一种低信噪比条件下的微地震数据处理方法

本发明涉及微地震数据处理，尤其涉及一种低信噪比条件下的微地震数据处理方法。

背景技术：

1、微地震监测是页岩气、致密油气、地热开发、矿山开采、二氧化碳封存以及地下工程安全监测中的重要技术手段。通过在井中、隧道、地面或其他监测区域布设检波器阵列，可以连续接收地下微破裂事件产生的地震波信号，并据此开展事件检测、震相拾取、事件定位、震源机制反演以及储层改造效果评价等工作。在微地震数据处理流程中，p波和s波初至时刻拾取是基础且重要的环节。初至时刻的准确性会直接影响后续事件定位、速度模型校正、震源机制计算以及裂缝扩展解释结果。自动且准确的初至拾取对被动地震监测非常关键，因为其直接影响事件位置和震源机制估计结果。

2、现有技术中，工业微地震初至拾取方法主要包括三种方法：（1）传统初至拾取方法，主要包括sta/lta（短时平均/长时平均比值法）、能量特征法、aic（赤池信息量准则）、互相关或匹配滤波方法等，但该类方法对工业微地震数据的适应性存在明显不足，容易产生误拾取、漏拾取或拾取不稳定的问题；（2）单道深度学习方法，但该类方法通常表现为逐道独立处理地震记录，忽略工业微地震监测阵列中普遍存在的跨道空间连续性和初至边界整体形态，其本质问题是将工业微地震首至拾取简化为一维时间序列问题，而没有充分利用其多道二维空间结构；（3）多道或阵列式深度学习，但该类方法通常没有显式表示检波器位置、道号位置、时间采样位置或二维图像像素的绝对坐标，空间信息只是隐含在输入数据排列中，模型需要通过复杂结构自行学习几何关系，结果造成模型参数量、训练成本和部署成本升高，且不能保证拾取精度稳定提升。

3、因此，需要提供一种适应性强，利用多道二维空间结构信息，成本低，预测精度高的初至时刻拾取方法。

技术实现思路

1、鉴于上述的分析，本发明实施例旨在提供一种低信噪比条件下的微地震数据处理方法，用以解决现有初至拾取方法对工业微地震数据适应性差，无法利用多道二维空间结构信息，成本高，预测精度不稳定的问题。

2、本发明实施例提供了一种低信噪比条件下的微地震数据处理方法，所述方法包括：

3、获取多道微地震数据，并对所述多道微地震数据进行预处理；

4、基于预处理后的多道微地震数据构建目标地震数据矩阵；

5、利用去噪网络模型对所述目标地震数据矩阵进行处理得到微地震去噪数据；

6、对所述微地震去噪数据进行事件窗截取得到事件级波形矩阵；

7、基于所述事件级波形矩阵和预训练语义分割网络得到二值掩码图像；

8、基于所述二值掩码图像计算得到p波、s波对应的初至时刻。

9、基于上述方法的进一步改进，所述去噪网络模型包括依次连接的输入层、编码器模块、去噪模块和解码器模块；

10、其中，所述输入层用于接收所述目标地震数据矩阵；所述编码器模块用于对所述目标地震数据矩阵进行特征提取以及下采样处理；所述去噪模块用于对所述编码器模块的输出结果进行去噪处理；所述解码器模块用于对所述去噪模块的输出结果进行上采样处理以及输出上采样结果。

11、基于上述方法的进一步改进，所述编码器模块包括依次连接的第一卷积模块、第一下采样层、第二卷积模块、第二下采样层、第三卷积模块；

12、所述解码器模块包括依次连接的第一上采样层、第二上采样层；

13、所述去噪模块包括强去噪模块、弱去噪模块和门控融合模块；其中，所述强去噪模块对所述编码器模块的输出结果进行处理以得到第一去噪结果，所述弱去噪模块对所述第一去噪结果进行处理得到第二去噪结果；所述门控融合模块基于所述第一去噪结果和所述第二去噪结果计算得到去噪特征图。

14、基于上述方法的进一步改进，所述强去噪模块包括依次连接的第一全连接层、leakyrelu激活函数层、第二全连接层、leakyrelu激活函数层、第一自注意力层；

15、所述弱去噪模块包括依次连接的第三全连接层、leakyrelu激活函数层、第四全连接层、leakyrelu激活函数层、第二自注意力层。

16、基于上述方法的进一步改进，所述利用去噪网络模型对所述目标地震数据矩阵进行处理得到微地震去噪数据，包括：

17、对所述目标地震数据矩阵进行滑窗处理，将所述矩阵划分为多个不同的滑窗数据块，将每个滑窗数据块输入去噪网络模型得到去噪波形；

18、基于重叠相加法实现所有滑窗数据块去噪波形的融合，从而得到所述目标地震数据矩阵对应的微地震去噪数据。

19、基于上述方法的进一步改进，所述输入层的输入维度为××；为采样点数量；为通道数量；为输入特征个数；其中，所述输入特征至少包括通道权重。

20、基于上述方法的进一步改进，所述通道权重基于如下方式确定：

21、，

22、，

23、其中，为第i道微地震数据对应的通道权重；为最小连续权重；为异常阈值；、、、、、、为权重系数；为第i道微地震数据的信噪比；为第i个通道的峰值振幅；为第i道微地震数据的短时能量；为第i道微地震数据的主频带能量占比；为第i道微地震数据的道间相关性；为第i道微地震数据的几何可靠性；为偏离程度的归一化惩罚项；对于，当x≤0时，输出0，当0

