基于UNet结构生成对抗网络的海底地震勘探数据混叠噪声压制方法

本文提出一种基于UNet结构生成对抗网络(Pix2PixGAN)的海底地震勘探数据混叠噪声压制方法,该神经网络主要在于构建了一个适用于混叠噪声压制的生成器和判别器,生成器是UNet结构,可以提取和融合数据的特征映射信息,而通过加入skip-connection,可以保留更多的细节信息;判别器由两个卷积模块构成,通过PatchGAN输出多个固定大小的数据体,加入Dropout2d层,优化判别器的训练速度。通过制作的四千余个数据集对网络模型进行训练,将得到的训练参数加载到测试网络中,经过测试数据集的验证以及和常规的去噪方法相比,验证了本文采用的混叠噪声压制方法具有较高的压制精度和效率。

黄土高原地震滑坡与强震动记录数据库管理系统的构建与应用

地震滑坡资料与实际强震动记录是开展地震滑坡成灾机理研究的重要基础数据,如何科学管理这些数据资料,并最大限度地发挥其科学价值仍然是一个值得探索的问题。文章以黄土高原地区7次典型历史地震诱发黄土滑坡和125次地震(2001—2018年)的强震动记录为基础数据,依托开源GIS平台+MySQL数据库,构建黄土高原地震滑坡与强震动记录数据库管理系统。该系统界面规范、友好,参数获取方便,图表展示清晰、流畅,不仅为地震滑坡和强震动记录数据资料的管理与应用提供一个科学便捷的平台,也为黄土地震滑坡成灾机理研究提供坚实的数据基础,亦对黄土高原地区防灾减灾工作的开展具有一定的参考价值。

应用生成对抗网络的地震数据重建和去噪一体化方法

在实际采集过程中,受地形条件和人为因素的影响,地震数据不仅在空间上会出现采样不足或不规则的情况,而且会混入噪声,不利于后续地震数据的处理和解释。通常将重建与去噪分为两个阶段处理,这样往往会引入额外的误差。为此,文中提出了一种基于条件韦氏生成对抗网络(cWGAN)的地震数据重建去噪一体化方法,该方法研究的重点是在缺失道和噪声的混合干扰下,准确提取地震数据的有效特征。首先,以U-Net模型为基本网络结构来构建生成器模型,分级提取地震数据同相轴特征;在判别器模型中引入条件约束,引导生成器优化梯度方向。其次,建立重建和去噪误差描述模型,该模型设计了一体化损失函数,可以兼顾重建与去噪两方面的处理任务。最后,经过合成数据和实际数据测试,证明文中所提的网络模型恢复的地震数据信噪比更高且具有较强鲁棒性。

应用自适应注意力机制U-net的地震数据高分辨处理

随着油气勘探开发的不断深入,薄储层与岩性油气藏逐渐成为重要的勘探目标,这也对地震资料的分辨率提出了更高的要求。文中提出了一种基于自适应注意力机制的U-net地震数据高分辨处理方法。该方法首先利用U-net结构学习地震数据的特征表示,通过下采样过程的编码器提取地震数据的抽象特征,然后通过上采样的解码器进行特征重建和细化。在上采样的过程中引入了注意力机制,用于自适应地调整网络对不同地震特征的关注程度,网络能够更加有效地捕捉到地震数据更多的细节和特征。Marmousi模型合成地震记录和实际数据实验结果表明,新网络比原U-net误差更小、更稳定,可有效提高预测精度,实现对地震数据的高分辨率处理。

山西台网地震预警系统和测震台网数据对比分析

收集整理2021年9月至2023年1月山西及邻省所有触发的地震预警事件,针对山西预警JEEW和EEW两套系统产出预警参数和测震数据统一编目数据,从发震时刻、震级、震中位置和震源深度几方面进行对比分析。总体来说,山西地震预警区内地震预警参数基本稳定,可满足山西地震预警条件。

