基于频谱分解的碳酸盐岩储层识别

频谱分解技术是将地震信号从时间域转换到频率域,分析频率对不同尺度地质体的振幅、相位响应特征的一项技术.频谱分解能够得到高于传统分辨率的解释结果,提高刻画储层分布的能力.本文详述了短时傅里叶变换、连续小波变换和S变换的数学原理及适用性:短时傅里叶变换使用固定时窗,不能根据信号的变化调整分辨率,只适合分析分段平稳或近似平稳的信号;连续小波变换使用移动的、尺度可变的小波作为时窗,具有多分辨率特点,但是实际中选择能反映信号特征的小波函数不易;S变换使用频率的倒数来调节时窗,具有多分辨率特征,对数据处理的适应性较强.将这三种方法分别应用于碳酸盐岩储层发育区,利用靠近地震主频的35 Hz分频剖面,分析了不同时窗大小的短时傅里叶变换效果,不同类型小波的连续小波变换效果,并对比了不同频谱分解算法对储层的描述精度.通过分析得出分频剖面比常规地震剖面更有利于储层识别,且S变换效果最好.     

频谱成像技术在稠油热采地震监测中的应用

频谱成像技术可有效的描述地质反射层厚度的非连续性和岩性的非均质性,其在理论上主要是依据薄层反射的调谐原理,过去通常采用以离散傅里叶变换为基础的算法,但是,该方法存在着明显的局限性,因为估算的地震振幅谱的重要特征是所选时窗长度的函数.如果所选时窗过短,振幅谱会与变换窗函数褶积,失去频率的局部化特征,而且过短的时窗会使子波的旁瓣呈现为单一反射的假象.增加时窗长度,会改善频率的分辨率.但如果所选时窗过长,时窗内的多个反射会使振幅谱以槽痕为特征,很难分清单个反射的振幅谱特征.由于在实际运用中,以傅里叶变换相关的算法的时窗问题,难以选择好时窗长度,而且无法定量分析时窗长度产生的偏差,因而会使振幅谱的估算产生偏差.以小波变换为基础的时频分析技术成了非平稳性信号的重要分析工具,在很多实际应用中已取代了傅里叶变换的分析方法.以小波变换为基础的瞬时谱分析技术能得到精确的时频分析结果,同时避免了时窗问题.它反映出了储层在纵向上时间及厚度上变化情况和横向上的地质不连续性的信息,因此能使解释人员快速而有效地描述储层特征的空间变化.     

基于解析信号重构的同步挤压小波变换的时频谱影响因素分析

受测不准原理的制约,小波变换、S变换等时频分析算法无法同时获得高时间分辨率和高频率分辨率。为了满足更高的要求,出现了一种联合小波变换和时频谱重组的新方法—同步挤压小波变换。本文从同步挤压小波变换和基于解析信号重构的同步挤压小波变换的原理出发,通过模型分析算法中参数设置对时频分析结果的影响,包括小波母函数、小波母函数的参数选择和小波阈值等,分析瞬时频率变化率不为零的信号所存在的时频谱模糊现象,并通过控制小波母函数、小波母函数参数以及小波阈值有效地减轻瞬时频率变化率不为零的信号所存在的时频谱模糊现象,时频谱的质量得到一定程度的提高。研究结果对获取高分辨率地震时频谱具有一定的指导意义。     

基于小波包变换的滤波方法

基于小波包变换的基本原理,提出了对不同频率范围的信号和噪声进行滤波处理的方法．利用该方法可将噪声与信号分离以及将不同频段信号分解,从而达到滤波的目的．仿真结果表明,小波包变换具有许多其它分析手段所不具备的优点,是一种有效的滤波方法,可应用于地震信号的预处理     

小波分析在地球物理及大地测量中的应用

小波分析是重要的时—领域分析工具，在地球物理和大地测量相关问题研究中逐渐显示出其独特的作用。本文较全面地介绍了现阶段小波分析在重力异常分解、固体潮、地球自转变化、ENSO和重力场展开等地球物理及大地到量领域的研究进展，并在此基础上对地球物理及大地测量领域小波分析的应用前景做了进一步分析。     

经验模分解及小波分析在结构损伤识别中的应用:试验研究

本文利用一个三层剪切型结构模型在各种激励下的振动台试验,研究经验模分解（empirical mode decomposition,EMD）和小波分析（wavelet analysis,WA）在结构损伤识别中的应用。研究针对结构刚度突然损失的损伤类型,并在试验中通过连接在模型两侧的弹簧的断裂来模拟。利用EMD和WA分析试验记录到的结构加速度信号来识别结构损伤发生的时刻和位置。试验结果表明,EMD和WA方法均可利用分解信号中的尖峰准确识别结构损伤发生的时刻,并利用信号尖峰在结构上的空间分布来确定损伤位置。研究表明,EMD和WA都是进行结构在线检测的良好方法。     

