基于稀疏分布特征的井下微地震信號識別與提取方法

李穩(wěn), 劉伊克, 劉保金

1 中國科學院地質(zhì)與地球物理研究所，中科院頁巖氣與地質(zhì)工程重點實驗室， 北京　100029 2 中國科學院大學， 北京　100049 3 中國地震局地球物理勘探中心， 鄭州　450002

?

基于稀疏分布特征的井下微地震信號識別與提取方法

李穩(wěn)1,2,3, 劉伊克1*, 劉保金1，3

1 中國科學院地質(zhì)與地球物理研究所，中科院頁巖氣與地質(zhì)工程重點實驗室， 北京100029 2 中國科學院大學， 北京100049 3 中國地震局地球物理勘探中心， 鄭州450002

井下微震監(jiān)測獲得的地震記錄往往包含大量的噪聲，記錄信噪比很低.有效地震信號的識別與提取是進行后續(xù)地震定位等工作之前需要優(yōu)先解決的問題.經(jīng)過研究發(fā)現(xiàn)，井下水壓裂微地震信號具有稀疏分布的特征，而井下環(huán)境噪聲則具有更多的Gaussian分布特征.為此，本文提出將圖像處理領域適宜于稀疏分布信號降噪處理的稀疏碼收縮方法應用于井下微震監(jiān)測數(shù)據(jù)處理.為解決需要利用與待處理數(shù)據(jù)中有效信號成分具有相似分布特征的無噪信號序列估算正交基以及計算效率等問題，將原方法與小波變換理論相結(jié)合.即通過優(yōu)選小波基函數(shù)作為正交基進行小波變換將信號分解為不同級的小波系數(shù)，利用稀疏碼收縮方法中對稀疏編碼施加的非線性收縮方式作為閾值準則對小波系數(shù)進行改造.通過多方面的數(shù)值實驗證明了該方法在處理地震子波及井下微地震信號方面準確可靠.含噪記錄經(jīng)過處理后有效地震信號的到時、波形、時頻譜特征等均能得到良好的識別和恢復.并且該方法具有很強的抗噪能力，當信噪比低至-20～-30 db時，仍然能夠發(fā)揮作用.在處理大量實際井下微震監(jiān)測數(shù)據(jù)的過程中，面對多種復雜情況，本方法展現(xiàn)出了計算效率高、計算結(jié)果可靠、應用簡單等優(yōu)勢，證明了其本身具有實際應用價值，值得進一步的研究和推廣.

微震監(jiān)測; 水力壓裂; 稀疏分布特征; 信號識別與提取; 小波變換; 去噪

In the processing mass downhole microseismic monitoring data, upon a careful study we found that the signals of downhole microseismic events triggered by hydraulic fracturing are characterized by sparse distribution. The background noise has a more significant Gaussian distribution. The relationship between signals and noise is additive blending. Therefore, this study suggests to apply the sparse code shrinkage method, which is present in image processing field, to the processing of downhole microseismic monitoring data. To solve the issues of computational efficiency and needing noise-free training data which have similar statistical properties with the signal component of the data to be processed, we combine the original method with wavelet transformation. That is, we select suitable wavelet bases to take the place of orthogonal bases, and utilize the nonlinear shrinkage process mode of the sparse code shrinkage method as the threshold rule of the wavelet threshold de-noising method.

Through many times of numeric simulation tests, it is confirmed that the method presented in this paper is accurate and reliable in processing of seismic wavelet and downhole microseismic signals. The information of arrival time, waveforms, and time-frequency spectra of the effective signal can be well recovered from the noised seismic records. In addition, this method possesses strong anti-noise ability. When the SNR is as low as -20～-30 decibels, the method can still work well. In the process of dealing with the actual data, the method has shown its advantages such as high computation efficiency, accurate calculation, and simplicity of usage. All of these verify the method has a high value of practical application.

The downhole microseismic signal recognizing and extracting method based on sparse distribution features has theoretical rationality in processing the hydraulic fracturing microseismic signals, which is a kind of signals with a sparse distribution feature and time-dependent frequency feature. Various numeric simulations and tests on real data processing confirmed this method is applicable. It deserves further research and can be used widely.

1　引言

在對低滲油氣田和非常規(guī)油氣田開采的過程中，為了提高采收率、提高出油量常采用“水力壓裂法”這一有力的增產(chǎn)措施.進行水力壓裂時大量的高黏度流體被高壓注入儲層，使得巖層的受力情況劇烈改變、發(fā)生破裂，產(chǎn)生大量的微地震事件.通過記錄、處理、分析這些微震事件產(chǎn)生的地震波，可以反演出各個微震事件的發(fā)生位置，進而擬合出裂縫的空間展布，對地下水力壓裂工程進行監(jiān)測和生產(chǎn)指導.這種井下微震監(jiān)測技術得到了國外多家石油服務公司(如Schlumberger、Microseismic、南非ISS公司)的大力研究與推廣.我國自21世紀初將該技術引入國內(nèi)以來，在大慶、遼河、長慶等多個油田展開了應用，對油氣開采起到了指導作用(劉振武等, 2013).

