一种利用高斯模型的微震信号重构方法和系统技术方案

本发明专利技术的实施例公开一种利用高斯模型的微震信号重构方法和系统，所述方法包括：步骤1，输入实测的信号序列S；步骤2，根据高斯模型对所述信号序列S进行数据重构，重构后的信号序列为S

A method and system of microseismic signal reconstruction using Gauss model

【技术实现步骤摘要】
一种利用高斯模型的微震信号重构方法和系统
本专利技术涉及地学领域，尤其涉及一种微震信号重构方法和系统。
技术介绍
水力压裂微震监测技术是近年来在低渗透率储层压裂、油藏驱动和水驱前缘等领域发展起来的一项重要新技术，也是页岩气开发的重要支撑技术。该项技术在邻井中布置多级三分量检波器排列，监测压裂井目的层段在水力压裂过程中所产生的微震事件，反演微震事件求取震源位置等参数，从而描述水力压裂过程中裂缝生长的几何形状及空间分布，实时提供水力压裂产生裂缝的长度、高度、宽度及方位，实现页岩气的工业化开发。水力压裂微震检测是当前页岩气开发领域科学研究的热点和难点。从社会和国家的需求角度考虑，开展微震监测系统方面的研究十分重要，具有重大的社会和经济价值。微震监测系统中重要的一项工作是微震事件的定位。定位精度是影响微震监测系统应用效果的最为重要的因素，而微震事件定位的准确程度则主要依赖于波动初至(又可称为初至)读取的准确性等有关因素。但问题是，初至拾取并不如想象中的那般简单。受地面仪器采动以及地质构造的影响，岩石破裂形式十分复杂，继而产生各种形式和能量的微震波动，其形式可多达几十甚至上百种，不仅主频、延时和能量等方面有差异，而且在初至位置附近的波形形态差异巨大，这种波形特征的不统一为初至拾取到来了很大困难。进一步的研究还表明，微震震源机制也会影响初至点特征：硬岩剪切作用产生的微震波动大多能量大、主频较高、延时短以及最大峰值位置紧跟初始初至，这类波的初至点清晰、起跳延时短，拾取较为容易；但拉伸作用产生的微震波动大多能量小、主频低、延时长、起跳缓慢、能量分布较为均匀，这类波初至点处振幅较小，容易被干扰信号淹没，初至点的特征表现不一致，初至拾取并不容易；而软岩所产生的微震波动，能量分布集中、初始初至点模糊、分界线不明显，与硬岩有明显的不同，初至拾取也较为困难。同时，根据国外的研究发现，由于P波速度大于S波速度，很多算法想当然地认为初至波为P波，但事实可能更为复杂：初至可能是P波，也可能是S波，甚至还有可能是异常点(outliers)。根据研究，41％的初至为S波，10％的初至是outliers造成的。这些都给初至拾取带来了相当大的难度。除了初至点特征复杂外，初至拾取还面临着另外一个更大的挑战：微震记录是海量数据。例如，2005年1月某试验区记录了近1万个微震事件。同时为了满足生产需求，微震监测系统需要一天24小时连续记录。不但如此，这些数据中有很大一部分都是人类或者机械活动所造成的噪声和干扰，与微震无关。文献更是将噪声分为三种基本类型：高频(>200Hz)噪声，由各种作业相关活动造成；低频噪声(<10Hz)，通常是由远离记录地点的机器活动造成，以及工业电流(50Hz)。除此之外，微震信号本身也并不纯粹，例如我国学者窦林名教授等认为微震信号包括多种信号。因此，如何从海量数据中识别微震事件、拾取初至，是微震数据处理的基础。与此形成对比的是，生产上多采取人工方法，费时费力且精度与可靠性差，拾取质量无法保证，也无法处理海量数据。初至自动拾取是解决方法之一，微震波动初至自动拾取是微震监测数据处理的关键技术之一，也是实现微震震源自动定位的技术难点。
技术实现思路
如前所述，微震信号采集环境非常复杂，常常会造成所采集的微震信号不完整，数据缺失的现象较为严重，严重影响了微震事件检测算法的性能。本专利技术的目的是提供一种利用高斯模型的微震信号重构方法和系统，所提出的方法利用了微震信号的连续性，通过高斯模型性质区分微震信号和背景噪声。所提出的方法具有较好的信号重构性能，计算也较为简单。为实现上述目的，本专利技术提供了如下方案：一种利用高斯模型的微震信号重构方法，包括：步骤001输入实测的信号序列S；步骤002根据高斯模型对所述信号序列S进行数据重构，重构后的信号序列为SNEW。具体为：SNEW＝SRS+SCSEXP其中：SR＝[GTG+μWOPT]-1[S-SEXP]T[S-SEXP]为信号重构分量；SC＝[GT-μWOPT]为信号调整分量；G为高斯预测矩阵；WOPT为高斯最佳权重矩阵；SEXP为期望序列；μ为高斯调整因子。一种利用高斯模型的微震信号重构系统，包括：获取模块输入实测的信号序列S；重构模块根据高斯模型对所述信号序列S进行数据重构，重构后的信号序列为SNEW。具体为：SNEW＝SRS+SCSEXP其中：SR＝[GTG+μWOPT]-1[S-SEXP]T[S-SEXP]为信号重构分量；SC＝[GT-μWOPT]为信号调整分量；G为高斯预测矩阵；WOPT为高斯最佳权重矩阵；SEXP为期望序列；μ为高斯调整因子。根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：如前所述，微震信号采集环境非常复杂，常常会造成所采集的微震信号不完整，数据缺失的现象较为严重，严重影响了微震事件检测算法的性能。本专利技术的目的是提供一种利用高斯模型的微震信号重构方法和系统，所提出的方法利用了微震信号的连续性，通过高斯模型性质区分微震信号和背景噪声。所提出的方法具有较好的信号重构性能，计算也较为简单。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍。显而易见，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术的方法流程示意图；图2为本专利技术的系统流程示意图；图3为本专利技术的具体实施案例流程示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。图1一种利用高斯模型的微震信号重构方法的流程示意图图1为本专利技术一种利用高斯模型的微震信号重构方法的流程示意图。如图1所示，所述的一种利用高斯模型的微震信号重构方法具体包括以下步骤：步骤001输入实测的信号序列S；步骤002根据高斯模型对所述信号序列S进行数据重构，重构后的信号序列为SNEW。具体为：SNEW＝SRS+SCSEXP其中：SR＝[GTG+μWOPT]-1[S-SEXP]T[S-SEXP]为信号重构分量；SC＝[GT-μWOPT]为信号调整分量；G为高斯预测矩阵；WOPT为高斯最佳权重矩阵；SEXP为期望序列；μ为高斯调整因子。所述步骤002之前，所述方法还包括：步骤003求取所述高斯预测矩阵G、高斯最佳权重矩阵WOPT、高斯调整因子μ和期望序列SEXP。所述步骤003还包括：步骤301生成循环延迟矩阵具体为：其中：本文档来自技高网...

