压制地震勘探随机噪声的分段时频峰值滤波方法

提高勘探资料信噪比是地震勘探的主要内容之一.本项研究利用短时能量将记录分成能量均衡的若干段,获得减少尺度变换误差的分段时频峰值滤波方法,并运用端点拓展和与地震信号特征匹配的多级时窗参数改进时频峰值滤波精度.理论模型和共炮点资料处理结果表明,分段时频峰值滤波很好地消除了尺度变化误差引起的信号波形阶梯状畸变,能够在压制强随机噪声的同时更好地保留信号特征.对低信噪比勘探资料处理具有较大的应用价值.     

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.     

用时频峰值滤波方法消减地震勘探资料中随机噪声的初步研究

时频峰值滤波算法是一种新颖的基于时频分析的信号增强算法,能够有效地消除随机噪声,恢复有效波信息.本文将这种时频分析算法用于消除地震勘探资料中的随机噪声,对淹没于随机噪声下的40道共炮点记录进行时频峰值滤波,恢复出来的共炮点记录可以清楚地表现原始记录同相轴的位置.经过对40道中任选两道（即第21道和第7道）滤波前后的子波形态Wigner\|Ville分布、傅立叶振幅谱等的比较,可知仅在谷值和峰值点误差较大,子波带宽相对误差小于25％.仿真试验表明信噪比可达－7dB,说明该方法可以有效地消减地震资料中的随机噪声.     

自适应非局部均值地震随机噪声压制(英文)

非局部均值滤波是一种基于图像信息冗余的去噪方法,其认为图像自身的有效结构具有一定的重复性,而随机噪声则不具备这一特点,通过利用图像本身的自相似性来达到压制随机噪声的目的,是一种全局的去噪方法。本文把这一思想引入地震数据随机噪声压制中,针对传统非局部均值滤波计算量过大的问题,文章采用分块非局部均值的方式来减少计算量;针对滤波参数选取会影响非局部均值滤波效果的问题,提出一种简单的自适应滤波参数地震数据分块非局部均值算法。模型和实际数据处理结果表明:相对于传统的去噪算法(如f-x反褶积),该方法在压制随机噪声的同时对有效信号保护地更好,具有更高的保真度,更有利于后续的处理和解释工作。     

基于方向可控滤波的地震勘探随机噪声压制

针对地震勘探随机噪声的压制,本文应用拉伸厄米特高斯函数设计出方向可控滤波器.根据时空域上随机噪声的无方向性与有效信号的有向性的区别,通过局部数字特征,对数据进行选择后重组信号.方向选择性的增加,使得滤波过程能与不同方向的轴进行匹配,噪声被压制的同时保持信号的幅度;方向可调性,使得计算效率提高,且所需存储空间减少.仿真实验表明,采用此方法,信号保幅性和去噪效果均比传统的小波算法以及Curvelet变换好,在-5 db信噪比下,本文方法保幅度为92.99%,信噪比提升221.774%,在实际地震信号处理中有明显的抑制噪声、保持有用信号的效果.     

强随机噪声条件下时窗类型局部线性化对TFPF技术的影响

为了更广泛地应用时频峰值滤波方法消减地震勘探记录中强随机噪声,本文比较详细地探讨了该方法在应用时需要处理的时窗选取、一个时窗内局部线性化等主要基础技术问题.经过时变时窗的仿真计算,运用多项指标比较,包括整体背景强弱、振幅谱、信噪比、均方误差、有效子波波峰波谷幅值、畸变程度,综合评价出（L0+Lx）时窗滤波的效果较理想.对于三角波这类简单类型的周期波,其时频峰值滤波效果与边线段平均曲率变化、时窗长度等条件有关,即三角波边线段平均曲率越大,滤波结果的均方误差越大;另外,边线段平均曲率增大时,选取的时窗长度有变小的趋势.总之,在地震勘探中应用时频峰值滤波方法消减强随机噪声时,一方面要合理地选取时窗参数,另一方面时窗参数又不能变化过大,以避免对有效子波波形产生畸变影响.     

基于f-x域流式预测滤波器的地震随机噪声衰减方法

随机噪声的影响在地震勘探中是不可避免的,常规的随机噪声压制方法在处理中往往会破坏具有时空变化特征的非平稳有效地震信号,影响地震数据的准确成像.当前油气勘探的目标已经转变为“两宽一高”,随着数据量的增大,对去噪方法的处理效率也提出了更高的要求.因此,开发高效的非平稳地震数据随机噪声压制方法具有重要意义.预测滤波技术广泛用于地震随机噪声的衰减,本文基于流式处理框架提出一种新的f-x域流式预测滤波方法,通过在频率域建立预测自回归方程,运用直接复数矩阵逆运算代替迭代算法求解非平稳滤波器系数,实现时空变地震同相轴预测,提高自适应预测滤波的计算效率.通过与工业标准的FXDECON方法和f-x域正则化非平稳自回归(RNA)方法进行对比,理论模型和实际数据的测试结果表明,提出的f-x域流式预测滤波方法能更好地平衡时空变有效信号保护、随机噪声压制和高效计算三者之间的关系,获得合理的处理效果.     