由于工作環(huán)境等多方面的原因，在生產(chǎn)過程中得到的井下微震監(jiān)測記錄往往包含大量的噪聲，數(shù)據(jù)信噪比很低.有效地震信號的識別與提取是進行井下微震監(jiān)測的基礎和前提.在進行大量井下微震監(jiān)測數(shù)據(jù)處理的過程中，經(jīng)過研究發(fā)現(xiàn)與普遍具有Gaussian(高斯)分布特征的井下環(huán)境噪聲相比，井下微地震信號具有更多的Super-Gaussian(超高斯)分布特征，服從稀疏分布，并且信號與噪聲的關系為加性混合.對于具有此類分布特征的信號，Hyv?rinen(1999)提出了根據(jù)最大似然估計向信號的稀疏編碼(Sparse Coding)施加一種非線性收縮的稀疏碼收縮(Sparse Code Shrinkage)去噪方法，并將其應用于圖像處理領域取得了良好的效果.

本文進行了將這種適宜于處理具有稀疏分布特征信號的方法應用于井下微震監(jiān)測數(shù)據(jù)處理的研究.在研究過程中我們發(fā)現(xiàn)，應用稀疏碼收縮方法處理井下微地震數(shù)據(jù)需要解決一些關鍵問題，主要在于：原方法需要根據(jù)與待處理數(shù)據(jù)中有效信號成分具有相似分布特征的無噪信號序列估算正交基；并且在計算效率方面缺少類似于FFT、Mallat的經(jīng)典快速算法.為此，本研究將其與小波變換理論相結(jié)合.通過優(yōu)化選擇合適的小波基函數(shù)解決正交基估算的問題，并利用小波理論中成熟的Mallat快速算法解決計算效率問題.將稀疏碼收縮方法中對稀疏編碼施加非線性收縮的處理方式作為閾值準則對含噪信號經(jīng)過小波變換后得到的小波系數(shù)進行處理，是本文方法的核心內(nèi)容.對于具有稀疏分布特征的井下水壓裂微地震信號來說，大量的數(shù)值實驗和實際數(shù)據(jù)處理結(jié)果均表明上述方法具有更好的針對性，對噪聲的抑制和對有效信號的識別和保護均更為有力.

2　原理和方法

2.1井下水壓裂微地震信號的稀疏分布特征

信號稀疏性的概念來自信息論，可采用信息熵(簡稱“熵”)來量化.熵值越小，說明信號的均勻性越差，分布越稀疏.而稀疏分布通常是指信號具有Super-Gaussian分布(指隨機過程的四階累積量恒大于零并且關于其均值對稱分布)特征(蔣瑜等, 2005)，表現(xiàn)為概率密度函數(shù)在零點處存在一個尖峰并拖有重尾.Hyvarinen指出(Hyv?rinen et al., 1999)，若某信號具有稀疏分布特征，其概率密度函數(shù)應符合以下模式：

(1)

(2)

其中

在計算過程中，p(0)估算公式為

(3)

除了上述擬合出信號的概率密度函數(shù)再進行定性分析的做法，某信號序列的稀疏程度還可以通過下式(Chang et al., 2005)來度量，公式為

(4)

根據(jù)上述理論和計算方法，本文首先進行了井下水壓裂微地震信號是否具有稀疏分布特征的研究.

圖1　地震信號的稀疏分布特征(a) 合成微地震記錄；(b) 信號的統(tǒng)計直方圖；(c) 信號的概率密度分布.Fig.1　Sparse distribution feature of seismic signal(a) Synthetic microseismic signal; (b) Singal′s statistical histogram; (c) Singal′s probability density distribution.

選取不同波形、幅值、衰減程度、組合方式，或不同長度和采樣率的井下微震記錄按照上述方法進行處理，結(jié)果表明擬合出的概率密度函數(shù)均具有鮮明的Super-Gaussian分布特征，且稀疏度δ的值均大于作為參考的Laplace分布信號.故利用歸納法可以得出結(jié)論：井下水壓裂微地震信號在統(tǒng)計學上是服從稀疏分布的.該結(jié)論也與前人利用時頻稀疏性分析方法得到的研究結(jié)果相一致(王鵬等, 2014).