基于小波变换的锥束CT滤线栅条纹去除方法

采用平板探测器的X射线锥束成像系统中,由于散射会带来图像伪影从而劣化图像质量,通常采用在平板探测器前安装滤线栅来去除散射,但滤线栅会在获取的图像上形成周期性的条状伪影,如何去除条状伪影是X射线锥束成像系统中的一个关键技术问题。本文对已有的滤线栅条纹去除方法进行概述,创新性地提出基于频谱拼接的小波变换方法,既能在损失物体细节信息少的前提下很好地去除滤线栅条纹,又不会引入小波变换谐波。通过实际实验,检验该方法的有效性。     

基于小波变换与小波包变换的降噪方法比较

在模拟地震记录信号中加入信噪比为17的高斯白噪声,然后分别采用小波降噪和小波包降噪方法,对含噪信号进行降噪处理。在不同降噪阈值下,比较降噪后信号的信噪比。结果表明:在同一降噪阈值下,小波包降噪后信号的信噪比高于小波降噪后信号的信噪比,而且采用wbmpen方法给定的阈值明显可以提高降噪后信号的信噪比。     

子波分解频谱技术在TY地区流体检测中的应用

随着L井在奥陶系取得重大突破,TY地区成为了研究热点地区,研究人员在该区储层流体检测方面开展了一定的研究工作,但主要集中在振幅类属性流体检测方面,并且效果不是很好.为此本文利用时频分析方法来开展流体检测研究,通过研究认为影响研究区目的层频率类属性的因素为流体,频率类属性可以反映研究区W组地层的流体分布特征,各种频率类属性对比发现,低频增加和高频衰减属性可以反映研究区W组上部地层的流体(油气)分布状况.25 Hz的单频体可以比较有效的反映研究区整个目的层的流体分布特征.综合低频增加、高频衰减及单频属性认为,油气整体上沿断裂带呈条带状分布,研究区东南部油气相对比较发育,利用本文方法得到的流体检测结果与该区钻井情况和地质认识也是比较吻合的.     

基于小波分解的能量谱分析方法及其在汶川地震中的应用

利用小波分解将地震波分解成不同频带的小波分量,进而对地震波输入结构的总能量EI进行分解,得到能量在频域上的分布,这是一个有意义的结果。通过对各分量能量谱峰值的分析,可以从另一个方面得到地震波的频谱特性,能量谱峰值出现的结构固有周期与地震波傅里叶谱的卓越周期相同,也可以作为估算卓越周期的一种方法。     

小波变换方法及其应用

简要介绍小波变换的方法,并给出了小波变换在地震前兆和爆破识别等方面的一些应用,探讨二进小波分析在地震前兆研究方面的应用前景。     

第二代小波变换及其在地震信号去噪中的应用

本文讨论了第二代小波变换的基本原理和变换过程，并将第二代小波变换引入到地震资料去噪处理中，基于提升法的小波变换是一种柔性的小波构造方法，它使用线性、非线性或空间变化的预测和更新算子，并能确保变换的可逆性。通过对模拟数据和实际资料的处理，证明了的它对地震信号去噪具有很好的效果。离散信号的小波去噪可分为三步：小波分解，系数缩减（切除噪声部分），信号重建。目前常用的小波去噪的方法有硬阈值法和软阈值法，这里采用软阈值法去噪。本文的提升变换采用的是Deslauriers-Dubuc（4，2）小波，基于以上变换方法，分别对含噪的模拟数据及实际地震数据进行3级可逆提升变换，对每一级上的细节信号按上述的软域值法进行处理，削减小波系数中的噪声部分，从而实现了信号去噪，结果证明去除随机噪声的效果是令人满意的。     

Wavelet‐based cepstrum decomposition of seismic data and its application in hydrocarbon detection

