相空间地震波初至时刻拾取

提出了一种新的地震波初至时刻拾取的方法,即将原始时间序列信号映射到相空间当中,通过其相空间图的特征进行初至时刻的拾取。相对于非常耗时的传统方法,本方法使得运算速度提高,结果更加精确稳定。     

空变时窗约束地震波初至的拾取方法

地震资料初至波拾取是静校正处理中基础且繁重的工作,初至波自动拾取的方法研究具有重要的意义.本文介绍一种空变时窗约束地震波初至拾取的方法.该方法对共炮集记录排序,使排序后炮集中前后炮位置最近,根据坐标位置相近的记录初至波形态相似的认识,认为后一炮的初至基本就在以前一炮初至时间为中心的较小时窗内,以此为约束拾取每一炮初至....     

岩石超声检测信号初至的AIC自动拾取方法

岩石超声检测中最重要的一个环节是初至的拾取,然而该项工作往往费时费力,拾取精度受人为因素影响较大。为提高声波速度检测、声发射定位、以及超声层析成像的应用效率和精度,本研究将地震学中应用比较广泛的AIC初至自动提取技术引入到岩石超声检测中,并进行了适当改进。利用改进前后的AIC方法,自动拾取仿真信号和实际信号的初至,并利用长短时窗比方法(STA/LTA)和手动方法拾取了初至,同时分别与设定的实际初至进行对比。根据实验结果,对于信噪比较低的信号AIC方法要优于STA/LTA方法;改进前的AIC方法适用于起跳干脆、幅度变化大的信号,而改进后的AIC方法则适用于起跳较平缓的信号,且拾取到的初至与手动拾取的初至更加接近。     

基于时频变换的低信噪比地震信号初至拾取

初至拾取是勘探地震资料处理中最基础的工作之一,现有的初至拾取方法日趋成熟.但当信号信噪比较低时,常规方法的拾取精度随之降低,因此一些适用于低信噪比数据的拾取方法被提出.其中应用较广泛的是基于时频分析的初至拾取方法,由于拾取过程涉及时频正变换和逆变换,效率较低,鉴于此,基于时频系数的叠加结果和时间域信号具有相同波形特征的...     

基于自适应Morlet小波的低信噪比微震信号初至拾取方法研究

针对影响微震初至拾取的资料信噪比过低的问题,传统方法的拾取精度与稳定性大多不太理想.为了克服低信噪比条件下初至无法有效拾取的缺点,本文设计了一种对目标成分具有高敏感性的自适应Morlet小波基,通过利用该小波基对微震记录进行小波分解,利用三分量数据的有效成分在小波域内具有特征相关性,对三分量小波系数进行主成分分析,提取主成分特征,最终对各级主成分进行加权重构,实现对低信噪比微震信号的初至拾取.在设计有不同信噪比的模型实验与实际资料应用中,该算法均表现出优异的抗噪性能.在极低信噪比条件下,仍能精确指示有效成分的初至.模型实验与实际资料处理结果均验证了本方法对极低信噪比微震资料的初至拾取处理上的有效性与实用性.本方法在微震监测等相关领域中具有较高的理论与应用价值.     

基于加权K均值聚类的多属性初至拾取方法

为提高初至拾取方法的准确性和自适应能力,将变异系数加权K均值聚类算法引入初至拾取中。首先提取均方根振幅、相邻道相关性、线积分、振幅谱主频等多种地震属性;然后针对地震属性进行加权K均值聚类,自动识别初至所在时窗;最后结合相位校正法,实现时窗内初至波起跳时间的拾取。在此基础上通过实际数据测试,并与长短时窗能量比法、反向传播神经网络方法对比,验证了本文方法的有效性与可行性。结果表明,基于加权K均值聚类的多属性初至拾取方法能较快速、准确地拾取低信噪比数据的初至,并且无需人为判断时窗,从而提高了拾取的自适应能力。      

地震道瞬时强度比法拾取初至波

本文结合地震记录时窗属性和瞬时属性特征,提出了一种改进算法一基于时窗的瞬时强度比法,该方法的基本原理是通过复数道分析来提取地震记录的瞬时属性,采用强度比来判断初至时间,研究表明,滑动时窗能量比法的处理效果较差,在拾取过程中对某些特殊点的处理上存在误差较大;而采用瞬时强度比法后,初至曲线的同向轴变得更加光滑,拾取异常点的情况大为减少,从而有效的提高拾取的精度.     