2.2基于稀疏分布特征的井下微地震信號識別與提取方法

明確了井下水壓裂微地震信號具有稀疏分布的特征，理論上可以直接采用Hyvarinen提出的稀疏碼收縮方法，或者將其結(jié)合不同的變換類方法進行處理，如傅氏變換(孟小紅等, 2008; 熊登和張劍鋒, 2008)、小波變換(高靜懷等, 2006; 朱振宇等, 2009)、曲波變換(袁艷華等, 2013; 白蘭淑等, 2014)、拉東變換(Zhang et al., 2015)等.在本研究中，選擇了將稀疏碼收縮方法與小波變換相結(jié)合，主要是基于以下考慮：

(1) Hyvarinen提出的稀疏碼收縮方法需要首先獲得與待處理數(shù)據(jù)中有效信號成分具有相似分布特征的無噪信號序列，據(jù)此來估算正交基.這在針對指定信號類型選擇基函數(shù)的理論研究中是非常有意義的.但在實際的井下微地震信號處理過程中，由于影響因素復雜多樣難以在事先給定一個通用的理想無噪信號序列.通過與小波變換相結(jié)合則可以通過優(yōu)選小波理論中豐富的小波基函數(shù)作為正交基對含噪數(shù)據(jù)進行直接處理.

(2) 在信號特征方面，除了在統(tǒng)計學上具有稀疏分布特征，井下微地震信號本身還是一種頻率隨時間變化的非平穩(wěn)信號，對于此類信號小波變換通過伸縮和平移運算可以得到具有時間參數(shù)的不同尺度下的小波譜，具有良好的時-頻定位特性和多分辨率分析特性，并且其在低頻處頻率細分、高頻處時間細分的特點適宜于突變信號的檢測.

(3) 相對于稀疏碼收縮方法來說小波變換擁有Mallat快速算法，井下微震監(jiān)測要處理的數(shù)據(jù)量很大，并且要求很高的實時性，小波變換的快速計算能力在工業(yè)化應用時非常關鍵.

根據(jù)小波理論，信號可以通過小波變換遞歸地分解為不同級的細節(jié)系數(shù)和近似系數(shù).經(jīng)過這一變換過程，相對于規(guī)律性不強的非有效信號，有效信號的能量將更加聚集，其分布特征也將在小波系數(shù)中體現(xiàn)得更為明顯.因此，將稀疏碼收縮與小波變換相結(jié)合，即將前述針對稀疏分布信號的計算、參數(shù)估計方法，轉(zhuǎn)而應用于經(jīng)過小波分解后不同級的小波系數(shù)，并將稀疏碼收縮方法中施加的非線性收縮方式作為閾值準則對小波系數(shù)進行改造處理.

2.2.1小波基函數(shù)的選擇

小波基函數(shù)的選擇是小波理論應用于具體問題時的一個難點，本文以井下水壓裂微地震信號為研究對象，選擇小波基時主要考慮了以下幾個方面： (1) 要與地震子波形狀相似； (2) 具有嚴格的正交性； (3) 具有較窄的緊支集、較快的衰減速度； (4) 由于在本研究中需要優(yōu)先保證從信噪比極低的監(jiān)測記錄中也能識別和提取出有效地震信號，故強調(diào)了緊支撐性而犧牲了部分對于對稱性的要求； (5) 要有足夠高的消失矩.

綜合上述考慮因素并經(jīng)過試驗，最終選擇Coiflets系中的coif4小波基和Daubechies系中的db5、db10小波基進行了數(shù)值實驗、以及后續(xù)實際井下微震監(jiān)測數(shù)據(jù)的處理.表1列出了Daubechies系和Coiflets系小波基的一些重要性質(zhì).

2.2.2對小波系數(shù)的改造

選擇合適的小波基可以保證經(jīng)過小波變換分解后有效信號成分在小波系數(shù)中更好的聚集，而要實現(xiàn)理想的降噪或信號提取目的，則必須采用恰當?shù)姆椒▽π〔ㄏ禂?shù)進行改造.對于具有稀疏分布特征的信號，Hyvarinen根據(jù)最大似然原則提出了一種針對稀疏編碼的非線性收縮處理方式，在此將其作為閾值準則對小波系數(shù)進行處理：

表1　Daubechies和Coiflets小波系的性質(zhì)Table 1　Nature of Daubechlies and Coiflets wavelets

(5)

(6)

最后利用各級經(jīng)過改造后的小波細節(jié)系數(shù)和最高一級的小波近似系數(shù)進行反變換，便可重構(gòu)出時間域的信號處理結(jié)果.

3　數(shù)值模擬實驗

3.1子波提取實驗

為了檢驗前述方法的應用效果，并從多方面進行評價，本次研究首先設計了從含噪信號序列中提取地震子波的實驗.

如圖2所示，圖2a1顯示了主頻為400 Hz的雷克子波信號的波形圖，峰值到時為0.05 s.圖2a2為利用短時傅里葉變換(STFT, short-time Fouriertransform)對該段信號進行時頻分析得到的時頻譜，圖2a3為該信號的頻譜.圖2b1為對前述雷克子波信號按照信號能量/噪聲能量=1/10的比例(SNR=-10db)添加高斯白噪聲后的含噪信號序列，圖2b2和圖2b3分別為該含噪信號序列的時頻譜和頻譜.

