基于U型卷积神经网络的微地震信号降噪方法

降噪后的微地震信号存在波形失真问题,基于U型卷积神经网络,引入膨胀系数的空洞卷积,建立U型卷积降噪模型,利用包络熵作为损失函数,对实际微地震信号进行无监督处理,并将U型卷积神经网络的微地震降噪方法(U-NetNA方法)与小波阈值法、时频峰值法、卷积神经网络降噪方法的降噪效果进行对比。结果表明：U-NetNA方法可以应用于合成和实际微地震数据降噪,具有可行性和有效性。与其他方法相比,U-NetNA方法得到更丰富的有效信号特征,能够有效压制噪声,提高微地震信号信噪比。该结果对微地震事件识别、反演定位和裂缝解释等具有参考意义。     

微地震震源定位方法综述

微地震震源定位方法是微地震监测领域的一项核心技术,而考量微地震技术应用效果好坏的准则在于震源定位方法的精确程度。针对非常规油气开发过程中微地震震源定位方法的应用,本文对微地震震源定位方法进行阐述。其中：几何作图法具有稳健、效率高的优势,但震源位置较深时定位精度较低;线性定位法无需速度模型精度,但对初至拾取的精度有较大影响;非线性定位法对初至拾取较为敏感,对速度模型的精度要求较高,但计算量较小;混合优化定位法在一定程度上提高了定位的精度和效率,但在低信噪比、速度模型精度较低时优势不明显;基于波形偏移的定位方法无需考虑初至拾取的精度,但计算量较大;基于神经网络的定位方法采用训练网络进行训练,定位精度高,误差小。同时,本文还介绍了多方法多参数信息融合技术在油气藏微震震源定位中的应用。