一种自动识别异常道的方法及系统

摘要

本发明提出了一种自动识别异常道的方法及系统，所述方法包括：计算地震记录中每一道的均方根振幅；将地震道的所述均方根振幅从小到大进行排序；针对排序后预定数量的均方根振幅计算标准差，并将其作为标准值；将上一步中没有参与计算标准差的所述均方根振幅，依次加入到上一步中计算了标准差的所述排序后的均方根振幅中组成新的数列，并计算新数列的标准差；将新数列的标准差与所述标准值作比较，判断该道是否为异常道。如果是异常道，则终止计算。本发明能够自动识别出地震道中的强振幅异常道，其操作流程简单实用，为微地震事件识别提供了帮助。

权利要求

1.一种自动识别异常道的方法，其特征在于，所述方法包括：计算地震记录中每一道的均方根振幅；

将地震道的所述均方根振幅从小到大进行排序；

针对排序后预定数量的均方根振幅计算标准差，并将其作为标准值；

将上一步中没有参与计算标准差的所述排序后的均方根振幅，依次加入到上一步中计算了标准差的所述均方根振幅中组成新的数列，并计算新数列的标准差；

将新数列的均方根振幅的标准差与所述标准值作比较，判断该道是否为异常道；

如果是异常道，则终止计算，否则，继续加入未参与计算标准差的均方根振幅组成新的数列，重新计算新数列的标准差，并判断该道是否为异常道，如此迭代操作，当遇到异常道则终止迭代。

2.根据权利要求1所述的自动识别异常道的方法，其特征在于，如果新数列的标准差大于所述标准值的4倍，则认为该道为异常道，且均方根振幅大于该异常道均方根振幅的地震道均为异常道。

3.根据权利要求1所述的自动识别异常道的方法，其特征在于，所述预定数量的均方根振幅为排序后前10％的均方根振幅。

4.根据权利要求1所述的自动识别异常道的方法，其特征在于，计算地震记录中每一道的均方根振幅，计算表达式为：式中N为地震道的采样点个数，ai为地震道上第i个采样点的振幅。

5.根据权利要求1所述的自动识别异常道的方法，其特征在于，针对排序后预定数量的均方根振幅计算标准差，标准差计算公式如下：式中xi表示第i道的均方根振幅。

6.一种自动识别异常道的系统，其特征在于，所述系统包括：存储器，存储有计算机可执行指令；

处理器，所述处理器运行所述存储器中的计算机可执行指令，执行以下步骤：计算地震记录中每一道的均方根振幅；

将地震道的所述均方根振幅从小到大进行排序；

针对排序后预定数量的均方根振幅计算标准差，并将其作为标准值；

将上一步中没有参与计算标准差的所述排序后的均方根振幅，依次加入到上一步中计算了标准差的所述均方根振幅中组成新的数列，并计算新数列的标准差；

将新数列的均方根振幅的标准差与所述标准值作比较，判断该道是否为异常道；

如果是异常道，则终止计算，否则，继续加入未参与计算标准差的均方根振幅组成新的数列，重新计算新数列的标准差，并判断该道是否为异常道，如此迭代操作，当遇到异常道则终止迭代。

7.根据权利要求6所述的自动识别异常道的系统，其特征在于，如果新数列的标准差大于所述标准值的4倍，则认为该道为异常道，且均方根振幅大于该异常道的均方根振幅的地震道均为异常道。

8.根据权利要求6所述的自动识别异常道的系统，其特征在于，所述预定数量的均方根振幅为排序后前10％的均方根振幅。

9.根据权利要求6所述的自动识别异常道的系统，其特征在于，计算地震记录中每一道的均方根振幅，计算表达式为：式中N为地震道的采样点个数，ai为地震道上第i个采样点的振幅。

10.根据权利要求6所述的自动识别异常道的系统，其特征在于，针对排序后预定数量的均方根振幅计算标准差，标准差计算公式如下：式中xi表示第i道的均方根振幅。

说明书

一种自动识别异常道的方法及系统

技术领域

[0001] 本申请涉及地面微地震资料预处理及事件识别领域，具体地址，涉及一种异常道识别方法及系统。

背景技术

[0002] 微地震监测主要监听的是水力压裂造成岩石破裂而发射的地震波，是评价非常规储层压裂改造效果的有效技术手段。地面微地震监测常采用阵列方式进行观测，复杂地表环境以及检波器耦合问题，对采集的数据造成很大的影响，进而可能产生异常道。地面监测微地震资料信噪比很低，微地震事件识别困难，振幅异常道更给微地震事件识别增加了难度。