圖2　子波提取實驗(a) 雷克子波信號(a1)及其時頻譜(a2)和頻譜(a3)； (b) 含噪信號序列(b1)及其時頻譜(b2)和頻譜(b3)； (c) 本文方法去噪結(jié)果(c1)及其時頻譜(c2)和頻譜(c3)； (d) 軟閾值方法去噪結(jié)果(d1)及其時頻譜(d2)和頻譜(d3).Fig.2　Extraction tests of seismic wavelets(a) Ricker wavelet signal (a1), its time-frequency spectrum (a2), and frequency spectrum (a3)；(b) Noised signal (b1), its time-frequency spectrum (b2), and frequency spectrum (b3)；(c) Result of suggested method (c1), its time-frequency spectrum (c2), and frequency spectrum (c3)；(d) Result of soft-threshold method (d1), its time-frequency spectrum (d2), and frequency spectrum (d3).

參照第2.1節(jié)中的討論，該段雷克子波信號無疑是滿足稀疏分布的，因此可以采用本文基于稀疏分布特征的信號識別與提取方法(為了行文方便下文有時將該方法簡寫為“本文方法”)進行處理.選用coif4小波基，進行10級小波分解、系數(shù)改造與重構(gòu)，得到的處理結(jié)果如圖2c1所示，圖2c2和圖2c3分別為該處理結(jié)果的時頻譜和頻譜.可見雖然添加了能量很強的干擾噪聲，利用本文方法處理后提取出的地震子波信號無論相位、幅值，亦或頻譜、時頻譜特征方面都與初始的雷克子波信號(圖2a1)非常接近.作為參照，圖2d1給出了在小波基函數(shù)(coif4)及變換級數(shù)(10級)相同的條件下，利用常規(guī)的、公認較為優(yōu)秀的小波軟閾值去噪方法對圖2b1所示含噪信號序列進行處理的結(jié)果.可以看到，軟閾值方法的處理結(jié)果雖然也能接受，但與圖2c1相比，圖2d1上多了一些幅值很小、頻率較高的“刺狀”噪聲(如圖中紅色箭頭指示).而且在圖2d2揭示的信號時頻譜上也分布著更多本不應該存在的能量團.分析造成本文方法和軟閾值方法處理結(jié)果差別的原因，在于針對具有稀疏分布特征的信號，本文方法采用了更具針對性的處理準則，從而展現(xiàn)出了相應的優(yōu)勢.

3.2抗噪能力測試

作為一種信號的識別與提取方法，算法的抗噪能力測試非常重要，它決定了算法的健壯性和是否具有實用價值.測試內(nèi)容應當包括當面對低信噪比或者極低信噪比數(shù)據(jù)時，算法是否還能準確地識別與提取出有效信號，以及能夠在多大程度上恢復有效信號.為此，本研究進行了在不同信噪比情況下，檢驗方法計算效果的抗噪能力測試.為了便于量化所使用的數(shù)據(jù)為人工合成數(shù)據(jù).

井下水壓裂微地震事件產(chǎn)生的地震波主頻往往高達幾百赫茲，遠高于常規(guī)地震勘探.進行正演模擬時，如此高的主頻要求使用非常小的計算網(wǎng)格和時間步長，計算量非常大，以致常規(guī)的有限差分數(shù)值模擬方法較難達到要求.為此在本研究中利用譜元法求解彈性波動方程(Tromp et al., 2008)，并通過分區(qū)并行計算的方法獲得了主頻為400 Hz的人工合成井下微地震記錄，如圖3所示.

圖3a為0.08 s時刻地震波加速度場的波場快照(X分量)以及相應的震相標識，圖3b為最終獲得的人工合成地震記錄.采用的模型為雙層地質(zhì)模型，模型的速度、密度參數(shù)以及界面位置(綠色橫線)均如圖3a中所示.縱、橫波速度和密度參數(shù)的設定參考了本次研究實際數(shù)據(jù)來源工區(qū)的測井資料.模擬的微地震事件發(fā)生在(120 m,120 m)位置.監(jiān)測井中檢波器間隔為10 m，布設在(320 m,350 m)～(320 m,200 m)處，共16道.檢波器橫跨地質(zhì)界面，這種設計增加了合成記錄的復雜程度，同時也提高了其代表性.

圖3　合成地震記錄的獲得與震相分析(a) 0.08 s時刻地震波加速度場波場快照(X分量)； (b) 合成地震記錄.Fig.3　Synthetic seismic record and the wave filed with phase analyse(a) Snapshot of seismic acceleration-field at 0.08 s; (b) Synthetic seismic record.

圖4展示了對于SNR=+3 db、0 db、-3 db(相應的有效波能量與噪聲能量的比值分別為2∶1、1∶1、1∶2)的高信噪比合成記錄利用本文方法處理的結(jié)果.選用的小波基均為db5，小波變換級數(shù)為5級.可以看到，對于信噪比較高的數(shù)據(jù)(如本例中SNR≥-3 db的情況)，使用本文方法處理后有效地震信號基本能夠完全恢復.

