窗平均比(STA/LTA)法粗略确定的P波到时前后3 s的记录进行小波包三尺度的分解与重构, 分别计算每个尺度重构信号的峰度AIC曲线并将其叠加, 叠加曲线的最小值则为P波震相到时; 然后对原始地震记录进行有限冲激响应自适应滤波以提高信噪比和识别精度; 最后将小波包-峰度AIC方法应用到合成理论地震图及实际地震记录的P波初至自动识别中. 结果表明: 初至清晰度对识别精度的影响比信噪比对其影响更大; 与单独使用加权STA/LTA方法和峰度AIC法相比, 小波包-峰度AIC法具有更强的抗噪能力, 识别精度更高; 当初至清晰时, 小波包-峰度AIC法自动识别与人工识别的P波到时平均绝对差值为(0.077±0.075) s．      

基于曲波变换的循环平移地震随机噪声衰减

对曲波变换的地震数据随机噪声衰减方法进行了探索,基于曲波(Curvelet)变换在图像处理方面的优越性,结合循环平移(Cycle spinning)技术提出了一种用于地震随机噪声衰减的新方法.在利用曲波变换闽值去噪算法基础上引入循环平移技术,可以消除曲波变换由于缺乏平移不变性所导致的信号伪吉布斯效应,并且较好地保留了有效信号.对地震正演模拟数据进行随机噪声衰减试验,对不同噪声含量数据进行去噪分析,并应用于实际地震数据,结果表明,新方法对去除地震随机噪音有较好的效果.     

平面波域反数据处理压制多次波方法研究

在地震勘探领域,尤其是海洋地震勘探中,多次波一直是影响地震处理与解释的主要因素之一.本文基于x-t域的反馈模型及多次波衰减的理论,详尽推导了x-t域反数据处理的方法;基于平面波域多次波的产生机制,借鉴x-t域反数据处理的方法,推导出在平面波域进行反数据处理的原理.文中给出一个有限差分的模拟数据进行测试,处理结果表明,本方法可以有效地衰减表层相关多次波,提高地震数据分析的精确性,在保护了一次波能量的同时,可以更加有效快捷地去除多次波.     

An amplitude suppression method based on the decibel criterion

To suppress the strong noise in seismic data with wide range of amplitudes, commonly used methods often yield unsatisfactory denoising results owing to inappropriate thresholds and require parametric testing as well as iterations to achieve the anticipated results. To overcome these problems, a data-driven strong amplitude suppression method based on the decibel criterion in the wavelet domain (ISANA) is proposed. The method determines the denoising threshold based on the decibel criterion and statistically analyzes the amplitude index rather than the abnormally high amplitudes. The method distinguishes the frequency band distributions of the valid signals in the time–frequency domain based on the wavelet transformation and then calculates thresholds in selected time windows, eventually achieving frequency-divided noise attenuation for better denoising. Simulations based on theoretical and real-world data verify the adaptability and low dependence of the method on the size of the time window. The method suppresses noise without energy loss in the signals.     

基于SW统计量的自适应时频峰值滤波压制地震勘探随机噪声研究

由于金属矿区地震记录中随机噪声性质复杂且信噪比低,常规降噪方法难以达到预期的滤波效果.时频峰值滤波(TFPF)方法是实现低信噪比地震勘探记录中随机噪声压制的有效方法,但其在复杂地震勘探随机噪声下时窗参数优化问题仍难以解决.本文充分利用地震勘探噪声的统计特性,结合Shapiro-Wilk(SW)统计量辨识地震勘探记录中的微弱有效信号,提出基于SW统计量的自适应时频峰值滤波降噪方法(S-TFPF).在S-TFPF方案中,对于有效信号集中区,S-TFPF方法根据信号频率特征,选择有利于信号保持的较短时窗长度;对于噪声集中区,按噪声方差自适应增加时窗长度,增强随机噪声压制能力.S-TFPF应用于合成记录和共炮点记录的滤波结果表明,与传统时频峰值滤波方法相比,S-TFPF方法可以有效抑制低信噪比地震勘探记录中的随机噪声,更好地恢复出同相轴.     