How to use cepstrum analysis for reservoir characterization and hydrocarbon detection is an initial question of great interest to exploration seismologists. In this paper, wavelet‐based cepstrum decomposition is proposed as a valid technology for enhancing geophysical responses in specific frequency bands, in the same way as traditional spectrum decomposition methods do. The calculation of wavelet‐based cepstrum decomposition, which decomposes the original seismic volume into a series of common quefrency volumes, employs a sliding window to move over each seismic trace sample by sample. The key factor in wavelet‐based cepstrum decomposition is the selection of the sliding‐window length as it limits the frequency ranges of the common quefrency section. Comparison of the wavelet‐based cepstrum decomposition with traditional spectrum decomposition methods, such as short‐time Fourier transform and wavelet transform, is conducted to demonstrate the effectiveness of the wavelet‐based cepstrum decomposition and the relation between these two technologies. In hydrocarbon detection, seismic amplitude anomalies are detected using wavelet‐based cepstrum decomposition by utilizing the first and second common quefrency sections. This reduces the burden of needing dozens of seismic volumes to represent the response to different mono‐frequency sections in the interpretation of spectrum decomposition in conventional spectrum decomposition methods. The model test and the application of real data acquired from the Sulige gas field in the Ordos Basin, China, confirm the effectiveness of the seismic amplitude anomaly section using wavelet‐based cepstrum decomposition for discerning the strong amplitude anomalies at a particular quefrency buried in the broadband seismic response. Wavelet‐based cepstrum decomposition provides a new method for measuring the instantaneous cepstrum properties of a reservoir and offers a new field of processing and interpretation of seismic reflection data.     

基于形态学滤波与小波变换的测井曲线自动分层方法

测井曲线是了解井下地质情况(如岩性、油气层位置等)必不可少的测井资料.利用测井曲线划分地层是测井分析的首要步骤,其自动划分地层方法的研究具有重大意义.如何在分层结果中合理地剔除假地层是现今许多自动分层方法均要面对的问题.单纯的阈值设置并不能妥善处理.就此问题,本文在小波变换分层法中,提出了用形态学滤波弱化阻碍分层的因素,削弱出现假地层的可能,使得分层结果更加分明.首先将测井曲线进行形态学滤波,抹除影响分层的小直径波峰波谷,再通过小波变换模极大值法找出拟地层界面,最后综合不同的测井曲线分层结果确定最终分层结果.实验结果表明,该方法能有效减少假地层划分,使得最后的分层结果更接近真实的地层界面.     

Seismic data compression based on integer wavelet transform

Introduction With the development of the seismological observation technique and deep-going of seismicdata application fields, especially the digitization of data in earthquake station networks, theimprovement of the precision, the data quantity increases as geometric order, which bringdifficulty to saving and transfering these data. To keep all information, seismic data, like medicalimages, should be compressed without error in many applications. In generally, traditionalcompression meth…     

Seismic data compression based on integer wavelet transform

Due to the particularity of the seismic data, they must be treated by lossless compression algorithm in some cases. In the paper, based on the integer wavelet transform, the lossless compression algorithm is studied. Comparing with the traditional algorithm, it can better improve the compression rate. CDF (2, n) biorthogonal wavelet family can lead to better compression ratio than other CDF family, SWE and CRF, which is owe to its capability in canceling data redundancies and focusing data characteristics. CDF (2, n) family is suitable as the wavelet function of the lossless compression seismic data. Contribution No.04FE1019, Institute of Geophysics, China Earthquake Administration.     

用小波变换进行信号特征检测的原理与方法

在前人工作的基础上,我们运用卷积来定义一个连续信号的二进小波变换。在考虑小波函数的相位特征基础上给出了其重现公式。另外,本文论述了这种小波变换定义能直接用于信号特征的检测,并给出了可用于信号奇异性分析的小波函数和尺度函数。     

基于小波分析的结构动力可靠度估计

利用小波分析估计的地震动局部谱,采用虚拟激励法求得了线笥结构非平衡随机响应,结合基于首超破坏准则的几种动力可靠度表达式,对结构的动力可靠度进行了讨论,并与平稳响应的情况进行了比较。     

Identification method of weak seismic phases on the basis of wavelet packet transform

This paper describes a sort of new method identifying seismic phase by the name of wavelet packet transform. Perfectness and development of the wavelet packet transform is based upon the idea of its multiscale analysis. The method of wavelet packet transform can depict the anomalous changes information of transient spectra of seismic wave onset, and come true the target of identifying seismic phase especially weak seismic phase. Then this paper presents discriminating examples of simulating digital signals and actual seismic phase. Compared with conventional seismic phase discrimination, studied results show that the wavelet packet transform method is an available tool of weak signal analyses, and have unexampled merits and attractive application foreground. This research gets hold of Higher School Doctor Scientific Research Foundation (No. 157 WJ0704 9435611) and supported by the National Natural Science Foundation (No. 49474211).