本文選題：地面微地震監(jiān)測 + Shearlet變換�。� 參考：《吉林大學》2017年碩士論文

【摘要】：微地震監(jiān)測技術是一種先進的水力壓裂裂縫監(jiān)測技術,它已經成為改造低滲透油氣藏儲層結構的一項非常重要的手段。井中微地震監(jiān)測和地面微地震監(jiān)測是微地震監(jiān)測技術的兩種不同實現(xiàn)方式。其中,地面微地震監(jiān)測技術憑借其特有的優(yōu)勢,如無需監(jiān)測井、成本低、實用性強和監(jiān)測范圍廣等,使得它具有更加廣泛的應用前景。然而,地面檢波器采集到的微震數(shù)據(jù)通常具有有效信號能量弱、信噪比低等缺點,這給整個微震數(shù)據(jù)的處理和解釋工作帶來巨大的困難。因此,需要通過各種噪聲壓制技術來提高地面微地震監(jiān)測數(shù)據(jù)的信噪比和分辨率,這對微地震資料事件拾取和裂縫解釋等后續(xù)工作具有重要的意義和價值。Shearlet變換是近幾年發(fā)展起來的一種新型多尺度幾何分析技術,它同時也是多維函數(shù)的一種接近最優(yōu)的稀疏表示方法。此外Shearlet變換可以和多分辨率分析關聯(lián)起來,從而建立了連續(xù)和離散形式的統(tǒng)一�；谄鋬�(yōu)秀的性質,采用Shearlet變換對地面微地震數(shù)據(jù)進行噪聲壓制。Shearlet變換可以將微地震數(shù)據(jù)分解到不同的尺度層,隨著尺度的增加Shearlet系數(shù)逐漸由Coarse尺度層系數(shù)變?yōu)镕ine尺度層系數(shù)。Coarse尺度層對應原始數(shù)據(jù)的低頻概貌信息,而信號的高頻細節(jié)信息主要集中在Fine尺度層,隨機噪聲主要集中在Fine尺度層中。然而,地面微地震數(shù)據(jù)常常表現(xiàn)為極低的信噪比,含噪的地面微地震數(shù)據(jù)經Shearlet變換后,Fine尺度層中部分隨機噪聲對應的系數(shù)與微震有效事件對應的系數(shù)在數(shù)值上近似相等。此時,基于閾值的Shearlet變換去噪算法已經不能有效地移除和噪聲相關的系數(shù),影響最終的噪聲壓制效果。為了更好分離Shearlet變換域中有效信號相關的系數(shù)和噪聲相關的系數(shù),我們提出了基于譜多流行聚類的Shearlet變換去噪算法�；谧V多流行聚類的Shearlet變換去噪算法充分考慮了Shearlet變換域中有效信號系數(shù)的流行結構特征,并采用譜多流行聚類算法檢測或分組有效信號系數(shù),從而達到系數(shù)分離的目的。地面微地震有效事件與噪聲分別位于各自所在的低維流行上,即二者來自不同的流行。有效事件同相軸具有明顯的流行結構,而隨機噪聲沒有明顯的流行結構信息,并且經過Shearlet變換后,它們的流行結構特征不會發(fā)生變化�；谶@個差異,譜多流行聚類可以很容易地檢測到微地震有效事件對應的系數(shù),從而避免了閾值方案的缺陷。為了驗證該算法的有效性和可行性,將其應用于模擬和實際地面微地震數(shù)據(jù)處理中。模擬和實際微地面微地震數(shù)據(jù)的處理結果表明,基于譜多流行聚類的Shearlet變換去噪算法在壓制強隨機噪聲的同時能更好地保留信號特征。
[Abstract]:Micro-seismic monitoring technology is an advanced hydraulic fracturing fracture monitoring technology, it has become a very important means to reconstruct the reservoir structure of low permeability reservoirs. Micro-seismic monitoring in wells and ground microseismic monitoring are two different ways to realize micro-seismic monitoring technology. Among them, ground micro-seismic monitoring technology has more extensive application prospects because of its unique advantages, such as no monitoring wells, low cost, strong practicability and wide monitoring scope. However, the microseismic data collected by the ground geophone usually have the disadvantages of weak signal energy and low signal-to-noise ratio, which bring great difficulties to the processing and interpretation of the whole microseismic data. Therefore, a variety of noise suppression techniques are needed to improve the signal-to-noise ratio and resolution of ground microseismic monitoring data. This is of great significance and value to the follow-up work of micro-seismic data gathering and fracture interpretation. The Shearlet transform is a new multi-scale geometric analysis technique developed in recent years. It is also a near optimal sparse representation of multidimensional functions. In addition, the Shearlet transform can be associated with multi-resolution analysis, thus establishing the unity of continuous and discrete forms. Based on its excellent properties, the Shearlet transform can decompose the microseismic data into different scale layers by using Shearlet transform to suppress the noise of ground microseismic data. With the increase of scale, the Shearlet coefficient gradually changes from Coarse scale layer coefficient to Fine scale coefficient .Coarse scale layer corresponds to the low frequency profile information of the original data, while the high-frequency detail information of the signal is mainly concentrated in the Fine scale layer. The random noise is mainly concentrated in the fine scale layer. However, ground microseismic data often exhibit very low signal-to-noise ratio (SNR). After Shearlet transform, the coefficients corresponding to some random noises in the fine scale layer are approximately equal to those corresponding to the effective microseismic events. In this case, the threshold based Shearlet transform de-noising algorithm can not effectively remove the noise-related coefficients and affect the final noise suppression effect. In order to better separate effective signal correlation coefficients from noise correlation coefficients in the Shearlet transform domain, we propose a Shearlet transform de-noising algorithm based on spectral multi-popular clustering. The Shearlet transform denoising algorithm based on spectral multi-popular clustering takes full account of the popular structural features of effective signal coefficients in Shearlet transform domain, and uses spectral multi-popular clustering algorithm to detect or group effective signal coefficients, so as to achieve the purpose of separating coefficients. The effective events and noises of ground microearthquakes are located on their respective low dimensional epidemics, that is to say, they come from different epidemics. The effective event cophase axis has obvious popular structure, but the random noise has no obvious popular structure information, and after Shearlet transform, their popular structure characteristics will not change. Based on this difference, spectral multi-popular clustering can easily detect the coefficients corresponding to micro-seismic effective events, thus avoiding the defect of threshold scheme. In order to verify the validity and feasibility of the algorithm, it is applied to the simulation and practical ground microseismic data processing. The results of simulation and practical microseismic data processing show that the Shearlet transform denoising algorithm based on spectral multi-popular clustering can suppress the strong random noise and retain the signal features better.
【學位授予單位】：吉林大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：P631.4

