卷积神经网络微地震事件检测

常规的微地震事件检测方法主要基于信号的特征计算,事件检测准确性依赖于算法的参数设置,受信号特征和信噪比变化的影响较大。为此,提出了一种基于卷积神经网络的微地震事件检测方法。该方法首先使用实际的油井水力压裂多站点微地震监测信号构建神经网络的样本数据集,样本数据包含有效事件信号和无效背景信号及其分类,然后用样本数据对神经网络进行训练和测试,得到微地震事件识别准确性最高的神经网络模型。使用训练好的神经网络模型对不同信噪比的合成微地震信号以及川渝地区多口油气井压裂微地震监测信号进行微地震事件检测。数据处理结果表明,训练好的卷积神经网络模型能有效自动检测微地震事件,且具有较好的抗噪性和泛化能力。     

一种改进微地震数据极化滤波性能的偏振特征函数设计

地震数据极化滤波广泛应用于地震数据处理中噪声压制、震相识别和波形分离且效果很好。在时间域极化滤波中,通常利用协方差矩阵的特征值构造偏振特征函数来设计极化滤波器。针对传统极化滤波器对有效信号和噪声识别不清晰的问题,总结分析了当前应用较为广泛的10种偏振特征函数,讨论了这些函数对地震噪声信号的表征能力。在分析偏振特征函数优、缺点的基础上,使用特征值构造一种新的偏振特征函数表达式,基于该特征函数设计的极化滤波器能够提高地震有效信号和噪声的识别精度,更有效实现噪声衰减。利用合成和实测的微地震数据验证了不同偏振特征函数对极化滤波器性能的影响。结果表明,采用新构建的偏振特征函数设计的滤波器,能有效识别噪声数据段,对初始相位影响较小且滤波后地震数据的信噪比(SNR)、均方根误差(RMSE)和互相关归一化系数(NCC)均优于其它偏振特征函数设计的滤波器。处理后的地震信号矢端曲线图能更好地反映地震信号的偏振方向,更有利于确定微地震初至波的极化方向。     

基于去噪卷积神经网络的面波噪声压制方法

提高地震资料的信噪比是地震数据处理的重要任务之一,与依赖信号模型及其相应先验假设的传统地震噪声衰减算法相比,基于大型训练集的深度神经网络的去噪方法通过对大型数据集进行学习,训练完成后可以对面波进行自适应智能降噪.根据叠前高密度地震数据的特点,建立面波去噪训练库,通过去噪卷积神经网络来衰减地震数据的面波噪声.为了准确高效...     

微地震相分析在河流储层精细描述中的应用

传统地震相分析满足不了目前油田勘探开发的需要。神经网络微地震相分析将神经网络应用于高质量三维地震数据体中，可对单一反射同相轴进行波形信号分析和训练，建立模型地震道，并对实际地震道分类，进而得到在平面和剖面上精度较高的微地震相分布。采用该方法并结合测井资料，在研究区块中建立的微地震相分布图能够清晰地表现出该区块的沉积微相特征，且较好地解释了工区内2口井的产能差异，表明神经网络微地震相分析是可靠和有效的。     

应用双向长短时记忆神经网络的微地震信号降噪方法

地面微地震监测数据噪声干扰强、信噪比低,对后续的微地震初至拾取、成像定位等产生严重影响。因此,微地震信号降噪是微地震数据预处理中的关键步骤,而常规降噪方法常依赖于算法参数的设置,不具备普遍的适用性。为此,提出了一种应用双向长短时记忆(Bi-LSTM)神经网络的微地震信号降噪方法。首先,使用合成信号和实际信号构造样本数据集,对构建的Bi-LSTM模型进行训练和测试,得到降噪效果最好的模型;然后,利用训练好的Bi-LSTM网络对不同信噪比的合成信号和川渝地区油气井的实际压裂监测微地震信号进行降噪处理。降噪后的实际微地震信号用于地震发射层析成像,并分析图像以实现地面微地震信号的震源定位。实验分析结果表明,该方法能够有效降低微地震信号中的各类噪声,提高信噪比,从而提高震源定位的精度。与传统算法相比,该方法不需要参数调整,具有良好的泛化特性。     

