引用本文
秦晅, 宋维琪. 基于时窗能量比与互信息量的微地震初至拾取方法[J]. 物探与化探, 2016,40(2): 374-379.
QIN Xuan, SONG Wei-Qi. Automatic first arrival pickup method of microseismic event based on energy ratio and mutual information[J]. Geophysical and Geochemical Exploration, 2016,40(2): 374-379.
Doi:10.11720/wtyht.2016.2.23  
Permissions
Copyright©2016, 物探与化探编辑部
© 《物探与化探》编辑部
基于时窗能量比与互信息量的微地震初至拾取方法
秦晅, 宋维琪
中国石油大学(华东) 地球科学与技术学院,山东 青岛 266580

作者简介: 秦晅(1988-),男,中国石油大学(华东)地球科学与技术学院硕士研究生,主要从事微地震信号处理方面的研究工作。

收稿日期: 2015-08-05
基金: 国家高技术研究发展计划(“863”计划)“陆上非一致性时延地震、微地震油藏检测方法研究”课题(2011AA060303)资助
摘要

由于微地震事件本身能量弱、资料信噪比低的特点,初至快速精确的拾取成为其关键而又亟待解决的问题。针对微地震事件初至人工拾取效率低、时窗能量比方法拾取精度低的特点,从信息熵和互信息量的角度开始研究,根据互信息量是随机变量间统计依存性与关联程度的量度特点,研究了一种时窗能量比与互信息量准则的微地震初至拾取方法,首先以时窗能量比算法来粗略估计初至的到达时刻,然后再利用互信息量算法来准确的拾取初至,通过模型验证与实际数据的测试,并与常规方法对比分析,验证了方法的有效性与可行性,能够较为准确与快速地实现微地震初至的自动拾取。

关键词: 微地震; 初至拾取; 互信息量; 时窗能量比; 信息熵
中图分类号:P631.4 文献标志码:A 文章编号:1000-8918(2016)02-0374-06 doi: 10.11720/wtyht.2016.2.23
Automatic first arrival pickup method of microseismic event based on energy ratio and mutual information
QIN Xuan, SONG Wei-Qi
School of Geosciences,China University of Petroleum,Qingdao 266580,China
Abstract

Due to the weak energy microseismic events and the characteristics of low SNR data, the quick and accurate first arrival pickup has become the key problem. In view of the low efficiency of manual pickup and the low accuracy energy ratio method in picking up first arrival, the authors proposed entropy and mutual information method. Through studying the features of random variables and correlation degree, the authors proposed a first arrival pickup based on energy and mutual information. First, energy ratio algorithm is used to pick a rough arrival time, and then the mutual information algorithm is used to accurately pick up arrival time. According to the test of the model and the analysis of real data in comparison with conventional methods, the authors effectively verify the accuracy and feasibility of the method. The automatic first arrival pickup is achieved accurately and rapidly.

Keyword: microseismic; first arrival pickup; mutual information; energy ratio; information entropy

在油气田开发过程中, 微地震监测是获得水力压裂裂缝分布的一种较为有效的方法。微地震的定位成像与裂缝解释需要利用微地震有效信号的初至, 人工进行初至拾取工作量较大、效率低, 并且容易受到人为误差的影响, 因此, 开展了微震初至自动拾取的方法研究。

能量分析技术是一种应用广泛的自动识别技术[1, 2]。常规能量分析技术是基于长短时窗能量比法(STA/LTA)实现的, 其原理是根据分量、坐标系或时窗能量比的不同区分有效地震信号, 但是该算法在地震资料信噪比低的情况下容易出现误拾、漏拾的情况。偏振特性分析方法[3, 4]利用有效信号与随机信号偏振度不同的特性来区分地震信号, 但其本身没有一定的尺度, 无法单独进行有效信号初至的检测。分形分维方法[5, 6, 7]在识别有效信号应用中也比较常见, 但是也难以克服低信噪比的影响, 同时对时窗长度的选择也比较敏感。自回归(auto-regressive, AR)[8, 9, 10, 11]理论常见于天然地震的震相识别与初至拾取, 应用在微地震数据资料上, 受低信噪比的影响, 效果也不佳。

综上所述, 由于常规的自动拾取方法无法很好地适应实际微地震数据频率高、信噪比低的特点。因此, 笔者提出了基于时窗能量比与互信息量准则的微地震初至拾取方法。首先以时窗能量比算法来粗略估计初至的到达时刻, 然后再利用互信息量算法来准确地拾取初至。由于互信息量本身是一种非线性统计量, 在地震波波形变化很大的情况下, 也能够很好地测量微地震信号之间的关联程度, 因此该方法能够克服微地震信号传播过程中带来的诸多问题。模型验证与实际微地震资料测试分析表明, 该方法具有拾取精度高、速度快、稳定性强等优点。

1 方法原理
1.1 时窗能量比法

时窗能量比法是一种应用广泛的微地震初至自动拾取方法, 其原理是根据微地震记录初至波到达后, 初至时刻的前后时窗能量比值R(i)达到最大值, 拾取R(i)最大值对应的时间即为初至时间。其公式可表示为

