基于广义S变换的地震资料信噪分离方法

基于S变换具有良好的时频聚焦性和分时分频性,将可灵活选取窗函数的广义S变换引入到地震信号去噪处理中,系统研究了广义S变换在地震资料信噪分离中的应用。首先对地震数据进行广义S变换,然后对含噪频率剖面选取适当阈值压制噪声干扰,提取有效信号,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,该方法能有效地进行信噪分离,提高地震剖面信噪比和分辨率。     

基于改进混沌果蝇优化小波阈值法地震信号随机噪声压制

由于野外采集地震资料往往带有较多的随机噪声,给资料解释造成困难。针对小波阈值去噪的阈值选取通常需要对信号进行先验估计,带有较强猜测性,阈值选取难以获得最优结果。本文提出基于改进混沌果蝇优化的小波阈值法,将基于广义交叉验证(GCV)函数设定为阈值选取目标函数,在混沌果蝇优化算法中引入调节系数实现对该目标函数的迭代寻优,在无先验信息前提下,获取最优小波阈值。通过将本文算法用于合成地震记录和实际地震记录进行去噪处理,并对比常用小波阈值去噪算法,证明了本文算法的有效性。     

利用小波阈值法提高地震勘探信号的信噪比

在地震勘探信号处理中,能否得到高信噪比的信号是正确解读实际勘探信号的关键。在实际勘探中,受到环境等因素的影响,检波器接收到的信号中夹杂着各种相干及随机噪声,降低接收信号的信噪比。鉴于传统傅里叶变换无法处理随机噪声,本工作提出利用改进的小波阈值法提高含随机噪声的信噪比,通过MATLAB仿真和勘探实验验证。建立仿真模型,比较了改进阈值函数与现有软、硬阈值法的去噪效果;信噪比和均方根误差结果显示,改进阈值函数去噪后的信噪比优于软和硬阈值函数的信噪比。利用地震雷克子波建立了地震正演模型,对比改进阈值函数处理前后的结果显示,改进阈值函数法能充分保留有用信号,有效地消减勘探信号中的随机噪声,可为勘探信号解释提供一种新的去噪方法。     

基于改进迭代去噪法的多震源地震数据分离

多震源激发技术与单震源采集方法相比,极大地提高了地震勘探效率,其混合数据的分离是影响成像的关键因素。将多震源混合数据的伪分离记录从共炮道集分选到其他道集时,次震源地震信号表现为随机噪声,可通过迭代去噪的方法进行分离。本文对传统的迭代预测去噪法进行改进,在每次去噪前加入上一次分离结果来增加迭代去噪的稳定性,并结合多方向矢量中值滤波来进行随机噪声的去除。通过理论模型的多震源混合数据分离试验,表明本文提出的方法具有更好的分离效果,且更为强健,在不同滤波参数下均能保持一定的稳定性。将该方法应用于实际海洋混合地震数据的分离,同样能得到较好的分离结果,具有实际应用价值。     

新疆喀拉通克铜镍矿地震资料噪声分析与压制

金属矿地震勘探中原始数据的信噪比较低,多种干扰波混杂在地震记录中,严重影响了金属矿地震资料的成像质量。因此,选择有效的去噪方法是提高资料品质的关键。以新疆喀拉通克铜镍金属矿区地震资料处理为基础,在FOCUS5.4处理软件平台下采用多方法联合去噪技术压制单频波、声波、面波以及机械振动等干扰。通过模块测试和参数调试,找到适合该金属矿区的去噪方法技术。经过去噪处理,大幅提高了金属矿地震资料的信噪比。     

基于模糊模式识别的支持向量机的回归预测方法

尝试把最近发展起来的支持向量机引入水文预测中,建立了支持向量机水文回归预测模型,为小样本情况下水文预测提供一种行之有效的可选择的方法。在此基础上,为了更好地处理水文系统中广泛存在的不确定、模糊信息,进一步把模糊模式识别理论引入支持向量机,提出一种模糊模式识别核函数。该核函数具有更明确合理的物理意义。冰凌预测实例表明了SVM水文回归预测方法及模糊模式识别核函数的有效性和可行性。     

基于ICEEMD-RAKSVD的地震弱信号去噪方法

随着勘探精度的提高,弱信号在地震勘探信号里越来越被重视.识别弱信号的核心是通过去除噪音来提取有效信号,在众多去噪方法中,基于CEEMD与KSVD的去噪方法能够达到较好的去噪效果,但其计算效率相对较低.这里将改进的CEEMD(ICEEMD)与正则化近似KSVD(RAKSVD)有机结合起来,该方法首先利用ICEEMD将信号...     