基于Curvelet域的注意力机制卷积网络地震数据去噪

【目的】地震资料中的噪声严重影响着对地下地层信息的准确解释。基于地震资料中横向相关性较强的有效信号在Curvelet域分布在特定系数上,而随机噪声在Curvelet域通常会均匀分布于所有系数,可对信号进行更有效的分离。【方法】基于注意力机制卷积神经网络能够聚焦图像的重要特征,自适应提取关键信息的特点,提出一种基于Curvelet变换和注意力机制卷积神经网络(Curvelet-AU-Net)的地震数据噪声衰减方法。首先,将含噪声的地震数据通过Curvelet变换得到Curvelet变换系数,分析有效信号和噪声在Curvelet域的分布情况。其次,使用加入CBAM(Convolutional block attention module)注意力机制的U-Net网络,以含噪地震数据的Curvelet变换系数制作训练集作为输入数据,用无噪地震数据的Curvelet变换系数作为标签,通过比较实际输出与标签的损失函数值,并逐层反向传播梯度来更新网络参数,当损失函数值达到最小时,网络训练完成。最后,将测试数据输入训练好的网络模型中,再对网络输出数据进行Curvelet反变换即可得到地震数据去噪结果。【结果和结论】模拟数据与实际数据处理结果表明,与传统方法和普通卷积网络相比,该方法在不同噪声水平和尺度条件下对常见噪声(如随机噪声等)的衰减效果更优,获得的地震信号信噪比和保真度更高。由于该方法融合了Curvelet变换的稀疏表示优势和深度学习模型的自适应性,将为地震数据噪声衰减提供一种新的解决途径。

可逆网络的地震数据分辨率增强与去噪

基于卷积神经网络的地震超分辨率方法表现良好,但在下采样过程中会丢失高频信息,无法解决一对多不适定性问题.为此,提出了一种基于可逆网络的地震超分辨率和去噪算法(SRInvNet)缓解该问题.在前向过程中,SRInvNet被训练为将有噪声的低分辨率地震图像转换为干净的降尺度图像和噪声-高频信息混合的潜在表示;丢弃潜在的表示来完全去除噪声,并从高斯分布中随机采样一个新的变量来恢复高频信息.在后向过程中,该变量和降尺度图像作为输入来恢复干净的高分辨率图像.结果表明,SRInvNet的性能和参数量均优于最新的超分辨率算法CAUC和SeisGAN.

SEGY地震数据自适应快速索引处理

随着油气田勘探技术的不断进步,勘探精度越来越高,产生物探地震成果数据量也越来越大。一个工区成果动辄几个TB甚至几十个TB,而这些成果数据中90%以上为SEGY格式地震数据体、如果采用常规方法对文件依次遍历,耗费资源且效率低,结合地震数据体的特性建立相匹配的索引将极大的提高数据遍历及提取的效率与速度。通过分析国内外地震数据管理现状和发展趋势,结合油田地震资料管理现状,设计和研发一套地震SEGY数据体自适应快速索引生成技术,已实现工业化应用。

