The invention discloses a prediction method of seismic sound grain fluid based on HHT MFCC, and decomposes the seismic signal by EMD, and obtains the IMF component that reflects the inherent vibration mode of the seismic signal and the instantaneous frequency is more real physical meaning. The Hilbert marginal spectrum of each IMF component is obtained by framing frames and performing Hilbert transform by frame. At last, we use the method of speech recognition to analyze the superposition information of the original seismic signals to different dimensions, and excavate the effective information hidden in the data. The advantages of the invention are as follows: taking full account of the nonstationary of seismic signal, using HHT to decompose the seismic signal, the Hilbert marginal spectrum of the seismic signal component is obtained, the time frequency resolution is higher and the physical meaning is more clear. The characteristic parameters of seismic sound pattern extracted from seismic signals have strong identities and better fault tolerance of reservoir fluid, which can be more effective and accurate to reflect the properties of reservoir fluid and improve the accuracy of reservoir fluid prediction.
【技术实现步骤摘要】
一种基于HHT-MFCC的地震声纹流体预测方法
本专利技术涉及地震预测
,特别涉及一种基于HHT-MFCC的地震声纹流体预测方法。
技术介绍
希尔伯特-黄变换(Hilbert-HuangTransform,HHT)是N.E.Huang于1998年提出的一种全新的时频分析方法,该方法主要包括经验模态分解(EmpiricalModedecomposition,EMD)和希尔伯特谱分析(HilbertSpectralAnalysi)两大部分。其中EMD为HHT的核心,EMD将将信号内相互叠加的不同尺度的波动或变化趋势逐一分解开,得到反映信号内部不同震动模式的一组固有本征模态函数(ItrinsicModeFunction,IMF)。在IMF的基础之上利用希尔伯特谱分析方法得到各IMF的希尔伯特边际谱,希尔伯特边际谱是具有统计意义的频谱,它体现了每个频率成分对于信号整体总能量的贡献情况,可在一定程度上较为精细地体现出高频、中频、低频子带上能量的分布和变换规律,是分析不同频率成分的能量在频域上分布特征的有效手段。基于听觉特性的Mel频率倒谱系数MFCC在语音识别领域被广泛使用,并且在识别率上体现出了很好的优势,MFCC特征能够很好的表征频谱信息的特点,以一种小数据的方式尽可能的保留了最多的原始频谱信息,并且对于噪声具有较高的鲁棒性,MFCC特征是一种非常有效的表达频谱信息的特征参量。Mel频率Mel(f)与真实频率f的关系如下:Mel(f)=1125×ln(1+f/700);Mel-1(f)=700×(exp(f/1125)-1);传统的倒谱分析算法都采用傅里叶 ...
【技术保护点】
1.一种基于HHT‑MFCC的地震声纹流体预测方法,其特征在于,包括以下步骤:步骤一:输入叠后地震单道CDP数据,对输入数据进行EMD经验模态分解,得到不同频带范围的IMF分量:
【技术特征摘要】
1.一种基于HHT-MFCC的地震声纹流体预测方法,其特征在于,包括以下步骤:步骤一:输入叠后地震单道CDP数据,对输入数据进行EMD经验模态分解,得到不同频带范围的IMF分量:上式中s(t)为输入的叠后地震单道CDP数据,IMFi(t)为经验模态分解得到的各IMF分量,rn(t)为分解最后的残余趋势项;步骤二:对各IMF分量分别进行分帧加窗处理;采用有限长度的时窗来截取各IMF分量,将其划分成一个一个的短时段信号即一帧;为了保证各帧之间的连续性,相邻帧之间保留一段重叠区域,重叠区域长度取窗函数的1/3-1/2窗长;采用汉明窗,其定义如下:其中w(n)为窗函数,N为窗长;步骤三:对分帧加窗后的各IMF分量逐帧进行希尔伯特变换得到各帧的希尔伯特边际谱,将各IMF分量从时域转换到频域;步骤四:将步骤三得到的频率域信号通过M个Mel三角带通滤波器组获得Mel频谱,再将得到的Mel频谱取对数能量,得到相应频带的对数能量E(m),Mel三角带通滤波器Hm(k)的中心频率f(m)由下式求取:其中,Fs为地震信号的采样频率,fh为带通滤波器的最高频率,取Fs的一半;fl为带通滤波器的最低频率,取值趋于零值;m表示Mel三角带通滤波器组中的第m个带通滤波器,N为步骤二中的窗长;每个滤波器的输出的对数能量E(m)为:E(m)=log10(h2(f)Hm(f));其中h(f)为信号希尔伯特边际谱,Hm(f)为三角带通滤波器的频率响应;步骤五:对步骤四得到的对数能量E(m)进行离散余弦变换D...
【专利技术属性】
技术研发人员:杨巍,杨应,杨顺,朱仕军,
申请(专利权)人:西南石油大学,
类型:发明
国别省市:四川,51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。