SVD与EMD联合去噪方法在地震勘探数据处理中的研究与应用

将基于倾角扫描的奇异值分解与经验模式分解法相结合应用到地震资料随机噪声压制中。首先利用经验模式分解法消除部分噪声,增强地震道有效信号的相关性,再利用奇异值分解对地震信号进行同相轴自动追踪,截取小时窗数据体,并进行同相轴拉平处理,经SVD计算小时窗数据中心点的值来代替计算样点的值,最终实现随机噪声的压制。理论模型试算和实际资料处理表明,本文提出的EMD-SVD方法简单易行,比单一的SVD方法去噪效果更显著有效地消除了地震资料中的随机噪声,提高了地震资料的信噪比,并改善了叠加剖面的质量。     

Weak Seismic Signal Extraction Based on the Curvelet Transform

Seismic signal denoising is a key step in seismic data processing. Airgun signals are easy to be interfered with by noise when it travels a long distance due to the weak energy of active source signal of the airgun. Aiming to solve this problem, and considering that the conventional Curvelet transform threshold processing method does not use the seismic spectrum information, we independently process the Curvelet scale layer corresponding to valid data based on the characteristics of the Curvelet transform of multi-scale, multi-direction and capable of expressing the sparse seismic signals in order to fully excavate the information features. Combined with the Curvelet adaptive threshold denoising the algorithm, we apply the Curvelet transform to denoising seismic signals while retaining the weak information in the signal as much as possible. The simulation experiments show that the improved threshold denoising method based on Curvelet transform is superior to the frequency domain filtering, wavelet denoising and traditional Curvelet denoising method in detailed information extraction and signal denoising of low SNR signals. The calculation accuracy of the relative wave velocity variation of underground medium is improved.     

基于卷积神经网络的井中分布式光纤传感器地震数据随机噪声压制新技术

分布式光纤传感器(distributed fiber-optical acoustic sensor,DAS)是一种快速发展的具有巨大应用前景的地震勘探检波器技术.实际DAS地震资料往往会受到大量强能量随机噪声的干扰,通常表现为低信噪比(signal-to-noise ratio,SNR).这一现象给接下来的成像、反演以及解释带来了巨大的困难,因此如何压制DAS地震资料中的随机噪声并提高其SNR成为一个有待解决的技术问题.卷积神经网络(convolutional neural network,CNN)已经被证明是一种有效的噪声压制工具.通常情况下,CNN需要一个理论纯净地震数据集来优化网络,这极大地限制了CNN在DAS地震资料处理中的应用.在本文中,我们采用正演模拟的方法来构建理论纯净DAS地震数据集,通过正演模型的参数多样化增强数据集的真实性,从而获得适合DAS地震资料随机噪声压制的CNN去噪模型.此外,在网络结构方面,我们利用泄漏线性整流单元作为CNN的激活函数增强训练后模型对微弱有效信号的恢复能力;在训练过程中,通过能量比矩阵调节噪声片和有效信号片之间的SNR,增强CNN去噪模型对于不同SNR的DAS地震数据的适应性.模拟和实际实验均表明本文提出的这种正演模型驱动的卷积神经网络(forward-model-actuation convolutional neural network,FMA-CNN)能够有效地压制DAS随机噪声同时完整地恢复有效信号.

     

基于Seislet-TV双正则化约束的地震随机噪声压制方法

人工地震数据总是受到随机噪声的干扰,地震数据时-空变的特性使得常规去噪方法处理效果并不理想,容易导致有效信号的损失.目前广泛应用的预测滤波类方法存在处理时变数据能力不足的问题.随着压缩感知理论的不断完善,稀疏变换阈值算法能够解决时变地震数据噪声压制问题,但是常规的稀疏变换方法,如傅里叶变换,小波变换等,并不是特殊针对地震数据设计的,很难提供地震数据最佳的压缩特征,同时,常规阈值算法容易导致去噪结果过于平滑.因此开发更加有效的时-空变地震数据信噪分离方法具有重要的工业价值.本文将地震数据信噪分离问题归纳为数学基追踪问题,在压缩感知理论框架下,利用特殊针对地震数据设计的VD-seislet稀疏变换方法,结合全变差（TV）算法,构建seislet-TV双正则化条件,并利用分裂Bregman迭代算法求解约束最优化问题,实现地震数据的有效信噪分离.通过理论模型和实际数据测试本文方法,并且与工业标准FXdecon方法进行比较,结果表明基于seislet-TV双正则化约束条件的迭代方法能够更加有效地保护时-空变地震信号,压制地震数据中的强随机噪声.