OBN地震数据成像处理基本逻辑与关键方法技术

海洋油气勘探逐渐进入深水深层勘探领域,地下地质构造复杂(横向变速剧烈)、目标油藏复杂(由以构造油气藏为主转向构造与地层岩性油气藏并重),同时还可能伴随海底地形及附近岩性的复杂变化,所有因素促使海洋油气地震勘探技术不断变革。提高海洋油气勘探效益的首要问题是发展尽可能满足高精度地震波成像需求的地震数据采集技术及对应的高精度地震波成像技术。当前,无论海上和陆上油气地震勘探,“两宽一高”地震数据采集技术和全波形反演(FWI)/最小二乘逆时偏移(LS_RTM)为代表的地震波成像技术是标志性的领先技术。海上油气地震勘探中,海底节点(OBN)地震数据采集是目前业界公认的、最有可能真正实现“两宽一高”地震数据采集的技术。与拖缆数据采集相比,OBN数据采集具有宽方位照明、数据信噪比高、无检端鬼波、存在实测的(至少一阶自由表面相关)下行波场、四分量观测等优点。尤其是宽方位照明和存在至少一阶自由表面下行波场的特点,使得OBN数据具备了对中深层复杂构造和近海底介质进行高精度成像的能力。着重讨论了高精度地震波成像对地震数据采集的要求,指出OBN数据采集在海洋油气勘探中的必要性;分析了OBN数据采集的地震波场的特点,据此提出OBN数据地震波成像处理的基本逻辑及相应的关键技术;认为海洋油气勘探中地震波成像处理的特殊问题主要由特征反射层引起,海水面、海底面和地下介质中若干强反射层构成了这些特征反射层,提出了模型驱动波动理论特征反射层相关多次波预测与压制的技术路线,并对比了几种代表性的多次波预测的基础理论;指出对应当前的线性化偏移成像算子叠前数据域与叠前成像域是等价的,据此以成像道集后处理为中心,给出期望成像道集的定义,将弱旁瓣、定量的反射系数作为保真高分辨地震波成像的目标,在两个域中尽可能完美实现地下同一反(绕/散)射点、不同炮检距反(绕/散)射子波的同相位叠加,尽可能好地实现保真高分辨带限反射系数的成像;提出最好把带限反射系数成像推进到宽带波阻抗成像的技术路线;结合OBN数据的特点,给出了OBN数据地震波成像处理的基本技术流程,指出各环节的关键方法技术。最后,针对OBN数据四分量观测的特点,指出是实际观测的多波地震波场中的波现象(主要是P_SV波)与地震波传播及模拟理论不匹配导致了当前多波成像结果达不到预期,建议重点研究实际观测的多波地震波场中的波现象与地震波传播及模拟理论不匹配的物理根源,而不是发展更高端的矢量波成像算法。期望本文的思想观点对OBN地震勘探在海洋油气勘探中的进一步应用产生积极的促进作用。

南海洋脊跃迁的深地震探测数据分析

洋脊跃迁事件是海底扩张阶段受强烈构造和岩浆作用的普遍现象,地球物理资料表明洋脊跃迁事件存在于南海多期次海底扩张过程中,然而关于洋脊跃迁的深部速度结构特征尚不清楚.2021年国家自然科学基金共享航次实施了深地震探测测线OBS2021-1,该测线横穿南海东部次海盆洋脊跃迁(J3)区域.本文介绍了该测线数据的采集情况,完成了导航文件(Ukooa文件)的制作、原始数据的格式转换、炮点位置和海底地震仪(OBS)位置校正的前期数据处理工作.结果表明,OBS2021-1测线数据质量良好,经过炮点和OBS位置校正后,OBS综合地震记录剖面可识别出多组清晰的P波震相,包括Pw、Pg、PmP以及Pn震相.根据同船采集的多道地震处理解释和国际大洋发现计划(IODP)钻探数据,建立了沿测线的初始速度模型.使用RayInvr软件初步获得了OBS2021-1测线下方的正演速度结构模型,识别洋脊跃迁的深部速度结构特征.数据处理结果表明南海洋脊跃迁的地壳厚度增厚,在多道地震剖面上存在渐新世地层的缺失,为进一步研究南海洋脊跃迁过程与构建南海形成演化历史奠定了研究基础.

海底地震仪数据丢失异常及内部时间校正

TS03航次使用国产海底地震仪(Ocean Bottom Seismometer,OBS)在马里亚纳海沟南段进行了一系列主动源和被动源地震作业,旨在获取跨越海沟的壳幔结构和地震活动性.但在数据处理过程中,我们发现POBS04台站地震剖面的直达水波到时异常,给接下来的计算模拟工作带来困难.为此,本文计算了直达水波理论到时,对比SAC文件中气枪信号到时,以此进行异常数据的检查分析.结果表明,POBS04台站记录过程中发生了部分数据丢失,从而造成其内部时间存在错误,体现在SAC文件中气枪信号到时提前,以及相邻数据文件之间存在数十秒的时间间隔.因此,本文在SAC软件中将整段气枪信号进行延后,使其可以和直达水波理论到时准确对应;之后再进行裁截、分道排列和SEGY格式转换,最终得到了正常的单台地震剖面.这项研究发现了一种新型数据异常,为后续准确的OBS位置校正和地壳结构计算模拟提供了可靠的数据保障,也为国产仪器的改进及其异常数据修复提供了新的参考.

