利用初至震相定位法测定2013年辽宁灯塔M_(S)5.1地震震源深度

以2009年至2022年辽宁测震台网的观测资料为基础,拟合辽宁地区小震Pg波走时曲线,得到上地壳P波速度为6.11 km/s,并构建该地区双层地壳P波速度模型。提取正式观测报告中的20个清晰Pg和9个Pn震相到时,基于初至震相定位法测定2013年辽宁灯塔M S5.1地震的震源深度为10.8 km,初至P震相最小走时残差为0.31 s;使用考虑误差的定位算法测定震源深度为10.27 km,定位残差为0.35 s,与使用其他速度模型计算得到的震源深度基本一致,可信度较高。分析认为,灯塔M S5.1地震震源深度在11 km左右。以该深度作为主要输入参数计算其在周围产生的位移场和应变场,显示出典型的走滑地震特征。

利用聚类算法提高微地震初至拾取的稳定性

高效且准确地拾取有效信号的初至是微地震监测技术的关键。目前常用的微地震初至拾取算法是能量比算法,该算法应用简单且拾取效率高。但是能量比算法存在的主要问题是算法的抗噪性较差,拾取误差较大。为此,将聚类算法应用于微地震信号初至拾取,改进现有拾取算法。首先通过能量比算法对微地震初至进行一次拾取;然后通过聚类算法对一次拾取结果进行优化,提取其中的小误差初至;再对提取出的小误差初至的分布进行拟合,根据分布规律校正误差较大的初至;最后以优化后的初至为中心开时窗并利用AIC(Akaike Infor⁃mation Criteria)算法对微地震信号进行精细拾取。该算法结合了能量比算法和AIC算法的优点。实际数据测试结果表明,与传统算法相比该算法具有较高的拾取精度和抗噪性,而且可以有效识别多震相初至。此外,该算法的运算效率很高,适用于现场实时处理。

基于QT的能量比法地震波初至拾取系统设计

利用能量比法拾取地震波初至的基本思路为:在初至到来之前地震波的振幅很小,而在初至到来之后,其振幅增加到很大,因此在初至附近的两时窗内的能量比值会很大,只要找到地震道上能量比的最大值点,此点对应的时间即为初至时间。本文在Linux工作环境下,以QT为开发平台,利用能量比法实现了SEG-Y格式地震文件的读取,并以共炮点、共接收点和共炮检距的方式对初至时间进行交互式自动采集与检验校正,提高了初至拾取的效率和精度。

初至智能拾取技术

地震记录的初至自动拾取一直是复杂地形和表层条件下地震勘探工作的一个难题。为此,提出了初至智能拾取技术,模拟人机交互初至半自动拾取过程进行初至拾取。首先通过改进Coppens的滑动时窗能量比方法进行"好初至波"拾取;然后通过模拟人工辅助线的"架桥"技术获得可用初至波;再采用波峰(谷)相位域追踪技术获得初至波峰点,进一步采用炸药震源初至波起跳点的相位域估算技术获得初至波起跳点。在南方复杂地区,采用自主研发的Hunter初至智能拾取软件对靶区地震资料进行了初至拾取,并与OMEGA商业软件初至自动拾取结果进行了比较。结果表明,初至智能拾取方法及软件不仅能够实现高精度、高命中率的智能化初至拾取,而且能够提供初至时间、初至波周期和初至波品质等更多的信息;在复杂地区低信噪比地震资料中更能体现Hunter初至智能拾取软件的优越性。

基于U形多层感知机网络的地震波初至拾取与反演

针对传统勘探地震波初至拾取工作量大、抗噪性差和精度低所导致的低质量速度反演影响生产安全的问题,提出一种基于U形多层感知机(U-MLP)网络的地震波初至拾取与反演方法。首先,为解决传统U形网络(U-Net)中的交叉熵损失函数在数据类别不平衡时导致的性能变差问题,设计一种基于加权交叉熵Lovász归一化指数(WLS)的损失函数;然后,在特征融合阶段引入残差连接,缩小低级特征与高级特征间的差距,还原更多细节信息;最后,为使U-MLP网络更好学习图像局部特征,为高级语义引入标记化的多层感知机(MLP)模块,此模块降低了参数量和计算复杂度。实验结果表明,与U-Net相比,U-MLP网络在训练中收敛性更强,初至拾取最大误差降低了20%以上,交并比(IoU)值提升了约2%。可见,U-MLP网络在提取勘探地震波初至时不仅提高了拾取精度,而且拾取的初至在仿真数据和实际数据中的速度分布反演均达到了理想效果,具有更好的性能且适应性更强。

