一种微震事件检测方法及系统与流程

文档序号:18794381发布日期:2019-09-29 19:22
一种微震事件检测方法及系统与流程

本发明涉及微震监测技术领域,特别是涉及一种微震事件检测方法及系统。



背景技术:

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。除此之外,微震信号本身也并不纯粹。

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,识别质量无法保证,也无法处理海量数据。常见的微震事件检测方法中,判断阈值大小的确定较为随意,没有统一的准则,其普遍适用性存在很大的局限性,尤其是当信噪比较低时,算法的性能受到很大影响。



技术实现要素:

本发明的目的是提供一种微震事件检测方法及系统,以提供一种具有很高的鲁棒性和普遍实用性的微震事件检测方法,有效地降低噪声对开关事件检测的影响。

为实现上述目的,本发明提供了如下方案:

一种微震事件检测方法,所述检测方法包括如下步骤:

实测获取微震信号序列;

将所述微震信号序列中相邻的后一个微震信号数据与前一个微震信号数据的差作为元素,构建微震信号数据矢量;

将所述微震信号数据矢量的元素进行分组,得到数据组序列;

计算数据组序列中每个数据组的插值系数;

根据插值系数的概率分布,选取插值系数异常的数据组,作为异常数据组,得到异常数据组序列;

逐次判断所述异常数据组序列中相邻的前一个异常数据组与后一个异常数据组是否为数据组序列中相邻的数据组,并将前一个异常数据组与后一个异常数据组为数据组序列中相邻的数据组的前一个异常数据组的第三个元素作为微震事件。

可选的,所述计算数据组序列中每个数据组的插值系数,具体包括:

利用公式计算第i个数据组的插值系数a1i

式中,和分别为第i个数据组的第1个、第2个和第3个元素,T为微震信号的采样周期。

可选的,所述根据插值系数的概率分布,选取插值系数异常的数据组,作为异常数据组,得到异常数据组序列,具体包括:

将所有数据组的插值系数组成一个插值系数序列;

利用公式计算所述插值系数序列中所有插值系数的均值式中,I为插值系数的个数,a1i为第i个数据组的插值系数;

根据所述插值系数序列中所有插值系数的均值,利用公式计算所述插值系数序列中所有插值系数的方差σ2

根据所述插值系数序列中所有插值系数的方差σ2,判断第i个数据组的插值系数是否为异常,得到第二判断结果;

若所述第二判断结果表示第i个数据组的插值系数异常,则第i个数据组为异常数据组。

可选的,所述根据所述插值系数序列中所有插值系数的方差σ2,判断第i个数据组的插值系数是否为异常,得到第二判断结果,具体包括:

判断公式是否成立;

若成立,则第二判断结果为第i个数据组的插值系数不异常;

若不成立,则第二判断结果为第i个数据的插值系数异常。

一种微震事件检测系统,所述检测系统包括如下步骤:

微震信号序列模块,用于实测获取微震信号序列;

微震信号数据矢量构建模块,用于将所述微震信号序列中相邻的后一个微震信号数据与前一个微震信号数据的差作为元素,构建微震信号数据矢量;

分组模块,用于将所述微震信号数据矢量的元素进行分组,得到数据组序列;

插值系数计算模块,用于计算数据组序列中每个数据组的插值系数;

异常数据组选取模块,用于根据插值系数的概率分布,选取插值系数异常的数据组,作为异常数据组,得到异常数据组序列;

第一判断模块,用于逐次判断所述异常数据组序列中相邻的前一个异常数据组与后一个异常数据组是否为数据组序列中相邻的数据组,并将前一个异常数据组与后一个异常数据组为数据组序列中相邻的数据组的前一个异常数据组的第三个元素作为微震事件。

可选的,所述插值系数计算模块,具体包括:

插值系数计算子模块,用于利用公式计算第i个数据组的插值系数a1i

式中,和分别为第i个数据组的第1个、第2个和第3个元素,T为微震信号的采样周期。

可选的,所述异常数据组选取模块,具体包括:

插值系数序列合成子模块,用于将所有数据组的插值系数组成一个插值系数序列;

均值计算子模块,用于利用公式计算所述插值系数序列中所有插值系数的均值式中,I为插值系数的个数,a1i为第i个数据组的插值系数;

方差计算子模块,用于根据所述插值系数序列中所有插值系数的均值,利用公式计算所述插值系数序列中所有插值系数的方差σ2

第二判断子模块,用于根据所述插值系数序列中所有插值系数的方差σ2,判断第i个数据组的插值系数是否为异常,得到第二判断结果;