[0003] 目前，地震数据的异常道识别主要是由人工肉眼进行识别剔除，存在人为因素引入的误差。地面监测另一特点是多井分段压裂，且观测时间较长，因此采集的数据量很大。庞大的采集数据给人工识别异常道带来了巨大的工作量、且这种工作方式效率低下。显然，依靠人工识别异常道不能满足微地震资料处理的要求。如何快速、有效的识别微地震数据中的异常地震道已成为迫切需要研究的重要问题。

[0004] 在高密度地震勘探技术中，人们研发了两种异常道自动识别方法：人工神经网络方法和聚类分析方法。这两种方法算法复杂，计算量大，耗时。为了解决地面微地震监测的振幅异常道识别问题，本领域急需一种新的异常道自动识别方法。

发明内容

[0005] 地面监测微地震资料信噪比很低，振幅异常道即使经过高次数叠加仍会给微地震事件识别增加难度。本发明针对微地震振幅异常道识别问题，提出了基于均方根振幅的异常道识别方法。

[0006] 根据本发明的一个方面，提供一种自动识别异常道的方法，所述方法包括：

[0007] 计算地震记录中每一道的均方根振幅；

[0008] 将地震道的所述均方根振幅从小到大进行排序；

[0009] 针对排序后预定数量的均方根振幅计算标准差，并将其作为标准值；

[0010] 将上一步中没有参与计算标准差的所述排序后的均方根振幅，依次加入到上一步中计算了标准差的所述均方根振幅中组成新的数列(例如，每次加入一道均方根振幅)，并计算新数列的标准差；

[0011] 将新数列的标准差与所述标准值作比较，判断该道是否为异常道；

[0012] 如果是异常道，则终止计算，否则，继续加入未参与计算标准差的均方根振幅组成新的数列，重新计算新数列的标准差，并判断该道是否为异常道，如此迭代操作，当遇到异常道则终止迭代。

[0013] 进一步地，如果新数列的标准差大于所述标准值的4倍，则认为该道为异常道，且均方根振幅大于该异常道的均方根振幅的地震道均为异常道。

[0014] 进一步地，所述预定数量的均方根振幅为排序后前10％的均方根振幅。

[0015] 进一步地，计算地震记录中每一道的均方根振幅，计算表达式为：

[0016]

[0017] 式中N为地震道的采样点个数，ai为地震道上第i个采样点的振幅。

[0018] 进一步地，针对排序后预定数量的均方根振幅计算标准差，标准差计算公式如下：

[0019]

[0020] 式中xi表示第i道的均方根振幅。

[0021] 根据本发明的另一个方面，提供一种自动识别异常道的系统，所述系统包括：

[0022] 存储器，存储有计算机可执行指令；

[0023] 处理器，所述处理器运行所述存储器中的计算机可执行指令，执行以下步骤：

[0024] 计算地震记录中每一道的均方根振幅；

[0025] 将地震道的所述均方根振幅从小到大进行排序；

[0026] 针对排序后预定数量的均方根振幅计算标准差，并将其作为标准值；

[0027] 将上一步中没有参与计算标准差的所述排序后的均方根振幅，依次加入到上一步中计算了标准差的所述均方根振幅中组成新的数列(例如，每次加入一道均方根振幅)，并计算新数列的标准差；

[0028] 将新数列的标准差与所述标准值作比较，判断该道是否为异常道；

[0029] 如果是异常道，则终止计算，否则，继续加入未参与计算标准差的均方根振幅组成新的数列，重新计算新数列的标准差，并判断该道是否为异常道，如此迭代操作，当遇到异常道则终止迭代。

[0030] 根据本发明的又一个方面，提供一种记录介质，所述记录介质中存储有计算机可执行指令；所述计算机可执行指令运行时，执行以下步骤：

[0031] 计算地震记录中每一道的均方根振幅；

[0032] 将地震道的所述均方根振幅从小到大进行排序；

[0033] 针对排序后预定数量的均方根振幅计算标准差，并将其作为标准值；

[0034] 将上一步中没有参与计算标准差的所述排序后的均方根振幅，依次加入到上一步中计算了标准差的所述均方根振幅中组成新的数列(例如，每次加入一道均方根振幅)，并计算新数列的均方根振幅的标准差；