基于注意力机制U-Net的复杂地表地震初至拾取方法

地震数据的初至拾取是近地表初至波反演、静校正等工作的基础,是后续地震数据处理中不可或缺的一部分.随着地震数据量的不断增加,近地表条件更为复杂,信噪比越来越低,传统的自动拾取方法逐渐无法满足海量的拾取任务,需要大量的人工校正工作.因此需要一种更为精确的地震数据自动初至拾取方法.本文的贡献主要有以下几点.本文提出将一个注意力机制的U-Net网络应用于信噪比低、强近地表干扰的地区的初至拾取方法.首先将注意力门结构加入到一个标准的U-Net模型中,逐步抑制不相关的背景部分特征,提升拾取的准确性.其次本文提出使用地震波形数据与能量表象(Energy Semblance,ES)作为双通道数据体,可以使U-Net不仅关注相位信息,而且关注到初至的能量属性.此外,我们使用单通道的"0-1"标签作为网络的输出,可以大大缓解标签值分布不均衡的问题,提升预测精度.最后我们提出构建复杂近地表特征的合成数据集,包含复杂初至特征及复杂非均匀噪声的样本,验证方法的鲁棒性,并证明Dice-loss函数可以提升拾取精度.本文提出的方法对于强噪声干扰、缺道坏道及复杂近地表情况均有良好的适应性.

基于高分辨率时频分析的核爆地震信号能量统计初至检测算法

核爆地震波检测是禁核试核查的关键环节之一。常用的短时长时能量均值比、赤池信息准则、傅里叶变换等方法虚警率都比较高,为此,提出一种基于高分辨率时频分析的核爆地震信号能量统计初至检测算法。其基本原理是根据核爆地震事件信号与噪声的频域分布差异,采用窄带分频技术将信号时域波形变换到时频域,在各频带计算局部能量均值与全局能量均值之比并进行二值化处理,当结果大于设定的阈值时,认为此频带该时刻属于地震事件信号的一部分,如果在某一阈值下出现二值化结果相同的情况,只需继续增大阈值进行检测,直到最终只有一个时间点检测到频段的数量最多即可,最大值的跳跃点即认为是初值时刻。利用地下核爆产生的地震信号进行实验研究,结果表明本文方法能够在提高检测准确率的同时解决高虚警问题,在低信噪比信号条件下具有较好的适用性与鲁棒性。

深度学习在中低信噪比地震数据初至拾取中的应用研究

随着地震勘探地区的复杂化和地震装备及采集技术的发展,采集到的中低信噪比地震数据数量急剧增加,传统的初至拾取方法由于效率低、精度差己不能满足资料处理需求。针对这一问题,在充分分析传统语义分割网络方法基础上,提出了一种由编码器和解码器两部分组成的端到端的深度学习网络模型融合自注意力机制的空洞卷积空间金字塔池化(Adaptive Aggregation Net, AANet)。实验结果表明,训练后的网络模型能够高质量地拾取中低信噪比地震数据中的初至时刻,在测试集中的预测评价指标均交并比(Mean Intersection over Union, MIoU)达到99.9%。AANet提高了中低信噪比地震数据初至拾取的精度和效率,有良好应用前景。

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。

初至叠加法在宣汉地区转换波静校正中的应用

由于转换波记录静校正量大、信噪比一般较低,利用反射波进行静校正往往不易取得满意的结果.由于转换波自身特点,转换波初至的识别和拾取一直是一个难题.论文通过推导共检波点道集中初至的时距曲线公式得到了共检波点道集中P-P P波初至和P-P-SV波初至在一定偏移据范围内平行的结论.根据这一结论,提出了共检波点域初至波叠加法确定转换波初至的算法.利用这种算法对宣汉地区的转换波资料进行了转换波初至识别,并拾取了纵波和转换波初至时差,使用延迟时时差法计算静校正量取得了令人满意的效果.

初至拾取预处理

初至波常常会受到很多干扰因素的影响,因而无法保证准确拾取。小波变换的时频局部化分析方法能将 频率与时间很好对应,对信号突变敏感,可以用来对资料进行初至拾取前的预处理。分析了影响初至拾取准确 度的因素,探讨了选择小波函数和变换尺度的原则,并进行了不同小波变换处理效果对比。模型和实际资料处 理结果表明,小波变换可以很好地恢复初至波的峰值,突出起跳位置。

初至拟合静校正法在独山子探区的应用

准噶尔盆地南缘独山子探区表层地质结构复杂,野外静校正很困难。常规模型静校正方法由于受自身假设条件的限制,难以满足实际复杂结构模型的精确描述而导致静校正量的偏差。初至拟合静校正法避免了复杂的近地表模型建立过程,以简单表层结构初至旅行时所呈现的线性渐变规律作为静校正量求解的目标。只考虑初至时间的变化,不考虑引起初至时间变化的原因。通过初至拟合的方法实现初至时间线性渐变规律的校正,将校正的初至时间分解到相应的炮检点,以达到基准面静校正的目的。该方法在准噶尔盆地南缘独山子复杂地表区的应用取得了良好的效果。

