《一种自动检测强能量噪声的方法.pdf》由会员分享，可在线阅读，更多相关《一种自动检测强能量噪声的方法.pdf（15页珍藏版）》请在专利查询网上搜索。
1、(10)申请公布号 CN 103376462 A (43)申请公布日 2013.10.30 CN 103376462 A *CN103376462A* (21)申请号 201210109479.3 (22)申请日 2012.04.13 G01V 1/28(2006.01) G01V 1/36(2006.01) (71)申请人 中国石油天然气集团公司 地址 100007 北京市东城区东直门北大街 9 号中国石油大厦 申请人 中国石油集团东方地球物理勘探有 限责任公司 (72)发明人 李鹏 柯本喜 (74)专利代理机构 北京市中实友知识产权代理 有限责任公司 11013 代理人 刘天语 任洁 (5。
2、4) 发明名称 一种自动检测强能量噪声的方法 (57) 摘要 本发明是石油勘探地震数据处理中自动识别 强能量噪声的方法， 对目标道集的每道数据沿时 间方向做傅氏变换， 计算道集数据振幅谱， 抽取任 意频点序列， 计算点值序列最大值、 中值和概率密 度等参数， 完成所有频率样点值序列的强能量噪 声检测， 得到强能量噪声的频率域道集数据， 沿时 间方向做反傅氏变换， 得到返回时间域的强能量 噪声道集数据 ； 本发明使用最大似然准则在变换 域中通过概率统计自动搜索检测强能量噪声， 对 于在不同的道集、 不同的时窗中强能量噪声振幅 变化的情况， 能够准确检测出强能量噪声。 (51)Int.Cl. 权利。
3、要求书 2 页 说明书 6 页 附图 6 页 (19)中华人民共和国国家知识产权局 (12)发明专利申请 权利要求书2页 说明书6页 附图6页 (10)申请公布号 CN 103376462 A CN 103376462 A *CN103376462A* 1/2 页 2 1. 一种自动检测强能量噪声的方法， 特征是通过以下具体步骤实现 ： 1) 激发并采集地震数据 ； 2) 对目标道集的每道数据沿时间方向做傅氏变换， 得到频率域道集数据 ； 3) 计算频率域道集数据的振幅值， 得到道集数据振幅谱 ； 4) 抽取道集数据振幅谱的任意一个频率样点值序列 ； 5) 计算频率样点值序列的最大值和中值 ；。
4、 6) 按照以下公式计算频率样点值序列中值对应先验概率密度 p0(i) ： 式中 ： i 是频率样点值序列的序号 ； 0是步骤 5) 中得到的频率样点值序列的中值 ； a(i) 是步骤 5) 中得到的频率样点值序列 ； 7) 按照以下公式计算频率样点值序列最大值对应先验概率密度 p1(i) ： 式中 ： i 是频率样点值序列的序号 ； 1是步骤 5) 中得到的频率样点值序列的最大值 ； a(i) 是步骤 5) 中得到的频率样点值序列 ； 8) 按照以下公式计算后验概率 U(i) ： 9) 按照以下公式计算调试参数更新的强能量样点数在总体样点数中的百分比 、 有效信号样点和总体样点振幅值方差 0。
5、和强能量噪声样点和总 体样点振幅值方差 1： 式中 ： i 是频率样点值序列的序号 ； N 是频率样点值序列的样点总数 ； U(i) 是步骤 8) 中得到的后验概率 ； 10) 如果 和 之差小于 0.0001， 1和 1之差小于 0.001， 同时 0和 0 之差小于 0.001， 则进行下一步， 是调试参数， 表示强能量噪声样点数在总体样点数中的百分比 ； 否则将 ： 强能量样点数在总体样点数中的百分比 的值赋给步骤 8) 表示强能量噪声样点数 在总体样点数中的百分比 ； 有效信号样点和总体样点振幅值方差 0的值赋给步骤 5) 中得到的频率样点值序 权 利 要 求 书 CN 1033764。
6、62 A 2 2/2 页 3 列的中值 0； 强能量噪声样点和总体样点振幅值方差 1的值赋给步骤 5) 中得到的频率样点值 序列的最大值 1； 11) 计算相关系数 R(i) ： 12) 计算相关加权后验概率 13) 相关加权后验概率大于 0.5 的频率样点为强能量噪声样点， 对步骤 2) 中相关加权 后验概率小于或等于 0.5 的频率样点的频率值置零， 得到强能量噪声的频率域道集数据 ； 14) 按上述 4) 至 13) 步完成所有频率样点值序列的强能量噪声检测， 得到强能量噪声 的频率域道集数据 ； 15) 对步骤 14) 强能量噪声的频率域道集数据每道数据沿时间方向做反傅氏变换， 得 到。
