神经网络在初至折射同相轴拾取和地震道编辑中的应用

已经开发出应用神经网络学习算法进行含噪声地震道编辑和拾取初至折射同相轴的人机交互地震处理系统。我们应用改进的后传神经网络（ＢＮＮ），以改善ＢＮＮ的收敛速度。通过人工处理员精心选择道编辑或折射拾取的例子，并将这些例子输入ＢＮＮ，交互地对ＢＮＮ进行训练，使它能编辑地震数据或拾取初至波。然后，迭代地对网络中的内部权重进行调整，直至它能精确地重复由用户提供的例子。在完成训练之后，ＢＮＮ系统就可模仿人工处理     

神经网络在初至折射同相轴拾取和地震道编辑中的应用

已经开发出应用神经网络学习算法进行含噪声地震道编辑和拾取初至折射同相轴的人机交互地震处理系统。我们应用改进的后传神经网络(BNN),以改善 BNN 的收敛速度。通过人工处理员精心选择道编辑或折射拾取的例子,并将这些例子输入 BNN,交互地对 BNN 进行训练,使它能编辑地震数据或拾取初至波。然后,迭代地对网络中的内部权重进行调整,直至它能精确地重复由用户提供的例子。在完成训练之后,BNN 系统就可模仿人工处理员处理新的数据集。合成模拟研究表明,BNN 能应用很多与人类在编辑和拾取地震数据集时所使用的相同的主观性准则。对于质量中等至优良的地震数据,应用基于改良 BNN 的自动道编辑和初至波拾取技术进行道编辑和初至波拾取,其结果与人工处理结果的吻合率达90%～98%。对于二维数据集,其生产率比人工编辑和拾取要提高60%;对于三维数据集,生产率的增长高达800%。基于神经网络的地震处理,不仅能提供一致性良好和高质量的结果,而且处理效益也大为提高。     

基于局部相似属性的初至自动拾取

本文提出了一种基于局部相似属性的初至自动拾取方法。首先是由炮记录中的地震道计算其局部互相关相似属性,形成局部相似属性道;然后根据粗略估计的近地表速度和炮检距对炮集中的每一道计算一个初至搜索中心,并以此中心确定每一道的搜索范围;最后将这些局部属性道作为能量比法的输入,计算局部相似属性道的能量比曲线,取搜索范围内能量比曲线的最大值所在位置为初至时刻。模型数据和实际资料试验结果表明,该方法具有一定的抗噪性能,且易于使用。     

基于时频分析的初至拾取方法研究

地震记录的初至拾取是地震资料处理的基础工作,特别是静校正、层析成像等后续处理对初至拾取的精度要求较高。当初至波到达时,其信号的振幅、频率、相位均会发生变化,基于此,提出了一种基于时频分析的初至拾取算法,该算法在噪声判别系数的约束下,利用小波变换时频分析提取信号的瞬时相位谱,然后利用瞬时相位谱的过零点属性拾取初至。为了提高计算效率,在给定时窗内部计算信号的瞬时相位谱,并且利用多个不同的噪声判别系数初至拾取的统计结果确定最终的初至时间。理论信号和实际地震资料处理结果表明,该方法具有较好的抗噪能力,初至拾取的精度比较高。     

基于深度残差网络的初至拾取软件开发

基于残差的优化卷积神经网络—深度残差网络(ResNet)能够对图像进行有效的识别分类。将深度残差网络应用于地震数据的初至识别,借助Hadoop分布式批处理计算系统和TensorFlow人工智能学习平台开发了基于残差网络深度学习的初至波自动拾取软件。采用不同地区、不同震源类型和不同地表的地震数据对深度残差神经网络模型进行训练和验证,最终得到一个精度较高的地震初至自动拾取网络模型。本文总结了深度残差网络的基本方法原理、初至波自动拾取软件实现的关键步骤、地震初至自动拾取网络模型的训练、并验证了拾取效果和效率。     

