基于S变换时频域极化滤波的面波压制方法研究(英文)

针对地震记录中的面波通常与体波在初至到时、频率成分以及极化特征方面存在明显差异,而单纯的时间域或者频率域极化滤波方法又无法同时考虑到这些要素,本文提出了一种基于S变换时频域极化滤波的面波压制方法。该方法通过利用多分量地震数据的S变换复系数计算得到多种能够表征数据极化特征的参数,并利用这些极化属性参数来构造滤波器函数。本文选用S变换来设计该极化滤波器是由于它所采用的高斯窗函数的宽度与频率成反比,能够保证每一频率成分所对应的时窗内均包含相同数目的谐波周期,因此,利用S变换可以更加准确地计算出时频域内每一点的局部极化属性。合成数据以及实际数据的处理结果表明本文提出的方法不仅能够有效压制面波,同时还能较好地保护体波。

属性多级和项目多级评分的认知诊断模型

认知诊断理论中属性多级和项目多级评分均能极大地丰富项目信息,提高诊断结果准确度.基于此对已有认知诊断模型扩展的属性多级和项目评分多级的认知诊断模型进行介绍,并基于认知诊断模型和相关理论研究视角,对当前认知诊断的发展方向提出思考和建议.

海底与陆地台站背景噪声差异

地震台站按位置可分为陆地台和海底台(Ocean Bottom Seismograph,OBS),为了研究OBS与陆地台站记录的频谱特征差异,采用偏振分析法获得2类记录周期为0.1—100 s的地震背景噪声频谱极化特征。OBS台站与陆地台站的频谱分析结果表现出较大差异。陆地台站均能记录到第一地脉动信号,而OBS台站则不能。陆地台的第二地脉动信号均表现出瑞利波质点运动特征,而OBS台仅个别台站信号显示线性运动特征。台站环境是这一观测结果的主要影响因素,OBS相较于陆地台会受到更多来自海底湍流的影响,而湍流削弱了地脉动信号的信息。

AVO反演预测煤层瓦斯富集区

以赵家寨煤矿为例,对叠前地震数据进行滤波、超道集、保幅等一系列处理,得到高信噪比的叠前地震数据,进而计算出多种AVO(振幅随偏移距的变化Amplitude Versus Offset)属性。通过多种AVO属性与实际钻孔含气量的线性分析,认为极化量属性(PM)具有较好的相关性。对PM属性进行Kriging内插值,最终得到勘探区煤层含气量分布。为验证AVO反演预测煤层瓦斯富集区的准确性,选取矿区14采区18个钻孔进行对比,结果表明,预测的瓦斯含量平均误差为0.95%,最大误差也小于1.5%,均在误差范围内,可见利用AVO反演能够比较准确的圈定瓦斯富集区。