井中地震时频域自适应异常振幅压制

井中地震资料波场复杂,往往包含一些特有的异常强振幅噪音,使得大部分地面地震资料去噪方法无法直接应用于井中。面对井中地震波场时,时频域去噪方法压制异常强干扰的能力和处理结果的保真性优于常规去噪方法。通过研究基于小波变换的时频域去噪方法,根据各道记录在每个频段上的能量积累大小识别周期性强噪声,或根据每个频段不同样点处小波系数与其所在时窗内的平均水平进行比较,识别无规则异常强噪声点,实现井中地震波场时频域自适应异常强振幅衰减方法。经过理论与实际资料测试,验证了该方法的正确性与实用性,去噪后记录连续性完整、时频谱形态自然,对于井中地震实际资料,其去噪效果在某些方面优于现有商业软件,应用前景较好。     

分频径向道中值滤波在地震资料处理中的应用

在地震资料处理中去噪处理占有非常重要的地位,地震资料的信噪比高低将直接影响到后续处理的效果。针对地震记录的相干干扰特征,利用小波变换的分频技术,在相干干扰与有效信号共存的频带,利用径向道中值滤波方法提取相干干扰波,并由小波反变换重构整个干扰波场,再从原始记录中减去,实现了高保真度去噪处理,对有效波损失降至最小。实际应用效果表明,该方法能有效改善地震记录品质,提高地震剖面的信噪比。     

基于支持向量机的地震属性优选及煤层气预测

为了充分发挥地震属性分析技术的优势,针对地震勘探中的小样本事件,阐述了支持向量机原理,开展了基于支持向量机的煤田地震属性非线性优选的方法研究,并在煤层气含量预测中取得了良好的效果。结果表明:基于支持向量机(SVM)属性优选的煤层气预测效果比运用钻孔插值的效果更精确,较好地解决了小样本的学习问题,可作为煤层气预测的一种有效方法。      

一种基于核学习的储集层渗透率预测新方法

基于核学习的支持向量机,是一种采用结构风险最小化原则代替传统经验风险最小化原则的新型统计学习方法,具有完备的理论基础。这里提出了核学习技术在储集层非均质特性描述中渗透率参数预测的新用途。在复杂地层中,基于支持向量机的智能和自适应模式识别能力而建立了常规测井多参数信息输入的渗透率预测模型,然后对实际油田储集层渗透率进行了预测。与常规线性回归模型预测结果相对比,所提出的方法更易于使用,很少受不确定因素的影响,并具有较强的信息整合能力以及更高的预测准确性和可信度。     

Modeling of Oblique Load Test on Batter Pile Group Based on Support Vector Machines and Gaussian Regression

This paper evaluates the potential of two machine learning approaches i.e. Support vector machine (SVR) and Gaussian processes (GP) regression to model the oblique load capacity of batter pile groups. Linear regression was used to compare the performance of both SVR and GP based regression approaches to model the oblique load. Data set used consists of 147 samples obtained from the laboratory experiments. Out of the total sample size, 105 randomly selected samples were used for training whereas remaining 42 were used for testing the models. Input data set consist of angle of oblique load, pile length, sand relative density, number of vertical piles, number of batter piles where as oblique load was considered as output. Two kernel functions i.e. Polynomial and radial based kernel function were used with both SVR and GP regression. A comparison of results suggest that radial basis function based SVR approach works well in comparison to GP and linear regression based approaches and it could successfully be employed in modelling the oblique load capacity of batter pile groups. Parametric analysis and sensitivity analysis suggest that loading angle, pile length and number of batter pile were important in prediction of oblique load.     

