一种地震波起跳时刻准确拾取的方法

发明属于地震信号处理技术领域，具体涉及一种地震波起跳时刻准确拾取的方法。

背景技术：

地震勘探中静校正对初至波到时拾取的精度要求越来越高，但目前地震波到时自动拾取技术的精度和抗噪音能力没有满足实际需求。初至波到时拾取方法主要有三类，第一类是考虑地震信号幅值的方法，如最大振幅法和能量比值法等。这类方法假定在地震波到达前地震动幅值是动态平衡的，当地震波到达时，平衡被打破，其主要特征是振幅或能量的突变，找到突变点就拾取到了地震波到时，目前该方法被广泛应用于工程实践中，缺点是精度有待提高和抗噪音能力不强；第二类是考虑地震波形特征的方法，比如相关法等。互相关方法要求定义种子道，种子道地震波初至用手工拾取获得，再用互相关函数计算其它道与种子道的初至延时，最后得到其它道地震波到时。在计算互相关函数前，要对畸变的地震波初至进行整型滤波，以确保互相关计算精度。整型滤波前对炮集记录进行线性动校正，使初至同相位。由于地表条件复杂，互相关函数只能在地质条件相似的条件下使用，所以整形滤波要分段进行。这类方法具有抗噪音能力比较强，但对于地震波波形变化大的情况下、和地表情况复杂，如山地、沙漠和黄土塬勘探区，地震波初至的自动拾取效果不理想；第三类是人工智能方法，比如神经网络方法等。神经网络方法方法利用地震记录的峰值、信噪比、相位、地震波到时前后峰值差和包络线斜率的特征等拾取初至。神经网络方法是一个模式识别过程，有很强的学习能力，有高度的鲁棒性和分析能力，但对于三维复杂场地的地震记录，由于地震波初至规律性差，导致该方法的学习培训能力下降。因此尽管该方法是理论上比较前沿的初至拾取技术，但总体来说，目前这类方法在实践中很少应用。

第二类考虑地震波形特征的方法和第三类人工智能方法的实用性都不及第一类考虑地震信号幅值的方法，本文发明将研究第一类方法，并提出一种地震波起跳时刻准确拾取的方法。

技术实现要素：

针对以上技术问题，本发明提出一种地震波起跳时刻准确拾取的方法，结合图1，具体流程如下：

步骤1：输入地震记录数据流；

步骤2：用公式(1)计算特征函数pi，并用公式(2)计算长短时均值比；

pi＝xi(t)⁴i为地震记录序号(1)

其中xi(t)是地震勘探记录。与allen(1978)提出的特征函数相比，我们的仅有振幅，而不是allen的既有振幅，又有振幅的变化。我们不同于allen的原因是，振幅大时，振幅变化并不一定大，用振幅和振幅变化同时作为特征函数表现异常会使异常分散，我们选取的特征函数使得地震波到时仅仅用振幅高次方描述，确定地震波到时的问题变成寻找特征函数阈值的问题；

公式(2)是本发明提出的长短时变换方法，公式(2)是对公式(3)进行的改进(allen，1978、1982)。

公式(2)和公式(3)中pi是与地震记录相关的特征函数、{pi}是经过长短时变换得到的序列、i是地震记录序号、n为记录长度，n1为长短时均值比方法的短尺度，n2为长尺度；

步骤3：在长短时均值比序列{pi}中，判断长短时均值比计算结果，即判断序列{pi}中第i时刻长短时均值比是否大于或等于阈值，如果大于或等于阈值，继续步骤4，如果小于阈值，则i＝i+1，判断下一时刻长短时均值比结果是否大于或等于阈值；

步骤4：从长短时均值比结果达到阈值的对应时刻开始，在地震记录中，沿负时间轴，寻找满足公式(4)记录，满足公式(4)的第i条记录对应的时刻就是地震起跳时刻。

|xi-1(t)-|xi(t)≥0i为地震记录序号(4)

公式(2)和(3)的进一步比较：

公式(2)和(3)中，分子是短时项，长度是n1，分母是长时项，长度是n2。公式(3)中的短时项包含在长时项中，如示意图3；而我们提出的公式(2)中短项时不包含在长时项中，如示意图2。我们提出的公式(2)中短时项是作为异常项出现的，而长时项是作为正常情况下的正常项出现的，公式(2)的物理意义是异常项与正常项的均值比。公式(3)分母包含了异常项(allen，1978、1982)，其物理意义不够明确。在相同条件下，公式(2)计算得到的数值一定大于公式(3)的计算结果，也就是说我们提出的公式(2)具有更强表现异常的能力。图2和图3分别为公式(2)和公式(3)的示意图。

实际工作中，公式（2）中的分母取50个数据点，即n2=50；分子取5个数据点，即n1=5。分母数据点取得较多的原因是，作为背景噪音，可以平稳背景，减少错报的机会；分子数据点取得较少的原因是，可以缩小异常拾取范围，使拾取的到时误差小。

地震的幅值一般会大于噪音的幅值。在公式（1）中作为正常项的分母四次方后，变得很小；作为异常项的分子四次方后会变得相对很大，分子和分母比值，即公式（2）的比值会更大，从而突出了异常表现，也方便了阈值的确定。

