一种基于方差分形维数的微地震事件自动识别方法与流程

本发明属于微地震检测领域，具体地而言为一种基于方差分形维数的微地震事件自动识别方法。

背景技术：

用地面高压泵向压裂井中注入大量压力液，当压力达到一定程度时会导致岩石破碎或原有裂缝增长，进而产生一系列可观测的微地震事件。通过在压裂井地表或是相邻监测井中合理布置检波器，便可记录微地震信号。水力压裂是从射孔位置向目标层注入高稠度压力液，使目标层中压力不断增加，导致岩石破碎或原有裂缝增长，从而诱发一系列微地震事件。由于射孔信号具有能量强、信噪比高的特性，容易准确拾取初至。而微地震震级能量小、信噪比较低，严重制约了微地震事件的识别和初至拾取。

微地震震源通常分部于以射孔震源为中心的周围，因此水力压裂微地震与射孔数据具有相似的传播路径。由于射孔数据具有高信噪比和能量，它很容易拾取精确的拾取初至时间通过使用快速aic方法。相反，微地震数据能量弱和信噪比低，从而限制了微地震事件的识别。微地震事件的数量和触发时间也很难确定。

尤其是在一些现场施工条件下，射孔和压裂不在同一时间段进行等原因，导致只有微地震监测数据，而没有射孔信号时，微地震事件的识别存在难度。

技术实现要素：

本发明所要解决的技术问题在于提供一种基于方差分形维数的微地震事件自动识别方法，解决微地震震级能量小、信噪比较低，严重制约了微地震事件的识别和初至拾取。

本发明是这样实现的，

一种基于方差分形维数的微地震事件自动识别方法，包括如下：

步骤1：使用初至时间计算时差时间下角标j∈[1，n]表示第j道的射孔数据，n表示表示总的微地震道数；

步骤2：利用时差时间，获得校正时间

步骤3：对于微地震数据利用校正时间校正多道微地震数据；

步骤4：叠加校正微地震数据获得模型道s^m(t)；

步骤5：对模型道s^m(t)求取包络信号e(t)，能量包络e(t)使用希尔伯特变换；

步骤6：使用vfd识别微地震事件。

进一步地，步骤1中初至时间当已知射孔数据时，根据射孔数据拾取精确的初至时间具体包括:利用fast-aic方法拾取已知射孔数据初至到时选取fast-aic曲线的最小点作为初至时间

进一步地，步骤1中，当没有射孔数据时，根据声波测井曲线，获得层状速度和深度参数，建立速度模型，依据速度和深度参数计算理论初至时间具体包括：

11)根据声波测井曲线获得各层地层传播速度和厚度，建立一个分层速度模型；

12)使用3d声波方程来模拟射孔数据；具体是通过3d声波方程来模拟射孔数据，3d声波方程如下：

其中，x，y，z是空间坐标，t是波场传播的时间，u是声波波场。

13)从模拟的射孔数据中获得理论上的初至时间

进一步地，步骤1中，射孔数据的各道信号初至时刻依次与第一道信号初至时刻做差，获得射孔信号的时差时间

表示射孔数据中第一道获取的初至时间。

5、按照权利要求1所述的方法，其特征在于，

步骤3中，以第一道信号作为参考道，时差时间作为各道信号校正量，对整体微地震数据进行校正，使各道信号初至到时一致，利用射孔数据时差时间校正微地震数据校正之后的微地震各道信号初至波到达时刻集中在某一时刻附近，第j道的校正时间公式如下所示，

第j道的校正微地震数据公式如下所示，

进一步地，步骤5，模型道s^m(t)求取能量包络，能量包络e(t)求解使用希尔伯特变换，公式如下式：

e(t)＝s^m(t)+h(s^m(t))

其中h表示希尔伯特变换。

进一步地，步骤6中，使用vfd识别微地震事件，具体包括：

对于1维的能量包络信号e(t)，根据dσ＝1-r得到dσ，dσ为vfd数据，从vfd数据中识别微地震信号，其中，r称之为hurst指数，由以下式子获得：

其中nδt是时间间隔，var((e(t1+nδt)-e(t1))nδt)是对能量包络信号e(t)在t1时刻nδt间隔下的方差，然后求取极限对数获得hurst指数。