基于混合网络U-SegNet的地震初至自动拾取

传统初至拾取方法拾取效果和效率不能兼顾、算法稳定性差、工业化应用成熟度不高;基于深度学习的初至拾取方法制作标签耗时费力、数据预处理过程繁琐、网络结构过于复杂,导致训练和测试效率较低。为此,将U-Net与SegNet深度学习网络的优点相结合,构建新的混合网络U-SegNet,并基于U-SegNet自动拾取初至。U-SegNet以SegNet结构为基础,通过在解码器网络的反卷积层之前融合跳跃连接信息,提供编码器网络的多尺度信息,以获得更好的性能,并且其上采样操作将U-Net中的反卷积改为反池化,池化索引被传递到上采样层,网络模型收敛更快。因此,U-SegNet网络结构更利于分割背景噪声区域和含噪信号区域,从而提高初至拾取精度。基于U-SegNet的初至自动拾取流程包括制作训练数据集、设计网络模型、训练网络模型、测试网络模型和实际资料应用。测试和应用结果表明,所提方法的初至拾取效率约为某商业软件的2.2倍,且易于工业化应用,具有良好的发展前景。     

浅层折射波勘探中初至自动拾取新算法

地震波初至拾取是地震勘探中广泛应用的基础技术,尤其在浅层折射波勘探和层析成像中初至时间拾取精度直接影响地下地层结构的反演结果。由于初至时间对应的并不总是能量比最大值(可能是次极值),以往的滑动时窗能量比法仅根据前后两个滑动时窗能量比的最大值判断初至时间,造成对低信噪比数据的拾取效果不理想,而对高信噪比数据则难以检测能量较弱的折射波。基于此,本文提出多时窗能量比初至拾取算法,该算法在实现过程中结合应用自动质量控制技术,满足了浅层折射波勘探的初至拾取精度要求,且具有较高的稳定性。将该方法应用于准噶尔盆地中部M区地震勘探,取得了非常好的效果。     

基于深度卷积生成对抗网络的地震初至拾取

地震记录初至拾取质量往往受限于地震数据的复杂性,在陆地和浅海地震数据中尤为明显。为了更高效地拾取初至,提出了一种基于深度卷积生成对抗网络(DCGAN)的地震数据初至拾取方法,其关键在于构建一个适用于地震数据初至拾取的DCGAN,包含生成器与判别器两部分。生成器由一个全卷积神经网络(FCN)构成,用于学习地震炮集数据到初至波之间的特征映射;判别器由一个卷积神经网络(CNN)构成,用于辅助生成器训练。基于DCGAN的初至拾取方法的实现分为三步:数据预处理、网络训练和预测拾取。通过对不同卷积层数的网络结构的对比分析,确定了一个最优的DCGAN结构。一旦DCGAN的训练完成,利用其完成一炮地震数据的初至拾取仅需几秒的时间。将DCGAN方法应用于实际数据初至拾取并与现有初至拾取方法(如长短时窗比(STA/LTA)法和峰度赤池信息量准则(AIC)法)的拾取结果相比较,结果表明基于DCGAN的初至拾取方法的精度更高,能满足生产需要。     

基于超虚干涉法约束的模糊C均值聚类地震初至自动提取

在静校正和层析成像等地震数据处理中,准确并快速地拾取初至是随后速度结构成像和地震资料综合解释的前提。手动拾取方法难以适用于海量地震数据处理,且存在人为误差。对于低信噪比地震数据,相关法、能量比值法（STA/LTA）、分形维法等常规自动拾取方法需不断调整参数以达到设定拾取精度,导致稳定性变差。为此,提出一种基于超虚干涉（SVI）约束的模糊C均值（FCM）聚类地震初至自动拾取方法。FCM聚类分析是一种非监督的机器学习方法,仅依赖数据本身进行分类,可更灵活、方便地应用于实际地震初至拾取;对于低信噪比数据,须预先利用SVI法加强远炮检距等弱初至信号的能量,提高地震数据的信噪比,以实现地震初至的准确、稳定拾取。理论模型数据和实际地震资料测试结果进一步表明了该方法的稳定性和高效性。     