基于深度学习的复杂地质条件下地震波初至拾取研究

随着地质勘探工作不断深入到西部山地、戈壁等复杂地质环境中,数据量的指数增长以及采集所得的地震数据信噪比较低,导致早先的地震初至波自动拾取方法效率低下,精度不高,必须通过专家拾取干预才能满足实际工程需求．本文提出一种可以解决复杂地质条件下低信噪比的地震波初至自动拾取方法,本方法在地震波的初至拾取时,对地震数据进行了特殊的特征工程处理,然后采用多种语义分割网络模型对处理后的小批量数据进行训练,并把训练得到的网络模型用于低信噪比的地震波初至拾取工作．方法具体步骤为,首先通过地震数据预处理,即将进行线性校正等步骤处理后的地震数据裁剪为合适的大小以达到网络数据输入要求;接着,用两种不同的标注方式标注样本,并进行分析对比,得到初至到来之前和初至到来之后（包含起跳点）的二分类问题;然后,选择不同的语义分割网络模型进行测试,并根据模型最终的拾取率和IoU评估指标对比结果,得到实验效果最佳的网络模型;最后,对于一些异常的初至点,选取异常点上下十个样本点,通过比较它们之间的振幅大小,判断振幅值最大的样本点为最终的初至点．预测结果表明,本文提出的初至拾取方法对低信噪比信号有更好的效果．     

基于改进长短时窗比值及优化变分模态分解的微震初至拾取算法

针对低信噪比条件下微震初至拾取准确度低的问题,基于信号幅度变化引入权重因子,对传统长短时窗比值（STA/LTA）算法进行改进,提高初次拾取精度。为了进一步降低拾取误差,对变分模态分解（VMD）算法进行优化,基于互相关系数和排列熵准则自适应确定VMD分解层数,对初次拾取结果前后2—3 s的记录进行优化VMD,并计算分解后各本征模函数（IMF）的峰度赤池信息准则值,得到各IMF的到时,以各IMF的拾取结果及能量比综合加权得到二次拾取到时。仿真实验表明:改进后的STA/LTA在较低信噪比下可降低初次拾取误差约0.01 s以上;相比经验模态分解（EMD)和小波包分解,自适应VMD分解后能再次降低误差,最终与人工拾取结果平均误差在0.023 s以内。实际微震信号初至拾取结果表明,本算法能快速有效地识别初至P波,与人工拾取结果相比误差小,准确率高。      

一种基于改进的U-Net网络的初至自动拾取研究

针对传统的地震波初至拾取方法对低信噪比资料拾取精度较低、算法的鲁棒性较差,以及目前提出的基于深度学习的初至拾取方法制作训练样本耗时耗力、训练样本尺寸太大或网络结构太深导致训练和测试网络模型效率较低等缺点,本文对经典的U-Net网络结构进行了改进,将经典的U-Net网络结构中的跳跃连接改为包含多个卷积块的残差连接,减小了网络结构中融合的两个图像特征的差异,并使用自动拾取的小尺寸训练和测试样本,对本文用于初至拾取的经典U-Net网络模型和改进的U-Net网络模型分别进行了训练和测试.结果 表明,改进的U-Net网络模型的训练准确率更高,初至拾取的精度也更高,尤其对低信噪比地震道初至拾取效果较好.     

基于深度学习的地震叠加速度谱自动拾取算法研究

为解决人工拾取地震叠加速度谱时耗时长、效率低等问题,本文提出了一种基于深度学习的地震速度谱自动拾取算法模型VSAP(Velocity Spectrum Accurate Pickup).该算法运用卷积神经网络Faster R-CNN模型构建的多分类任务拾取目标能量团,然后将初步拾取后的能量团坐标输入循环神经网络LSTM(Long-Short Term Memory)模型来进行目标能量团拾取时坐标的取舍和微调,最后输出模型分析和调整过的速度谱自动拾取图像.并通过实际的地震数据集拾取结果验证了该算法模型在叠加速度谱复杂信息的干扰中自动、准确拾取速度谱中能量团的能力,同时验证了该模型的准确性以及鲁棒性.经过改进,该算法模型有效地提高了速度谱拾取的效率和拾取精度.     