【技术保护点】
1.一种利用高斯模型的微震信号重构方法，其特征在于，包括：/n步骤001 输入实测的信号序列S；/n步骤002 根据高斯模型对所述信号序列S进行数据重构，重构后的信号序列为S

【技术特征摘要】
1.一种利用高斯模型的微震信号重构方法，其特征在于，包括：
步骤001输入实测的信号序列S；
步骤002根据高斯模型对所述信号序列S进行数据重构，重构后的信号序列为SNEW。具体为：SNEW＝SRS+SCSEXP其中：SR＝[GTG+μWOPT]-1[S-SEXP]T[S-SEXP]为信号重构分量；SC＝[GT-μWOPT]为信号调整分量；G为高斯预测矩阵；WOPT为高斯最佳权重矩阵；SEXP为期望序列；μ为高斯调整因子。


2.根据权利要求1所述的方法，其特征在于，所述步骤2之前，所述方法还包括：
步骤003求取所述高斯预测矩阵G、高斯最佳权重矩阵WOPT、高斯调整因子μ和期望序列SEXP。


3.根据权利要求2所述的方法，其特征在于，所述步骤3包括：
步骤301生成循环延迟矩阵具体为：



其中：
sn：所述信号序列S的第n个元素
N：所述信号序列S的长度

循环参数

以N为模下取整
SNR：所述信号序列S的信噪比
步骤302生成信号差分序列ΔS，具体为：
ΔS＝[0,0s3-s1,s4-s2,···,sN-sN-2]
步骤303求取所述期望序列SEXP，具体为：



其中：
σS：所述信号序列S的均方差
σΔS：所述信号差分序列ΔS的均方差
步骤304求取Lagran...

【专利技术属性】
技术研发人员：翟明岳，
申请(专利权)人：广东石油化工学院，
类型：发明
国别省市：广东;44