一种强噪声微地震信号P震相初至拾取的新方法

针对水力压裂微地震监测信号信噪比普遍偏低,难以准确拾取初至的问题,提出了一种基于特征函数构建的峰度和小波多尺度分解的P震相初至精确拾取方法。首先利用小波多尺度分解法提取低信噪比微地震数据的主成分,进而构建针对主成分数据的特征函数,并计算该特征函数序列的峰度值,最终将峰度曲线的全局最大斜率定义为P震相的初至。与传统峰度法、小波分解和高阶统计量联合方法相比,该方法能够显著减小拾取误差。将该方法应用于不同信噪比的模拟微地震数据的P震相初至拾取,结果表明:其拾取误差为0.0302×10-3~1.3002×10-3s,同时,相比于小波分解与高阶统计量联合方法,其计算效率稍有提高。将该方法应用于实测微地震数据的P震相初至拾取的结果表明,与人工拾取和传统峰度法相比,拾取结果更接近于人工拾取结果,具有更高的准确率。     

基于小波分解与Akaike信息准则的微地震初至拾取方法

微地震震源的定位要求精确确定初至,人工拾取微地震有效事件需要很大的工作量。首先讨论了Akaike信息准则(AIC)初至拾取方法;然后根据微地震信号在相邻小波尺度上连续的特点,将基于AIC的初至拾取方法与小波多尺度分析方法相结合,对微地震资料进行多尺度分析;最后利用AIC拾取初至,并根据初至的分布特点确定地震记录中是否存在有效的微地震事件。克服了传统AIC法由于噪声影响使初至点模糊而难以准确拾取的缺点。模型与实际资料的应用表明,基于小波分解与AIC相结合的初至拾取方法能够从信噪比低的资料中较准确地识别出有效微地震事件。     

提高黄土山地区初至自动拾取精度的方法

静校正是地震资料质控、处理的前提和基础,初至波拾取的好坏直接影响静校正效果。随着地震勘探的深入和"两宽一高"方法的推广,如何能快速、准确地拾取初至波成为了野外现场处理面临的最大问题。通过对黄土山地地震资料初至波的分析和研究,提出一种基于最小二乘法的数据算法进行初至拾取的方法并在地震队资料处理中进行了试用。该方法在初至时拾取方面具有明显的优势,可大大提高现场处理员的工作效率和初至波拾取精度。     

基于小波分解与高阶统计量的微地震初至拾取方法研究

微地震资料的处理、解释首先需要拾取精确的初至信息。微地震初至的人工拾取虽然精度较高,但工作量大,不能满足实时处理的需要。为此,提出了一种基于小波多尺度分解和高阶统计量相结合的长短时窗峰度比(wavelet transform based short time window kurtosis/long time window kurtosis,W-STK/LTK)微地震初至拾取方法。考虑到有效微地震信号频率较低,而噪声信号频率则相对较高,首先对微地震信号进行小波多尺度分解,剥离有效信号与噪声;接着对分解得到的最大尺度信号应用基于高阶统计量的长短时窗峰度比(STK/LTK)算法;最后在分析特征曲线异常点特征的基础上识别微地震有效信号并拾取初至。模型数据和实际资料测试结果表明,该方法能够从信噪比较低的微地震资料中较准确地拾取微地震P波初至。     

改进的神经网络级联相关算法及其在初至拾取中的应用

针对传统BP神经网络存在的问题,引入一种神经网络构造算法——级联相关（CC）算法。该算法具有比BP算法更快的收敛速度,能根据待解决问题自行确定网络结构,即能随时扩展网络拓扑结构以学习新样本。常规CC算法的初始网络只包含输入层和输出层。改进的CC算法起始于适当的BP网络结构（存在隐含层）;且为了防止权值病态递增,在训练候选隐含神经元的目标函数中加入了正则化项,对权值进行衰减。仿真试验表明：改进的CC算法具有更快收敛速度、更强泛化能力;瞬时强度比、振幅、频率、曲线长度比、相邻道相关性等五种地震属性特征交会图显示对初至波具有稳定的区分能力。本文构建的神经网络初至拾取方法在实际资料应用中取得了良好效果。     