STA/LTA方法拾取天然地震波初至及其改进分析

长短时窗均值比（Short Term Average/Long Term Average,STA/LTA）方法因原理简单、实时性强,在地震波初至拾取中应用最为广泛．传统STA/LTA方法阈值选取依赖于人工经验,且其针对单一信号设定的阈值无法适用于不同类型的地震记录．针对此问题,本文通过建立阈值与背景噪声之间的联系,提出两种基于参考阈值拾取地震波初至新方法,即基于参考阈值的STA/LTA方法与基于参考阈值的STA/LTA改进法．首先,分析不同特征函数拾取地震波初至的灵敏度,引用关于信噪比（Signal-to-Noise Ratio,SNR）的特征函数抑制背景噪声干扰,降低阈值选取的难度;其次,给出不同背景噪声环境下阈值的计算公式,将阈值选取建立在严密的数学推导之上,提出基于参考阈值的STA/LTA方法;最后,针对天然地震背景噪声复杂,地震波初至拾取受短时强噪声干扰大的问题,通过改进时窗位置并加入取消时窗的方法提高算法的抗干扰能力,提出了基于参考阈值的STA/LTA改进法．实际地震数据处理结果表明,本文提出的两种方法能够克服固定阈值不能适用于所有地震记录的缺点,相较于传统STA/LTA方法...     

基于注意力机制U-Net的复杂地表地震初至拾取方法

地震数据的初至拾取是近地表初至波反演、静校正等工作的基础, 是后续地震数据处理中不可或缺的一部分.随着地震数据量的不断增加, 近地表条件更为复杂, 信噪比越来越低, 传统的自动拾取方法逐渐无法满足海量的拾取任务, 需要大量的人工校正工作.因此需要一种更为精确的地震数据自动初至拾取方法.本文的贡献主要有以下几点.本文提出将一个注意力机制的U-Net网络应用于信噪比低、强近地表干扰的地区的初至拾取方法.首先将注意力门结构加入到一个标准的U-Net模型中, 逐步抑制不相关的背景部分特征, 提升拾取的准确性.其次本文提出使用地震波形数据与能量表象(Energy Semblance, ES)作为双通道数据体, 可以使U-Net不仅关注相位信息, 而且关注到初至的能量属性.此外, 我们使用单通道的\"0-1\"标签作为网络的输出, 可以大大缓解标签值分布不均衡的问题, 提升预测精度.最后我们提出构建复杂近地表特征的合成数据集, 包含复杂初至特征及复杂非均匀噪声的样本, 验证方法的鲁棒性, 并证明Dice-loss函数可以提升拾取精度.本文提出的方法对于强噪声干扰、缺道坏道及复杂近地表情况均有良好的适应性.     

基于深度学习的地震速度谱自动拾取研究

在常规的地震数据处理工作流程中,人工拾取地震速度谱中的叠加速度存在耗时长、效率低的问题,且容易受到人为经验的影响.本文基于目标检测的方法,应用改进后的FCOS（Fully Convolutional One-Stage Object Detection）神经网络模型实现速度谱中叠加速度的自动拾取.该方法将速度谱图像作为输入,经模型训练后输出"时间-速度"对序列.在处理低信噪比工区数据时,针对速度谱能量团聚焦特征较差的特点加入基于深度神经网络（Deep Neural Network,DNN）的线性回归模型以拟合出全局速度曲线.Marmousi模型数据和实际工区数据测试结果表明,本文所设计的地震速度谱自动拾取模型准确性较高、鲁棒性强,有效地缓解了人工拾取的负担,在保证速度拾取精度的同时显著地提高了效率.     

基于Viterbi算法的复杂地质体速度约束化自动拾取

对于复杂地质体而言,由于各种因素的影响,速度信息中往往会包含一些假的速度信息(如速度异常值)．因此,如何在速度谱能量团(由所定义目标函数——相似系数法等得到)中拾取有效的叠加速度,是地震数据处理中一个重要的环节．本文,所引入的Viterbi算法具有约束化自动搜寻并获取最优解的功能,将其应用于速度的自动拾取中,它能向前做最大“能量团”的积分并向后递归计算最优解——叠加速度,是一种实现速度自动优化拾取的便利工具．     

起伏地表条件下复杂路径初至自动拾取（英文）

初至拾取是起伏地表地震资料处理的关键环节,直接影响近地表建模的精度及静校正效果,但起伏地表资料极低的信噪比使传统的自动初至拾取算法几乎失效,而手动拾取要耗费巨大的人工和时间成本。本文研究了改进超虚干涉法,结合多道多域初至质量监控技术,实现起伏地表资料初至波自动拾取。改进超虚干涉法首次将近地表散射波纳入干涉法提高信噪比的范围,并通过折射波和散射波的线性组合使干涉法适用于起伏地表条件下任意复杂射线路径的初至波类型;提出反向干涉和多域干涉的概念,显著增强了所估计的虚源信号;使用波形反褶积滤波器较好地抑制了干涉导致的"假事件"的形成;采用多道多域初至质量监控技术,实现错误"假事件"初至的自动归位,提高了拾取初至的稳定性。本文研究的初至波自动拾取理论与技术具有突出的鲁棒性和稳定批量处理大量实际三维地震数据的能力,在中国西部山区三维地震勘探数据处理的应用效果显著,质量优于某常用商业软件。     