7、返回时间域的强能量噪声道集数据。 2.根据权利要求1的方法， 特征是步骤1)所述的地震数据是从采集的地震数据中任意 取出一个地震道数据作为目标道集。 3. 根据权利要求 1 的方法， 特征是步骤 8) 按照以下公式计算后验概率 U(i) ： 式中 ： i 是频率样点值序列的序号 ； p0(i) 步骤 6) 是中得到的频率样点值序列中值对应先验概率密度 ； p1(i) 步骤 7) 是中得到的频率样点值序列最大值对应先验概率密度 ； 是调试参数， 表示强能量噪声样点数在总体样点数中的百分比。 4. 根据权利要求 3 的方法， 特征是所述调试参数 初始值等于 0.1。 5. 根据权利要求 1 的方法。
8、， 特征是步骤 11) 按照以下公式计算相关系数 R(i) ： 式中 ： i 是频率样点值序列的序号， j 是空间样点值序列的序号 ； A 是步骤 3) 中得到的道集数据振幅谱 ； k 是频率方向变量， 1 是空间方向变量。 6.根据权利要求1的方法， 特征是步骤12)计算相关加权后验概率采用以下公式 ： 式中 ： i 是频率样点值序列的序号 ； R(i) 是步骤 11) 中得到的相关系数 ； U(i) 是步骤 8) 中得到的后验概率。 权 利 要 求 书 CN 103376462 A 3 1/6 页 4 一种自动检测强能量噪声的方法 技术领域 0001 本发明涉及石油勘探技术， 是地震数据处。
9、理中一种自动检测强能量噪声的方法。 背景技术 0002 在地震数据的采集过程中， 由于各种因素的影响， 使得原始记录中出现了不同种 类的干扰波， 如声波干扰、 50Hz 交流电干扰、 碎发脉冲噪声、 在记录深部出现的高频干扰及 涌浪噪声等。这些干扰波具有相对较强的能量， 占据一定的频带范围。常用的处理方法是 滤波或道剔除， 但无论是交互剔除废道还是人工编辑， 都要花费大量的时间， 而且淹没在能 量干扰中的有效信号也损失掉了。这种处理方法已不能满足高分辨率勘探的精度要求。高 分辨率勘探对资料处理的精度提出了更高的要求， 特别是目前广泛使用的叠前多道处理技 术(如地表一致性振幅补偿、 统计子波反褶。
10、积等)要求输人数据有较高的质量， 强能量噪声 处理不当直接影响着这些方法的效果， 限制了某些技术的应用。 0003 目前工业上常规的强能量噪声衰减方法， 是在一定的变换域(如时频域)中， 按一 定的方向在一定的时窗内得到样点振幅的中值、 平均值或均方根值， 通过试验得到一个门 槛因子， 门槛因子乘中值、 平均值或均方根值得到门槛值， 样点振幅值大于门槛值， 则该样 点值被视为强能量噪声， 对其进行衰减处理 ； 但是强能量噪声在不同的道集， 在不同的时窗 可能不同， 此时应用小的门槛因子会伤害有效信号， 应用大的门槛因子强能量噪声衰减不 完全。 发明内容 0004 本发明目的是提供一种能够很好将。
11、记录中的强能量噪声自动检测出来， 将检测出 的强能量噪声振幅值置零或旁道替换则达到衰减强能量噪声的自动检测强能量噪声的方 法。 0005 本发明通过以下技术方案实现， 具体实施步骤是 ： 0006 1) 激发并采集地震数据 ； 0007 2、 根据权利要求1的方法， 特征是步骤1)所述的地震数据是从采集的地震数据中 任意取出一个地震道数据作为目标道集。 0008 2) 对目标道集的每道数据沿时间方向做傅氏变换， 得到频率域道集数据 ； 0009 3) 计算频率域道集数据的振幅值， 得到道集数据振幅谱 ； 0010 4) 抽取道集数据振幅谱的任意一个频率样点值序列 ； 0011 5) 计算频率样。