對比原始不含噪聲的人工合成記錄(圖3b)，除了記錄右側(cè)0.07～0.09 s范圍內(nèi)，緊隨在直達P波之后，能量過于微弱的反射P波和P-S轉(zhuǎn)換波震相在添加噪聲后的地震記錄圖(圖4a1、圖4b1、圖4c1)

和處理結(jié)果剖面(圖4a2、圖4b2、圖4c2)中均難以分辨，討論時不予考慮.其他直達P、S波，在界面處產(chǎn)生的P-S、S-P轉(zhuǎn)換波，以及反射S波等在處理后的地震剖面上均得到了很好地重現(xiàn).通過圖4a3、圖4b3、圖4c3展示的單道記錄(第16道)對比圖，可見對于具有高信噪比的含噪記錄利用本文方法提取出的有效地震信號與原始不含噪聲的地震信號相比，在到時、相位和振幅值方面均達到了高度的吻合.

圖5展示了對于SNR=-10 db、-20 db、-30 db(相應的有效波能量與噪聲能量的比值分別為1∶10、1∶100、1∶1000)的低信噪比、極低信噪比數(shù)據(jù)利用本文方法處理后的結(jié)果.同樣使用db5小波基，小波變換級數(shù)為5.

觀察圖5a1可見，在SNR=-10 db的含噪記錄中，除了能量最強的直達S波以外，其余所有震相的波形均被湮沒在了噪聲之中.經(jīng)過處理后，在圖5a2中，直達P波、S波以及能量相對較強的反射S波震相(圖中紅色箭頭所示)均得到了恢復，但記錄左側(cè)的P-S和S-P轉(zhuǎn)換波難以再現(xiàn).推測這是由于轉(zhuǎn)換波震相的能量較為微弱，它們所處信號段的局部信噪比過低的原因造成的.觀察圖5a3展示的單道記錄對比圖，可以看到對于SNR=-10db的情況識別和提取出的有效地震信號在到時和波形方面與原始信號保持了良好的一致性.

圖5　低信噪比合成數(shù)據(jù)降噪試驗(a) SNR=-10 db; (b) SNR=-20 db; (c) SNR=-30 db.Fig.5　De-noising tests on low SNR synthetic data

繼續(xù)提高干擾噪聲的能量，如圖5b所示.當SNR=-20 db時，從圖5b1展示的波形圖上可見幾乎所有的地震信號都被湮沒在了噪聲之中.在處理結(jié)果圖(圖5b2)上，直達P波和S波震相能夠得到分辨.雖然在圖5b3顯示的單道數(shù)據(jù)對比圖中，提取出的地震信號的波形已難以與初始信號保持完全一致，但進行對比可以發(fā)現(xiàn)此時有效信號的峰值位置依然準確(如圖5b3中箭頭指示).對于這種情況，根據(jù)信號峰值進行到時拾取后，大部分利用P-S波到時差、地震波走時差進行定位的高精度地震定位方法(王晨龍等, 2013)仍然能夠發(fā)揮作用.

當信噪比低至SNR=-30 db(single energy/noise energy=1/1000)時，如圖5c1所示，所有的地震信號均被完全淹沒.利用本文方法進行處理后，在處理結(jié)果(圖5c2)中可以識別出直達S波的影像.觀察圖5c3可知，此時難以通過單道地震記錄進行震相識別和到時拾取，但可借助去噪后地震記錄(圖5c2)中相鄰道信號之間的相似性進行處理.這種情況看似極端，但在本次研究處理大量井下實際生產(chǎn)數(shù)據(jù)的過程中卻占有相當?shù)谋壤?，尤其是對于某些時段來說更是如此.對于此類情況，利用本文方法進行處理，首先可以準確地判斷出是否有微地震事件發(fā)生；結(jié)合相鄰道信息進行震相拾取后，再利用傳統(tǒng)的根據(jù)多道S波到時進行定位的穩(wěn)健的地震定位算法(周建超和趙愛華, 2012)仍然可以保證對于井下微地震事件的監(jiān)測不發(fā)生疏漏.

4　典型實際井下水壓裂微地震數(shù)據(jù)的處理與分析

為了檢驗方法在實際數(shù)據(jù)處理中的應用效果，本次研究利用基于稀疏分布特征的井下微地震信號識別與提取方法處理了大量的實際生產(chǎn)數(shù)據(jù).實際井下微地震數(shù)據(jù)記錄類型為三分量記錄，共16道檢波器接收，總時長約14個小時，采樣間隔為0.5 ms，每3 s保存一個記錄文件.對于本次數(shù)據(jù)，在DELL M4800移動工作站上的計算結(jié)果表明，處理單個地震文件的平均計算用時約為0.434 s(不包括數(shù)據(jù)格式轉(zhuǎn)換及I/O開銷).從中共識別出可定位的水壓裂微地震事件3825個.在此選擇了一些有代表性的監(jiān)測記錄用以反映本文方法在實際應用中的效果.