[0035] 将新数列的标准差与所述标准值作比较，判断该道是否为异常道；如果是异常道，则终止计算，否则，继续加入未参与计算标准差的均方根振幅组成新的数列，重新计算新数列的标准差，并判断该道是否为异常道，如此迭代操作，当遇到异常道则终止迭代。

[0036] 本发明能够自动识别出地震道中的强振幅异常道，其操作流程简单实用，为微地震事件识别提供了帮助。

附图说明

[0037] 通过结合附图对本公开示例性实施方式进行更详细的描述，本公开的上述以及其它目的、特征和优势将变得更加明显，其中，在本公开示例性实施方式中，相同的参考标号通常代表相同部件。

[0038] 图1示出了地面微地震监测观测系统示意图。

[0039] 图2示出了第一条测线监测的地震记录。

[0040] 图3示出了第一条测线监测地震记录的均方根振幅分布。

[0041] 图4示出了异常道识别后的地震记录。

[0042] 图5示出了异常道识别后的均方根振幅分布。

[0043] 图6(a)和6(b)分别示出了11条测线1848道地震记录和叠加记录。

[0044] 图7(a)和7(b)分别示出了异常道识别后的11条测线1848道地震记录和叠加记录。

[0045] 图8示出了本发明自动识别异常道的方法流程图。

具体实施方式

[0046] 下面将参照附图更详细地描述本公开的优选实施方式。虽然附图中显示了本公开的优选实施方式，然而应该理解，可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。

[0047] 本发明针对微地震振幅异常道识别问题，提出了基于均方根振幅的异常道识别方法。

[0048] 具体地，如图8所示，本发明公开一种自动识别异常道的方法，所述方法包括：

[0049] 计算地震记录中每一道的均方根振幅；

[0050] 将地震道的所述均方根振幅从小到大进行排序；

[0051] 针对排序后预定数量的均方根振幅计算标准差，并将其作为标准值；

[0052] 将上一步中没有参与计算标准差的所述排序后的均方根振幅，依次加入到上一步中计算了标准差的所述均方根振幅中组成新的数列(例如，每次加入一道均方根振幅)，并计算新数列的标准差；

[0053] 将新数列的标准差与所述标准值作比较，判断该道是否为异常道；

[0054] 如果是异常道，则终止计算，否则，继续加入未参与计算标准差的均方根振幅组成新的数列，重新计算新数列的标准差，并判断该道是否为异常道，如此迭代操作，当遇到异常道则终止迭代。

[0055] 首先，计算地震记录中每一道的均方根振幅。

[0056] 均方根振幅是地震解释中常用的振幅属性，是评价地震道振幅的有效参数。因此，本发明采用均方分振幅衡量地震道的振幅。均方根振幅(RMS Amplitude)是将振幅平方的平均值再开平方，其计算表达式为

[0057]

[0058] N为地震道的采样点个数，ai为地震道上第i个采样点的振幅。

[0059] 然后，将地震道的均方根振幅从小到大进行排序。

[0060] 计算排序后预定数量(例如，前10％)的均方根振幅(空道除外)的标准差，并将其作为标准值。

[0061] 标准差是统计学的常用参数，是衡量样本与均值的偏离程度，是异常值剔除常用的参数。标准差是一组数值自平均值分散开来的程度的一种测量观念。一个较大的标准差，代表大部分的数值和其平均值之间差异较大；一个较小的标准差，代表这些数值较接近平均值。标准差计算公式如下：

[0062]

[0063] 式中xi表示第i道的均方根振幅。

[0064] 将剩下的均方根振幅，依次加入之前的预定数量(例如，前10％)均方根振幅中组成新的数列，并计算新数列的标准差。

[0065] 将新数列的标准差与所述标准值作比较，判断该道是否为异常道。优选地，若该标准差大于标准值的4倍，则认为该道为异常道，且均方根振幅大于该异常道均方根振幅的地震道均为异常道。