利用能量比法拾取地震初至的一种改进方法

介绍了能量比法拾取地震道初至的一种改进方法，即利用时窗滚动来计算能量比值，并从比值特征中判断初至。在以前的计算中是把要计算的地震道划分成许多个时窗，然后逐个求能量比值。由于各道初至的到达有先有后，如果静态地划分时窗，有可能初至到达前后时窗的能量比值并不是最大的，也就是说这时的拾取结果是错误的。但是通过时窗滚动可以多次计算初至前后时窗内的能量比值，经比较得出最佳比值。改进的方法能快速准确地拾取地震道的初至，并且可以提高拾取的精度和稳定性。     

最小二乘曲线拟合的微地震初至优化拾取方法及应用

水力压裂改造中微地震事件具有能量弱、信噪比变化大、干扰源复杂等特点,对微地震信号进行快速精确的初至拾取是微地震实时监测、指导压裂生产急需解决的关键问题。针对微地震事件时窗能量比法拾取精度低、不同信噪比事件适应性差的特点。首先应用能量比法粗略拾取初至位置。然后应用最小二乘曲线拟合法拟合理论曲线,在拟合曲线定义的前、后时窗范围内二次优化拾取初至。通过实际数据测试,并与能量比法对比,验证了本文方法的有效性与可行性。基于最小二乘曲线拟合的微地震初至优化拾取方法能较快速、准确地拾取不同波形特征、不同信噪比的微地震事件初至,有效提高微地震实时定位的准确性与效率。     

综合动量法和可变学习速度的BP神经网络地震初至拾取

为了提高初至拾取精度和效率,研究了BP神经网络初至拾取方法,提出综合动量法和可变学习速度的BP神经网络地震初至拾取方法,其主要原理是对网络权值的更新过程进行改进,当均方根误差在权值更新后超过设定的误差范围,则权值更新取消;在既定的误差范围内,权值更新则被接受,且学习速度发生变化。分析不同地震属性对初至波识别的可行性,选取均方根振幅比、曲线长度比、振幅、频率等4种特征属性进行模型测试,结果表明改进方法的初至拾取效果优于常规BP神经网络方法。实际资料测试验证,改进方法构建的网络结构简单,参数少,收敛速度快,具有较强稳定性和抗噪能力,初至拾取精度高。     

自动确定静校正的共偏移距道集的初至拾取

近年来，以检波器组数目增加来获得记录的方法和以精确的基本静校正的需要来获得分辨率记录的方法，已经需要我们深入开发精确的自动技术来确定静校正。     

应用图像语义分割网络的微地震事件识别和初至拾取方法

微地震初至精确拾取是目前微地震监测关键环节之一,传统的人工拾取方法耗时长、效率低,在实际应用中容易导致无法及时预警等问题。近年来,基于深度学习的长短期记忆网络模型(LSTM)常用于微地震初至拾取,但在低信噪比环境下拾取准确率较低,且忽视了微地震数据中相邻道初至之间的关联性。针对上述问题,将微地震初至发生前、后看作是图像二分类问题,提出了一种应用图像语义分割网络的微地震事件识别和初至自动拾取方法。应用在矿井中采集的实际微地震数据进行实验,结果表明,对包含岩石破裂、工程爆破等多类型微地震事件,该方法的识别准确率较现有的深度学习方法明显提高,平均拾取误差大幅降低,特别是低信噪比数据的平均拾取误差远小于LSTM法,因而具有良好的实际工程应用价值。     

用于初至拾取的三分量井间地震资料时间—频率相干分析

本文提出了一种处理三分量宽带井间资料的方法,目的是压制尾波信号,分离开重叠在一起的滤场分量。其基础是：当用小道距检波器接收,或由小炮点距震源激发时,尾波的相关度减小。具体实现方法是通过把信号变换到时间－频率域,并计算相邻射线传播信号各个时刻的瞬时相关度,得到相干波的高相干时间－频率域。由此认别出地震记录中的直达Ｐ波、Ｓ波、反射波和转换管波等不同波型。本文还提出了一种计算地震信号中不同波型初至时间的