4.1高信噪比井下微震監(jiān)測數(shù)據(jù)處理情況

圖6和圖7展示了利用本文方法對兩段具有高信噪比的井下微地震監(jiān)測記錄的處理效果.從不同檢波點之間相同震相的到時差來看，它們分別對應著微地震事件發(fā)生位置距離監(jiān)測井接收排列較近(圖6)和較遠(圖7)的兩種情況.

可以看到，對于具有較高信噪比的實際井下數(shù)據(jù)(圖6a和圖7a)，利用本文方法處理后有效地震信號能夠得到非常完整地識別和恢復(圖6b和圖7b)，干擾噪聲則被很好地濾除，經(jīng)過處理后地震剖面看起來非常干凈.對比原始數(shù)據(jù)和處理結(jié)果，有效地震信號的到時、振幅值、相位特征、延續(xù)長度等均較為合理，基本觀察不到由于處理原因造成的有效波能量損失或波形畸變.參考之前進行的數(shù)值實驗結(jié)果，可以認為在高信噪比情況下，利用本文方法有效地震波可得到幾乎無失真地提取和還原.這樣的處理結(jié)果能夠滿足后續(xù)到時拾取、高精度地震定位(Xue et al., 2015)、甚至全波形反演等方面的研究要求.

在此推測圖7中顯示的接收到地震信號的數(shù)據(jù)道較少以及有效信號頻率看起來相對較低的原因，是由于微地震信號在相對較遠的傳播過程中經(jīng)歷了較大程度的吸收衰減，并且相對于低頻成分來說信號的高頻成分衰減更快的原因造成的.

4.2低信噪比井下微震監(jiān)測數(shù)據(jù)處理情況

圖8展示了利用本文方法對某時段極低信噪比數(shù)據(jù)的處理結(jié)果.原始記錄如圖8a所示，從中可以看出對于該段數(shù)據(jù)背景噪聲的能量很強，并且分布于不同的頻段；有效地震信號相對而言極其微弱，尤其是在一些局部位置已經(jīng)被噪聲完全湮沒.在圖8b展示的處理結(jié)果中，可以看到在濾除了絕大部分噪聲之后，有效地震信號得到了準確地識別和提取(圖8a和圖8b均使用相同的增益顯示).在處理結(jié)果剖面上P、S波震相特征明顯、可追蹤性強、且表現(xiàn)出了明顯的雙曲線形態(tài).這些特征可以從側(cè)面說明所提取出的地震信號是正確的，而非未處理干凈的“噪聲殘留”.

圖7　高信噪比井下微地震記錄處理(FFID=00887)(a) 原始數(shù)據(jù)；(b) 處理結(jié)果.Fig.7　Processing of high SNR downhole microseismic record(FFID=00887)(a) Original data; (b) Processing result.

圖8　低信噪比井下微地震記錄處理(FFID=10009)(a) 原始數(shù)據(jù)；(b) 處理結(jié)果.Fig.8　Processing of low SNR downhole microseismic record(FFID=10009)(a) Original data; (b) Processing result.

圖9　檢波器低耦合測段微地震記錄處理(FFID=10158)(a) 原始數(shù)據(jù)；(b) 處理結(jié)果.Fig.9　Processing of downhole microseismic record in section of low-coupling dectector(FFID=10158)(a) Original data; (b) Processing result.

參考前文3.2節(jié)抗噪能力測試中的實驗結(jié)果(圖5b)，可以認為對于這種極低信噪比數(shù)據(jù)，雖然不能保證提取出的地震信號與原始地震信號完全一致，但信號峰值位置、到時信息等依然是準確與可靠的.在這種情況下，后續(xù)利用P-S波到時差、地震波走時差進行定位的高精度地震定位方法仍然能夠很好地發(fā)揮作用.因此可以認為這樣的處理結(jié)果是能夠接受的.

4.3檢波器低耦合情況下監(jiān)測數(shù)據(jù)的處理情況

與進行數(shù)值模擬實驗時的理想情況不同，在實際的井下微震監(jiān)測過程中三分量檢波器的埋置誤差以及與地下介質(zhì)的耦合情況等都會對監(jiān)測數(shù)據(jù)造成較大影響.其表現(xiàn)通常為某時段監(jiān)測記錄的信噪比普遍偏低，或監(jiān)測記錄中部分數(shù)據(jù)道信號缺失.

圖9a便展示了這樣一段推測由于檢波器耦合不佳造成的低信噪比監(jiān)測數(shù)據(jù).在此難以考量檢波器耦合狀況對微地震信號本身造成的影響，利用本文方法處理后的結(jié)果如圖9b所示.可以看到經(jīng)過處理，地震記錄的信噪比得到了很大提高，除去信號缺失的地震道，提取出的有效地震信號雙曲線特征明顯，滿足地震定位條件.