应用小波通道注意力网络的地震数据重建方法

重建缺失的地震道是地震数据处理的关键环节之一。近年来提出了多种基于深度学习理论的地震数据重建方法。然而,这些方法中常用的卷积运算只能捕捉到地震数据的局部特征,没有充分利用全局信息。另外,池化操作也会造成特征图信息的丢失,从而破坏地震反射的细节特征。为此,提出了基于小波通道注意力网络的地震数据重建方法。哈尔(Haar)小波变换能够有效提取信号的多尺度特征,并在上采样过程中避免信息的丢失;高效通道注意力模块通过对不同通道特征图之间的相关性进行建模,能实现全局信息的充分利用。合成和实际地震数据的实验结果表明,与具有代表性的深度学习方法相比,文中所提出的网络模型可以产生更准确的重建结果。

地震数据分布式存储系统建设模式与服务效能研究

我国地震监测系统历经了数字化、网络化和自动化的变革。随着地震监测站网规模的不断扩大,作为国家数据中心,中国地震台网中心面临数万地震台站观测数据处理和存储压力。本文基于前期国家地震烈度速报与预警工程、公共安全信息化工程(中国地震局)建设项目等建设经验,总结地震数据分布式存储系统的建设模式,并验证其合理性。同时以历史数据迁移归档业务为例,分析共享存储系统的服务效能,为海量观测数据的高效存储管理、共享数据存储系统建设提供参考。

基于EMD的地震数据速度谱优化方法

地震波在地层中的传播速度可间接反映地下岩性及地质构造特征,速度的提取与分析影响地震数据处理和解释全过程。目前,速度谱分辨率低,导致拾取的速度不准确,构建的速度模型精度经常不能满足复杂地质构造的地震成像要求。为此,提出基于经验模态分解(EMD)的地震数据速度谱优化方法。该方法是一种频移处理技术,能有效提高地震数据低频端能量的信噪比。首先,基于Hilbert变换获得地震数据的瞬时振幅;其次,对瞬时振幅进行EMD;然后,筛选分解后的本征模量(IMF),选择具有有益表达速度谱信息的本征模态模量;最后,构建新的速度谱数据。经过优化后的地震数据频谱分辨率更高,有效频带向低频端移动。实验测试和实际资料处理结果表明,所提方法能有效扩大速度谱拾取的寻优区间,提高速度分析准确性,提升地震资料成像品质。该方法在成果数据处理和速度谱优化方面具有广泛的应用价值。

基于粗-细网络模型分步训练的地震数据重建方法

由于地形等复杂条件的限制,叠前地震数据在空间上存在不完整或不规则分布的情况,导致数据出现缺失或混淆等现象。近年来,基于卷积神经网络的方法已经广泛应用于缺失地震数据重建工作。然而一步训练过程的网络模型不足以重建具有宽振幅范围的缺失地震数据,低振幅缺失部分的重建结果仍需改进。因此本文提出一种具有分步训练过程的粗-细网络模型。该模型由粗网络和细网络组成,分步恢复宽振幅范围内的缺失地震数据。在细网络中引入离散小波变换代替池化操作,其可逆性在上采样阶段有利于保留细节特征。模型采用混合损失函数重建缺失信号的真实细节。粗网络的初步恢复结果经过掩码操作处理后输入到细网络,细网络进一步精确恢复缺失部分的低振幅信号。实验结果表明,与残差网络(ResNet)、U型网络(U-Net)和多级小波卷积神经网络(MWCNN)的重建方法相比,本文方法在合成数据和真实数据上展现出更卓越的重建性能:在缺失75%的合成数据上,信噪比为18.818 5 dB;在缺失50%的真实数据上,信噪比为12.2551 dB。在消融研究中,本文模型重建的均方误差为1.689 3×10^(-4),信噪比为19.284 6 dB,峰值信噪比为43.743 5 dB,结构相似性为0.984 1,均优于其他三组对照实验。