式中:xk表示微地震记录振幅值, M表示后时窗大小, N表示前时窗大小; ε 表示稳定因子, 通常可取为该道背景噪声的平均能量。

时窗能量比法的问题在于受到时窗大小选择影响, 并且在低信噪比情况下容易出现误拾、漏拾的情况, 所以拾取精度不高。

1.2 互信息量算法

互信息量的定义是建立在信息熵的基础上, 用来衡量两个随机变量之间统计依存性的量度。如果把两个随机变量考虑成一个通信系统[12], X表示发送端的输入量, Y表示接收端的输出变量。变量X和变量Y之间有一定的相关性, I(X, Y)反映了它们之间的相对熵, 这种相对熵也可以看作是传输信道之间的互信息量。其互信息量的表达方式为

其中:p(xi, yj)为联合概率分布, p(xi)和p(yj)为边缘概率分布, r和s分别是X和Y的符号数量。

假设在微地震有效事件中两道的地震记录的波形分别为X(t)和Y(t), 它们满足信号模型

其中:s(t)为地震记录X(t)的地震波形, n1(t)为X(t)观测噪声; T[s(t-d)]是一个时不变的非线性变换函数, 用来描述地震波在传播过程中的波形变化; d为时间延迟参数; n2(t)为Y(t)的观测噪声。由于T[s(t-d)]变换是一个复杂的非线性函数, 这就导致传统的道间相关方法初至的拾取能力降低。互信息量是两个随机变量之间统计依存性的量度, 它不依赖于两个变量之间的线性关系, 仅取决于两个随机变量统计上的关联程度[13]。因此, 引入互信息量的概念用于微地震初至拾取的检测。

通过以上对微地震信号模型的描述, 我们可以将地震波的传播模型等效成一个通信过程。对于微地震事件的信号X(t)在其初至的时刻截取一段波形X(L), 经过传播走时差d后, 在Y(t)上记录相应的波形Y(d+L)构成一个传输系统, 其窗口大小为L, d为延迟参数。然后将延迟参数d作为滑动窗口的参数, 就可以得到一系列的通信过程, 从而计算 X(L)与Y(d+L)对应每一个延迟参数d的互信息量I(X, Yd)。在滑动时窗不断的移动过程中, 随着 X(L)与Y(d+L)的相关性逐渐增强, 互信息量 I(X, Yd)会由逐渐增加到最大值, 此时可以认为两个窗口内的波形达到最佳匹配, 因此可以把该峰值作为该道的初至时刻。

根据互信息量非线性统计量的计算方法[14], 其用于微地震初至拾取的具体计算过程为:

1) 从微地震有效事件A道中截取长度为L的地震波形信号{X(n)}n=0, 1, …, L-1;

2) 对于同一有效事件地震道B, 用长度为L的滑动窗口{Y(n+d)}n=0, 1, …, L-1, 根据射孔的先验信息在时间移位d∈ [0, Dmax]上作滑动;

3) 将{X(n)}n=0, 1, …, L-1和{Y(n+d)}n=0, 1, …, L-1对应的区间等分为M个小区间, 统计落入各个小区间的样本数, 计算概率分布PX和 PYd;

4) 将{X(n), Y(n+d)}n=0, 1, …, L-1当成二维空间, 然后等分为M2个小区间, 统计落入这些小区间的样本数, 可计算联合离散概率分布 PXYd;

5) 计算互信息量为

6) 对于I(d), d=0, 1, …, Dmax, 将提取的互信息量的最大值作为初至的走时点。

1.3 时窗能量比与互信息量结合的改进算法

时窗能量比算法相对简单, 但是在微地震资料低信噪比的情况下初至拾取的精度不高, 并且对时窗选择影响也较大。对于互信息量算法, 需要统计M个小区间的样本数, 再计算其对应小区间的概率分布。当M取值较大的时候, 计算量会增大, 造成拾取速度的降低。

综合两种方法的优缺点, 提出了一种时窗能量比与互信息量结合改进的算法。通过对大量的微地震资料分析可知, 地震道的初至点与所计算的地震道时窗能量比值特征曲线的最大值几乎一致, 因此以时窗能量比值特征曲线的最大值作为初至点的粗略位置, 然后根据互信息量算法确定局部精确初至时间, 具体改进算法流程如图1所示。

图1 改进算法流程

2 模型试算

图2为井中16级检波器接收的微地震模拟记录, 图3为其加噪记录。为了验证方法的可行性, 从图2中抽取一道数据如图4a所示。首先对该道进行人工初至拾取, 结果为第527采样点(图4a黑线所示), 由于是理论模型, 因此人工拾取初至可以当作是理论初至。图4b为信噪比为8的加噪记录, 利用时窗能量比法拾取结果为第539采样点(图4c蓝线所示), 利用文中提出的改进互信息量法拾取结果为第527采样点(图4d红线所示), 与人工拾取初至时间一致。

图2 微地震信号P波初至模型

图3 微地震信号加入噪声P波初至模型

图4 抽取单道P波模型及时窗能量比法与改进互信息量法拾取P波初至结果对比a— 抽取单道P波初至模型(黑线为初至时间); b— 抽取单道加噪P波初至模型(绿线为初至时间); c— 时窗能量比法拾取P波初至; d— 改进互信息量法拾取P波初至