12、点值序列的最大值和中值 ； 0012 6) 按照以下公式计算频率样点值序列中值对应先验概率密度 p0(i) ： 0013 式中 ： 0014 i 是频率样点值序列的序号 ； 0015 0是步骤 5) 中得到的频率样点值序列的中值 ； 说 明 书 CN 103376462 A 4 2/6 页 5 0016 a(i) 是步骤 5) 中得到的频率样点值序列。 0017 7) 按照以下公式计算频率样点值序列最大值对应先验概率密度 p1(i) ： 0018 式中 ： 0019 i 是频率样点值序列的序号 ； 0020 1是步骤 5) 中得到的频率样点值序列的最大值 ； 0021 a(i) 是步骤 5) 。
13、中得到的频率样点值序列 ； 0022 8) 按照以下公式计算后验概率 U(i) ： 0023 式中 ： 0024 i 是频率样点值序列的序号 ； 0025 p0(i) 步骤 6) 是中得到的频率样点值序列中值对应先验概率密度 ； 0026 p1(i) 步骤 7) 是中得到的频率样点值序列最大值对应先验概率密度 ； 0027 是调试参数， 表示强能量噪声样点数在总体样点数中的百分比 ； 0028 步骤 8) 所述调试参数初始值等于 0.1 ； 0029 9) 按照以下公式计算调试参数更新的强能量样点数在总体样点数中的百分比 、 有效信号样点和总体样点振幅值方差 0和强能量噪声样点和总体样点振幅值。
14、方 差 1： 0030 0031 0032 0033 式中 ： 0034 i 是频率样点值序列的序号 ； 0035 N 是频率样点值序列的样点总数 ； 0036 U(i) 是步骤 8) 中得到的后验概率 ； 0037 10) 如果 和 之差小于 0.0001， 1和 1之差小于 0.001， 同时 0和 0之差小于 0.001， 则进行下一步， 0038 否则将 ： 0039 强能量样点数在总体样点数中的百分比 的值赋给步骤 8) 表示强能量噪声样 点数在总体样点数中的百分比 ； 0040 有效信号样点和总体样点振幅值方差 0的值赋给步骤 5) 中得到的频率样点 值序列的中值 0； 0041 。
15、强能量噪声样点和总体样点振幅值方差 1的值赋给步骤 5) 中得到的频率样 点值序列的最大值 1； 0042 11) 按照以下公式计算相关系数 R(i) ： 说 明 书 CN 103376462 A 5 3/6 页 6 0043 式中 ： 0044 i 是频率样点值序列的序号， j 是空间样点值序列的序号 ； 0045 A 是步骤 3) 中得到的道集数据振幅谱 ； 0046 k 是频率方向变量， 1 是空间方向变量 ； 0047 12) 计算相关加权后验概率 0048 式中 ： 0049 i 是频率样点值序列的序号 ； 0050 R(i) 是步骤 11) 中得到的相关系数 ； 0051 U(i)。
16、 是步骤 8) 中得到的后验概率 ； 0052 13) 相关加权后验概率大于 0.5 的频率样点为强能量噪声样点， 对步骤 2) 中相关 加权后验概率小于或等于 0.5 的频率样点的频率值置零， 得到强能量噪声的频率域道集数 据 ； 0053 14) 按上述 4) 至 13) 步完成所有频率样点值序列的强能量噪声检测， 得到强能量 噪声的频率域道集数据 ； 0054 15) 对步骤 14) 强能量噪声的频率域道集数据每道数据沿时间方向做反傅氏变 换， 得到返回时间域的强能量噪声道集数据。 0055 本发明不需要试验门槛因子， 在时频域中通过概率统计自动检测强能量的门槛 值， 使用最大似然准则自。
17、动统计搜索强能量门槛值， 能够适应强能量门槛值变化的情况， 能 够很好检测强能量噪声， 在保护有效信号的同时衰减强能量噪声。 附图说明 0056 图1为一个炮集海洋地震数据， 由408道组成， 横坐标为道数(道)， 纵坐标为时间 ( 秒 ) ； 0057 图 2 为一个时窗数据及其振幅谱， a) 是图 1 中炮集数据抽取的一个时窗数据， b) 是 a) 对应数据多道振幅谱， c) 是 a) 对应数据平均振幅谱 ； 其中 a) 的横坐标为道数 ( 道 )， 纵坐标为时间 ( 秒 ) ； b) 的横坐标为道数 ( 道 )， 纵坐标为频率 ( 赫兹 ) ； c) 的横坐标为频 率 ( 赫兹 )， 纵。