【相似文獻】

相關期刊論文 前10條

1 趙向東;陳波;姜福興;;微地震工程應用研究[J];巖石力學與工程學報;2002年S2期

2 劉建中,王春耘,劉繼民,趙玉武,劉志鵬;用微地震法監(jiān)測油田生產動態(tài)[J];石油勘探與開發(fā);2004年02期

3 T. Wallroth ,朱成宏;用注水激發(fā)的微地震描述裂隙儲層[J];石油物探譯叢;1996年06期

4 劉建安,馬紅星,慕立俊,邱筱琳;井下微地震裂縫測試技術在長慶油田的應用[J];油氣井測試;2005年02期

5 王亞娟;張華光;王成旺;劉利霞;鄧軍;胡淑娟;;利用微地震測繪和壓裂模擬分析進行水力裂縫增長動態(tài)研究[J];國外油田工程;2006年10期

6 朱衛(wèi)星;;相關濾波在微地震數(shù)據(jù)處理中的應用[J];勘探地球物理進展;2007年02期

7 黃今;蘇華友;沙椿;何剛;郝名揚;;錦屏電站微地震監(jiān)測儀故障分析與探討[J];科技經濟市場;2008年11期

8 周仲禮;王琪;殷靜;范譚廣;談偉敦;;用微地震發(fā)現(xiàn)高速巖性及識別油氣[J];吐哈油氣;2008年03期

9 黃今;蘇華友;盧國勝;杜林;范波峰;;采動過程中微地震定位方法研究[J];現(xiàn)代礦業(yè);2009年02期

10 黃克獻;李利立;劉軍芳;岳琳;楊啟明;;微地震地下影像技術在注水破裂監(jiān)測和剩余油分布研究中的應用[J];內蒙古石油化工;2009年14期

相關會議論文 前4條

1 儲仿東;王永輝;李永平;衡峰;容嬌君;;微地震井中監(jiān)測技術在致密砂巖中的應用實例[A];中國地球物理2013——第十二專題論文集[C];2013年

2 余洋洋;梁春濤;楊宜海;;微地震監(jiān)測系統(tǒng)的設計[A];中國地球物理2013——第二十三專題論文集[C];2013年

3 張佩;張海江;M.Nafi Toksoz;;猶他州Cove Fort-Sulphurdale地區(qū)微地震震源機制研究與應用[A];2014年中國地球科學聯(lián)合學術年會——專題12：強震機理、孕育環(huán)境與地震活動性分析論文集[C];2014年

4 駱循;;礦山與大型地下工程災害監(jiān)測的微地震技術應用[A];中國地球物理學會第二十三屆年會論文集[C];2007年

相關重要報紙文章 前3條

1 特約記者 李銘　通訊員 彭樹禹;長慶井下首次實施微地震試驗成功[N];中國石油報;2009年

2 特約記者 林勇;勝利油田首次自主微地震壓裂監(jiān)測采集試驗成功[N];東營日報;2010年

3 記者 金江山 通訊員 王曉泉;井中微地震裂縫監(jiān)測技術獲重大突破[N];中國石油報;2013年

相關博士學位論文 前4條

1 江海宇;油田壓裂微地震地面監(jiān)測速度模型校正及定位研究[D];吉林大學;2016年

2 況文歡;結合地震學和地質力學對微地震數(shù)據(jù)的研究[D];中國科學技術大學;2015年

3 張喚蘭;微地震數(shù)值模擬及震源定位方法研究[D];西安科技大學;2014年

4 逄煥東;巖體微地震的模式、定位及其失穩(wěn)預報研究[D];山東科技大學;2004年

相關碩士學位論文 前10條

1 王超;微地震正演方法研究[D];長安大學;2015年

2 李亮;微地震信號自動檢測及震源掃描分割矩陣反演方法研究[D];長安大學;2015年

3 于子超;水力壓裂微地震信號提取與裂縫反演研究[D];長安大學;2015年

4 蔣騰飛;微地震數(shù)據(jù)去噪方法研究[D];長江大學;2015年

5 毛小波;基于PTP的多節(jié)點微地震數(shù)據(jù)懫集與傳輸技術研究[D];成都理工大學;2015年

6 王子陽;砂礫巖體人工裂縫及地層物性的微地震方法研究[D];中國石油大學(華東);2014年

7 屈敬翔;面向頁巖氣勘探的微地震采集記錄儀研制[D];中國海洋大學;2015年

8 田厚強;鄆城煤礦綜放采場微地震與應力特征研究及應用[D];安徽理工大學;2016年

9 王東鶴;基于射線理論的微地震速度模型校正方法研究[D];吉林大學;2016年

10 劉昕;基于高階累積量和Shearlet變換的微地震數(shù)據(jù)噪聲壓制研究[D];吉林大學;2016年

，

本文編號：2088990