     

一种神经网络改进小波的地震数据随机噪声去除方法

地震资料的有效信号反射弱,且易受多次波的影响,不可避免地存在随机噪声干扰。提出一种基于神经网络改进小波的地震数据随机噪声去除方法,采用神经网络模型,识别出随机噪声信号,对该信号进行小波包分解,获取多类别随机噪声信号,采用级联BP神经网络模型提取出多类别随机噪声信号,实现地震数据的随机信号压制。实验结果显示,这种改进小波方法对地震数据随机噪声信号的去噪效果较好,在复杂沉积地质结构被探测介质的地震数据随机噪声压制方面具有较强的适用性。     

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.

     

GNMF小波谱分离在地震勘探噪声压制中的应用

地震勘探资料噪声压制及信噪比提高是整个地震勘探信号处理过程中的重要任务,随着地震勘探深度的增加及其复杂性,人们对地震数据质量的要求越来越高.勘探环境的复杂化使得采集到的地震资料中有效信号被大量噪声淹没,无法清晰辨识,严重影响后续的数据处理与解释.小波去噪是地震勘探中常用且发展较成熟的一种方法,但是其涉及到的阈值函数选取问题一直令人困扰,虽然已有多种阈值函数被提出,但仍存在各自的缺陷.本文利用小波分解在时域及频域良好的信号细节体现特性,引入模式识别中的非负矩阵分解(NMF)谱分离思想,针对小波系数阈值优化问题,提出了一种小波域图非负矩阵分解(GNMF)消噪算法.该方法首先在小波分解基础上,利用GNMF算法实现小波分解系数谱中信号分量与噪声分量的谱分离,然后通过反变换重构各分离子谱对应的子信号,最后利用K均值聚类算法将得到的多个子信号划分为信号类及噪声类,最终得到重构信号及分离噪声.合成记录和实际地震资料的消噪结果验证了新方法在提高信号与噪声分离准确性和精度方面的有效性,同时新方法避免了阈值选取造成的噪声压制不理想或有效成分损失问题.与小波消噪结果的对比及数值分析也说明了新方法在噪声压制及有效成分保持方面的优势.     

低信噪比地震资料FDOC-seislet变换阈值消噪方法研究

地震数据本质上是时变的,不仅有效同相轴表现出确定性信号的时变特征,而且复杂地表和构造条件以及深部探测环境总是引入时变的非平稳随机噪声.标准的频率-空间域预测滤波只适合压制平面波信号假设下的平稳随机噪声,而处理非平稳地震随机噪声时,需要将数据体分割为小窗口进行分析,但效果不够理想,而传统非预测类随机噪声压制方法往往适应性不高,因此开发能够保护地震信号时变特征的随机噪声压制方法具有重要的工业价值.压缩感知是近年出现的一个新的采样理论,通过开发信号的稀疏特性,已经在地震数据处理中的数据插值以及噪声压制中得到了应用.本文系统地分析了压缩感知理论框架下的地震随机噪声压制问题,建立了阈值消噪的数学反演目标函数;针对时变有效信息具有的可压缩性,利用有限差分算法求解炮检距连续方程,构建有限差分炮检距连续预测算子（FDOC）,在seislet变换框架下,提出一种新的快速稀疏变换域——FDOC-seislet变换,实现地震数据的高度稀疏表征;结合非平稳随机噪声不可压缩的特征,提出了一种整形迭代消噪方法,该方法是一种广义的迭代收缩阈值（IST）算法,在无法计算稀疏变换伴随算子的条件下,仍然能够对强噪声环境中的时变有效信息进行有效恢复.通过对模型数据和实际数据的处理,验证了FDOC-seislet稀疏变换域随机噪声迭代压制方法能够在保护复杂构造地震波信息的前提下,有效地衰减原始数据中的强振幅随机噪声干扰.