本发明与现有技术相比，有益效果在于：

本发明利用射孔数据通过校正每道校正微地震的初至时间。应用时间差校正后，包络信号的snr显着提高，微地震事件识别更加准确，并且每个道中的事件数均相同。如果没有射孔数据，可以根据声波测井数据构造速度模型。将地震检波器坐标和射孔坐标在实际的监视系统中结合在一起，用理论上的射孔数据用来代替实际的射孔数据。通过声波测井数据与射孔数据的结果进行比较，通过声波测井数据验证了其有效性。

对于具有非常低snr的微地震数据，使用本发明进行微地震事件检测。多道能量叠加包络使用了vfd算法，从而改善了对低snr微地震数据的识别。当微震源靠近射孔位置时，可以获得高信噪比的包络信号。相反，当微震源距参考源(射孔位置)较远时，模型轨迹具有较低的snr。但是，仍然可以通过使用vfd算法检测到微震事件的能量很小。

使用来自和不包含射孔数据的中国山西省实际水力压裂治疗的监测数据验证了该发明。采用本发明在微震监测数据中具有较高的识别微震事件能力。

附图说明

图1为本发明方法流程图；

图2用包络信号进行vfd与sta/lta方法处理；

图3本发明方法(基于穿孔数据)的穿孔深度与微地震事件检测有效范围之间的关系；

图4实际野外检波器布阵图；

图5为实施例微地震监测数据中含有完整的射孔数据，射孔信号波形图；

图6为图4中射孔数据的初至时间校正后的结果；

图7为多道校正叠加后的微地震数据(a)，对多道校正叠加后的微地震数据的包络地震数据(b)；

图8为微地震事件识别过程及结果。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

参见图1所示，为本发明一种基于方差分形维数的微地震事件自动识别方法流程图，包括步骤1：使用初至时间计算时差时间角标j∈[1，n]表示第j道的射孔数据；其中s^p表示射孔数据；

步骤2：利用时差时间，获得校正时间其中，s^m表示微地震数据。

步骤3：对于微地震数据利用校正时间校正多道微地震数据；

步骤4：叠加校正微地震数据获得模型道s^m(t)；

步骤5：对模型道s^m(t)求取包络信号e(t)，能量包络e(t)使用希尔伯特变换；

步骤6：使用vfd识别微地震事件。

其中，步骤1中初至时间当已知射孔数据时，根据射孔数据拾取精确的初至时间具体包括:利用fast-aic方法拾取已知射孔数据初至到时选取fast-aic曲线的最小点作为初至时间

步骤1中，当没有射孔数据时，根据声波测井曲线，获得层状速度和深度参数，建立速度模型，依据速度和深度参数计算理论初至时间具体包括：

11)根据声波测井曲线获得各层地层传播速度和厚度，建立一个分层速度模型；

12)使用3d声波方程来模拟射孔数据；具体是通过3d声波方程来模拟射孔数据，根据压裂施工方案，已知射孔位置，即已知射孔深度信息，就可以模拟出来，

3d声波方程如下：

其中，x，y，z是空间坐标，t是波场传播的时间，u是声波波场。

13)从模拟的射孔数据中获得理论上的初至时间

步骤1中，射孔数据的各道信号初至时刻依次与第一道信号初至时刻做差，获得射孔信号初至时差文件

表示射孔数据中第一道获取的初至时间。

步骤3中，以第一道信号作为参考道，时差时间作为各道信号校正量，对整体微地震数据进行校正，使各道信号初至到时基本一致，其中，下角标j∈[1，n]，表示第j道射孔微地震数据，n表示表示总的微地震道数。利用射孔数据时差时间校正微地震数据校正之后的微地震各道信号初至波到达时刻集中在某一时刻附近。因此，第j道的校正时间公式如下所示，

第j道的校正微地震数据公式如下所示，

步骤5，模型道s^m(t)求取能量包络，m是模型的缩写，为了区分模型道与其他的表示。能量包络e(t)求解使用希尔伯特变换，公式由下式给出，

e(t)＝s^m(t)+h(s^m(t))

其中h表示希尔伯特变换。

步骤6中，使用vfd识别微地震事件，具体的：

对于1维的能量包络信号e(t)，根据dσ＝1-r得到dσ，dσ为vfd数据，从vfd数据中识别微地震信号，其中，h称之为hurst(赫斯特)指数，由以下式子获得

其中nδt是时间间隔，var((e(t1+nδt)-e(t1))nδt)是对能量包络信号e(t)在t1时刻nδt间隔下的方差，然后求取极限对数就获得hurst(赫斯特)指数。