FISTA框架下基于构造导向空变中值滤波的含异常噪声地震数据重建

受实际环境、采集成本等因素的制约,野外观测的地震数据经常出现不规则缺失的现象.为了给后续地震资料处理和成像提供完整的数据,势必要对缺失地震道进行插值重建.基于稀疏变换的插值方法被广泛用于地震数据重建,但传统的基于稀疏变换的插值方法对异常噪声非常敏感,当采集数据中存在异常噪声时会严重影响该方法的重建精度.为了克服这一问题,本文在快速迭代阈值收缩算法(FISTA)框架中引入构造导向中值滤波技术,提出了一种能同时压制异常噪声并对缺失地震道进行高精度重建的插值方法.该方法在FISTA的每次迭代中都对地震信号沿其局部倾角方向进行中值滤波以衰减异常噪声并最大限度地保护有效信号不被损害.得益于此,新方法可对含异常噪声的欠采样地震数据进行高精度重建.模型和实际数据测试均表明,当采集数据存在异常噪声时,新方法在插值精度和稳定性方面均优于传统稀疏促进插值方法.

SeedLink地震数据实时传输服务器搭建

利用运营商网络将地震监测数据实时传输至本地数据中心进行在线处理是全球各地地震台网的通用做法,IRIS和GFZ等机构提供了基于SeedLink协议的地震数据共享服务器,用户既能通过互联网快速获取数据到本地,又能通过Seiscomp和Earthworm等系统进行实时地震监测。目前国内测震台网使用NetSeis/IP协议和Http协议进行数据分发,通过Jopens MSDP软件进行在线处理。由于国内外采用不一样的数据传输协议,国内数据流不能直接接入Seiscomp和Earthworm等系统使用。为解决这个问题,介绍了NetSeis/IP和SeedLink等国内外主流地震数据实时传输协议,对协议指令及数据请求方式进行了详细描述,提出了一种基于RingServer快速搭建轻量级SeedLink实时数据流服务器的方法,可实现SeedLink服务器功能,一方面满足Seiscomp和Earthworm等国际地震监测系统的数据接入需要,另一方面为我国地震数据在线共享提供参考。

河北省风险普查信息资源元数据标准研究——以地震灾害为例

河北省第一次全国自然灾害综合风险普查工作开展至今,积累了大量的数据信息资源,基本实现了地震灾害相关基础数据与其他信息资源的全覆盖。为稳固和提升普查成果、探索数据管理标准化路径,同时为自然灾害综合风险普查数据归集研究奠定基础,本文从综合防灾减灾的指导思想出发,构建地震灾害信息资源元数据标准及其扩展机制,帮助普查数据有效归集与统一管理,以期促进普查数据成果再利用,使普查数据成果更好地服务于地震灾害防治工作,进而促进大数据等现代技术在综合防灾减灾领域的科学应用。

融合微博数据的地震辅助决策系统

以新浪微博数据为基础数据,采用网络爬虫技术对数据进行抓取,通过地理编码确定受灾区的时空分布情况,基于数据质量评价体系分析微博数据的可用性,结合遥感数据构建辅助决策分析模型,实现了融合微博数据的系统平台;为验证系统的实用性,以2022年芦山MS6.1地震为例,利用微博数据空间分布特征、交通、地形地貌等数据,对灾后救援力量分配、安置点选址和路径规划进行分析,为地震灾害救援以及后续的灾后重建提供了有效的决策支撑。

基于改进对抗网络的地震数据随机噪声压制

针对地球物理勘探中,采集的地震数据被大量随机噪声所覆盖的问题,提出基于改进生成对抗网络(GAN)的地震数据随机噪声压制方法。该网络的核心是将卷积层引入GAN,建立合适的生成器与判别器并引入LeakyReLU、Sigmoid激活函数以优化网络训练效果;卷积层代替全连接层,通过局部连接与权值共享实现在保留数据有效信息的同时提升计算效率。以实际地震数据与合成地震数据进行实验,在数据可视化、峰值信噪比的评价指标下,结果表明与原始GAN、传统方法相比,该方法在不同噪声水平下均有较好的去噪效果,有利于后续地震资料解释等环节。