应用长短期记忆循环神经网络的弱反射信号增强方法

由于沉积环境的特殊性和复杂性,地下介质中不同反射界面的波阻抗差可能差异巨大。如果储层的有效反射信息较弱,在地震数据中极可能被强反射信息掩盖,不易被识别,影响了储层识别效果,因此亟需一种解释性处理技术突出弱反射信息。常规方法一般是先从地震数据中分离出强反射分量,再将它削弱或删除。但如果地震子波提取不准确,减去法中强反射残留会引入虚假信号。文中提出了一种“升弱降强”的新思路,通过构建幂次反射系数映射模型缩小弱反射信号与强反射信号的相对差异。首先计算测井反射系数的幂次反射系数,将弱反射系数相对增大、强反射系数相对减小,得到拟反射系数序列;再用原始反射系数序列和拟反射系数序列分别与地震子波进行褶积运算,得到合成地震记录和拟合成地震记录,生成训练样本集;然后用该样本集训练长短期记忆(LSTM)循环神经网络,建立合成地震记录与拟合成地震记录的映射关系;最后将该网络应用于地震数据,增强了地震弱反射信号。模型和实际数据应用结果表明,该方法能有效增强地层本身引起的弱反射信号,提高地震数据的储层识别能力。     

利用多尺度形态学识别微地震监测中的弱信号

针对井中微地震监测数据由于信噪比低、震源强度小、信号弱等原因造成的有效信号难于识别的问题,本文将多尺度形态学理论应用于弱信号分析、识别中。有效信号与噪声在振幅和延续时间上具有一定的差异,因此可以在形态上进行数字信号分析。该方法基于波形形态的细节差异进行分析,对数据的形态特征进行分解。利用形态学中多个尺度的结构元素与原始数据进行运算,可以得到不同尺度的分量。通过分析不同尺度下的信号特征,估计并检测出微弱信号和噪声。模型数据测试和野外实际微地震资料处理结果均表明,本文方法可有效地识别较弱的信号并对噪声进行压制,验证了该方法的有效性和实用性。     

地面微地震有源噪声自动识别与匹配压制方法

微地震监测技术通过对非常规储层压裂改造引发的震源点进行成像,实时提供压裂施工过程中产生的裂隙高度、长度、宽度和方位角等信息,为致密储层压裂提供指导,以提高油气采收率。在地面布设站点进行监测时,因微地震信号传播距离较远、近地表吸收衰减严重、地面有源噪声较多,微地震数据具有信号能量弱、噪声干扰强和信噪比低等特点,严重制约微地震事件的定位精度。噪声源多分布于地表,根据有源噪声与由储层向上传播的微地震事件在能量、频率、传播速度和源位置等方面的差异,本文提出微地震有源噪声自动识别与匹配方法。综合长短时窗能量比与微地震量板方法,自动识别有源噪声干扰,并进行噪声源位置和传播速度的三维最优并行搜索;利用同时确定的最优噪声源位置和传播速度对微地震数据进行动校正处理,得到噪声标准道,通过能量自适应匹配处理压制有源噪声。正演模拟数据和实际微地震数据去噪效果证明,本文方法能有效压制有源噪声,显著提高微地震数据品质,为后续微地震事件精确定位奠定了基础。     

长垣油田地震异常振幅噪声分频压制技术

大庆长垣油田开发区工业设施密集、城区干扰严重,常规的噪声压制方法存在伤害有效信号或去噪效果不佳的问题.因此,基于不同频段地震噪声与有效信号的振幅差异,研究出一种分频压制地震异常振幅噪声的方法,其思路是依据地震异常振幅噪声在检波点集集中分布、在炮集随机分布的特点,将炮集记录地震数据分解为不同的频率子集,在各数据子集上识别地震强能量噪声并加以压制.采用该方法很好地解决了喇嘛甸油田地震资料振幅保真前提下的噪声压制问题.     

基于卷积降噪自编码器的地震数据去噪

噪声压制是地震勘探中一个长期存在的问题,虽然一些传统方法能够压制数据中的噪声,但存在有效信号丢失、噪声残留等问题。为此,提出了一种基于卷积降噪自编码器的无监督地震数据去噪算法。该算法首先对地震数据进行一定程度的随机损坏,然后将损坏后的地震数据输送到编、解码框架。编码框架负责捕捉地震数据波形特征,据此消除噪声;解码框架能够对特征图进行扩大并恢复地震数据细节信息,从而得到重构的地震数据。最后,将重构地震数据与原始地震数据之间的误差作为收敛代价进行模型训练。考虑到地震数据的复杂性与特殊性,在编码和解码阶段使用了多尺度卷积模块提取地震数据特征。合成数据与实际数据的验算结果表明,该方法在保护地震信号的同时能够有效压制随机噪声、提高地震信号的信噪比。