第二判断结果处理子模块,用于若所述第二判断结果表示第i个数据组的插值系数异常,则第i个数据组为异常数据组。

可选的,所述第二判断子模块,具体包括:

第三判断单元,用于判断公式是否成立;

第三判断结果处理单元,用于若成立,则第二判断结果为第i个数据组的插值系数不异常;若不成立,则第二判断结果为第i个数据的插值系数异常。

根据本发明提供的具体实施例,本发明公开了以下技术效果:

本发明提供一种微震事件检测方法及系统。所述方法,首先进行数据变换,将所述微震信号序列中相邻的后一个微震信号数据与前一个微震信号数据的差作为元素,构建微震信号数据矢量;并分组得到数据组序列;然后计算数据组序列中每个数据组的插值系数;并根据插值系数的概率分布,选取异常数据组;最后选取异常数据组序列中相邻的前一个异常数据组与后一个异常数据组为数据组序列中相邻的数据组的前一个异常数据组的第三个元素作为微震事件。本发明利用了微震事件的稀疏性(功率数值变化在整个功率数据中占比较小)以及噪声的统计特性,从概率统计的角度避免噪声对功率变化的影响,有效消除那些强噪声造成的功率变化,从而提高了微震事件检测的精度。

附图说明

为了更清楚地说明本发明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,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据本发明提供的附图获得其他的附图。

图1为本发明提供的一种微震事件检测方法的流程图;

图2为本发明提供的一种微震事件检测方法的原理图;

图3为本发明提供的数据分组方法的示意图;

图4为本发明提供的一种微震事件检测系统的结构图。

具体实施方式

下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。

本发明的目的是提供一种微震事件检测方法及系统,以提供一种具有很高的鲁棒性和普遍实用性的微震事件检测方法,有效地降低噪声对开关事件检测的影响。

为使本发明的上述目的、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发明作进一步详细的说明。

如图1和2所示,本发明提供一种微震事件检测方法,所述检测方法包括如下步骤:

步骤101,实测获取微震信号序列。

输入实测的微震信号序列p(1),p(2),…,p(N),p(N+1),N+1为微震信号序列的长度。

步骤102,将所述微震信号序列中相邻的后一个微震信号数据与前一个微震信号数据的差作为元素,构建微震信号数据矢量。

后一个数据减去前一个数据,得到微震信号数据矢量:

ΔP=[p(2)-p(1),p(3)-p(2),…,p(N+1)-p(N)]

此时数据序列ΔP的长度为N。

步骤103,将所述微震信号数据矢量的元素进行分组,得到数据组序列。

数据分组:按照先后顺序,将微震信号数据矢量中每3个相邻的数据组成一组,各组之间没有重复的数据,如果最后一组不足3个数据,则以微震信号数据矢量中最后一个数据充填不足数据。数据分组的方法见图3所示。

步骤104,计算数据组序列中每个数据组的插值系数.

假设共分成了I组,现在开始对第i组数据进行处理。

引入时间概念,则微震信号数据矢量ΔP=[p(2)-p(1),p(3)-p(2),…,p(N+1)-p(N)]可以看成是采样间隔(采样周期)为T的信号采样。则第i组中的数据可以看成是二维空间中的三个点,这三个点的坐标是:

多项式插值处理,即第一个点和第三个点之间的任意一点(t,ΔPi),都可以表示为:

其中插值系数a1i的表达式为:

对下一组数据进行同样的处理:i=i+1,处理完第I组后,得到插值系数a1的一系列值:

步骤105,根据插值系数的概率分布,选取插值系数异常的数据组,作为异常数据组,得到异常数据组序列。

步骤105所述根据插值系数的概率分布,选取插值系数异常的数据组,作为异常数据组,得到异常数据组序列,具体包括:将所有数据组的插值系数组成一个插值系数序列;利用公式计算所述插值系数序列中所有插值系数的均值式中,I为插值系数的个数,a1i为第i个数据组的插值系数;根据所述插值系数序列中所有插值系数的均值,利用公式计算所述插值系数序列中所有插值系数的方差σ2;所述插值系数序列中所有插值系数的方差σ2,判断第i个数据组的插值系数是否为异常,得到第二判断结果;若所述第二判断结果表示第i个数据组的插值系数异常,则第i个数据组为异常数据组。