18、坐标为归一化振幅值 ； 0058 图 3 为 6Hz 频率样点序列振幅谱及其相关加权概率， a) 是 6Hz 频率样点序列振幅 谱， b) 是 6Hz 频率样点序列相关加权概率 ； a) 的横坐标为道数 ( 道 )， 纵坐标为振幅值 ； b) 的横坐标为道数 ( 道 )， 纵坐标为相关加权概率 ； 0059 图 4 为 20Hz 频率样点序列振幅谱及其相关加权概率， a) 是 20Hz 频率样点序列振 幅谱， b) 是 20Hz 频率样点序列相关加权概率 ； a) 的横坐标为道数 ( 道 )， 纵坐标为振幅值 ； b) 的横坐标为道数 ( 道 )， 纵坐标为相关加权概率 ； 0060 图 5a。
19、) 是图 2a) 时窗数据衰减涌浪噪声后数据， 横坐标为道数 ( 道 )， 纵坐标为时 间 ( 秒 ) ； b) 是衰减掉的涌浪噪声， 横坐标为道数 ( 道 )， 纵坐标为时间 ( 秒 ) ； c) 是 a) 数 据的多道振幅谱横坐标为道数 ( 道 )， 纵坐标为频率 ( 赫兹 ) ； d) 是 a) 数据的平均振幅谱， 横坐标为频率 ( 赫兹 )， 纵坐标为归一化振幅值 ； 说 明 书 CN 103376462 A 6 4/6 页 7 0061 图 6a) 是图 1 炮集数据衰减涌浪噪声后数据， 横坐标为道数 ( 道 )， 纵坐标为时间 ( 秒 ) ； b) 是图 1 中检测并衰减掉的涌浪噪。
20、声， 横坐标为道数 ( 道 )， 纵坐标为时间 ( 秒 ) ； 0062 图 7a) 是陆地单炮数据， 横坐标为道数 ( 道 )， 纵坐标为时间 ( 秒 ) ； b)b) 是从 a) 数据中检测到的强能量噪声数据， 横坐标为道数 ( 道 )， 纵坐标为时间 ( 秒 ) ； c) 是将检测 到的强能量噪声数据从 a) 数据减去后的数据， 横坐标为道数 ( 道 )， 纵坐标为时间 ( 秒 )。 具体实施方式 0063 以下结合附图和通过实例详细说明本发明。 0064 本发明采用数据是一个炮集的海洋地震数据， 其中有较强的涌浪噪声 ( 涌浪噪声 是一类低频强能量噪声 )， 408 道， 每道 400。
21、0 个采样点， 采样间隔为 2ms， 如图 1 所示。通过 以下步骤完成该炮集数据强能量噪声自动检测 ： 0065 1) 按时间方向和空间方向对炮集数据进行分块 ； 0066 2) 抽取任意一个分块数据 ( 如图 2-a 所示 )， 对分块数据每道数据沿时间方向做 傅氏变换， 得到频率域分块数据 ； 0067 3) 计算频率域分块数据的振幅值， 得到分块数据振幅谱 ； 0068 4) 抽取分块数据振幅谱的任意一个频率样点值序列 a(i)， i 是频率样点值序列的 序号， i 1， 2， N( 如图 3-a 和图 4-a 所示 ) ； 0069 5) 计算频率样点值序列的最大值 1和中值 0； 。
22、0070 6) 计算频率样点值序列中值对应先验概率密度 0071 7) 计算频率样点值序列最大值对应先验概率密度 0072 8) 取 等于 0.1， 计算后验概率 0073 9) 计算 0074 和 0075 10) 如果 和 之差小于 0.0001， 1和 1之差小于 0.001， 同时 0和 0之差小于 0.001， 则进入到第 11) 步， 否则将 赋给 ， 1武给 1， 0赋给 0， 返回第 6) 步 ； 0076 11) 计算相关系数 0077 12) 计算相关加权后验概率( 如图 3-b 和图 4-b 所示 ) ； 0078 13) 相关加权后验概率大于 0.5 的频率样点为强能量。
23、噪声样点， 对步骤 2) 中相 关加权后验概率小于或等于 0.5 的频率样点的频率值置零， 得到强能量噪声的频率域道集 数据 ； 0079 14) 按上述 4) 至 13) 步完成所有频率样点值序列的强能量噪声检测， 得到强能量 说 明 书 CN 103376462 A 7 5/6 页 8 噪声的频率域分块数据 ； 0080 15) 对步骤 14) 强能量噪声的频率域道集数据每道数据沿时间方向做反傅氏变 换， 得到返回时间强能量噪声的分块数据 ( 如图 5-b 所示 ) ； 0081 按上述2)至15)步骤完成所有分块数据的强能量噪声检测， 得到整个炮集数据检 测到的强能量噪声数据 ( 如图 。
