基于互补集合经验模态分解的烃类识别技术

储层含油气后,地震数据的振幅、频率等信息会发生变化,这为利用地震数据进行油气识别奠定了基础。根据互补集合经验模态分解(CEEMD)算法能够自适应分离出复杂信号的局部特征信息的优势,提出利用该算法提取地震数据中的烃类信息。分别采用经验模态分解(EMD)算法、集合经验模态分解(EEMD)算法以及CEEMD算法对MarmousiⅡ模型合成记录及实际测井数据合成记录进行分解,发现:基于EMD算法得到的各阶固有模态函数(IMF)分量与油气无明显对应关系;而在基于EEMD算法和CEEMD算法得到的IMF分量中,IMF1分量能够突出油气层的地震响应,压制非油气层处的地震响应,但在集成次数较少时,EEMD算法对应的IMF1分量受白噪声影响较为明显。相比EMD算法、EEMD算法,在较少计算量下,基于CEEMD算法得到的IMF1分量能够高精度刻画烃类的分布范围。最后将该方法应用于渤海A油田,根据该方法得到的烃类识别结果,部署A2井落实油水界面,该井实钻0.9 m油层、1.3 m油水同层及6.1 m水层,钻前预测结果与实钻结果基本一致,证实了方法的可行性与有效性。

基于经验模态分解差分谱的故障选线新方法

提出了一种基于经验模态分解差分谱的小电流接地系统单相接地故障选线新方法。该方法采用经验模态分解方法分解故障发生后各条线路的暂态零序电流,提取出各条线路的高频IMF1分量,并根据差分谱和波动值的定义,求出各条线路的IMF1分量差分谱及IMF1分量波动值;通过比较各条线路的IMF1分量波动值,得出IMF1分量波动值最大的线路,则该线路即为故障线路。仿真结果表明,该方法具有较高的选线准确度,适用于不同接地电阻与不同故障初相角情况下的小电流接地系统故障选线。

基于C-WNNM的地震随机噪声压制方法

针对低信噪比情况下地震信号同相轴不易识别的问题,提出用C-WNNM方法来压制地震勘探资料中的随机噪声.给出了基于WNNM的低秩逼近理论,利用地震信号在时间和空间上具有一定的相似性这一特点来构建近似低秩矩阵,并且由CEEMD分解得到的IMF1分量来近似估计局部噪声方差,从而获得更加精确的权值.经过迭代逼近得到最终去噪后的信号.对由雷克子波生成的模拟地震勘探资料进行C-WNNM滤波处理.结果表明,在地震数据存在强噪声的情况下,该方法能够有效压制随机噪声并且能够更好地保留有效信号,信噪比相比于原始WNNM算法提高了3 d B左右.