当没有地震波输入的背景噪音情况下，公式（2）比值在1附近波动。在实际勘探中为排除随机干扰，需要确定一个阈值。要拾取的地震波为有效波，其对应的长短时均值比最大值为阈值上限；在有效波未到达之前的波为干扰波，其对应的长短时均值比最大值为阈值下限，显然其下限为1。阈值的确定取决于阈值上限与下限的差异，差异越大，越容易确定阈值。

采用地震记录100条，分别用一次函数，即xi(t)，和四次函数，即公式（1），作为特征函数，分别得到阈值上限。图4是用一次特征函数计算得到的阈值上限，100个地震阈值上限平均值为10.2，该值较小使得确定触发阈值困难。图5是用四次特征函数得到的阈值上限，100个地震阈值上限平均值为1849.3，该值较大使得确定触发阈值比较容易，这是我们选取振幅四次方作为特征函数的原因。在实际工作中，暂定地震到时阈值为10。

证明地震波到达的第一个波峰不一定是最大值：

建立ansys物理模型和有限元计算模型，研究震源激发后，模型中接收点地震波的动力学特征。如图6是物理模型，采用花岗岩球型介质，半径100cm。花岗岩的泊松比0.25、杨氏模量0.48×10⁵mpa、密度为2.4g/cm³、p波速度4500m/s，s波波速3700m/s，球心放10g黑火药。图7是有限元计算模型，我们将重点研究图7中a点和b点的p波随时间的变化规律。

图8和图9分别是a点、b点地震波幅值随时间变化曲线。可以看出两点的第一个波峰都不是最大值，说明目前用最大振幅法拾取地震波初至误差可能很大，一是因为取最大幅值为地震波初至本身就存在较大误差，二是第一个波峰可能不是最大的峰值，这就进一步加大了误差。

有益技术效果：

目前最大振幅法拾取的是振幅最大值，而该值不是地震波真正到时，地震起跳时刻才是地震波真正到时。采用振幅四次方作为特征函数，以突出地震波到时时段特征，同时明确了地震波到时阈值的确定方法；改进了allen长短时均值比方法：allen方法中，作为长时项的分母包含了作为异常项的分子，从而掩盖了地震波到时异常的表达。我们提出的改进长短时均值比方法中，作为长时项的分母不包含作为异常项的分子，进一步突显了地震到时特征，使得拾取地震波到时异常不易受噪音的干扰。在上述工作基础上分两步拾取地震波到时，第一步在确定阈值基础上，用改进的长短时均值比法确定地震波到达时段，第二步，在第一步基础上沿负时间轴比较地震记录绝对值大小，下一个绝对值变大的地震记录对应时刻为地震波起跳时刻。改进的方法拾取起跳时刻更接近真实的地震波到时，而不是目前最大振幅法拾取的振幅最大值。

附图说明

图1为本发明实施例的一种地震波起跳时刻准确拾取的方法流程图；

图2为本发明实施例的公式（2）示意图；

图3为本发明实施例的公式（3）示意图；

图4为本发明实施例的用一次特征函数拾取p波得到的阈值；

图5为本发明实施例的是用四次特征函数拾取p波得到的阈值；

图6为本发明实施例的物理模型；

图7为本发明实施例的单元划分；

图8为本发明实施例的a点的p波；

图9为本发明实施例的b点的p波；

图10为本发明实施例的长短时均值比计算结果；

图11为本发明实施例的浅层地震仪记录中用手工拾取的地震波到时（灰色），用最大振幅法拾取的到时（黑色）；

图12为本发明实施例的浅层地震仪记录中用手工拾取的地震波到时（灰色），用拾取起跳时刻得到的到时（黑色小点）。

具体实施方式

下面结合附图和具体实施实例对发明做进一步说明，本发明提出一种地震波起跳时刻准确拾取的方法，如图1所示，具体流程如下：

步骤1：输入地震记录数据流；

步骤2：用公式（1）计算特征函数，并用公式（2）计算长短时均值比，如图10；

步骤3：在长短时均值比序列{pi}中，判断长短时均值比计算结果，即判断序列{pi}中第i时刻长短时均值比是否大于或等于阈值，如果大于或等于阈值，继续步骤4，如果小于阈值，则i=i+1，判断下一时刻长短时均值比结果是否大于或等于阈值；

步骤4：从长短时均值比结果达到阈值的对应时刻开始，在地震记录中，沿负时间轴，寻找满足公式（4）记录，满足公式（4）的第i条记录对应的时刻就是地震起跳时刻。

为了验证我们提出的拾取起跳时刻与地震波实际到时的符合程度，我们选择两次地震勘探记录，分别用手工法、最大振幅法和我们提出的拾取起跳时刻法得到地震波到时。图11和图12是用浅层地震仪记录的地震波形，图11中的灰色是用手工拾取的地震波到时，是真实的到时，黑色是用最大振幅法拾取的到时，可以看出，二者拾取结果差异较大。图12中的灰色亦是用手工拾取的地震波到时，是真实的到时，其中黑色小点是用我们提出的拾取回跳时刻法得到的到时，可以看出与真实到时符合得较好。