[0066] 根据本发明的另一个方面，提供一种自动识别异常道的系统，所述系统包括：存储器，存储有计算机可执行指令；

[0067] 处理器，所述处理器运行所述存储器中的计算机可执行指令，执行以下步骤：

[0068] 计算地震记录中每一道的均方根振幅；

[0069] 将地震道的所述均方根振幅从小到大进行排序；

[0070] 针对排序后预定数量的均方根振幅计算标准差，并将其作为标准值；

[0071] 将上一步中没有参与计算标准差的所述排序后的均方根振幅，依次加入到上一步中计算了标准差的所述均方根振幅中组成新的数列(例如，每次加入一道均方根振幅)，并计算新数列的标准差；

[0072] 将新数列的标准差与所述标准值作比较，判断该道是否为异常道；

[0073] 如果是异常道，则终止计算，否则，继续加入未参与计算标准差的均方根振幅组成新的数列，重新计算新数列的标准差，并判断该道是否为异常道，如此迭代操作，当遇到异常道则终止迭代。

[0074] 根据本发明的又一个方面，提供一种记录介质，所述记录介质中存储有计算机可执行指令；所述计算机可执行指令运行时，执行以下步骤：

[0075] 计算地震记录中每一道的均方根振幅；

[0076] 将地震道的所述均方根振幅从小到大进行排序；

[0077] 针对排序后预定数量的均方根振幅计算标准差，并将其作为标准值；

[0078] 将上一步中没有参与计算标准差的所述排序后的均方根振幅，依次加入到上一步中计算了标准差的所述均方根振幅中组成新的数列(例如，每次加入一道均方根振幅)，并计算新数列的标准差；

[0079] 将新数列的标准差与所述标准值作比较，判断该道是否为异常道；

[0080] 如果是异常道，则终止计算，否则，继续加入未参与计算标准差的均方根振幅组成新的数列，重新计算新数列的标准差，并判断该道是否为异常道，如此迭代操作，当遇到异常道则终止迭代。

[0081] 为便于理解本发明实施例的方案及其效果，以下给出一个具体应用示例。本领域技术人员应理解，该示例仅为了便于理解本发明，其任何具体细节并非意在以任何方式限制本发明。

[0082] 本发明提供了一种基于均方根振幅的地震异常道自动识别方法，包括：第一步，计算地震记录中每一道的均方根振幅；第二步，将地震道的均方根振幅从小到大进行排序；第三步，计算排序后前10％的均方根振幅(空道除外)的方差，并将其作为标准值；第四步，将剩下的均方根振幅，依次加入之前的10％均方根振幅中组成新的数列，并计算新数列的标准差，若标准差大于标准值的4倍，则认为该道为异常道，且均方根振幅大于该异常道均方根振幅的地震道均为异常道。

[0083] 本实施例选取涪陵某工区地面监测微地震资料进行试验。图1为观测系统图，共有11条接收测线呈放射状布设，1848个检波器接收。为了更清晰显示本发明处理效果，我们选取第一条测线所观测的3s内记录进行异常道识别处理。原始地震记录如图2所示，强振幅道为白色线状，且近偏移距较多。图3展示了地震记录的均方根振幅分布，可以发现，大部分地震道均方根振幅较小，存在一些强振幅偏离了正常值。比较图2和图3，不难发现均方根振幅大的往往与异常道相对应，证实了用均方根振幅可以区分异常道和正常道。通过本发明的方法我们进行异常道识别，选阈值为正常标准差的4倍，异常道识别后的地震记录如图4所示。比较图2和图4发现，通过本发明可以较好的识别异常道。图5为异常道识别后剖面的均方根振幅分布，比较图3和图5发现，经过处理后，剖面的均方根振幅分布较集中。

[0084] 采用本方法对11条测线观测的1848道地震记录进行异常道识别，处理前后如图6(a)和图7(a)所示。在此为了分析异常道剔除对事件识别的影响，我们分别计算了异常道识别前后的叠加道，如图6(b)和7(b)。原始记录异常道振幅很强，隐约可见在2200ms附近有微地震事件，而在叠加道上却无法准确识别出事件出现的时间。经过异常道识别处理后，如图7所示，整个剖面地震道振幅分配均匀，叠加记录上我们可以很容易的识别出微地震事件出现在2200ms处。

[0085] 综上所述，本发明能够自动识别出地震道中的强振幅异常道，其操作流程简单实用，为微地震事件识别提供了帮助。

[0086] 以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。