其中,所述根据所述插值系数序列中所有插值系数的方差σ2,判断第i个数据组的插值系数是否为异常,得到第二判断结果,具体包括:

判断公式是否成立;

若成立,则第二判断结果为第i个数据组的插值系数不异常;

若不成立,则第二判断结果为第i个数据的插值系数异常。

即,对每一个系数做如下判断:

步骤106,逐次判断所述异常数据组序列中相邻的前一个异常数据组与后一个异常数据组是否为数据组序列中相邻的数据组,并将前一个异常数据组与后一个异常数据组为数据组序列中相邻的数据组的前一个异常数据组的第三个元素作为微震事件。

所有判断为异常的系数组成异常系数序列共有J个异常系数,其对应的序号组成异常序号集合O=[j1,j2,…,jJ],其中各个序号满足下列关系:j1<j2<…<jJ,j1,j2,…,jJ∈[1,2,…,I]。

如果某两个相邻异常序号相差1,即jL+1-jL=1,那么所述第一判断结果表示前一个异常数据组与后一个异常数据组为数据组序列中相邻的数据组,则认为第L组数据中的第三个数据对应微震事件,即ΔP3L对应微震事件。

根据步骤101-106,可以得到微震事件集合共有M个微震事件。检测完毕。

如图4所示,本发明还提供一种微震事件检测系统,所述检测系统包括如下步骤:

微震信号序列模块401,用于实测获取微震信号序列;

微震信号数据矢量构建模块402,用于将所述微震信号序列中相邻的后一个微震信号数据与前一个微震信号数据的差作为元素,构建微震信号数据矢量;

分组模块403,用于将所述微震信号数据矢量的元素进行分组,得到数据组序列;

插值系数计算模块404,用于计算数据组序列中每个数据组的插值系数;

所述插值系数计算模块404,具体包括:插值系数计算子模块,用于利用公式计算第i个数据组的插值系数a1i;式中,和分别为第i个数据组的第1个、第2个和第3个元素,T为微震信号的采样周期。

异常数据组选取模块405,用于根据插值系数的概率分布,选取插值系数异常的数据组,作为异常数据组,得到异常数据组序列;

所述异常数据组选取模块405,具体包括:插值系数序列合成子模块,用于将所有数据组的插值系数组成一个插值系数序列;均值计算子模块,用于利用公式计算所述插值系数序列中所有插值系数的均值式中,I为插值系数的个数,a1i为第i个数据组的插值系数;方差计算子模块,用于根据所述插值系数序列中所有插值系数的均值,利用公式计算所述插值系数序列中所有插值系数的方差σ2;第二判断子模块,用于根据所述插值系数序列中所有插值系数的方差σ2,判断第i个数据组的插值系数是否为异常,得到第二判断结果;第二判断结果处理子模块,用于若所述第二判断结果表示第i个数据组的插值系数异常,则第i个数据组为异常数据组。

其中,所述第二判断子模块,具体包括:第三判断单元,用于判断公式是否成立;第三判断结果处理单元,用于若成立,则第二判断结果为第i个数据组的插值系数不异常;若不成立,则第二判断结果为第i个数据的插值系数异常。

第一判断模块406,用于逐次判断所述异常数据组序列中相邻的前一个异常数据组与后一个异常数据组是否为数据组序列中相邻的数据组,并将前一个异常数据组与后一个异常数据组为数据组序列中相邻的数据组的前一个异常数据组的第三个元素作为微震事件。

常用的算法依据功率变化来确定微震事件,其主要缺点是背景噪声会造成微震事件检测的错误。本发明提供一种微震事件检测方法及系统。所述方法,首先进行数据变换,将所述微震信号序列中相邻的后一个微震信号数据与前一个微震信号数据的差作为元素,构建微震信号数据矢量;并分组得到数据组序列;然后计算数据组序列中每个数据组的插值系数;并根据插值系数的概率分布,选取异常数据组;最后选取异常数据组序列中相邻的前一个异常数据组与后一个异常数据组为数据组序列中相邻的数据组的前一个异常数据组的第三个元素作为微震事件。本发明利用了微震事件的稀疏性(功率数值变化在整个功率数据中占比较小)以及噪声的统计特性,从概率统计的角度避免噪声对功率变化的影响,有效消除那些强噪声造成的功率变化,从而提高了微震事件检测的精度。

以上所述仅为本发明较佳的具体实施例,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,可轻易想到的变化或替换,都应该涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求书的保护范围为准。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的装置及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。

再多了解一些
当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1