再对图3中16级检波器的加噪记录进行P波初至拾取, 从图5改进互信息量法与时窗能量比法和人工拾取P波初至对比分析可以看出, 时窗能量比法在低信噪比下容易出现误拾的情况并且跳动较大, 而文中提出的改进互信息算法可以精确的拾取初至时间。

图5 改进互信息量法与时窗能量比法和人工拾取P波初至对比

图6 改进互信息量法与时窗能量比法在不同信噪比P波初至

为了进一步说明改进互信息量法在不同信噪比下初至拾取的稳定性, 对比了图4a中单道数据不同信噪比下初至拾取精度的影响, 具体如图6所示:随着信噪比的增加, 两种算法都趋于稳定, 但是时窗能量比法误差较大, 而改进互信息量法较为准确。当信噪比小于3时, 改进互信息量法和能量比法都出现了一定的波动, 但是改进互信息量法也相对较稳定。

3 应用实例

通过时窗能量比法与改进的互信息量法在模型数据上对比可知, 改进互信息法有较高的准确性与稳定性。下面, 采用2015年1月在重庆涪陵某气田所压裂的一段含有微地震有效事件的数据进行方法的测试分析, 具体如图7所示。图8是微地震监测实际数据每道计算的互信息量, 为了更好地拾取初至, 对各道互信息量作了平滑处理。红线所连接的是各道互信息量的最大值, 即为所拾取的初至时刻。但是, 从每一道计算的互信息量中可以发现出现了多个波峰情况, 这可能与其他震相有关, 其中蕴涵关于传播路径的其他波场信息。从图9可知改进的互信息量法拾取初至与人工拾取初至几乎是一致的, 而时窗能力比法拾取的初至跳动较大, 证明了本文方法具有很好的实用性。

图7 微地震监测实际数据

图8 微地震监测实际数据每道互信息量

图9 改进互信息量法与时窗能量比法和人工拾取P波初至对比

4 结论

笔者基于时窗能量比与互信息量法提出了一种新的微地震初至拾取方法。首先以时窗能量比算法来粗略估计初至的到达时刻, 然后再利用互信息量算法来准确的拾取初至。通过模型验证和实际数据测试表明, 该方法提高了初至拾取的精度与速度, 同时具有较强的抗噪能力, 在不同噪声背景下也能较为准确地拾取初至。

The authors have declared that no competing interests exist.

参考文献
[1] 叶根喜, 姜福兴, 杨淑华. 时窗能量特征法拾取微地震波初始到时的可行性研究[J]. 地球物理学报, 2008, 51(5): 1574-1581. [本文引用:1]
[2] Song F, Kuleli H S, Toksoz M N, et al. An improved method for hydrofracture-induced microseismic event detection and phase picking[J]. Geophysics, 2010, 75(6): A47-A52. [本文引用:1]
[3] 刘建华, 刘福田, 胥颐. 三分量地震资料的偏振分析[J]. 地球物理学进展, 2006, 21(1): 6-10. [本文引用:1]
[4] 吴治涛, 骆循, 李仕雄. 联合小波变换与偏振分析自动拾取微地震P波到时[J]. 地球物理学进展, 2012, 27(1): 131-136. [本文引用:1]
[5] 常旭, 伊克. Hausdorff分数维识别地震道初至走时[J]. 地球物理学报, 1998, 41(6): 826-832. [本文引用:1]
[6] 常旭, 刘伊克. 地震记录的广义分维及其应用[J]. 地球物理学报, 2002, 45(6): 839-846. [本文引用:1]
[7] 陈爱萍, 邹文, 何光明, 等. 基于分维和相关性的自动初至拾取技术及应用[J]. 物探化探计算技术, 2009, 31(2): 101-107. [本文引用:1]
[8] St-Onge A. Akaike information criterion applied to detecting first arrival times on microseismic data[J]. SEG Technical Program Expand ed Abstracts. [本文引用:1]
[9] 宋维琪, 吕世超. 基于小波分解与Akaike信息准则的微地震初至拾取方法[J]. 石油物探, 2011, 50(1): 14-21. [本文引用:1]
[10] Akaike H. Infromation theory and an extension of the maximum likelihood principle[G]. Springer Series in Statistics, 1973: 199-213. [本文引用:1]
[11] Maeda N. A method for reading and checking phase times in autoprocessing system of seismic wave data[J]. Zisin, 1985, 38(3): 365-379. [本文引用:1]
[12] Shannon C E. A mathematical theory of communication[J]. The Bell System Technical Journal, 1948, 27: 379-423 (Part I) , 625-656 (Part Ⅱ). [本文引用:1]
[13] 李辉, 戴旭初, 葛洪魁, 等. 基于互信息量的地震信号检测和初至提取方法[J]. 地球物理学报, 2007, 50(4): 1190-1197. [本文引用:1]
[14] Hegger R, Kantz H, Schreiber T. Practical implementation of nonlinear time series methods: the TISEAN package[J]. CHAOS, 1999, 9: 413-435. [本文引用:1]