5　結(jié)論與討論

井下微震監(jiān)測是采用水力壓裂法這一低滲油氣田和非常規(guī)油氣田開發(fā)核心增產(chǎn)措施時的關鍵配套技術.從低信噪比甚至極低信噪比的監(jiān)測數(shù)據(jù)中準確識別與提取出有效地震信號是后續(xù)研究工作的基礎和前提.本文提出了基于稀疏分布特征的井下水壓裂微地震信號識別與提取方法，進行了理論與實際數(shù)據(jù)處理研究，取得了良好的效果.

經(jīng)過分析應用本文方法具有以下幾方面的合理性與優(yōu)勢： (1) 井下水壓裂微地震信號是一種具有稀疏分布特征的非平穩(wěn)信號，這從理論上支持了采用基于稀疏分布特征的小波變換類信號處理方法的合理性. (2) 井下微震監(jiān)測要求很高的實時性，利用成熟的Mallat快速算法可以很好地解決計算效率問題. (3) 應用簡單，本文方法幾乎所有的計算工作均在程序內(nèi)部實現(xiàn)，應用時只需簡單選擇預定的小波基函數(shù)和小波變換級數(shù)，便可獲得令人滿意的處理結(jié)果.

通過多方面的數(shù)值實驗以及對某工區(qū)大量實際生產(chǎn)數(shù)據(jù)的處理，證實了本文方法具有抗噪能力強、有效地震信號識別準確可靠、提取信號保真度高等優(yōu)點，值得進一步的研究和推廣.

Bai L S, Liu Y K, Lu H Y, et al. 2014. Curvelet-domain joint iterative seismic data reconstruction based on compressed sensing.ChineseJ.Geophys. (in Chinese), 57(9): 2937-2945, doi: 10.6038/cjg20140919.

Bowman A W, Azzalini A. 1997. Applied Smoothing Techniques for Data Analysis. Oxford: Clarendon Press.

Chang C Q, Ren J Y, Fung P C W, et al. 2005. Novel sparse component analysis approach to free radical EPR spectra decomposition.JournalofMagneticResonance, 175(2): 242-255. Gao J H, Mao J, Man W S, et al. 2006. On the denoising method of prestack seismic data in wavelet domain.ChineseJ.Geophys. (in Chinese), 49(4): 1155-1163. Hyv?rinen A. 1999. Sparse code shrinkage: denoising of nongaussian data by maximum likelihood estimation.NeuralComputation, 11(7): 1739-1768. Hyv?rinen A, Hoyer P O, Oja E. 1999. Sparse code shrinkage: denoising by nonlinear maximum likelihood estimation.∥ Conference on Advances in Neural Information Processing Systems II. Denver, Colorado, USA, 473-478.

Jiang Y, Chen X, Tao J Y, et al. 2005. The technique of generating super-Gaussian and quasi-random vibration exciting signals.JournalofVibrationEngineering(in Chinese), 18(2): 179-183.

Liu Z W, Sa L M, Wu F R, et al. 2013. Microseismic monitor technology status for unconventional resource E&P and its future development in CNPC.OGP(in Chinese), 48(5): 843-853.

Meng X H, Guo L H, Zhang Z F, et al. 2008. Reconstruction of seismic data with least squares inversion based on nonuniform fast Fourier transform.ChineseJ.Geophys. (in Chinese), 51(1): 235-241.

Tromp J, Komatitsch D, Liu Q Y. 2008. Spectral-element and adjoint methods in seismology.CommunicationsinComputationalPhysics, 3(1): 1-32. Wang C L, Cheng J B, Yin C, et al. 2013. Microseismic events location of surface and borehole observation with reverse-time focusing using interferometry technique.ChineseJ.Geophys. (in Chinese), 56(9): 3184-3196, doi: 10.6038/cjg20130931.

Wang P, Chang X, Wang Y B, et al. 2014. Automatic event detection and event recovery in low SNR microseismic signals based on time-frequency sparseness.ChineseJ.Geophys. (in Chinese), 57(8): 2656-2665, doi: 10.6038/cjg20140824.

Xiong D, Zhang J F. 2008. Table-Driven 2-D non-uniform sampling fast Fourier transform.ChineseJ.Geophys. (in Chinese), 51(6): 1860-1867.

Xue Q F, Wang Y B, Zhan Y, et al. 2015. An efficient GPU implementation for locating micro-seismic sources using 3D elastic wave time-reversal imaging.Computers&Geosciences, 82: 89-97.

Yuan Y H, Wang Y B, Liu Y K, et al. 2013. Non-dyadic curvelet transform and its application in seismic noise elimination.ChineseJ.Geophys. (in Chinese), 56(3): 1023-1032, doi: 10.6038/cjg20130330.