云南鲁甸Ms6.5级地震罕见大峰值记录时-频反应谱分析

2014年云南鲁甸M_s6.5地震龙头山台站记录到东西向峰值加速度948.50 Gal的罕见大峰值记录（简称"龙头山EW记录"）,震中烈度高达Ⅸ度,而震中距大于10 km以后,峰值加速度和烈度均迅速减小。为研究这一现象,利用时-频反应谱对震中距45 km以内的6个台站记录进行了时频特性分析,发现龙头山EW记录幅值区域相对集中且谱值很大,沿持时轴连续分布两个幅值带,高频和低频成分均远大于其拓展设计反应谱,据此设计的自振周期处于0.4~0.8s的结构将遭受严重累积破坏。另外5个台站时-频反应谱值小且覆盖区域狭小,作用时间短,无论在自振周期轴方向,还是持时轴方向均远小于其拓展设计反应谱覆盖区域,结构不会发生破坏或仅发生可修复的轻微破坏。震害调查结果与时-频反应谱分析结果相符,证明鲁甸地震小震级、高烈度、大灾害的特点与龙头山EW罕见大峰值记录的时频特性有着密切关系,时-频反应谱有利于用来分析结构破坏机理,具有研究的理论意义与应用价值。     

基于相位差谱的时─频非平稳人造地震动的生成

本文首先考察了地震动加速度时程在时域和频域上的非平稳性，通过实例分析说明地震动加速度时程 的非平稳性不能由相位谱的概率分布唯一决定，进而阐明了相位差谱是影响地震动非平稳的决定性因素。经 统计检验确定了脉动相位差的概率分布模型，利用相位差谱的数字特征与地震特性参数之间的统计关系，给 出了基于相位差谱的地震动时程生成方法。最后，通过对计算实例的分析，证实了此方法能够反映并模拟实 际地震动的时─频非平稳性。     

基于非线性时频分析的地震和爆破识别

利用非线性赵-阿特拉斯-马克斯(Zhao-Atlas-Marks)时频分析方法对地震和爆破进行分析,结果显示:爆破的时频谱的时频聚集性比地震的时频聚集性较好;地震P波的平均频率大于爆破P波的平均频率;地震S波的平均时频中心相对于爆破分布在时间—频率面左上角。     

Seismic directional random noise suppression by radial‐trace time–frequency peak filtering using the Hurst exponent statistic

Radial‐trace time–frequency peak filtering filters a seismic record along the radial‐trace direction rather than the conventional channel direction. It takes the spatial correlation of the reflected events between adjacent channels into account. Thus, radial‐trace time–frequency peak filtering performs well in denoising and enhancing the continuity of reflected events. However, in the seismic record there is often random noise whose energy is concentrated in certain directions; the noise in these directions is correlative. We refer to this kind of random noise (that is distributed randomly in time but correlative in the space) as directional random noise. Under radial‐trace time–frequency peak filtering, the directional random noise will be treated as signal and enhanced when this noise has same direction as the signal. Therefore, we need to identify the directional random noise before the filtering. In this paper, we test the linearity of signal and directional random noise in time using the Hurst exponent. The time series of signals with high linearity lead to large Hurst exponent value; however, directional random noise is a random series in time without a fixed waveform and thus its linearity is low; therefore, we can differentiate the signal and directional random noise by the Hurst exponent values. The directional random noise can then be suppressed by using a long filtering window length during the radial‐trace time–frequency peak filtering. Synthetic and real data examples show that the proposed method can remove most directional random noise and can effectively recover the reflected events.     

基于S变换的随机噪声压制方法

S变换是近年来发展起来的一种时频分析方法,本文首先通过设计理论模型测试S变换对非平稳信号的分辨能力,然后将S变换引入对地震资料随机噪声的压制中去,测试了S变换压制随机噪声的效果．研究表明：S变换是一种有效的时频分析方法,并可以很好地压制叠前地震资料的随机噪声．     

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DMFF-Net的地震随机噪声压制新技术

地震勘探是油气和矿产资源开发领域使用最为广泛的物探方法之一.由于采集条件的限制,地震记录中通常混杂有大量的随机噪声,导致勘探资料普遍信噪比(Signal-to-Noise Ratio,SNR)较低,这严重影响有效信号辨识的精度,为后续反演、解释等工作带来巨大挑战.此外,地震勘探随机噪声通常具有非平稳、非高斯和与信号存在频带混叠等复杂特性,导致传统方法在处理复杂勘探记录时,消噪性能可能发生退化.针对复杂勘探随机噪声消减问题,本文提出了一种新型的双层多尺度特征融合去噪网络(Double-layer Multi-scale Feature Fusion Denoising Network,DMFF-Net).该网络具有多尺度网络结构,利用多分支模块提取勘探数据不同尺度和不同分支的潜在特征,提升网络对于勘探记录复杂特征的学习能力.同时,采用跳跃连接实现浅层和深层信息的融合,提升网络对微弱信号的恢复能力.模拟和实际资料处理结果表明,相较传统地震勘探资料消噪方法而言,DMFF-Net可以更加有效地压制随机噪声,完整恢复有效信号,显著提升地震资料信噪比,在信号保幅性和微弱信号恢复能力方面更具优势.

     

一种基于频率域偏振分析提高三分量地震资料信噪比的方法

三分量地震资料包含着丰富的运动学和动力学信息,各种随机噪声的存在严重降低了资料的信噪比,给有效信息的提取带来了一定的困难.本文在引入多窗谱分析方法的基础上,通过对谱密度矩阵特征问题的求解提取三分量地震记录的偏振参数,实现频率域偏振分析;根据所求得的偏振参数以及随机噪声和有效信号的偏振特性差异,设计相应的自适应滤波器,通过该滤波器的滤波作用,最终实现压制随机噪声的目的.