微地震监测是非常规油气藏勘探领域的一项重要技术,在水力压裂裂缝监测、CO_(2)封存等方面都有着广泛的应用。然而,微地震信号能量弱,容易被噪声污染,其信噪比低的特点使得在后续的处理过程中往往不能得到好的结果。因此微地震数据去噪...微地震监测是非常规油气藏勘探领域的一项重要技术,在水力压裂裂缝监测、CO_(2)封存等方面都有着广泛的应用。然而,微地震信号能量弱,容易被噪声污染,其信噪比低的特点使得在后续的处理过程中往往不能得到好的结果。因此微地震数据去噪是一项十分重要的处理步骤,去噪效果对后续震源定位的准确性和震源机制反演结果的可靠性有关键的影响。文中提出一种蒙特卡洛非负字典学习(Monte Carlo non-negative dictionary learning,MCNDL)微地震去噪方法。蒙特卡洛分块能利用少量的时间获得包含相对较多有效信号特征的初始字典,在字典更新的过程中,利用非负性约束来保证数据变换的稀疏性,缩小解的空间,从而降低计算成本并提高去噪精度。利用合成和实际微地震数据对该方法的应用效果进行了测试,并与带通(Band-Pass,BP)滤波、FK滤波和KSVD方法进行对比,展示出该方法针对微地震数据较好的去噪效果与较高的去噪效率。展开更多
文摘微地震监测是非常规油气藏勘探领域的一项重要技术,在水力压裂裂缝监测、CO_(2)封存等方面都有着广泛的应用。然而,微地震信号能量弱,容易被噪声污染,其信噪比低的特点使得在后续的处理过程中往往不能得到好的结果。因此微地震数据去噪是一项十分重要的处理步骤,去噪效果对后续震源定位的准确性和震源机制反演结果的可靠性有关键的影响。文中提出一种蒙特卡洛非负字典学习(Monte Carlo non-negative dictionary learning,MCNDL)微地震去噪方法。蒙特卡洛分块能利用少量的时间获得包含相对较多有效信号特征的初始字典,在字典更新的过程中,利用非负性约束来保证数据变换的稀疏性,缩小解的空间,从而降低计算成本并提高去噪精度。利用合成和实际微地震数据对该方法的应用效果进行了测试,并与带通(Band-Pass,BP)滤波、FK滤波和KSVD方法进行对比,展示出该方法针对微地震数据较好的去噪效果与较高的去噪效率。