24、6-b 所示 )， 将检测到的强能量噪声从初始炮集 ( 如图 1 所 示 ) 减去后的数据 ( 如图 6-a 所示 ) 可以看到涌浪噪声得到了很好衰减， 说明本发明方法 对于检测涌浪噪声的有效性。 0082 为了检验自动检测涌浪噪声的效果， 对图 2-a 中抽取时窗数据进行多道振幅谱 ( 如图 2-b 所示 ) 和平均振幅谱 ( 如图 2-c 所示 ) 计算， 从多道振幅谱或平均振幅谱都可以 看到抽取时窗数据低频段存在较强涌浪噪声 ； 对衰减涌浪噪声后的时窗数据进行多道振幅 谱 ( 如图 5-c 所示 ) 和平均振幅谱 ( 如图 5-d 所示 ) 计算， 从多道振幅谱或平均振幅谱都 可以看到抽。
25、取时窗数据低频段的较强涌浪噪声得到有效衰减， 从衰减掉涌浪噪声后的数据 ( 如图 5-a 所示 ) 可以看到有效信号得到保护。 0083 本发明采用另一个数据是一个陆上炮集地震数据 ( 如图 7-a 所示 )， 其中有较强 50Hz 交流电干扰、 高频噪声等强能量噪声 ； 数据 400 道， 采样点数为 2500， 采样间隔为 2ms。 通过以下步骤完成该炮集数据强能量噪声自动检测 ： 0084 1) 按空间方向对炮集数据进行分块 ； 0085 2) 抽取任意一个分块数据， 对分块数据每道数据沿时间方向做傅氏变换， 得到频 率域分块数据 ； 0086 3) 计算频率域分块数据的振幅值， 得到分。
26、块数据振幅谱 ； 0087 4) 抽取分块数据振幅谱的任意一个频率样点值序列 a(i)， i 是频率样点值序列的 序号， i 1， 2， N ； 0088 5) 计算频率样点值序列的最大值 1和中值 0； 0089 6) 计算频率样点值序列中值对应先验概率密度 0090 7) 计算频率样点值序列最大值对应先验概率密度 0091 8) 取 等于 0.1， 计算后验概率 0092 9) 计算 0093 和 0094 10) 如果 和 之差小于 0.0001， 1和 1之差小于 0.001， 同时 0和 0之差小于 0.001， 则进入到第 11) 步， 否则将 赋给 ， 1武给 1， 0赋给 0，。
27、 返回第 6) 步 ； 0095 11) 计算相关系数 说 明 书 CN 103376462 A 8 6/6 页 9 0096 12) 计算相关加权后验概率 0097 13) 相关加权后验概率大于 0.5 的频率样点为强能量噪声样点， 对步骤 2) 中相 关加权后验概率小于或等于 0.5 的频率样点的频率值置零， 得到强能量噪声的频率域道集 数据 ； 0098 14) 按上述 4) 至 13) 步完成所有频率样点值序列的强能量噪声检测， 得到强能量 噪声的频率域分块数据 ； 0099 15) 对步骤 14) 检测到的强能量噪声的频率域道集数据每道数据沿时间方向做反 傅氏变换， 得到返回时间强能。
28、量噪声的分块数据 ； 0100 按上述2)至15)步骤完成所有分块数据的强能量噪声检测， 得到整个炮集数据检 测到的强能量噪声数据(如图7-b所示)， 将检测到的强能量噪声从初始炮集(如图7-a所 示 ) 减去后的数据 ( 如图 7-c 所示 ) 可以看到强能量噪声得到了很好衰减， 说明本发明方 法对于检测陆地数据中强能量噪声的有效性。 0101 本发明不需要试验门槛因子， 在时频域中通过概率统计自动检测强能量的门槛 值， 使用最大似然准则自动统计搜索强能量门槛值， 对于在不同的道集、 不同的时窗中强能 量噪声振幅变化的情况， 也能够很好检测出强能量噪声， 将检测出的强能量噪声从记录作 衰减处理， 达到压制强能量噪声的目的。 说 明 书 CN 103376462 A 9 1/6 页 10 图 1 说 明 书 附 图 CN 103376462 A 10 2/6 页 11 图 2 图 3 说 明 书 附 图 CN 103376462 A 11 3/6 页 12 图 4 说 明 书 附 图 CN 103376462 A 12 4/6 页 13 图 5 说 明 书 附 图 CN 103376462 A 13 5/6 页 14 图 6 说 明 书 附 图 CN 103376462 A 14 6/6 页 15 图 7 说 明 书 附 图 CN 103376462 A 15 。