24、基于上述方法的进一步改进，所述去噪网络模型的损失函数为：

25、，

26、，

27、，，

28、，

29、，

30、，

31、其中，、、、为权重系数，为掩膜重建损失，为道间相干性损失，为初至候选区保真损失，为残差约束损失；为第b个滑窗数据块对应的掩码矩阵，表示去噪网络的非线性映射函数，表示逐元素相乘，为经过掩码遮蔽后的第b个滑窗数据块，为引入通道权重的包含原始含噪声的第b个滑窗数据块，为防止分母为零的小常数，为第b个滑窗数据块对应的掩码替换值矩阵；为邻域通道对集合，为集合内通道对的总数量，i、j表示相邻的通道对，i≠j，为去噪后第i道与第j道波形的道间相干系数，为原始含噪数据中第i道与第j道波形的道间相干系数；为第b个滑窗数据块的初至拾取掩膜，p表示拾取，为去噪网络模型输出的去噪后的第b个滑窗数据块；为去噪网络模型输出的第b个滑窗数据块对应的噪声残差块，，为时间方向梯度正则的权重系数，为道间方向梯度正则的权重系数，、分别为纵向、横向的差分算子。

32、基于上述方法的进一步改进，所述事件窗通过如下方式获取：

33、获取每一通道对应的p波理论到达时刻和s波理论到达时刻；

34、以所有通道中的p波理论到达时刻最小值作为p波目标值，以所有通道中的s波理论到达时刻最大值作为s波目标值；

35、基于预设前缓冲和所述p波目标值确定事件窗起始时间，基于所述s波目标值和预设后缓冲确定事件窗结束时间。

36、基于上述方法的进一步改进，所述二值掩码图像中横坐标为通道编号，纵坐标为采样时刻，矩阵元素值为0或1，0表示该点属于p-s波区间，1表示该点不属于p-s波区间；

37、所述基于所述二值掩码图像计算得到p波、s波对应的初至时刻，包括：

38、对于每个通道，执行如下操作：

39、计算该通道下每一列对应的有效长度，以最大有效长度作为该列的目标最长链，若所述目标最长链长度不为0，则将其作为该通道对应的有效列集合中一个元素；其中，所述目标最长链的起始行号对应于p波初至时刻，终止行号对应于s波的初至时刻；

40、基于所述有效列集合计算得到p波、s波对应的初至采样点；

41、基于所述初至采样点和所述事件窗计算得到该通道对应的p波初至时刻和s波初至时刻。

42、与现有技术相比，本发明至少可实现如下有益效果之一：

43、1、本发明提供了一种低信噪比条件下的微地震数据处理方法，基于去噪网络实现对微地震数据去噪，能够有效抑制背景随机噪声和机械干扰，最大程度保留波形形态、极性与振幅特征，显著提升低信噪比下信号的可识别性，从而进一步降低微弱微地震事件的漏拾率。此外，本发明所采用的去噪网络采用强去噪器和弱去噪器结合的级联结构，强去噪器用于压制随机噪声、局部异常振幅和非相干干扰，弱去噪用于在强去噪结果基础上恢复弱初至、相位突变和相对振幅，两级结构的设置使得模型既能抑制强噪声，又能避免把低幅值初至误当作噪声完全去除，从而进一步提升微地震信号的可识别性。

44、2、本发明提供了一种低信噪比条件下的微地震数据处理方法，将初至拾取转化为p-s波有效区域的语义分割任务，利用深度学习网络对时间-道间二维特征的建模能力，充分捕捉微地震同相轴的道间连续性与时间域形态特征，相比传统初至拾取方法，本发明所提出的方法能更精准地区分有效信号与离散噪声，显著降低强干扰环境下的误拾取概率，提升初至识别的整体准确率。

45、3、本发明提供了一种低信噪比条件下的微地震数据处理方法，针对低信噪比下分割结果易出现孔洞、断裂、孤立假阳性区域的缺陷，通过最长白链识别、间断容错、多列统计聚合等后处理逻辑，可自动修复有效区域断裂、过滤孤立噪声干扰，规避局部分割错误对初至边界的影响，输出的p、s波初至时刻稳定性更高，降低了人工复核修正的成本。

46、4、本发明提供了一种低信噪比条件下的微地震数据处理方法，从原始多道数据输入到p、s波初至时刻输出，全流程可实现自动化执行，模型训练完成后的推理阶段无需人工逐道标注与逐事件参数调优，处理效率高，可适配矿山微震监测等海量连续数据的批量处理场景，大幅降低人工处理成本，提升数据处理时效。

47、本发明中，上述各技术方案之间还可以相互组合，以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述，并且，部分优点可从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书以及附图中所特别指出的内容中来实现和获得。