Zhang L L, Wang Y B, Zheng Y K, et al. 2015. Deblending using a high-resolution radon transform in a common midpoint domain.JournalofGeophysicsandEngineering, 12(2): 167-174.

Zhou J C, Zhao A H. 2012. An intersection method for locating earthquakes in 3-D complex velocity models.ChineseJ.Geophys. (in Chinese), 55(10): 3347-3354, doi: 10.6038/j.issn.0001-5733.2012.10.017.

Zhu Z Y, Lv D Y, Sang S Y, et al. 2009. Research of spectrum decomposition method based on physical wavelet transform and its application.ChineseJ.Geophys. (in Chinese), 52(8): 2152-2157, doi: 10.3969/j.issn.0001-5733.2009.08.025.

附中文參考文獻

白蘭淑, 劉伊克, 盧回憶等. 2014. 基于壓縮感知的Curvelet域聯(lián)合迭代地震數(shù)據(jù)重建. 地球物理學報, 57(9): 2937-2945, doi: 10.6038/cjg20140919.

高靜懷, 毛劍, 滿蔚仕等. 2006. 疊前地震資料噪聲衰減的小波域方法研究. 地球物理學報, 49(4): 1155-1163.

蔣瑜, 陳循, 陶俊勇等. 2005. 超高斯偽隨機振動激勵信號的生成技術. 振動工程學報, 18(2): 179-183.

劉振武, 撒利明, 巫芙蓉等. 2013. 中國石油集團非常規(guī)油氣微地震監(jiān)測技術現(xiàn)狀及發(fā)展方向. 石油地球物理勘探, 48(5): 843-853.

孟小紅, 郭良輝, 張致付等. 2008. 基于非均勻快速傅里葉變換的最小二乘反演地震數(shù)據(jù)重建. 地球物理學報, 51(1): 235-241.

王晨龍, 程玖兵, 尹陳等. 2013. 地面與井中觀測條件下的微地震干涉逆時定位算法. 地球物理學報, 56(9): 3184-3196, doi: 10.6038/cjg20130931.

王鵬, 常旭, 王一博等. 2014. 基于時頻稀疏性分析法的低信噪比微震事件識別與恢復. 地球物理學報, 57(8): 2656-2665, doi: 10.6038/cjg20140824.

熊登, 張劍鋒. 2008. 表驅(qū)動的二維非規(guī)則采樣快速傅里葉變換. 地球物理學報, 51(6): 1860-1867.

袁艷華, 王一博, 劉伊克等. 2013. 非二次冪Curvelet變換及其在地震噪聲壓制中的應用. 地球物理學報, 56(3): 1023-1032, doi: 10.6038/cjg20130330.

周建超, 趙愛華. 2012. 三維復雜速度模型的交切法地震定位. 地球物理學報, 55(10): 3347-3354, doi: 10.6038/j.issn.0001-5733.2012.10.017.

朱振宇, 呂丁友, 桑淑云等. 2009. 基于物理小波的頻譜分解方法及應用研究. 地球物理學報, 52(8): 2152-2157, doi: 10.3969/j.issn.0001-5733.2009.08.025.

(本文編輯張正峰)

Downhole microseismic signal recognition and extraction based on sparse distribution features

LI Wen1,2,3, LIU Yi-Ke1*, LIU Bao-Jin1，3

1KeyLaboratoryofShaleGasandGeoengineering,InstituteofGeologyandGeophysics,ChineseAcademyofSciences,Beijing100029,China2UniversityofChineseAcademyofSciences,Beijing100049,China3GeophysicalExplorationCenter,ChinaEarthquakeAdministration,Zhengzhou450002,China

On account of working environment, downhole microseismic monitoring records usually contain much noise, i.e. having low SNR (signal to noise ratio). Thus recognizing and extracting effective signals is a priority for subsequent work.

Microseismic monitoring; Hydraulic fracturing; Sparse distribution feature; Signal recognition and extraction; Wavelet transform; De-noise

10.6038/cjg20161030.

國家自然科學基金(41430321)、國家自然科學基金(41374138)、中國地震局地球物理勘探中心青年優(yōu)秀科技人才專項(SFGEC2014006)聯(lián)合資助.

李穩(wěn),男,1983年生,博士研究生,主要從事地震波傳播與成像研究及勘探地震數(shù)據(jù)處理方法研究.E-mail:liwen_work@163.com

劉伊克,男,研究員,主要從事勘探地球物理和地震學研究.E-mail:ykliu@mail.iggcas.ac.cn

10.6038/cjg20161030

P631

2016-02-02，2016-06-30收修定稿

李穩(wěn), 劉伊克, 劉保金. 2016. 基于稀疏分布特征的井下微地震信號識別與提取方法. 地球物理學報，59(10):3869-3882,

Li W, Liu Y K, Liu B J. 2016. Downhole microseismic signal recognition and extraction based on sparse distribution features.ChineseJ.Geophys. (in Chinese),59(10):3869-3882,doi:10.6038/cjg20161030.