Pre-processing data using wavelet transform and PCA based on support vector regression and gene expression programming for river flow simulation

An accurate estimation of flow using different models is an issue for water resource researchers. In this study, support vector regression (SVR) and gene expression programming (GEP) models in daily and monthly scale were used in order to simulate Gamasiyab River flow in Nahavand, Iran. The results showed that although the performance of models in daily scale was acceptable and the result of SVR model was a little better, their performance in the daily scale was really better than the monthly scale. Therefore, wavelet transform was used and the main signal of every input was decomposed. Then, by using principal component analysis method, important sub-signals were recognized and used as inputs for the SVR and GEP models to produce wavelet-support vector regression (WSVR) and wavelet-gene expression programming. The results showed that the performance of WSVR was better than the SVR in such a way that the combination of SVR with wavelet could improve the determination coefficient of the model up to 3% and 18% for daily and monthly scales, respectively. Totally, it can be said that the combination of wavelet with SVR is a suitable tool for the prediction of Gamasiyab River flow in both daily and monthly scales.     

基于时间序列与混合核函数SA-SVR的滑坡位移预测模型研究

本文针对阶跃型滑坡变形定量预测困难,提出一种基于时间序列分解与混合核函数SA-SVR的滑坡位移预测模型.首先基于时间序列分解原理,反复使用指数平滑法将滑坡累积位移分解为趋势项位移和周期项位移,使分解后的趋势项位移较平滑且能保证周期项位移的预测精度.同时针对多项式预测容易过拟合造成预测值偏离真实值的问题,采用K-flod...     

核主成分分析与支持向量机模型在储层识别中的应用

针对低孔、低渗致密储层识别较常规储层难这一问题,首次应用核主成分分析与支持向量机(KPCA-SVM)模型进行储层识别.该模型先通过核主成分分析(KPCA)进行非线性特征参数提取,然后将提取的特征参数作为支持向量机(SVM)的输入变量,最终实现储层识别.由于KPCA-SVM模型集成了核函数、主成分和支持向量分类机的优点,较好地解决非线性小样本的问题,能消除数据之间的噪音,降低维数,而又不缺失有效信息,达到准确快速预测的功能.将该模型应用到新场须二气藏新856井区储层预测中,预测结果验证了本模型的优越性,可作为致密储层预测的可选方法.     

嵌入式Linux技术在遥测数字地震电源站中的应用

高精度遥测数字地震仪作为新一代地震勘探仪器,对我国油气资源的地震勘探开发起着极其重要的作用。嵌入式Linux技术是一种基于嵌入式微处理器的高性能、低功耗的嵌入式系统解决方案,为研制新型遥测数字地震电源站提供了一条新途径。介绍了应用PPC405高性能嵌入式微处理器及FPGA芯片构建的双层堆叠式电源站硬件系统,并在该硬件构架上完成了U Boot、嵌入式Linux内核、JFFS2文件系统的移植及电源站相关驱动程序和应用程序的开发,实现了遥测数字地震电源站的数据传输和网络交互功能。     

改进的子波反褶积在天然气水合物地震资料处理中的应用

天然气水合物地震勘探的实际工作,需要在三维空间对天然气水合物矿体进行精细刻画,为此必须获得高分辨率的地震资料,而反褶积处理是提高地震资料分辨率的主要手段之一。本研究设计的改进子波反褶积算法,对地震记录的对数功率谱进行滤波,不但可有效识别BSR,同时可克服反射系数非白噪声的影响;采用谱间的互相关平均代替算术平均,可有效提高地震资料的分辨率;在提取子波的过程中,采用希尔伯特变换算法,提取子波简单、方便。通过对南海北部海域HS621测线的地震数据进行处理,证明该算法不但能稳定、清晰地追踪BSR,并且能有效地提高地震数据分辨率,满足天然气水合物地震资料精细处理的要求。     

基于聚类和支持向量回归的短期负荷预测方法

提出了一种基于自组织特征映射(SOFM)的聚类分析和支持向量回归(SVR)的电力系统短期负荷预测方法。该方法首先利用自组织特征映射网络,通过无监督学习策略,对训练样本集进行聚类分析,将其分为若干相似子类;再针对每一子类构造一个支持向量回归(SVR)模型,以对应子类的样本集训练SVR模型。由于聚类后的每一子类的样本具有相似性,同时子类样本数较少,因此,该方法能够缩短训练时间,提高预测精度。基于某电网提供的历史负荷数据进行的不同方法对比实验说明了该方法的有效性。