通过模拟实验，对本发明方法进行验证：

采用fracstar的星形检波器阵列布阵方式(anikievetal.,2014)。本发明中采用检波器阵列具体布阵方式。检波器等间距布设在测线l1，l2，…，l6上，选择一个6层速度模型，每条测线布置12个检波器(a1，a2，…a12)，道间距50m，偏移距100米，共计36道。

采用合成数据进行微地震事件识别。合成的微地震记录中包含一个射孔事件和四个微地震事件。这些数据由30hz的ricker子波使用三维有限差分模拟获得。相对应的射孔和微地震震源为，(0，0，-950),(-60，0，-850),(-90，60，-900),(-120，-150，-800),(150，-50，-1000),(300，-100，-950)。它的信噪比为3.8964db。为了评价处理效果，信噪比的计算公式使用下面方程，

其中,asignal+noise和anoise分别表示微地震和噪声的均方根振幅。

对射孔数据使用fast-aic方法获得初至时间图2中红色点表示了射孔数据上的获得的初至时间。然后时差数据通过使用初至时间校正时间是通过时差数据获得。微地震数据。微地震数据通过使用校正数据校正。

然后，通过叠加校正后的微地震数据获得高信噪比模型道s^m(t)，它的信噪比是13.0862db。叠加之后随机噪声变得微弱。通过对模型道s^m(t)求得包络信号e(t)。

最后，包络信号e(t)使用vfd算法检测微震事件，如图2a。包络信号e(t)也用sta/lta算法来识别微地震事件，图2b显示了识别结果。五个峰值对应于五个模拟事件数据。

微地震事件具有不同的特征(例如，snr，能级和位置)。本发明方法仍然能够检测微震事件。例如，虽然通过使用多道能量叠加包络，微地震事件②的能级，但仍然很弱并且包含强噪声。通过使用vfd算法，清楚地检测到了微地震事件②，如图2a中的箭头②所示。将vfd算法与sta/lta算法进行比较，vfd在识别强噪声微震数据方面具有令人满意的效果。用于事件检测的vfd算法验证了发明方法的适用性。

为了测试不同射孔源位置的影响，在仅改变射孔深度的情况下执行了上述模拟。图3显示了该方法的适用范围和射孔深度之间的关系。基于射孔数据的微震检测方法的适用范围与射孔深度(微震源深度)成正比。随着地面上检波器数量的增加，本发明方法更加有效。较高的地层速度导致较小的时间差，并且微地震能量包络变得更加集中，从而提高了所提出方法的有效性。

以山西西北部某盆地的微地震监测资料处理为例，验证基于道间能量叠加技术的微地震事件自动识别方法在实际生产中的应用效果。受当地地形条件所限，该实验的地面阵列观测系统排布如图4所示。地面监测系统由六条测线组成，各测线之间夹角为60度。每条测线布置18个三分量检波器，道间距是200m，采样间隔是1ms。

本次实验中射孔和水力压裂先后连续施工，微地震监测数据中含有完整的射孔数据，射孔信号波形图如图5所示，监测记录共有108道，检波器记录具体排列顺序a1-a18，b1-b18....f1-f18，每个检波器中三个相邻分量的排列顺序为垂直、南北、东西。

在该实验中，射孔后立即进行水力压裂，因此微地震监测数据包含射孔数据。从图5中可以得出，穿孔数据的信噪比很高。

上述现场数据均使用本发明方法。由于射孔数据具有较高的snr，因此可以使用fast-aic快速而准确地选择首次到达时间。射孔数据的初至时间如图5的所示。校正后的时间用于对准微地震数据。校正后的结果如图7所示。

如图7(a)所示，将经过校正的多道微地震数据水平堆叠以获得高snr模型道s^m(t)。并且得到包络信号e(t)，如图7(b)所示。包络信号e(t)的snr高于原始数据的任何道。它有效地有效改善了微地震事件的检测。如图7(b)所示，微地震数据的包络线e(t)的能量变大。图6中的微地震事件③的小能量变为图7(b)中的微地震事件③的大能量。

然后，vfd算法基于高snr包络线e(t)检测微震事件。识别结果在图7中用箭头指示。通过使用vfd算法检测微震事件③，如图8中③箭头所示。其余的微地震事件也在图8中用箭头表示。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。