苏里格地区转换波初至识别方法研究

P-SV转换波静校正是转换波处理中的一个难题,常规的纵波静校正方法不能用于转换波处理。利用初至波进行纵波静校正取得了很好的效果,但是由于转换波初至识别和拾取困难,针对转换波的折射静校正方法一直没有得到较好的应用。对转换波初至的组成和特点进行了讨论,通过推导共检波点道集中初至的时距曲线得到了共检波点道集中P-P-P波初至和P-P-SV波初至在一定偏移据范围内平行的结论。根据这一结论,提出了共检波点域初至波叠加法确定转换波初至的算法,并对苏里格地区的转换波资料进行了转换波初至识别,取得了满意的效果。

初至层析静校正在复杂山地三维地震勘探中的应用

随着地形高差增大、地貌单元多变、近地表模型复杂,目前被广泛应用的初至折射静校正的精度已无法满足精细勘探的要求。初至层析静校正技术,由给定的初始模型进行正演,用射线追踪方法得到初始模型的初至波,利用该初至波和实际拾取的初至波进行比较,计算地表模型的修正量,反复迭代求得准确的地表模型。山西省国阳新能股份有限公司二矿390水平九采扩区地表标高940～1 100m,地貌单元复杂,在对该区资料处理时,利用初至层析折射静校正,经9次迭代计算后,真实地刻划出近地表模型。在二种静校正技术对比中,初至折射静校正不但近地表模型精度低于层析折射静校正,而且其叠加剖面精细程度也远低于层析静校正,如在初至折射静校正叠加剖面同相轴上呈现的凹凸形态,在层析静校正叠加剖面并无显示,且后者剖面的信噪比也比前者明显提高。

高效高精度初至波层析静校正方法及应用

研究解决三维复杂地表层析静校正耗时等问题的方法,采用快速初至时间拾取、快速表层模型折射反演、快速计算低频校正量及高频校正量、快速地表一致性和地表非一致性时差校正方法,实现了高效、高精度的快速初至波层析静校正,并经实际二维、三维资料处理证实了该方法及软件具有较高的效率,优于常规地震资料处理中所用的微测井加初至波静校正商业软件的处理效果。

BP神经网络的改进及其在初至波拾取中的应用

在地震资料处理中,正确的初至时间,是解决复杂地表静校正问题所需的关键参数。将BP神经网络引入到初至波拾取中,并针对经典BP神经网络收敛速度慢、易于陷入局部极小的缺点,利用组合函数法、限幅法、动量因子法及自适应学习率法等进行了改进。用模拟试验证明了这些改进方法的可行性和有效性,在应用于实际的地震记录初至波拾取中,取得了良好的应用效果。

基于加权K均值聚类的多属性初至拾取方法

为提高初至拾取方法的准确性和自适应能力,将变异系数加权K均值聚类算法引入初至拾取中。首先提取均方根振幅、相邻道相关性、线积分、振幅谱主频等多种地震属性;然后针对地震属性进行加权K均值聚类,自动识别初至所在时窗;最后结合相位校正法,实现时窗内初至波起跳时间的拾取。在此基础上通过实际数据测试,并与长短时窗能量比法、反向传播神经网络方法对比,验证了本文方法的有效性与可行性。结果表明,基于加权K均值聚类的多属性初至拾取方法能较快速、准确地拾取低信噪比数据的初至,并且无需人为判断时窗,从而提高了拾取的自适应能力。

基于互信息量的地震信号检测和初至提取方法

本文将现代信息科学中的重要基础理论———信息论引入到地震信号的分析和处理中,提出了一种利用互信息量检测地震信号并进行初至提取的方法,给出了该方法的基本原理和具体算法.计算结果表明,互信息量随滑动窗口移动的变化情况可以明确标示出待测地震信号的存在,通过提取互信息量的突变点或峰值点,能够有效拾取地震波的初至时刻.这种方法还可以特别针对非传统的地震信号,如连续随机信号、随机脉冲序列等进行处理.在这些信号条件下,往往信噪比很低,波形随传播距离发生较大变化,传统的信号检测方法效果不佳,而这种以随机信号检测为基础的互信息量探测方法具有很好的性能,很有发展前景.

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。

可控震源地震记录初至拾取方法研究

可控震源作为一种环保型的激发源已被越来越多地应用于地震数据采集中,但针对可控震源资料初至拾取的研究并不多。由于可控震源的扫描信号为非线性以及可控震源与大地接触不耦合等原因,在可控震源资料上出现"双初至"或"多初至"等现象,造成初至拾取困难。基于可控震源记录相关性好这一特点,提出了一种改进的相关算法——优化相关法,通过不断优化相关模型道来提高初至拾取的精度;同时还提出了一种约束初至拾取方法,根据地表一致性原则进行交互拾取,采用少量人工拾取的初至对相关拾取法进行约束。在可控震源资料初至拾取中,将两种方法相结合,较好地解决了可控震源地震记录的初至拾取问题。