基于地震DNA算法的一种新的初至拾取方法

高效准确地拾取初至是获得良好初至波走时层析结果的前提.目前应用广泛的是传统能量比法拾取初至,这种方法是基于获得较准的初至起跳时间.但由于理论缺陷,能量比法拾取的起跳时间并非真实的初至起跳时间.基于聚类连接算法的地震DNA算法是目前比较新颖的层位自动提取方法,尝试将地震DNA算法用于准确地拾取初至,这种初至拾取方法无需获得初至起跳时间,弥补了能量比法的理论缺陷.首先将地震记录从数值空间转换至字符空间,设置符合初至特征的搜索因子在字符空间逐道进行初至拾取,此时所拾取初至为字符类型,使用欧式距离连接聚类好的字符初至使其具有更好的连续性和准确性,然后将字符类型初至转换到数值空间进行初至走时的显示及其计算.对简单数据模型和实际资料分别用传统能量比法与新方法进行初至拾取效果对比,对实际资料的单炮记录分别使用能量比法,互相关法,自拾取算法以及人工干预的自拾取算法进行初至拾取效果对比,拾取初至特征值对比结果说明采用地震DNA算法拾取初至的方法避免了误拾取现象且拾取效果更加连续.对所拾取的初至特征值进一步处理计算走时,将计算得到的初至走时应用于二维初至波走时层析中,层析反演结果表明,这种新的初至拾取方法...     

微地震事件初至拾取SLPEA算法

微地震事件初至拾取是微地震数据处理的关键步骤之一.实际微地震监测资料中存在大量低信噪比事件,而传统方法对这些事件的应用效果并不理想.为了克服传统方法抗噪性弱的缺点,本文通过综合地震信号与环境噪声在振幅、偏振以及统计特征等方面的存在的差异,设计了一种针对低信噪比微地震事件的初至拾取方法——SLPEA算法.为了检验本文方法的可行性和有效性,分别对模型数据和实际资料进行了处理,并将处理结果与传统方法及手工拾取的结果进行了对比.分析表明,利用本文方法得到的初至到时与手工拾取结果的绝对误差平均值仅为1.33×10-3s,小于3个采样点;方差为3.21×10-6s2;初至到时在手工拾取结果±0.005 s误差范围内的个数占总数的95.8%.这些参数值均优于传统方法的同类参数,证明了本文方法的可靠性.     

低信噪比浅水区OBS测线初至拾取研究

浅水区OBS(Ocean Bottom Seismograph)测线往往具有信噪比较低,空间假频发育严重的问题,导致OBS测线初至拾取困难,进而影响反演速度模型的可靠性.本文通过直达波校正,正演模拟校正和射线互逆实现对浅水区OBS测线初至的准确拾取和质控.直达波校正消除主要的时钟漂移量.通过多道地震与OBS的联合处理,充分利用多道地震浅层速度模型较准确的特点,通过正演模拟构建OBS道集,弥补了实际采集的OBS道集浅层空间假频严重的问题,正演模拟法基本消除了剩余时钟漂移量,校正后的OBS道集符合层析成像的要求,同时也解决了近偏移距初至拾取的问题.利用射线互逆的方法,通过不同OBS道集组合不同偏移距组的对比验证,解决了中远偏移距初至拾取对比验证问题.三步法基本解决低信噪比浅水区OBS测线初至拾取的问题,为速度反演获得准确的模型奠定了基础.     

基于优化参数的地震P、S波震相到时自动拾取及质量评估

准确拾取P、S波震相到时是深入开展地震波研究工作的基础,本文改进了自动拾取参数优化函数算法和质量评估方案,引入了拾取到时优化方案,使用基于参数优化的频带-带宽拾取算法、AICD拾取算法和峰度拾取算法对腾冲地区7个宽频带地震台站记录的地震资料开展了地震P、S波到时自动拾取,对拾取结果进行了优化和质量判定.结果表明：经参数优化、拾取优化后,采用3种方法自动拾取的P、S波到时与人工拾取到时的时差在0.1 s内的记录占比分别达到74.66%、70.98%.这些参数值均优于算法改进前的同类参数,证明了优化方法的可靠性.